PENDAHULUAN
1.1. Latar Belakang
Permasalahan yang banyak berhubungan dengan pola suatu
data adalah fungsi yang melibatkan data.Sebagai contoh bila
diketahui data-data penjualan suatu produk, akan muncul
pertanyaan adakah yang fungsi yang menyatakanbahwa penjualan
merupakan fungsi dari waktu. Contoh kenyatan yang menunjukkan
bahwa penjualan dipengaruhi oleh waktu ialah penjualan es
campur pada siang hari akan lebih baik dari pada penjualan di
malam hari.
Kenyataan tersebut dapat di katakana bahwa penjualan
merupakan fungsi dari waktu .Persoalannya adalah bagaiman
menyajikan fungsi tersebut.I ni adalah persoalan yang sangat tidak
mudah untuk di pecahkan , karena betapa idealnya bila di ketahui
suatu fungsi yang bias menyatakan penjualan adalah fungsi waktu
atau di tuliskan dengan J = F (t ).
Untuk dapat menyajikan fungsi , yang dapat di lakukan adalah
menggunakan fungsi pendekatan , yaitu fungsi yang paling sesuai
untuk menyatakan suatu data berdasarkan model fungsi tertentu
seperti model fungsi linear , fungsi eksponensial , dan fungsi
polinomeal .Cara pendekatan semacam ini di namakan dengan
regeresi.
Cara pendekatan yang lain bukan untuk menyatakan fungsi
tetapi untuk mencari nilai nilai antara titik titik yang di ketahui
sehingga pola fungsinya semakin jelas terlihat atau membentuk
suatu kurva .Cara pendekatan ini di namakan dengan interpolasi
.Interpolasi di gunakan untuk menentukan titik titik yang lain
berdasarkan fungsi pendekatan yang di tentukan sebelumnya.
Interpolasi linear adalah suatu bentuk interpolasi untuk
menentukan titik titik antara dari titik titik yang di ketahui
menggunakan fungsi pendekatan yang berupa fungsi linear dengan
interpolasi linear akan di peroleh sejumlah titik antara dua titik
1
x1
y p2 x2 y2
p1 , 1 ) dan ( , ) .Interpolasi lagrange adalah suatu
x1 y1 x2 y2 xn yn
titik ( , ), ( , ),..,( , ) menggunakan
interpolasi lagrange.
BAB II
PEMBAHASAN
2.1. Interpolasi
Interpolasi adalah proses menemukan dan mengevaluasi sebuah fungsi yang
grafiknya melalui beberapa titik yang sudah diberikan. Fungsi yang dievaluasi paling
banyak berupa polinomial.
Permasalahan dapat dijelaskan sebagai berikut:
( x , f ), ( x , f
0 0 1
), , ( x ,
1 n
f n
)
Diberikan n+1 titik data yang berupa pasangan bilangan :
x ,x , ,x
0 1 n
p x
n
dengan semuanya berlainan. Akan dicari suatu polinom yang
x i
f i
pada setiap mengambil nilai yang diberikan, yaitu :
p x f , p x f
n 0 0 n 1 1
,, p x f
n n n
yang mempunyai derajat n atau kurang.
p n x j
2
f j f x
Nilai bisa berupa nilai-nilai fungsi matematis (tetapi tidak diketahui) atau
p x
n
nilai yang diperoleh dari percobaan atau pengamatan. Polinom digunakan
f x
untuk mendapatkan nilai-nilai aproksimasi yang tidak dilakukan pengukuran.
Secara khusus, terdapat 2 macam pengertian untuk interpolasi, yaitu :
Interpolasi : x terletak di antara simpul-simpul yang ada.
Ekstrapolasi : x tidak terletak di antara simpul-simpul
biasanya kurang cermat.
Interpolasi dan Ekstrapolasi digunakan untuk memprediksi suatu nilai dalam
suatu fungsi yang belum diketahui, dimana fungsi itu bersifat kontinyu dalam interval
tertentu
.
2.2 Interpolasi Polinomial
Beberapa interpolasi polynomial yang akan dibahas adalah interpolasi linier,
interpolasi kuadratik, interpolasi beda terbagi Newton, dan interpolasi Lagrange.
Contoh:
Hitunglah taksiran y untuk x = 2 dengan menggunakan interpolasi linear untuk data:
(1,0) dan (4,1.386294)
Penyelesaian. Taksiran y untuk x = 2 yaitu
3
Hasil output nya adalah sebagai berikut:
Kita akan menentukan b0, b1, b2 sedemikian sehingga persamaan di atas melalui ketiga
titik data yang diberikan.
4
Contoh
Hitung taksiran y untuk x = 2 dengan menggunakan interpolasi kuadratik untuk data:
(1; 0), (4; 1:386294), (6; 1:791759).
Penyelesaian. Koefisien-koefisien dari persamaan interpolasi kuadratik:
Penyelesaian dengan matlab. Program untuk menyelesaiakan soal diatas adalah sebagai
berikut:
5
Outputnya adalah sebagai berikut:
Nilai fungsi berkurung siku dinamakan beda terbagi hingga dan dide.nisikan sebagai
6
Persamaan-persamaan di atas adalah rekursif, yaitu beda orde lebih tinggi dihitung
dengan mengambil beda dari orde lebih rendah. Sebagai contoh, penghitungan
koe.sien-koe.sien dalam polinomial berderajat tiga dapat diperoleh secara berturut-
turut mulai dari baris kedua dalam tabel
Contoh
Hitung taksiran y untuk x = 2 dengan menggunakan interpolasi polino-
mial Newton untuk empat titik data: (1,0) ; (4,1.386294) ; (5,1.609438) ; dan (6,
1.791759)
Penyelesaian. Disusun tabel beda terbagi hingga:
Penyelesaian dengan matlab. Program untuk menyelesaiakan soal diatas adalah sebagai
berikut:
7
Outputnya adalah sebagai berikut:
8
2.2.4. Interpolasi Lagrange
Interpolasi polinomial Lagrange hampir sama dengan polinomial Newton, tetapi tidak
menggunakan bentuk pembagian beda hingga. Interpolasi polinomial Lagrange dapat
diturunkan dari persamaan Newton. Interpolasi Lagrange diterapkan untuk
mendapatkan fungsi polinomial P (x) berderajat tertentu yang melewati sejumlah titik
data. Misalnya, kita ingin mendapatkan fungsi polinomial berderajat satu yang
melewati dua buah titik yaitu (x , y ) dan (x , y ).
0 0 1 1
x x0 x x0
x1 x0 x0 x1
f1(x) = f (x0) + f (x1) + f (x0)
Dengan mengelompokkan suku-suku di ruas kanan maka persamaan diatas
menjadi:
x0 x1 x x0 x x0
x0 x1 x0 x1 x1 x0
f1(x) = f (x0) + f (x1)
atau
x x1 x x0
x0 x1 x1 x0
f1(x) = f (x0) + f (x1) (6.18)
Persamaan (6.18) dikenal dengan interpolasi polinomial Lagrange order satu.
Dengan prosedur diatas, untuk interpolasi order dua akan didapat:
9
x x1 x x2 x x0 x x2 x x0 x x1
x0 x1 x0 x2 x1 x0 x1 x2 x2 x0 x2 x1
f1(x) = f (x0) + f (x1) + f (x2)
(6.19)
Bentuk umum interpolasi polinomial Lagrange order n adalah:
n
Li ( x)
i0
Li (x) = (6.21)
Simbol merupakan perkalian.
Dengan menggunakan persamaan (6.20) dan persamaan (6.21) dapat dihitung
interpolasi Lagrange order yang lebih tinggi, misalnya untuk interpolasi Lagrange
order 1, persamaan tersebut adalah:
L (x)
i0
i
x x1
( )
x 0 x1 x x0
( )
x1 x 0
f1(x) = f (x0) + f (x1)
Dengan menggunakan persamaan (6.20) dan persamaan (6.21) dapat dihitung pula
interpolasi Lagrange order 2 adalah:
10
2
L (x)
i0
i
x x1 x x 2 x x0 x x2
( )( ) ( )( )
x 0 x1 x 0 x 2 x1 x 0 x1 x 2
f2 (x) = f (x0) + f (x1)
x x 0 x x1 x x 0 x x1
( )( ) ( )( )
x 2 x 0 x 2 x1 x 3 x 0 x 3 x1
+ f (x2) + f (x3) (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
Li ( x)
i0
f3(x) = f (xi) = L0(x) f (x0) + L1(x) f (x1) + L2(x) f (x2) + L3(x) f (x3)
x x1 x x2 x x3
( )( )( )
x0 x1 x0 x2 x0 x3
L0(x) =
x x0 x x2 x x3
( )( )( )
x1 x0 x1 x2 x1 x3
L1(x) =
11
x x0 x x1 x x3
( )( )( )
x2 x0 x2 x1 x2 x3
L2(x) =
x x0 x x1 x x2
( )( )( )
x3 x0 x3 x1 x3 x2
L3(x) =
Sehingga bentuk interpolasi polinomial Lagrange order 3 adalah:
x x1 x x2 x x3 x x0 x x2 x x3
( )( )( ) ( )( )( )
x0 x1 x0 x2 x0 x3 x1 x0 x1 x2 x1 x3
f3(x) = f (x0) + f (x1)
x x0 x x1 x x3 x x0 x x1 x x2
( )( )( ) ( )( )( )
x2 x0 x2 x1 x2 x3 x3 x0 x3 x1 x3 x2
+ f (x2) + f (x3) (6.22)
Contoh
Hitung taksiran y untuk x = 2 dengan menggunakan interpolasi polinomial Newton
untuk empat titik data: (1,0) ; (4, 1.386294) ; (5, 1.609438) ; dan (6, 1.791759)
Penyelesaian.
Jadi, polinomial Lagrange yang sesuai dengan 4 titik data yang diberikan:
12
= 0,62877
Penyelesaian dengan matlab. Program untuk menyelesaiakan soal diatas adalah sebagai
berikut:
13
BAB III
PENUTUP
3.1. Kesimpulan
14
DAFTAR PUSTAKA
15