Garis Tren

Garis tren dapat ditambahkan ke semua jenis diagram 2D kecuali diagram Kue dan Saham.

1. To insert a trend line for a data series, first double-click the chart to enter edit mode and select the data series in the chart to which a trend line is to be created.

2. Choose Insert - Trend Line, or right-click the data series to open the context menu, and choose Insert Trend Line.

3. Garis Nilai Rata-rata adalah garis tren khusus yang menampilkan nilai rata-rata. Gunakan Sisip - Garis Nilai Rata-rata untuk menyisipkan garis nilai rata-rata bagi seri data.

4. Untuk menghapus garis tren atau garis nilai rata-rata, klik garis tersebut, lalu tekan tombol Del.

Kurva regresi memiliki warna yang sama dengan seri data bersangkutan. Untuk mengubah properti garis, pilih kurva regresi tersebut dan pilih Format - Properti Objek - Garis.

Persamaan Garis Tren dan Koefisien Determinasi

Ketika bagan berada dalam mode sunting, LibreOffice memberi Anda persamaan dari garis tren dan koefisien dari determinan R.², bahkan bila mereka tidak ditampilkan: klik pada garis tren untuk melihat informasi pada bilah status.

Untuk menampilkan persamaan garis tren, pilih garis tren dalam bagan, klik kanan untuk membuka menu konteks, lalu pilih Sisipkan Persamaan Garis Tren.

Untuk mengubah format dari nilai-nilai (memakai cacah dijit desimal lebih sedikit atau notasi ilmiah), pilih persamaan dalam bagan, klik kanan untuk membuka menu konteks, dan pilih Format Persamaan Garis Tren - Bilangan

Persamaan baku memakai x untuk variabel absis, dan f(x) untuk variabel ordinat. Untuk mengubah nama-nama ini, pilih garis tren, pilih Format - Format Pemilihan - Tipe dan masukkan nama-nama dalam kotak sunting Nama Variabel X dan Nama Variabel Y.

Untuk menunjukkan koefisien determinan R², pilih persamaan dalam bagan, klik kanan untuk membuka menu konteks, dan pilih Sisipkan R².

Tipe-tipe Kurva Garis Tren

Tersedia tipe-tipe regresi berikut:

• Garis tren linier: regresi melalui persamaan y=a∙x+b. Titik potong b dapat dipaksakan.

• Garis tren polinom: regresi melalui persamaan y=Σ_i(a_i∙xⁱ). Titik potong a₀ dapat dipaksakan. Derajat polinom harus diberikan (paling tidak 2).

• Garis tren logaritmis: regresi melalui persamaan y=a∙ln(x)+b.

• Garis tren eksponensial: regresi melalui persamaan y=b∙exp(a∙x).Persamaan ini ekuivalen dengan y=b∙m^x dengan m=exp(a). Titik potong b dapat dipaksakan.

• Garis tren pangkat: regresi melalui persamaan y=b∙x^a.

• Garis tren rata-rata bergerak: rata-rata bergerak sederhana dihitung dengan n nilai-y sebelumnya, dengan n sebagai perioda. Tidak ada persamaan yang tersedia untuk garis tren ini.

Batas

Penghitungan dari kurva regresi terdiri atas hanya pasangan data dengan nilai-nilai sebagai berikut:

• Garis tren logaritmis: hanya nilai x positif yang diperhitungkan.

• Garis tren eksponensial: hanya nilai y positif yang diperhitungkan, kecuali bila semua nilai y negatif: maka regresi akan mengikuti persamaan y=-b∙exp(a∙x).

• Garis tren pangkat: hanya nilai x positif yang diperhitungkan; hanya nilai y positif yang diperhitungkan, kecuali bila semua nilai y negatif: maka regresi akan mengikuti persamaan y=-b∙x^a.

Anda harus mentransformasikan data Anda sesuai situasi di atas; sangat dianjurkan Anda bekerja pada salinan data yang asli dan yang ditransformasikan adalah salinan data tersebut.

Hitung Parameter dalam Calc

Anda juga dapat menghitung parameter memakai fungsi Calc sebagai berikut.

Persamaan regresi linear

Linier regresi mengikuti persamaa y=m*x+b.

m = SLOPE(Data_Y;Data_X)

b = INTERCEPT(Data_Y ;Data_X)

Menghitung koefisien determinasi dengan

r² = RSQ(Data_Y;Data_X)

Disamping m, b, dan r² fungsi larik LINEST menyediakan statistik tambahan bagi suatu analisis regresi.

Persamaan regresi logaritmis

Regresi logaritmis mengikuti persamaan y=a*ln(x)+b.

a = SLOPE(Data_Y;LN(Data_X))

b = INTERCEPT(Data_Y ;LN(Data_X))

r² = RSQ(Data_Y;LN(Data_X))

Persamaan eksponensial regresi

Bagi garis tren eksponensial, transformasinya menjadi model linear akan terjadi. Penyesuaian kurva yang optimal terkait pada model linear dan hasilnya diinterpretasikan secara sesuai.

Regresi eksponensial mengikuti persamaan y=b*exp(a*x) atau y=b*m^x, yang masing-masing akan ditransformasikan menjadi ln(y)=ln(b)+a*x atau ln(y)=ln(b)+ln(m)*x.

a = SLOPE(LN(Data_Y);Data_X)

Variabel bagi variasi kedua dikalkulasikan sebagai berikut:

m = EXP(SLOPE(LN(Data_Y);Data_X))

b = EXP(INTERCEPT(LN(Data_Y);Data_X))

Menghitung koefisien determinasi dengan

r² = RSQ(LN(Data_Y);Data_X)

Disamping m, b, dan r² fungsi larik LOGEST menyediakan statistik tambahan bagi suatu analisis regresi.

Persamaan regresi perpangkatan

Bagi kurva regresi perpangkatan, transformasinya menjadi model linear akan terjadi. Regresi perpangkatan mengikuti persamaan y=b*x^a, yang akan ditransformasikan menjadi ln(y)=ln(b)+a*ln(x).

a = SLOPE(LN(Data_Y);LN(Data_X))

b = EXP(INTERCEPT(LN(Data_Y);LN(Data_X))

r² = RSQ(LN(Data_Y);LN(Data_X))

Persamaan regresi polinomial

Untuk kurva regresi polinomial terjadi suatu transformasi ke sebuah model linier.

Buatlah suatu tabel denga kolom x, x², x³, …, xⁿ, y sampai ke derajat n yang diinginkan.

Gunakan rumus =LINEST(Data_Y,Data_X) dengan rentang lengkap x ke x ⁿ (tanpa tajuk) sebagai Data_X.

Baris pertama dari keluaran LINEST memuat koefisien regresi polinomial, dengan koefisien dari xⁿ pada posisi paling kiri.

Elemen pertama dari baris ketiga keluaran LINEST adalah nilai dari r². Lihat fungsi LINEST untuk rincian tentang penggunaan yang tepat dan penjelasan parameter keluaran lainnya.