Regresi Linear fitlm untuk Hubungan Konsumsi Bahan Bakar dengan Berat Muatan dan Jarak Terbang

Info proyek

• Bidang studiDirgantara dan Penerbangan
• JenjangSkripsi (S1)
• Jenis metodeStatistika dan Regresi
• Perkiraan pengerjaan± 3 hari kerja
• Perangkatfitlm, anova, coefCI, plotResiduals (Statistics and Machine Learning Toolbox)
• HargaRp 350.000 - Rp 2.250.000

Tujuan analisis

Memodelkan konsumsi bahan bakar sebagai fungsi linear berat muatan dan jarak terbang dengan fitlm serta menguji signifikansi koefisien.

Variabel

Contoh hasil

• 0.898R-squared
• 0.897Adjusted R-squared
• 0.704RMSE
• 2.206Coef. Payload weight
• -1.9Coef. Payload weight
• 350Observations

Regresi linear Fuel consumption terhadap Payload weight dan Flight distance menghasilkan R-kuadrat 0.898 (terkoreksi 0.897) dengan RMSE 0.704; koefisien Payload weight=2.206 dan Flight distance=-1.900 dengan selang kepercayaan 95% yang tidak memuat nol.

Dihitung dari data sintetis sebagai ilustrasi, bukan dari penelitian nyata.

Tentang Regresi Linear dengan fitlm

fitlm membangun model regresi linear dari tabel data dan menyediakan koefisien, uji signifikansi, R2, serta diagnostik residual. Cocok untuk skripsi/tesis yang menguji pengaruh beberapa variabel bebas terhadap satu variabel terikat.

Langkah pengerjaan

1. 1Susun data dalam table dengan nama variabel yang jelas
2. 2Tulis rumus model, misalnya y ~ x1 + x2
3. 3Latih model dengan fitlm
4. 4Baca koefisien, p-value, R2, dan R2 terkoreksi
5. 5Periksa asumsi residual (normalitas, homoskedastisitas)
6. 6Hitung interval kepercayaan koefisien dan plot diagnostik

Asumsi yang perlu diperiksa

• Hubungan linear antara prediktor dan respons
• Residual normal dengan varians konstan dan saling bebas
• Prediktor tidak berkolinearitas tinggi

Membaca dan melaporkan hasil

Laporkan koefisien beserta galat baku, p-value, interval kepercayaan, R2 terkoreksi, dan hasil uji F model. Bahas pelanggaran asumsi dan observasi berpengaruh (Cook distance) bila ada.

Contoh kode MATLAB

Skrip awal singkat dengan nama variabel proyek ini. Versi yang diserahkan disesuaikan dengan data Anda dan diberi komentar lengkap.

rng(1);
n = 150;
payload_weight = 50 + 10*randn(n, 1);
flight_distance = 20 + 5*randn(n, 1);
fuel_consumption = 5 + 0.8*payload_weight - 1.2*flight_distance + 4*randn(n, 1);

tbl = table(payload_weight, flight_distance, fuel_consumption, 'VariableNames', {'payload_weight', 'flight_distance', 'fuel_consumption'});
mdl = fitlm(tbl, 'fuel_consumption ~ payload_weight + flight_distance');
disp(mdl);
fprintf('R2 = %.3f, adjusted R2 = %.3f, RMSE = %.3f\n', ...
    mdl.Rsquared.Ordinary, mdl.Rsquared.Adjusted, mdl.RMSE);
disp(coefCI(mdl));
disp(anova(mdl, 'summary'));

[~, pSW] = lillietest(mdl.Residuals.Raw);
fprintf('Residual normality (Lilliefors) p = %.3f\n', pSW);

figure;
subplot(1,3,1); plotResiduals(mdl, 'probability');
subplot(1,3,2); plotResiduals(mdl, 'fitted');
subplot(1,3,3); plot(mdl.Fitted, tbl.fuel_consumption, '.'); hold on; refline(1, 0);
xlabel('Fitted'); ylabel('Actual');

Paket dan harga

Pilih seberapa banyak bantuan yang Anda perlukan. Setiap paket yang lebih tinggi sudah mencakup semua item paket di bawahnya. Harga belum termasuk PPN 11%.

• Pembayaran: DP 50% sebelum pekerjaan dimulai, pelunasan setelah hasil diserahkan
• Pajak: Harga belum termasuk PPN 11%
• Data dan integritas akademik: Hasil dihitung dari data penelitian Anda sendiri; Anda yang menulis dan mempertanggungjawabkan naskah, kami membantu analisis dan pemahaman
• Revisi: Maksimal 2 kali revisi termasuk dalam harga (Paket 3: 3 kali)

Pertanyaan umum