1. REGRESI NON LINIER Gangga Anuraga, M.Si

2. REGRESI NON LINIER LINIER REGRESI
Regresi: menganalisis hubungan antara variabel X (independent) dan Y (dependent)
Linier: Pola data mengikuti garis lurus
Non linier: pola data tidak mengikuti garis lurus

3. POLA DATA NON LINIER

4. MODEL REGRESI NON LINIER
Polinomial
Eksponensial 

5. Power 

6. Logistik 

7. LANGKAH ANALISIS
Pola Data
Uji Deteksi Non Linier
Penentuan Model Non linier
Estimasi Parameter Regresi Non Linier
Pemilihan Model Terbaik

8. UJI DETEKSI NON LINIER
UJI RESET
UJI WHITE
UJI TERASVIRTA

9. PENAKSIRAN PARAMETER NON LINEAR LEAST SQUARE Metode Iterasi:
GAUSS – NEWTON
LEVENBERG – MARQUARDT METHOD
LINIERIZATION METHOD
STEEPEST DESCENT METHOD

10. CONTOH KASUS Data Mobility di Sample Minitab
Peneliti NIST ingin mengetahui hubungan antara semiconductor electron mobility dengan the natural log of the density. Saran yang diberikan adalah model nonlinier polinomial.
Berikut ini pola data

11. Diduga modelnya adalah polinomial (kubik) :
Dengan empat parameter
Dengan tujuh parameter

12. UJI DETEKSI NON LINIER
SYNTAX R kasus<-read.csv(“d:datanonlin.csv”,sep=“,”) library(lmtest) resettest(Mobility~Density.Ln,power=2,type="regressor",data=kasus) library(tseries) y<- kasus$Mobility x<-kasus$Density.Ln white.test(x,y) terasvirta.test(x,y)

13. H0: Model Linier
H1: Model Non Linier
RESET test
data: Mobility ~ Density.Ln
RESET = , df1 = 1, df2 = 34, p-value = 5.086e-06
White Neural Network Test
data: x and y
X-squared = , df = 2, p-value < 2.2e-16
Teraesvirta Neural Network Test
X-squared = , df = 2, p-value = 5.251e-14

14. HASIL ANALISIS (1) MODEL REGRESI NONLINIER Parameter Estimates
Mobility = 1242, ,324 * 'Density Ln' - 94,2904 * 'Density Ln' ** ,8999 * 'Density Ln' ** 3
Parameter Estimates
Parameter Estimate SE Estimate % CI
b , , (1202,46; 1282,69)
b , ,2846 ( 371,06; 453,59)
b , , (-110,85; -77,73)
b , , ( -41,57; -24,23)

16. HASIL ANALISIS (2) MODEL REGRESI NONLINIER Parameter Estimates
Mobility = (1288, ,08 * 'Density Ln' + 583,238 * 'Density Ln' ** ,4167 * 'Density Ln' ** 3) / (1 + 0, * 'Density Ln' + 0, *'Density Ln' ** 2 + 0, * 'Density Ln' ** 3)
Parameter Estimates
Parameter Estimate SE Estimate % CI
b , , (1278,59; 1297,71)
b , , (1381,50; 1548,27)
b , , ( 502,36; 625,87)
b , , ( 59,58; 83,57)
b , , ( 0,88; *)
b , , ( 0,36; *)
b , , ( 0,03; 0,06)

18. PEMILIHAN MODEL TERBAIK
Regresi Nonlinier pada Minitab, tidak menghitung nilai R2 sehingga pemilihan model terbaiknya berdasarkan Final SSE atau nilai S yang paling kecil.

19. MODEL REGRESI NONLINIER TERBAIK
EMPAT PARAMETER
TUJUH PARAMETER
Summary Iterations 2 Final SSE DFE 33 MSE 5255,75 S 72,4965
Summary Iterations 27 Final SSE 5642,71 DFE 30 MSE 188,090 S 13,7146

20. REFERENSI
Amemiya, T Handbook of Econometric, Volume I. North Holland Publishing Company : Stanford University. Drapper, N.,R.,& Smith, H Applied Regression Analysis, 2nd edition. New York: John Wiley & Sons. Chapman and Hall. Prajneshu. Non Linear Regression Models and Their Applications. New Delhi : Library Avenue. Saudi, Anwar, Arisman. Model Regresi Non Linier dan Uji Deteksi Non Linier.