LEMBARAN KERJA MAHASISWA

A. Judul: Interpolasi dan Ekstrapolasi

B. Petunjuk Belajar
1. Bacalah dengan cermat dan teliti serta pahami isi Lembaran Kerja Mahasiswa dengan baik.
2. Jawablah setiap pertanyaan konsepsi awal anda dengan jujur sesuai dengan pemahaman
saudara masing-masing (tidak perlu bertanya kepada teman) penelitian pada bagian ini kejujuran
saudara menjawab, bukan ketepatan suadara menjawab .
3. Tuliskan gagasan saudara untuk menenentukan nilai suatu fungsi diantara dua nilai yang
diketahui .
4. Tuliskan gagasan saudara untuk menenentukan nilai suatu fungsi diluar interval yang diberikan.
5. Kerjakan tugas pendahuluan yang diberikan
6. Buatlah persamaan iterasi dan Algoritma untuk menentukan titik dengan interpolasi linear
7. Buatlah persamaan iterasi dan Algoritma untuk menentukan titik dengan interpolasi kuadrat
8. Buatlah persamaan iterasi dan Algoritma untuk menentukan titik dengan interpolasi lagrange
9. Ikuti tes pendahuluan setiap memulai praktikum
10. Buatlah coding berdasarkan Algoritma yang telah di bahas untuk interpolasi dan ekstrapolasi
gagasan yang sudah secara individual.
11. Gunakan algoritma dan coding yang telah suadara bangun untuk menyelesaikan permasalahan
yang identik, seperti menghitung …
12. Kerjakan semua soal evaluasi secara individu untuk mengukur kemampuanmu
13. Tanyakan kepada dosen jika terdapat hal-hal yang kurang kamu pahami.
C. Kompetensi yang Akan Dicapai
1. Membuat tabel beda newton untuk interpolasi linear.
2. Menentukan harga suatu titik dengan bantuan titik sebelumnya dengan menggunakan teknik
interpolasi linear.
3. Menentukan harga suatu titik dengan bantuan titik sebelumnya dengan menggunakan teknik
interpolasi kuadrat.
4. Menentukan harga suatu titik dengan bantuan titik sebelumnya dengan menggunakan teknik
interpolasi Lagrange
D. Informasi Pendukung (Mengetahui pra-konsepsi mahasiswa)
Pada dunia nyata, data sering kali tidak tersaji secara lengkap. Seringkali terdapat nilai data
yang hilang (missing value). Kondisi lain yang muncul dari data yang kita miliki bernilai jauh
berbeda dengan mayoritas data yang kita miliki. Nilai tersebut akan menentukan hasil analisis
 atau uji statistik yang kita lakukan, terlebih jika uji statistik yang kita lakukan menggunakan
metode parametrik. Apa yang akan suadara lakukan menghadapi kondisi seperti ini.
1. Saudara diberikan data hasil pengamatan posisi pesawat terbang dari bendara setiap 5 menit
seperti tabel berikut:
Waktu (menit) 5 10 15 20 25 30
Posisi (km) 10 75 150 225 450 700
Bagaimana cara Saudara mengetahui pesawat setelah terbang selama 7 menit dan setelah
terbang selama 40 menit.
E. Pernyataan (Konflik Kognitif)
Pada dunia nyata, data sering kali tidak tersaji secara lengkap. Seringkali terdapat nilai data
yang hilang (missing value). Terdapat banyak penyebab dari kondisi tersebut, baik akibat kesalahan
manusianya maupun keterbatasan kemampuan alat ukur. Kondisi lain yang muncul dari data yang kita
miliki adalah adanya outlier atau nilai yang berbeda jauh dengan mayoritas data yang kita miliki. Nilai
tersebut akan menentukan hasil analisis atau uji statistik yang kita lakukan, terlebih lagi jika uji
statistik yang kita lakukan menggunakan metode parametrik. Sejumlah peneliti memilih untuk
menghapus data tersebut. Hal ini dapat dilakukan jika jumlah data yang kita miliki cukup besar.
Bagaimana jika data yang kita miliki sedikit dan pengukuran ulang cukup mahal atau cukup sulit
dilakukan?
F. Pernyataan (Disclosure)
Terdapat banyak cara untuk menangani kondisi-kondisi tersebut di atas, ungkapkan ide-ide saudara
cara penanggulangi permasalahan di atas ……………………………………………
……………………………………………….
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
…………………………………………………………............
G. Ringkasan Teori
Pengukuran dalam suatu survei atau penelitian, tidak mungkin dilakukan dengan jarak (spasi)
yang sangat rapat, karena membutuhkan waktu yang lama dan mahal. Terutama untuk mengukuran
ekplorasi pada daerah yang luas, berbahaya, ataupun mengukuran dengan menggunakan peralatan
yang mahal biaya operasionalnya seperti seimik, geolistrik, gaya berar pada geofisika, pendektesian
sebaran radiasi pada fisika inti dan sebagainya. Biasanya pengukuran dilakukan dengan spasi tertentu,
untuk meramalkan kondisi secara umum daerah survei dan mengambil keputusan setelah pengukuran
dilakukan. Untuk mengatasi hal ini biasanya digunakan teknik interpolasi atau ekstrapolasi. Bila kita
mempunyai n + 1 buah titik data yang berupa pasangan bilangan ( ( X o , f 0) , , ( X 1, f 1) , ( X 2, f 2 )

…….. (X n,f n) dengan x0, x1, x2 ……….xn semuanya berbeda, kemudian kita ingin mencari suatu harga

pada Pn (x) pada setiap xj yang mempunyai nilai fj dengan fungsi

po ( x o ) =f o pn ( x 1 ) =f 1 pn ( x n )=f n
, , …………
dimana Pn disebut dengan polinom penginterpolasi yang dapat digunakan untuk mendapatkan nilai-
nilai untuk semua harga x yang tidak dilakukan pengukurannya. Harga pada daerah yang tidak
dilakukan pengukuran tersebut dapat diperoleh dengan interpolasi. Teknik interpolasi yang dapat
digunakan antara lain interpolasi linear, kuadrat, beda terbagi Newton, dan interpolasi Lagrange,
bahkan juga dapat dengan teknik ekstrapolasi ataupun interpolasi invers.
1. Interpolasi Linear
Interpolasi linear atau interpolasi lanjar adalah interpolasi dua buah titik dengan sebuah garis
lurus. Misal diberikan dua buah titik, (x0,y0) dan (x1,y1). Polinom yang menginterpolasi kedua titik itu
adalah persamaan garis lurus yang berbentuk:
P ( x ) =a0 +a 1 x
Gambar dibawah ini memperlihatkan garis lurus yang menginterpolasi titik-titik (x0,y0) dan (x1,y1).

Gambar : Interpolasi Linier

Koefisien a 0 dan a 1 dicari dengan proses substitusi dan eliminasi. Dengan mensubstitusikan ( x 0 , y 0 )

dan ( x 1 , y 1 ) ke dalam persamaan p1 ( x )=a0 +a1 x diperoleh dua persamaan linear:

y 0=a0 +a1 x 0 . . . . . . . (1)

y 1=a0 +a1 x1 . . . . . . . (2)
Dari dua persamaan diatas, dengan eliminasi diperoleh:

y 0− y1 =( a0 + a1 x 0 )−(a ¿ ¿ 0+a1 x1 )¿
y 0− y1 =a1 x0 −a1 x1 ⇔ y 0− y 1=a 1( x ¿ ¿ 0−x 1)¿
 y 0− y 1
⇔ a1=
x 0−x 1
Substitusikan nilai a 1 ke dalam persamaan (1), diperoleh:

y 0=a0 +a1 x 0
y 0− y 1
⇔ y 0=a0 + (x 0−x 1 0 )
x

x 0 y 0 −x0 y 1
⇔ y 0=a0 +
x 0 −x1
x y −x y
⇔ y 0=a0 + 0 0 0 1
x 0 −x1
x 0 y 0−x 0 y 1
⇔ a0 = y 0 −
x 0−x 1
y (x −x )−x0 y 0 + x 0 y 1
⇔ a0= 0 0 1
x 0−x 1
x 0 y 0 −x1 y 0−x 0 y 0+ x0 y 1
⇔ a0 =
x 0−x 1
x y −x y
⇔ a0= 0 1 1 0
x 0−x 1

Dengan melakukan manipulasi aljabar untuk menentukan nilai p1 ( x ) dapat dilakukan sebagai berikut:

p1 ( x )=a0 +a1 x

x 1 y 0 −x 0 y 1 y 1 – y 0
p1 ( x )= + x
x1 −x0 x 1−x 0
x 1 y 0 −x 0 y 1 + xy 1 – x y 0
p1 ( x )=
x1 −x0

x 1 y 0 −x 0 y 1 + xy 1 – x y 0 +(x 0 y 0−x 0 y 0)
p1 ( x )=
x 1−x 0
x 1 y 0 −x 0 y 0−x 0 y 1+ xy 1 – x y 0 + x 0 y 0
p1 ( x )=
x 1−x 0

p1 ( x )= y 0 ( x 1−x 0 ) + y 1 ¿ ¿

p1 ( x )= y 0 ( x 1−x 0 ) +( y ¿ ¿ 1− y 0 )¿ ¿ ¿

p1 ( x )= y 0+( y ¿ ¿ 1− y 0 ) ¿ ¿¿
Dalam menentukan persamaan dari interpolasi linear juga dapat dilakukan melalui cara
berikut:
 Persamaan garis lurus yang melalui 2 titik P1 (x0,y0) dan P2 (x1,y1) dapat dituliskan dengan:
y− y 0 x−x 0
=
y 1− y 0 x 1−x 0
Sehingga diperoleh persamaan dari interpolasi linear sebagai berikut:
y 1− y 0
y= ( x−x 0 ) + y 0
x 1−x 0
Algoritma Interpolasi Linear

1. Tentukan nilai x 0 , y 0 , x1 , dan y 1 .

2. Periksa apakah x 0=x 1. Jika ya, maka kembali ke langkah 1 sebab nilai fungsinya
tidak terdefinisi dalam kondisi ini. Jika tidak, maka dilanjutkan ke langkah 3.
3. Masukkan nilai x .
4. Periksa apakah min { x 0 , x 1 } ≤ x ≤max { x 0 , x1 } . Jika tidak, maka masukkan nilai x yang
lain. Jika ya, maka dilanjutkan langkah 5.
y 1− y 0
5. Hitung P= y 0+( x−x 0) .
x 1−x 0
6. Periksa apakah y 0= y1 . Karena jika sama, maka akan diperoleh P= y 0.
7. Tulis hasil y=P .

2. Interpolasi Kuadratik
Misal diberi tiga buah titik data, ( x 0 , y 0 ) , ( x 1 , y 1 ) , dan(x 2 , y 2 ). Polinom yang
menginterpolasi ketiga buah titik itu adalah polinom kuadrat yang berbentuk:
p2 ( x ) =a0 +a 1 x+ a2 x2
Bila digambar, kurva polinom kuadrat berbentu parabola, seperti ditunjukkan dalam Gambar 2
Y

x1,y1
y1

y2 x2,y2
 y0
x0,y0

x0 x1 X
x2

Gambar 2. Interpolasi Kuadratik

Masih terdapat grafik berbentuk parabola yang lain, selain yang ditunjukkan pada Gambar 1
diatas, namun harus diperhatikan bahwa untuk setiap nilai x i akan diperoleh hanya sebuah nilai y i.
Sehingga tidak mungkin kondisi grafiknya seperti Gambar 2 di bawah ini atau semacamnya.
Y

x1,y1
y1

y2 x2,y2

y0
x0,y0

x0 x1 x2 X

Gambar 2. Bukan Interpolasai Kuadratik

Menyelesaikan Polinom p2 ( x) ditentukan dengan cara berikut:

1. Substitusikan ( x i , y i ) ke dalam persamaan p2 ( x ) =a0 +a 1 x i+ a2 x 2i dengan i = 0, 1, 2.

Diperoleh tiga persamaan dengan tiga buah parameter yang tidak diketahui yaitu: a 0 , a1 , dan
a2:

a 0+ a1 x 0 +a 2 x 20= y 0
a 0+ a1 x 1 +a2 x 21= y 1
 a 0+ a1 x 2 +a2 x 22= y 2
2. Hitung a 0 , a1 , dan a 2 dari sistem persamaan tersebut dengan metode eliminasi Gauss.
Selain menggunakan metode eliminasi Gauss, menentukan a 0 , a1 , dan a 2 dapat ditentukan
dengan cara sebagai berikut:
y i +1− y i y − y i+1 F −F 01
a) Hitung F 01= , F12= i+2 , dan F 012= 12
x i +1−x i y i+2− y i+1 x i+2−x i
b) Hitung P= y1 + ( x− xi ) F 01 +(x−x i)(x−x i+1 ) F 012
Algoritma Interpolasi Kuadratik
Untuk interpolasi kuadratik digunakan algoritma sebagai berikut :
1. Tentukan nilai x 0 , y 0 , x1 , y 1 , x 2 , dan y 2 .
2. Periksa apakah x 0 < x 1< x 2. Jika tidak, maka kembali ke langkah 1 sebab nilai fungsinya tidak
terdefinisi dalam kondisi ini. Jika tidak, maka dilanjutkan ke langkah 3.
3. Masukkan nilai x .
4. Periksa apakah min { x 0 , x 1 , x 2 } ≤ x ≤ max { x0 , x 1 , x 2 }. Jika tidak, maka masukkan nilai x yang
lain. Jika ya, maka dilanjutkan langkah 5.
y 1− y 0 y 2− y 1 F 12−F01
5. Hitung F 01 = , F 12= , dan F 012 =
x 1−x 0 x 2−x 1 x2 −x0
6. Hitung P= y1 + ( x− xi ) F 01+ ( x−x i ) ( x− xi ) F 012

7. Periksa apakah F 012=0. Jika ya, maka persamaan yang dihasilkan linear. Jika tidak maka
persamaan yang dihasilkan merupakan persamaan kuadrat.
8. Tulis hasil y=P .
3. Interpolasi Newton
Umpamakan kita mempunyai polinomial :
f ( x )=b o + b1 ( x−x o ) + bn ( x−x o )( x−x 1 ) ( x−x n−1 )
… ……. ……(5)
Koefisien polinomial di atas dapat dihitung dengan menggunakan sejumlah titik data melalui
persamaan
b o=f ( x o )
b1 =f [ x 1 , x o ]
b1 =f [ x 2 , x 1 , x o ]
bn =f x n , x 2 , x , x o
[ 1 ] …………….(6)
 f ( x 1−x j )
f [ x 1 , x j ]=
dimana
x 1 −x j
Persamaan ini disebut persamaan beda terbagi hingga pertama, sedangkan beda terbagi beda
kedua dapat ditulis dengan :
f [ xi −x j ]−f [ x j−x k ]
f [ x1 , x j , xk ] =
x i−x k …………….(7)
dan seterusnya.
Kesalahan dalam perhitungan interpolasi Newton adalah :

f ( n+1 ) ( ξ )
Rn = ( x1+1 −x i )n+1
( n+1 ) ! ……………(8)
Algoritma untuk menghitung interpolasi polinom dengan menggunakan beda terbagi Newton
sebagai berikut :

1. Masukan harga:
n , xi , f ( xi ) ,i=0,1,2, . .. .. . .. .. . , n
, Z dan eps (toleransi).
Keluaran : pbagi
Langkah-langkah :
b o=f ( x o )
pbagi=bo
faktor=1
untuk i=1,2,……..,n lakukan
bi =f ( x i )
untuk j=i−1 ,i−2 ,.... .. .. 0, dilakukan
b −b
b j = j+1 j
x i−x j
faktor=faktor*(z-xj-1)
suku=bo*faktor
pbagi=pbagi+suku
jika ABS(suku) <=eps, selesai
Kemudian:
Masukan nilai yang harganya akan dicari (yc)

Algoritma ini akan menghasilkan tabel beda terbagi Newton untuk fungsi polinomial dan
harga titik yang akan dicari. Berikut ini adalah cuplikan coding untuk iterpolasi Newton.
4. Formula Interpolasi Langrange

Umpakan anda diberikan ( x 0 , f 0 ) , ( x 1 , f 1 ) , .. .. . , ( x n , f n ) dengan xj berjarak sembarang,

Langrange mempunyai pemikiran memperkalian masing-masing f j dengan suatu polinom yang
bernilai 1 pada xI dan 0 pada n titik simpul lainnya, dan kemudian menjumlahkan n+1 polinom ini
untuk memperoleh polinom interpolasi tunggal berordo n atau lebih kecil. Rumus yang dihasilkan,
disebut rumus interpolasi Langrange, adalah
n
1k ( x )
f ( x )≈Lny ( x ) =∑ fk
k =0 1k ( x k )
dengan
10 ( x )=( x−x 1 )( x−x 2 ) . .. .. . ( x−x n )
untuk k=1,2,…., n−1
1k ( x )=( x −x0 ) .. . .. ( x−x k −1 )( x−x k +1 ) . .. .. ( x −xn )
1n ( x )=( x−x 0 )( x−x 1 ) . .. .. ( x− xn−1 )
sehingga :
( x −x1 )( x−x 2 )( x−x 3 ) .. .. . ( x−x 4 )
y ( x )= y
( x 0−x 1 )( x 0 −x 2 )( x 0 −x 3 ) . . .. . ( x0 −x n ) 0
( x−x 0)( x− x2 )( x−x 3) . .. .. . ( x−x n )
+ y1
( x−x 1 )( x 1−x 2 )( x 1 −x3 ) .. .. . . ( x1 −x n ) + …………………………….
( x−x 0 )( x−x 1 )( x−x 2 ) . .. . . ( x−x n−1 )
+ yn
( x n −x0 )( x n −x 1 )( x n −x 2 ) .. . .. ( x n −x n−1 )
y ( x )= nilai yang akan diinterpolasi
x = nilai variabel yang berkorespondensi dengan y(x)
x 0 , x1 ,x 2 ......x n → nilai-nilai x
y 0 , y 1 , y 2 ... . y n→ nilai-nilai y
Estimasi harga dengan menggunakan Metode Lagrange pada Interpolasi Polinomial
Analisis dilakukan dengan menggunakan bantuan software Matlab R2012b. Algoritma yang
digunakan dalam analisis harga hasil penggukuran dengan metode ini adalah sebagai berikut.
1. Memasukkan data variabel x
2. Memasukkan data variabel y
3. Memasukkan nilai n yang merupakan banyak data pada variabel x
4. Menghitung dan menentukan nilai-nilai koefisien fungsi polinomial
5. Membentuk fungsi polinomial
6. Memasukkan nilai x yang ingin diinterpolasikan, xt
7. Menghitung nilai y berdasarkan fungsi yang dibentuk pada langkah (5) untuk nilai x yang
dimasukkan pada langkah (6)
 8. Menghasilkan nilai interpolasi

4. Formula Interpolasi Beda Terbagi Newton

Misalkan ( x 0 , y 0 ) , ( x1 , y 1 ) , ( x2 , y 2 ) . . .. .. ( x n , y n ) adalah titik-titik sebanyak ( n+1 ) buah,

maka interpolasi dari y (x ) adalah :

f 1 −f 0
y ( x )= =f [ x 0 −x 1 ]
x 1 −x0
f 2−f 0 −( x 2 −x 0 ) f [ x 0 −x 1 ]
=
( x 2 −x 0 )( x 2 −x 1 )
( x 1 , x 2 ) −f ( x 0 , x 1)
=f
( x 2−x 0 )

C. Interpolasi Spline
Definisi : Suatu fungsi f (x) dinamakan suatu spline berderajat k jika
1. Domain dari S adalah suatu interval [a; b].
 2. S; S0; :::; S(k: 1) kontinu pada [a; b].
3. Terdapat titik-titik xi sedemikian sehingga a = x0 < x1 < ::: < xn = b dan juga S adalah
suatu polinomial berderajat k pada setiap [xi; xi+1].
Spline adalah potongan-potongan fungsi polinomial dengan turunan-turunan memenuhi
konstrain kekontinuan tertentu. Ketika k =1 , spline dinamakan spline linear. Ketika k =2, spline
dinamakan spline kuadratik. Ketika k =3 , spline dinamakan spline kubik.
1 Spline Linear
akan dicari suatu fungsi spline linear S ( x ) sedemikian sehingga S ( x i )=( y i)
untuk 0 ≤ i≤ n. Diambil

S0 ( x ) ; x ϵ [ x1 , x2 ]

{
Sx= S 1 ( x ) ; x ϵ [ x1 , x2 ]
⋮⋮
S n−1 x ; x ϵ [ x n−1 , x n ]
( )

Dengan setiap Si ( x ) adalah linier

Diperhatikan fungsi linear Si ( x ) . Garis ini melalui titik ( x i , y i ) dan ( x i+1 , y i+1) , se-
hingga kemiringan dari Si ( x ) yaitu
y i+1− y i
mi=
x i+1−x i
Kita dapat juga mengatakan bahwa garis tersebut melalui titik ( x i , y i ) dan ¿
untuk sembarang x ∈[ x i , x +1i ], sehingga
S i ( x )− yi
mi=
x−x i
yang memberikan
yi +1− y i
Si ( x ) = y i+ mi ( x −xi )¿ y i + ( x −x i) (10)
xi +1−x i
Contoh
Buatlah interpolasi spline linier untuk data berikut:

x 0,0 0,1 0,4 0,5 0,75 1,0

y 1,3 4,5 2,0 2,1 5,0 3,0

Penyelesaian :
[ 0,0 ; 0,1 ] S0 ( x )=1,3+ 4,5−1,3 ( x−0 )=1,3+32 x
0,1−0

[ 0,1 ; 0,4 ] S 1 ( x )=4,5+ 2,0−4,5 ( x−0,1 )= 16 − 25 x

0,4−0,1 3 3

[ 0,4 ; 0,5 ] S 2 ( x )=2+ 2,1−2,0 ( x−0,4 )=1,6+ x

0,5−0,4

5,0−2,1
[ 0,5 ; 0,75 ] S 3 ( x )=2,1+ ( x−0,5 ) =−3,7−11,6 x
0,75−0,5

3−5
[ 0,75 ; 1 ] S4 ( x )=5+ ( x−0,75 ) =11−8 x
1−0,75
Jadi spline adalah potongan linear, yaitu linear di antara setiap titik data.
Persamaan (10) dapat dituliskan kembali sebagai
Si ( x ) =ai x+ bi ,i=0,1, … , n−1
dengan
y i +1− y i
a i= dan b i= y i−a i x i
xi +1−x i
kekurangan utama spline linear adalah pada titik-titik data di mana dua spline bertemu,
kemiringannya berubah secara mendadak. Secara formal ini berarti bahwa turunan
pertama dari fungsi tidak kontinyu pada titik-titik tersebut. Kelemahan ini diatasi oleh
penggunaan polinomial spline orde yang lebih tinggi.

2. Spline Kuadratik

Tidak seperti spline linear, spline kuadratik tidak dide.nisikan sepenuhnya oleh nilai-
nilai di x i. Berikut ini kita perhatikan alasannya. Spline kuadratik didefnisikan oleh

Si (x )=ai x 2+ bi x +c i
Jadi terdapat 3 n parameter untuk mende.nisikan S( x ).
Diperhatikan titik-titik data:

x0 x1 x2 ⋯ xn
yy
y1 y2 ⋯ yn
Syarat-syarat untuk menentukan 3 n parameter dijelaskan seperti berikut ini.
1. Setiap subinterval [ x i , x i+1 ] untuk i=0,1,2 , … ,n−1 memberikan dua persmaan berkaitan

dengan Si ( x ), yaitu :
Si ( x i) = y i dan S i ( x i+1 ) = y i+1
 jadi, disini didapatkan 2 n persamaan
2. Syarat pada kontinuitas dari S' (x) memberikan suatu persamaan tunggal untuk setiap titik

dalam x i , i=0,1,2 , … , n−1 yaitu:

S' i−1 ( x i )=S 'i (x i )

Jadi dari sini dipunyai n−1 persamaan. Sekarang totalnya terdapat 3 n−1 persamaan, tetapi
karena terdapat 3 n parameter yang tidak diketahui maka sistem
mempunyai kekurangan ketentuan.
3. Pilihan-pilihan yang mungkin untuk melengkapi kekurangan ketentuan yaitu
S' ( x0 ) =0 atau S ( {x} rsub {0} )=
' '
Sekarang dimisalkan z i=S i ( x i ) . karena Si ( x i) = y i, S i ( x i ) =zi , dan

S' i ( x i +1) =z i+1, maka kita dapat mendefinisikan :

z i+1 −zi 2
Si ( x ) = ( x−xi ) + z i ( x−x i ) + y i (11)
2 ( x i+1−x i )
Selanjutnya, dengan pengambilan x=x i+1 diperoleh
z i+1−z i 2 z i +1−z i
y i+1 =S i ( x )= ( x−x i ) + z i ( x−x i ) + y i y i+1 − y i= ( x−x i ) + z i ( x−x i )
2 ( xi +1−x i ) 2

z i +1−z i
y i+1 − y i= ( x−x i )
2
Jadi, kita dapat menentukan z i+1 dari z i:
y i+1− y i
z i+1=2 −z i
x i+1−x i
Contoh
Buatlah interpolasi spline kuadratik untuk data berikut ini

x 0,0 0,1 0,4 0,5

y 1,3 4,5 2,0 2,1

dengan ketetapan z o=0
Penyelesaian :
pertama-tama hitung nilai z i
 y 1− y 0 4,5−1,3 y − y1 2−4,5 −242
z 1=2 −z 0 =2 −0=64z 2=2 2 −z 1=2 −64=
x 1−x 0 0,1−0 x 2−x 1 0,4−0,1 3

y3 − y2 2,1−2 242 248

z 3=2 −z 2=2 + =
x3 −x2 0,5−0,4 3 3
jadi, fungsi spline kuadratik S( x ) :
z 1−z 0 2
S0 ( x ) = ( x −x0 ) + z 0 ( x−x 0 ) + y 0¿ 320 x 2+1.3 untuk 0 ≤ x ≤ 0,1
2 ( x 1−x 0 )

z 2−z 1 2 2170
S1 ( x ) = ( x−x 1 ) + z 1 ( x−x 1 ) + y 1¿− ( x−0,1 )2 +64 ( x−0,1 ) + 4,5
2 ( x 2−x 1 ) 9

2170 2 1010 194 z 3−z 2 2

¿− x+ x+ , untuk 0,1 ≤ x ≤ 0,4S2 ( x ) = ( x−x 2 ) + z 2 ( x−x 2 ) + y 2
9 9 45 2 ( x 3−x 2 )

2450 242 2450 2 2202 4948

¿ ( x−0,4 )2− ( x−0,4 )+2¿ x− x+ , untuk 0,4 ≤ x ≤ 0,5
3 3 3 3 30
persamaan (11) dapat ditulis kembali sebagai
Si (x )=ai x 2+ bi x +c i ,i=0,1,2 ,… , n−1
dengan
z i+1 −zi 2
a i= , bi=z i−2 ai xi , c i=a i x i −z i x i + y i
2 ( x i+1−x i )

3. Spline Kubik
Diketahui suatu fungsi f (x) yang dibatasi oleh interval a dan b, dan memiliki sejumlah titik

data a=x 0< x1 <…< x n=b. Interpolasi spline kubik S( x ) adalah

suatu potongan fungsi polinomial berderajat tiga (kubik) yang menghubungkan dua titik yang
bersebelahan, dengan ketentuan, untuk i=0,1,2 , … , n−1
(S0) Potongan fungsi pada subinterval [ x i , x i+1 ] ,i=0,1,2, … , n−1

Si ( x ) =ai ( x−x i )3 +bi ( x−x i )2+ c i ( x−x i ) +d i

(S1) Pada setiap titik data x=x i , i=0,1 , … , n
S ( x i )=f ( x i)
(S2) Nilai-nilai fungsi harus sama pada titik-titik dalam:
Si ( x i+1 )=Si +1 ( x i+1 ) , i=0,1,2 , … , n−2
(S3) Turunan-turunan pertama pada titik dalam harus sama:
S ' i ( x i+1 )=S ' i+1 ( x i +1) , i=0,1,2 , … , n−2
(S4) Turunan-turunan kedua pada titik dalam harus sama:
S } rsub {i} left ({x} rsub {i+1} right ) = {Si +1 ( x i+ 1) , i=0,1,2 , … , n−2
(S5) Salah satu syarat batas di antara dua syarat batas x 0 dan x n berikut ini harus
dipenuhi:
 S ( x0 )=S left ({x} rsub {n} right ) = (disebut batas alamiah/ natural boundary)

 S' ( x0 ) =f ' (x 0 ) dan S' ( xn ) =f ' ( x n ) (disebut batas apitan/ clamped boundary)
d i+1−d i hi 1
d i= yi , c i= − ( 2b i+ bi ) , ai= ( b −b ) C .3.1
hi 3 3 hi i+1 i
Contoh
Buatlah interpolasi spline kubik untuk data berikut ini

x 0 1 2 3
y 0 1 4 5
' ' ' '
terhadap syarat batas : S ( x0 ) =S ( 0 )=c 0=2dan S ( x n) =S (3 )=c n=2
Penyelesaian:
Lebar subinterval pada sumbu x:
h1 =h2=h 3=h 4=1
dan beda terbagi pertama, dengan mengingat bahwa d i=f ( x i )= y i, yaitu :
d 1−d 0 d 2−d 1 d 3−d 2
=1 , =3 , =1
h0 h1 h2
Persamaan matriks dapat dituliskan sebagai

2 1 0 0 b0 1 −2 −3

[ ][ ] [ ][ ]
1
0
0
4
1
0
1
4
1
0
1
2
b1
b2
b3
=3 3 −1 6
1 −3 −6
2 −1 3

yang mempunyai penyelesaian

b 0=−3 , b1=6 ,b 2=−6 , b3 =−3

Disubstitusikan penyelesaian tersebut ke persamaan C.3.1 untuk memperoleh koefisien-koefisien lain
dari spline kubik:
d 0=0 , d1 =1 ,d 2=4
1 1 1
c 0=1− ( 3+2 (−3 ) ) =2, c 1=3− (−3+2 ( 3 ) ) =2 , c2=3− (−3+ 2 ( 3 )) =2 ,
3 3 3
3−(−3) −3−3 3−(−3)
a 0= =2, a1 = =−2 , a2 = =2
3 3 3
Terakhir, kita dapat menuliskan persamaan spline kubik seperti:
3 3
S0=2 x 3 +3 x2 +2 x , untuk x ∈ [ 0,1 ] S1=−2 ( x−1 ) +3 ¿S2=2 ( x−2 ) +3 ¿

H. Construct

2. Berdasarkan pola algoritma Interpolasi Newton beda sama terlampir, rancanglah algoritma dan
flowchart interpolasi Newton beda tidak sama.
3. Berdasarkan pola algoritma Interpolasi linear di atas, rancanglah algoritma Interpolasi Spline
linear
4. Berdasarkan pola algoritma Interpolasi Kuadratik di atas, rancanglah algoritma Interpolasi Spline
Kuadratik
5. Berdasarkan pola algoritma Interpolasi Kuadratik di atas, rancanglah algoritma Interpolasi Spline
Kubik
I. Application
1. Tugas Pendahuluan
 a. Rancanglah coding Mathlab interpolasi beda sama Newton, berdasarkan flowchart
yang terlampir.
b. Rancanglah algoritma dan coding Interpolasi beda tidak sama Newton, berdasarkan
dengan memodifikasi algoritma interpolasi beda sama Newton atau berdasarkan algoritma yang
telah saudara rencang sebelumnya pada aktivitas contruct.
c. Berdasarkan tabel berikut ini :
x f(x)
0 2
2 12
4 20
6 36
8 45
10 60
Hitunglah fx jika diketahui x = 2.5, dengan menggunakan Beda sama Newton

d. Rancanglah coding Mathlab interpolasi Lagrange dengan menggunakan flowchart

terlampir
e. Hitunglah nilai x = 12 jika diketahui nilai tabel seperti berikut :
x f(x)
0 1
1 2
3 28
6 217
7 344
10 1001
menggunakan metoda Newton beda tidak sama dan metoda Lagrange.
f. Rancanglah coding interpolasi interpolasi Spline linear, berdasarkan algoritma yang
telah saudara rencang sebelumnya pada aktivitas contruct.
g. Rancanglah coding interpolasi interpolasi Spline Kuadratik, berdasarkan algoritma
yang telah saudara rencang sebelumnya pada aktivitas contruct.
h. Rancanglah coding interpolasi interpolasi Spline Kubik, berdasarkan algoritma yang
telah saudara rencang sebelumnya pada aktivitas contruct.
2. Tugas Praktikum
a. Editlah coding Mathlab interpolasi beda sama Newton, berdasarkan tugas
pendahuluan a., ujilah hasil coding menggunakan data pada tugas pendahuluan c dan e. Simpan
coding dengan nama prakti4a.m
b. Editlah coding Interpolasi beda tidak sama Newton, berdasarkan tugas pendahuluan
b., ujilah hasil coding menggunakan data pada tugas pendahuluan c dan e. Simpan coding
dengan nama prakti4b.m
c. Editlah coding Interpolasi Lagrange, berdasarkan tugas pendahuluan d., ujilah hasil
coding menggunakan data pada tugas pendahuluan c dan e. Simpan coding dengan nama
prakti4c.m
 d. Editlah coding Interpolasi Spline kuadratik, berdasarkan tugas pendahuluan g, ujilah
hasil coding menggunakan data pada tugas pendahuluan c dan e. Simpan coding dengan nama
prakti4d.m
e. Editlah coding Interpolasi Spline kubik, berdasarkan tugas pendahuluan h., ujilah
hasil coding menggunakan data pada tugas pendahuluan c dan e. Simpan coding dengan nama
prakti4e.m
f. Cek kebenaran hasil yang anda peroleh pada tugas rumah dengan program yang anda
buat
J. Evaluasi
1. Bila diketahui perubahan posisi partikel terhadap waktu seperti data tabel berikut
t (dt) 0.0 0.5 1.0 1.5 2.0 2.5
x(t) ( m ) 1.0 2.119 2.910 3.945 5.72 8.695
Gunakan formula interpolasi depan dan mundur Newton serta Stirling untuk mendapatkan posisi
pada saat x(0.1), x (1,2), dan x (2.3).
2. Hitung nilai y=x 3−8 x 2−4 x +1 untuk x= 0, (0,1), 0.5 dan buatlah tabel selisih dengan
menggunakan metoda selisih maju, selisih mudur dan selisih tengah
3. Carilah polinomial orde tiga, jika dikatahui nilai fungsi y(0) = 1, y(1) = 0, y(2) = 1 dan y(3) = 10.
Berdasarkan polinomial yang diperoleh carilah y(4), dengan metoda formula interpolasi selisih
maju Newton
Interpolasi Beda Sama Newton Interpolasi Lagrange

Mulai
Mulai

Baca N Baca
N
i = 1 .. N

Baca
i = 1 . .N
x[i], fx[i,1]
Baca
j = 1 ..N-1 x[i], fx [i]
k = j +1
Baca
i = 1 .. N-j
xc

fx[i,k] = fx[i+1,j])-fx[i,j]
yjw = 0
j = 1 .. N
i = 1 . .N
Tulis x[j]

z =1
k:=1 to n+1-j

Tulis j = 1 . .N
fx[j,k]

i <>j
Baca Xc

FA = 1 z= z*(xc-x[j])/( x[i]- x[j])

Y = 0; j =0

J = J +1
yjw = yjw + z*f[i]

y = y + FX[1,j]*FA
Tulis
Tulis y xc, yjw

FA = FA*(XC - x[j] END

Err = FA*Fx[1,j+1]

Tulis Err

j >= n

END
Interpolasi Beda tidak Sama Newton

Mulai

Baca N

i = 1 .. N

Baca
x[i], fx[i,1]

j = 1 ..N-1

k = j +1

i = 1 .. N-j

fx[i,k] = (fx[i+1,j])-fx[i,j])/(x(i+j) - x(i))

j = 1 .. N

Tulis x[j]

k:=1 to n+1-j

Tulis
fx[j,k]

Baca Xc

FA = 1
Y = 0; j =0

J = J +1

y = y + FX[1,j]*FA

Tulis y

FA = FA*(XC - x[j]

Err = FA*Fx[1,j+1]

Tulis Err

j >= n

END