LAPORAN MINGGUAN METODE NUMERIK

ACARA 3

(INTERPOLATION WITH CUBIC SPLINE)

OLEH:

YUPI NANDA

R1D115160

1.ADITYA DWI LAKSONO

2. PRIYATI
3. VESTI PRAWATI
4. WA ODE RATNA NGKONU
5. MUHAMMAD NUR
6. YASNONI
7. ALIF GHAZALI

ASISTEN : HENDRIK JALPATRA

JURUSAN TEKNIK PERTAMBANAGAN

FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN
UNIVERSITAS HALU OLEO
KENDARI
2017
A. PENDAHULUAN

A.1 LANDASAN TEORI

Data hasil pengukuran umumnya mengandung,derau(noise) atau galat

yang cukup berarti.karena data ini tidak teliti maka kurva yang mencocokan titik
data itu prlu melalui semua titik. Tata-ancang yang digunakan adalah menentukan
kurva yang mewakili(trend) titik data, yakni kurva mengikuti pola titik sebagai
suatu kelompok. Kurva tersebut dibuat sedemikian rupa sehingga selisih antar
titik data dan titik hampirannya kecenderungan dikurva sekecil mungkin. Metode
pencocokan kurva seperti ini dinamakan regresi kuadrat terkecil (least square
regression). Derau pada data mungkin disebabkan oleh kesalahan mengukur,ketid
ak telitian pada alat ukur, atau karena kelakuan sistem yang diukur. Contoh data
yang mengandung derau adalah tabel tegangan baja diatas. Bila data diketahui
mempunya ketelitian data yang sangat tinggi, maka kurva cocoknya dibuat
melalui setiap titk, persis sama kalau kurva fungsi yang sebenarnya dirajah
melalui tiap titik itu. Kita katakan disini bahwa kita menginterpolasi titik-titik data
dengan sebuah fungsi cocokan yang digunakan berbentuk polinom, polinom
tersebut dinamakan polinom interpolasi. Pekerjaan menginterpolasi titik data
dengan sebuah polinom disebut interpolasi (dengan) polinom. Contoh data yang
berketelitian tinggi adalah titik-titik yang dihitung dari fungsi yang telah diketahui
(seperti dari persamaan P.5.1), atau data tabel yang terdapat di dalam acuan ilmiah
(seperti data percepatan gravitasi bumi sebagai fungsi jarak sebuah titik ke pusat
bumi). Selain dengan polinom, interpolasi titiktitik data dapat dilakukan dengan
fungsi spline, fungsi rasional (pecahan), atau deret Fourier Interpolasi memainkan
peranan yang sangat penting dalam metode numerik.. Fungsi yang tampak rumit
menjadi lebih sederhana bila dinyatakan dalam polinom interpolasi. Sebagian
besar metode integrasi numerik, metode persamaan diferensial biasa, dan metode
turunan numerik didasarkan pada polinom interpolasi. Tidak salah kalau banyak
buku acuan menyatakan bahwa interpolasi merupakan pokok bahasan yang
fundamental dalam metode numerik.
 Dalam bidang analisa numeric, interpolasi adalah suatu metode untuk
membangun titik-titik data yang baru dalam atau pada range subhimpunan titik
data diskret yang diketahui. Ada berbagai jenis interpolasi, antara lain interpolasi
linier, interpolasi polynomial dan interpolasi Spline. Interpolasi Spline
menggunakan polynomial derajat rendah pada tiap interval. Fungsi yang
dihasilkan tiap interval dinamakan spline. Fungsi spline merupakan fungsi
polynomial berorde satu, dua atau tiga, yang menyambungkan setiap titik pasang
data. Salah satu jenis fungsi Spline Kubik adalah Spline Kubik Natural. Spline
Kubik Natural adalah bagian demi bagian spline kubik yang dapat diturunkan dua
kali secara kontinu. Turunan keduanya adalah nol untuk titik titik ujung
interval(Prima Debi, 2010).

Interpolasi spline kubik adalah suatu metode yang digunakan untuk

memetukan nilai antara diantara titik data. Untuk n+1 titik data (i=0,1,-n),
terdapat n interval, dan setiap interval pasangan titik data tersebut disambungkan
oleh sebuah titik . dari penurunan rumus interpolasi mewton dan lagrange
diperoleh formula spline kubik yang lebih sederhana. Interpolasi spline kubik S(x)
biasanya polynomial dengan orde 3(cubic) yang menghubungkan dua titik yang
bersebelahan. Metode ini sangat berguna untuk meningkatkaan akurasi pada hasil
interpolasi. Cubic spline interpolation membagi-bgi intervafal fungsi menjadi sub-
interval dimana setiap sub-sub interval akan dicari pendekatan fungsi cibik
splinenya, kemudian dikontruksikan menjadi satu fungsi polinomila yang utuh.
Melalui cara pembagian ini menjadi sub-interval, maka error yang dihasilkan
dapat dikunrangi, sehingga fungsi yang dihasilkan akan mendekati fungsi
aslinya(Anonim, 2010).

Spline kubik merupakan salah satu meetode yang cukup baik untuk fitting
data eksperimental yang nebtuk fungsi dan turunannya tidak diketahui. Makin
banyak titik data yang dapat diberikan, maka metode akan makin memeberikan
hasil yang lebih baik, asal saja data yang diberikan merupakan hasil eksperimental
yang baik, yaitu pengumpulan data serta reduksinya dilakukan dengan control
kualitas yang cukup baik. Metode ini sebaiknya dipergukan bilamana bentuk serta
turunan dari fungsi datanya tidak diketahui(Lasijo.R.S, 2001).

A.2 Tujuan

Adapun tujuan dari praktikum ini adalah sebagai berikut:

1. Menerapkan metode Cubic Spline untuk menentukan nilai interpolasi dalam

fungsi poinomial

2. Meneapkan function splineCurv dan function splineEval untuk menentukan

nilai interpolasi pada suatu titik
B. ALGORITNA DAN FLOWCHART

Algoritma Function LUdec3

Algoritma pada function LUdec3 adalah sebagai berikut :

a. Menginput nilai matriks c, d dan e.

b. Menghitung nilai
n = length(d)
c. Menhitung nilai matriks c, d, e
lambda = c(k-1)/d(k-1)
d(k) = d(k) - lambda*e(k-1)
c(k-1) = lambda
d. Menampilkan hasil nilai dari matriks c, d dan e.

Algoritma Function LUsol3

Algoritma pada function LUsol3 adalah sebagai berikut :
a. Menginput nilai matriks c, d, e, dan b
b. Menghitung nilai
n = length(d)
c. Menghitung nilai matriks b dan c dengan eliminasi
b(k) = b(k) - c(k-1)*b(k-1)
d. Menghitung nilai matriks d dan e dengan back substitution
b(k) = (b(k) -e(k)*b(k+1))/d(k)
e. Menampilkan nilai matriks x

Algoritma function splineCurv

Algoritma pada function splineCurc adalah sebagai berikut :
a. Menginput nilai dari data xData dan yData
b. Menghitung nilai
n = length(xData)
c. Menghitung nilai k
c = zeros(n-1,1); d = ones(n,1)
e = zeros(n-1,1); k = zeros(n,1)
c(1:n-2) = xData(1:n-2) - xData(2:n-1)
d(2:n-1) = 2*(xData(1:n-2) - xData(3:n))
e(2:n-1) = xData(2:n-1) - xData(3:n)
k(2:n-1) = 6*(yData(1:n-2) - yData(2:n-1))...
./(xData(1:n-2) - xData(2:n-1))...
- 6*(yData(2:n-1) - yData(3:n))...
./(xData(2:n-1) - xData(3:n))
[c,d,e] = LUdec3(c,d,e)
k = LUsol3(c,d,e,k)
d. Menampilkan nilai dari k

Algoritma Function splineEval

Algoritma pada function spline Eval adalah sebagai berikut :
a. Menginput nilai data dari xData, yData , k dan x
b. Menghitung nilai
i = findSeg(xData,x);
h = xData(i) - xData(i+1)
y = ((x - xData(i+1))^3/h - (x-
xData(i+1))*h)*k(i)/6.0...
- ((x - xData(i))^3/h - (x-
xData(i))*h)*k(i+1)/6.0...
+ yData(i)*(x - xData(i+1))/h...
- yData(i+1)*(x - xData(i))/h
c. Menampilkan nilai y.

FLOWCHART Ludec3

START

Input matriks c,d dan e

n = length(d);

k = 2:n

lambda = c(k-1)/d(k-1);
d(k) = d(k) - lambda*e(k-1);
c(k-1) = lambda;

k
 C,d dan e

STOP

FLOWCHART Lusol3

START

Input matriks c,d,e dan b

n = length(d);

k = 2:n

b(k) = b(k) - c(k-1)*b(k-1);

b(n) = b(n)/d(n);

k = n-1:-1:1

b(k) = (b(k)
-e(k)*b(k+1))/d(k)

X=b

STOP
FLOWCHART SplineCurve

START

Input xData dan yData

c = zeros(n-1,1); d = ones(n,1);
e = zeros(n-1,1); k = zeros(n,1);

c(1:n-2) = xData(1:n-2) - xData(2:n-1);

d(2:n-1) = 2*(xData(1:n-2) - xData(3:n));
e(2:n-1) = xData(2:n-1) - xData(3:n);
k(2:n-1) = 6*(yData(1:n-2) - yData(2:n-1))...
./(xData(1:n-2) - xData(2:n-1))...
- 6*(yData(2:n-1) - yData(3:n))...
./(xData(2:n-1) - xData(3:n));
[c,d,e] = LUdec3(c,d,e);

k = LUsol3(c,d,e,k);

STOP

FLOWCHART SplineEval

START

Input xData,yData,k dan x

i = findSeg(xData,x);
h = xData(i) - xData(i+1);
y = ((x - xData(i+1))^3/h - (x - xData(i+1))*h)*k(i)/6.0...
- ((x - xData(i))^3/h - (x - xData(i))*h)*k(i+1)/6.0...
+ yData(i)*(x - xData(i+1))/h...
- yData(i+1)*(x - xData(i))/h;
y

iLeft = 1; iRight = length(xData);

 while 1

if(iRight - iLeft) <= 1

i = iLeft;

w i = fix((iLeft + iRight)/2);

W if x < xData(i)

iLeft = i;

iRight = i;

while

STOP
C. HASIL DAN PEMBAHASAN

C.1 HASIL

Function ludec3
Function lusol3

Function SplineCurve
Function SpineEval
Example 3.5
Example 3.6
Example 3.7
C.2 PEMBAHASAN

Metode Numerik merupakan salah satu cabang atau bidang ilmu

matematika. Metode numerik adalah teknik untuk menyelesaikan permasalahan-
permasalahan yang diformulasikan secara matematis dengan cara operasi hitungan
Pada dasarnya metode numerik merupakan metode untuk menentukan
penyelesaian numeris, dalam hal ini nilai pendekatan real dari suatu model
matematis. Di dalam metode numerik ini dilakukan operasi hitungan yang
berulang-ulang untuk menyelesaikan penyelesaian numeriknya.

Berdasarkan hasil praktikum metode numerik acara ketiga yaitu

Interpolation With Cubic Spline dalam praktikum ini hal yang pertama dilakukan
adalah menuliskan dengan lengkap function-function splineEval, SplineCurve,
lusol3, ludec3. Kemudian dari function-function yang telah dituliskan dalam
matlab tersebut dibuatkan algoritma dan flowchart, dimana algoritma dan
flowchartnya ini sama saja tetapi yang membedakan mereka adalah flowchart
dalam bentuk diagram alir. Untuk flowchart SplineEval dimana dalam function
selanjutnya itu memodif nilai i, ketika dia yes iright-ileft lebih kecil sama dengan
satu maka ia termaksud dalam ileft, jika ia no maka nilainya itu adalah i= fix (ileft
+ iright)/2 dimana ileftnya=1, irightnya=4 kemudian satu ditambah empat sama
dengan lima kemudian lima bagi dua sama dengan dua koma lima. Berarti nilai
dari i tersebut adalah dua. Apakah ileft lebih kecil dari pada satu jika lebih kecil
dari pada satu maka dibaca i=ileft maka sama dengan satu. Apakah nilai x lebih
kecil dari pada xdata i jika i right lebih kecil sama dengan satu. Jika ia lebih besar
dari xData atau yData maka dibaca ileft sama dengan i. Sehingga dapat
disimpulkan bahwa program SplineEval itu satu program tetapi didalam satu
program ini terdapat dua function tetapi tujuannya yaitu sama-sama menghasilkan
nilai y. Begitupun dengan program program yang lain tetapi mereka hanya
memiliki satu function saja.setelah algoritma dan flowchart dituliskan maka
langkah selanjutnya yang dilakukan adalah menyelesaikan problem sheet yang
telah ditetunkan dimana dalam proses penyelesaian problem sheet ini kita tidak
akan lagi mengalami kesulitan.
D. PENUTUP

1.1 Kesimpulan

Dari hasil praktikum yang kami lakukan maka dapat ditarik kesimpulan :

1. Dalam menentukan nilai Interpolasi dalam fungsi polinomial dilakukan

dengan cara menentukan metode Cubic Spline sebelum menentukan metode
Cubic Spline ini terlebih dahulu kita menuliskan functionnya agar dapat
memperoleh nilainya.

2. Untuk menentukan nilai interpolasi pada suatu titik terlebih dahulu kita
menuliskan atau penerapan function splineCurve dan function splineEval.

1.2 Saran
 Saran yang dapat saya sampaikan pada praktikum ini adalah agar praktikan
bisa serius pada saat praktikum sedang berjalan agar praktikum bias berjalan
dengan lancar dan mulus.

DAFTAR PUSTAKA

Anonim, 2010. Interpolation. http://en.wikipedia.org/wiki/interpolation.

Prima Debi, 2010. Penentuan Nilai Fungsi Dengan Model Spline Kubik.
Universitas Andalas : Padang
Lasijo.R.S, 2001. Perbandigan Interpolasi Dalam Metode Spline. Universitas
Sanata Dharma : Yogyakarta.