MAKALAH

INTERPOLATION
NUMERICAL INTEGRATION

Disusun Guna Memenuhi Tugas Mata Kuliah Analisa Numerik & Pemodelan

Oleh:
NO
1.
2.
3.
4.
5.
6.

NAMA
Rifky Wijaya
Ginanjar Saputra
Hany Kusumawati
M. Kidam Hady
Merliana Krisencia
Dea Anggraheni P.

NIM
3334130273
3334130779
3334131303
3334132302
3334132309
3334132493

JURUSAN TEKNIK METALURGI

FAKULTAS TEKNIK
UNIVERSITAS SULTAN AGENG TIRTAYASA
CILEGON BANTEN
2014

INTERPOLATION
Interpolasi adalah proses pencarian dan perhitungan nilai suatu fungsi yang grafiknya
melewati sekumpulan titik yang diberikan. Titik-titik tersebut merupakan hasil dalam sebuah
fungsi yang diketahui. Interpolasi adalah suatu cara untuk mencari nilai di antara beberapa
titik data yang telah diketahui. Interpolasi berdasarkan fungsinya dibagi menjadi interpolasi
linier, kuadratik, dan interpolasi polinomial. Metode dalam interpolasi antara lain metode
Lagrange dan metode Newton.
Interpolasi linier, yang merupakan bentuk interpolasi paling sederhana, menggunakan
dua titik data (data points) untuk mengembangkan pendekatan linier terhadap fungsi yang
ditinjau. Tinjaulah 2 titik data (x1, f(x1)) dan (x2, f(x2)). Ekspansi deret Taylor untuk f(x) di
sekitar x1:
(

( )
( ) (
) ( )
( )
(1)
Dengan mengabaikan suku-suku setelan linear-term, dan menggunakan pendekatan forward
difference untuk f(x1), yakni
( ) ( )
( )
(2)
Selanjutnya, subtitusikan persamaan (1) ke persamaan (2) sehingga menghasilkan persamaan,
( ) ( )
( )
( )
(
)
(3)
CONTOH 1:
Sebuah mobil bergerak dengan kecepatan yang berubah-ubah terhadap waktu, dengan data
seperti pada tabel di bawah. Berapakah kecepatan mobil pada t = 5?
velocity (m/s)
8
14 19 26 29
time (s)
2
4
6
8
10
Secara MANUAL:
(
( )
( )

Dengan f(x0) = 14, f(x1) = 19, x0 = 4, x1 = 6, dan x = 5

( )
(
)
Maka, kecepatan mobil pada t = 5 s adalah 16,5 m/s
Menggunakan bantuan MATLAB:
Soal pada contoh 1 dapat diselesaikan melalui metode interpolasi linier dengan menulis
perintah interp01 pada Command Window:
>>
>>
>>
>>

t = [2 4 6 8 10];
v = [8 14 19 26 29];
ti = [5];
vi = interp1(t,v,ti)

vi =
16.5000

Atau dengan menggunakan perintah polyfit dan polyval

>>
>>
>>
>>

t = [4 6];
v = [14 19];
c = polyfit(t,v,1);
polyval(c,5)

ans =
16.5000
Rifky, Ginanjar, Hany, Kidam, Merliana, Dea
Analisa Numerik & Pemodelan (B)

3
Melalui kedua perintah di atas, diperoleh hasil yang sama: 16,5.
Untuk memplot grafik contoh 1 dalam MATLAB, dapat menuliskan perintah berikut pada
Command Window:
>> t = [2 4 6 8 10];
>> v = [8 14 19 26 29];
>> plot(t,v,'o',ti,vi)

Sehingga muncul grafik:

Gambar 1. Grafik spline-interpolant kecepatan terhadap waktu

Interpolasi Polinomial - Metode Newton

Berdasarkan penurunan untuk interpolasi kuadrat diatas, pendekatan yang sama dapat
dikembangkan untuk interpolasi polinomial berorde m. Polinomial berorde m dapat
dituliskan sebagai berikut:
( )
(
)
(
)(
) (
)
(4)
Untuk polinomial berorde m, diperlukan sejumlah (m+1) titik data. Yakni:
x0,x1,x2...xm. titik data ini selanjutnya digunakan untuk menghitung koefisien-koefisien
bo,b1...bm.
( )
(5)
[
]
(6)
[
]
(7)
[
]
(8)
Perhitungan pada persamaan diatas menggunakan beda-terbagi hingga (finite divideddifferences) secara umum first finite-divided difference dinyatakan sbb:
[

( )

(9)

Second finite divided-differences secara umum dinyatakan sebagai berikut:

[

(10)

Dan seterusnya finite divided-difference ke-m dapat dinyatakan sebagai berikut:

[

(11)

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Analisa Numerik & Pemodelan (B)

4
Persamaan diatas bersifat rekrusif. Rekrusif adalah finite-divided diffference yang lebih
tinggi disusun dari finite-divided difference yang lebih rendah. Seperti terlihat dibawah ini:
finite divided-difference
i

xi

f(xi)

pertama

Kedua

ketiga

[
]
[
]
0
xo
f(xo)
[
]
[
]
1
x1
f(x1)
[
]
2
x2
f(x2)
3
x3
f(x3)
Keterangan: x0,x1,x2,..., xm tidak perlu dalam urutan naik

CONTOH 2
Sebuah mobil melintasi suatu jalan dengan data dari pengamatan diberikan dalam tabel
berikut. Prediksi kecepatan mobil pada t = 5
velocity (m/s)
8
14 19 17
Time (s)
2
4
6
8
Velocity = f(x); time = x
Secara MANUAL
Yang pertama kita lakukan adalah divided difference
[
]
= 3= b1
[

= 2,5

= -1

Second finite-divided difference:

( ) ( )
[
]
= -0,125 = b2
[

) (

= -0,875

Thrid finite-divided difference:

(
) (
[
]

= -0,125= b3

Karena titik titik data yang diketahui pada soal sebanyak empat titik maka orde
polinomial maksimal yang bisa digunakan dalam interpolasi polinomial Newton adalah
interpolasi polinomial orde ketiga. Adapun formula yang digunakan adalah:
( )
(
)
(
)(
)
(
)(
)(
)
Jika kita substitusikan nilai x=5, maka:
( )
(
)
(
)(
)
(
)(
)(
)
( )

Error terhadap nilai sebenarnya dapat kita hitung menggunakan rumus error dibawah ini:
|
|
Dengan bantuan MATLAB
Dengan bantuan MATLAB kita menggunakan fungsi polyfit dan polyval,

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Analisa Numerik & Pemodelan (B)

Setelah itu kita membuat grafik dari data diatas, sehingga muncul grafik berikut:

Gambar 2. Grafik Interpolasi Polinomial orde tiga

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Analisa Numerik & Pemodelan (B)

Gambar 3. Perbandingan grafik interpolasi linear polinomial orde tiga

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Analisa Numerik & Pemodelan (B)

NUMERICAL INTEGRATION
Pada beberapa kasus, integral mudah untuk diselesaikan secara analitik, tetapi banyak
juga integral yang sulit sekali untuk diselesaikan secara analitik. Permasalahan yang
demikian dapat diselesaikan menggunakan metode integrasi numerik. Beberapa metode
integrasi numerik, di antaranya:
1. metode trapezoidal,
2. metode Simpsons 1/3,
3. metode Simpsons 3/8, dan
4. metode Weddle.
CONTOH 1
Menghitung luas daerah yang dibatasi fungsi ( )
, sumbu x, x = 0,1 dan x = 0,7 dengan banyak segmen n = 6.
Secara MANUAL
Metode Analitik:

)
(

Metode Numerik (Trapezoidal):

(
)
(
Jika n = 6, maka
x
f(x)

0,1
1,3256

[ ( )
[ ( )
[

0,2
1,2872

( )

0,3
1,5168
(

( )

0,6
1,0056

0,7
-2,8528

0,6
1,0056

0,7
-2,8528

)]
( )]

Metode Numerik (Simpsons 1/3):

(
)
(
Jika n = 6, maka
0,1
1,3256

[ ( )

[ (

( (

0,5
2,3

Nilai kesalahan relatif:

x
f(x)

0,4
2,0984

0,2
1,2872

0,3
1,5168

( )
)

0,4
2,0984

0,5
2,3

( )

))

( (

)]
)

))

)]

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Analisa Numerik & Pemodelan (B)

8
[

Nilai kesalahan relatif:

)
|

Dengan bantuan MATLAB

Metode Analitik
Untuk menyelesaikan soal dengan metode analitik, menuliskan perintah berikut pada
Command Window:
>> x = sym('x');
>> I = int(0.3+24*x-195*x^2+660*x^3-880*x^4+360*x^5,x,0.1,0.7)
I =
9879/12500
>> 9879/12500
ans =
0.7903

Diperoleh hasil yang sama melalui perhitungan manual, yaitu 0,7903.

Metode Numerik (Trapezoidal)
Untuk menyelesaikan soal dengan metode numerik trapezoidal, menuliskan perintah
berikut pada Command Window:
>> x = linspace(0.1,0.7,6);
>> fx = 0.3+24*x-195*x.^2+660*x.^3-880*x.^4+360*x.^5;
>> I = trapz(x,fx)
I =
0.7245

Keterangan: terdapat perbedaan hasil antara perhitungan manual (0,7444) dengan

menggunakan MATLAB (0,7245).
Metode Numerik (Simpsons 1/3)
Untuk menyelesaikan soal dengan metode numerik Simpsons 1/3, terlebih dahulu
membuat script pada Editor Window seperti di bawah ini:
format short % sets MATLAB to report less decimal places
a=input('input a (starting value)->');
b=input('input b (end value) ->');
n=input('input number of intervals (n) ->');
h=(b-a)/n; % interval with
fa=0.3+24*a-195*a^2+660*a^3-880*a^4+360*a^5; % f(a)
fb=0.3+24*b-195*b^2+660*b^3-880*b^4+360*b^5; % f(b)
ff=0;
for i=2:2:n; % all 4*f(a+nh) terms to f(b) h=(1,3,5,7,..,n-1)
x = (a+(i-1)*h);
fx = 0.3+24*x-195*x^2+660*x^3-880*x^4+360*x^5;
ff = ff + 4*fx;
end
for i=3:2:n; % all 2*f(a+nh) terms to f(b) h=(2,3,4,6,..,n-2)
x = (a+(i-1)*h);
fx = 0.3+24*x-195*x^2+660*x^3-880*x^4+360*x^5;
ff = ff + 2*fx;
end
result=(h/3)*(fa+fb+ff); % integral result
% with approximation to area under curve
Rifky, Ginanjar, Hany, Kidam, Merliana, Dea
Analisa Numerik & Pemodelan (B)

9
Tekan F5 untuk menyimpan dan menjalankan script di atas. Pada Command Window,
input-kan data a, b, dan interval n lalu tuliskan perintah result seperti berikut:
input a (starting value)->0.1
input b (end value) ->0.7
input number of intervals (n) ->6
>> result
result =
0.7890

Hasil yang diperoleh melalui perhitungan manual maupun menggunakan bantuan

MATLAB adalah sama, yaitu 0,7890.

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Analisa Numerik & Pemodelan (B)