INTERPOLASI DAN REGRESI

LAPORAN PRAKTIKUM METODE NUMERIK

DALAM SAINS ATMOSFER DAN KEPLANETAN

Nama : Yaniriang Fau

NIM : 120290019
Kelompok :5
Asisten : Randy A. Syahputra

PROGRAM STUDI SAINS ATMOSFER DAN

KEPLANETAN JURUSAN SAINS
INSTITUT TEKNOLOGI
SUMATERA LAMPUNG SELATAN

2021

1
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Praktikum kali ini, akan mempelajari tentang interpolasi dan regresi. Seperti
yang telah diketahui bahwa baik regresi maupun interpolasi sangat berguna dalam
kehidupan sehari-hari. Contohnya adalah untuk menghitung kepadatan penduduk
setiap tahunnya ataupun hal lain. Tetntu saja saat menghitung data seperti ini tidak
mudah. Terlebih lagi penduduk indonesia tidak sedikit, maka dengan kemajuan
teknologi yang ada, kita dapat menghitung data-data tersebut dengan mudah dan
cepat.

Pada era seperti sekarang, tentunya menyelesaikan suatu permasalahan tidak

lagi hanya dilakukan secara manual. Banyak sekali teknologi yang akan
memudahkan kita untuk menyelesaikan permasalahan dengan cara berfikiri
komputasi dan memahami algoritma perhitungannya. Dengan dilakukannya
praktikum ini, praktikan akan memahami bagaimana menyelesaikan permasalahan
dengan menggunakan bahasa pemrograman python. Sehingga ketika dihadapkan
pada situasi yang rumit, maka program ini dapat digunakan. Apalagi jika
permasalahan yang dihadapi dalam jumlah yang sangat banyak. Puluhan bahkan
ratusan data, tentu saja bukan hal mudah untuk menyelesaikannya secara manual.

Sebagai contoh lain yaitu saat seorang peneliti dalam melakukan analisis sata
atau menyusun model dalam suatu fenomena ataupun pengamatan diperlukan
beberapa komponen pendukung. Karena dalam suatu praktik pengumpulan data
banyak sekali kendala, salah satunya adalah ketidaklengakapan data yang

1
diperlukan.

2
 Hal ini akan membuat seorang peneliti akan sangat kesulitan dan
berpengaruh terhadap hasil dari datanya. Pertimbangan kondisi lingkungan,
fisiografis, keterbatasan data dari berbagai titik di permukaan bumi ini dapat
menghambat penyusunan model. Selanjutnya untuk menyusun suatu model yang
baik disiasati dengan melakukan intepolasi. Interpolasi merupakan suatu metode
atau fungsi matematika untuk menduga nilai pada lokasi-lokasi yang datanya
tidak tersedia. Menurut Burrough and McDonell (1998), interpolasi adalah
proses memprediksi nilai pada suatu titik yang bukan merupakan titik sampel,
berdasarkan pada nilai-nilai dari titik-titik di sekitarnya yang berkedudukan
sebagai sampel. Penentuan nilai baru didasarkan pada data yang ada pada titik-
titik sampel pengamatan. Tanpa adanya langkah interpolasi ini, maka analisis
spasial tidak dapat dilakukan secara akurat.

Dalam konteks pemetaan, interpolasi merupakan proses estimasi nilai

pada wilayah-wilayah yang tidak disampel atau diukur untuk keperluan
penyusunan peta atau sebaran nilai pada seluruh wilayah yang dipetakan.
Interpolasi spasial mempunyai dua asumsi yakni atribut data bersifat kontinu di
dalam ruang (spcae) dan atribut tersebut saling berhubungan (dependence)
secara spasial. Kedua asumsi tersebut berimplikasi pada logika bahwa
pendugaan atribut data dapat dilakukan berdasarkan data dari lokasi-lokasi di
sekitarnya dan nilai pada titik-titik yang berdekatan akan lebih mirip daripada
nilai dari titik-titik yang berjauhan.

1.1 Tujuan Praktikum

Setelah melakukan praktikum kali ini, diharapkan praktikan dapat
mencapai beberapa hal, diantaranya:

1. Mahasiswa dapat memahami algoritma penyelesaian interpolasi

denga menggunakan metode interpolasi polinomial (Linier,
Kuadratik, Kubik, dan Newton ) serta Interpolasi Lagrange.
2. Mahasiswa dapat memahami algoritma penyelesaian regresi liniear,
dan polinomial.

3
4
 BAB II

TINJAUAN PUSTAKA

2.1 Interpolasi

Prinsip dari interpolasi adalah digunakan untuk mencari nilai fungsi

berkurva yang memiliki tingkat kesesuaian dengan kurva lainnya yang sedang
diamati. Namun biasanya suatu fungsi memiliki rumusan yang kompleks dan sulit
untuk dipecahkan, sehingga sulit (atau bahkan tidak mungkin) jika ingin
diturunkan, diintegralkan, dan ataupun diubah kedalam bentuk lainnya[ CITATION
Fah14 \l 1033 ]. Berdasarkan permasalahan dalam pengubahan rumus tersebut,
maka metode interpolasi yang sering digunakan adalah interpolasi polinomial.
Metode polonominal digunakan karena persamaan polinomial adalah persamaan
aljabar yang hanya mengandung banyaknya variabel dari variabel x berpangkat
bilangan bulat (integer) sehingga membuat metode ini mudah untuk diterapkan
operasi terhadapnya.

Polinominal juga sering digunakan untuk pendekatan terhadap banyak

masalah, hal ini dikarenakan strukturnya yang sangat sederhana sehingga metode
ini dapat digunakan dengan efektif. Secara sederhana metode interpolasi ini
merupakan suatu metode yang digunakan untuk mencari suatu harga fungsi pada
titik yang berada diantara dua titik lainnya. Berdasarkan pengertian diatas,
interpolasi dapat dibagi menjadi empat macam, yaitu Interpolasi Linear,
Interpolasi Kuadrat, Interpolasi Lagrange, dan Interpolasi Newton.

5
2.2 Interpolasi Linear

Pada intinya, metode Interpolasi Linear merupakan sebuah metode program

atau metode yang dapat digunakan untuk mencari nilai dari dua persamaan linear
atau biasa disebut persamaan garis lurus. Disebut persamaan garis lurus
dikarenakan hasil dari persamaan linear dengan bentuk kurva grafik yang
membentuk suatu garis lurus[ CITATION Mun \l 1033 ] . Karena hal ini lah, metode
Interpolasi Linear harus didasarkan dari teori perbandingan.

Gambar 2.1 Grafik Interpolasi Linear

Rumus

Suatu persamaan linear dapat yang melalui titik P1 dan P2 dituliskan

y− y1 x−x 1
=
y 2− y 1 x−x 1

Sehingga dapat didapatkan persamaan sebagai berikut

6
 y 2− y 1
y= ( x −x1 ) + y 1
x 2−x 1

2.3 Interpolasi Kuadrat

Interpolasi Kuadratik hampir sama seperti Interpolasi linear, yang

membedakannya adalah bahwa Interpolasi ini menggunakan pangkat dengan
menggunakan tiga titik untuk pembentukan garisnya. Banyak sekali penggunaan
Interpolasi Linear yang tidak maksimum dalam penggunaannya karena
menggunakan bilangan berpangkat dua[ CITATION Dos21 \l 1033 ]. Hal ini
menyebabkan interpolasi Kuadratik ini pun ada agar fungsi interpolasi ini dengan
pangkat dua mampu terselesaikan dan dapat dicari titik barunya dengan efektif.

Gambar 2.2 Grafik Interpolasi Kuadratik

Rumus

Untuk memperoleh titik Q(x,y) maka dapat digunakan seperti berikut

7
 ( x−x 2)( x−x 3 ) ( x−x 1 )(x−x 3) ( x−x 1)( x −x2 )
y= y1 + y2 + y3
(x 1−x 2)( x 1−x 3) (x 2−x 1 )(x 2−x3 ) (x 3−x 1)( x 3−x 2 )

2.4 Interpolasi Lagrange

Interpolasi Lagrange digunakan untuk polinominal yang berdejarat n-1.

Misalkan fungsi y(x) kontinu & diferensiabel sampai turunan (n+1) dalam interval
buka (a,b)[ CITATION Dos21 \l 1033 ] . Untuk pemakaian praktis, formula interpolasi
Lagrange dapat dinyatakan sebagai berikut.

n
f n ( x ) = ∑ Li ( x ) f ( x 1)
i=0

Dengan

n
x−x j
Li ( x ) = ∏
j=0 , j=1 x i−x j
2.5 Regresi Linear

Regresi sederhana yang berdasarkan pada hubungan fungsional ataupun

kausal antara satu variabel yang independen dengan satu variabel yang bukan
dependen. Model rumus yang digunakan pada regresi linear sederhana yaitu

Y =a+bX

Selain itu harga a dan b dapat dicari dengan rumus

( ∑ Y i ) ( X i ) −(∑ X i )(∑ X i Y i)
2

a= 2
n ∑ x 1 −( ∑ X i)
2

8
 n ∑ X i Y i−( ∑ X i)( ∑ Y i)
b= 2
n ∑ x 1 −(∑ X i )
2

9
 BAB III

METODOLOGI PRAKTIKUM

3.1 Waktu dan Tempat

Praktikum metode numerik dengan judul Regresi dan Interpolasi

dilaksanakan pada hari Kamis, 28 Oktober 2021 pukul 15:00 WIB yang
dilakukan secara daring dari rumah masing – masing praktikan.

3.2 Diagram Alir

Diagram alir menentukan Algoritma Interpolasi Kuadratik

Gambar 3.1 Diagram Alir Menentukan Algoritma Interpolasi Kuadratik

10