BAB I

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

bentuk interpolasi dengan fungsi pendekatan berupa fungsi

polinomal lagrange.Pada transformasi lagrange, fungsi polynomial
pangkt n memerlukan n+1 titik.Bila jumlh titiknya 2 buah ,maka
interpolasi lagrange akan menjadi interpolasi linear.Untuk mencari

titik (x, y) pada nilai x yang ditentukan dengan diketahui n buah

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

Polinom disebut penginterpolasi. Nilai-nilai sering disebut simpul.

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.

2.2.1 Interpolasi Linier

Interpolasi linear merupakan interpolasi paling sederhana dengan mengasumsikan
bahwa hubungan titik-titik antara dua titik data adalah linear. Karena itu digunakan
pen- dekatan fungsi linear antara dua titik data, misalnya (x 0; y0) dan (x1; y1).
Persamaan yang menghubungkan kedua titik tersebut yaitu:

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

Dengan menggunakan matlab source code pada contoh diatas adalah:

3
Hasil output nya adalah sebagai berikut:

2.2.2 Interpolasi Kuadratik

Interpolasi kuadratik menentukan titik-titik antara tiga titik data dengan
menggunakan pendekatan fungsi kuadrat. Dibentuk persamaan kuadrat yang melalui
tiga titik data, misalnya (x0; y0), (x1; y1), dan (x2; y2), yaitu

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:

sehingga interpolasi kuadratik untuk data yang diberikan yaitu

Karena itu, nilai y untuk x = 2 yaitu

Penyelesaian dengan matlab. Program untuk menyelesaiakan soal diatas adalah sebagai
berikut:

5
Outputnya adalah sebagai berikut:

2.2.3 Interpolasi Newton

Secara umum, n+1 titik data, misalnya (x 0, y0), (x1, y1), :::, (xn, yn) dapat dicocokkan
dengan suatu polinomial berderajat n yang mempunyai bentuk

Persamaan-persamaan yang digunakan untuk menghitung koe.sien-koe.sien yaitu

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:

Diperoleh polinomial Newton orde ketiga:

Karena itu, nilai y untuk x = 2 yaitu

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

Bentuk polinomial Newton order satu:

f1(x) = f (x0) + (x x0) f [x1, x0] (6.16)
Pembagian beda hingga yang ada dalam persamaan diatas mempunyai bentuk:
f ( x1 ) f ( x 0 )
x1 x 0
f [x1, x0] =
f ( x1 ) f ( x0 )

x1 x 0 x 0 x1
f [x1, x0] = (6.17)
Substitusi persamaan (6.17) ke dalam persamaan (6.16) memberikan:

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

fn(x) = f (xi) (6.20)

dengan
n xxj
j0 xi x j
ji

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

f1(x) = f (xi) = L0(x) f (x0) + L1(x) f (x1)

x x1
( )
x 0 x1
L0(x) =
x x0
( )
x1 x 0
L1(x) =

Sehingga bentuk interpolasi polinomial Lagrange order 1 adalah:

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

F2 (x) = f (xi) = L0(x) f (x0) + L1(x) f (x1) + L2(x) f (x2)

x x1 x x 2
( )( )
x 0 x1 x 0 x 2
I=0 L0(x) =
x x0 x x2
( )( )
x1 x 0 x1 x 2
I=1 L1(x) =
x x 0 x x1
( )( )
x 2 x 0 x 2 x1
I=2 L2(x) =

Sehingga bentuk interpolasi polinomial Lagrange order 2 adalah:

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:

Outputnya adalah sebagai berikut:

13
 BAB III
PENUTUP

3.1. Kesimpulan

1. Interpolasi linear merupakan interpolasi paling sederhana dengan

mengasumsikan bahwa hubungan titik-titik antara dua titik data adalah linear.
2. Interpolasi kuadratik menentukan titik-titik antara tiga titik data dengan
menggunakan pendekatan fungsi kuadrat. Dibentuk persamaan kuadrat yang
melalui tiga titik data, misalnya (x0; y0), (x1; y1), dan (x2; y2)
3. Jumlah komputasi Polinom Newton lebih sedikit dibanding dengan komputasi
pada Polinom Lagrange.
4. Taksiran galat untuk polinom Lagrange tidak dapat dihitung secara langsung
karena tidak tersedia rumus taksirannya.

14
 DAFTAR PUSTAKA

Krisnawati. 2007. IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI

NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB. STMIK
AMIKOM Yogyakarta. Diakses melalui http://p3m.amikom.ac.id/p3m/55%20-
%20IMPLEMENTASI%20INTERPOLASI%20LAGRANGE%20UNTUK
%20PREDIKSI%20NILAI%20DATA%20BERPASANGAN%20DENGAN
%20MENGG UNAKAN%20MATLAB.pdf

Munir, Rinaldi. 2013. METODE NUMERIK Revisi Ketiga. Bandung : INFORMATIKA

15