INTERPOLASI DAN REGRESI

Para rekayasawan dan ahli ilmu alam sering bekerja dengan sejumlah data diskrit (yang umumnya disajikan dalam bentuk tabel). Data di dlm tabel mungkin diperoleh dr hasil pengamatan dilapangan , hasil pengukuran di laboratorium, atau tabel yg diambil dr buku2 acuan.

Sbg ilustrasi, sebuah pengukuran fisika telah dilakukan untuk menentukan hubungan antara tegangan yg diberikan kepada baja tahan karat dan waktu yg diperlukan hingga baja tsb patah. Delapan nilai tegangan yg berbeda dicobakan dan data yg dihasilkan adlah:
Tegangan yg diterapkan,x, kg/mm2 Waktu Patah, y , jam 5 10 15 25 20 40 25 18 30 20 35 22 40 15

40 30

Masalah yg sering muncul dgn data tebel adalah menetukan nilai diantara titik diskrit tsb (tanpa harus melakukan pengukuran lagi). Misalnya y jika tegangan x yg diberikan kpd baja adl 12 kg/mm2 . Masalah ini tak bisa lgsg dijawab krn fungsi yg menghubungkan peubah y dgn peubah x tdk diketahui. Salah satu solusinya adl mencari fungsi yg mencocokkan (fit) titik2 data di dalam tabel.

Pendekatan seperti ini di dalam metode numerik dinamakan pencocokan kurva (curve fifting). Fungsi yg diperoleh dengan pendekatan ini mrp fungsi hampiran, krn itu nilai fungsinya tidak setepat nilai sejatinya. Namun cara ini dlm praktek rekayasa sudah mencukupi krn rumus yg benar-benar menghubungkan dua buah besaran fisik sulit ditemukan. Pencocokan kurva tidak hanya bertujuan menghitung nilai fungsi tetapi ia juga digunakan untuk mempermudah perhitungan numerik yg lain seperti menghitung nilai turunan dan menghitung nilai integral.

Misalnya kita dihadapkan dg fungsi yg bentuknya cukup rumit, spt fungsi berikut:

Menghitung turunan fungsi tersebut pd nilai x tertentu, misalnya di x=a , F(a)=? Mrp pekerjaan yg cukup sulit, apalagi bila turunan yg dibutuhkan semakin tinggi ordenya. Demikian juga dgn menghitung nilai integral fungsi f(x) pd selang integrasi [a,b], misalnya selang [0,1].

Mrp pekerjaan yg tdk mudah, bahkan scr analitik pun belum tentu dapat dilakukan, karena rumus integrasi utk fungsi semacam ini tidak tersedia. Satu pendekatan utk melakukan perhitungan ini ialah dgn menyederhanakan fungsi f(x) menjadi polinom Pn (x) yg berderajad <= n F(x) = Pn (x) yg dalam hal ini: Pn (x) = a0 + a1 x + a2 x2 + . . . + an x2 Menghitung turunan atau mengintegralkan suku-suku polinom menjadi lebih mudah karena rumus untuk menghitung turunan atau mengintegrasikan polinom sangat sederhana, yaitu: (i) Jika f(x) = axn maka f(x) = naxn-1
(ii) Int (axn dx) = axn+1 / (n+1) +C

Untuk membentuk polinom ini, kita mengambil bbrp titik diskrit (yg umumnya berjarak sama) dari fungsi f. titik2 tsb scr alami direpresentasikan dlm bentuk tabel. Selanjutnya titik2 data ini dicocokkan utk menentukan polinom Pn (x) yg menghampiri fungsi aslinya.

Regresi

Interpolasi

Pencocokan kurva adlah sebuah metode yg mencocokan titik data dengan sebuah kurva (curve fifiting) fungsi. Pencocokan kurva dibedakan atas dua metode: Regresi. Data hasil pengukuran umumnya mengandung derau (noise) atau galat yg cukup berarti. Krn data ini tidak teliti, maka kurva yg mencocokkan titik data itu tidak perlu melalui semua titik. Tata ancang yg dipakai adalah menentukan kurva yg mewakili kecendurungan (trend) titik data, yakni kurva mengikuti pola titik sbg suatu kelompok. (gambar kiri). Kurva tsb dibuat sedemikian

Shg selisih antara titik data dgn titik hampirannya di kurva sekecil mungkin. Metode pencocokan kurva seperti ini dinamakan regresi kuadrat kecil (least square regression). Derau pada data mungkin disebabkan oleh kesalahan mengukur, ketidaktelitian pd alat ukur, atau krn kelakuan sistem yg diukur. Contoh data yg mengandung derau adalah tabel tegangan baja diatas. INTERPOLASI Bila data diketahui punya ketelitian yg sangat tinggi, maka kurva cocoknya dibuat melalui setiap titik, persisi sama kalau kurva fungsi yg sebenarnya dirajah melalui titik itu. Kita katakan disini bahwa kita menginterpolasi titik2 data dgn sebuah fungsi (gambar kanan)

Bila fungsi cocokan yg digunakan berbentuk polinom, polinom tsb dinamakan polinom interpolasi. Pekerjaan menginterpolasi titik data dengan sebuah polinom disebut interpolasi dg polinom. Contoh data yg berketelitian tinggi adalah titik2 yg dihitung dari fungsi yg telah diketahui.
Interpolasi memainkan peranan yang sangat penting dalam metode numerik. Fungsi yg tampak rumit menjadi lebih sederhana bila dinyatakan dalam polinom interpolasi. Sebagian besar metode integrasi numerik, metode persama diff biasa, dan metode turunan numerik didasarkan pada polinom interpolasi. Tidak salah kalo banyak buku acuan menyatakan bahwa interpolasi merupakan pokok bahasan yg fundamental dalam metode numerik

Persoalan Interpolasi Polinom Diberikan n+1 buah titik berbeda, (X0, Y0 ), (X