Lewati ke konten utama

Apa Itu Fungsi Linear? Panduan dengan Contoh

Dapatkan definisi formal dan intuitif fungsi linear. Pahami cara mengenalinya melalui skenario dunia nyata.
Diperbarui 29 Sep 2026  · 6 mnt Baca

Jelajahi bersama AI

ChatGPTClaudePerplexity

Jika Anda pernah mengikuti kelas matematika, besar kemungkinan Anda sudah bertemu fungsi linear sejak awal, misalnya di aljabar SMP atau saat menggambar garis di kertas grafik.

Fungsi linear ada di mana-mana, baik dalam matematika maupun di luar itu. Namun banyak orang merasa fungsi linear agak sulit dipahami. Bahkan profesional terkadang mengabaikan alasan di balik persamaan tersebut.

Dalam artikel ini, saya akan membangun penjelasan yang jelas dan intuitif tentang fungsi linear serta menerangkan apa yang membuatnya bekerja, bagaimana penulisannya, dan cara mengenalinya. Pada akhirnya, Anda akan melihatnya bukan sebagai aturan abstrak yang tidak relevan, melainkan sebagai alat andal untuk memahami perubahan yang konstan.

Gagasan Inti di Balik Fungsi Linear

Pada dasarnya, fungsi linear berhubungan dengan relasi yang mantap dan dapat diprediksi.

Bayangkan Anda berjalan dengan kecepatan konstan. Setiap langkah yang Anda ambil menempuh jarak yang sama. Laju perubahan yang konstan inilah sumber linearitas yang membuat fungsi linear disebut linear. Saat masukan—seperti waktu atau langkah—bertambah dengan jumlah tetap, keluaran—seperti jarak tempuh—bergeser dengan jumlah tetap yang sama.

Prediktabilitas inilah yang membuat fungsi linear sangat berguna. Keluaran tidak melonjak atau melengkung secara tak terduga. Mereka bergerak lurus ke depan secara andal. Saat Anda membuat plot di grafik, Anda akan menggambar garis lurus sempurna seperti sinar laser. Kesederhanaan inilah yang memungkinkan kita memercayainya untuk memodelkan dunia.

Definisi Sederhana Fungsi Linear

Dengan intuisi tersebut, mari kita rumuskan dengan sedikit formalitas matematika. Fungsi linear adalah aturan matematika yang memetakan masukan ke keluaran, di mana perubahan keluaran selalu sebanding dengan perubahan masukan. Secara simbol, sering ditulis seperti ini:

what is a linear function

Namun, kita akan membahasnya nanti dalam artikel ini. Hal terpenting di sini adalah keluaran bertambah atau berkurang dengan laju yang tetap, di mana pun posisi Anda pada skala masukan.

Secara intuitif, fungsi linear disebut linear karena merujuk pada garis. Hal ini membedakan fungsi linear dari fungsi non-linear, misalnya fungsi kuadrat yang melengkung ke atas seperti pelangi atau fungsi eksponensial yang meledak saat masukan bertambah.

Bentuk Standar Fungsi Linear

Sebagian besar fungsi linear menampilkan strukturnya secara jelas dalam apa yang disebut bentuk kemiringan–intersep (slope-intercept). Bentuknya seperti ini:

slope intercept form for a linear function

Di sini, x adalah masukan yang dapat Anda anggap sebagai variabel yang Anda masukkan, dan y adalah keluaran. Huruf m adalah kemiringan (slope) yang memberi tahu kita tentang laju perubahan fungsi atau seberapa curam garisnya naik atau turun.

Nilai m yang lebih besar berarti kemiringan lebih curam dan nilai negatif mengarah ke bawah. Lalu ada b, yaitu intersep-y, yang merupakan keluaran saat x bernilai nol. Intersep-y menentukan titik awal Anda pada sumbu y.

Dalam banyak buku teks, notasi m dan b bisa berubah menjadi a dan b, atau m dan p, tetapi hasilnya sama.

Laju Perubahan pada Fungsi Linear

Sebelum kita menyebutnya “kemiringan”, mari fokus pada maknanya. Bayangkan ini sebagai “seberapa banyak keluaran bergeser ketika masukan bertambah satu satuan?” Jika setiap jam kerja tambahan memberi Anda bayaran $20, itu adalah laju $20 per jam, yang memang perubahan konstan. Laju positif berarti pertumbuhan, sedangkan laju negatif berarti penurunan, seperti pai yang mendingin dan kehilangan panas secara stabil.

Laju ini adalah tulang punggung linearitas. Ia tidak mempercepat atau melambat. Dalam bahasa matematika, kita menyebutnya kemiringan (m dalam persamaan utama kita), tetapi idenya sama.

what is a linear function

Pada gambar ini, saya mencoba mengilustrasikan berbagai pengaturan fungsi linear, dengan menjaga b tetap dan mengubah m.

Nilai Awal pada Fungsi Linear

Intersep-y b adalah keluaran dasar saat masukan nol yang dapat Anda anggap sebagai biaya awal tetap. Ini membantu menjadi jangkar fungsi untuk memberi konteks bagaimana perubahan terakumulasi. 

Pada gambar ini saya mengubah nilai b sambil menjaga m tetap 2.

Bagaimana Fungsi Linear Muncul pada Grafik

Grafik fungsi linear berupa garis lurus karena lajunya konstan. Atur laju m untuk memiringkan garis lebih curam atau lebih landai. Geser nilai awal b dan garis bergeser naik atau turun dengan kemiringan yang sama.

Contoh Fungsi Linear

Ada berbagai cara untuk mendeskripsikan fungsi linear. Kita bisa mendeskripsikannya secara numerik, seperti f(x) = 3x + 2. Ini berarti keluaran naik 3 untuk setiap kenaikan x, dan y mula-mula bernilai 2 saat x mula-mula 0.

Kita juga bisa mendeskripsikannya secara kasual, misalnya biaya taksi sama dengan tarif dasar $3 + $2 per mil. Awal tetap dengan kenaikan yang mantap.

Fungsi Linear vs. Nonlinear

Relasi non-linear mematahkan kekonstanan karena lajunya bervariasi dan grafiknya melengkung. Hubungan nyata sering kali mendekati linear pada rentang pendek dan berguna sebagai titik acuan.

Gambar ini mengilustrasikan dengan baik beberapa contoh fungsi linear dan non-linear.

Di Mana Fungsi Linear Muncul

Fungsi linear adalah latar andal bagi cara kita memahami dunia. Mereka menjadi gerbang untuk membingkai perubahan sebagai sesuatu yang mantap dan dapat diskalakan. Di fisika, misalnya, mereka menyederhanakan gerak tanpa gesekan, atau di ekonomi, mereka menjadi garis dasar biaya sebelum kompleksitas muncul.

Di berbagai bidang, fungsi linear berperan sebagai pendekatan karena data dunia nyata sering kali memiliki hubungan yang hampir linear atau linear secara lokal. Biologi mungkin melineariskan laju enzim pada rentang sempit, dan teknik melineariskan tegangan-regangan pada material. Mereka ada di mana-mana karena perubahan yang mantap ada di mana-mana jika Anda mencarinya.

Fungsi Linear dan Regresi Linear

Regresi linear menggunakan data untuk menyesuaikan fungsi linear sebagai garis terbaik. Intinya, ia mencoba mengestimasi m dan b dari persamaan di atas untuk menemukan garis yang paling sesuai dengan pengamatan yang terkumpul. Ini adalah pendekatan terhadap tren dalam data nyata yang tersebar, bukan kesempurnaan sebenarnya.

linear functions and linear regression

Dalam ilustrasi ini, saya menunjukkan bagaimana kita dapat memodelkan titik data dunia nyata yang sedikit berisik dengan fungsi linear.

Kesalahpahaman Umum tentang Fungsi Linear

Hindari kesalahan ini saat memikirkan fungsi linear:

  1. Tidak setiap grafik lurus itu linear. Garis bisa berakhir dan kadang berubah arah.
  2. Kehidupan nyata tidak sepenuhnya linear. Yang kita lakukan adalah mendekatinya.
  3. Anda harus jelas membedakan laju m dari nilai awal b karena keduanya membentuk lintasan secara berbeda.

Tips Mengenali Fungsi Linear

Untuk mengenali fungsi linear, periksa aturan berikut:

  • Cari perubahan yang konstan
  • Periksa perbedaan, bukan rasio
  • Berpikirlah dalam istilah “per unit”
  • Berhati-hatilah dengan data dunia nyata yang berisik

Kesimpulan

Fungsi linear memodelkan hubungan garis lurus menggunakan laju perubahan konstan dari suatu nilai awal. Karena strukturnya ini, fungsi linear mudah diinterpretasikan dan mudah diterapkan. Anda akan melihatnya muncul dalam persamaan, grafik, serta masalah biaya atau perkiraan sehari-hari.

Terus belajar bersama kami. Saya merekomendasikan kursus Introduction to Regression with statsmodels in Python. Saat Anda mengikuti kursus tersebut, Anda akan melihat bahwa regresi lebih fleksibel daripada yang terlihat. Dengan menggunakan transformasi, Anda akan dapat memodelkan hubungan linear maupun non-linear menggunakan regresi. 


Iheb Gafsi's photo
Author
Iheb Gafsi
LinkedIn

Saya mengembangkan sistem AI terakselerasi yang memungkinkan kecerdasan di edge dengan pipeline ML federasi pada data terdesentralisasi dan beban kerja terdistribusi.  Fokus kerja saya mencakup Model Besar, Pemrosesan Ucapan, Vision Komputer, Reinforcement Learning, dan Topologi ML tingkat lanjut.

Topik
Data Science

Belajar bersama DataCamp

Kursus

Regresi Tingkat Menengah di R

4 jam
35.8K
Pelajari cara melakukan regresi linier dan logistik dengan beberapa variabel penjelas.
Lihat DetailRight Arrow
Mulai Kursus
Lihat SelengkapnyaRight Arrow
Terkait

blogs

Tutorial Korelasi di R

Dapatkan pengenalan dasar-dasar korelasi di R: pelajari lebih lanjut tentang koefisien korelasi, matriks korelasi, plotting korelasi, dan sebagainya.
David Woods's photo

David Woods

13 mnt

blogs

Spaghetti Plot dan Jalur Badai

Temukan alasan mengapa Anda sebaiknya (tidak) menggunakan spaghetti plot untuk menyampaikan ketidakpastian jalur prediksi badai serta dampaknya terhadap interpretasi.
Hugo Bowne-Anderson's photo

Hugo Bowne-Anderson

13 mnt

blogs

40 Pertanyaan Wawancara DBMS Teratas di 2026

Kuasai pertanyaan wawancara basis data, dari konsep SQL dasar hingga skenario desain sistem tingkat lanjut. Panduan mendalam ini mencakup semua yang Anda perlukan untuk sukses di wawancara DBMS dan meraih peran berikutnya.
Dario Radečić's photo

Dario Radečić

15 mnt

blogs

12 Alternatif ChatGPT Terbaik yang Bisa Anda Coba pada 2026

Artikel ini menyajikan daftar alternatif ChatGPT yang akan meningkatkan produktivitas Anda.
Javier Canales Luna's photo

Javier Canales Luna

14 mnt

Lihat SelengkapnyaLihat Selengkapnya