IMPLEMENTASI TEORI INTERPOLASI LAGRANGE KE DALAM BAHASA

PEMROGRAMAN JAVA NETBEANS

Syahbani Farhan1, Aris Gunaryati2

1173112706450124, R02, Metode Numerik
Program Studi Informatika, Fakultas Teknologi Komunikasi dan Informatika
Universitas Nasional, Jl. Sawo Manila No. 61 Pejaten, Jakarta Selatan
1syahbanifarhan@gmail.com

2 1708030212, R02, Metode Numerik

Program Studi Informatika, Fakultas Teknologi Komunikasi dan Informatika
Universitas Nasional, Jl. Sawo Manila No. 61 Pejaten, Jakarta Selatan
2arisgunaryati@gmail.com

ABSTRAK

Java merupakan bahasa pemrograman yang mengadopsi banyak sintaksis dari bahasa C dan C++ namun
dengan model sintaks objek yang lebih sederhana serta dukungan rutin. Aplikasi berbasis java umumnya
dikompilasi kedalam p-code(bytecode) dan dapat dijalankan pada berbagai Mesin Virtual Java. Java juga
merupakan bahasa pemrograman yang bersifat umum/non-spesifik atau general purpose , dan secara khusus
didesain untuk memanfaatkan dependensi implementasi seminimal mungkin. Aproksimasi adalah salah satu
usaha untuk menyajikan data berbentuk grafis menjadi kalimat yang matematis. Secara umum aproksimasi
harus memiliki suatu fungsi yang melewati semua titik yang diketahui atau aproksimasi ini lebih dikenal
sebagai Interpolasi. Karena harus melewati semua titik yang ada, maka aka nada banyak fungsi yang
terpenuhi, kecuali jika fungsi tersebut memiliki syarat tertentu. Interpolasi sendiri yaitu merupakan suatu cara
menentukan nilai yang berada di antara dua nilai. Interpolasi Polinomial Lagrange hampir sama dengan
polinomial Newton, tetapi tidak menggunakan bentuk pembagian beda hingga. Dalam penelitian ini yaitu
mengimplementasikan rumus-rumus metode interpolasi polinomial lagrange ke dalam bahasa pemrograman
java netbeans untuk menyelesaikan masalah tentang pertumbuhan jumlah kedatangan wisatawan
mancanegara tahun 2018.

Kata kunci: java, netbeans, aproksimasi, interpolasi, lagrange, interpolasi lagrange

I. PENDAHULUAN
Dari sekian banyaknya persoalan dalam matematika, beberapa dapat diselesaikan secara analitis (bisa
menghasilkan solusi eksak), adapula yang tidak. Sistem persoalan non-linier berukuran besar adalah contoh
model yang sering kali tidak dapat diselesaikan secara analitik. Diperlukan operasi aritmatis serta penghitungan
iteratif untuk menyelesaikan persoalan seperti itu. Teknik seperti ini biasa disebut Metode Numerik. Metode
Numerik adalah bagian dari suatu ilmu matematika khususnya pada matematika rekayasa yang menggunakan
suatu bilangan untuk mengikuti proses matematika yang selanjutnya proses matematika yang telah dirumuskan
itu digunakan untuk menyelesaikan permasalahan yang ada.
Aproksimasi adalah salah satu usaha untuk menyajikan data berbentuk grafis menjadi suatu kalimat
matematis. Secara umum sebuah aproksimasi harus memiliki suatu fungsi yang melewati semua titik yang ada.
Aproksimasi ini dikenal sebagai interpolasi. Interpolasi dalam metode numerik merupakan suatu pendekatan
numerik yang perlu dilakukan, bila kita memiliki nilai suatu fungsi y = y(x) yang tidak dapat diketahui
perumusannya secara tepat, Pada nilai argumen pada x tertentu, Bila kita nilai pada argumen lain disekitar
argumen yang ingin diketahui
Secara analitik, makin besar derajat polinom yang digunakan, hasil yang diperoleh semakin teliti, tetapi
harus dibayar dengan komputasi yang makin panjang. Perlu diperhatikan, dalam realisasi komputer,
penggunaan polinom dengan derajat yang sangat tinggi tidak selalu memberikan hasil aproksimasi yang lebih
teliti. Hal ini disebabkan oleh makin tinggi derajat polinom yang digunakan akan mengakibatkan perhitungan
yang makin banyak sehingga galat pembulatan akan secara signifikan memengaruhi hasilnya. Jadi, perlu
pengalaman dalam memilih derajat polinom yang sesuai agar diperoleh hasil yang optimal[1].
Salah satu implementasi dari ilmu Matematika dasar dan Sains Komputer adalah interpolasi Lagrange.
Interpolasi Lagrange sangat dikenal dalam metode numerik, karena menggunakan fungsi dalam bentuk
polinomial[2]. Interpolasi Lagrange juga memiliki kelebihan yaitu dalam hal akurasi atau ketelitian[3].

II. LANDASAN TEORI

A. Interpolasi Lagrange
Interpolasi polinomial Lagrange hampir sama dengan polinomial Newton, tetapi tidak menggunakan
bentuk pembagian beda hingga. Interpolasi polinomial Lagrange dapat diturunkan dari persamaan

1
 Newton. Interpolasi Lagrange diterapkan untuk mendapatkan fungsi polinomial P (x) berderajat tertentu
yang melewati sejumlah titik data. Misalnya, kita ingin mendapatkan fungsi polinomial berderajat satu
yang melewati dua buah titik yaitu (x0, y0) dan (x1, y1).

Bentuk umum interpolasi polinomial Lagrange order n adalah:

fn(x) = ∑𝑛𝑖 = 0 𝐿𝑖 (𝑥) f (xi)
dengan
𝑥−𝑥𝑗
Li (x) = ∏𝑛𝑗 = 0  
𝑥𝑖 −𝑥𝑗
𝑗 ≠ 𝑖
Dimana simbol  merupakan perkalian. Dengan menggunakan persamaan-persamaan diatas dapat
dihitung interpolasi Lagrange dengan order yang lebih tinggi lagi, yaitu ada polynomial Lagrange order
1, order 2 serta order 3.

III. METODE PENELITIAN

3.1 Metode Penelitian
Metode penelitian adalah langkah yang dimiliki dan dilakukan oleh peneliti dalam rangka untuk
mengumpulkan informasi atau data serta melakukan investigasi pada data yang telah didapatkan
tersebut. Metode penelitian memberikan gambaran rancangan penelitian. Metode yang dipilih
dengan menggunakan Pendekatan Kuantitatif yaitu Metode Komparatif. Penelitian ini adalah jenis
penelitian kuantitatif. Penelitian kuantitatif adalah penelitian yang banyak dituntut menggunakan
angka mulai dari pengumpulan data, penafsiran terhadap data tersebut serta dalam menampilkan
hasilnya[4].
3.2 Sifat Penelitian
Sifat penelitian ini hanya berupa pengujian hasil dengan menggunakan Aplikasi menghitung
Interpolasi Lagrange dengan menggunakan java netbeans. Pada pengujian ini dengan membuat
suatu aplikasi menghitung Interpolasi Lagrange dimana didalam aplikasi tersebut digunakan untuk
membuktikan apakah perhitungan melalui program dan perhitungan secara eksak sama atau tidak.
3.3 Metode Komparatif
Metode Komparatif ialah metode yang digunakan dalam penelitian yang diarahkan untuk
mengetahui apakah antara dua variable ada perbedaan dalam suatu aspek yang diteliti. Penelitian
dilakukan secara alami, dengan mengumpulkan data dengan suatu instrument. Hasilnya dianalisis
secara statistic untuk mencari perbedaan variable yang diteliti. Dalam hal ini terdapat dua variabel
yang ingin diteliti apakah ada perbedaan yaitu penyelesaian masalah dengan menggunakan program
dan perhitungan eksak.
3.4 Isi Makalah
1. Interpolasi Lagrange
a. Polinomial Lagrange order 1
f1(x) =∑1𝑖 = 0 𝐿𝑖 (𝑥)
f (xi) = L0(x) f (x0) + L1(x) f (x1)
𝑥−𝑥 𝑥−𝑥
L0(x) = (𝑥 −𝑥1 ) L1(x) = (𝑥 −𝑥0 )
0 1 1 0
Sehingga bentuk interpolasi polynomial Lagrange order 1 yaitu sebagai berikut.
𝑥−𝑥1 𝑥−𝑥0
f1(x) = (𝑥 ) f (x0) + (𝑥 ) f (x1)
0 −𝑥1 1 −𝑥0
b. Polinomial Lagrange order 2
F2 (x) =∑2𝑖 = 0 𝐿𝑖 (𝑥) f (xi) = L0(x) f (x0) + L1(x) f (x1) + L2(x) f (x2)
𝑥−𝑥 𝑥−𝑥
I=0 L0(x) = (𝑥 −𝑥1 )(𝑥 −𝑥2 )
0 1 0 2
𝑥−𝑥0 𝑥−𝑥2
I=1 L1(x) = (𝑥 )(𝑥 )
1 −𝑥0 1 −𝑥2
𝑥−𝑥0 𝑥−𝑥1
I=2 L2(x) = (𝑥 )(𝑥 )
2 −𝑥0 2 −𝑥1

Sehingga bentuk interpolasi polinomial Lagrange order 2 adalah:

2
 𝑥−𝑥1 𝑥−𝑥2 𝑥−𝑥0 𝑥−𝑥2
f2 (x) = (𝑥 )(𝑥 ) f (x0) + (𝑥 )(𝑥 ) f (x1)
0 −𝑥1 0 −𝑥2 1 −𝑥0 1 −𝑥2

𝑥−𝑥0 𝑥−𝑥1 𝑥−𝑥0 𝑥−𝑥1

+ (𝑥 )(𝑥 ) f (x2) + (𝑥 )(𝑥 ) f (x3)
2 −𝑥0 2 −𝑥1 3 −𝑥0 3 −𝑥1
c. Interpolasi Lagrange order 3

f3(x) =∑3𝑖 = 0 𝐿𝑖 (𝑥) f (xi) = L0(x) f (x0) + L1(x) f (x1) + L2(x) f (x2) + L3(x) f (x3)

𝑥−𝑥1 𝑥−𝑥2 𝑥−𝑥3 𝑥−𝑥0 𝑥−𝑥2 𝑥−𝑥3

L0(x) =( )(𝑥 )(𝑥 ) L1(x) = ( )(𝑥 )(𝑥 )
𝑥0 −𝑥1 0 −𝑥2 0 −𝑥3 𝑥1 −𝑥0 1 −𝑥2 1 −𝑥3

𝑥−𝑥0 𝑥−𝑥1 𝑥−𝑥3 𝑥−𝑥0 𝑥−𝑥1 𝑥−𝑥2

L2(x) = ( )(𝑥 )(𝑥 ) L3(x) = ( )(𝑥 )(𝑥 )
𝑥2 −𝑥0 2 −𝑥1 2 −𝑥3 𝑥3 −𝑥0 3 −𝑥1 3 −𝑥2

Sehingga bentuk interpolasi polinomial Lagrange order 3 adalah:

𝑥−𝑥1 𝑥−𝑥2 𝑥−𝑥3 𝑥−𝑥0 𝑥−𝑥2 𝑥−𝑥3
f3(x) = (𝑥 )(𝑥 )(𝑥 ) f (x0) + (𝑥 )(𝑥 )(𝑥 ) f (x1)
0 −𝑥1 0 −𝑥2 0 −𝑥3 1 −𝑥0 1 −𝑥2 1 −𝑥3

𝑥−𝑥0 𝑥−𝑥1 𝑥−𝑥3 𝑥−𝑥0 𝑥−𝑥1 𝑥−𝑥2

+ (𝑥 )(𝑥 )(𝑥 ) f (x2) + (𝑥 )(𝑥 )(𝑥 ) f(x3)
2 −𝑥0 2 −𝑥1 2 −𝑥3 3 −𝑥0 3 −𝑥1 3 −𝑥2

2. Algoritma Interpolasi Lagrange

Algoritma dari Interpolasi Lagrange sebagai berikut.
a. Tetapkan jumlah titik yang diketahui.
Untuk menginputkan titik yang diketahui dapat meenggunakan dua array x dan y dengan
jumlah data = jumlah titiknya. Dengan dua array akan lebih mudah mengatur perilaku data
didalam program. Bisa juga menggunakan banyak array sejumlah titik yang diketahui,
sehingga masing-masing pasang data disimpan dalam satu array. Cara ini terlihat lebih
sederhana, tetapi lebih sulit dalam mengatur perilaku data. Dalam implementasi ini
nantinya akan dipilih cara yang pertama, yakni menggunakan dua array x dan y.
b. Mencari nilai Li(x) dan P(x)
Li(x) didapat sejumlah titik yang diketahui, sehingga diperlukan perulangan sebanyak titik
yang diketahui. Demikian pula P(x) merupakan jumlahan dari perkalian yi dan Li(x),
sehingga memerlukan perulangan yang jumlahnya sana dengan proses pencarian Li(x).
Untuk mencari Li(x) diperlukan Qi(x) dan Qi(xi). Karena Qi(x) merupakan hasil perkalian
(x-xi) sejumlah titik yang diketahui, maka diperlukan perulangan lagi untuk mencarinya.
Tetapi yang harus diingat disini adalah bahwa, untuk (x-xi) tersebut tidak ikut dalam hasil
perkalian. Sehingga proses hanya akan dilakukan untuk nilai selain (x-xi). Untuk Qi(xi)
dapat dicari setelah Qi(x) diketahui dengan cara mensubstitusi nilai xi ke dalam Qi(x).
Setelah Qi(x) dan Qi(xi) diketahui dapat dicari Li(x). Danuntuk selanjutnya mencari P(x)
[5].

3
3. Flowchart Program Lagrange Java Netbeans

Gambar 3.1 Flowchart Interpolasi Lagrange

4. Source Code Program Metode Lagrange Java Netbeans
package lagrange;
import java.util.Scanner;
/**
*
* @author syahb
*/
public class Lagrange {
public static void main(String[] args) {
float [] arrayx = new float [200];
float [] arrayy = new float [200];
float pembilang;
float penyebut;
float x = 0, y=0;
int i,j,n;
Scanner input = new Scanner(System.in);
System.out.println("\t Created By");
System.out.println("\tSyahbani Farhan (173112706450124)");
System.out.println("\tKiki Vebiant (173112706450143)");
System.out.println("\tGhifari Yusuf A (173112706450152)");
System.out.println(" ");
System.out.println("\t=============================");
System.out.println("\t METODE NUMERIK LAGRANGE");
System.out.println("\t=============================");
System.out.println(" ");
//Input Jumlah data
System.out.print("Masukkan Jumlah data : ");
n = input.nextInt();
//Input nilai xi
System.out.println("Masukkan nilai xn.");
for( i=0;i<n;i++) {
System.out.print("Masukkan Nilai x" + i + " : " );
arrayx[i] = input.nextFloat();
}
System.out.println("Masukkan nilai yn.");
for (i = 0; i<n ; i++){
System.out.print("Masukkan Nilai y" + i + " : ");
arrayy[i] = input.nextFloat();
}
System.out.print("Masukkan nilai x : ");
x = input.nextFloat();
System.out.println(" ");

4
 for (i = 0; i<n ; i++) {
System.out.println("Hitungan ke-"+i);
pembilang = 1 ; penyebut = 1;
for(j = 0 ; j<n ; j++){
if (j != i) {
pembilang = pembilang * (x - arrayx[j]);
//--------------------
penyebut = penyebut * (arrayx[i] - arrayx[j]);
float pembilang2 = x-arrayx[j];
float penyebut2 = arrayx[i] - arrayx[j];
System.out.println("Pembilang = "+ x + " - " +arrayx[j]+" = "+ (pembilang2));
System.out.println("Penyebut = " + arrayx[i]+" - " + arrayx[j]+" = " + (penyebut2));
System.out.println("===================================================”);
}
} System.out.println(" y = y + (Pembilang/Penyebut) * yn");
System.out.println(">> y"+i+" = "+ arrayy[i] + "(" + (pembilang) +")" + "/" + penyebut);
System.out.println(" y"+i+" = "+(pembilang/penyebut)*arrayy[i]);
System.out.println(" ");
y = y + (pembilang/penyebut) * arrayy[i];
}
System.out.println("Jadi total y = "+ y);
System.out.println ("Maka x = "+ x + " , " + "y = "+ y);
}
}
5. Studi Kasus Permasalahan
Menghitung pertumbuhan Kedatangan Wisatawan Mancanegara Periode tahun 2018 pada bulan
Maret dan bulan Agustus 2018. Berikut merupakan data yang diperoleh.
Tabel 1. Pertumbuhan kedatangan wisatawan Mancanegara Periode tahun 2018
xi (dalam angka) yi (dalam juta)
1 (Januari) 1.097839
2 (Februari) 1.196503
4 (April) 1.302321
5 (Mei) 1.242705
6 (Juni) 1.322674
7 (Juli) 1.547231
9 (September) 1.370943
10 (Oktober) 1.291605
11 (November) 1.157483
12 (Desember) 1.405554

IV. PEMBAHASAN
A. Penyelesaian Interpolasi Metode Lagrange Secara Eksak
1. Mencari data pada bulan maret secara eksak
𝑥−𝑥1 𝑥−𝑥 𝑥−𝑥
 L0(x) =(𝑥 −𝑥
) (𝑥 −𝑥2 ) (𝑥 −𝑥3 ) 𝑦0 = (3−2
1−2
3−4 3−5
) ( ) ( ) 1.097839
1−4 1−5
0 1 0 2 0 3
1 −1 −2
= (−1 ) ( ) ( ) 1.097839
−3 −4
L0(x) = -0.18297317
𝑥−𝑥0 𝑥−𝑥2 𝑥−𝑥3
 L1(x) = (𝑥 )(𝑥 )(𝑥 )y1 = (3−1 3−4 3−5
) ( ) ( ) 1.196503
1 −𝑥0 1 −𝑥2 1 −𝑥3 2−1 2−4 2−5

= (21) (−1
−2
−2
) ( ) 1.196503
−3
L1(x) = 0.7976687

5
 𝑥−𝑥0 𝑥−𝑥1 𝑥−𝑥3 3−1 3−2 3−5
 L2(x) = (𝑥 )(𝑥 )(𝑥 )y2 = (4−1) (4−2) (4−5) 1.302321
2 −𝑥0 2 −𝑥1 2 −𝑥3
= (23) (12) (−2
−1
) 1.302321
L2(x) = 0.868214
𝑥−𝑥0 𝑥−𝑥1 𝑥−𝑥2
 L3(x) = (𝑥 )(𝑥 )(𝑥 )y3 = (3−1 3−2 3−4
) ( ) ( ) 1.242705
3 −𝑥0 3 −𝑥1 3 −𝑥2 5−1 5−2 5−4

= (24) (13) (−1

1
) 1.242705
L3(x) = -0.2071175

 f3(3) = L0(x) + L1(x) + L2(x) + L3(x)

= -0.18297317 + 0.7976687 + 0.868214 +(-0.2071175)
= 1.2757921
2. Pembahasan mencari data pada bulan maret secara eksak
Langkah-langkah menyelesaikan studi kasus permasalahan dengan menggunakan metode
lagrange secara eksak yaitu sebagai berikut.
a. Pertama, dari data yang dimiliki pilih 4 data yang digunakan untuk mencari data pada
bulan maret, yaitu pada bulan januari, februari dan April. Lalu tentukan data mana yang
akan dicari atau tentukan nilai dari x. Pada kasus ini kita nilai x yang ingin kita cari yaitu
3 sebagai ganti dari nama bulan maret.
𝑥−𝑥𝑗
b. Lalu selanjutnya cari nilai Li (x) dengan rumus berikut ( )yi , dilakukan secara
𝑥𝑖 −𝑥𝑗
berulang-ulang sesuai dengan jumlah input yang diinginkan. Pada kasus ini jumlah input
yang dimiliki yaitu 4.
c. Sebagai catatan nilai i dan j tidak boleh memiliki nilai yang sama, dikarenakan bilangan
penyebut akan memiliki nilai 0.
d. Lalu langkah terakhir mencari nilai dari fi(x), yaitu dengan cara menjumlahkan nilai Li
(x) sesuai jumlah data yang telah ditentukan dan telah kita cari sebelumnya. Maka nilai
dari f3(3) yaitu 1.2757921.

3. Mencari data pada bulan agustus secara eksak

𝑥−𝑥9 𝑥−𝑥10
 L0(x) =(𝑥 ) (𝑥 ) 𝑦0 = (8−9 )(
8−10
) 1.547231
7 −𝑥9 7 −𝑥10 7−9 7−10

= (−1
−2
−2
) ( ) 1.547231
−3
L0(x) = 0.5157437

𝑥−𝑥7 𝑥−𝑥10
 L1(x) = (𝑥 ) (𝑥 ) 𝑦1 = (8−7 )(
8−10
) 1.370943
9 −𝑥7 9 −𝑥10 9−7 9−10

= (12) (−2
−1
) 1.370943
L1(x) = 1.370943

𝑥−𝑥7 𝑥−𝑥9 8−7 8−9

 L2(x) = (𝑥 ) (𝑥 ) 𝑦2 = (10−7) (10−9) 1.291605
10 −𝑥7 10 −𝑥9
= (13) (−1
1
) 1.291605
L2(x) = -0.43053502

 f2(8) = L0(x) + L1(x) + L2(x)

= 0.5157437+ 1.370943+ (-0.43053502)
= 1.4561515
4. Pembahasan mencari data pada bulan maret secara eksak
Langkah-langkah menyelesaikan studi kasus permasalahan dengan menggunakan metode
lagrange secara eksak yaitu sebagai berikut.
a. Pertama, dari data yang dimiliki pilih 3 data yang digunakan untuk mencari data pada
bulan agustus, yaitu pada bulan juli, september dan oktober. Lalu tentukan data mana

6
 yang akan dicari atau tentukan nilai dari x. Pada kasus ini kita nilai x yang ingin kita cari
yaitu 8 sebagai ganti dari nama bulan agustus.
𝑥−𝑥𝑗
b. Lalu selanjutnya cari nilai Li (x) dengan rumus berikut ( )yi , dilakukan secara
𝑥𝑖 −𝑥𝑗
berulang-ulang sesuai dengan jumlah input yang diinginkan. Pada kasus ini jumlah input
yang dimiliki yaitu 3.
c. Sebagai catatan nilai i dan j tidak boleh memiliki nilai yang sama, dikarenakan bilangan
penyebut akan memiliki nilai 0.
d. Lalu langkah terakhir mencari nilai dari fi(x), yaitu dengan cara menjumlahkan nilai Li
(x) sesuai jumlah data yang telah ditentukan dan telah kita cari sebelumnya. Maka nilai
dari f2(8) yaitu 1.4561515.

B. Penyelesaian Interpolasi Lagrange dengan Program Java Netbeans

1. Mencari data pada bulan 3 dengan Program Java Netbeans

Gambar 1.1 (a) Mencari Data Bulan Maret dengan Program Java Netbeans Metode
Lagrange 1 (b) Mencari Data Bulan Maret dengan Program Java Netbeans Metode
Lagrange 2

Gambar 1.2 Mencari Data Bulan Maret dengan Program Java Netbeans Metode Lagrange 3

2. Mencari data pada bulan 8 dengan Program Java Netbeans

7
 Gambar 2.1 (a) Mencari Data Bulan Agustus dengan Program Java Netbeans Metode
Lagrange 1 (b) Mencari Data Bulan Agustus dengan Program Java Netbeans Metode
Lagrange 2
V. KESIMPULAN
Metode Numerik adalah bagian dari suatu ilmu matematika khususnya pada matematika rekayasa yang
menggunakan suatu bilangan untuk mengikuti proses matematika yang selanjutnya proses matematika
yang telah dirumuskan itu digunakan untuk menyelesaikan permasalahan yang ada. Aproksimasi adalah
salah satu usaha untuk menyajikan data berbentuk grafis menjadi suatu kalimat matematis. Secara umum
sebuah aproksimasi harus memiliki suatu fungsi yang melewati semua titik yang ada. Aproksimasi ini
dikenal sebagai interpolasi. Interpolasi dalam metode numerik merupakan suatu pendekatan numerik yang
perlu dilakukan, bila kita memiliki nilai suatu fungsi y = y(x) yang tidak dapat diketahui perumusannya
secara tepat, Pada nilai argumen pada x tertentu, Bila kita nilai pada argumen lain disekitar argumen yang
ingin diketahui.
Setelah melakukan penyelesaian studi kasus dengan menghitung secara eksak dan program, maka dapat
disimpulkan bahwa.
1. Penyelesaian menggunakan program interpolasi lagrange java netbeans jauh lebih efektif karena jika
kita bandingkan dengan penyelesaian dengan menghitung eksak, hasilnya menunjukan sama. Namun
dengan syarat apabila algoritma yang dijalankan program sesuai dengan rumus-rumus dari interpolasi
lagrange.
2. Penyelesaian menggunakan eksak dan program akan lebih baik jika data yang dimasukkan semakin
banyak, karena apabila data yang dimasukkan semakin banyak, maka kita dapat menentukan hasilnya
dengan semakin akurat. Namun dengan catatan apabila menyelesaikan dengan menghitung eksak,
akan jauh lebih lama dan kurang efektif karena diharuskan menghitung data satu demi satu.

DAFTAR PUSTAKA
[1] D. Muhammad, “Penggunaan Metode Newton dan Lagrange pada Interpolasi Polinom Pergerakan
Harga Saham : Studi Kasus Saham PT Adaro Energi Tbk .,” 2011, pp. 1–6.
[2] T. Yulianto, N. I. Ulfaniyah, and R. Amalia, “Peramalan HIV Menggunakan Interpolasi Lagrange,”
Zeta – Math J. Vol. 2 No. 1, Mei 2016, vol. 2, no. 1, pp. 3–6, 2016.
[3] M. B. M. Lindaa, Yudha Armana, “Aplikasi Interpolasi Lagrange untuk Menentukan Efisiensi
Turbin PLTU,” Prism. Fis. Vol. IV, No. 01 (2016), Hal. 41 – 44, vol. 4, no. September, pp. 41–44,
2016.
[4] I. Rodliyah, “Aplikasi Interpolasi Lagrange dan Ekstrapolasi dalam Peramalan Jumlah Penduduk,”
2015, pp. 265–272.
[5] Krisnawati, “Implementasi interpolasi lagrange untuk prediksi nilai data berpasangan dengan
menggunakan matlab,” in Seminar Nasional Teknologi 2007 (SNT 2007), 2007, vol. 2007, no.
November, pp. 1–7.