Bab 1

Interpolasi dan Ekstrapolasi

Ringkasan

Interpolasi dan ekstrapolasi menyangkut pemodelan data pada posisi tertentu dalam
medan distribusi data yang biasanya dinyatakan dalam bentuk fungsi. Proses interpolasi
dilaksanakan dalam dua tahap, pertama, menentukan fungsi interpolasi yang
merupakan kombinasi dari titik-titik (data) yang ada, dan kedua, mengevaluasi fungsi
interpolasi tersebut pada posisi tertentu. Interpolasi dan ekstraolasi dapat dilakukan
untuk kasus dengan dimensi lebih dari satu.

Bab ini akan membahas perkiraan ordinat atau f(x) secara numerik untuk nilai x yang
berlaku di dalam interval (interpolasi) maupun di luar interval titik-titik yang diketahui
(ekstrapolasi). Fungsi interpolasi dan ekstrapolasi merupakan fungsi model dengan
bentuk tertentu yang bersifat umum supaya dapat mendekati fungsi-fungsi yang dipakai
secara luas. Sejauh ini fungsi yang umum digunakan adalah polinomial dan trigonometri.

1.1. Interpolasi Kedepan Cara Newton untuk

Data dengan Interval Konstan

Polinomial interpolasi kedepan Newton Ff(x) dengan x0, ……, xn-1 sebagai titik pusatnya
yang mempunyai interval (Δx) tetap sebesar h dapat dinyatakan sebagai berikut:

f ( x ) = a + a ( x − x ) + a ( x − x )( x − x ) + ..... +
0 1 0 2 0 1
(1-1)
a ( x − x )( x − x )( x − x )....( x − x )
n 0 1 2 n−1

Koefisien a0, a1, a2, …… an tergantung dari x0, x1, x2, …… xn dan nilai f(x) di titik-titik
tersebut. Dalam bentuk lebih rinci persamaan (1-1) dapat dinyatakan sebagai berikut:

1 ⎛ x − x0 ⎞ Δ2 y0 ⎛ x − x0 ⎞ ⎛ x − x1 ⎞
f(x)= f(x )+ Δ y ⎜ ⎟+ ⎜ ⎟⎜ ⎟ + .......... +
0 0⎜ h ⎟ 2 ⎜ h ⎟⎜ h ⎟
⎝ ⎠ ⎝ ⎠⎝ ⎠
(1-2)
Δn y ⎛ x − x ⎞ ⎛ x − x ⎞ ⎛ x − x ⎞ ⎛ x − xn − 1 ⎞
0⎜ 0 ⎟⎜ 1⎟⎜ 2 ⎟ ..... ⎜ ⎟
n! ⎜ h ⎟ ⎜ h ⎟ ⎜ h ⎟ ⎜ h ⎟
⎝ ⎠⎝ ⎠⎝ ⎠ ⎝ ⎠

Δ1y0, Δ2y0 ……… Δny0 disebut dengan perbedaan kedepan atau forward difference,
sehingga interpolasi cara Newton yang didasarkan pada persamaan (1-2) disebut
dengan interpolasi kedepan cara Newton. Perbedaan kedepan dihitung sebagai berikut:

I-1
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
 Δ 1 y0 = f(x1 ) − f(x0 )
Δ 1 y1 = f(x2 ) − f(x1 )
Δ 2 y0 = Δ 1 y1 − Δ 1 y0 = ( f(x2 ) − f(x1 )) − ( f(x1 ) − f(x0 ))
Δ 2 y1 = Δ 1 y2 − Δ 1 y1 = ( f(x3 ) − f(x2 )) − ( f(x2 ) − f(x1 )) (1-3)
Δ 3 y0 = Δ 2 y1 − Δ 2 y0
.....
dst

Secara skematis perbedaan kedepan diberikan dalam Tabel 1.1 berikut ini.

Tabel 1.1: Tabel Perbedaan Kedepan untuk n = 6

x f(x) Δ1y Δ2y Δ3y Δ4y Δ5y Δ6y

x0 f(x0)
Δ1y0
x1 f(x1) Δ2y0
Δ1y1 Δ3y0
x2 f(x2) Δ2y1 Δ4y0
Δ y2
1
Δ y1
3
Δ5y0
x3 f(x3) Δ2y2 Δ4y1 Δ6y0
Δ1y3 Δ3y2 Δ5y1
x4 f(x4) Δ2y3 Δ4y2
Δ y4
1
Δ y3
3

x5 f(x5) Δ2y4
Δ1y5
x6 f(x6)

1.2. Interpolasi Kebelakang Cara Newton untuk

Data dengan Interval Konstan

Polinomial interpolasi kebelakang Newton Fb(x) dengan x0, ……, xn-1 yang mempunyai
interval (Δx) tetap sebesar h dapat dinyatakan sebagai berikut:

Fb ( x ) = a0 + a1( x − xn ) + a2 ( x − xn )( x − xn − 1 ) + ..... +
(1-4)
an ( x − xn )( x − xn − 1 )( x − xn − 2 ).....( x − x1 )

Koefisien fungsi interpolasi tergantung dari kombinasi data-data yang diketahui.

I-2
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
Dalam bentuk lebih rinci persamaan (1-4) dapat dinyatakan sebagai berikut:

2
⎛ x − xn ⎞ Δ yn ⎛ x − xn ⎞ ⎛ x − xn − 1 ⎞
Fb ( x ) = f ( xn ) + Δ1 yn ⎜⎜ ⎟⎟ + ⎜ ⎟⎜ ⎟⎟ + .......... +
⎝ h ⎠ 2 ⎜⎝ h ⎟⎠ ⎜⎝ h ⎠
(1-5)
Δn yn ⎛ x − xn ⎞ ⎛ x − xn − 1 ⎞ ⎛ x − xn − 2 ⎞ ⎛ x − x1 ⎞
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ..... ⎜⎜ ⎟⎟
n! ⎝ h ⎠ ⎝ h ⎠⎝ h ⎠ ⎝ h ⎠

Δ1yn, Δ2yn …… Δnyn disebut perbedaan kebelakang atau backward difference, sehingga
interpolasi cara Newton yang didasarkan pada persamaan (1-5) disebut dengan
interpolasi kebelakang cara Newton. Untuk n = 6, maka persamaan (1-5) menjadi:

2
⎛ x − x6 ⎞ Δ y6 ⎛ x − x6 ⎞ ⎛ x − x5 ⎞
Fb ( x ) = f ( x6 ) + Δ1 y6 ⎜⎜ ⎟⎟ + ⎜ ⎟⎜ ⎟ + .......... +
⎝ h ⎠ 2 ⎜⎝ h ⎟⎠ ⎜⎝ h ⎟⎠
(1-6)
Δ6 y6 ⎛ x − x6 ⎞ ⎛ x − x5 ⎞ ⎛ x − x4 ⎞ ⎛ x − x1 ⎞
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ..... ⎜⎜ ⎟⎟
6! ⎝ h ⎠ ⎝ h ⎠ ⎝ h ⎠ ⎝ h ⎠

Perbedaan kebelakang dihitung sebagai berikut:

Δ1 y6 = f ( x6 ) − f ( x5 )
Δ1 y5 = f ( x5 ) − f ( x4 )
( ) (
Δ2 y6 = Δ1 y6 − Δ1 y5 = f ( x6 ) − f ( x5 ) − f ( x5 ) − f ( x4 ) )
Δ2 y5 = Δ1 y5 − Δ1 y4 = ( f ( x5 ) − f ( x4 )) − ( f ( x4 ) − f ( x3 )) (1-7)

Δ3 y6 = Δ2 y6 − Δ2 y5
.....
dst

Secara skematis perbedaan kebelakang diberikan dalam Tabel 1.2 berikut ini.

Tabel 1.2: Tabel Perbedaan Kebelakang untuk n = 6

x f(x) Δ1y Δ2y Δ3y Δ4y Δ5y Δ6y

x0 f(x0)
x1 f(x1) Δ1y1
x2 f(x2) Δ1y2 Δ2y2
x3 f(x3) Δ1y3 Δ2y3 Δ3y3
x4 f(x4) Δ1y4 Δ2y4 Δ3y4 Δ4y4
x5 f(x5) Δ1y5 Δ2y5 Δ3y5 Δ4y5 Δ5y5
x6 f(x6) Δ1y6 Δ2y6 Δ3y6 Δ4y6 Δ5y6 Δ6y6

I-3
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
1.3. Interpolasi Cara Lagrange untuk
Data dengan Interval Tidak Konstan

Polinomial interpolasi Lagrange F(x) dengan x0, ……, xn-1 mempunyai interval (Δx) tidak
konstan dapat dinyatakan sebagai berikut:

F (x ) = a0 (x − x1 ) (x − x2 ) (x − x3 ) ... (x − xn ) +
a1 (x − x0 ) (x − x2 ) (x − x3 ) ... (x − xn ) +
(1-8)
a2 (x − x0 ) (x − x1 ) (x − x3 ) ... (x − xn ) + . . . +
an (x − x0 ) (x − x1 ) (x − x2 ) ... (x − xn-1 )

Koefisien a0, a1, a2, …… an tergantung dari x0, x1, x2, …… xn dan nilai f(x) di titik-titik
tersebut. Koefisien-koefisien tersebut dihitung sebagai berikut:

f ( x0 )
a0 =
(x0 − x1 ) (x0 − x2 ) (x0 − x3 ) ... (x0 − xn )
f ( x1 )
a1 =
(x1 − x0 ) (x1 − x2 ) (x1 − x3 ) ... (x1 − xn )
f ( x2 )
a2 = (1-9)
(x2 − x0 ) (x2 − x1 ) (x2 − x3 ) ... (x2 − xn )
...
f ( xn )
an =
(xn − x0 )(xn − x1 )(xn − x2 ) ... (xn − xn-1 )

Dengan mensubstitusi persamaan (1-9) ke dalam persamaan (1-8), maka diperoleh

persamaan polinomial interpolasi Lagrange yang dinyatakan sebagai berikut:

(x − x1 ) (x − x2 )(x − x3 ) ... (x − xn )
F (x ) = f ( x0 ) +
( x0 − x1 ) (x0 − x2 )(x0 − x3 ) ... (x0 − xn )
(x − x0 ) (x − x2 )(x − x3 ) ... (x − xn )
f ( x1 ) +
( x1 − x0 ) (x1 − x2 )(x1 − x3 ) ... (x1 − xn )
(1-10)
(x − x0 ) (x − x1 ) (x − x3 ) ... (x − xn )
f ( x2 ) + . . . +
(x2 − x0 ) (x2 − x1 ) (x2 − x3 ) ...(x2 − xn )
(x − x0 ) (x − x1 )(x − x3 ) ... (x − xn-1 )
f ( xn )
(xn − x0 ) (xn − x1 )(xn − x2 ) ...(xn − xn-1 )

Persamaan (1-10) dapat juga digunakan, jika varibel bebasnya adalah y, sedangkan
variabel tak bebasnya adalah x.

I-4
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
1.4. Interpolasi Cara Newton untuk
Data dengan Interval Tidak Konstan

Polinomial interpolasi Newton F(x) untuk data dengan interval (Δx) tidak konstan
dikembangkan dari polinomial interpolasi Lagrange dan Newton dan dinyatakan dengan:

F ( x ) = b0 + b1( x − x0 ) + b2 ( x − x0 )( x − x1 ) + ..... +
(1-11)
bn ( x − x0 )( x − x1 )( x − x2 ).....( x − xn − 1 )

Koefisien b0, b1, b2, …… bn tergantung dari nilai x0, x1, x2, …… xn dan ordinatnya, yaitu
masing-masing adalah: f(x0), f(x1), f(x2), …… f(xn) dan dihitung sebagai berikut:

b0 = [x0 ] = f ( x0 )
f ( x1 ) − f ( x0 )
b1 = [x0 , x1 ] =
x1 − x0
⎛ f ( x )− f ( x )⎞ ⎛ f ( x )− f ( x )⎞
⎜ 2 1 ⎟−⎜ 1 0 ⎟
[
b2 = x0 , x1 , x2 = ] [ ] [
x1 , x2 − x0 , x1 ⎜⎝
=
] x2 − x1 ⎟ ⎜
⎠ ⎝ x −
1 0x ⎟
⎠ (1-12)
x2 − x0 x2 − x0
[x , x , x ] − [x0 , x1 , x2 ]
b3 = [x0 , x1 , x2 , x3 ] = 1 2 3
x3 − x0
.....
dst

Secara skematis harga koefisien-koefisien dalam persamaan (1-11) diberikan berikut ini.

Tabel 1.3: Tabel Nilai Koefisien Persamaan (1-11) untuk n = 4

x b0 b1 b2 b3 b4
x0 f(xo)
[xo, x1]
x1 f(x1) [xo, x1, x2]
[x1, x2] [xo, x1, x2, x3]
x2 f(x2) [x1, x2, x3] [xo, x1, x2, x3, x4]
[x2, x3] [x1, x2, x3, x4]
x3 f(x3) [x2, x3, x4]
[x3, x4]
x4 f(x4)

I-5
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
1.5. Interpolasi dengan Lengkung Kubik (Cubic Spline) untuk
Data dengan Interval Sembarang

Interpolasi lengkung kubik menghasilkan nilai interpolasi y = f(x), dengan kemiringan

(slope) dan kurvatur (curvature) yang sama di sekitar titik x interpolasi. Untuk interval
antara xi–1 dan xi, polinomial orde tiga mempunyai turunan kedua sebagai berikut:

y"i ( x ) = γ y'i'−1 + ( 1 − γ ) y"i , untuk xi-1 ≤ x ≤ xi (1-13)

γ adalah koefisien yang tergantung dari nilai x. Penyelesaian persamaan di atas pada
interval xi-1 dan xi akan menghasilkan:

⎛ x − x ⎞ '' ⎛ xi − x ⎞ "
y"(x) = ⎜ i ⎟ y − + ⎜1 − ⎟ y , untuk xi 1 ≤ x ≤ xi
− (1-14)
⎜x −x ⎟
⎝ i i −1 ⎠
i 1 ⎜
⎝ xi − xi − 1 ⎟⎠ i

Sedangkan pada interval xi dan xi+1 akan menghasilkan:

⎛ x − xi ⎞ " ⎛ x − xi ⎞ ' '

y"(x) = ⎜ 1- ⎟ y +⎜ ⎟ yi + 1 , untuk xi ≤ x ≤ xi + 1 (1-15)
⎜ x ⎟ i ⎜x ⎟
⎝ i + 1 − xi ⎠ ⎝ i + 1 − xi ⎠

Jika persamaan (1-14) diintegrasi relatif terhadap interval (xi - x) akan dihasilkan
persamaan berikut:

1 ( xi − x )
2 ⎛ 1 ( xi − x ) ⎞⎟ "
2
y'(x) = − y'i'− 1 − ⎜⎜ xi − x- y + c1
2 ( xi − xi − 1 ) ⎜ 2 ( xi − xi − 1 ) ⎟⎟ i (1-16)
⎝ ⎠
untuk xi − 1 ≤ x ≤ xi

sedangkan integrasi persamaan (1-15) akan menghasilkan persamaan berikut:

⎛ 1 (x − xi )2 ⎞⎟ " 1 (x − xi )2
y'(x) = ⎜ x − xi - y + y' ' + c2
⎜ 2 ( xi + 1 − xi ) ⎟ i 2 ( xi + 1 − xi ) i + 1 (1-17)
⎝ ⎠
untuk xi ≤ x ≤ xi + 1

c1 dan c2 adalah konstanta integrasi. Integrasi sekali lagi akan menghasilkan:

1⎛ ( xi − x )3 ⎞⎟ "
3
1 ( xi − x )
y(x) = y'i'− 1 + ⎜⎜ 3(xi − x )2 - y − c1 (xi − x ) + c3
6 ( xi − xi − 1 ) 6⎜ ( xi − xi − 1 ) ⎟⎟ i (1-18)
⎝ ⎠
untuk xi − 1 ≤ x ≤ xi serta

I-6
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
 y(x) =
1 ⎛⎜
3(x − xi )2 -
(x − xi )3 ⎞⎟ y" + 1 (x − xi )3 y' ' + c (x − x ) + c
6⎜ xi + 1 − xi ⎟ i 6 ( xi + 1 − xi ) i + 1 2 i 4 (1-19)
⎝ ⎠
untuk xi ≤ x ≤ xi + 1

Lengkung kubik pertama melalui titik (xi-1, yi-1) dan titik (xi, yi) mempunyai bentuk:

y i-1 =
1
(xi − xi-1 )2 y'i-' 1 + 1 (xi − xi-1 )2 y"i − c1 (xi − xi-1 ) + c3
6 3 (1-20)
yi = c3

selanjutnya:

y − y i-1
c1 = y i = (xi − xi-1 )⎛⎜ y'i '− 1 + 2 y"i ⎞⎟ + i
' (-) 1
(1-21)
6 ⎝ ⎠ xi − xi-1

dimana y'(-)i adalah turunan di sebelah kiri titik x = xi. Demikian juga lengkung kubik
kedua melalui titik (xi,yi) dan (xi+1,yi+1) mempunyai ekspresi:

yi + 1 =
1
(xi + 1 − xi )2 y"i + 1 (xi + 1 − xi )2 y'i '+ 1 + c 2 (xi + 1 − xi ) + c4
3 6 (1-22)
yi = c4

selanjutnya:

y − yi
= − (xi + 1 − xi ) ⎛⎜ 2 y"i + y'i'+ 1 ⎞⎟ + i + 1
'( + ) 1
c2 = yi (1-23)
6 ⎝ ⎠ xi + 1 − xi

dimana y'(+)i adalah turunan di sebelah kanan titik x = xi. Turunan di sebelah kiri dan di
sebelah kanan harus mempunyai harga yang sama di titik x = xi, sehingga:

yi − yi-1
1
(x − xi-1 ) ⎛⎜⎝ y'i'− 1 − 2 y'i' ⎞⎟⎠ + =
6 i xi − xi-1
(1-24)
yi + 1 − yi
− (xi + 1 − xi ) ⎛⎜ 2 y'i' + y'i'+ 1 ⎞⎟ +
1
6 ⎝ ⎠ xi + 1 − xi

dengan pengaturan selanjutnya, maka akan diperoleh ekspresi berikut:

( xi − xi-1 ) y'i'− 1 + 2( xi + 1 − xi-1 ) y'i' + ( xi + 1 − xi ) y'i'+ 1 =

⎛ y − yi-1 ⎞ ⎛y − yi ⎞ (1-25)
−6 ⎜ i ⎟+6 ⎜ i +1 ⎟
⎜ x −x ⎟ ⎜x ⎟
⎝ i i-1 ⎠ ⎝ i + 1 − xi ⎠

Untuk titik (data) sebanyak n buah, persamaan sebanyak (n-1) buah, maka jumlah
bilangan tidak diketahui akan berjumlah (n+1) buah y"i , i = 0,…n. Agar sistem
persamaan dapat diselesaikan, maka dibutuhkan tambahan dua persamaan lagi, yang

I-7
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
biasanya berhubungan dengan kondisi batas di titik i = 0 dan i = n. Kedua persamaan
tersebut biasanya menspesifikasikan kondisi batas, dalam hal ini mengekspresikan
kemiringan di titik i = 0 dan i = n sebagai berikut:

y1 − y0
= − (x1 − x0 ) ⎛⎜ 2 y'0' + y'1' ⎞⎟ +
'( + ) 1
y0 (1-26)
6 ⎝ ⎠ x1 − x0

yn − yn-1
y'(n − ) = (xn − xn-1 ) ⎛⎜ y'n' − 1 + 2 y'n' ⎞⎟ +
1
(1-27)
6 ⎝ ⎠ xn − xn-1

Dalam bentuk matriks, sistem persamaan linier dapat dituliskan sebagai berikut:

[A]{M } = {D} (1-28)

[A] adalah matriks koefisien aij berupa matriks tridiagonal yang elemen-elemennya
didefinisikan sebagai berikut:

untuk j = i − 1, 0 < i ≤ n , maka a ij = xi − xi − 1

untuk j = i + 1, 0 ≤ i < n , maka a ij = xi + 1 − xi
untuk j = i, 0 < i ≤ n , maka aii = 2(xi + 1 − xi − 1 )
selain itu maka : (1-29)
a00 = 2(x1 − x0 )
a nn = 2(x n − x n − 1 )
aij = 0

{M} adalah vektor bilangan tidak diketahui berupa y"i , sedangkan {D} adalah vektor
dengan elemen-elemen yang diketahui dan didefinisikan sebagai berikut:

⎛ y − yi − 1 ⎞ ⎛y −y ⎞
di = −6 ⎜ i ⎟ + 6 ⎜ i + 1 i ⎟ , untuk 0 < i < n
⎜ x −x ⎟ ⎜x ⎟
⎝ i i −1 ⎠ ⎝ i + 1 − xi ⎠
⎡y − y '( + ) ⎤
d0 = 6 ⎢ 1 0 − y0 ⎥ (1-30)
⎣⎢ x1 − x0 ⎦⎥
⎡ y − yn-1 ⎤
d n = 6 ⎢ y'(n − ) − n ⎥
⎢⎣ xn − xn-1 ⎥⎦

Jika sistem persamaan linier dapat diselesaikan, maka nilai y di setiap titik x sembarang
diperoleh dengan interpolasi berdasar rumus berikut:

⎛ y"i − y'i'− 1 ⎞⎟
'( − )
y(x) = yi -yi (xi − x ) + 1 y"i (xi − x )2 − 1 ⎜⎜ (x − x )3
2 6⎜ xi − xi-1 ⎟⎟ i (1-31)
⎝ ⎠
untuk xi-1 ≤ x ≤ xi serta

I-8
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
 ⎛ y'i'+ 1 − y'i' ⎞⎟
'( + )
y(x) = yi + yi (x − xi ) + 1 y"i (x − xi )2 + 1 ⎜⎜ (x − xi )3
2 6⎜ xi + 1 − xi ⎟⎟ (1-32)
⎝ ⎠
untuk xi ≤ x ≤ xi + 1

Turunan y'(-)i dan y'(+)i masing-masing dapat diperoleh dari persamaan (1-21) dan (1-23).
Seringkali turunan lebih dipilih, daripada kurvatur, sebagai bilangan tidak diketahui.
Transformasi kurvatur menjadi turunan mudah dilakukan.

Langkah-langkah interpolasi dengan lengkung kubik:

• Step 1: membentuk matriks koefisien [A] berdasar persamaan (1-29).

• Step 2: membentuk vektor {D} berdasar persamaan (1-30).
• Step 3: menghitung vektor {M} atau vektor {y''i} dengan cara menyelesaikan
sistem persamaan linier.
• Step 4: menghitung turunan pertama di sebelah kiri (y'(-)i) dan kanan x (y'(+)i)
berdasar persamaan (1-21) dan (1-23).
• Step 5: menghitung nilai interpolasi untuk titik x tertentu berdasar persamaan
(1-31) atau (1-32).

1.6. Interpolasi dengan Trigoneometri untuk Data Periodik

Jika data-data yang diinterpolasi cenderung bersifat periodik, maka sebaiknya

interpolasi dilakukan dengan menggunakan fungsi trigoneometri. Salah satunya dapat
dinyatakan sebagai berikut:

F ( x ) = c0 sin (x − x1 ) sin ( x − x2 ) sin ( x − x3 ) ... sin ( x − xn ) +

c1 sin (x − x0 ) sin ( x − x2 ) sin ( x − x3 ) ... sin ( x − xn ) + ... + (1-33)
cn sin (x − x0 ) sin ( x − x1 ) sin ( x − x2 ) ... sin ( x − xn −1 )

Koefisien c0, c1, c2, …… cn tergantung dari nilai x0, x1, x2, …… xn dan ordinatnya, yaitu
masing-masing adalah: f(x0), f(x1), f(x2), …… f(xn) dan dihitung sebagai berikut:

f ( x0 )
c0 =
sin ( x0 − x1 ) sin ( x0 − x2 ) sin ( x0 − x3 ) ... sin ( x0 − xn )
f ( x1 )
c1 =
sin ( x1 − x0 ) sin ( x1 − x2 ) sin ( x1 − x3 ) ... sin ( x1 − xn ) (1-34)
...
f ( xn )
cn =
sin ( xn − x0 ) sin ( xn − x1 ) sin ( xn − x2 ) ... sin ( xn − xn −1 )

Persamaan (1-13) dapat juga digunakan, jika varibel bebasnya adalah y, sedangkan
variabel tak bebasnya adalah x.

I-9
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
1.7. Contoh Kasus Ekstrapolasi Kedepan Cara Newton untuk
Data dengan Interval Konstan

Persoalan
Posisi planet Mars diukur setiap 10 hari seperti ditunjukkan pada Tabel 1.4. Dari data ini
diminta untuk memperkirakan posisi panet Mars pada t = 1450.5.

Jawaban:
Persoalan ini merupakan masalah ekstrapolasi, karena harga yang diinginkan berada di
luar interval data-data yang diketahui. Ekstrapolasi dilakukan berdasar 5 data terakhir,
yaitu mulai t = 1300.5. Perhitungan perbedaan nilai kedepan diberikan berikut ini.

Tabel 1.4: Tabel Koordinat Planet Mars dengan Interval 10 hari

(Sumber: Conte & de Boor, 1981)
dan Perbedaan Kedepan

no t f(t) Δ1y Δ2y Δ3y Δ4y

0 1250.5 139140
1 1260.5 137696
2 1270.5 134783
3 1280.5 130456
4 1290.5 124767
5 1300.5 117862
-8086
6 1310.5 109776 -1054
-9140 111
7 1320.5 100636 -943 4
-10083 115
8 1330.5 90553 -828
-10911
9 1340.5 79642

Ekstrapolasi kedepan cara Newton berdasar persamaan (1-2) menghasilkan polinomial

ekstrapolasi dan posisi planet Mars pada t = 1450.5 sebagai berikut:

⎛ x − 1300.5 ⎞ ⎛ x − 1300.5 ⎞ ⎛ x − 1310.5 ⎞

F ( x ) = 117862 − 8086 ⎜ ⎟ − 1054 ⎜ ⎟⎜ ⎟ + .......... +
f ⎝ 10 ⎠ ⎝ 10 ⎠⎝ 10 ⎠
⎛ x − 1300.5 ⎞ ⎛ x − 1310.5 ⎞ ⎛ x − 1320.5 ⎞ ⎛ x − 1330.5 ⎞
4⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟
⎝ 10 ⎠⎝ 10 ⎠⎝ 10 ⎠⎝ 10 ⎠
F ( 1450.5 ) = 209302
f

I-10
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
1.8. Contoh Interpolasi Kasus Kedepan Cara Newton untuk
Data dengan Interval Tidak Konstan

Persoalan:
Dari pengukuran topografi didapatkan data ketinggian dan posisinya sebagai berikut:

Tabel 1.5: Data Pengukuran Topografi

Posisi (x) 1.1 2.3 3.2 4.4 5.0 6.0 7.0 8.2 9.3 10.1
Elevasi (d.p.l.) 5.5 5.7 6.5 5.4 3.0 -1.0 -2.0 -3.0 -1.5 -1.0

Dari data tersebut diminta membuat fungsi interpolasi kedepan cara Newton untuk
elevasi topografi berdasar data pada x = 3.2, 4.4, 5.0, 6.0, 7.1 dan 8.2 (6 data).
Selanjutnya dengan fungsi tersebut memperkirakan ketinggian di x = 5.5.

Jawaban:
Fungsi interpolasi kedepan cara Newton untuk data dengan interval tidak konstan
dinyatakan dalam persamaan (1-11). Harga koefisien-koefisien dalam persamaan (1-11)
dihitung dalam tabel berikut ini.

Tabel 1.6: Harga Koefisien untuk Interpolasi Kedepan Cara Newton

x b0 b1 b2 b3 b4 b5
3.2 6.5
-0.92
4.4 5.4 -1.71
-4.00 0.61
5.0 3.0 0.00 -0.01
-4.00 0.58 -0.05
6.0 -1.0 1.50 -0.27
-1.00 -0.45
7.0 -2.0 0.08
-0.83
8.2 -3.0

Polinomial interpolasi dengan koefisien seperti tercantum dalam Tabel 1.6 adalah:

F ( x ) = 6.5 − 0.92( x − 3.2 ) − 1.71( x − 3.2 )( x − 4.4 ) + 0.61( x − 3.2 )( x − 4.4 )( x − 5.0 ) −
0.01( x − 3.2 )( x − 4.4 )( x − 5.0 )( x − 6.0 ) −
0.05 ( x − 3.2 )( x − 4.4 )( x − 5.0 )( x − 6.0 )( x − 7.0 )

Dengan demikian untuk x = 5.5, maka ketinggiannya adalah:

F ( 5.5 ) = 6.5 − 2.12 – 4.33 + 0.77 + 0.01 – 0.05 = 0.79

I-11
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
1.9. Contoh Interpolasi Kasus dengan Lengkung Kubik untuk
Data dengan Interval Tidak Konstan

Persoalan:
Erupsi Gunung Piton de la Fournaise (Pulau Reunion) memuntahkan material dengan
komposisi kimia yang berubah terhadap waktu. Pengukuran rasio (Ce/Yb)N selama
interval 1948-1985 yang diambil dari lava erupsi diberikan dalam Tabel 1.7. Dari data ini
diminta memperkirakan rasio (Ce/Yb)N pada tahun 1960.

Tabel 1.7: Data Rasio (Ce/Yb)N Diukur pada Delapan Contoh Lava Hasil Erupsi
Gunung Piton de la Fournaise (Albarede & Tamagnan, 1988)

i 0 1 2 3 4 5 6 7
Tahun 1948 1953 1956 1966 1972 1975 1981 1985
(Ce/Yb)N 20.9 21.2 22.0 20.8 21.7 22.4 21.3 18.9

Jawaban:

Langkah-langkah penyelesaian:

• Step 1:
membentuk matriks koefisien [A] berdasar persamaan (1-29), misalnya:

a00 = 2 x (1953-1948) = 10
a01 = 1953 - 1948 dst.

Akhirnya matriks koefisien [A] mempunyai harga sebagai berikut:

⎡10 5 0 0 0 0 0 0⎤
⎢5 16 3 0 0 0 0 0 ⎥⎥
⎢
⎢0 3 26 10 0 0 0 0 ⎥
⎢ ⎥
0 0 10 32 6 0 0 0 ⎥
[A] = ⎢⎢
0 0 0 6 18 3 0 0 ⎥
⎢ ⎥
⎢0 0 0 0 3 18 6 0 ⎥
⎢0 0 0 0 0 6 20 4 ⎥
⎢ ⎥
⎢⎣0 0 0 0 0 0 4 8 ⎥⎦

• Step 2:
membentuk vektor {D} berdasar persamaan (1-30) dengan asumsi bahwa
turunan pada titik akhir sama dengan nol, misalnya:

I-12
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
 ⎛ 21.2 − 20 .9 ⎞
d0 = 6 ⎜ − 0 ⎟ = 0 .36
⎝ 1953 − 1948 ⎠
⎛ 21.2 − 20 .9 ⎞ ⎛ 22.0 + 21.2 ⎞
d1 = −6 ⎜ ⎟+6 ⎜ ⎟ = −0 .36 + 1.60 = 1.24
⎝ 1953 − 1948 ⎠ ⎝ 1956 − 1953 ⎠

Setelah melengkapi semua perhitungan, maka vektor {D} akan berharga:

⎡+ 0.36 ⎤
⎢+ 1.24 ⎥
⎢ ⎥
⎢− 2.32 ⎥
⎢ ⎥
+ 1.62 ⎥
{D} = ⎢⎢
+ 0.50 ⎥
⎢ ⎥
⎢− 2.50 ⎥
⎢− 2.50 ⎥
⎢ ⎥
⎣⎢+ 3.66 ⎦⎥

• Step 3:
menyelesaikan sistem persamaan linier. Berdasar persamaan (1-28), maka sistem
persamaan simultan akan mempunyai bentuk sebagai berikut:

⎡10 5 0 0 0 0 0 0⎤ ⎡ M 0 ⎤ ⎡+ 0.36 ⎤
⎢ ⎥ ⎢ ⎥
⎢5
⎢ 16 3 0 0 0 0 0 ⎥⎥ ⎢ M 1 ⎥ ⎢+ 1.24 ⎥
⎢0 3 26 10 0 0 0 0 ⎥ ⎢ M 2 ⎥ ⎢− 2.32 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 0 10 32 6 0 0 0 ⎥ ⎢ M 3 ⎥ ⎢+ 1.62 ⎥
=
⎢ M ⎥ ⎢+ 0.50 ⎥
⎢0 0 0 6 18 3 0 0 ⎥
⎢ ⎥ ⎢ 4⎥ ⎢ ⎥
⎢0 0 0 0 3 18 6 0 ⎥ ⎢ M 5 ⎥ ⎢− 2.50 ⎥
⎢0 0 0 0 0 6 20 4 ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ M 6 ⎥ ⎢− 2.50 ⎥
⎢⎣0 0 0 0 0 0 4 8 ⎥⎦ ⎢⎣ M7 ⎥⎦ ⎢⎣+ 3.60 ⎥⎦

Vektor {M} merupakan vektor bilangan yang tidak diketahui yang berupa turunan
kedua atau {y''i}. Setelah penyelesaian sistem persamaan linier, maka diperoleh:

⎡ y'' ⎤
⎢ 0⎥
⎡ M 0 ⎤ ⎢ '' ⎥ ⎡− 0.0185 ⎤
⎢ ⎥ ⎢ y1 ⎥ ⎢ ⎥
⎢ M 1 ⎥ ⎢ '' ⎥ ⎢ 0.1090 ⎥
⎢ M 2 ⎥ ⎢ y2 ⎥ ⎢− 0.1371 ⎥
⎢ ⎥ ⎢ '' ⎥ ⎢ ⎥
⎢ M 3 ⎥ ⎢ y3 ⎥ ⎢ 0.0919 ⎥
= =
⎢ M ⎥ ⎢ '' ⎥ ⎢ 0.0085 ⎥
⎢ 4 ⎥ ⎢ y4 ⎥ ⎢ ⎥
⎢ M 5 ⎥ ⎢ '' ⎥ ⎢− 0.0683 ⎥
⎢ ⎥ ⎢ y5 ⎥ ⎢ ⎥
⎢ M 6 ⎥ ⎢ '' ⎥ ⎢− 0.2161 ⎥
⎢⎣ M7 ⎥⎦ ⎢ y6 ⎥ ⎢⎣ 0.5581 ⎥⎦
⎢ y'' ⎥
⎣ 7⎦

I-13
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
• Step 4:
menghitung turunan pertama di sebelah kiri dan kanan x berdasar
persamaan (1-21) dan (1-23) yang diberikan dalam Tabel 1.8 berikut ini:

Tabel 1.8: Turunan Kedua, Turunan Pertama di sebelah kiri dan kanan

I yi" yi'(−) yi'(+)

0 -0.0185 0 0
1 0.1090 0.2262 0.2262
2 -0.1371 0.1840 0.1840
3 0.0919 -0.0423 -0.0423
4 0.0085 0.2589 0.2589
5 -0.0683 0.1693 0.1693
6 -0.2161 -0.6839 -0.6839
7 0.5581 0 0

• Step 5:
menghitung nilai interpolasi untuk titik x, misal berdasar persamaan (1-31). Dalam
hal ini i = 3 (1966), maka x3 – x = 1966 - 1960 = 6, kemudian x3 – x2 = 1966 - 1956 =
10., y3 = 20.8, y'3( − ) = -0.0423 dan y '' = 0.0919, y"3 - y"2 = 0.0919 – (-0.1371) =
3
0.2290. Harga-harga ini disubstitusikan dalam persamaan berikut

1 ⎛ y − y2 ⎞⎟
" "
y( x ) = y3 − y3 (x3 − x ) + y"3 (x3 − x )2 − ⎜⎜ 3
'( −) 1
( x − x )3
2 6 ⎜ x3 − x2 ⎟⎟ 3
⎝ ⎠
1 1 ⎛ 0.2290 ⎞
y (t = 1960 ) = 20.8 − (− 0.0423 ) x 6 + (0.0919 )x 6 2 − ⎜ 3
⎟ x 6 = 21.88
2 6 ⎝ 10 ⎠

I-14
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
1.10. Contoh Kasus Ekstrapolasi Trigoneometri untuk
Data dengan Interval Konstan

Persoalan
Posisi planet Mars secara berkala ditunjukkan pada Tabel 1.4. Dari data ini kita diminta
memperkirakan posisi panet Mars pada t = 1450.5.

Jawaban:
Persoalan ini merupakan masalah ekstrapolasi data periodik, sehingga dapat dikerjakan
menggunakan ekstrapolasi trigoneometri. Ekstrapolasi trigoneometri dilakukan berdasar
5 data terakhir, yaitu mulai t = 1300.5 (perhatikan kembali Tabel 1.4). Perhitungan
koefisien-koefsien fungsi ekstrapolasi diberikan berikut ini.

c0 = f ( t5 ) / sin (t5 − t6 ) sin (t5 − t7 ) sin (t5 − t8 ) sin (t5 − t9 ) = 6174679.1

c1 = f ( t6 ) / sin (t6 − t5 ) sin (t6 − t7 ) sin (t6 − t8 ) sin (t6 − t9 ) = −21288509.4
c2 = f ( t7 ) / sin (t7 − t5 ) sin (t7 − t6 ) sin (t7 − t8 ) sin (t7 − t9 ) = 28530510.1
c3 = f ( t8 ) / sin (t8 − t5 ) sin (t8 − t6 ) sin (t8 − t7 ) sin (t8 − t9 ) = −17560654.3
c4 = f ( t9 ) / sin (t9 − t5 ) sin (t9 − t6 ) sin (t9 − t7 ) sin (t9 − t8 ) = 4172369.3

Koefisien-koefsien tersebut disubstitusi ke dalam persamaan (1-33) akan menghasilkan

persamaan ekstrapolasi berikut ini.

f ( t ) = 6174679 sin (t − t6 ) sin (t − t7 ) sin (t − t8 ) sin( t − t9 ) −

21288509 sin (t − t5 ) sin (t − t7 ) sin (t − t8 ) sin( t − t9 ) +
28530510 sin (t − t5 ) sin (t − t6 ) sin (t − t8 ) sin( t − t9 ) −
17560654 sin (t − t5 ) sin (t − t6 ) sin (t − t7 ) sin( t − t9 ) +
4172369 sin (t − t5 ) sin (t − t6 ) sin (t − t7 ) sin( t − t8 )
f ( 1450.5 ) = 127648

Hasil ekstrapolasi cara trigoneometri (127648) berbeda cukup jauh dengan hasil
ekstrapolasi kedepan cara Newton (209302). Hal ini disebabkan oleh ketelitian masing-
masing interpolator yang berbeda. Dari keduanya tidak dapat ditentukan mana yang
lebih baik, karena keduanya tidak mempunyai mekanisme pengukuran kesalahan.
Selain itu tidak ada informasi posisi planet Mars pada t = 1450.5 hasil observasi.
Dengan memperhatikan latar belakang masalahnya, lintasan planet merupakan sesuatu
yang sifatnya berkala atau periodik yang tidak dapat diantisipasi oleh ekstrapolasi
kedepan cara Newton.

I-15
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
1.11. Komentar

Interpolasi dan ekstrapolasi merupakan prosedur untuk memperkirakan nilai atau data
yang tidak diketahui berdasar kombinasi beberapa nilai atau harga yang diketahui.
Metode atau cara yang dipergunakan untuk itu banyak sekali. Beberapa metode yang
diberikan dalam bab ini hanya sebagian diantaranya. Dalam bab ini hanya diberikan
contoh fungsi interpolasi berupa polinomial dan trigoneometri satu dimensi. Pembaca
dapat mencari sendiri beberapa metode lainnya.

Kata kunci dalam masalah interpolasi dan ekstrapolasi adalah ketelitian interpolasi.
Dalam bab ini hanya diberikan metode-metode klasik, padamana tidak disertakan hal-
hal berikut ini: kriteria interpolasi, ekspresi dan optimasi ketelitian interpolasi. Satu-
satunya metode interpolasi dalam bab ini yang menyertakan kriteria interpolasi adalah
interpolasi lengkung kubik, dengan kriterianya adalah kesamaan kemiringan dan
kurvatur di sebelah kiri dan kanan titik interpolasi. Masalah interpolasi dan ekstrapolasi
dalam bab ini bertujuan hanya untuk memberi pemahaman kepada pembaca tentang
adanya distribusi data dalam fungsi sederhana. Hasil interpolasinya sendiri bukan
merupakan tujuan dari bab ini.

Bagian III buku ini akan membahas pemodelan data yang berkenaan dengan masalah
interpolasi dan ekstrapolasi menggunakan metode-metode mutakhir dan lebih baik yang
didasarkan pada model deterministik maupun statistik (spasial statistik), baik untuk satu
maupun multi dimensi. Hasil interpolasi dengan ketelitiannya yang optimal merupakan
tujuan dari Bagian III. Dengan demikian keunggulan masing-masing metode-metode
interpolasi dan ekstrapolasi dapat dianalisis dan dibandingkan secara kuantitatif.

Dari beberapa fungsi interpolasi yang diberikan dalam Bab 1 dapat disimpulkan, bahwa
rmasalah utama dalam penyusunan fungsi interpolasi adalah penentuan koefisien fungsi
interpolasi. Dalam hal ini besarnya koefisien tersebut tidak ditentukan misalnya
tergantung dari jarak antara titik interpolasi dan titik-titik lainnya. Dalam aplikasi ilmu-ilmu
kebumian, data merupakan fungsi dari jarak. Jadi penentuan koefisien fungsi interpolasi
atau kemudian disebut dengan bobot merupakan masalah yang sangat kritis dalam
pemodelan data. Bobot titik-titik di sekitar titik interpolasi dengan demikian lebih besar
dari bobot titik-titik yang lebih jauh dari titik interpolasi.

Untuk keperluan interpolasi dan ekstrapolasi dalam bidang ilmu-ilmu kebumian

disarankan menggunakan metode-metode yang akan diberikan dalam Bagian III, karena
ketelitiannya dapat dipertanggungjawabkan dan diuji secara statistik serta sesuai untuk
aplikasi ilmu-ilmu kebumian.

I-16
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS