Anda di halaman 1dari 37

MAKALAH

INTERPOLASI POLINOMIAL LANGRAGE


Makalah ini dibuat untuk Memenuhi Tugas
Mata Kuliah Metode Numerik
Dosen Pengampu: Nendra Mursetya Somasih Dwipa, M. Sc

Disusun Oleh:
KELOMPOK IV
1. Zuni Inda Festina 17144100043
2. Endang Tri Wahyu 17144100044
3. Fernanda Husni Nursani 17144100077
4. Ririn Nur Vitasari 16144100012
5. Salina 16144100048

KELAS 7A4

PROGRAM STUDI PENDIDIKAN MATEMATIKA


FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS PGRI YOGYAKARTA
2019
KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

Puji syukur kami panjatkan kehadirat Allah SWT, yang memberikan rahmat
serta hidayah – Nya, sehingga penulis dapat menyelesaikan tugas makalah metode
numeric matematika tentang “Interpolasi Polinomial Lagrange”. Ini dengan tepat
waktu sebagaimana mestinya.

Kami sebagai penyusun makalah ini menyadari, bahwa tanpa adanya kerja
sama, bimbingan, petunjuk dan saran dari berbagai pihak antara lain dosen dan
teman – teman mahasiswa mungkin makalah ini tidak akan terselesaikan tepat
waktu, untuk itu patutlah kiranya penulis mengucapkan terima kasih kepada
semua pihak yang telah membantu kami dalam menyelesaikan makalah ini.

Penulis menyadari sepenuhnya bahwa, penulisan makalah ini tidak terlepas


dari berbagai kekurangan, maka dengan segala kerendahan hati penulis
mengharapkan kritik dan saran.

Yogyakarta, 12 November 2019

(Kelompok 4)

ii
DAFTAR ISI

HALAMAN JUDUL.............................................................................I
KATA PENGANTAR............................................................................................ii
DAFTAR ISI..........................................................................................................iii
BAB I.......................................................................................................................1
PENDAHULUAN...................................................................................................1
BAB II......................................................................................................................2
KAJIAN PUSTAKA................................................................................................2
A. Metode Numerik...........................................................................................2
B. Angka Signifikan/Bena.................................................................................3
C. Deret Taylor..................................................................................................8
D. Deret Mc. Laurin.........................................................................................10
E. Error/Galat..................................................................................................11
F. Metode Biseksi............................................................................................15
G. Metode Regula Falsi...................................................................................17
H. Metode Newton Rapshon............................................................................19
I. Metode Secant.............................................................................................20
J. Polinom Interpolasi Beda Maju..................................................................21
K. Polinom Interpolasi Beda Tengah...............................................................22
BAB III..................................................................................................................24
PEMBAHASAN....................................................................................................24
BAB IV..................................................................................................................30
STUDI KASUS......................................................................................................30
BAB V....................................................................................................................33
KESIMPULAN......................................................................................................33
DAFTAR PUSTAKA............................................................................................34

iii
BAB I

PENDAHULUAN

Dalam kehidupan sehari-hari, banyak persoalan yang sering dibawa dalam


penyelesaian Matematika. Namun, tidak semua persoalan tersebut bisa
memperoleh penyelesaian yang akurat. Dari pandangan para rekayasawan, masih
banyak penyelesaian kasus Matematika yang dirasa masih terlalu sulit atau masih
dalam bentuk yang kurang konkret. Besari, Mohammad Sahari melalui Rinaldi
Munir menyatakan, penyelesaian analitik yang sering diberikan oleh kaum
Matematika kurang berguna bagi rekayasawan, karena ia harus dapat
menstranformasikan solusi Matematika yang sejati ke dalam bentuk berwujud
yang biasanya meninggalkan kaidah sejati.
Salah satu kasus yang sering terjadi adalah saat para rekayasawan dan
sejumlah ahli lebih sering bekerja dalam sejumlah data diskret yang diperoleh dari
penelitian. Yaitu menentukan nilai di antara titik-titik diskret tersebut tanpa
melakukan pengukuran lagi. Salah satu solusinya yaitu dengan menari fungsi
yang mencocokkan titik-titik data didalam table. Pendekatan seperti ini dalam
metode numerik disebut Pencocokan Kurva. Walaupun fungsi yang diperoleh dari
cara ini adalah fungsi hampiran (nilainya hanya mendekati nilai sejatinya) tapi
cara ini sangat bermanfaat.
Merujuk pada interpolasi polinom, ada banyak jenuis polinom yang dapat
dipakai, namun pada makalah ini akan ditekankan pada pembahasan Interpolasi
Polinomial Langrage.
BAB II

KAJIAN PUSTAKA

A. Metode Numerik
Metode numerik adalah teknik untuk menyelesaikan permasalahan-
permasalahan yang diformulasikan secara matematis dengan menggunakan
operasi hitungan (arithmatic) yaitu operasi tambah, kurang, kali, dan bagi.
Terdapat banyak jenis metode numerik, namun pada dasarnya, masing
-masing metode tersebut memiliki karakteristik umum, yaitu selalu mencakup
sejumlah kalkulasi aritmetika.Solusi dari metode numerik selalu berbentuk
angka dan menghasilkan solusi hampiran. Hampiran, pendekatan, atau
aproksimasi (approximation) didefinisikan sebagai nilai yang mendekati
solusi sebenarnya atau sejati (exact solution). Sedangkan galat atau kesalahan
(error) didefinisikan sebagai selisih nilai sejati dengan nilai hampiran.
Metode numerik dapat menyelesaikan permasalahan matematis yang
sering nonlinier yang sulit diselesaikan dengan metode analitik.Metode
analitik disebut juga metode sejati karena memberi solusi
sejati(exact solution) atau solusi yang sesungguhnya, yaitu solusi yang
memiliki galat(error) sama dengan nol. Jika terdapat penyelesaian secara
analitik, mungkin proses penyelesaiannya sangat rumit, sehingga tidak
effisien. Contohnya: menentukan akar-akar polynomial. Jadi, jika suatu
persoalan sudah sangat sulit atau tidak mungkin digunakan dengan
metodeanalitik maka kita dapat menggunakan metode numerik sebagai
alternatif penyelesaian persoalan tersebut.
Metode numerik ini disajikan dalam bentuk algoritma-algoritma yang
dapat dihitung secara cepat dan mudah. Pendekatan yang digunakan dalam
metode numerik merupakan pendekatan analisis matematis, dengan tambahan
grafis dan teknik perhitungan yang mudah. Algoritma pada metode numerik
adalah algoritma pendekatan maka dalam algoritma tersebut akan muncul
istilah iterasi yaitu pengulangan proses perhitungan. Dengan metode
pendekatan, tentunya setiap nilai hasil perhitungan akan mempunyai
nilaierror (nilai kesalahan)
Penggunaan metode numerik biasanya digunakan untuk menyelesaikan
persoalan matematis yang penyelesaiannya sulit didapatkan dengan
menggunakan metode analitik, yaitu:
1. Menyelesaikan persamaan non linear
2. Menyelesaikan persamaan simultan
3. Menyelesaikan differensial dan integral
4. Menyelesaikan persamaan differensial
5. Interpolasi dan Regresi
6. Masalah multivariabel untuk menentukan nilai optimal yang tak bersyarat
Keuntungan penggunaan Metode Numerik:
1. Solusi persoalan selalu dapat diperoleh
2. Dengan bantuan komputer, perhitungan menjadi cepat dan hasilnya dapat
dibuat sedekat mungkin dengan nilai sesungguhnya
Kekurangan penggunaan Metode Numerik:
1. Nilai yang diperoleh adalah hampiran(pendekatan)
2. Tanpa bantuan alat hitung (komputer), perhitungan umumnya lama dan
berulang-ulang.

B. Angka Signifikan/Bena
1. Pengertian Angka Bena
Angka bena (significant figure) atau angka berararti telah
dikembangkan secara formal untuk menandakan keandalan suatu nilai
numerik.Angka bena merupakan jumlah angka yang digunakan sebagai
batas minimal tingkat keyakinan.Angka bena terdiri dari angka pasti dan
angka taksiran.Letak angka taksiran berada di akhir angka bena.
Contoh:
Bilangan 45.389; angka 9 adalah angka taksiran
Bilangan 4, 785; angka 5 adalah angka taksiran
2. Aturan-aturan tentang Angka Bena
a. Angka bena adalah setiap angka yang bukan nol pada suatu bilangan
Contoh:
Bilangan 4678; terdiri dari 4 angka bena
Bilangan 987, 654; terdiri dari 6 angka bena
Bilangan 4550679; terdiri dari 7 angka bena
b. Angka bena adalah setiap angka nol yang terletak di antara angka-
angka bukan nol.
Contoh:
Bilangan 2001; terdiri dari 4 angka bena
Bilangan 201003 terdiri dari 6 angka bena
Bilangan 2001, 400009 terdiri dari 10 angka bena
c. Angka bena adalah angka nol yang terletak di belakang angka bukan
nol yang terakhir dan dibelakang tanda desimal.
Contoh:
Bilangan 23, 3000; terdiri dari 6 angka bena
Bilangan 3, 10000000 terdiri dari 9 angka bena
Bilangan 345, 60000000 terdiri dari 11 angka bena
d. Dari aturan b dan c dapat diberikan contoh angka bena adalah sebagai
berikut:
Bilangan 34, 060000; terdiri dari 8 angka bena
Bilangan 0, 00000000000000566; terdiri dari 3 angka bena
Bilangan 0, 600; terdiri dari 3 angka bena
Bilangan 0, 060000; terdiri dari 5 angka bena
Bilangan 0, 000000000000005660; terdiri dari 4 angka bena
e. Angka nol yang terletak di belakang angka bukan nol terakhir dan
tanpa tanda desimal bukan merupakan angka bena.
Contoh:
Bilangan 34000; terdiri dari 2 angka bena
Bilangan 1230000; terdiri dari 3 angka bena
f. Angka nol yang terletak di depan angka bukan nol yang pertama
bukan merupakan angka bena.
Contoh:
Bilangan 0, 0000023; terdiri dari 2 angka bena
Bilangan 0, 000000000002424; terdiri dari 4 angka bena
Bilangan 0, 12456; terdiri dari 5 angka bena
g. Semua angka nol yang terletak di belakang angka bukan nol yang
terakhir, dan terletak di depan tanda deimal merupakan angka bena.
Contoh:
Bilangan 340, 67; terdiri dari 5 angka bena
Bilangan 123000, 6; terdiri dari 7 angka bena
h. Untuk menunjukkan jumlah angka bena, kita dapat memberi tanda
pada angka yang merupakan batas angka bena dengan garis bawah,
garis atas, atau cetak tebal
Contoh:
56778 adalah bilangan yang memiliki 5 angka signifikan
56778 adalah bilangan yang memiliki 5 angka signifikan
56778 adalah bilangan yang memiliki 5 angka signifikan

Penulisan angka bena dalam notasi ilmiah mengikuti aturan bentuk


umum notasi ilmiah yaitu a  10 n dengan a adalah bilangan riil yang
memenuhi 1  a  10 dan n adalah bilangan bulat.
Contoh:
Bilangan 29000 jika ditulis dalam notasi ilmiah menjadi 2,9  10 4
Bilangan 2977000 jika ditulis dalam notasi ilmiah menjadi 2,977  10 6
Bilangan 14, 98 jika ditulis dalam notasi ilmiah menjadi 1,498  101
Bilangan 0, 006 jika ditulis dalam notasi ilmiah menjadi 6  10 3
Bilangan -0, 00029 jika ditulis dalam notasi ilmiah menjadi  2,9  10 4
3. Aturan Pembulatan
Pembulatan suatu bilangan berarti menyimpan angka bena dan
membuang bukan angka bena dengan mengikuti aturan-aturan berikut:
a. Jika digit pertama dari bukan angka bena lebih besar dari 5, maka digit
terakhir dari angka bena ditambah 1. Selanjutnya buang bukan angka
bena.
Contoh:
Jika bilangan 567864 akan dibulatkan menjadi 4 angka bena, maka
ditulis menjadi 5679
Jika bilangan 145,89 akan dibulatkan menjadi 4 angka bena, maka
ditulis menjadi 145,9
Jika bilangan 123,76 akan dibulatkan menjadi 3 angka bena, maka
ditulis menjadi 124
b. Jika digit pertama dari bukan angka bena lebih kecil dari 5, maka
buang bukan angka bena
Contoh:
Jika bilangan 123,74 akan dibulatkan menjadi 4 angka bena, maka
ditulis menjadi 123,7
Jika bilangan 13416 akan dibulatkan menjadi 3 angka bena, maka
ditulis menjadi 134
c. Jika digit pertama dari bilangan bukan angka bena sama dengan 5,
maka:
1) Jika digit terakhir dari angka signifikan ganjil, maka digit terakhir
angka signifikan ditambah 1. Selanjutnya buang angka tidak
signifikan
Contoh:
Jika bilangan 13,356 akan dibulatkan menjadi 3 angka bena, maka
ditulis menjadi 13,4
2) Jika digit terakhir dari angka signifikan genap, maka buang angka
tidak signifikan
Contoh:
Jika bilangan 13,456 akan dibulatkan menjadi 3 angka bena, maka
ditulis menjadi 13,4
4. Aturan-aturan pada Operasi Aritmetika Angka Bena
a. Hasil penjumlahan atau pengurangan hanya boleh mempunyai angka
dibelakangkoma sebanyak angka di belakang koma yang paling sedikit
pada bilanganbilanganyang dilakukan operasi penjumlahan atau
pengurangan.
Contoh
0,4567 + 4,677 = 5,1337 (dibulatkan menjadi 5, 134)
345,31 + 3,5= 348,81 (dibulatkan menjadi 348, 8)
b. Hasil perkalian atau pembagian hanya bolehmempunyai angka bena
sebanyak bilangan dengan angka bena paling sedikit.
Contoh:
 6, 78 x 8, 9123 = 60, 425394 ditulis menjadi 60, 4
 420 : 2, 1 = 200 ditulis menjadi 2, 0 x 102
 46, 5 x 1,4 = 65, 1 ditulis menjadi 6, 5 x 101
5. Contoh Soal
a. [(4,84 : 0, 40) x 2, 32] – [9, 12 x (4, 05 x 0, 212)]
b. [(3, 12 x 4, 87) + (0, 49 : 0, 7)]
c. 0, 00000121 : 1, 1
d. Hasil pengukuran panjang tali yang diperoleh oleh siswa A adalah 0,
50300 m. Maka banyak angka penting hasil pengukuran tersebut
adalah …
Penyelesaian
a. [(4,84 : 0, 40) x 2, 32] – [9, 12 x (4, 05 x 0, 212)]
= [12, 1 x 2, 32] – [9, 12 x 0, 8586]
Pembulatan sesuai aturan angka bena pada perkalian dan pembagian
= [12 x 2, 32] – [9, 12 x 0, 859]
= 27, 84 – 7, 83408
Pembulatan sesuai aturan angka bena pada perkalian
= 28 – 7, 83
= 20, 17
Pembulatan sesuai aturan angka bena pada pengurangan
= 20
b. [(3, 12 x 4, 87) + (0, 49 : 0, 7)]
= [15, 1944 + 0, 7]
Pembulatan sesuai aturan angka bena pada perkalian dan pembagian
= [15, 2 + 0, 7]
= 15, 9
c. 0, 00000121 : 1, 1
= 1, 1 x 10-6
d. Banyak angka penting dari bilangan 0, 50300 adalah 5 angka penting

C. Deret Taylor
1. Pengertian Deret Taylor
Deret Taylor merupakan dasar untuk menyelesaikan masalah dalam
metode numerik, terutama penyelesaian persamaan diferensial.
Teorema Taylor: Hanya ada satu deret pangkat dalam x-c memenuhi
untuk f(x) sehingga:
f ( x)  a0  a1 ( x  c)  a 2 ( x  c) 2  a3 ( x  c) 3  ..... a n ( x  c) n  ...

=  a n ( x  c)
n

n 0

Berlaku untuk semua dalam beberapa interval di sekitar c dengan


f a (c )
an 
n!

f a (c )
Deret: f ( x)   ( x  c ) n disebut deret Taylor
n 0 n!

Teorema tersebut dijelaskan sebagai berikut:


Jika f (x) kontinu dalam selang (c-h, c+h) dengan 0 ≤ h ≤ ∞ dan andaikan
f didefinisikan sebagai:
(1) f ( x)  a0  a1 ( x  c)  a2 ( x  c) 2  a3 ( x  c) 3  ..... a n ( x  c) n  ...
Untuk semua x dalam selang (c-h, c+h), maka:
f ' ( x)  a1  2a 2 ( x  c )  3a 3 ( x  c) 2  4a 4 ( x  c) 3  5a 5 ( x  c) 4  6a 6 ( x  c ) 5  ...
f ' ' ( x)  2a 2  2.3a 3 ( x  c )  3.4a 4 ( x  c) 2  4.5a 5 ( x  c ) 3  5.6a 6 ( x  c ) 4  ...
f ' ' ' ( x)  2.3a 3  2.3.4a 4 ( x  c)  3.4.5a 5 ( x  c) 2  4.5.6a 6 ( x  c) 3  ...
.............................
f n ( x )  n ! a n  ( n  1)! a n 1 ( x  c )  (n  2)! a n  2 ( x  c) 2  (n  3)! a n  3 ( x  c) 3  ...

Jika pada fungsi-fungsi turunan tersebut ditetapkan x = c maka diperoleh:


f (c)  a 0 ; f ' (c)  1! a1 ; f ' ' (c )  2 ! a 2 ; f ' ' ' (c )  3! a 3 ;....
f ' (c ) f ' ' (c ) f ' ' ' (c) f n (c )
f n (c)  n ! a n ;....atau : a 0  f (c ); a1  ; a2  ; a3  ;....; a n  ;....
1! 2! 3! n!

Jika harga-harga a 0 , a1 , a 2 , a3 ,...a n ,... dimasukkan ke (1) maka


diperoleh:
f ' (c ) f ' ' (c ) f ' ' ' (c ) f n (c )
f ( x )  f (c )  ( x  c)  ( x  c) 2  ( x  c ) 3  .....  ( x  c ) n  ...
1! 2! 3! n!

2. Contoh Soal Deret Taylor


1
a. Tentukan deret taylor dari f ( z )  di sekitar z = i!
1 z
Penyelesaian:
1 1
f ( z)  , f (i ) 
1 z 1 i
1 1
f ' ( z)  , f ' (i ) 
(1  z ) 2
(1  i ) 2
2 2
f ' ' ( z)  , f ' ' (i ) 
(1  z ) 3
(1  i ) 3
6 6
f ' ' ' ( z)  , f ' ' ' (i ) 
(1  z ) 4
(1  i ) 4
( 1) n .n ! (1) n .n !
f n ( z)  , f n
(i ) 
(1  z ) n 1 (1  i ) n 1

1
Jadi deret taylor dari f ( z )  di sekitar z = i adalah
1 z
1
f ( z) 
1 z
 (n)
f (i )
 f (i )   ( z  i) n
n 1 n!
1 
(1) n
  ( z  i) n
1  i n 1 (1  i ) n 1

(1) n
 n 1
( z  i) n
n  0 (1  i )

b. Tentukan deret taylor dari f ( x )  ln x di sekitar x = h!


Penyelesaian:
f ( x)  ln x, f ( h)  ln h
1 1
f ' ( x )  , f ( h) 
x h
1 1
f ' ' ( x)  2
, f ' ' ( h) 
( x) ( h) 2
2 2
f ' ' ' ( x)  3
, f ' ' ' ( h) 
( x) ( h) 3
( n  1)! ( 1) n 1 . (n  1)! ( 1) n 1 .
f n ( x)  , f n
( h ) 
( x) n ( h) n
Jadi deret taylor dari f ( x )  ln x di sekitar x = h adalah
f ( x)  ln x
 (n)
f ( h)
 f ( h)   ( x  h) n
n 1 n!

(n  1) ! (1) n 1
 ln h   ( x  h) n
n 1 ( h) n n !

(1) n 1
 n
( x  h) n
n  0 ( h) n

D. Deret Mc. Laurin


1. Pengertian Deret Mc. Laurin
Bila deret taylor diterapkan c = 0, maka terjadi deret Mac. Laurin yaitu:
f ' ( 0) f ' ' ( 0) f ' ' ' (0) f n (0)
f ( x )  f (0)  ( x  0)  ( x  0) 2  ( x  0) 3  .....  ( x  0) n  ...
1! 2! 3! n!
f ' ( 0) f ' ' (0) 2 f ' ' ' (0) 3 f n (0) n
f ( x )  f (0)  x x  x  .....  x  ...
1! 2! 3! n!

Catatan:
Sering dikatakan deret taylor daalam bentuk x – c dari suatu f (x) adalah
uraian Taylor tentang f di sekitar titik c, sedangkan deret Mac. Laurin
uraian Maclaurin tentang f di sekitar titik asal (c = 0).

2. Contoh Soal Deret Mc. Laurin


a. Deretkan f (c)  e x di sekitar c = 0
Penyelesaian:
f (0)  e 0  1
f ( x)  e x  f ' (0)  1
f ' ' ( 0)  1

dan seterusnya berulang
1 1
Jadi e x  1  x  x 2  x 3  ....
2! 3!

1
b. Deretkan f ( x)  di sekitar 0!
1 x
Penyelesaian:
f ( 0)  1
1
f ' ( x)   f ' (0)  1  1!
(1  x) 2
2
f ' ' ( x)   f ' ' ( 0)  2  2 !
(1  x) 3
2.  3
f ' ' ' ( x)   f ' ' ' (0)  6  3!
(1  x) 4
1
Jadi  1  x  x 2  x 3  ....
1 x
c. Deretkan f ' ( x)  (1  x) p dalam deret Mac. Laurin
Penyelesaian:
f ( x )  (1  x ) p , f (0)  1
f ' ( x )  p (1  x ) p 1 , f ' (0)  p
f ' ' ( x )  p ( p  1)(1  x ) p  2 , f ' ' (0)  p ( p  1)
f ' ' ' ( x )  p ( p  1)( p  2)(1  x ) p 3 , f ' ' ' (0)  p ( p  1)( p  2)
.................................................,.....................................
p ( p  1) 2 p ( p  1)( p  2) 3
maka (1  x ) p  1  px  x  x  ....
2! 3!

f p  0 p
atau (1  x ) p   x
p 0 p!

E. Error/Galat
1. Pengertian Error/Galat
Error/Galat/kesalahan berasosiasi dengan seberapa dekat solusi
hampiran terhadap solusi sejatinya. Semakin kecil galatnya maka semakin
teliti solusi numerik yang didapatkan.
Galat= |Nilai sejati ( nilai sebenarnya ) –Nilai hampiran (aproksimasi)|
Ukuran galat kurang bermakna karena tidak menceritakan seberapa besar
galat itu dibandingkan dengan nilai sejatinya. Untuk mengatasi interpretasi
nilai galat tersebut , maka galat harus dinormalkan terhadap nilai sejatinya.
Gagasan ini melahirkan apa yang dinamakan galat relatif.

r  R 
a
dengan
 r = error relatif sebenarnya
a = nilai sebenarnya
Contoh:
Misalkan nilai sejati = 20/ 6 dan nilai hampiran = 3, 3333. Hitunglah galat,
galat mutlak, galat relatif, dan galat relatif hampiran
Penyelesaian
Galat =

20 20 3333 20.000  19.998 2


 3,333      0,000333...
6 6 1000 6000 6000
Galat mutlak = |0, 000333 …| = 0, 000333…
2
Galat relatif =
6000  1  0,0001
20 10000
6
2
Galat relatif hampiran = 6000  1
3,333 9999
2. Nilai Galat
Besarnya kesalahan atas suatu nilai taksiran dapat dinyatakan
secara kuantitatif dan kualitatif. Besarnya kesalahan yang dinyatakan
secara kuantitatif disebut kesalahan absolut. Besarnya kesalahan yang
dinyatakan secara kualitatif disebut dengan kesalahan relatif.
Nilai eksak dapat diformulasikan sebagai hubungan antara nilai
perkiraan dan nilai kesalahan sebagai berikut:
v  v' 
Dimana:
v = nilai eksak
v’ = nilai perkiraan
 = nilai kesalahan/galat
Berikut adalah penjelasan dari kesalahan absolut dan kesalahan relatif.
a. Kesalahan Absolut
Kesalahan absolut menunjukkan besarnya perbedaan antara
nilai eksak dengan nilai perkiraan:  | v  v ' |
Kesalahan absolut tidak menunjukkan besarnya tingkat kesalahan,
tetapi hanya sekedar menunjukkan selisih perbedaan antara nilai eksak
dengan nilai perkiraan.
b. Kesalahan Relatif
Kesalahan relatif menunjukkan besarnya tingkat kesalahan
antara nilai perkiraan dengan nilai eksaknya yang dihitung dengan
membandingkan kesalahan absolut terhadap nilai eksaknya (biasanya
dinyatakan dalam %)
a
r   100%
v

dengan:
v = nilai eksak
 r = kesalahan relatif
 a = kesalahan absolut

Semakin kecil kesalahan relatifnya, maka nilai perkiraan yang


diperoleh akan semakin baik.
Contoh:
Pengukuran kabel listrik 40 meter dari sebuah toko alat-alat elektronika.
Setelah diukur ulang oleh pembeli A, kabel tersebut memiliki panjang 39,
96 meter. Berapa kesalahan absolut dan kesalahan relatif hasil pengukuran
yang dilakukan oleh si pembeli?
Penyelesaian
Diketahui: v = 40 meter
v’= 39, 96 meter
Ditanya: Berapa besar kesalahan absolut dan kesalahan relatif?
Jawab:
Kesalahan absolut:  a | 40  39,96 | 0,04 meter
0,04
Kesalahan relatif:  r | | 100%  0,1% meter
40
3. Macam-macam Error/Galat
Penyelesaian secara numerik dari suatu persamaan matematis
hanya memberikan nilai perkiraan yang mendekati nilai sebenarnya.
Berikut adalah tiga macam kesalahan dasar:
a. Galat Bawaan (Inhern)
Galat bawaan biasanya merujuk pada galat dalam nilai data yang
terjadi akibat kekeliruan dalam menyalin data, salah membaca skala
atau kesalahan karena kurangnya pengertian mengenai hokum-hukum
fisik dari data yang diukur.
Contoh:
Pengukuran selang waktu 3, 1 detik: terdapat beberapa galat karena
hanya dengan suatu kebetulan selang waktu akan diukur tepat 3, 1
detik.
Beberapa batas yang mungkin pada galat inheren diketahui:2,3 ± 0,1
detik. Berhubungan dengan galat pada data yg dioperasikan oleh suatu
komputer dengan beberapa prosedur numerik.
b. Galat Pemotongan
Pengertian galat pemotongan biasanya merujuk pada galat yang
disebabkan oleh  penggantian ekspresi matematika yang rumit dengan
rumus yang lebih sederhana. Istilah ini berawal dari kebiasaan 
mengganti suatu fungsi rumit dengan deret Taylor terpotong (hanya
diambil berhingga suku).
Contoh :
Deret Taylor tak berhingga :
Sin x
Dapat dipakai menghitung sinus sebarang sudut x dalam radian. Jelas
kita tidak dapat memakai semua suku dalam deret untuk perhitungan,
karena deretnya tak berhingga; kita berhenti sesudah sampai pada
sejumlah suku yang berhingga, misalnya x7 atau x9.
Suku-suku yang dihilangkan (jumlahnya tak berhingga) menghasilkan
suatu galat dalam hasil perhitungan. Galat ini disebut galat pemotongan
atau pemenggalan, yaitu yang disebabkan oleh pemotongan suatu
proses matematika yang  tak berhingga.Kebanyakan prosedur yang
dipakai dalam perhitungan numerik adalah tak berhingga, sehingga
galat jenis ini penting untuk dipelajari.
c. Galat Pembulatan
Akibat pembulatan angka Terjadi pada komputer yg disediakan
beberapa angka tertentu misal; 5 angka:
Penjumlahan   9,26536  +  7,1625  = 16,42786
Ini terdiri 7 angka sehingga tidak dapat disimpan dalam komputer kita
dan akan dibulatkan menjadi 16,428
F. Metode Biseksi
1. Pengertian Metode Biseksi
Metode bagi dua (Bisection) disebut juga pemotongan biner (binary
chopping), metode pembagian dua (interval halving). Prinsip metode bagi
dua adalah mengurung akar fungsi pada interval [a,b]. Selanjutnya interval
tersebut terus menerus dibagi dua hingga sekecil mungkin, sehingga nilai
hampiran yang dicari dapat ditentukan dengan tingkat akurasi tertentu.
Menentukan selang [a,b] sehingga f (a) . f (b) < 0. Pada setiap kali lelaran,
selang [a,b] kita bagi dua di x = c, sehingga terdapat dua buah upaselang
yang berukuran sama, yaitu [a,c] dan [c,b]. selang yang diambil untuk
lelaran berikutnya adalah upaselang yang memuat akat, tergantung pada
apakah f (a) . f (c) < 0 atau f (c) . f (b) < 0. Selang yang baru dibagi dua lagi
dengan cara yang sama. Begitu seterusnya sampai ukuran selang yang baru
sudah sangat kecil. Kondisi berhenti lelaran dapat dipilih salah satu dari
tiga kriteria berikut:
1. Lebar selang baru b  c   , yang dalam hal ini adalah  nilai
toleransi lebar selang yang menurung akar
2. Nilai fungsi hampiran akar f(c)=0 beberapa bahasan
pemrograman membolehkan pembandingan dua buah
bilangan real, sehingga perbandingan f(c)=0
Cbaru  Clama
3. Galat relative hampiran akar   yang di dalam  adalah
Cbaru
galat relatif hamparan yang diinginkan. Untuk menentukan
jumlah iterasi dalam mencariakar-akar yaitu

ln b  a  ln
r yang dalam hal ini r adalah jumlah lelaran (jumlah
 ln(2)
pembagi selang) yang dibutuhkan untuk menjamin bahwa c adalah
hampiran akar yang memiliki galat kurang dari  .
2. Algoritma Metode Biseksi
Algoritma bisection adalah sebagai berikut:
1. Fungsi f(x) yang akan dicari akarnya
2. Taksir batas bawah (a) dan batas atas (b) dengan syarat f (a) . f (b) < 0
3. Tentukan toleransi 
r  ln b  a  ln 
4. Iterasi maksimum r 
ln(2)
5. Hitung f(a) dan f(b)
6. Jika f(a).f(b)>0 maka proses dihentikan karena tidak ada akar, bila
tidak dilanjutkan
ab
7. Hitung nilai hampiran akar dengan rumus, c 
2
8. Hitung f(c)
9. Jika f (a). f (c) < 0, maka b= c. Lanjutkan ke langkah 4 Jika f (a). f (c)
> 0, maka a= c. Lanjutkan ke langkah 4 Jika f (a). f (c) = 0, maka akar
= c. Stop.
10. Lebar selang b – c. Jika b  c   maka proses dihentikan dan
didapatkan akar x =c dan bila tidak ulangi langkah 7.

G. Metode Regula Falsi


1. Pengertian Metode Regula Falsi
Metode regula falsi disebut juga metode Interpolasi Linear atau
metode Posisi Salah adalah metode yang digunakan untuk mecari akar-
akar persamaan nonlinear melalui proses iterasi. Metode regula falsi
merupakan metode pencarian akar persamaan dengan memanfaatkan
kemiringan dan selilih tinggi dari dua titik batas range. Solusi akar (atau
akar-akar) dengan menggunakan metode Regula Falsi merupakan
modifikasi dari Metode Bisection dengan cara memperhitungkan
‘kesebangunan’ yang dilihat pada kurva berikut:
Gambar 3. Representasi grafis metode Regula-Falsi

Metode Regula Falsi menetapkan hampiran akar sebagai perpotongan


antara garis yang melalui titik [a, f(a)] dan titik [b, f(b)] dengan sumbu-x.
Jika titik potong tersebut adalah tersebut adalah c, maka akar terletak
antara (a,c) atau (c, b).
Perhatikan kesebangunan antara Pcb dan PQR pada Gambar
1 , sehingga didapatkan persamaan berikut dapat digunakan:
Pb PR

bc RQ

Diketahui :
Tabel 1. Koordinat titik-titik pada Gambar 1
Koordinat Titik koordinat
A (a, 0)
B (b, 0)
C (c, 0)
P (b, f(b))
Q (a, f(a))
R (c, f(c))
Dari persamaan di atas diperoleh:
f (b)  0 f (b)  f (a)

bc ba
Sehingga
f (b)  b  a 
c b
 f (b)  f (a ) 
Persamaan di atas disebut sebagai persamaan rekursif dari metode
Regula Falsi.Nilai c merupakan nilai akar x yang dicari. Sehingga jika
dituliskan dalam bentuk yang lain, nilai akar x adalah sebagai berikut:
f (b)  b  a 
x b
 f (b)  f ( a) 
Dengan kata lain titik pendekatan x adalah nilai rata- rata range
berdasarkan F(x).
Pada kondisi yang paling ekstrim |b – ar| tidak pernah lebih kecil dari
 , sebab salah satu titik ujung selang, dalam hal ini b, selalu tetap untuk
iterasi r = 1,2,3,..... Titik ujung selang yang tidak berubah itu dinamakan
titik mandek (stagnan point). Pada titik mandek,
|br – ar| = |b – ar| , dimana r = 1,2,3,...
Yang dapat mengakibatkan program mengalami looping. Untyk
mengatasi hal ini, kondisi berhenti pada algoritma Regula-Falsi harus
ditambah dengan memeriksa apakah nilai f(x) sudah sangat kecil hingga
mendekati nol.
2. Algoritma Metode Regula Falsi
Algoritma Metode Regula Falsi secara singkat dapat dijelaskan
sebagai berikut:
a. Definisikan fungsi f(x)
b. Tentukan batas bawah (a) dan batas atas (b)
c. Tentukan toleransi error (  ) dan iterasi maksimum (n)
d. Tentukan nilai fungsi f(a) dan f(b)
e. Untuk iterasi I = 1 s/d n
f (b)  b  a 
x b
 f (b)  f ( a) 
 Hitung nilai f(x)
 Hitung error = | f(x)|
 Jika f (a ). f ( x)  0 maka a = c jika tidak b = c
 Jika | f(x)|   , hentikan Iterasi
f. Akar persamaan adalah x

H. Metode Newton Rapshon


1. Pengertian Metode Newton Raphson
Metode newton raphson termasuk metode terbuka seperti halnya
metode iterasi titik tetap. Metode Newton Rapshon merupakan metode
pendekatan yang menggunakan satu titik awal dan mendekatinya dengan
memperhatikan gradien pada titik tersebut. Metode ini dimulai dengan

mencari garis singgung kurva pada titik  x1 , f ( x1 )  . Perpotongan garis

singgung dengan sumbu x yaitu Xi+1, akan menjadi nilai x yang baru,
dengan cara dilakukan berulang-ulang (iterasi).

2. Algoritma Newton Raphson


Algoritma Metode Newton raphson adalah sebagai berikut:
1. Definisikan fungsi f(x) yang akan dicari akarnya.
2. Tentukan harga awal / titik awal (x0).
3. Tentukan toleransi kesalahan (ɛ).
4. Cari turunan fungsi f(x).
Jika f ’(x) = 0, maka metode newton raphson tidak dapat dilanjutkan.
5. Hitung nilai fungsi f(x) dan f ’(x) dengan menggunakan titik awal.
6. Hitung nilai xi+1menggunakan rumus: f(xi )
f ( xi )
xi 1  xi 
f '( xi )

7. Hitung kesalahan xi 1  xi dan bandingkan dengan toleransi

kesalahan   

8. Jika xi 1  xi     , maka pilih akar persamaan xi 1

Jika xi 1  xi     , maka iterasi dilanjutkan.

9. Akar persamaannya adalah xi+1 yang terakhir diperoleh.

I. Metode Secant
1. Pengertian Metode Secant
Metode secant merupakan salah satu metode terbuka untuk
menentukan solusi akar dari persamaan non linear. Metode secant
melakukan pendekatan terhadap kurva f(x) dengan garis secant yang
ditentukan oleh dua titik. Kemudian nilai akar selanjutnya adalah titik
potong antara garis secant dengan sumbu x. Metode Secant merupakan
modifikasi darimetode Newton-Raphson, yaitu denganmengganti fungsi
turunan yang digunakan padametode Newton-Raphson menjadi bentuk

lainyang ekuivalen. Metode ini dimulai denganhampiran awal dan

untuk solusi

2. Algoritma Metode Secant


Algortima pada metode Secant yaitu:
a. Definisikan fungsi f(x)
b. Definisikan toleransi eror (εs)
c. Taksir batas atas xidan batas bawah xi-1.
d. Tentukan f(xi) dan f(xi-1). Jika f(xi) = f(xi-1) maka iterasi tidak
dilanjutkan, tetapi jika f(xi) = f(xi-1) maka iterasi dilanjutkan.
e. Lakukan iterasi dengan menghitung nilai taksiran akar selanjutnya
dengan:
f ( x i )( x i  x i 1 )
x i 1  x i 
f ( x i )  f ( x i 1 )

f. Iterasi berhenti jika εrh ≤ εs, dengan:


xi 1  xi
 rh 
xi 1
a.

J. Polinom Interpolasi Beda Maju


1. Beda Maju/Beda Muka/Selisih Muka (Forward Difference
Menurut Dewi Rachmawati dan Heri Sutarno (2008:12) secara
umum beda maju dapat dinotasikan dengan:

; hingga seterusnya. Beda maju tersebut

dapat disebut beda maju pertama. Secara umum rumus beda maju dapat
ditulis:
Sedangkan untuk beda maju ketiga, keempat, dan seterusnya.
Bentuk umum dari rumusnya yaitu:

untuk n= 0,1,2,…

Secara umum rumus dari beda maju dapat dituliskan dengan :

Dengan disebut dengan “beda maju orde r” dan disebut

dengan “operator beda maju”.


2. Penurunan Rumus Polinom Newton-Gregory Maju
Penurunan rumus polinom Newton-Grerory maju didapatkan dari
selisih beda maju, sehingga didapatkan rumus yaitu::

dengan x = x0 + rh ,s = , 0 s n.

3. Galat Interpolasi Polinom Newton-Gregory Maju


Rumus dari galat Newton-Grerory Maju adalah:
= …

4. Algoritma Interpolasi Polinom Maju


Algoritma pada Polinom Interpolasi Maju:
1. Definisikan fungsif(x)
2. Tentukan selangf(x)
3. Tentukan jarak antar selang atau h
4. Tentukan derajat n
5. Buatlah table selisih maju
6. Tentukan s
x  x0
s
h

K. Polinom Interpolasi Beda Tengah


Merupakan metode gabungan dari maju dan mundur. Dengan metode

selisih tengah, titik hampiran yang diambil adalah titik sebelum dan

sesudah . Sehingga jarak antar kedua titik menjadi

Operasi selisih tengah ẟ didefinisikan oleh relasi

Dengan cara yang sama, selisih tengah berderajat tinggi dapat

didefinisikan. Perhatikan tebel selisih tengah nilai dan seperti berikut

Sama dengan beda maju dan beda mundur, harga beda pusat (selisih
tengah) akan memiliki harga yang sama.sebagai contoh untuk menentukan

harga , harganya sama dengan . Begitu juga untuk selisih

yang lainnya.

L. Polinom Interpolasi Beda Mundur


Rumus Interpolasi Beda Mundur Newton adalah

+ +…+
Dimana :

Adalah koefisien-koefisien binomial dari

Rumus interpolasi lain yang menggunakan beda hingga adalah Rumus


Everett. Rumus ini melibatkan beda-beda hingga tingkat genap. Rumus
Everett yang paling sederhana adalah :

Dimana :

Untuk membuat penerapannya mudah, tabel-tabel fungsi biasanya


menyertakan beda-beda kedua yang diperlukan. Galatnya adalah

Dimana
BAB III

PEMBAHASAN

Pada beberapa masalah kita sering memerlukan suatu penaksiran nilai


antara (intermediate values) yaitu suatu nilai diantara beberapa titik data yang
telah diketahui nilainya. Metode yang biasa digunakan untuk menentukan titik
antara tersebut adalah melakukan interpolasi. Metode interpolasi yang biasa
digunakan adalah dengan interpolasi Polinomial. Persamaan polinomial orde ke n
yang dipakai secara umum adalah :
f ( x )  a 0  a1 x  a 2 x 2  .......  a n x n (1)
Persamaan polinomial ini merupakan persamaan aljabar yang hanya
mengandung jumlah dari variabel x berpangkat bilangan bulat (integer). Untuk
n+1 titik data, hanya terdapat satu polinomial order n atau kurang yang melalui
semua titik. Misalnya hanya terdapat satu garis lurus (polinomial order satu) yang
menghubungkan dua titik, lihat Gambar 1 (a). Demikian juga dengan
menghubungkan tiga titik dapat membentuk suatu parabola (polinomial order 2),
lihat Gambar 1 (b), sedang bila empat titik dapat dihubungkan dengan kurva
polinomial order tiga, lihat Gambar 1 (c), Dengan operasi interpolasi kita dapat
menentukan suatu persamaan polinomial order ke n yang melalui n+1 titik data,
yang kemudian digunakan untuk menentukan suatu nilai (titik antara) diantara
titik data tersebut.

` ● ●

(a) (b) (c)

Gambar 1

Interpolasi polinomial Lagrange hampir sama dengan polinomial Newton,


tetapi tidak menggunakan bentuk pembagian beda hingga. Interpolasi polinomial
Lagrange dapat diturunkan dari persamaan Newton. Interpolasi Lagrange
diterapkan untuk mendapatkan fungsi polinomial P (x) berderajat tertentu yang
melewati sejumlah titik data. Misalnya, kita ingin mendapatkan fungsi polinomial
berderajat satu yang melewati dua buah titik yaitu (x0, y0) dan (x1, y1).

Bentuk polinomial Newton order satu:


f1(x) = f (x0) + (x – x0) f [x1, x0] (1)
Pembagian beda hingga yang ada dalam persamaan diatas mempunyai bentuk:
f ( x1 )  f ( x 0 )
f [x1, x0] =
x1  x 0

f ( x1 ) f ( x0 )
f [x1, x0] =  (2)
x1  x 0 x 0  x1

Substitusi persamaan (1) ke dalam persamaan (2) memberikan:


x  x0 x  x0
f1(x) = f (x0) + f (x1) + f (x0)
x1  x0 x0  x1

Dengan mengelompokkan suku-suku di ruas kanan maka persamaan diatas


menjadi:
x  x x  x0  x  x0
f1(x) =  0 1   f (x0) + x  x f (x1)
 x0  x1 x0  x1  1 0

atau
x  x1 x  x0
f1(x) = f (x0) + f (x1) (3)
x0  x1 x1  x0

Persamaan (3) dikenal dengan interpolasi polinomial Lagrange order satu.


Dengan prosedur diatas, untuk interpolasi order dua akan didapat:
x  x1 x  x2 x  x0 x  x2 x  x0 x  x1
f1(x) = f (x0) + f (x1) + f
x0  x1 x0  x2 x1  x0 x1  x2 x2  x0 x2  x1

(x2) (4)
Bentuk umum interpolasi polinomial Lagrange order n adalah:
n
fn(x) =  Li ( x) f (xi) (5)
i0

dengan
n x  x
Li (x) =  (6)
j

j  0 xi  x j
j  i

Simbol  merupakan perkalian.


Dengan menggunakan persamaan (5) dan persamaan (6) dapat dihitung interpolasi
Lagrange order yang lebih tinggi, misalnya untuk interpolasi Lagrange order 1,
persamaan tersebut adalah:
1

f1(x) =  L i ( x ) f (xi) = L0(x) f (x0) + L1(x) f (x1)


i0

x  x1
L0(x) = ( )
x 0  x1

x  x0
L1(x) = ( )
x1  x 0

Sehingga bentuk interpolasi polinomial Lagrange order 1 adalah:


x  x1
( ) x  x0
f1(x) = x 0  x 1 f (x0) + ( ) f (x1)
x1  x 0

Dengan menggunakan persamaan (5) dan persamaan (6) dapat dihitung pula
interpolasi Lagrange order 2 adalah:
2

F2 (x) =  L i ( x ) f (xi) = L0(x) f (x0) + L1(x) f (x1) + L2(x) f (x2)


i0

x  x1 x  x 2
I=0 L0(x) = ( )( )
x 0  x1 x 0  x 2

x  x0 x  x2
I=1 L1(x) = ( )( )
x1  x 0 x1  x 2

x  x 0 x  x1
I=2 L2(x) = ( )( )
x 2  x 0 x 2  x1

Sehingga bentuk interpolasi polinomial Lagrange order 2 adalah:


x  x1 x  x 2 x  x0 x  x2
f2 (x) = ( )( ) f (x0) + ( )( ) f (x1)
x 0  x1 x 0  x 2 x1  x 0 x1  x 2

x  x 0 x  x1 x  x 0 x  x1
+( )( ) f (x2) + ( )( ) f (x3) (7)
x 2  x 0 x 2  x1 x 3  x 0 x 3  x1

Dengan menggunakan persamaan (5) dan persamaan (6) dapat dihitung pula
interpolasi Lagrange order yang lebih tinggi, misalnya untuk interpolasi Lagrange
order 3, persamaan tersebut adalah:
3
f3(x) =  Li ( x ) f (xi) = L0(x) f (x0) + L1(x) f (x1) + L2(x) f (x2) + L3(x) f (x3)
i0

x  x1 x  x2 x  x3
L0(x) = ( )( )( )
x0  x1 x0  x2 x0  x3

x  x0 x  x2 x  x3
L1(x) = ( )( )( )
x1  x0 x1  x2 x1  x3
x  x0 x  x1 x  x3
L2(x) = ( )( )( )
x2  x0 x2  x1 x2  x3

x  x0 x  x1 x  x2
L3(x) = ( )( )( )
x3  x0 x3  x1 x3  x2
Sehingga bentuk interpolasi polinomial Lagrange order 3 adalah:
x  x1 x  x2 x  x3 x  x0 x  x2 x  x3
f3(x) = ( )( )( ) f (x0) + ( )( )( ) f (x1)
x0  x1 x0  x2 x0  x3 x1  x0 x1  x2 x1  x3
x  x0 x  x1 x  x3 x  x0 x  x1 x  x2
+( )( )( ) f (x2) + ( )( )( ) f (x3) (7)
x2  x0 x2  x1 x2  x3 x3  x0 x3  x1 x3  x2

Contoh soal:
Dicari nilai ln 2 dengan metode interpolasi polinomial Lagrange order satu dan
dua berdasar data ln 1 = 0 dan data ln 6 = 1,7917595. Hitung juga nilai tersebut
berdasar data ln 1 dan data ln 4 = 1,3862944. Untuk membandingkan hasil yang
diperoleh, hitung pula besar kesalahan (diketahui nilai eksak dari ln 2 =
0,69314718).

Penyelesaian:
x0 = 1  f (x0) = 0
x1 = 4  f (x1) = 1,3862944
x2 = 6  f (x2) = 1,7917595

Penyelesaian order satu menggunakan persamaan (3):


x  x1 x  x0
f1(x) = f (x0) + f (x1)
x0  x1 x1  x0

Untuk x = 2 dan dengan data yang diketahui maka:


2 4 2 1
f1(2) = (0) + (1,3862944) = 0,462098133.
1 4 4 1
Untuk interpolasi polinomial Lagrange order dua digunakan persamaan (4):
x  x1 x  x2 x  x0 x  x2 x  x0 x  x1
f1(x) = f (x0) + f (x1) + f
x0  x1 x0  x2 x1  x0 x1  x2 x2  x0 x2  x1

(x2)
2 4 2 6 21 2  6 2 1 2  4
f1(2) = (0) + (1,3862944) +
1 4 1 6 4 1 4  6 6 1 6  4
(1,7917595)
= 0,56584437.
Terlihat bahwa kedua hasil diatas memberikan hasil yang hampir sama dengan
contoh sebelumnya.
BAB IV

STUDI KASUS

Sensus Penduduk secara tidak langsung dapat memberikan gambaran yang


nyata pada kondisi masyarakat pada masa mendatang khususnya pada tingkat
pertumbuhan penduduk di kota Probolinggo. Namun, permasalahannya disini
adalah gambaran tingkat pertumbuhan penduduk hanya bisa diketahui tiap
sepuluh tahun sekali. Adapun alternatif matematika yang bisa dijadikan acuan
untuk penyelesaian masalah jumlah penduduk adalah peramalan secara numerik.
Penelitian ini mencoba meramalkan tingkat pertumbuhan penduduk tiap tahun di
Kota Probolinggo mulai tahun 1980 s/d 2010 dengan menggunakan metode
Interpolasi Lagrange dan meramalkan tingkat pertambahan penduduk di Kota
Probolinggo sepuluh tahun mendatang dengan menggunakan metode ekstrapolasi.
Tujuannya adalah untuk mengetahui tingkat pertambahan penduduk di Kota
Probolinggo tahun 1980 s/d 2010 dan taksiran tingkat pertambahan penduduk di
Kota Probolinggo sepuluh tahun mendatang dengan menggunakan metode
Interpolasi Lagrange dan Ekstrapolasi.
Untuk perhitungan jumlah penduduk dengan teknik interpolasi dan
ekstrapolasi ini, digunakan data sensus penduduk di Kota Probolinggo pada
rentang waktu antara tahun 1980, 1990, 2000 dan 2010. Adapun data hasil sensus
penduduk Kota Probolinggo tahun 1980 dan 1990 bisa dilihat pada tabel 1
Data hasil sensus penduduk tahun 2000 bisa dilihat pada tabel 2

Sedangkan data hasil sensus penduduk tahun 2010 bisa dilihat pada tabel 3

Selanjutnya akan dicari perhitungan jumlah populasi penduduk pada setiap


tahunnya yang berada pada interval data tahun 1980-2010, Karena data di atas
hanya menyajikan jumlah populasi penduduk pada tiap sepuluh tahun, maka
perhitungan yang akan digunakan adalah interpolasi lagrange. Untuk lebih
spesifiknya adalah Lagrange polinom pangkat tiga. Langkah pertama adalah data
pada tabel 1, 2, dan 3 dikonversi dalam bentuk tabel seperti pada tabel 4.

Setelah data dikonversi dalam bentuk tabel 4, data digunakan untuk


meramalkan jumlah penduduk pada tahun 1981-2009 dengan menggunakan
rumus interpolasi Lagrange berderajat tiga.
Untuk meramalkan jumlah penduduk pada tahun 1981-2009, dengan
menggunakan rumus interpolasi Lagrange berderajat tiga sebagai berikut

dimana x adalah tahun yang diramalkan.


Hasil peramalan dengan metode Interpolasi Lagrange dan Ekstrapolasi bisa
mudah diperoleh dengan Program Matlab R2008a yang dibuat oleh Calzino
pada tanggal 07 oktober 2001. Output dari program tersebut ada pada tabel 5.
BAB V

KESIMPULAN

Interpolasi polinomial Lagrange hampir sama dengan polinomial Newton,


tetapi tidak menggunakan bentuk pembagian beda hingga. Interpolasi polinomial
Lagrange dapat diturunkan dari persamaan Newton. Interpolasi Lagrange
diterapkan untuk mendapatkan fungsi polinomial P (x) berderajat tertentu yang
melewati sejumlah titik data. Taksiran galat untuk Polinomial Langrage tidak
dapat dihiting secara langsung karena tidak tesedia rumus taksiran.
DAFTAR PUSTAKA

Munir, Rinaldi. 2013. METODE NUMERIK Revisi Ketiga. Bandung:


INFORMATIKA
Kub, M., Janovsk, D., & Dubcov, M. (2005). Numerical methods and algorithms.

Motta, J. (2001). Metoda Numerik.