LAPORAN AKHIR

PRAKTIKUM FISIKA KOMPUTASI I

INTERPOLASI DAN EKSTRAPOLASI

NAMA : DZAFIRA UTAMI

NIM : 08021181722001
HARI / TANGGAL : RABU / 17 APRIL 2019
KLOTER : I (SATU)
ASISTEN : 1. DIAN RETNO SARI
2. SABILA VERONICA
3. KURNIA RAHMASARI

LABORATORIUM FISIKA KOMPUTASI

JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SRIWIJAYA
2019
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

LAPORAN PENDAHULUAN
PRAKTIKUM FISIKA KOMPUTASI I

I. Nomor Percobaan : 8 (Delapan)

II. Nama Percobaan : Interpolasi dan Ekstrapolasi
III. Tujuan Percobaan :
1. Praktikan dapat memahami dan menerapkan konsep interpolasi dan
ekstrapolasi dalm bidang fisika

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

IV. Dasar Teori

Dalam bidang keilmuan fisika atau secara umum pada bidang sains dan teknik
sering kali data hasil eksperimen hanya terdiri dari sekelompok data diskrit yang
terbatas jumlahnya. Kadang kala diperlukan untuk mengetahui data yang belum didapat
dari pengukuran (eksperimen) yang berada diantara dua titik data yang sudah diketahui.
Hal ini dapat dicapai dengan menerapkan interpolasi. Interpolasi adalah suatu metode
untuk menghasilkan titik-titik data baru dalam range sekumpulan titik-titik data yang
sudah ada. Sedangkan ekstrapolasi dapat dimaknai sebagai cara untuk mengetahui titik-
titik data yang baru yang melampaui (diluar range) titik-titik data yang sudah ada
(Irfan dkk.,2018).
Interpolasi merupakan suatu pendekatan numerik yang perlu dilakukan, bila
diperlukan nilai suatu fungsi y = y(x) yang tidak diketahui perumusannya secara tepat,
pada nilai argumen x tertentu, bila nilainya pada argumen lain di sekitar argumen yang
diinginkan diketahui. Lebih sederhananya interpolasi adalah suatu teknik untuk mencari
harga fungsi di suatu titik di antara dua titik yang harga fungsinya sudah diketahui atau
cara penaksiran harga y pada saat x berada di luar tabel tetapi masih berada dalam
interval–interval data yang ada yaitu y [ x 0 , x n ].
Polinomial biasa digunakan sebagai fungsi pendekatan pada kebanyakan ma-
salah-masalah analisa numerik karena struk-turnya yang sederhana, sehingga
menyebab-kan polinomial dapat digunakan secara efektif. Harga–harga fungsi di titik–
titik yang diketahui membentuk polinomial berderajat lebih kecil atau sama dengan n,
polinomial ini disebut polinomial interpolasi. Titik x* yang ingin diketahui harga
fungsinya dimasukkan ke dalam polinomial tersebut (Fatimah, 2015).
Ada beberapa rumus interpolasi, diantaranya interpolasi diferensi terbagi
Newton, interpolasi lagrange dam interpolasi spline. Interpolasi diferensi terbagi
newton terbagi lagi menjadi interpolasi linier dan interpolasi kwadratik. Interpolasi
polinomial ini kemudian memberikan sebuah formula untuk menghitung nilai-nilai
antara.

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

Gambar 8.1 Contoh polinomial interpolasi orde: (a). pertama, (b). kedua, (c). ketiga
Interpolasi Linier
Bentuk interpolasi yang paling mudah adalah menghubungkan dua buah titik
data dengan sebuah garis lurus. Teknik ini dan sebagainya interpolasi linier dan
dilukiskan secara grafis pada gambar 2 dengan menggunakan segitiga sebangun.
f 1 ( x )−f (x 0 ) f ( x1 ) −f (x0 )
= …….(8.1)
x−x 0 x 1−x 0
Kemudian dapat diatur kembali supaya memenuhi sebuah formula interpolasi linier.
f ( x 1) −f (x 0)
f ( x )=f ( x 0 ) + ( x−x 0 ¿ ……(8.2)
x 1−x 0
Notasi f1(x) menandakan bahwa rumus tersebut adalah sebuah polinomial interpolasi
orde pertama. Perhatikan bahwa disamping menyatakan skope dari gambar yang
menghubungkan titik. Umumnya semakin kecil interval diantara titik-titik data,
aproksimasinya semakin baik.

Gambar 8.2 Luas segitiga sebangun yang digunakan untuk interpolasi linier
Untuk n + 1 titik-titik data, terdapat satu dan hanya satu polinomial orde ke-n atau
kurang yang melewati semua titik. Misalnya hanya terdapat satu garis lurus (yakni
polinomial orde pertama) yang menghubungkan kedua titik seperti gambar 8.1.a di atas
(Hartono, 2006).
Interpolasi linier adalah interpolasi yang menggunakan polinomial orde-1.
Polinom yang menginterpolasinya adalah persamaan garis lurus atau polinomial
berderajat satu. Interpolasi linier ini sederhana sehingga mudah diterapkan, namun akan
mempunyai error yang besar apabila fungsi yang diinterpolasi bukanlah fungsi linier.
Interpolasi Lagrange
Interpolasi Lagrange diterapkan untuk mendapatkan fungsi polinomial P(x)
berderajat tertentu yang melewati sejumlah titik data. Sebagai contoh, misalkan terdapat

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

tiga titik yaitu ( x o, y o), ( x 1, y 1), dan ( x 2, y 2). Tentukanlah fungsi polinomial yang
melewati ketiganya!
Untuk menyelesaikan kasus ini, definisikan fungsi berikut ini:
( x−x 1 ) (x−x 2 )
Lo ( x ) =
(x ¿ ¿ 0−x 1 )( x ¿ ¿ 0−x 2) ¿ ¿

( x−x 0 ) (x−x 2)
L1 ( x ) = …..(8.3)
(x ¿ ¿ 1−x 0)(x ¿ ¿ 1−x 2 )¿ ¿

( x−x 0 ) (x−x 1)
L2 ( x ) =
(x ¿ ¿ 2−x 0 )( x ¿ ¿ 2−x1 )¿ ¿
Kemudian definisikan fungsi polinomial sebagai berikut:
P ( x ) =Lo ( x ) + L1 ( x ) + L2 ( x ) y 2 …….(8.4)
Substitusikan persamaan (1) ke persamaan (2) makan akan diperoleh persamaan (3):
( x−x 1 ) ( x−x 2)
P ( x) =
( x −x0 ) ( x−x 2)
( x ¿ ¿ 0−x 1)( x ¿ ¿ 0−x 2) y 0+ ¿¿
( x−x 0 ) (x−x 1)
( x ¿ ¿ 1−x0 )(x ¿ ¿ 1−x 2) y 1+ ¿¿
(x ¿ ¿ 2−x 0)( x ¿ ¿ 2−x 1) y 2 ¿ ¿
.…..(8.5)
Jika diperhatikan nampak bahwa persamaan 8.3 merupakan polinomial berderajat 2
(Irfan dkk.,2018).
Interpolasi Cubic Spline
Kata kubik sering dihubungkan dengan satuan volume, misalnya meter-kubik
(m3) atau centimeter-kubik (cm3). Kubik itu sendiri artinya adalah pangkat 3.
Bandingkan dengan kata persegi yang berhubungan dengan satuan luas, misalnya
meter-persegi (m2) atau kilometer-persegi (km2). Dalam konteks pembahasan interpolasi
cubic spline, kita akan menggunakan pendekatan polinomial pangkat 3 atau berderajat 3
untuk menghubungkan sejumlah titik dalam suatu koordinat.
Apa bedanya dengan Lagrange? Disini dibuat segmen-segmen kurva polinomial
berderajat 3 diantara titik-titik yang sudah diketahui. Itulah penjelasan dari kata spline
yang merupakan singkatan dari separation line. Untuk bisa menghasilkan kurva,
interpolasi cubic spline menciptakan sejumlah fungsi polinomial S(x) yang merupakan
potongan fungsi polinomial kecil-kecil berderajat tiga (cubic) yang saling sambung-
menyambung untuk menghubungkan dua titik yang bersebelahan (Suparno, 2012).

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

Mengenai interpolasi titik-titik data ( x 0 , y 0 ) sampai ( x n , y n ) menggunakan suatu

polinomial berderajat n. Namun terdapat kasus dimana fungsi-fungsi ini memberikan
hasil yang salah. Pendekatan alternatifnya adalah menerapkan polinomialpolinomial
berderajat lebih rendah pada sebagian titik data. Polinomial penghubung tersebut
dinamakan fungsi-fungsi spline.
Spline merupakan suatu kurva yang dibangun dari potongan-potongan
polynomial (picewise polynomial) dengan titik-titik belok disebut knot. Salah satu
model Interpolasi spline yang dapat di terapkan dalam mencari titiktitik belok ialah
Interpolasi spline Kuadratik. Interpolasi spline Kuadratik digunakan untuk mencari 3
buah titik data yang terletak di antara beberapa titik yang terdeteksi, misalnya: P1( x 1 , y 1
), P2( x 2 , y 2) dan P3( x 3 , y 3) dengan menggunakan pendekatan fungsi kuadrat (Magfira
dkk., 2015).
Ada tiga macam metode ekstrapolasi yang dapat digunakan untuk integrasi:
Pertama, Ekstrapolasi Richardson. Tujuan ekstrapolasi Richardson ialah menghitung
nilai integrasi yang lebih baik (improve) dibandingkan dengan I. Misalkan J adalah nilai
integrasi yang lebih baik daripada I dengan jarak antar titik adalah h diperoleh:
I ( h )−I (2 h)
J=I ( h ) + q …..(8.6)
2 −1
Ekstrapolasi Richardson dapat kita artikan sebagai berikut: Mula-mula hitunglah nilai
integrasi dengan kaidah yang sudah baku dengan jarak antar titik selebar h untuk
mendapatkan I(h), kemudian hitung kembali nilai integrasi dengan jarak antar titik
selebar 2h untuk memperoleh I(2h). Akhirnya, hitung nilai integrasi yang lebih baik
dengan menggunakan persamaan ekstrapolasi Richardson (Nirsal, 2014).

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

V. Algoritma
Kasus 1
Step 1 : Mulai
Step 2 : Inisialisasi fungsi interp1 dengan parameter masukan waktu,posisi, waktu_baru
dan parameter keluaran posisi_baru
Inisialisasi matriks posisi = [0 0.5 2.0 6.0 16.0 30.0 32.0]
Inisialisasi matriks waktu = [0 5 10 15 25 40 45]
Inisialiasi matriks waktu_baru = [3 8 13]
Inisialisasi matriks posisi_baru
Step 3 : Cetak matriks posisi
Cetak matriks waktu
Cetak matriks waktu_baru
Step 4 : Proses Posisi_baru = Subprogram interp1(waktu,posisi,waktu_baru)
Proses Pemanggilan fungsi interp1
Step 5 : Cetak matriks posisi_baru
Step 6 : Selesai
Kasus 2
Step 1 : Mulai
Step 2 : Inisialisasi fungsi interp1 dengan parameter masukan waktu,posisi, waktu_baru
dan parameter keluaran posisi_baru
Inisialisasi matriks posisi = [0 0.25 1 2.25 4 6.25 9 12.25 16]
Inisialisasi matriks waktu = [0: 0.5: 4]
Inisialiasi matriks waktu_baru = [0.25 0.75 1.25 2.75]
Inisialisasi matriks posisi_baru

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

Step 3 : Cetak matriks posisi

Cetak matriks waktu
Cetak matriks waktu_baru
Step 4 : Proses Posisi_baru = Subprogram interp1(waktu,posisi,waktu_baru)
Proses Pemanggilan fungsi interp1
Step 5 : Cetak matriks posisi_baru
Step 6 : Selesai

VI. Flowchart
Kasus 1

Mulai

Inisialisasi fungsi interp1 dengan parameter

masukan waktu,posisi, waktu_baru dan
parameter keluaran posisi_baru
Inisialisasi matriks posisi =
[0 0.5 2.0 6.0 16.0 30.0 32.0]
Inisialisasi matriks waktu =
[0 5 10 15 25 40 45]
Inisialiasi matriks waktu_baru =
[3 8 13]
Inisialisasi matriks posisi_baru

Cetak matriks posisi

Cetak matriks waktu
Cetak matriks waktu_baru

Posisi_baru = Subprogram
interp1(waktu,posisi,waktu_baru)

Cetak matriks
posisi_baru
Fakultas MIPA – Jurusan Fisika
Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

Selesai

Kasus 2

Mulai

Inisialisasi fungsi interp1 dengan parameter

masukan waktu,posisi, waktu_baru dan
parameter keluaran posisi_baru
Inisialisasi matriks posisi =
[0 0.25 1 2.25 4 6.25 9 12.25 16]
Inisialisasi matriks waktu = [0: 0.5: 4]
Inisialiasi matriks waktu_baru =
[0.25 0.75 1.25 2.75]
Inisialisasi matriks posisi_baru

Cetak matriks posisi

Cetak matriks waktu
Cetak matriks waktu_baru

Posisi_baru = Subprogram
interp1(waktu,posisi,waktu_baru)

Cetak matriks
posisi_baru

Selesai

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

VII. Listing
Kasus 1
Clear all
clc
posisi =[0 0.5 2.0 6.0 16.0 30.0 32.0]
waktu = [0 5 10 15 25 40 45]
waktu_baru = [3 8 13]
posisi_baru = interp1 (waktu, posisi, waktu_baru)
Kasus 2
Clear all
clc
posisi =[0 0.25 1 2.25 4 6.25 9 12.25 16]
waktu = [0: 0.5: 4]
waktu_baru = [0.25 0.75 1.25 2.75]
posisi_baru = interp1 (waktu, posisi, waktu_baru)

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

VIII. Tugas pendahuluan

1. Tuliskan minimal tiga metode interpolasi yang Anda ketahui.
2. Tuliskan minimal tiga metode ekstrapolasi yang Anda ketahui.
Jawab :
1. Metode Interpolasi linier, Interpolasi Lagrange, Interpolasi polinomial.
2. Metode ekstrapolasi linier , polinomial, kurva perancis.

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

IX. Data Hasil Pengamatan

Kasus 1

Kasus 2

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

X. Analisa
Baik pada kasus 1 dan kasus 2 dapat diselesaikan dengan interpolasi linier
karena kedua kasus tersebut memiliki persamaan yang sama. Dimana, Saat nilai waktu
membesar, maka nilai posisi nya juga semakin jauh atau ikut membesar. Begitu juga
sebaliknya. Hal ini menyatakan bahwa perbandingan variabel waktu dan posisi
termasuk perbandingan senilai. Artinya interpolasi linier dapat dilakukan pada dua
variabel yang memiliki perbandingan senilai.
Dilihat secara global, program ini cukup singkat karena yang terjadi dalam
program ini hanya inisialisasi posisi dan waktu tempuh hasil pengukuran. Lalu untuk
mengetahui posisi baru pada waktu ke-n, cukup menambahkan inisialisasi waktu baru
yang akan dicari posisi baru nya. Pencarian posisi baru ini memanfaatkan fungsi interp1
dengan ketiga parameter masukan yang disebutkan tadi. Fungsi interp1 ini berisi rumus
interpolasi linier yang telah ada di library MatLab. Sehingga untuk melakukan
interpolasi linier, cukup menggunakan fungsi interp1 ini tanpa perlu membuat
subprogram interpolasi linier yang baru.
Karena interpolasi hanya dapat dilakukan untuk meramalkan data yang tidak
diketahui didalam data pengukuran, alhasil fungsi interp1 hanya dapat digunakan untuk

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

mencari posisi baru di waktu yang berada didalam range waktu pengukuran. Untuk
mencari posisi baru di waktu yang berada diluar range waktu pengukuran, maka
alternatif nya harus menggunakan extrapolasi atau fungsi fnxtr di MatLab.
Meskipun listing dari kedua program hampir mirip, namun penulisan waktu
temputh yang dialami kedua kasus di dua program tersebut ditulis dengan cara yang
berbeda. Karena kasus 1 pengukuran waktu nya tidak konstan, maka saat dilakukan
interpolasi penulisan waktu nya harus ditulis semua. Sedangkan pada kasus 2,
pengukuran waktu nya konstan dengan interval 0.5 detik tiap waktu, penulisan waktu
tempuh kasus 2 di listing pun dapat disingkat dengan cukup menuliskan tiga bilangan.
Pertama waktu awal dari pengukuran. Kedua, interval antara tiap waktu tempuh dan
ketiga, waktu akhir pengukuran.

XI. Kesimpulan
1. Interpolasi linier dapat dilakukan pada dua variabel yang memiliki perbandingan
senilai.
2. Untuk melakukan interpolasi linier, cukup menggunakan fungsi interp1 ini tanpa
perlu membuat subprogram interpolasi linier yang baru..
3. Fungsi interp1 hanya dapat digunakan untuk mencari posisi baru di waktu yang
berada didalam range waktu pengukuran
4. Penulisan data variabel tergantung dari data pengukurannya apakah konstan atau
tidak. Jika konstan cukup ditulis nilai awal, interval dan nilai akhir

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASII

DAFTAR PUSTAKA

Fatimah, N., 2015. Aplikasi Interpolasi Newton Menggunakan Bordland Delphi 5.0.
Jurnal Teknologi dan Rekayasa, 1(20) : 3.
Hartono, D. K., 2006. Implementasi Metode Interpolasi Linear Untuk Pembesaran
Resolusi Citra. Jurnal Teknoin, 3(11): 220-221.
Irfan, M. dkk., 2018. Modul Praktikum Fisika Komputasi 1. Indralaya: Universitas
Sriwijaya.
Magfira, B. D., Ernawati dan Andreswari, D., 2015. Aplikasi Peningkatan Resolusi
Citra Motif Batik Menggunakan Metode Interpolasi Spline Kuadratik (Studi
Kasus: Citra Motif Batik Besurek Kota Bengkulu). Jurnal Rekursif, 2(3) : 2.
Nirsal, 2014. Penggunaan Ekstrapolasi untuk Menyelesaikan Fungsi Integral Tentu.
Jurnal Ilmiah d’ComPutarE, 1(4): 48-49.
Suparno, S., 2013. Komputasi untuk Sains dan Teknik Menggunakan Matlab Edisi IV.
Jakarta : Departemen Fisika FMIPA Universitas Indonesia.

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya