Penghampiran Numerik

Beberapa jenis penghampiran numerik yang biasa dihadapi

1. Interpolasi Linier
2. Interpolasi Kuadrat
3. Interpolasi Beda Terbagi Newton
4. Regresi Linier
5. Regresi Non LInier

1. Interpolasi Linier
adalah bentuk interpolasi yang paling sederhana dengan menghubungkan 2 titik data
dengan garis lurus.

f(x1) *

f1(x)
*

f(x0)

x0 x x1
Dengan memakai rumus segitiga sebangun
f1  x   f  x0  f  x1   f  x0 
 ..................................................1)
x  x0 x1  x 0

f  x1   f  x0 
f 1  x   f  x0    x  x0  ....................................2)
x1  x0

Contoh 1.
 Taksir harga ln (2) = ? Jika diketahui:
X Ln (x)
1 0
4 1,3863
6 1,7917

Penyelesaian
Dengan menggunakan persamaan 2), interpolasi linier dari x0 =1 sampai x1 = 6
memberikan ,
ln  6   ln 1
ln  2   ln 1   2  1
6 1

1,7917  0
ln  2   0   2  1
6 1

ln (2) = 0,3583
Jika diketahui nilai sejati ln (2) = 0,69315, maka interpolasi linier dari x0 =1 sampai x1 =
6 memberikan galat (error) sebesar:
0,69315  0,3583
   100%  48,3%
0,69315

Dengan memakai selang yg lebih kecil dari x0 =1 sampai x1 = 4 memberikan ,

1,38629  0
ln  2   0   2  1  0,4621
4 1

Memberikan galat sebesar,

0,69315  0,4621
   100%  33,3%
0,4621

Jadi pemakaian selang yg lebih kecil mengurangi persen galat relatif. Lebih jelasnya
diperlihatkan oleh gambar berikut.
 f(x) = ln x

Nilai Sejati

Taksiran linier

Gambar. Dua interpolasi untuk menaksir ln 2

2. Interpolasi Kuadrat
kurva non linier

kurva linier

Galat dalam contoh sebelumnya disebabkan oleh kenyataan bahwa kurva dihampiri
dengan garis lurus (linier). Sehingga diperlukan strategi untuk memperbaiki taksiran dengan
memperkenalkan suatu kelengkungan ke garis yg menghubungkan titik-titik tsb.

Jika tersedia tiga titik data, interpolasi dapat dilakukan dengan cara interpolasi kuadrat.
Interpolasi kudrat merupakan polinom berderajat dua dengan bentuk umum:
f 2 ( x)  b0  b1  x  x0   b2  x  x0   x  x1  ...........3)

Untuk menentukan konstanta b0, b1, b2 dibutuhkan tiga titik data:

(x0, f(x0)), (x1, f(x1)), ((x2, f(x2))
Substitusi ke persamaan 3)

x = x0  f 2 ( x0 )  b0  b1  x0  x0   b2  x0  x0   x  x1 

b0  f 2 ( x0 ) .......................................................................4)

x = x1  f 2 ( x1 )  b0  b1  x1  x0   b2  x1  x0   x1  x1 
 f 2 ( x1 )  b0
b1  ................................................................5)
x1  x0

Substitusi 4 ke 5
f 2 ( x1 )  f 2 ( x0 )
b1  ..................................................6)
x1  x0

Analog diperoleh untuk x = x2 dan setelah melakukan manipulasi aljabar diperoleh:

f 2 ( x2 )  f 2 ( x1 ) f 2 ( x1 )  f 2 ( x0 )

x2  x1 x1  x0 .................7)
b2 
x2  x0

Contoh 2.
Cocokkan polinom orde kedua terhadap 3 titik yg dipakai dalam contoh 1

x0 = 1 f2(x0) = 0
x1 = 4 f2(x1) = 1,3862944
x2 = 6 f2(x2) = 1, 7917595
Pakailah polinom tsb utk menghitung ln 2.

Penyelesaian

Dgn persamaan 4), diperoleh: b0 = 0

1,3862944  0
Dan persamaan 6), b1   0,46209813
4 1

Serta persamaan 7),

1,7917595  1,3862944
 0,46209813
64
b2    0,051873116
6 1
Dengan mensubstitusikan nilai-nilai ini ke persamaan 3), dihasilkan rumus kuadrat
f 2 ( x)  0  0,4620981  x  1  0,051873116  x  1  x  4

Untuk x = 2 diperoleh: f2 (2) = 0,56584436

Dibanding dengan nilai sebenarnya, diperoleh galat sebesar = 18,4%

3. Polinom Interpolasi Newton

Bentuk umum Polinom orde ke-n,

f n  x   b0  b1  x  x0   b2  x  x0   x  x1     bn  x  x0   x  x1    x  xn 1  .......8)

Seperti sebelumnya untuk interpolasi linier dan kuadrat, titik-titik data dapat dipakai untuk
menghitung koefisien b0, b1, ...., bn. Untuk Bentuk umum Polinom orde ke-n, diperlukan n +
1 titik-titik data : x0, x1, ....., xn. Dengan memakai titik-titik data ini koefisien-koefisiennya
dapat dihitung.

b0  f  x 0 
b1  f  x1 , x0 
b2  f  x 2 , x1 , x 0 


bn  f  x n , x n 1 ,  , x1 , x 0 

Dimana perhitungan fungsi didalam kurung adalah beda terbagi hingga.

- beda terbagi hingga pertama dinyatakan sebagai:

f ( x1 )  f ( x0 )
f  x1 , x0  
x1  x0

- beda terbagi hingga kedua dinyatakan sebagai:

f ( x2 , x1 )  f ( x1 , x0 )
f  x2 , x1 , x0  
x2  x0

-beda terbagi hingga ketiga dinyatakan sebagai:

f ( x3 , x2 , x1 )  f ( x2 , x1 , x0 )
f  x3 , x2 , x1 , x0  
x3  x0
- beda terbagi hingga ke-n dinyatakan sebagai:
f ( xn , xn 1 ,  , x2 , x1 )  f ( xn 1 , xn  2 ,  , x0 )
f  xn ,  , x1 , x0   Substitusi ke
xn  x0
persamaan 8) diperoleh:
 f n  x   f  x 0   f  x1 , x 0   x  x 0   f  x 2 , x1 , x 0   x  x 0   x  x1   
 f  x n ,  , x1 , x 0   x  x 0    x  x n 1 

Pelukisan grafis penentuan beda-beda terbagi hingga diberikan oleh gambar berikut.

i xi f(xi) Pertama Kedua Ketiga

0 x0 f(x0) f  x1 , x0  f  x 2 , x1 , x 0  f  x3 , x2 , x1 , x0 

1 x1 f(x1) f  x 2 , x1  f  x3 , x 2 , x1 

2 x2 f(x2) f  x 2 , x3 

3 x3 f(x3)

Contoh
Penggunaan polinom interpolasi Newton untuk menaksir ln (2) pada contoh sebelumnya, jika
diberikan tambahan data untuk titik ke-empat (x3 = 5, f(x3) = 1,6094).
Persamaan polinom orde ke tiga (n = 3) adalah:

f 3  x   f  x0   f  x1 , x0   x  x0   f  x2 , x1 , x0   x  x0   x  x1  
f  x3 , x2 , x1 , x0   x  x0  x  x1  x  x2 

- beda terbagi hingga pertama adalah:

f ( x1 )  f ( x0 ) 1,3863  0
f  x1 , x0     0,4621
x1  x0 4 1
f ( x2 )  f ( x1 ) 1,7917  1,3863
f  x2 , x1     0,2027
x2  x1 64
f ( x3 )  f ( x2 ) 1,6094  1,7917
f  x3 , x 2     0,1823
x3  x 2 56

- beda terbagi hingga kedua dinyatakan sebagai:

f ( x2 , x1 )  f ( x1 , x0 ) 0,2027  0,4621
f  x2 , x1 , x0      0,05187
x2  x0 6 1
 f ( x3 , x2 )  f ( x2 , x1 ) 0,1823  0,2027
f  x3 , x2 , x1      0,0204
x3  x1 54
- beda terbagi hingga ketiga dinyatakan sebagai:
f ( x3 , x2 , x1 )  f ( x2 , x1 , x0 )
f  x3 , x2 , x1 , x0  
x3  x0
 0,0204  ( 0,05187)
  0,0079
5 1

Dapat dilukiskan dengan gambar berikut.

i xi f(xi) Pertama Kedua Ketiga

0 x0 0 0,4621 -0,05187 0,0079

1 x1 1,3863 0,2027 -0,0204

2 x2 1,7917 0,1823

3 x3 1,6094

Hitung harga bo, b1, b2, dan b3.

Substitusi harga –harga tersebut ke persamaan umum (Persamaan 8).

4. Regresi Linier Lihat Reglin.ppt
STRATEGI: Pencocokan kurva dengan mencari Galat/Sisa (Error) sekecil mungkin

Pencocokan garis lurus terhadap suatu himpunan pasangan data: (x1, y1), (x2, y2),
(x3, y3), ....., (xn, yn), diberikan oleh persamaan berikut,
y = b0 + b1 x + E
Dimana b0 dan b1 adalah koefisien-koefisien yang masing-masing mewakili
perpotongan (intersep), kemiringan (slope) dan E adalah galat atau sisa.
Jika disusun ulang:

E = y - b 0 - b1 x
Galat atau sisa adalah ketidaksesuaian antara nilai y yang sejati dan nilai hampiran. Salah
satu strategi untuk mencocokkan garis terbaik melalui data adalah meminimumkan jumlah
kuadrat galat atau sisa, sepeti dalam:
n n
Sr   Ei 2    yi  b0  b1 x1 
2
.................8)
i 1 i 1

Sr dikehendaki nol atau sekecil mungkin.

Pencocokan kurva dengan regresi linier diperlihatkan oleh gambar berikut.
 9

7
Sr

5
Sr
Sr
4

3 Sr
Sr
2

1
0 1 2 3 4 5 6

CONTOH:

5
y  1.3 x
4

0
0 1 2 3 4 5 6

X Y Y Error
Data Sebenarnya Model (y = 1.3 x) (E2)
1 0.5 1.3 0.64
 2 4 2.6 1.96
3 3 3.9 0.81
4 6 5.2 0.64
5 6 6.5 0.25
S = 4.3

Dikehendaki nol atau sekecil mungkin

Untuk menentukan nilai-nilai b0 dan b1, persamaan 8 didefenisikan terhadap masing-

masing koefisien.
Sr
 2  yi  b0  b1 xi 
b0

Sr
 2   yi  b0  b1 xi  xi 
b1

Dengan menetapkan turunan-turunan ini sama dengan nol akan menghasilkan Sr yang
minimum. Sehingga persamaan dapat diungkapkan sebagai,
0   y i   b0   b1 xi

y x   b0 xi   b1 xi
2
0 i i

Karena bo = nao, (n = jumlah data), persamaan-persamaannya dapat diungkapkan sebagai

sistem dua persamaan linier dengan dua variabel (bo dan b1). Disusun kembali menjadi,

nb0   b1 xi  y i

b x  b x
0 i 1 i
2
  y i xi

Dengan cara eliminasi Gauss diperoleh,

n  y i x i   xi  y i
b1 
n xi    xi 
2 2

b0  y  b1 x
Dimana y dan x adalah rata-rata dari x dan y.
Contoh:
Ingin dicocokkan sebuah garis lurus untuk nilai-nilai x dan y berikut ini
X Y
1 0.5
2 2.5
3 2.0
4 4.0
5 3.5
6 6.0
7 5.5