Tugas Perpetaan Topografi

Definisi, Jenis-jenis, dan Perbedaan Interpolasi

Gracia Megasari Mujianto
21100117120002

Interpolasi adalah proses pencarian dan penghitungan nilai suatu fungsi yang
grafiknya melewati sekumpulan titk yang diberikan. Titik-titik tersebut mungkin
merupakan hasil eksperimen dalam sebuah percobaan, atau diperoleh dari suatu
fungsi yang diketahui interpolasi adalah untuk menaksir harga-harga tengah antara
titik data yang sudah tepat. Interpolasi mempunyai orde atau derajat.

A. Interpolasi Linier

Interpolasi linear atau interpolasi lanjar adalah interpolasi dua buah titik
dengan sebuah garis lurus. Misal diberikan dua buah titik, (x0,y0) dan (x1,y1).
Polinom yang menginterpolasi kedua titik itu adalah persamaan garis lurus yang
berbentuk:
P ( x ) =a0 +a 1 x
Gambar dibawah ini memperlihatkan garis lurus yang menginterpolasi titik-titik
(x0,y0) dan (x1,y1).

Y
(x
1,
y1
(x )
0, X
y0
Gambar 1.1 Interpolasi Linier
)
Koefisien a0 dan a1 dicari dengan proses substitusi dan eliminasi.
Dengan mensubstitusikan (x 0 , y 0 ) dan ( x 1 , y 1) ke dalam persamaan
p1 ( x )=a0 +a1 x diperoleh dua persamaan linear:
y 0=a0 +a1 x 0 . . . . . . . (1)
y 1=a 0+ a1 x 1 . . . . . . . (2)
Dari dua persamaan diatas, dengan eliminasi diperoleh:
 a
(¿ ¿ 0+ a1 x 1)
y 0− y 1= ( a0 +a 1 x 0 )−¿
x
y 0− y 1=a1 x 0 −a1 x 1 (¿ ¿ 0−x1 )
⇔ y 0 − y 1=a1 ¿
y 0− y 1
⇔ a1=
x 0−x 1
Substitusikan nilai a1 ke dalam persamaan (1), diperoleh:
y 0=a0 +a1 x 0
y 0− y 1
⇔ y 0 =a0 + ( )
x 0−x 1 0
x

x 0 y 0 −x0 y 1
⇔ y 0 =a0 +
x 0 −x1
x 0 y 0 −x0 y 1
⇔ y 0 =a0 +
x 0 −x1
x 0 y 0−x 0 y 1
⇔ a0 = y 0 −
x 0−x 1
x 0 y 1−x 1 y 0
⇔ a0=
x 0−x 1
Dengan melakukan manipulasi aljabar untuk menentukan nilai p1 ( x ) dapat
dilakukan sebagai berikut:
p1 ( x )=a0 +a1 x
x 1 y 0 −x0 y 1 y 1 – y 0
p1 ( x ) = + x
x1−x 0 x 1−x 0
y
x−x 0
¿
¿
¿
( ¿ ¿ 1− y 0 )¿
¿
p1 ( x )= y 0+ ¿
Dalam menentukan persamaan dari interpolasi linear juga dapat dilakukan
melalui cara berikut:
Menentukan titik-titik antara dari 2 buah titik dengan menggunakan garis lurus.

Y
P2
(x,y (x1,
P1( ) y1)
x0, X
y0)
Gambar 1.3 Interpolasi Linier
Persamaan garis lurus yang melalui 2 titik P1 (x0,y0) dan P2 (x1,y1) dapat dituliskan
dengan:
y− y 0 x−x 0
=
y 1 − y 0 x 1−x 0
Sehingga diperoleh persamaan dari interpolasi linear sebagai berikut:
y 1− y 0
y= ( x −x0 ) + y 0
x 1−x 0

B. Interpolasi Kuadratik

Misal diberi tiga buah titik data, ( x 0 , y 0 ) , ( x 1 , y 1 ) , dan(x 2 , y 2 ) . Polinom

yang menginterpolasi ketiga buah titik itu adalah polinom kuadrat yang
berbentuk:
2
p2 ( x )=a0 +a1 x+ a2 x
Bila digambar, kurva polinom kuadrat berbentu parabola, seperti ditunjukkan
dalam Gambar 2.4 dan Gambar 2.5

Y
y x
1 1,
y y x2,
1
y2 y2
xGambar 2.1 Interpolasi Kuadratik
0 0,x berbentuk
x X
Masih terdapat grafik x yang lain, selain
parabola yang
y0 1 2
0 diatas, namun harus diperhatikan bahwa untuk
ditunjukkan pada Gambar 2.1
setiap nilai xi akan diperoleh hanya sebuah nilai y i . Sehingga tidak
mungkin kondisi grafiknya seperti Gambar 2.2 di bawah ini atau semacamnya.

Y
y x
1 1
y , x
y
y2 x
2,
1 y
0 0x x x2 X
,0 1 2
y
0
 Gambar 2.1 Bukan Interpolasai Kuadratik
Menyelesaikan Polinom p2 (x) ditentukan dengan cara berikut:
1. Substitusikan (x i , y i ) ke dalam persamaan p2 ( x )=a0 +a1 x i+ a2 x 2i
dengan i = 0, 1, 2. Diperoleh tiga persamaan dengan tiga buah parameter
yang tidak diketahui yaitu: a0 , a1 , dan a2 :
2
a0 + a1 x 0 +a 2 x 0= y 0
2
a0 + a1 x 1 +a2 x 1= y 1
a0 + a1 x 2 +a2 x 22= y 2
2. Hitung a0 , a1 , dan a2 dari sistem persamaan tersebut dengan
metode eliminasi Gauss.
Selain menggunakan metode eliminasi Gauss, menentukan a0 , a1 , dan
a2 dapat ditentukan dengan cara sebagai berikut:
y i+1 − y i y −y F −F 01
a) Hitung F01= , F 12= i+2 i +1 , dan F012 = 12
x i+1 −xi y i+2− y i +1 xi +2−x i
b) Hitung P= y 1 + ( x−x i ) F01 +(x −xi )( x−x i+1 ) F 012

C. Interpolasi Spline

Definisi : Suatu fungsi f (x) dinamakan suatu spline berderajat k jika

1. Domain dari S adalah suatu interval [a; b].
2. kS; S0; :::; S(k1) kontinu pada [a; b].
3. Terdapat titik-titik xi sedemikian sehingga a = x0 < x1 < ::: < xn = b dan
juga S adalah suatu polinomial berderajat k pada setiap [xi; xi+1]
Dengan kata lain, spline adalah potongan-potongan fungsi polinomial dengan
turunan-turunan memenuhi kendala-kendala kekontinuan tertentu. Ketika
k =1, spline dina-
makan spline linear. Ketika k =2 , spline dinamakan spline kuadratik. Ketika
k =3,
spline dinamakan spline kubik.

D. Interpolasi Newton
 Persamaan Polinom Linier
 ( y 1− y 0 )
p1 ( x )= y 0+ ( x −x0 )
( x 1−x 0 )
 Bentuk pers ini dapat ditulis :
p1 ( x )=a0 +a1 (x −x0 )
 Yang dalam hal ini
a0 = y 0=f ( x 0) D .1.1
x1
¿
x0
−f (¿)
f¿
( y − y0 )
a1= 1 =¿
( x1−x 0 )
 Persamaan ini merupakan bentuk selish terbagi (divided-difference)
a1=f [ x 1 , x 0 ]
 Polinom kuadratik
p2 ( x )=a0 +a1 ( x−x 0 ) + a2 ( x−x 0 ) ( x−x 1 )
atau
p2 ( x )= p1 ( x )+ a2 ( x−x 0 ) ( x−x 1)
Dari persamaan ini menunjukkan bahwa p2 ( x ) dapat dibentuk dari persamaan
sebelumnya p1 ( x ) . Nilai a2 dapat ditemukan dengan mengganti x=x 2
untuk mendapatkan
f ( x2 ) −a0 −a1 ( x 2−x 0 )
a2= D .1.3
( x 2−x 0 ) ( x 2−x 1 )
jika nilai a0 dan a1 pada persamaan D.1.1 dan D.1.2 dimasukkan ke
persamaan D.1.3 maka akan didapatkan:
x2
¿
x0
−f (¿)
¿
x1
¿
x0
−f (¿)
¿
f¿
¿
a2=¿
jadi, tahapan pembentukan polinom newton:
p1 ( x )= p 0 (x)+a1 (x −x0 )
p1 ( x )=a0 +a1 ( x−x 0 )
 p2 ( x )= p1 ( x )+a2 ( x−x 0 ) ( x−x 1)
p3 ( x )= p 2 ( x ) +a3 ( x−x 0 ) ( x−x 1 )( x−x 2)
 Nilai konstanta a0 , a1 , … , an , merupakan nilai selisih terbagi , dengan
nilai
a0 =f ( x 0 ) a1=f [ x 1 , x 0 ] ⋮=⋮ an =f [x n , x n−1 , … , x 1 , x 0 ]
yang dalam hal ini
xi
¿
xj f [ x i , x j ] −f [ x j , x k ]
−f (¿) f [ x i , x j , x k ] =
x i−x k
f¿
f [ x i , x j ]=¿

f [ x n , x n−1 , … , x 1 , x 0 ] −f [ x n−1 , x n−2 , … , x 1 , x 0 ]

f [ x n , x n−1 , … , x 1 , x 0 ] =
x n−x 0
Karena a0 , a1 , … , an , merupakan nilai selisih terbagi, maka polinom Newton
dinamakan polinom interpolasi selisih terbagi Newton. Nilai selisih terbagi dapat
dihitung dengan menggunakan tabel yng disebut tabel selisih terbagi.

Dengan demikian polinom Newton dapat ditulis dalam hub rekursif sebagai :
 Rekurens
pn ( x ) =p n−1 ( x ) + ( x−x 0 ) ( x−x 1 ) … ( x−x n−1) f [ x n−1 , x n−2 , … , x 1 , x 0 ]

 Basis
p0 ( x ) =f ( x 0 )
E. Interpolasi Kubik
x 0, y 0 x
Misal diberikan empat buah titik data , )(, x 1 , y 1 ), 2 , y 2 ),
¿ ¿
dan ( x 3 , y 3 ).Polinom yang mengiterpolasi keempat buah titik itu ialah
polinom kubik yang berbentuk :
p3 ( x ) = a0 + a1 x+ a2 x 2 + a3 x 3

Polinom p3 ( x ) ditentukan dengan cara berikut:

1.Sulihkan ( x i , y i ) kedalam persamaan (p.5.9), i=0,1,2,3. Sehingga
diperoleh empat buah persamaan dengan empat buah parameter yang tidak
diketahui yaitu a0, a1 , a 2 dan a 3 :
a0 + a1 x o +a 2 x 20 +a3 x 30= y 0
2 3
a0 + a1 x 1 a2 x 1 +a3 x 1= y 1
a0 + a1 x 2 +a2 x 22+ a3 x 32= y 2
2 3
a0 + a1 x 3 +a2 x 3+ a3 x3 = y 3
 Jarak yang dibutuhkan sebuah kendaraan untuk berhenti adalah fungsi
kecepatan. data percobaan berikut ini menunjukkan hubungan antara
kecepatan dan jarak yang dibutuhkan untuk menghentikan kecepatan.
 Perkiraan jarak henti yang dibutuhkan bagi sebuah kendaraan yang melaju
dengan kecepatan 45 mil/jam
Perbedaan Interpolasi IDW dan Kriging
1. Metode Inverse Distance Weighted (IDW)
Metode Inverse Distance Weighted (IDW) merupakan metode
deterministicyang sederhana dengan mempertimbangkan titik disekitarnya
(NCGIA, 1997).Asumsi dari metode ini adalah nilai interpolasi akan lebih
mirip pada data sampel yang dekat daripada yang lebih jauh. Bobot (weight)
akan berubah secara linear sesuai dengan jaraknya dengan data sampel. Bobot
ini tidak akan dipengaruhi oleh letak dari data sampel. Metode ini biasanya
digunakan dalam industri pertambangankarena mudah untuk digunakan.
Pemilihan nilai pada power sangat mempengaruhihasil interpolasi.
Nilai power yang tinggi akan memberikan hasil seperti menggunakan
interpolasi nearest neighbor dimana nilai yang didapatkan merupakannilai
dari data point terdekat. Kerugian dari metode IDW adalah nilai hasil
interpolasi terbatas pada nilaiyang ada pada data sampel. Pengaruh dari data
sampel terhadap hasil interpolasidisebut sebagi isotropic. Dengan kata lain,
karena metode ini menggunakan rata-rata dari data sampel sehingga nilainya
tidak bisa lebih kecil dari minimum atau lebih besar dari data sampel. Jadi,
puncak bukit atau lembah terdalam tidak dapat ditampilkan dari hasil
interpolasi model ini (Watson & Philip, 1985). Untuk mendapatkan hasil yang
 baik, sampel data yang digunakan harus rapat yang berhubungan dengan
variasi lokal. Jika sampelnya agak jarang dan tidak merata,hasilnya
kemungkinan besar tidak sesuai dengan yang diinginkan. Menurut
Pramono(2004), metode IDW cocok digunakan untuk melakukan interpolasi
pada data fisik wilayah pesisir karena tidak menghasilkan nilai melebihi rata-
ratanya.
Hasil dari interpolasi ini tergantung dari:a. Seberapa kuat sebuah titik
data yg diketahui mempengaruhi daerah di sekitarnya(ArcGIS : Power) b.
Jumlah titik di sekitarnya yang digunakan untuk menghitung rata-rata nilaic.
Ukuran pixel/raster yang dikehendaki
2. Metode Interpolasi Kriging
Kriging adalah salah satu metode intepolasi spasial yang memanfaatkan
nilai spasial pada lokasi tersampel untuk memprediksi nilai pada lokasi lain
yang belum dan/atau tidak tersampel. Kriging dibawah asumsi kestasioneran
sehingga jika asumsi kestasioneran tersebut dilanggar maka Kriging
menghasilkan nilai prediksi yang kurang presisif. Selain itu, nilai prediksi
kurang presisif juga dapat dihasilkan jika di antara data yang ada terdapat
pencilan (outlier). Kriging yang umum digunakan diantaranya adalah
Ordinary Kriging yang tidak mengakomodir adanya pencilan. Lebih lanjut
Ordinary Kriging dikembangkan menjadi Robust Kriging yang
mentransformasi bobot variogram sehingga menjadi variogram yang robust
terhadap pencilan (Darmanto dan Soepraptini, [2]).
Metode Kriging adalah estimasi stochastic yang mirip dengan Inverse
Distance Weighted (IDW) dimana menggunakan kombinasi linear dari weight
untuk memperkirakan nilai diantara sampel data. Metode ini diketemukan
oleh D.L. Krigeuntuk memperkirakan nilai dari bahan tambang. Asumsi dari
metode ini adalah jarak dan orientasi antara sampel data menunjukkan
korelasi spasial yang penting dalamhasil (ESRI, 1996).Metode Kriging sangat
banyak menggunakan sistem komputer dalam perhitungan. Kecepatan
perhitungan tergantung dari banyaknya sampel data yangdigunakan dan
cakupan dari wilayah yang diperhitungkan. Tidak seperti metodeIDW,
 Kriging memberikan ukuran error dan confidence. Metode ini
menggunakansemivariogram yang merepresentasikan perbedaan spasial dan
nilai diantara semua pasangan sampel data. Semivariogram juga
menunjukkan bobot (weight) yangdigunakan dalam interpolasi.
Semivariogram dihitung berdasarkan sampelsemivariogram dengan jarak h,
beda nilai z dan jumlah sampel data n. Pada gambar ini juga ditunjukkan
grafik dari sebuah semivariogram. Pada jarak yang dekat (sumbuhorisontal),
semivariance bernilai kecil. Tetapi pada jarak yang lebih besar, semi-variance
bernilai tinggi yang menunjukkan bahwa variasi dari nilai z tidak
lagi berhubungan dengan jarak sampel point. Jenis Kriging yang bisa
dilakukan adalahdengan cara spherical, circular, exponential, gaussian dan
linear (ESRI, 1999).

Daftar Pustaka :
(PDF) PERBANDINGAN INTERPOLASI SPASIAL DENGAN METODE
ORDINARY DAN ROBUST KRIGING PADA DATA SPASIAL
BERPENCILAN (Studi Kasus: Curah Hujan di Kabupaten Karangasem).
Availablefrom:
https://www.researchgate.net/publication/319062514_PERBANDINGAN_IN
TERPOLASI_SPASIAL_DENGAN_METODE_ORDINARY_DAN_ROBU
ST_KRIGING_PADA_DATA_SPASIAL_BERPENCILAN_Studi_Kasus_C
urah_Hujan_di_Kabupaten_Karangasem [accessed Oct 16 2018].