LAPORAN

PRAKTIKUM KOMPUTASI BIOMEDIK

INTERPOLATION LAGRANGE

Hari : Senin Tanggal : 8 november 2021 Jam: 13.00–14.40 WIB

Oleh :

Nama : Innaja Atir Rizqi Alfarisa

NIM : 081911733078

Kelas : T2

Dosen Pembimbing : Fitriyatul Qulub, S.T., M.T

PROGAM STUDI TEKNIK BIOMEDIS

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA
2021
 A. TUJUAN
Menentukan interpolasi berdasarkan data yang diberikan.

B. DASAR TEORI

Interpolasi adalah proses menemukan dan mengevaluasi fungsi yang grafiknya melewati
himpunan titik-titik yang diberikan. Interpolasi digunakan untuk memperkirakan suatu fungsi
hanya dengan data-data yang telah diketahui. Pada tulisan ini akan dibahas Interpolasi Lagrange
atau dikenal juga dengan nama Polinom Lagrange.
Dalam ilmu analisa numerik, interpolasi adalah metode membangun titik-titik data baru
dalam kisaran data diskrit telah diketahui. Umumnya digunakan untuk kasus memperkirakan
sebuah variabel dari kisaran data sampling atau eksperimen yang telah diperoleh. Apabila
dibandingkan dengan regresi, interpolasi menghasilkan data berketelitian tinggi karena fungsi
interpolasi melalui semua titik data. Semakin banyak data yang diketahui, semakin tinggi derajat
polinom, dan semakin besar error pembulatannya.
Interpolasi Lagrange digunakan untuk menemukan beberapa titik penghubung dari titik-n
𝑃1 (𝑥1 , 𝑦1 ), 𝑃2 (𝑥2 , 𝑦2 ), 𝑃3 (𝑥3 , 𝑦3 ), … , 𝑃𝑁 (𝑥𝑁 , 𝑦𝑁 ) dengan menggunakan fungsi pendekatan
polinomial yang disusun pada suatu kombinasi baris yang dapat didefinisikan sebagai berikut.
𝑁
(𝑥 − 𝑥𝑗 )
𝑦 = ∑ 𝑦𝑖 ∏
(𝑥𝑖 − 𝑥𝑗 )
𝑖=1 𝑗≠𝑖

Interpolasi Lagrange adalah salah satu formula untuk interpolasi berselang tidak sama selain
formula interpolasi Newton umum & metoda Aitken. Walaupun demikian dapat digunakan pula
untuk interpolasi berselang sama.

Misalkan fungsi y (x) kontinu & diferensiabel sampai turunan (n+1) dalam interval buka (a,b).
Diberikan (n+1) titik (x0,y0), (x1,y1), …, (xn,yn) dengan nilai x tidak perlu berjarak sama dengan
yang lainnya, dan akan dicari suatu polinom berderajat n. Untuk pemakaian praktis, formula
interpolasi Lagrange dapat dinyatakan sebagai berikut :

𝑁
(𝑥 − 𝑥𝑗 )
𝑦 = ∑ 𝑦𝑖 ∏
(𝑥𝑖 − 𝑥𝑗 )
𝑖=1 𝑗≠𝑖
Algoritma Interpolasi Lagrange :

• Tentukan jumlah titik (N) yang diketahui

• Tentukan titik-titik Pi(xi,yi) yang diketahui dengan i=1,2,3,…,N
• Tentukan x dari titik yang dicari
• Hitung nilai y dari titik yang dicari dengan formulasi interpolasi lagrange

𝑁
(𝑥 − 𝑥𝑗 )
𝑦 = ∑ 𝑦𝑖 ∏
(𝑥𝑖 − 𝑥𝑗 )
𝑖=1 𝑗≠𝑖

• Tampilkan nilai (x,y)

C. HASIL PENGAMATAN DAN PEMBAHASAN

Pada praktikum ini membahas mengenai Interpolasi Lagrange. Tujuan dilakukan praktikum
ini antara lain untuk Menentukan interpolasi berdasarkan data yang diberikan.
Pada praktikum kali ini membahasa Interpolas Lagrange. Interpolasi adalah proses
menemukan dan mengevaluasi fungsi yang grafiknya melewati himpunan titik-titik yang
diberikan. Interpolasi digunakan untuk memperkirakan suatu fungsi hanya dengan data-data yang
telah diketahui. Pada tulisan ini akan dibahas Interpolasi Lagrange atau dikenal juga dengan nama
Polinom Lagrange.
Interpolasi Lagrange digunakan untuk menemukan beberapa titik penghubung dari titik-n
𝑃1 (𝑥1 , 𝑦1 ), 𝑃2 (𝑥2 , 𝑦2 ), 𝑃3 (𝑥3 , 𝑦3 ), … , 𝑃𝑁 (𝑥𝑁 , 𝑦𝑁 ) dengan menggunakan fungsi pendekatan
polinomial yang disusun pada suatu kombinasi baris.

TASK :
There is a data as shown below.
n 1 2 3 4 5 6 7
x(n) 0.1 0.3 0.5 0.7 0.9 1.1 1.3
y(n) 0.030 0.067 0.148 0.248 0.320 0.518 0.697
 1. Define the order of the polynomial Lagrange interpolation that exactly goes through the
seven dots shown above and plot the function!
Jawab :

Listing kode :

Hasil:

Plotting :
 Pada tugas 1 praktikum ini menggunakan metode Interpolasi Lagrange, yang mana diberi n
titik data yaitu x dan y yang masing-masing mengandung beberapa elemen data. Analisis
interpolasi mempelajari suatu fungsi yang nantinya menghasilkan sebuah grafik yang tepat
melewati semua titik data yang diberikan. Karena data yang diketahui adalah 7 maka derajat dari
interpolasi polinomial lagrange adalah 6 dengan fungsi sebagai berikut: y = -15.69 x6 + 62.29 x5
- 94.33 x4 + 68.35 x3 - 24.04 x2 + 3.99 x - 0.1882. Dengan cara ini maka didapatkan hasil 0.030000,
0.067000, 0.148000, 0.248000, 0.320000, 0.518000, dan 0.697000.

2. Guess the y for each dot in the table below and show them as well in the graph that has
been made!

x(n) y(n)
0.365
0.512
0.621
0.715
Jawab :

Listing kode :
 Hasil :

Plotting :

Pada tugas 2 ini kita diminta untuk memprediksi titik setelahnya. Pada tugas ini
ditugaskan untuk mencari nilai y(n) dari data x(n) di atas menggunakan fungsi yang ada
pada tugas 1. Jika ditinjau dari grafik output setelah program di run, bintang-bintang yang
berada di sepanjang garis merupakan tara asli atau data coba yang telah dimasukkan
 mahasiswa dan line merah merupakan range. Dari hasil tersebut terlihat hasil interpolasi
karena data asli dan range berada dalam satu line. Karena nilai x berada di dalam interval
data sehingga hasil interpolasinya kembali melewati nilai (x[n],y[n]) tebakan setelah
melewati data asli.
3. What does happen if the x value is not in the range of the data of Lagrange interpolation?
Elaborate your answer and show it in a plot!
Jawab :

Listing kode :

hasil :

Plotting :
 Pada tugas 3 ini apabila kita mencari nilai y di luar nilai x yang telah diketahui maka itu
identik dengan ekstrapolasi. Karena memprediksi nilai di luar batas x yang telah diberikan maka
biasanya menghasilkan error yang cukup besar dan ini bisa dilihat pada regresi linear pada
umumnya dimana grafik regresi linear tidak selalu melewati titik datanya. Dari grafik tersebut
kita menunjukkan tebakan nilai x = [1.4 1.5 1.6 1.8] dan tanda bintang-bintang sebagai data asli
dan line merah merupakan range yang dibuat diluar dari data asli, Sehingga ditunjukkan
perbedaan grafik dari sebelum-sebelumnya, yang mana range menunjukkan garis yang tidak
diikuti oleh intang-bintang(data asli). Apabila dibuatkan dalam grafik pada tugas maka dapat
dilihat seperti pada gambar di atas. Tanda ‘*’ terlihat menurun dan menghasilkan bentuk yang
logaritmik. Namun karena ini adalah prediksi, tidak dapat diketahui secara pasti bahwa hasilnya
seperti itu.

4. What is the difference of linear regression and Lagrange interpolation?

Jawab :
➢ Regresi linear :
- Regresi Linier atau Linear Regression adalah suatu model statistik yang umum
dan paling sederhana yang digunakan untuk melakukan prediksi dengan cara
supervised learning.
- Fungsinya untuk menentukan suatu kurva wakil dari sekumpulan data.
 - Regresi Linier hanya bisa digunakan untuk data yang bersifat interval dan ratio
yang biasanya bersifat diskrit dan kontinu, dan merupakan analisis bivariate dan
multivariate
➢ Interpolasi Lagrange :
- Interpolasi Lagrange adalah salah satu formula untuk interpolasi berselang tidak
sama selain formula interpolasi Newton umum & metoda Aitken. Walaupun
demikian dapat digunakan pula untuk interpolasi berselang sama.
- Fungsinya untuk menentukan nilai suatu data yang terletak antara dua titik data.
- Interpolasi Lagrange digunakan untuk menemukan beberapa titik penghubung
dari titik-n 𝑃1 (𝑥1 , 𝑦1 ), 𝑃2 (𝑥2 , 𝑦2 ), 𝑃3 (𝑥3 , 𝑦3 ), … , 𝑃𝑁 (𝑥𝑁 , 𝑦𝑁 ) dengan
menggunakan fungsi pendekatan polinomial yang disusun pada suatu kombinasi
baris
5. Give one example of biomedical case that could use Lagrange interpolation to solve it!
Provide the data and the result of the Lagrange interpolation!
Jawab :
Pada Comuted Tommography membahas mengenai CT-Scan. CT-Scan terdapat sampai
8 generasi CT-Scan. Pada salah satu Generasi CT-Scan tersebeut menggunakan konsep
interpolasi Lagrange, yaitu pada CT-Scan generasi ke 4 , pencitraan menggunakan
konsep interpolasi untuk menentukan dan memprediksi dari titik -titik yang di tentukan
, sehingga jika pecintraan awal hanya berbekal data x dan data y dengan range yang
terbatas, dengan konsep interpolasi kita dapat memprediksi dan mengisi titik-titik yang
di perlukan dalam proses ct scan.

D. KESIMPULAN
Berdasarkan hasil praktikum diatas dapat disimpulkan bahwa :
1. Interpolasi Lagrange digunakan untuk mencari titik-titik antara dari n buah titik
P1(x1,y1), P2(x2,y2), P3(x3,y3),…, PN(xN,yN) dengan menggunakan pendekatan fungsi
polynomial yang disusun dalam kombinasi deret
2. Perbedaan intepolasi dan regresi menurut saya adalah tujuan dari kedua metode
tersebut, karna pada penerapan metode ini di kehidupan sehari-hari terlihat jelas
 perbedaannya , yaitu interpolasi dapat memprediksi titik-titik yang akan di lalui grafik,
sedangkan regresi digunakan untuk menyesuaikan suatu grafik terhdap regersinya

E. DAFTAR PUSTAKA
Eaton, J. W. 2002. GNU Octave Manual, Network Theory Limited. Boston: Free
Software Foundation.
King M.R. and Mody N.A. 2010. Numerical and Statistical Method for Bioengineering.
New York: Cambridge University Press
S. Attaway. 2009. Matlab: A practical Introduction to Programming and
Problem Solving. Boston University: Boston.