APROKSIMASI FUNGSI EMPIRIS

Di dalam praktek, sering dijumpai data diberikan

dalam nilai diskret atau tabel. Ada dua hal yang
diharapkan dari data tersebut, yaitu :

mencari bentuk kurva yang dapat mewakili data
diskret tersebut.

Mengestimasi nilai data pada titik-titik diantara nilai
yang diketahui.
 Untuk mengharapkan hasil yang demikian, ada
tiga metode dasar yang bisa dilakukan, yaitu :
Metode Seleksi titik
Metode rata-rata
Metode least quare

Ketiga metode tersebut berdasarkan teknik linearisasi

fungsi-fungsi yang akan terbentuk pada saat dilaksanakan
analisa data.
Contoh :
Metode Seleksi Titik

Pada dasarnya metode adalah merupakan

metode grafis, dengan perhitungan koefisien
linearisasi yang diperoleh dari plot ;

xi vs f(xi)
 i xi f(xi)
0 x0 f(x0)
1 x1 f(x1)
2 x2 f(x2)
3 x3 f(x3)
4 x4 f(x4)
n xn f(xn)

Prosedur Metode seleksi titik :

1. Plot xi vs f(xi)
2. Tarik garis lurusnya
3. Ambil 2 titik sembaran yang melewati garis
4. Pn( x) = a0 + a1 x
f ( x) a0 + a1 x y ( x)
a0 + a1 x1 = y1
a0 + a1 x2 = y2

1 x1 a0 y1
1 x a = y
2 1 2

5. Tentukan a0 dan a1
6. Buat persamaan y(x) = a0 + a1x
Contoh
No. x y
1 5 3
2 6 4
3 7 4
4 8 6
5 9 6
6 10 7
7 11 8
8 12 9
9 14 10
 12

10

6
Y

0
0 2 4 6 8 10 12 14 16
X
 1 6,1 a0 4
1 13,8 a = 10
1

1 6,1 a 0 4
0 =
7,7 a1 6

a1 = 0,779
a0 = -0,753

y(x) = -0,753 + 0,779x

2. Metode Rata-rata
Metode rata-rata
mempunyai anggapan
bahwa setengah jumlah
data mempunyai
kecenderungan fungsi yang
sama dengan setengah
jumlah data yang lainnya
Contoh
N0. x y
1 5 3
2 6 4
3 7 4
4 8 6
5 9 6 35 23
6 10 7
7 11 8
8 12 9
9 14 10 47 34
 5 35 a0 23
4 47 a = 34
1

5 35 a 0 23
0 19 a = 15 , 6
1

a1 = 0,821
a0 = -1,147

y(x) = -1,147 + 0.821x

3. Metode Least Quare

Ide dari metode ini adalah membuat :

i =1
f ( x1) y i ( x ) min
Contoh :

N0. x y x^2 xy
1 5 3 25 15
2 6 4 36 24
3 7 4 49 28
4 8 6 64 48
5 9 6 81 54
6 10 7 100 70
7 11 8 121 88
8 12 9 144 108
9 14 10 196 140

82 57 816 575
 9 82 a0 57
82 817 a = 575
1

9 82 a 0 57
0 69,889 a = 55 , 667
1

a1 = 0,7965
ao = -0,924

y(x) = -0,924 + 0.7965x

Penanganan aproksimasi fungsi untuk jenis data yang
cenderung membuat trend hiperbolik atau parabolik :
Contoh kurva parabolik

No. X Y
1 2 25.4
2 3.2 18.5
3 4 15.6
4 5 12.2
5 6 10.9
6 7 9.7
7 8 7.8
8 9 7.6
9 11 6.3
10 13 4.9
 30

25

20

15
Y

10

0
0 2 4 6 8 10 12 14
X
No. X Y log (x) Log (y)
1 2 25.4 0.30103 1.404834
2 3.2 18.5 0.50515 1.267172
3 4 15.6 0.60206 1.193125
4 5 12.2 0.69897 1.08636
5 6 10.9 0.778151 1.037426
6 7 9.7 0.845098 0.986772
7 8 7.8 0.90309 0.892095
8 9 7.6 0.954243 0.880814
9 11 6.3 1.041393 0.799341
10 13 4.9 1.113943 0.690196
 1.6
1.4
1.2
1
0.8
Y

0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2
X
 1 0,4 log a 1,34
1 1,0 b = 0,85

1 0,4 log a 1,35

0 =
0,6 b 0 ,5

b = - 0,833
Log a = 1,683
a = 48,2

y(x) = 48,2 x-0.833

No. X Y log (x) Log (y)

1 2 25.4 0.30103 1.404834

2 3.2 18.5 0.50515 1.267172

3 4 15.6 0.60206 1.193125

4 5 12.2 0.69897 1.08636

5 6 10.9 0.778151 1.037426 2.885361 5.988916

6 7 9.7 0.845098 0.986772

7 8 7.8 0.90309 0.892095

8 9 7.6 0.954243 0.880814

9 11 6.3 1.041393 0.799341

10 13 4.9 1.113943 0.690196 4.857767 4.249217
 5 2,885 log a 5,989
5 4,587 b = 4,249

1 0,4 log a 1,35

0 1,97 b = 1, 74

b = - 0,882
Log a= 1,707
a = 50,9

y(x) = 50,9x-0,882
No. X Y log (x) Log (y) (log(x))^2 log(x)log(y)
1 2 25.4 0.30 1.40 0.09 0.42
2 3.2 18.5 0.51 1.27 0.26 0.64
3 4 15.6 0.60 1.19 0.36 0.72
4 5 12.2 0.70 1.09 0.49 0.76
5 6 10.9 0.78 1.04 0.61 0.81
6 7 9.7 0.85 0.99 0.71 0.83
7 8 7.8 0.90 0.89 0.82 0.81
8 9 7.6 0.95 0.88 0.91 0.84
9 11 6.3 1.04 0.80 1.08 0.83
10 13 4.9 1.11 0.69 1.24 0.77

7.74 10.24 6.57 7.43

10 7,74 log a 10,24
7,74 =
6,57 b 7,43

10 7,74 log a 10 , 24
0 =
0,58 b 0 , 5

b = - 0,855
Log a = 1,686
a = 48,52

y(x) = 48,52x-0.855
 30

25
y = 49.857x -0.8703
20
Series1
Y

15
Power (Series1)
10

0
0 5 10 15
X
7.3. Kurva Eksponensial
Selesai