Laporan Praktikum Regresi Non Linear

Comp : 31

I. Cover

LAPORAN PRAKTIKUM REGRESI NON LINEAR

Disusun oleh :

PUTRI AFRAH NABILA

2305102010024

(No komputer : 31)

Laboran:
Ridwan Saputra, S.Pt., M.Si.

LABORATORIUM STATISTIKA DAN SOSIAL 

DEPARTEMEN AGRIBISNIS FAKULTAS PERTANIAN

UNIVERSITAS SYIAH KUALA

DARUSSALAM, BANDA ACEH

2025

II. Tinjauan Pustaka

Regresi non-linear adalah metode analisis statistik yang digunakan untuk memodelkan hubungan antara variabel independen dan variabel dependen yang tidak membentuk garis lurus (linear). Artinya, perubahan nilai variabel bebas tidak menghasilkan perubahan tetap pada variabel tak bebas.

Model ini digunakan ketika data menunjukkan pola melengkung, eksponensial, logaritmik, sigmoidal, dan lain-lain. Contohnya adalah model pertumbuhan populasi, reaksi kimia, dan dinamika penyebaran penyakit.

Estimasi Parameter

Karena model non-linear tidak bisa diselesaikan dengan cara biasa (least squares linear), digunakan metode iteratif seperti:

• Gauss-Newton Method

• Levenberg-Marquardt Algorithm

• Gradient Descent

Software statistik seperti R, Python (SciPy, Statsmodels), dan SPSS mendukung metode ini.

 Aplikasi Regresi Non-Linear

• Pertumbuhan tanaman terhadap pupuk

• Hubungan intensitas cahaya terhadap fotosintesis

• Prediksi permintaan pasar dalam ekonomi mikro

• Penurunan efisiensi mesin terhadap usia penggunaan

Kelebihan dan Kelemahan

Kelebihan:

• Mampu menangkap pola hubungan kompleks

• Lebih akurat untuk data yang tidak linear

Kekurangan:

• Estimasi parameter lebih sulit

• Rentan terhadap overfitting

• Interpretasi lebih rumit

III. Data

     Untuk mencari Regresi Non Linear perlu dipersiapkan data dari Excel atau Google sheet agar mudah di pindahkan ke aplikasi SPSS

Output

Referensi

Gujarati, D. N. (2009). Basic Econometrics (5th ed.). New York: McGraw-Hill Education.

Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression Analysis (5th ed.). John Wiley & Sons.

Seber, G. A. F., & Wild, C. J. (2003). Nonlinear Regression. Wiley-Interscience.

Draper, N. R., & Smith, H. (1998). Applied Regression Analysis (3rd ed.). Wiley.

Faraway, J. J. (2002). Practical Regression and Anova using R. Online: https://cran.r-project.org/doc/contrib/Faraway-PRA.pdf