LAPORAN PENDAHULUAN
PRAKTIKUM FISIKA KOMPUTASI I
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
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).
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
VI. Flowchart
Kasus 1
Mulai
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
Posisi_baru = Subprogram
interp1(waktu,posisi,waktu_baru)
Cetak matriks
posisi_baru
Selesai
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)
Kasus 1
Kasus 2
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
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
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.