Anda di halaman 1dari 7

LAPORAN PRAKTIKUM

Komputasi Biomedis

Hari : Rabu Tanggal : 3 Mei 2017 Jam : 10.40-12.20

Disusun Oleh :
Nama : Debrina Rizka Pangesti
NIM : 081411731021

LABORATORIUM KOMPUTER DEPARTEMEN FISIKA


FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA
2017
I. Dasar Teori

Interpolasi Lagrange merupakan teknik yang popular, karena menggunakan fungsi


dalam bentuk polinom. Jika fungsi yang dicari adalah f(x) dan cacah data n maka :
Algoritma Interpolasi Lagrange :

(1) Tentukan jumlah titik (N) yang diketahui

(2) Tentukan titik-titik Pi(xi,yi) yang diketahui dengan i=1,2,3,,N

(3) Tentukan x dari titik yang dicari

(4) Hitung nilai y dari titik yang dicari dengan formulasi interpolasi lagrange

(5) Tampilkan nilai (x,y)


II. Tugas

Diketahui nilai :
n x(n) y(n)
1 0.1 0.030
2 0.3 0.067
3 0.5 0.148
4 0.7 0.248
5 0.9 0.320
6 1.1 0.518
7 1.3 0.697

1. Tentukan polynom derajat n Lagrange yang tepat melalui 7 titik nilai tersebut dan
gambarkan plotnya!
2. Ramalkan variabel terikat (y) untuk titik-titik berikut:

x(n) y(n)
0.365
0.512
0.621
0.715

III. Analisis dan Pembahasan


Listing Program
Gambar 3.1 Listing program Interpolasi Lagrange

Listing program kali ini adalah untuk mengetahui hasil interpolasi lagrange dari soal
nomer 1 yaitu seperti pada gambar 3.1, dignakan import scipy, import matplotlib.pyplot dan
import numpy. Scipy dan numpy memiliki fungsi yang sama yaitu untuk menampilkan array,
karena keduanya memiliki array didalamnya. Lalu digunakan pula scipy.poly1d yaitu untuk
megatur pagkat yang digunakan pada nilai x nya.

Untuk menampilkan hasil plot dari fungsi yang dimiliki seperti gambar 3.2 digunakan
import matplotlib.pyplot yang disingkat menjadi plt dengan sumbu x adalah P(x) dan sumbu
y adalah nilai x.maksud dari plt.plot ([x[i]], [y[i]], 'go') adalah digunakan untuk mengplot
titik-titik pada grafik dan memberi warna hijau. Dan untuk plt.plot (x_val, result(x_val),
'b-') untuk mengplot garis pada grafik dengan garis yang bersambung (tidak putus-putus)
yang berwarna biru. Dan yang terakhir adalah plt.axis([min (x) - 1, max(x) +1, min(y) - 1,
max(y)+1]) digunakan untuk membuat axis dari grafik dapat mencapai maksimal dam
minimal nilai, sehingga kurva dapat tepat pada nilai-nilai yang telah ditentukan

Gambar 3.2 Hasil Plot Interpolasi Lagrange


Gambar 3.3 Output Program

Pada gambar 3.3 merupakan output dari listing program yang telah dibuat pada
gambar 3.1. pada 'The Result is:' didapatkan dari hasil koding sebagai berikut:

Sementara untuk 'Hasil Ramalan' untk menjawab tugas no 2 didapatkan dari hasil
koding sebagai berikut:

Perbedaan regresi dengan intepolasi lagrange

Regresi yaitu salah satu metode dalam statistika untuk menetukan hubungan sebab
akibat antara variable yang satu dengan variabel yang lain. Fungsinya untuk menentukan
suatu kurva wakil dari sekumpulan data. Sedangkan Interpolasi Lagrange merupakan teknik
yang popular, karena menggunakan fungsi dalam bentuk polinom.

Kelebihan dari interpolasi lagrange adalah sebagai berikut:

1. Dapat digunakan untuk menyelesaikan persoalan interpolasi equispaced (h


konstan) ataupun non equispaced (h tidak konstan)

2. Dapat digunakan untuk menyelesaikan kasus interpolasi dan interpolasi balik


3. Dapat digunakan untuk mencari nilai fungsi yang variabelnya terletak di
daerah awal, akhir ataupun tengah

4. Tidak membutuhkan tabel beda hingga dalam penyelesaian persoalany,


sehingga langkah penyelesaian persoalan akan menjadi mudah.

Kekurangan dari interpolasi lagrange adalah jika nilai variabel dan nilai fungsi yang
ada dalam tabel jumlahnya banyak maka perhitungan dengan persamaan akan cukup
kompleks.