MAKALAH INTERPOLASI

Dosen Pengampu : Nendra Mursetya Somasih Dwipa, M.Sc

Disusun Oleh :

Kelompok 3

Ending Trisnani (19144100016)

Pradyana shinta C. S (19144100020)

Sri Wulandari (19144100023)

Kresnandika W (19144100025)

Kelas: 5A1

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS PGRI YOGYAKARTA

2022
 BAB I

PENDAHULUAN

A. Latar Belakang
Metode numerik adalah teknik yang digunakan untuk memformulasikan
masalah matematis sehingga dapat dipecahkan dengan operasi perhitungan/ aritmatika
biasa (tambah, kurang, kali dan bagi). Metode adalah cara sedangkan numerik adalah
angka sehingga, secara harafiah metode numerik berarti cara berhitung dengan
menggunakan angka-angka. Perhitungan ini melibatkan sejumlah besar operasi-
operasi hitungan yang berulang-ulang. Dalam pengertian matematika dasar,
interpolasi adalah perkiraan suatu nilai tengah dari satu set nilai yang diketahui.
Dalam kehidupan sehari-hari, interpolasi dapat digunakan untuk memperkirakan suatu
fungsi di mana fungsi tersebut tidak terdaftar dengan suatu formula, tetapi
didefinisikan hanya dengan data-data atau tabel yang tersedia.
Ada berbagai macam interpolasi berdasarkan fungsinya, di antaranya adalah
interpolasi linier, interpolasi kuadrat, dan interpolasi polinomial. Dengan berbagai
macam metode antara lain metode Newton dan metode Lagrange, namun disini kita
akan membahas dengan metode Newton. Berdasarkan dua macam tabel selisih
tersebut, maka ada dua macam Polinom Newton-Gregory, yaitu polinom Newton-
Gregory Maju dan Polinom Newton-Gregory Mundur atau dapat disebut Polinom
Newton Maju dan Polinom Newton Mundur

B. Rumusan Masalah
1. Bagaimana Polinom Interpolasi Beda Maju ?
2. Bagaimana Polinom Interpolasi Beda Mundur ?

C. Tujuan
1. Dapat mengetahui Polinom Interpolasi Beda Maju
2. Dapat mengetahui Polinom Beda Mundur
 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 efisien. 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 3 pendekatan, tentunya setiap nilai
hasil perhitungan akan mempunyai nilai error (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 berarti 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 angkaangka 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.
i. Penulisan angka bena dalam notasi ilmiah mengikuti aturan bentuk umum
notasi ilmiah yaitu n 10a dengan a adalah bilangan riil yang memenuhi 10
a 1 dan n bilangan bulat. Contoh:
 Bilangan 29000 jika ditulis dalam notasi ilmiah menjadi 2,9 x104
Bilangan 2977000 jika ditulis dalam notasi ilmiah menjadi 2,977 x 104
Bilangan 14,98 jika ditulis dalam notasi ilmiah menjadi 1,498 x 101
Bilangan 0,006 jika ditulis dalam notasi ilmiah menjadi 6 x 103
Bilangan -0,00029 jika ditulis dalam notasi ilmiah menjadi -2,9 x 104
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:
• 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.
• 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 x102
46,5 x 1,4 = 65,1 ditulis menjadi 6,5 x 101
C. Galat (Error)
1. Analisis Galat
Menganalisis galat sangat penting di dalam perhitungan yang menggunakan
metode numerik. Galat berasosiasi dengan seberapa dekat solusi hampiran
terhadap solusi sejatinya. Semakin kecil galatnya, semakin teliti solusi numerik
yang didapatkan. Kita harus memahami dua hal:
Bagaimana menghitung galat.
Bagaimana galat timbul.
𝜀 = 𝑎 − 𝑎̂
disebut galat. Sebagai contoh, jika â = 10,5 adalah nilai hampiran dari a =
10,45 , maka galatnya adalah ɛ = -0,01. Jika tanda galat (positif atau negatif) tidak
dipertimbangkan, maka galat mutlak dapat didefinisikan sebagai:
|𝜀| = |𝑎 − 𝑎̂|
Ukuran galat ɛ kurang bermakna sebab tidak menceritakan seberapa besar
galat itu dibandingkan dengan nilai sejatinya.
Contoh:
Seorang anak melaporkan panjang sebatang kawat 99 cm, padahal panjang
sebenarnya 100 cm. Galatnya adalah 100 – 99 = 1 cm. Anak yang lain
melaporkan panjang sebatang pensil 9 cm, padahal panjang sebenarnya 10 cm,
sehingga galatnya juga 1 cm. Kedua galat sama-sama bernilai 1cm, namun galat 1
cm pada pengukuran panjang pensil lebih berarti daripada galat 1 cm pada
pengukuran panjang kawat. Jika tidak ada informasi mengenai panjang
 sesungguhnya, kita mungkin menganggap kedua galat tersebut sama saja. Untuk
mengatasi interpretasi nilai galat ini, maka galat harus dinormalkan terhadap nilai
sejatinya. Gagasan ini melahirkan apa yang dinamakan galat relatif.

Galat relatif didefinisikan sebagai

atau dalam persentase

Karena galat dinormalkan terhadap nilai sejati, maka galat relatif tersebut
dinamakan juga galat relatif sejati. Dengan demikian, pengukuran panjang kawat
mempunyai galat relatif sejati = 1/100 = 0.01, sedangkan pengukuran panjang
pensil mempunyai galat relatif sejati = 1/10 = 0.1.
2. Jenis-jenis Galat
Faktor-faktor yang menyebabkan kesalahan pada metode numerik antara lain:
a. Kesalahan karena bawaan data (Inherent error)
Kesalahan bawaan data merupakan kesalahan dari nilai data. Misal kekeliruan
dalam menyalin data, salah membaca skala atau kesalahan karena kurangnya
pengertian mengenai hukum-hukum fisik dari data yang diukur.
b. Kesalahan karena pembulatan (round-off error)
Kesalahan karena pembulatan round-off error terjadi karena tidak kita
memperhitungkan beberapa angka terakhir dari suatu bilangan; artinya solusi
hampiran digunakan untuk menggantikan solusi sejati eksak.
Contoh:
Tulis bilangan berikut menjadi tiga angka bena.
8632574 dapat dibulatkan menjadi 8630000
3,1415926 dapat dibulatkan menjadi 3,14
c. Kesalahan karena pemotongan (truncation error)
Kesalahan pemotongan terjadi karena adanya proses komputasi tak berhingga
diganti dengan proses berhingga. Misal pada deret Taylor atau MaClaurin.
Contoh:
Terdapat tugas untuk mengukur panjang sebuah jembatan dan sbeuah aku
keliling. Didapat hatga 9.999 dan 9 cm. Jika harga sebenarnya adalah 10.000
dan 10 cm, maka hitunglah: error relatif persen untuk setiap kasus!
Jawab:
Untuk jembatan
Untuk paku keliling
Untuk Jembatan

Untuk paku keliling

Jadi,walaupun sama-sama error 1 cm, tapi pengukuran dikatakan lebih baik

untuk jembatan.
 BAB III

PEMBAHASAN

A. Interpolasi
Interpolasi adalah teknik mencari harga suatu fungsi pada suatu titik di antara dua
titik yang nilai fungsi pada ke-2 titik tersebut sudah diketahui. Cara menentukan harga
fungsi f dititik 𝑥 ∗ 𝜖 [𝑥0 , 𝑥𝑛 ]dengan menggunakan informasi dari seluruh atau sebagian
titik-titik yang diketahui (𝑥0 , 𝑥1 , … . , 𝑥𝑛 )
Teknik umum yang digunakan yaitu :
 Membentuk polynomial berderajat ≤ 𝑛 yang mempunyai harga fungsi titik-
titik yang diiketahui (polynomial interpolasi)
 Masukkan titik yang ingin dicari harga fungsinya ke dalam polynomial
interpolasi
Pada beberapa masalah sering memerlukan penaksiran nilai antara yaitu suatu
nilai diantara titik data yang telah diketahui nilainya. Metode yang biasa digunakan
untuk menentukan titik antara tersebut adalah melakukan interpolasi.
B. Polinom Interpolasi Beda Maju
1. Interpolasi Beda Maju
Apabila diketahui sekelompok data misalnya
(𝑥0 , 𝑦0 ), (𝑥1 , 𝑦1 ), (𝑥2 , 𝑦2 ), … , (𝑥𝑛 , 𝑦𝑛 ), maka beda dari y adalah
(𝑦1 , 𝑦0 ), (𝑦2 , 𝑦1 ), (𝑦2 , 𝑦2 ), … , (𝑦𝑛 − 𝑦𝑛−1 ). Namun apabila selisih tersebut akan
dinyatakan dengan ∆𝑦0 , ∆𝑦1 , … , ∆𝑦𝑛−1 , maka dapat di rumuskan yaitu :
∆𝑦0 = 𝑦1 − 𝑦0 , ∆𝑦1 = 𝑦2 − 𝑦1 , … , ∆𝑦𝑛−1 = 𝑦𝑛 − 𝑦𝑛−1
Dimana ∆ disebut dengan operator beda maju dan ∆𝑦0 , ∆𝑦1 , … , ∆𝑦𝑛−1 disebut
dengan selisih uka pertama. Sedangkan beda maju kedua adalah selisih dari beda
maju pertama. Selisih dari beda maju kedua dapat ditulis dengan
∆2 𝑦0 , ∆2 𝑦1 , … ∆2 𝑦𝑛−1 . Untuk beda maju ketiga, keempat, dan seterusnya
didapatkan dengan langkah yang sama.
Menurut Dewi Rahmawati dan Heri Sutarno (2008:12) secara umum beda
maju dapat dinotasikan dengan:
∆𝑓0 = 𝑓1 − 𝑓0 ; ∆𝑓1 = 𝑓2 − 𝑓1 dan seterusnya. Beda maju tersebut dapat diseut
beda maju pertama. Secara umum rumus beda maju dapat dituliskan :
∆𝑓𝑚 = 𝑓𝑚+1 − 𝑓𝑚
 Sedangkan untuk bentuk umum beda maju ketiga, keempat, dan seterusnya yaitu :
∆𝑓𝑚 = 𝑓𝑚+1 − 𝑓𝑚 𝑢𝑛𝑡𝑢𝑘 𝑛 = 0,1,2, …
Beda maju dapat dikerjakan menggunakan tabel. Berikut tabel yang akan
menunjukkan beda maju dari semua tingkat yang dapat dibentuk :
X f(x) ∆𝑓 ∆2 𝑓 ∆3 𝑓 ∆4 𝑓

𝑥0 𝑓0 ∆𝑓0 ∆2 𝑓0 ∆3 𝑓0 ∆4 𝑓0

𝑥1 𝑓1 ∆𝑓1 ∆2 𝑓1 ∆3 𝑓1

𝑥2 𝑓2 ∆𝑓2 ∆2 𝑓2

𝑥3 𝑓3 ∆𝑓3

𝑥4 𝑓4

Lambang ∆ menyakatan selisih maju, arti simbol di dalam tabel tersebut yaitu :
𝑓0 = 𝑓(𝑥0 ) = 𝑦0
𝑓1 = 𝑓(𝑥1 ) = 𝑦1
…
𝑓4 = 𝑓(𝑥4 )
Notasi : 𝑓𝑝 = 𝑓(𝑥𝑝 )

∆𝑓0 = 𝑓1 − 𝑓0
∆𝑓1 = 𝑓2 − 𝑓1
…
∆𝑓3 = 𝑓4 − 𝑓3
Notasi : ∆𝑓𝑝 = 𝑓𝑝+1 − 𝑓𝑝

∆2 𝑓0 = ∆𝑓1 − ∆𝑓0
∆2 𝑓1 = ∆𝑓2 − ∆𝑓1
∆2 𝑓2 = ∆𝑓3 − ∆𝑓2
Notasi : ∆2 𝑓𝑝 = ∆𝑓𝑝+1 − ∆𝑓𝑝

∆3 𝑓0 = ∆𝑓1 − ∆𝑓0
 ∆3 𝑓0 = ∆𝑓2 − ∆𝑓1
Notasi : ∆3 𝑓𝑝 = ∆2 𝑓𝑝+1 − ∆2 𝑓𝑝
Bentuk umum :
∆𝑛+1 𝑓𝑝 = ∆𝑛 𝑓𝑝+1 − ∆𝑛 𝑓𝑝 𝑛 = 0,1,2,3, …
2. Penurunan Rumus Polinom Newton-Gregory Maju
Polinom ini diberikan dalam rumus interpolasi beda-maju Newton :
𝑛
𝑠
𝑓(𝑥) ≈ 𝑝𝑛 (𝑥) = ∑ ( ) ∆𝑟 𝑓(𝑥)
𝑟
𝑟=0

𝑠 𝑠(𝑠 − 1) 2 𝑠(𝑠 − 1)(𝑠 − 2) … (𝑠 − 𝑛 + 1) 𝑛

= 𝑓0 + ∆𝑓0 + ∆ 𝑓0 + ⋯ + ∆ 𝑓0
1! 2! 𝑛!

𝑥 − 𝑥0
𝑑𝑒𝑛𝑔𝑎𝑛 𝑥 = 𝑥0 + 𝑟ℎ, 𝑠 = , 0 ≤ 𝑠 ≤ 𝑛.
ℎ
Berikut pembuktian dari rumus di atas :
𝑓(𝑥1 ) − 𝑓(𝑥0 ) ∆𝑓(𝑥0 ) ∆𝑓0
𝑓[𝑥1 , 𝑥2 ] = = =
𝑥1 − 𝑥0 ℎ 1! ℎ

𝑓(𝑥2 ) − 𝑓(𝑥1 ) 𝑓(𝑥1 ) − 𝑓(𝑥0 ) ∆𝑓1 ∆𝑓0

𝑓[𝑥2 , 𝑥1 ] − 𝑓[𝑥1 , 𝑥0 ] −
𝑥2 − 𝑥1 𝑥1 ℎ
𝑓[𝑥1 , 𝑥2 , 𝑥0 ] = = =
𝑥2 − 𝑥0 𝑥2 − 𝑥0 2ℎ
∆2 𝑓0 ∆2 𝑓0
= 2 =
∆ 𝑓0 2! ℎ
Bentuk umum :
∆𝑛 𝑓(𝑥0 ) ∆𝑛 𝑓0
𝑓[𝑥𝑛 , … , 𝑥1 , 𝑥0 ] = =
𝑛! ℎ𝑛 𝑛! ℎ
Dengan demikian polinom Newton untuk data berjarak sama dapat dituliskan :

𝑝𝑛 (𝑥) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 )𝑓[𝑥1 , 𝑥2 ] + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )𝑓(𝑥2 , 𝑥1 , 𝑥𝑜 ) + ⋯

+ (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )𝑓[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ]
∆𝑓0 ∆2 𝑓0
= 𝑓0 + (𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) +⋯
1! ℎ 2! ℎ2
∆2 𝑓0
+ (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )
𝑛! ℎ𝑛

Persamaan ini dinamakan polinom Newton-Gregory maju. Persamaan di atas

dapat ditulis sebagai relasi rekursif.
 ∆2 𝑓0
𝑝𝑛 (𝑥) = 𝑝𝑛+1 (𝑥) + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )
𝑛! ℎ𝑛
Jadi titik-titik berjarak sama dinyatakan sebagai :
𝑥𝑖 = 𝑥0 + 𝑖ℎ , 𝑖 = 0, 1, 2, … , 𝑛
Dan nilai x yang di interpolasikan yaitu :
𝑥 = 𝑥0 + 𝑠ℎ ,𝑠 ∈ 𝑅
Maka persamaan polinom Newton-Gregory maju dapat ditulis dalam parameter
sebagai
𝑠ℎ 𝑠(𝑠 − 1)ℎ2 2 𝑠(𝑠 − 1)(𝑠 − 2) … (𝑠 − 𝑛 + 1)ℎ𝑛 𝑛
𝑝𝑛 (𝑥) = 𝑓0 + ∆𝑓 + ∆ 𝑓0 + ⋯ + ∆ 𝑓0
1! ℎ 0 2! ℎ2 𝑛! ℎ𝑛
Yang menghasilkan
𝑠 𝑠(𝑠 − 1) 2 𝑠(𝑠 − 1)(𝑠 − 2) … (𝑠 − 𝑛 + 1) 𝑛
𝑝𝑛 (𝑥) = 𝑓0 + ∆𝑓0 + ∆ 𝑓0 + ⋯ + ∆ 𝑓0
1! 2! 𝑛!
Atau dalam bentuk relasi rekursif yaitu :
i. Rekurens
𝑠(𝑠 − 1)(𝑠 − 2) … (𝑠 − 𝑛 + 1) 𝑛
𝑝𝑛 (𝑥) = 𝑝𝑛−1 (𝑥) + ∆ 𝑓0
𝑛!
ii. Basis
𝑝0 (𝑥) = 𝑓(𝑥0 )
Sering sekali persamaan dalam parameter s dinyatakan dalam bentuk binomial
yaitu :
𝑛
𝑠
𝑝𝑛 (𝑥) = ∑ ( ) ∆𝑟 𝑓(𝑥)
𝑟
𝑟=0

Yang dalam hal ini,

𝑠 𝑠 𝑠(𝑠 − 1)(𝑠 − 2) … (𝑠 − 𝑛 + 1)
( ) = 1, ( ) =
𝑟 𝑟 𝑛!
Untuk 𝑠 > 0, 𝑠 ∈ 𝑏𝑖𝑙𝑎𝑛𝑔𝑎𝑛 𝑏𝑢𝑙𝑎𝑡 𝑑𝑎𝑛 𝑛! = 1 × 2 × … × 𝑛
Tahap pembentukan polinom Newton-Gregory maju untuk titik-titik berjarak
sama dapat dituliskan sebagai berikut,
𝑝0 (𝑥) = 𝑓(𝑥0 )
𝑠 𝑠
𝑝1 (𝑥) = 𝑝0 (𝑥) + ∆𝑓0 = 𝑓0 + ∆𝑓0
1! 1!
𝑠(𝑠 − 1) 2 𝑠 𝑠(𝑠 − 1) 2
𝑝2 (𝑥) = 𝑝1 (𝑥) + ∆ 𝑓0 = 𝑓0 + ∆𝑓0 + ∆ 𝑓0
2! 1! 2!
 𝑠(𝑠 − 1)(𝑠 − 2) 3
𝑝3 (𝑥) = 𝑝2 (𝑥) + ∆ 𝑓0
2!
𝑠 𝑠(𝑠 − 1) 2 𝑠(𝑠 − 1)(𝑠 − 2) 3
= 𝑓0 + ∆𝑓0 + ∆ 𝑓0 ∆ 𝑓0
1! 2! 2!
𝑠 𝑠(𝑠 − 1) 2 𝑠(𝑠 − 1)(𝑠 − 2) 3
𝑝𝑛 (𝑥) = 𝑓0 + ∆𝑓0 + ∆ 𝑓0 ∆ 𝑓0 + ⋯
1! 2! 2!
𝑠(𝑠 − 1)(𝑠 − 2) … (𝑠 − 𝑛 + 1) 𝑛
+ ∆ 𝑓0
𝑛!

3. Galat Interpolasi Polinom Newton-Gregory Maju

(𝑛+1)
𝑓(𝑥𝑡)
𝜀(𝑥) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )
(𝑛 + 1)!
4. Algoritma Interpolasi Polinom Maju
a. Definisikan f(x)
b. Tentukan selang f(x)
c. Tentukan jarak antar selang atau h
d. Tentukan derajat n
e. Buatlah tabel selisih maju
f. Tentukan s
𝑥 − 𝑥0
𝑠=
ℎ
𝑠 𝑠 𝑠(𝑠−1)
g. Cari 𝑓(𝑥) ≈ 𝑝𝑛 (𝑥) = ∑𝑛𝑟=0 ( ) ∆𝑟 𝑓(𝑥) = 𝑓0 + 1! ∆𝑓0 + 2! ∆2 𝑓0 + ⋯ +
𝑟
𝑠(𝑠−1)(𝑠−2)…(𝑠−𝑛+1)
∆𝑛 𝑓0
𝑛!

5. Contoh Soal Interpolasi Polinom Maju

Diketahui 𝑓(𝑥) = sin 𝑥 di dalam selang [0.1, 1.7] dan ℎ = 0.4 Hitung 𝑓(0.8) dengan
polinom Newton-Gregory maju derajat 2.
Penyelesaian :
a. 𝑓(𝑥) = sin 𝑥
b. Selang 𝑓(𝑥) = [0.1, 1.7]
c. ℎ = 0.4
d. 𝑛 = 2
e. Membuat tabel selisih maju
 Tabel Selisih Maju

x f(x) ∆𝑓 ∆2 𝑓 ∆3 𝑓

0.1 0.09983 0.37960 −0.07570 −0.04797

0.5 0.47943 0.30390 −0.12367 −0.02846

0.9 0.78333 0.18023 −0.152134

1.3 0.96356 0.02810

1.7 0.99166

𝑥 − 𝑥0 0.8 − 0.1
𝑠= = = 1.75
ℎ 0.4

2
𝑠∆𝑓0 𝑠(𝑠 − 1)∆2 𝑓0
𝑝2 (0.8) = 𝑓0 + ∆ 𝑓0 + +
1! 2!
(1.75)(0.75)
= 0.09983 + (1.75)0.37960 + (−0.07570)
2
= 0.71445

C. Polinom Interpolasi Beda Mundur

1. Definisi Interpolasi beda mundur
⊿𝑓0 =𝑓0 -𝑓1 ; ⊿𝑓−1 = 𝑓−1 - 𝑓−2
hingga seterusnya. Beda mundur tersebut dapat disebut beda mundur pertama.
Secara umum rumus beda mundur dapat ditulis:
⊿𝑓𝑚 = 𝑓𝑚 - 𝑓𝑚−1
Sedangkan untuk beda mundur ketiga, keempat, dan seterusnya. Bentuk umum
dari rumusnya yaitu:
⊿𝑓𝑚 = 𝑓𝑚 - 𝑓𝑚−1 untuk m = 0, -1, -2....
Bentuk umum:
⊿𝑛+1 𝑓𝑚 = ⊿𝑛 𝑓𝑚 - ⊿𝑛 𝑓𝑚−1 n=0,1,2,....
Tahap pembentukan polinom Newton-Gregory beda mundur untuk titik-titik
berjarak sama dapat dituliskan sebagai berikut:
𝑝0 (x) = 𝑓0
𝑠 𝑠
𝑝1(x) = 𝑝0 (x) + 1! ⊿𝑓1 = 𝑓0 + 1! ⊿𝑓0
 𝑠(𝑠+1)
𝑝2 (x) = 𝑝1 (x)+ ⊿2 𝑓0
2!
𝑠 𝑠(𝑠+1) 𝑠(𝑠+1)(𝑠+2)
= 𝑓0 + 1! ⊿𝑓0 + ⊿2 𝑓0 + ⊿3 𝑓0 + ⋯ +
2! 2!
𝑠(𝑠+1)(𝑠+2)(𝑠+𝑛+1)
= ⊿𝑛 𝑓0
𝑛!

2. Algoritma pada Polinom Interpolasi Mundur

Algoritma pada Polinom Interpolasi Mundur:
a. Definisikan fungsif(x)
b. Tentukan selangf(x)
c. Tentukan jarak antar selang atau h
d. Tentukan derajat n
e. Buatlah table selisih mundur
𝑥−𝑥0
f. Tentukan s, s = ℎ

g. Cari f (x) = 𝑝𝑛 (x) = ∑𝑛𝑟 = 0 (s+r+1) ⊿𝑛 𝑓(𝑥)

𝑠(𝑠+1) 𝑠(𝑠+1)…(𝑠+(𝑛+1))
= 𝑓0 + s. ⊿𝑛 𝑓0 + ⊿𝑛 𝑓0 + ...+ ⊿𝑛 𝑓0
2! 𝑛!

3. Contoh Soal
Diketahui: f(x)=sin(x) di dalam selang [0.1, 1.7] dan h = 0,4. Hitung f(0,8)
dengan algoritma interpolasi polinom mundur derajat 2.
Penyelesaian:
f(x) = sin (x)
Selang f(x) = [0.1, 1.7]
h = 0.4
n=2
Tabel selisih mundur

0,1 0,09983
0,5 0,47943 0,37960
0,9 0,78333 0,30390 -0,07570
 BAB IV

STUDI KASUS

Sensus penduduk yang dilaksanakan 10 tahun sekali, merupakan suatu proses

keseluruhan dari pengumpulan, pengolahan, penyajian, dan penilaian data penduduk.
Penelitian ini menggambarkan “Bagaimana Prediksi Banyaknya Penduduk Sulawesi Tengah
dengan Menggunakan metode Polinom Newton-Gregory Maju”. Sumber data yang
digunakan adalah data sekunder dan jenis data yang digunakan dalam metode polinom
newton Gregory Maju untuk memprediksi banyaknya penduduk Sulawesi Tengah disetiap
tahun pada periode 1980 sampai dengan 2010. Hasil penelitian menunjukkan bahwa prediksi
dengan menggunakan metode polinom Newton Gregory Maju lebih mendekati data prediksi
dari Badan Pusat Statistik yang mana keakuratan metode tersebut dapat dilihat berdasarkan
perolehan galat relatifnya (eror). Pelaksanaan sensus yang dilakukan oleh Badan Pusat
Statistik (BPS) Provinsi Sulawesi Tengah dilaksanakan dalam kurun waktu 10 tahun sekali
melalui sensus penduduk.

Prediksi penduduk pada tahun berikutnya dalam tiap periode sensus perlu dilakukan
untuk mengetahui selisih pertambahan penduduk pada tahun tersebut (BPS, 2003). Polinom
Newton Gregory merupakan kasus khusus dari Polinom Newton untuk titik-titik yang
berjarak sama, dimana rumus polinom Newtonnya lebih sederhana. Selain itu, tabel selisih
maju (forward difference) lebih mudah dibentuk. Peneliti tertarik untuk mengkaji banyaknya
penduduk Sulawesi Tengah diantara empat periode sensus, dengan menggunakan metode
Polinom Newton Gregory Maju. Selanjutnya untuk melihat kelayakan atau akurasi hasil
prediksi ini, akan dikaji tafsiran galat dari metode tersebut. Sedangkan untuk mendapatkan
hasil perhitungan dengan lebih cepat akan dibuatkan program komputernya. Harapan peniliti
adalah agar dapat dijadikan sebagai aplikasi alternative bagi Badan Pusat Statistik (BPS)
untuk memprediksi banyaknya penduduk pada tahun diantara periode tersebut.

Prediksi Polinom Gregory Maju diselesaikan menggunakan persamaan berikut:

𝑠 𝑠(𝑠 − 1) 2 𝑠(𝑠 − 1)(𝑠 − 2) 3

𝑝4 (𝑥) = 𝑓0 + ∆𝑓0 + ∆ 𝑓0 + ∆ 𝑓0 , 𝑑𝑖𝑚𝑎𝑛𝑎 ∆𝑓0 , ∆2 𝑓0 , ∆3 𝑓0
1! 2! 3!

Ditentukan melalui tabel beda terbagi Newton Gregory Maju dengan menggunakan dara
sensus penduduk Sulawesi Tengah dengan jarak sensus 10 tahun. Pada penelitian ini
digunakan Pesamaan Galat Relatif untuk mengetahui seberapa besar error yang dihasilkan
dengan mensubtitusikan hasil prediksi dari metode yaitu nilai sejati serta nilai hampiran.
Berikut data prediksi dari metode Polinom Newton Gregory Maju :

Tahun Prediksi Galat Relatif Tahun Prediksi Galat Relatif Polinom

Banyaknya Polinom Banyaknta Newton-Gregory Maju
Penduduk Newton- Penduduk
(Jiwa) Gregory (Jiwa)
Maju
1981 1328485 0,01014455 1996 2269804 0,004465699
1982 1368202 0,016672416 1997 2316503 0,005972059
1983 1498737 0,023405893 1998 2363000 0,007694581
1984 1450043 0,030331015 1999 2409246 0,009731615
1985 1492070 0,037249968 2001 1756662 0,001568844
1986 1534770 0,043637836 2002 1802378 0,002730135
1987 1578095 0,050198616 2003 1848427 0,003483706
1988 1621995 0,056979651 2004 1894760 0,003830102
1989 1666422 0,064018198 2005 1941327 0,003770944
1991 1988082 0,000249274 2006 2455192 0,003558163
1992 2034974 0,001174214 2007 2500791 0,003027382
1993 2081956 0,001174214 2008 2545992 0,00209709
1994 2128978 0,00212766 2009 2590747 0,000770642
1995 2222951 0,003169705 Total

∑ 𝜀𝑅 = 0,392737492
 BAB V

KESIMPULAN

Metode numerik adalah teknik yang digunakan untuk memformulasikan masalah

matematis sehingga dapat dipecahkan dengan operasi perhitungan/ aritmatika biasa (tambah,
kurang, kali dan bagi). Metode adalah cara sedangkan numerik adalah angka sehingga, secara
harafiah metode numerik berarti cara berhitung dengan menggunakan angka-angka.
Perhitungan ini melibatkan sejumlah besar operasi-operasi hitungan yang berulang-ulang.

Untuk mencari nilai diantara beberapa titik data yang telah diketahui gunakan
interpolasi. Interpolasi adalah metode untuk mencari nilai diantara data-data yang telah
diketahui .Dalam kehidupan sehari-hari, interpolasi dapat digunakan untuk memperkirakan
suatu fungsi di mana fungsi tersebut tidak terdaftar dengan suatu formula, tetapi didefinisikan
hanya dengan data-data atau tabel yang tersedia. Salah satunya menggunakan Interpolasi
Newton Maju.

Based on the result of this study, several suggestions were given for further research,
to add a broader method of forecasting to gain additional insight in determining the right
policies in determining the result of forecasting data often used by the government, and to use
more data, such as population data, health data, poverty data, economic data and so on, to
obtain the results of training data that is compound and varied.

Lagrange and Newton difference demonstrate completely identical results in terms of

interpolation error. Excluding the boundaries, the trigonometri method yielded the best
accuaracy of all interpolation methods due to the periodic nature of the GPS orbit, this
problem can be avoided by centering the day. However in real time application no date can
be added after the day. Lagrange has a better pero at the boundaries which makes it more
convenient for real time application. The interpolation via the broadcast ephemeris has
produced the best results within the two-hour ephermeris period.

Newton Newton-Gregory advantages: the addition of more interpolation points is enough to

calculate the new coefficients to find the polynomial; it is possible to know the maximum polynomial
degree for a specific precision; and the errors are easy to detect using the coefficient table. Newton-
Gregory disadvantages: the polynomial does not adapt to an inverse interpolation, unless it is linear; if
here are more than one ordinate values set, new coefficients must be calculated for each one.
 DAFTAR PUSTAKA

Adi Widodo, Swi. 2015. METODE NUMERIK. Yogyakarta: Graha Ilmu.

Djojodiharjo, Harijono. 2000. METODE NUMERIK. Jakarta: PT Gramedia Pustaka

Utama .
Luknanto, Djoko. 2001. MetodeNumerik. Yogyakarta: FT Teknik Sipil UGM.

Munir, Rinaldi. 2008 MetodeNumertik. Bandung: Informatika.

Sutarno, Heri, dan Dewi Rachmawati. 2008. Hands-Out MetodeNumerik. Yogyakarta:

FKIP Pendidikan Matematika UPI
Imam Fachruddin. Metode Numerik. Departemen Fisika Universitas
Indonesia.http://staff.fisika.ui.ac.id/imamf/
Negara, Habib Ratu Perwira, Malik Ibrahim, and Kiki Riska Ayu Kurniawati.
"Mathematical Model of Growth in The Number of Students in NTB Using Newton-Gregory
Polynomial Method." Jurnal Varian 4.1 (2020): 43-50.
Hammad. yousif. interpolation. https://www.slideserve.com/omar/performance-
evaluation-of-several-interpolation-methods-for-gps-satellite-orbit.
Q. John Twyman. “Interpolation schemes for valve closure modelling”. Ingeniare.
Revista chilena de ingeniera, Vol 26 No. 2 (2018): 252-263.
Trisilowati, dkk. 2021. Metode Numerik Dengan Matlab. Jakarta. UB Press.

Erwin. Bab IV Interpolasi. https://www.scribd.com/doc/310746747/Bab-IV-

Interpolasi