METODE NUMERIK

MODUL 8
Interpolasi dan Regresi

Zuhair
Jurusan Teknik Informatika
Universitas Mercu Buana
Jakarta
2008年12月07日(日)
 Interpolasi dan Regresi

Data yang sering dijumpai di lapangan oleh saintist dan insinyur sering
dalam bentuk data diskrit yang umumnya disajikan dalam bentuk tabel. Data ini
biasanya diperoleh dari hasil riset di lapangan atau hasil eksperimen di
laboratorium. Sebagai gambaran, sebuah eksperimen di laboratorium fisika
dasar mengenai hubungan antara jarak tempuh benda yang jatuh bebas
terhadap waktu tempuh menghasilkan data seperti disajikan dalam Tabel 8.1
berikut: Tabel 8.1.
y (meter) 10 20 30 40 50 60 70 80 90 100
t (detik) 1.45 2.0 2.4 2.85 3.0 3.5 3.75 4.0 4.2 4.52
Problema yang acapkali ditemui pada data di atas adalah menentukan
suatu nilai di antara titik-titik tersebut yang dapat diketahui tanpa melakukan
pengukuran lagi. Misalkan kita ingin mengetahui berapa jarak tempuh benda
ketika waktu tempuhnya 12,5 detik? Pertanyaan ini tidak secara langsung dapat
dijawab, karena fungsi yang menghubungkan variabel t dan y tidak diketahui.
Salah satu solusinya adalah mencari fungsi yang mencocokkan (fit) titik-
titik dalam tabel di atas. Pendekatan semacam ini disebut pencocokan kurva
(curve fitting) dan fungsi yang diperoleh dengan pendekatan ini merupakan
fungsi hampiran. Tentu saja nilai fungsi yang diperoleh juga merupakan nilai
hampiran (hasilnya tidak setepat nilai eksaknya), tetapi cara pendekatan ini
dalam praktek sudah mencukupi karena formula yang menghubungkan dua
variabel atau dua besaran fisika sulit ditemukan.
Disamping untuk menghitung nilai fungsi, pencocokan kurva juga dapat
digunakan untuk mempermudah perhitungan numerik yang lain, misalkan
menghitung turunan (derivatif) suatu fungsi dan atau menghitung nilai integral.
Sebagai contoh, andaikan kita dihadapkan pada fungsi yang mempunyai bentuk
cukup rumit, seperti:
1
ln(2 x 2
− 4 x 2 )5
f ( x) = ……………………............……(8.1)
1 + 2 x5
Menghitung turunan fungsi dalam persamaan (8.1) untuk x = a
merupakan pekerjaan yang tidak mudah, apalagi untuk menghitung turunan yang

2
lebih tinggi ordenya tentu akan semakin sulit. Di sini diperlukan solusi yang
bersifat pendekatan atau solusi hampiran.
Demikian pula, untuk menghitung integral fungsi seperti yang dituliskan
dalam persamaan (8.1) dalam interval, misalkan untuk interval [0,1],:
1
− 4x 2 )5
1 2
ln(2 x
∫
0 1 + 2x5
dx ……………………….............…..(8.2)

Menyelesaikan persamaan (8.2) merupakan pekerjaan yang tidak mudah,

bahkan secara analitik belum tentu dapat dilakukan, karena bentuk integrand-
nya tidak dijumpai dalam formula integral yang umum. Dengan demikian untuk
menyelesaikan persamaan (8.2) harus dilakukan dengan penyederhanaan fungsi
f (x) menjadi polinom p n (x) yang mempunyai derajat ≤ n, dalam hal ini dapat
dinyatakan dalam bentuk:
n
pn ( x) = ∑ ai x i = a0 x 0 + a1 x1 + a2 x 2 + ... + an x n = a0 + a1 x + a2 x 2 + ... + an x n ...…(8.3)
i =0

Menghitung turunan atau mengintegralkan suku-suku polinom menjadi

lebih mudah, karena formula yng digunakan untuk menghitung turunan atau
mengintegralkan polinom menjadi sangat sederhana, yaitu:
a
(i) Jika f ( x) = ax n , maka f ' ( x) = nax n +1 , (ii) ∫ ax dx = x n +1 + C
n

(n + 1)
Untuk membentuk polinom ini, kita memerlukan beberapa titik diskrit yang
umumnya berjarak sama dari fungsi f dan titik-titik tersebut direpresentasikan
dalam bentuk tabel. Selanjutnya titik-titik data ini dicocokkan untuk menentukan
polinom p n (x) agar supaya menghampiri fungsi asalnya. Perhatikanlah dua

kurva dibawah ini,

y y

(a) Regresi (b) Interpolasi

x x
Gambar 8.1 Pencocokan kurva dengan metode (a) regresi, (b) interpolasi.

3
 Pencocokan kurva adalah sebuah metode yang mencocokkan titik data
dengan sebuah kurva (curve fitting) fungsi. Metode ini dibedakan menjadi dua
metode, yaitu:
a. Regresi
Data hasil pengukuran umumnya mengandung galat yang cukup berarti,
karena data ini tidak terlalu teliti, maka kurva yang mencocokan titik –titik data itu
tidak perlu melalui semua titik. Strategi yang digunakan adalah menentukan
kurva yang mewakili kecenderungan titik data, yakni kurva mengikuti pola titik
sebagai kelompok (Gambar 8.1.a). Kurva tersebut dibuat sedemikian rupa
sehingga selisih antara titik data dengan titik hampirannya di kurva sekecil
mungkin. Metode pencocokan kurva seperti ini dinamakan regresi kuadrat
terkecil (least square regression). Galat yang timbul kemungkinan disebabkan
oleh kesalahan pengukuran, ketidak-telitian alat ukur yang digunakan atau
karena sifat sistem yang diukur. Contoh data yang mengandung galat adalah
tabel tegangan baja.
b. Interpolasi
Bila data yang diketahui mempunyai ketelitian yang sangat tinggi, maka
kurva pencocokannya dibuat melalui titik-titik, persis sama apabila kurva fungsi
yang sebenarnya diplot melalui setiap titik-titik yang bersangkutan. Di sini kita
dikatakan melakukan interpolasi titik-titik data dengan sebuah fungsi (Gambar
8.1b). Bila fungsi pencocokan yang digunakan berbentuk polinom, maka polinom
tersebut dinamakan polinom interpolasi. Contoh data yang tingkat ketelitiannya
tinggi adalah titik-titik data yang diperoleh dari persamaan yang menyatakan
hubungan antara jarak tempuh terhadap waktu tempuh pada benda yang jatuh
bebas, seperti tertera pada Table 8.1. Selain polinom, interpolasi titik-titik data
dapat dilakukan dengan fungsi spline, fungsi rasional atau dengan deret
Fourier.
Interpolasi memegang peranan yang sangat penting dalam metode
numerik. Fungsi yang tampak sangat rumit akan menjadi sederhana bila
dinyatakan dalam polinom interpolasi. Sebagian besar metode integrasi numerik,
metode persamaan difrensial biasa dan metode turunan numerik didasarkan

4
pada polinom interpolasi sehingga banyak yang menyatakan bahwa interpolasi
merupakan pokok bahasan yang fundamental dalam metode numerik.

8.1. Interpolasi Polinom

Diberikan (n+1) buah titik yang berbeda, yaitu ( x0 , y 0 ) , ( x1 , y1 ) … ( x n , y n ) .

Akan ditentukan polinom p n (x) yang menginterpolasi (melewati) semua titik-titik

tersebut sedemikian rupa sehingga,

y i = p n ( xi ) , untuk i = 0,1,2,3..., n

Nilai yi dapat berasal dari fungsi matematika f (x) , misalkan

f ( x) = ln x , f ( x) = Sin x , fungsi Bessel dan sebagainya yang menyebabkan

y i = f ( xi ) atau y i diperoleh secara empirik (hasil dari pengamatan eksperimen

di laboratorium).

( x4 , y 4 )
( x1 , y1 ) (a, p n (a ))

( x3 , y 3 ) ( x n −1 , y n −1 ) ( xn , yn )

( x0 , y 0 )
( x2 , y 2 )
(a, p n (a ))

x=a x=a x
Gambar 8.2. Interpolasi dan ektrapolasi.
Setelah polinom interpolasi p n (x) dapat diperoleh, maka
p n (x)
digunakan untuk menghitung perkiraan nilai y di x = a , yaitu y = p n (a ) .
Posisi titik x = a mungkin terletak di antara titik-titik data, x 0 < a < x n atau terletak
di luar titik-titik data, a < x0 atau x n < a .
(i) Jika x 0 < a < x n , maka y k = p k (a ) disebut nilai interpolasi.
(ii) Jika a < x 0 atau x n < a , maka y k = p k (a ) disebut nilai ekstrapolasi.

5
 Kita dapat menginterpolasi titik-titik data dengan polinom linear, polinom
kuadratis, polinom kubik atau polinom derajat yang lebih tinggi dan hal ini
tergantung pada jumlah titik-titik data yang tersedia.

8.1.1. Interpolasi Linear

Interpolasi linear adalah interpolasi dua buah titik dengan sebuah garis
lurus. Misalkan dua buah titik, ( x0 , y 0 ) dan ( x1 , y1 ) . Polinom yang menginterpolasi

kedua titik itu adalah persamaan garis lurus berbentuk:

p1 ( x) = a 0 + a1 x …………………………………............………..(8.3)
Gambar (8.3) memperlihatkan garis lurus yang menginterpolasi titik-titik
( x0 , y 0 ) dan ( x1 , y1 ) . y

x
Gambar 8.3 : Interpolasi linear.
Koefisien a 0 dan a1 dapat dicari dengan proses substitusi dan atau

eliminasi. Dengan mensubstitusikan ( x0 , y 0 ) dan ( x1 , y1 ) ke dalam persamaan

(8.3) diperoleh dua buah persamaan linear, yaitu:

y 0 = a 0 + a1 x0

y1 = a 0 + a1 x1
Kedua persamaan ini diselesaikan dengan proses eliminasi dan dihasilkan,
y1 − y 0
a1 = ……………......……............………………(8.4)
x1 − x0
dan,
x1 y 0 − x0 y1
a0 = ………………………...................……(8.5)
x1 − x0

6
 Substitusikan persamaan (98.4) dan (8.5) ke dalam persamaan (8.3)
untuk mendapatkan persamaan garis lurus:
x1 y 0 − x0 y1 ( y1 − y 2 ) x
p1 ( x) = + ……….................…..(8.6)
( x1 − x 0 ) ( x1 − x 0 )
Dengan melakukan manipulasi aljabar, persamaan (8.6) ini dapat disusun
menjadi,
( y1 − y 0 )
p1 ( x) = y 0 + ( x − x 0 ) ………….................…..(8.7)
( x1 − x 0 )
Bukti:
x1 y 0 − x 0 y 0 ( y1 − y 0 ) x x y − x0 y1 + xy1 − xy 0
p1 ( x) = + ⇔ p1 ( x) = 1 0
( x1 − x 0 ) ( x1 − x0 ) x1 − x 0

x1 y 0 − x0 y1 + xy1 − xy 0 + x 0 y 0 − x 0 y 0
⇔ p1 ( x) =
x1 − x0

( x1 − x 0 ) y 0 + ( y1 − y 0 )( x − x 0 )
⇔ p1 ( x) =
x1 − x 0

( y1 − y 0 )
⇔ p1 ( x) = y 0 + ( x − x0 )
( x1 − x 0 )
Persamaan (8.7) merupakan persamaan garis lurus yang melalui dua
buah titik ( x0 , y 0 ) dan ( x1 , y1 ) . Kurva polinom p1 ( x ) ini berupa garis lurus
(Gambar 8.3 ).

CONTOH 1.
Perkirakanlah jumlah penduduk Amerika Serikat (dalam juta) pada tahun
1968 berdasarkan data yang ditabelkan di bawah ini:
Tahun 1960 1970
Jumlah penduduk 179,3 203,2
Penyelesaian:
Dari tabel di atas dapat dituliskan x 0 = 1960 , y 0 = 179,3 dan x1 = 1970 ,

y1 = 203,2 . Dengan menggunakan persamaan (8.7), maka:

7
 (203,2 − 179,3)(1968 − 1960)
p1 (1968) = 179,3 + = 198,4
1970 − 1960
Jadi taksiran jumlah penduduk AS pada tahun 1968 adalah 198,4 juta

CONTOH 2.
Jika dari data-data diketahui bahwa ℓn (9,0) = 2,1972 dan ℓn (9,5) =
2,2513 maka tentukanlah nilai ℓn (9,2) dengan interpolasi linear sampai 5 angka
dibelakang koma. Bandingkanlah hasilnya dengan nilai sejati ℓn (9,2) = 2,2192.
Penyelesaian:
Kita dapat menuliskan x0 = 9,0 ; y 0 = 2,1972 dan x1 = 9,5 ; y1 = 2,2513 .

Dengan menggunakan persamaan (8.7) diperoleh hasil sebagai berikut:

(2,2513 − 2,1972)(9,2 − 9,0)
p1 (9,2) = 2,1972 + = 2,2188 .
9,5 − 9,0
Galat = 2,2192 - 2,2188 = 0,0004. Di sini nampak bahwa interpolasi linear tidak
cukup untuk memperoleh ketelitian sampai 5 angka penting, hanya sampai 3
angka penting.

8.1.2. Interpolasi Kuadratik

Misalkan diberikan tiga buah titik data ( x0 , y 0 ) , ( x1 , y1 ) dan ( x 2 , y 2 ) .

Polinom yang menginterpolasi ketiga buah titik berupa polinom kuadratik yang
persamaannya adalah:
p 2 ( x) = a 0 + a1 x + a 2 x 2 ……...…………………………..(8.8)
Bila dilukiskan diperoleh kurva polinom kuadratik seperti ditunjukkan
dalam Gambar (8.4). Polinom p 2 ( x) ditentukan dengan cara mensubstitusikan

( xi , y i ) ke dalam persamaan (8.8), dimana i = 0,1, 2. Dari sini diperoleh tiga buah

persamaan yang tidak diketahui, yaitu a 0 , a1 dan a 2 :

a 0 + a1 x0 + a 2 x02 = y 0

a 0 + a1 x1 + a 2 x12 = y1 …………………………......……………….(8.9)

a 0 + a1 x 2 + a 2 x 22 = y 2

8
 Untuk menghitung a 0 , a1 dan a2 dalam sistem persamaan (8.9)

digunakan metode eliminasi Gauss.

y
( x1 , y1 )

( x2 , y 2 )
( x0 , y 0 )
x
Gambar 8.4. Interpolasi kuadratik.
CONTOH 3.
Diberikan data ℓn (8,0) = 2,0794, ℓn (9,0) = 2,1972 dan ℓn (9,5) = 2,2513.
Tentukanlah nilai ℓn (9,2) dengan interpolasi kuadratik.
Penyelesaian:
Dari data di atas dapat dituliskan di sini x 0 = 8,0 ; x1 = 9,0 ; x 2 = 9,5 ;

y 0 = 2,0794 ; y1 = 2,1972 dan y 2 = 2,2513 . Dengan menggunakan persamaan

(8.8) diperoleh hasil sebagai berikut:
a 0 + 8,0a1 + 64,00a 2 = 2,0794

a 0 + 9,0a1 + 81,00a 2 = 2,1972 …………….....………………….(8.10)

a 0 + 9,5a1 + 90,25a 2 = 2,2513

Dengan menggunakan metode eliminasi Gauss, maka dihasilkan nilai
a 0 = 0,6762 , a1 = 0,2266 dan a 2 = −0,0064 . Polinom kuadratnya adalah

p 2 ( x) = 0,6762 + 0,2266 x − 0,0064 x 2 , sehingga p 2 (9,2) = 2,2192 . Hasil

perhitungan ini sama dengan nilai eksaknya, yaitu sampai 5 angka penting.

8.1.3. Interpolasi Kubik

Misalkan diberikan empat buah titik data ( x0 , y 0 ) , ( x1 , y1 ) , ( x 2 , y 2 ) dan

( x3 , y 3 ) . Polinom yang menginterpolasi keempat buah titik tersebut berupa

polinom kubik yang persamaannya adalah:

9
 p3 ( x) = a 0 + a1 x + a 2 x 2 + a3 x 3 ……………..…………………..(8.11)

Polinom p 3 ( x ) ditentukan dengan cara mensubstitusikan ( xi , y i ) ke dalam

persamaan (8.11), dimana i = 0,1,2 ,3. Dari sini diperoleh empat buah
persamaan yang tidak diketahui, yaitu a 0 , a1 , a 2 dan a3 .

a 0 + a1 x0 + a 2 x02 + a3 x03 = y 0

a 0 + a1 x1 + a 2 x12 + a3 x13 = y1 ……………………………………(8.12)

a 0 + a1 x 2 + a 2 x 22 + a3 x 23 = y 2

a 0 + a1 x3 + a 2 x32 + a3 x33 = y 3

Untuk menghitung nilai a 0 , a1 , a 2 dan a3 dalam sistem persamaan (8.11)

digunakan metode eliminasi Gauss. Bila digambarkan didapatkan kurva polinom

kubik seperti dilukiskan dalam Gambar 8.5

y ( x1 , y1 )
( x3 , y 3 )

( x0 , y 0 )
( x2 , y 2 )

Gambar 8.5. Interpolasi kubik. x

Dengan cara yang sama kita dapat membuat polinom interpolasi
berderajat n yang diformulasikan oleh,
n
pi ( x) = ∑ ai x i = a 0 + a1 x + a 2 x 2 + a3 x 3 + ... + a n x n ..........................(8.13)
i =0

Jika terdapat (n + 1) buah titik data maka dengan mensubtitusikan titik

( xi , y i ) ke dalam persamaan (8.13), untuk i = 0,1, 2, 3,..., n akan diperoleh n buah

persamaan dengan koefisien a 0 , a1 , a 2 , a3 ,...a n yang harus ditentukan nilainya.

10
 a 0 + a1 x0 + a 2 x02 + a3 x03 + ... + a n x0n = y 0

a 0 + a1 x1 + a 2 x12 + a3 x13 + ... + a n x1n = y1

a 0 + a1 x 2 + a 2 x 22 + a3 x 23 + ... + a n x 2n = y 2 ……………...……….(8.14)
… … …. ….. … =…
… … …. ….. … =…
a 0 + a1 x n + a 2 x + a3 x + ... + a a x = y n
2
n
3
n
n
n

Serupa dengan persamaan sebelumnya, nilai a 0 , a1 , a 2 , a3 ,...a n dapat

ditentukan menggunakan metode eliminasi Gauss.

SOAL
1 x − 4 x 2 )5
e(2
Selesaikanlah ∫
0 1+ 2 x 5
dx dengan pendekatan polinom kuadratis dan

polinom kubik.

11