Penghampiran Numerik
Penghampiran Numerik
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
Jadi pemakaian selang yg lebih kecil mengurangi persen galat relatif. Lebih jelasnya
diperlihatkan oleh gambar berikut.
f(x) = ln x
Nilai Sejati
Taksiran 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)
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
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
1,7917595 1,3862944
0,46209813
64
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
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
f ( x1 ) f ( x0 )
f x1 , x0
x1 x0
Pelukisan grafis penentuan beda-beda terbagi hingga diberikan oleh gambar berikut.
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
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 64
f ( x3 ) f ( x2 ) 1,6094 1,7917
f x3 , x 2 0,1823
x3 x 2 56
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 54
- 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
2 x2 1,7917 0,1823
3 x3 1,6094
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
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
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
nb0 b1 xi y i
b x b x
0 i 1 i
2
y i xi
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