Interpolasi Lagrange
Interpolasi Lagrange
BAB 6
INTERPOLASI
Pada analisis regresi, kurve atau fungsi yang dibuat digunakan untuk mempresentasikan
suatu rangkaian titik data dalam koordinat x-y. Kurve atau garis lurus yang terbentuk tidak
melalui semua titik data akan tetapi hanya kecenderungan (trend) saja dari sebaran data,
sedang pada interpolasi dicari suatu nilai yang berada diantara beberapa titik data yang
telah diketahui nilainya. Untuk dapat memperkirakan nilai tersebut, pertama kali dibuat
suatu fungsi atau persamaan yang melalui titik-titik data, setelah persamaan garis atau
kurve terbentuk, kemudian dihitung nilai fungsi yang berada di antara titik-titik data.
Pada Gambar 6.1, menunjukkan sket kurve yang dibuat dari data yang sama dengan cara
regresi (Gambar 6.1a) dan interpolasi (Gambar 6.1b dan Gambar 6.1c). Kurve pada
Gambar 6.1a, tidak melalui semua titik pengukuran, tetapi hanya mengikuti trend dari data
menurut garis lurus. Gambar 6.1b, menggunakan segmen garis lurus atau interpolasi linier
untuk menghubungkan titik-titik data, sedang Gambar 6.1c, menggunakan kurve untuk
menghubungkan titik-titik data.
(6.1)
dengan a0, a1, a2, , an adalah parameter yang akan dicari berdasarkan titik data, n adalah
derajat (order) dari persamaan polinomial, dan x adalah variabel bebas.
Untuk (n + 1) titik data, hanya terdapat satu atau kurang polinomial order n yang melalui
semua titik. Misalnya, hanya ada satu garis lurus (polinomial order 1) yang
menghubungkan dua titik (Gambar 6.2a), demikian juga tiga buah titik dapat dihubungkan
oleh fungsi parabola (polinomial order 2), sedang untuk 4 titik dapat dilalui kurve
polinomial order 3, seperti terlihat dalam Gambar 6.2b dan Gambar 6.2c. Di dalam operasi
Jurusan Teknik Elektro ISTA Yogyakarta
67
interpolasi ditentukan suatu persamaan polinomial order n yang melalui (n + 1) titik data,
yang kemudian digunakan untuk menentukan suatu nilai diantara titik data tersebut.
Pada polinomial berderajat satu, diperoleh bentuk interpolasi linier yang sudah banyak
dikenal. Interpolasi linier memberikan hasil yang kurang teliti, sedang interpolasi
polinomial dengan derajat lebih besar dari satu yang merupakan fungsi tidak linier
memberikan hasil yang lebih baik.
6.1 Interpolasi Linier
Bentuk paling sederhana dari interpolasi adalah menghubungkan dua buah titik data
dengan garis lurus. Metode ini disebut dengan interpolasi linier yang dapat dijelaskan
dengan Gambar 6.3.
68
BC DE
AB AD
f1 ( x) f ( x0 ) f ( x1 ) f ( x0 )
x x0
x1 x0
f1 ( x ) f ( x0 )
f ( x1 ) f ( x0 )
( x x0 )
x1 x0
(6.2)
Persamaan (6.2) adalah rumus interpolasi linier, yang merupakan bentuk interpolasi
polinomial order satu. Suku [f (x1) f (x0)] / (x1 x0) adalah kemiringan garis yang
menghubungkan dua titik data dan merupakan perkiraan beda hingga dari turunan
pertama. Semakin kecil interval antara titik data, hasil perkiraan akan semakin baik.
Contoh soal:
Dicari nilai ln 2 dengan metode interpolasi linier berdasar data ln 1 = 0 dan ln 6 =
1,7917595. Hitung juga nilai tersebut berdasar data ln 1 dan ln 4 = 1,3862944. Untuk
membandingkan hasil yang diperoleh, dihitung besar kesalahan (diketahui nilai eksak
dari ln 2 = 0,69314718).
Penyelesaian:
Dengan menggunakan persamaan (6.2), dihitung dengan interpolasi linier nilai ln pada
x = 2 berdasar nilai ln di x0 = 1 dan x1 = 6.
f1 ( x ) f ( x0 )
f1(2) = 0 +
f ( x1 ) f ( x0 )
( x x0 )
x1 x0
1,7917595 0
6 1
(2 1) = 0,3583519.
0,69314718 0,35835190
0,69314718
100 % = 48,3 %.
Apabila digunakan interval yang lebih kecil, yaitu nilai x0 = 1 dan x1 = 4, maka:
f1 ( x) f ( x0 )
f1(2) = 0 +
f ( x1 ) f ( x0 )
( x x0 )
x1 x0
1,3862944 0
4 1
(2 1) = 0,46209813.
0,69314718 0,46209813
0,69314718
100 % = 33,3 %.
Dari contoh nampak bahwa dengan menggunakan interval yang lebih kecil didapat
hasil yang lebih baik (kesalahan lebih kecil). Gambar 6.4, menunjukkan prosedur
hitungan dalam contoh secara grafis.
69
(6.3)
(6.4)
70
f ( x1 ) f ( x0 )
x1 x0
(6.5)
bila persamaan (6.4) dan persamaan (6.5) disubstitusikan ke dalam persamaan (6.3) dan
nilai x = x2, maka akan diperoleh koefisien b2:
f (x2) = f (x0) +
f ( x1 ) f ( x0 )
(x2 x0) + b2(x2 x0)(x2 x1)
x1 x0
atau
b2 =
f ( x1 ) f ( x0 )
[(x2 x1) + (x1 x0)]
x1 x0
= f (x2) f (x0)
f ( x1 ) f ( x0 )
(x2 x1) f (x1) + f (x0)
x1 x0
= f (x2) f (x1)
f ( x1 ) f ( x0 )
(x2 x1)
x1 x0
f ( x1 ) f ( x0 )
( x2 x1 )
x1 x0
( x2 x0 ) ( x2 x1 )
f ( x2 ) f ( x1 )
f ( x2 ) f ( x1 ) f ( x1 ) f ( x0 )
x2 x1
x1 x0
b2 =
x2 x0
(6.6)
f (x0) = 0
x1 = 4
f (x1) = 1,3862944
71
x2 = 6
f (x2) = 1,7917595
f ( x1 ) f ( x0 )
x1 x0
1,3862944 0
4 1
= 0,46209813.
f ( x2 ) f ( x1 ) f ( x1 ) f ( x0 )
x2 x1
x1 x0
b2 =
x2 x0
1,7917595 1,3862944
0,46209813
b2 =
= 0,051873116.
64
6 1
0,69314718 0,56584436
100 % = 18,4 %.
0,69314718
Dari contoh tersebut terlihat bahwa dengan menggunakan interpolasi polinomial order
2 didapat hasil yang lebih baik (kesalahan lebih kecil).
72
(6.7)
Seperti yang dilakukan interpolasi linier dan kuadrat, titik-titik data dapat dilakukan
dengan evaluasi koefisien b0, b1, ..., bn.
Untuk polinomial order n, diperlukan (n + 1) titik data x0, x1, x2, ..., xn.
Dengan menggunakan titik-titik data tersebut, maka persamaan berikut digunakan
untuk mengevaluasi koefisien b0, b1, ..., bn.
b0 = f (x0)
(6.8)
b1 = f [x1, x0]
(6.9)
(6.10)
(6.11)
f ( xi ) f ( x j )
(6.12)
xi x j
f [ xi , x j ] f [ x j , xk ]
(6.13)
xi xk
f [ xn , xn 1 , ..., x1 ] f [ xn 1 , xn 2 , ..., x0 )
xn x0
(6.14)
Bentuk pembagian beda hingga tersebut dapat digunakan untuk mengevaluasi
koefisien-koefisien dalam persamaan (6.8) sampai persamaan (6.11) yang kemudian
disubstitusikan ke dalam persamaan (6.7) untuk mendapatkan interpolasi polinomial
order n.
fn(x) = f (x0) + f [x1, x0](x x0) + f [x2, x1, x0](x x0)(x x1) + +
f [xn, xn 1, ..., x2, x1, x0](x x0)(x x1) (x xn 1)
(6.15)
Persamaan (6.12) sampai persamaan (6.14) adalah berurutan, artinya pembagian beda
yang lebih tinggi terdiri dari pembagian beda hingga yang lebih rendah, secara
skematis bentuk yang berurutan tersebut ditunjukkan dalam Tabel 6.1.
73
Contoh soal:
Dalam contoh sebelumnya, titik data x0 = 1, x1 = 4 dan x2 = 6 digunakan untuk
memperkirakan ln 2 dengan fungsi parabola. Sekarang dengan menambah titik ke
empat yaitu x3 = 5 dengan nilai f (x3 = 5) = 1,6094379, hitung ln 2 dengan interpolasi
polinomial order tiga.
Penyelesaian:
x0 = 1
f (x0) = 0
x1 = 4
f (x1) = 1,3862944
x2 = 6
f (x2) = 1,7917595
x3 = 5
f (x3) = 1,6094379
(c.1)
f ( xi ) f ( x j )
(c.2)
xi x j
f [x1, x0] =
1,3862944 0
4 1
f [x2, x1] =
1,7917595 1,3862944
6 4
= 0,20273255.
f [x3, x2] =
1,6094379 1,7917595
5 6
= 0,1823216.
= 0,46209813.
f [ xi , x j ] f [ x j , xk ]
(c.3)
xi xk
0,20273255 0,46209813
6 1
= 0,051873116.
74
0,18232160 0,20273255
5 4
= 0,020410950.
(c.4)
f [ xn , xn 1 , ..., x1 ] f [ xn 1 , xn 2 , ..., x0 )
xn x0
(0,020410950) ( 0,051873116 )
= 0,007865541.
5 1
Nilai f [x1, x0], f [x2, x1, x0] dan f [x3, x2, x1, x0] adalah koefisien b1, b2, dan b3 dari
persamaan (6.7). Dengan nilai-nilai tersebut dan b0 = f (x0) = 0, maka persamaan (6.7)
menjadi:
fn(x) = bo + b1(x x0) + + bn(x x0)(x x1) ... (x xn 1)
f3(x) = 0 + 0,46209813(x 1) + (0,051873116)(x 1)(x 4) +
0,007865541(x 1)(x 4)(x 6)
(c.5)
0,69314718 0,62876869
0,69314718
100 % = 9,3 %.
(6.16)
Pembagian beda hingga yang ada dalam persamaan diatas mempunyai bentuk:
f [x1, x0] =
f ( x1 ) f ( x 0 )
x1 x 0
f [x1, x0] =
f ( x0 )
f ( x1 )
x1 x 0 x 0 x1
(6.17)
x x0
x x0
f (x1) +
f (x0)
x1 x0
x0 x1
75
f (x0) + x x f (x1)
1
0
x0 x1 x0 x1
f1(x) =
atau
f1(x) =
x x1
x x0
f (x0) +
f (x1)
x0 x1
x1 x0
(6.18)
x x1 x x2
x x0 x x2
x x0 x x1
f (x0) +
f (x1) +
f (x2)
x0 x1 x0 x2
x1 x0 x1 x2
x2 x0 x2 x1
(6.19)
Bentuk umum interpolasi polinomial Lagrange order n adalah:
n
fn(x) = Li ( x ) f (xi)
i0
(6.20)
dengan
n
Li (x) =
j 0
j i
xxj
(6.21)
xi x j
L0(x) = (
x x1
)
x 0 x1
L1(x) = (
x x0
)
x1 x 0
x1 x 0
Dengan menggunakan persamaan (6.20) dan persamaan (6.21) dapat dihitung pula
interpolasi Lagrange order 2 adalah:
Jurusan Teknik Elektro ISTA Yogyakarta
76
I=0
L0(x) = (
x x1 x x 2
)(
)
x 0 x1 x 0 x 2
I=1
L1(x) = (
x x0 x x2
)(
)
x1 x 0 x1 x 2
I=2
L2(x) = (
x x 0 x x1
)(
)
x 2 x 0 x 2 x1
x x0 x x2
x x1 x x 2
)(
) f (x0) + (
)(
) f (x1)
x 0 x1 x 0 x 2
x1 x 0 x1 x 2
+(
x x 0 x x1
x x 0 x x1
)(
) f (x2) + (
)(
) f (x3)
x 2 x 0 x 2 x1
x 3 x 0 x 3 x1
(6.22)
Dengan menggunakan persamaan (6.20) dan persamaan (6.21) dapat dihitung pula
interpolasi Lagrange order yang lebih tinggi, misalnya untuk interpolasi Lagrange order
3, persamaan tersebut adalah:
3
f3(x) = Li ( x ) f (xi) = L0(x) f (x0) + L1(x) f (x1) + L2(x) f (x2) + L3(x) f (x3)
i0
L0(x) = (
x x1 x x2
x x3
)(
)(
)
x0 x1 x0 x2 x0 x3
L1(x) = (
x x0 x x2 x x3
)(
)(
)
x1 x0 x1 x2 x1 x3
L2(x) = (
x x0
x x1 x x3
)(
)(
)
x2 x0 x2 x1 x2 x3
L3(x) = (
x x0 x x1 x x2
)(
)(
)
x3 x0 x3 x1 x3 x2
x x1 x x2
x x3
x x0 x x2 x x3
)(
)(
) f (x0) + (
)(
)(
) f (x1)
x0 x1 x0 x2 x0 x3
x1 x0 x1 x2 x1 x3
+(
x x0
x x1 x x3
x x0 x x1 x x2
)(
)(
) f (x2) + (
)(
)(
) f (x3) (6.22)
x2 x0 x2 x1 x2 x3
x3 x0 x3 x1 x3 x2
Contoh soal:
77
Dicari nilai ln 2 dengan metode interpolasi polinomial Lagrange order satu dan dua
berdasar data ln 1 = 0 dan data ln 6 = 1,7917595. Hitung juga nilai tersebut berdasar
data ln 1 dan data ln 4 = 1,3862944. Untuk membandingkan hasil yang diperoleh,
hitung pula besar kesalahan (diketahui nilai eksak dari ln 2 = 0,69314718).
Penyelesaian:
x0 = 1
f (x0) = 0
x1 = 4
f (x1) = 1,3862944
x2 = 6
f (x2) = 1,7917595
x x1
x x0
f (x0) +
f (x1)
x0 x1
x1 x0
2 4
2 1
(0) +
(1,3862944) = 0,462098133.
1 4
4 1
x x1 x x2
x x0 x x2
x x0 x x1
f (x0) +
f (x1) +
f
x0 x1 x0 x2
x1 x0 x1 x2
x2 x0 x2 x1
(x2)
f 1(2) =
2 4 2 6
21 2 6
2 1 2 4
(0) +
(1,3862944) +
1 4 1 6
4 1 4 6
6 1 6 4
(1,7917595)
= 0,56584437.
Terlihat bahwa kedua hasil diatas memberikan hasil yang hampir sama dengan contoh
sebelumnya.
78