Bab II

Pengantar Analisis dan Komputasi
Metode Numerik
BAB 1. INTERPOLASI
2.1 Rasionalisasi
Dalam penyelesaian masalah matematika yang terkait dengan integral,
diferensial dan lainnya dari fungsi f(x) = x 2 + 2x + 6 secara anlitik umumnya
dengan mudah dapat kita selesaikan. Akan tetapi dalam upaya menyelesaikan
secara analitik menjadi bukan pekerjaan yang gampang. Butuh
pengetahuan yang luas dengan penguasaan analisis yang tinggi. Sementara
fungsi sangat banyak digunakan dalam kehidupan karena
fungsi tersebut merupakan model dari gelombang suara yang dibutuhkan

dalam kehidupan sehari-hari.
sin(x)/x
0.8
0.6
0.4
0.2
-0.2
-15 -10 -5 0 5 10 15
x
Gambar 2.1 Grafik fungsi f(x) = sin (x)/x
Mengubah bentuk fungsi menjadi fungsi polynomial lainnya
yang bersesuaian dalam domain tertentu menjadi alternatif solusi yang cepat
dalam penyelesaian integrasi tersebut. Suatu hampiran yang digunakan untuk
mendapatkan model yang berbeda dari suatu model matematika atau fakta
alam yang ada disebut dengan Aproksimasi. Suatu hampiran yang baik dari
adalah
Ripai, S.Pd., M.Si 53

Metode Numerik
. Hal ini dapat
ditunjukkan dalam domain [-3.5 3.5] bahwa kurva fungsi tersebut berimpit.,
sehingga kepentingan analisis pada domain [-3.5 3.5] pada fungsi
dapat dilakukan dengan menyelesaikannya pada domain [-3.5
3.5] dari fungsi

.
x 8/362880 - x 6/5040 + x 4/120 - x 2/6 + 1
1.2
f(x)=sin(x)
f(x)=P(x)
1
0.8
0.6
0.4
0.2
X: -3.339
-0.2 Y: -0.05485
-6 -4 -2 0 2 4 6
x
Gambar 2.2 Aproksimasi fungsi f(x)=sin(x)/x dengan fungsi

polynomial
Lebih lanjut, dalam upaya mendapatkan mendapatkan nilai f(75) dari f(x) =
x2+2x+2 dengan sangat mudah kita lakukan, yakni f(75) = 75 2 + 2(75) + 2 =
5777. Akan tetapi menjadi sulit jika akan dicari nilai f(75) dari sekumpulan data
pemetaan seperti:
x 50 100 150 200 250 300

f(x) 45 60 78 73 57 41
dimana x adalah jarak pengukuran pada permukaan sungai dan f(x) adalah
kedalaman sungai. Hal ini disebabkan karena fungsi analitik dari f(x) tidak
diketahui. Sementara nilai f(75) diperlukan unutk mengetahui kedalaman
sungai pada jarak 75 cm dari pinggir sungai. Upaya matematis yang bertujuan
unutk
Metode Numerik
mendapatkan nilai dianatara data yang diketahui sebagaimana ilustrasi di atas

disebut dengan interpolasi. Dengan teknik interpolasi yang sebentar ajan di
bahas, diperoleh persamaan pendekatan analitik yang dapat digunakan pada
f(x) tersebut adalah f(x) = 135.9999999998 - 4107666666667 x +
0.062416666667x2-0.000382333333x3 +0.000001033333x4 -0.00000000104x5.
Dapat diperiksa bahwa pemetaan x ke f(x) dapat dirumuskan dengan fungsi
tersebut di atas sehingga dapat dengan mudah dihitung nilai dari f(75).
2.2 Aproksimasi
2.2.1 Metode Deret Maclaurin
Persamaan umum fungsi polynomial f(x) = a0 + a1x+ a2x2 + a3x3 + a4x4 + ... + anxn
Turunan fungsi polynomial tersebut hingga turunan ke-n adalah sebagai
berikut:
f(x) = a0 + a1x+ a2x2 + a3x3 + a4x4 + ... + anxn
f'(x) = (1)a1+ 2a2x + 3a3x2 + 4a4x3 + ... + nanxn-1
f"(x) = (1)(2)a2+ (2)(3)a3x+ (3)(4)a4x2 + ... + (n-1)(n)anxn-2
f'"(x) = (1)(2)(3)a3+ (2)(3)(4)a4x+ ... + (n-2)(n-1)(n)anxn-3
fiv(x) = (1)(2)(3)(4)a4 + ….+ (n-3)(n-2)(n-1)(n)anxn-4
f(n)(x) =(1) (2)(3) ... (n-2)(n-1)(n)an = n!an

untuk x = 0 →f(0) = a0 → a0 = f(0)
f'(0) = a1 → a1 = f'(0)
f"(0) = 2a2 = 2!a2 → a2 =
f"'(0) = (2)(3)a3 = 3!a3 → a3 =
fiV(0) = 4!a4  a4= fiv(0)/4!
f(n) (0) = (2)(3)...(n-2)(n-1(n)an = n!an → an =
Selanjutnya deret tersebut didefinisikan sebagai deret Maclaurin.

Tafsiran geometri deret maclaurin tersebut adalah suatu hampiran nilai f(x)
berdasarkan nilai f(0).

Metode Numerik
Gambar 2.3 Tafsiran Geometris Deret Maclaurin
Teladan 2.1
Diketahui: f(x)= sin x
Tuliskan f(x)dalam bentuk fungsi polinomial!
Solusi:
f(x) = sin x → f(0) = 0
f'(x) = cos x → f'(0) = 1
f''(x) = -sin x → f''(0) = 0
f'"(x) = -cos x → f'"(0) = -1
f'"'(x) = sin x → f'"'(0) = 0
f'"''(x) = cos x → f'"''(0) = 1
sehingga diperoleh
f(x) = f(0)+f'(0)x+
= 0 +(1)x +(0)x2 + + ...
=x -
Jadi, bentuk pebdekatan polinomial dari f(x)=sin x adalah
f(x) =x -

Metode Numerik
x-1/6 x 3+1/120 x 5-1/5040 x 7+1/362880 x 9
2.5 f(x)=sin(x)
1.5
0.5
-0.5
-1
-1.5
-2
-2.5
-6 -4 -2 0 2 4 6
x
Gambar 2.4 Aproksimasi Deret Macalurin hingga derajat ke-10
2.1.2 Metode Deret Taylor

Berdasarkan definisi deret Maclaurin, jika x0 = 0 digeser sejauh a ke kanan,
maka diperoleh jarak antara x dengan a adalah x-a, sehingga diperoleh bentuk
persamaan baru dengan mengikuti pola persamaan deret Maclaurin tersebut
adalah
f(x)=f(a)+f'(a)(x-a)+
Tafsiran geometris dari deret Taylor tersebut adalah
Gambar 2.5 Tafsiran geometris Deret Taylor

Teladan 2.2
Diketahui : f(x) = sin x
Tentukan fungsi polinomial dari f(x) dengan mengikuti nilai awal x0 = 10
Solusi:
f(x) = sin x → f(10) = sin(10) = -0.5440

Metode Numerik
f'(x) = cos x → f'(10) = cos(10) = -0.8391

f''(x) = -sin x → f''(10) = -sin(10) = 0.5440
f'"(x) = -cos x → f'"(10) = -cos(10) = 0.8391
f'"'(x) = sin x → f'"'(10) = sin(10) = -0.5440
f'"''(x) = cos x → f'"''(10) = cos (10) = -0.8391
Untuk a = 10, maka diperoleh
Komputer program yang dapat digunakan unutk mengevaluasi deret taylor ini
dan sketsa grafiknya adalah
syms x
f=sin(x);
t=taylor(f,12,10);
d=[2:0.1:16];
ezplot(t,d)
hold on
plot(d,subs(f,d),'r')
legend('Aproksimasi','f(x)=sin x')
grid on
sin(10) -...- (cos(10) (x - 10)11)/39916800

3.5
Aproksimasi
3 f(x)=sin x
2.5
1.5
0.5
-0.5
-1
2 4 6 8 10 12 14 16
x
Gambar 2.6 Aproksimasi deret Taylor hingga derajat ke-12 dengan x 0 = 10.

Metode Numerik
Aproksimasi fungsi dari f(x) = sin x dengan fungsi polynomial berderajat 11

(sebelas ) adalah
2.3 Interpolasi
Interpolasi adalah suatu cara untuk mencari nilai di antara beberapa titik data
yang telah diketahui. Dalam kehidupan sehari- hari ,interpolasi dapat digunakan
untuk memperkirakan suatu fungsi dimana fungsi tersebut tidak terdefinisi
dengan suatu formula, tetapi didefinisikan hanya dengan data
2.3.1 Interpolasi Polinomial

Interpolasi polynomial merupakan suatu metode untuk mendapatkan nilai
suatu titik data yang terletak diantara data-data yang diketahui mengunakan
persamaan polynomial. Tinjauan kembali persamaan umum polinimial sebagai
berikut:
f(x) = a0 + a1x+ a2x2 dengan n bilangan Asli
Apabila polynomial tersebut diambil hingga derajat n=1,maka akan diperoleh

persamaan f(x) = a0 + a1x. Interpolasi menggunakan persamaan ini disebut
sebagai interpolasi linier. Sedangkan jika polynomial yang diambil hingga
derajat n=2, maka diperoleh persamaan f(x) = a 0 + a1x + a2x2 yang selanjutnya
disebut interpolasi kuadrat. Lebih lanjut untuk interpolasi hingga mengambil
derajat polynomial n = 3 disebut sebagai interpolasi kubik dengan persamaan
umum f(x) = a0 + a1x + a2x2 + a3x3. Untuk n ≥ 4 maka interpolasi polynomial
tersebut umumnya disebut sebagai interpolasi polynomial berderajat n.
Pemilihan jenis interpolasi polynomial tersebut didasari atas banyaknya data
dan pola data yang diketahui.

Metode Numerik
2.3.1.1 Interpolasi Linier

Sebagaimana dalam pembahasan sebelumnya, bahwa interpolasi linier
merupakan interpolasi yang mengunakan persamaan polynomial berderajat
n=1 dengan persamaan linier, f(x) = a 0 + a1x. Misalkan dimiliki dua buah titik
(x1, f(x1)) dan (x2, f(x2)), maka persamaan linier yang melalui kedua titik
tersebut adalah:
f(x1) = ao + a1x1
f(x2) = a0 + a1x2
____________ -
f(x2) – f(x1) = a1(x2 – x1) 
f(x1) = ao + a1x1 a0 = f(x1) – a1x1 = f(x1) - x1
f(x) = a0 + a1x = f(x1) - x1 + x
f(x) = (x-x1)+f(x1)
Persamaan terakhir disebut sebagai persamaan untuk interpolasi linier

yang digunakan untuk mendpatkan nilai f(x) berdasarkan data (x 1,f(x1))
dan (x2, f(x2)).
Teladan 2.3
Dua buah warung makan sama-sama menjual nasi bungkus dengan harga yang
sama, pada hari penjualan yang sama, warung A mendapat untung Rp. 130.000
perhari dengan modal awal Rp. 500.000 dan warung B mendapat untung
sebesar Rp. 50.000 dengan modal Rp. 300.000. karena melihat warung A dan B
memperoleh keuntungan yang cukup menjanjikan, pak Ahmad berkeinginan
untuk menjual nasi bungkus seperti yang dijual oleh kedua warung tersebut.
Dengan melihat perbandingan hasil atau keuntungan yang didapatkan oleh toko
A dan B, berapakah keuntungan yang akan didapatkan pak Ahmad dengan
menggunakan modal sebesar Rp. 350.000
Solusi:
Berdasarkan data di atas, maka pendekatan yang dapat digunakan adalah
interpolasi linier karena banyaknya data yang diketahui ada 2 (dua).
Beradasarkan data tersebut maka dapat didefiniskan variable sebagai berikut:

Metode Numerik
x1 = 200.000,- dan f(x1) = 50.000,-

x2 = 500.000,- dan f(x2) = 130.000,-
x = 350.000,- dan f(x) = ….?
f(x) = (x-x1)+f(x1)
= 90.000,-
Jadi perkiraan keuntungan penjualan dengan modal Rp. 350.000,- adalah Rp.
90.000,-
Teladan 2.4
Berapakah perkiraan jumlah penduduk Indonesia pada tahun 1990
berdasarkan data hasil sensus pada tabel dibawah ini:
Tahun 1986 1994
Jumlah penduduk (juta) 133.4 143.5
Variable tahun kita sebut sebagai x, (x 1= 1996, x2=1994) dan variable jumlah
penduduk sebagi y, (y1= 133.4, y2=143.5). dengan menggunakan persamaan
interpolasi linier diperoleh nilai untuk jumlah penduduk tahun 1990
Jadi perkiraan banyaknya penduduk Indonesia pada tahun 1990 adalah 129.35
juat jiwa.
Teladan 2.5
Aliefa akan menentuka nilai ttabel pada taraf siginifikan 5% untuk uji satu pihak
dengan dk = 47. Pada table tersebut nilai yang dicari tidak termuat. Akan
tetapi nilai yang termuat adalah ttabel= 2.68 untuk dk = 40 dengan ttabel =
1.67dan dk = 60. Tentukan nilai pendekatan ttabel pada dk 47 tersebut dengan
mengunakan interpolasi linier.
Solusi:
Dari permasalahan tersebut diketahui

Metode Numerik
x1 = 40, f(x1) = 2.68

x2 = 60, f(x2) = 1.68
x = 47, f(x) = ..?
f(x) = +f(x1)
f(x) = +2.68 = 2.33
Jadi nilai ttabel = 2.33 pada taraf signifikan 5% dengan dk = 47.
Teladan 2.6
Hasil pengukuran kedalam sungai yang memiliki lebar 3m pada interval tiap
50cm dari suatu pinggir sungai adalah sebagai berikut:
Jarak (cm) 50 100 150 200 250 300

Kedalaman cm 45 60 78 73 57 41
Tentukan pendekatan secara linier kedalam sungai tiap 10 cm dan sketsa

grafik perkiraan pola dasar sungai.
Solusi:
Penyelesaian masalah tersebut dengan metode interpolasi linier dilakukan
dengan menentukan nilai pada tiap 10 cm pada selang [50 100], [100 150],
[150 200],[200 250] dan [250 300] dengan cara sebagai berikut:
Interval (x) Formula Interpolasi x f(x)
[50 100] f(x) = 50.00 45.00
60.00 48.00
70.00 51.00
80.00 54.00
= (3*x)/10 + 30
90.00 57.00
100.00 60.00
[100 150] f(x) = 110.00 63.60
120.00 67.20
130.00 74.40
140.00 70.80
= (9*x)/25 + 24
150.00 78.00
[150 200] f(x) = 160.00 77.00
170.00 76.00
180.00 75.00
190.00 74.00
= 93 - x/10
200.00 73.00

Metode Numerik
Interval (x) Formula Interpolasi x f(x)

[200 250] f(x) = 210.00 69.80
220.00 66.60
230.00 63.40
240.00 60.20
250.00 57.00
= 137 - (8*x)/25
[250 300] f(x) = 260.00 53.80

270.00 50.60
280.00 47.40
290.00 44.20
= 137 - (8*x)/25
300.00 41.00
Evaluasi nilai di atas dilakukan dengan kode program berikut:
x=[50 100 150 200 250 300];
y=[45 60 78 73 57 41];
xi=[50:10:300];
yi=interp1(x,y,xi,'linear');
[xi yi];
subplot(2,1,1)
plot(x,y,'o')
hold on
plot(xi,yi,'-*r')
legend('Data aktual','Interpolasi')
subplot(2,1,2)
plot(xi,-yi,'-.r')
title('Perkiraan bentuk Dasar Sungai')
xlabel('Jarak Pengukuran')
ylabel('Kedalaman sungai')
Rekontruksi model pendekatan dasar sungai diberikan oleh gambar berikut:

Metode Numerik
80
Data aktual
70 Interpolasi
60
50
40
50 100 150 200 250 300
Perkiraan bentuk Dasar Sungai

-40
Kedalaman sungai
-50
-60
-70
-80
50 100 150 200 250 300
Jarak Pengukuran
Gambar 2.7 Model dasar sungai dengan interpolasi linier
2.3.1.2 Interpolasi Kudrat

Interpolasi kuadrat erupakan metode untuk mendapatkan nilai diantara titik-
titik data yang diketahui menggunakan persamaan kuadrat atau polynomial
berderajat 2, yaitu f(x) = a0 + a1x + a2x2.
Metode ini digunakan apabila diketahui minimal data pengamatan ada 3 titik.
Misalkan titik-titik yang diketahui adalah (x 1,y1), (x2, y2) dan (x3, y3), maka nilai
yang terdapat diantara titik-titik tersebut adalah fungsi kuadrat yang
koefesiannya a0, a1 dan a2 adalah solusi dari system persamaan linier 3 (tiga)
variable sebagai berikut:
(x1, y1)  a0 + x1a1 +x12 a2= y1

(x2, y2)  a0 + x2a1 + x22 a2= y2
(x3, y3)  a0 + x3a1 + x33a2 = y3
Augmented matriks dari SPL tersebut adalah

Metode Numerik
Jadi persamaan interpolasi kuadrat yang dapat dilakukan adalah

f(x) = a0 + a1x + a2x2 dengan
Teladan 2.7
Selesaikanteladan 3.6 di atas dengan mengunakan interpolasi kuadrat
Solusi:
Prosedur penyelesaian yang dapat diterapkan adalah dengan membangun
partisi domain interpolasi kuadrat sebagai berikut:
(1) Untuk titik (50,45), (100, 60) dan (150,78) diperoleh bentuk augmented
matriks koefesien polynomial kuadrat adalah
Dengan komputasi sederhana dapat diperoleh persamaan kuadrat

sebagai berikut:
A1=[1 50 50^2;1 100 100^2;1 150 150^2];

B1=[45;60;78];
k1=inv(A1)*B1
k1 =
33.000000000000000
0.210000000000000
0.000600000000000
Hasil komputasi tersebut memberikan persamaan kuadrat

untuk menentukan nilai f(x) pada
interval [50 150].
(2) Untuk titik (150,78), (200, 73) dan (250,57) diperoleh bentuk augmented
matriks koefesien polynomial kuadrat adalah

Metode Numerik
A2=[1 150 150^2;1 200 200^2;1 250 250^2];

B2=[78;73;57];
k2=inv(A2)*B2
k2 =
27.000000000000000
0.670000000000000
-0.002200000000000
Hasil komputasi tersebut memberikan persamaan kuadrat
untuk menentukan nilai f(x) pada
interval [150 250].
(3) Untuk titik (250, 57) dan (300, 41) tidak cukup untuk melakukan
interpolasi kuadrat, pendekatan yang dilakukan dengan interpolasi linier
dengan bentuk persamaan sebelumnya f(x) = 137 - (8*x)/25.
Berdasarkan analisis di atas, maka persamaan interpolasi yang dapat
digunakan adalah sebagai berikut:
Selanjutnya evaluasi nilai fungsi tersebut dilakukan dengan kode program komputasi
berikut:
xa=[50 100 150 200 250 300];
ya=[45 60 78 73 57 41];
x1=[50:10:150];
x2=[160:10:250];
x3=[260:10:300];
[xi;yi]'
syms x
f1=33+0.21*x+0.0006*x*x;
f2=27+0.67*x-0.0022*x*x;
f3=137-(8/25)*x;
xi=[x1 x2 x3];
yi=[subs(f1,x1) subs(f2,x2) subs(f3,x3)];
subplot(2,1,1)
plot(xa,ya,'*')
hold on
plot(xi,yi,'-or')
legend('Aktual','Interpolasi')

Metode Numerik
subplot(2,1,2)
plot(xi,-yi,'.-r')
xlabel('Jarak');
ylabel('Kedalaman')
title('Model dasar sungai')
Hasil komputasi dengan kode program di atas diperoleh sebagai berikut:

Jarak Kedalaman Jarak Kedalaman Jarak Kedalaman
50 45 150 78 250 57
60 47.76 160 77.88 260 53.8
70 50.64 170 77.32 270 50.6
80 53.64 180 76.32 280 47.4
90 56.76 190 74.88 290 44.2
100 60 200 73 300 41
110 63.36 210 70.68
120 66.84 220 67.92
130 70.44 230 64.72
140 74.16 240 61.08

Metode Numerik
80
Aktual
70 Interpolasi
60
50
40
50 100 150 200 250 300
Model dasar sungai

-40
-50
Kedalaman
-60
-70
-80
50 100 150 200 250 300
Jarak
Gambar 2.8 Model dasar sunagi dengan interpolasi kuadrat
2.3.1.3 Interpolasi Kubik

Interpolasi kubik merupakan metode untuk mendapatkan nilai diantara titik-
titik data yang diketahui menggunakan persamaan polynomial berderajat 3
dengan persamaan umum f(x) = a0 + a1x + a2x2 + a3x3.
Metode ini digunakan apabila diketahui minimal data pengamatan ada 4 titik.
Misalkan titik-titik yang diketahui adalah (x 1,y1), (x2, y2), (x3, y3) dan (x4, y4),
maka nilai yang terdapat diantara titik-titik tersebut akan memeuhi fungsi
kubik dengan a0, a1, a2 dan a3 adalah solusi dari system persamaan linier 4
(empat) variable sebagai berikut:
(x1, y1)  a0 + a1x1 +a2x12+ a3x13 = y1
(x2, y2)  a0 + a1x2 + a2x22+ a3x23= y2
(x3, y3)  a0 + a1x3 + a2x33 + a3x33= y3
(x4,y4) a0 + a1x4 + a2x43 + a3x43= y3
Augmented matriks dari SPL tersebut adalah

Metode Numerik
Teladan 2.8
Penyelesaian permasalahn teladan 2.6 di atas dapat dilakukan dengan

interpolasi kubik dengan partisi titik-titik data pengukuran sebagai berikut:
(1) Partisi pertama adalah titik {(50,40),(100,60),(150,78),(200,73)} sehingga

diperoleh Augmented matriks koefesien SPL adalah sebagai berikut:
Penyelesaian dengan computer program diperoleh sebagai berikut:
A=[1 50 50^2 50^3;...

1 100 100^2 100^3;...
1 150 150^2 150^3;...
1 200 200^2 200^3];
B=[40;60;78;73];
format long
k=inv(A)*B
k=
38.999999999999986
-0.310000000000003
0.008000000000000
-0.000028000000000
Dari hasil komputasi tersebut diperoleh fungsi interpolasi kubik yaitu f(x) =
38.999999999999986–0.31x + 0.008x2 – 0.000028x3.

Metode Numerik
(2) Sedangkan titik keduanya mengunakan pendekatan interpolasi kuadrat,

karena data yang dimiliki tidak cukup untuk membentuk polynomial
derajat 3 yaitu titik {(200,73),(250,57), (300,41)}. Aumented
mPenyelesaian dengan computer program sebagai berikut:
A=[1 200 200^2;1 250 250^2;1 300 300^2];

B=[73;57;41];
format long
k=inv(A)*B;
poly2sym([k(3) k(2) k(1)])
ans =
137 - (8*x)/25
Hasil komputasi tersebut memberikan fungsi polynomial yang dapat

digunakan adalah linier f(x) = 137 - (8*x)/25. Hal ini menunjukkan ketiga
titik (200,73),(250,57), (300,41) cendrung membentuk suatu garis lurus
ketimbang kuadrat. Fungsi polynomial yang digunakan untuk melakukan
interpolasi adalah
Perhitungan dengan computer sebagimana kode program di bawah ini

menghasilkan nilai pendekatan kedalaman sungai dan grafik model dasar
sungai sebagai berikut:
syms x
xa=[50 100 150 200 250 300];
ya=[45 60 78 73 57 41];
d1=[50:10:200];
d2=[210:10:300];
f1=38.999999999999986-0.31*x + 0.008*x*x-0.000028*x*x*x;
f2=137-(8/25)*x;
xi=[d1 d2];
yi=[subs(f1,d1) subs(f2,d2)];
[xi;yi]'
subplot (2,1,1)

Metode Numerik
plot(xa,ya,'*')
hold on
plot(xi,yi,'-or')
legend('Aktual','Interpolasi')
subplot(2,1,2)
plot(xi,-yi,'-.r')
xlabel('Jarak pengukuran')
ylabel('Kedalaman Sungai')
title('Pendekatan model dasar sungai')

50 40 150 78 250 57
60 43.152 160 79.512 260 53.8
70 46.896 170 79.936 270 50.6
80 51.064 180 79.104 280 47.4
90 55.488 190 76.848 290 44.2
100 60 200 73 300 41
110 64.432 210 69.8
120 68.616 220 66.6
130 72.384 230 63.4
140 75.568 240 60.2

Metode Numerik
80
Aktual
70 Interpolasi
60
50
40
50 100 150 200 250 300
Pendekatan model dasar sungai

-40
Kedalaman Sungai
-50
-60
-70
-80
50 100 150 200 250 300
Jarak pengukuran
Gambar 2.9 Model dasar sunagi dengan interpolasi kubik
2.3.1.4 Interpolasi Polinomial Derajat n
Interpolasi polynomial nerajan n merupakan metode untuk mendapatkan nilai

diantara titik-titik data yang diketahui menggunakan persamaan umum
polinomial f(x) = a0 + a1x + a2x2 + a3x3+ … + anxn. Untuk data sebanyak n, maka
akan dapat didekati melalui persamaan polynomial berderajat n-1 yaitu f(x) =
a0 + a1x + a2x2 + a3x3+ … + anxn
Misalkan dimiliki data (x1,y1), (x2, y2), (x3, y3) hingga (xn, yn), maka akan
diperoleh Sistem persamaan Linier untuk koefesien polynomial sebagai
berikut:
(x1, y1)  a0 + a1x1 + a2x12 + a3x12 + … + anx1n-1 = y1
(x2, y2)  a0 + a1x2 + a2x22 + a3x22 + … + anx2n-1 = y2
(x3, y3)  a0 + a1x3+ a2x32 + a3x32 + … + anx3n-1 = y3
(xn, yn)  a0 + a1xn + a2xn2 + a3xn2 + … + anxnn-1 = yn
Augmented matriks dari koefesien SPL adalah

Metode Numerik
Sehingga solusi dari koefesien SPL tersebut adalah
Teladan 2.9
Tinjau kembali data pengukuran kedalaman sungai pada teladan 2.6 di
atas.
Jarak (cm) 50 100 150 200 250 300
Kedalaman cm 45 60 78 73 57 41
Karena banyaknya data ada 6 titik, maka interpolasi polynomial yang dapat
dikontruksi adalah polynomial berderajat 5. Augmented matriks koefesien
yang dapat diperoleh adalah sebagai berikut:
Dengan komputasi sebagaimana kode di bawah ini diperoleh penyelesaian

sebagai berikut:

Metode Numerik
A=[1 50 50^2 50^3 50^4 50^5;...

1 100 100^2 100^3 100^4 100^5;...
1 150 150^2 150^3 150^4 150^5;...
1 200 200^2 200^3 200^4 200^5;...
1 250 250^2 250^3 250^4 250^5;...
1 300 300^2 300^3 300^4 300^5];
B=[45;60;78;73;57;41];
k=inv(A)*B
k=
1.0e+002 *
1.35999999999998
-0.04107666666667
0.00062416666667
-0.00000382333333
0.00000001033333
-0.00000000001040
Hasil komputasi tersebut diperoleh nilai untuk

a0 = 1.35999999999998 x 102
a1 = -0.04107666666667 x 102
a2 = 0.00062416666667 x 102
a3 = -0.00000382333333 x 102
a4 = 0.00000001033333 x 102
a5 = -0.00000000001040 x 102
sehingga persamaan polynomial diperoleh adalah
f(x) = 135.9999999998 - 4107666666667 x + 0.062416666667x 2

-0.000382333333x3 +0.000001033333x4 -0.00000000104x5
f=poly2sym([k(6) k(5) k(4) k(3) k(2) k(1)]);
pretty(f)

Metode Numerik
Evaluasi nilai f(x) pada data interpolasi pada domain [50 300] dengan Δx = 10

50 45 150 78 250 57
60 44.239296 160 78.756096 260 53.904896
70 46.227072 170 78.519872 270 50.908672
80 50.016128 180 77.388928 280 47.905728
90 54.819904 190 75.496704 290 44.701504
100 60 200 73 300 41
110 65.053696 210 70.066496
120 69.601472 220 66.862272
130 73.374528 230 63.539328
140 76.202304 240 60.223104

Metode Numerik
80
Interpolasi
70 Aktual
60
50
40
50 100 150 200 250 300
-40
Model pendekatan pola dasar sungai
-50
-60
-70
-80
50 100 150 200 250 300
Gambar 2.10 Model dasar sunagi dengan interpolasi derajat 5
Kode komputasi unutk mengambar grafik fungsi tersebut:
d=[50:10:300];
subplot(2,1,1)
plot(d,subs(f,d),'-or')
hold on
plot([50:50:300],[45 60 78 73 57 41],'*')
legend('Interpolasi','Aktual')
grid on
subplot(2,1,2)
plot(d,subs(f,d),'-.r')
plot(d,-subs(f,d),'-.r')
legend('Model pendekatan pola dasar sungai')
Teladan 2.9

Metode Numerik
Lakukan hampiran dengan interpolasi polynomial untuk mendapatkan model

matematika hubungan antra tahun angkatan dengan banyaknya mahasiswa
berdasarkan data actual pada jurusan pendidikan matematika IAIN MAtaram
dari tahun 2003 sampai dengan 2010 sebagai berikut:
Tahun 2003 2004 2005 2006 2007 2008 2009 2010

Banyaknya 43 40 80 114 177 98 147 146
mahasiswa
Solusi:
Karena ada 8 data yang diketahui maka interpolasi polinomila yang dapat
diterapkan adalah polynomial derajat 7 dengan persamaan umum
Dan berdasarkan data yang diketahui, maka bentuk SPL simultannya adalah
Dan augmented matriks koefesien SPL adalah
Evaluasi nilai koefesien SPL dengan kode program komputer sebagai berikut:
A=[2003^7 2003^6 2003^5 2003^4 2003^3 2003^2 2003 1;...
2004^7 2004^6 2004^5 2004^4 2004^3 2004^2 2004 1;...
2005^7 2005^6 2005^5 2005^4 2005^3 2005^2 2005 1;...
2006^7 2006^6 2006^5 2006^4 2006^3 2006^2 2006 1;...
2007^7 2007^6 2007^5 2007^4 2007^3 2007^2 2007 1;...
2008^7 2008^6 2008^5 2008^4 2008^3 2008^2 2008 1;...
2009^7 2009^6 2009^5 2009^4 2009^3 2009^2 2009 1;...
2010^7 2010^6 2010^5 2010^4 2010^3 2010^2 2010 1];

Metode Numerik
B=[43;40;80;114;177;98;147;146];
format long
k=inv(A)*B
k=
1.0e+017 *
0.00000000000000
-0.00000000000000
0.00000000000000
-0.00000000000035
-0.00000000203975
0.00000588520083
-0.00631513379020
2.51648371579466
Berdasarkan hasil komputasi nilai koefesien SPL tersebut, dapat dikontruksi

fungsi polinomial pendekatan yang diperoleh dengan kode program berikut:
Kode komputasi unutk kontruksi fungsi

syms x
f=k(1)*x^7+k(2)*x^6+k(3)*x^5+k(4)*x^4+k(5)*x^3+k(6)*x^2+k(7)*x+k(8);
pretty(f)
Hasil evaluasi fungsi tersebut terhadap data aktual menunjukkan bahwa nilai
yang diberikan tidak tepat dengan data aktual (lihat tabel di bawah). Hal ini
menunjukkan bahwa fungsi pendekatan tersebut tidak valid, sehingga perlu
dilakukan analisis ulang. Suatu analisis yang memungkinkan dilakukan adalah
dengan melakukan normalisasi data x (tahun angkatan). Pemilihan cara ini
didasri atas kenyataan nilai variabel x yang memuat bilangan ribuan sedangkan
y bilangan ratusan yang memiliki penyimpangan sangat besar antara data x dan
data y. Persamann normalisasi yang digunakan adalah

Metode Numerik
Dimana :
t = tahun angkatan (2003-2010)
rata-rata dari t = 2006.5
Stdv (t) = standar deviasi dari t = 2.45
Sehingga diperoleh data transpormasi untuk tahun angkatan adalah
No Tahun Masuk (t) y
1 2003 -1.42886901662352 43
2 2004 -1.02062072615966 40
3 2005 -0.61237243569579 80
4 2006 -0.20412414523193 114
5 2007 0.20412414523193 177
6 2008 0.61237243569579 98
7 2009 1.02062072615966 147
8 2010 1.42886901662352 146
Dengan menerapkan cara yang sama sebagaimana sebelumnya untuk x dan y,

maka akan diperoleh persamaan polynomial sebagai berikut:
Evaluasi nilai dari persamaan tersebut terhadap data actual adalah sebagai
berikut:
T X Y f(x)
2003 -1.42886901662352 43 42.99999999999949 42 43 43
2004 -1.02062072615966 40 39.99999999999989 39 40 40

Metode Numerik
T X Y f(x)
2005 -0.61237243569579 80 79.99999999999996 79 80 80
2006 -0.20412414523193 114 1.140000000000000e+002 113 114 114
2007 0.20412414523193 177 1.770000000000000e+002 177 178 177
2008 0.61237243569579 98 98.00000000000017 98 99 98
2009 1.02062072615966 147 1.470000000000005e+002 147 148 147
2010 1.42886901662352 146 1.460000000000014e+002 147 146 147
Karena banyaknya mahasiswa merupakan data diskrit (cacah), maka nilai f(x)
perlu dilakukan pembulatan. Hasil analisis pada table di atas, dilakukan
dengan tiga cara, yakni pembulatan biasa, pembulatan ke atas dan
pembulatan ke bawah. Hasil konparasi nilai pendekatan dengan data actual
diketahui bahwa pembulatan ke bilangan bulat terbesar merupakan
pembulatan yang bernilai sama dengan data actual. Sehingga fungsi
polynomial yang dapat diterapkan adalah
Dan grafik model matematis berdasarkan interpolasi polynomial berderajat 7

dari banyaknya mahasiswa tiap tahun angkatan adalah

Metode Numerik
Gambar 2.11 Model pendekatan dengan interpolasi polynomial berderajat 7.
Teladan 2.10:
Suatu pesawat jatuh menabrak tebing yang model kecuramannya dilukiskan
pada gambar di bawah ini. Pendakian akan dilakukan untuk mengankat korban
kecelakaan tersebut. Jenis peralatan pendakian dipersiapkan yang disesuaikan
dengan tingkat kecuraman tebing bukit yang akan di daki. Untuk itu, dilakukan
analisis tingkat kecuraman tebing berdasarkan sketsa gambar di bawah.
Dilakukan pengukuran tinggi tebing pada gambar pada tiap satuan jarak pada
sumbu horizontal. Gambar grid pengukuran dan hasil pengukuran diberikan
sebagai berikut:
Gambar 2.12 Model pelukis sebuah bukit

i 0 1 2 3 4 5 6 7 8 9 10 11
x 1 2 3 4 5 6 7 8 9 10 11 12
f 0.5 1.1 1.6 2.7 5.3 6.3 7.8 10 10.3 10.5 10.6 10.7
Tentukan kemiringan tebing pada tiap titik untuk ∆x = 0.1.
Metode Numerik
Solusi:
Untuk mendapatkan kemiringan tiap titik dengan ∆x = 0.1, maka perlu
diketahui nilai f(x) pada tiap ∆x = 0.25. Untuk itu perlu dilakukan interpolasi
nilai tiap titik yang belum diketahui. Mencermati gambar di atas, berdasarkan
bentuk pola gambar, maka ditentukan beberapa jenis interpolasi yang dipilih
sebagai berikut:
Interval Pola Kurva Jenis Titik-titik

Interpolasi
x0 ≤ x ≤ x1 Cendrung Linier Linier (x0,f0) dan (x1,f1)
x1 ≤ x ≤ x2 Cendrung Linier Linier (x1,f1) dan (x2,f2)
x2 ≤ x ≤ x5 Cendung Kubik Kubik (x2,f2), (x3,f3), (x4,f4) dan (x5, f5)
x5 ≤ x ≤ x7 Cendrung Kubik Kubik (x4,f4), (x5,f5), (x6, f6) dan (x7,f7)
x7 ≤ x ≤ x9 Cendrung Kuadrat (x7,f7), (x8,f8) dan (x9,f9)
kuadrat
x9 ≤ x ≤ x11 Cendrung Kuadrat (x9,f9), (x10,f10) dan (x11,f11)
Kuadrat
a. Pada domain 1≤ x ≤ 2 digunakan interpolasi f(x) = ax + b dengan titik

interpolasi (1, 0.5) dan (2, 1.1). Bentuk augmented matriks koefesien
fungsi f(x) adalah . Berdasarkan
evaluasi nilai a dan b dapat didefinisikan sebagai f(x) = 0.6x -0.1.

b. Domain 2 ≤ x ≤ 3  f(x) = ax + b
(2,1.1) dan (3, 1.6)  , sehingga
diperoleh fungsi interpolasi adalah f(x) = 0.5x + 0.1. Hasil komputasi

ketinggian tebing pada interval 2 ≤ x ≤ 3 adalah

Metode Numerik
c. Domain 3 ≤ x ≤ 5  f(x) = ax3 + bx2 + cx + d

(3,1.6), (4,2.7), (5,5.3) dan (6,6.3) 
sehingga
diperoleh fungsi interpolasi adalah

f(x) = -0.5167x3 + 6.95x2 -28.4333x + 38.3
d. Domain 5 ≤ x ≤ 8  f(x) = ax3 + bx2 + cx + d
(5,5.3),(6, 6.3),(7, 7.8) dan (8, 10) 
, sehingga
diperoleh fungsi interpolasi adalah

f(x) = 0.0333 x3 -0.35x2 + 1.8167x + 0.8
e. Domain 8 ≤ x ≤ 10  f(x) = ax2 + bx + c
(8,10), (9, 10.3) dan (10.10.5) 
sehingga diperoleh fungsi interpolasi adalah

f(x) = -0.05x2+1.15x+4
f. Domain 10 ≤ x ≤ 12 f(x) = ax2 + bx + c

(10, 10.5), (11,10.6) dan (12,10.7) 
sehingga diperoleh fungsi interpolasi adalah

f(x) = x2 + x + 9.5
Grafik pendekatan model bukit berdasarkan hasil interpolasi.
k1=inv([1 1;2 1])*[0.5;1.1]

p1=poly2sym(k1);

Metode Numerik
d1=[1:0.1:2];
f1=subs(p1,d1);
k2=inv([2 1;3 1])*[1.1;1.6]

p2=poly2sym(k2);
d2=[2:0.1:3];
f2=subs(p2,d2);
k3=inv([27 9 3 1;64 16 4 1;125 25 5 1;...

216 36 6 1])*[1.6;2.7;5.3;6.3]
p3=poly2sym(k3);
d3=[3:0.1:5];
f3=subs(p3,d3);
k4=inv([125 25 5 1;216 36 6 1;...

343 49 7 1;512 64 8 1])*[5.3;6.3;7.8;10]
p4=poly2sym(k4);
d4=[5:0.1:8];
f4=subs(p4,d4);
k5=inv([64 8 1;81 9 1;100 10 1])*[10;10.3;10.5]

p5=poly2sym(k5);
d5=[8:0.1:10];
f5=subs(p5,d5);
k6=inv([100 10 1;121 11 1;144 12

1])*[10.5;10.6;10.7]
p6=poly2sym(k6);
d6=[10:0.1:12];
f6=subs(p6,d6);
plot(d1,f1,'.-',d2,f2,'.-',d3,f3,'.-',d4,f4,'.-',d
5,f5,'.-',d6,f6,'.-')
Persamaan fungsi yang memenuhi model bukit tersebut adalah

Metode Numerik
Dengan model grafik
Pendekatan model tebing

12
10
8
K e t in g g ia n
0
0 2 4 6 8 10 12
Dasar
Gambar 2.13 Grafik interpolasi model pelukis bukitbukit pada gambar 2.13
Sedangkan persamaan kemiringan tiap titik diberikan oleh turunan pertama

dari f(x) sebagai berikut:
Grafik yang menyatakan hubungan antara jarak dengan tingkat kecuraman

adalah

Metode Numerik
Grafik turunan pada interval yang diberikan

3
2.5
T in g k a t K e c u ra m a n
1.5
0.5
-0.5
-1
0 2 4 6 8 10 12
Jarak
Gambar 2.14 Gradien setiap titik dipermukaan bukit pada gambar 2.13
Kode program yang digunakan unutk menghitung
d1=[1:0.1:2];
n1=length(d1);
df1=ones(1,n1)*0.6;
d2=[2:0.1:3];
n2=length(d2);
df2=ones(1,n2)*0.5;
d3=[3:0.1:5];
syms x
dp3=-1.5501*x^2+13.9*x-28.4333;
df3=subs(dp3,d3);
d4=[5:0.1:8];
dp4=0.0999*x^2-0.7*x+1.8167;
df4=subs(dp4,d4);
d5=[8:0.1:10];
dp5=-0.1*x+1.15;
df5=subs(dp5,d5);
d6=[10:0.1:12];
dp6=-0.000000000000002*x+0.1;
df6=subs(dp6,d6);

Metode Numerik
plot(d1,df1,'.-',d2,df2,'.-',d3,df3,'.-',d4,df4,'.-',
d5,df5,'.-',d6,df6,'.-')
xlabel('Jarak')
ylabel('Tingkat Kecuraman')
title('Grafik turunan pada interval yang diberikan')
2.3.2 Interpolasi Newton Gregori

Interpolasi Newton Gregori merupakan interpolasi yang dikontruksi dari
aproksimasi dengan Deret Taylor menggunakan perhitungan beda hingga.
Beda hingga terdiri dari beda maju, beda mundur dan beda tengah.
2.3.2.1 Beda Hingga

Beda dapat dipandang sebagai selisih sedangkan berhingga berarti nilainya
dapat dinyatakan dengan jelas, sehingga beda hingga memiliki pengertian
selisih yang dapat ditentukan. Beda dalam matematika disimbolkan dengan
lambang ∆ (baca delta) untuk beda maju dan (baca nabla) untuk beda
mundur . Perhatikan ilustrasi berikut:
Gambar 2.15 Tafsiran geometris beda hingga
Pada gambar 2.15.a di atas, merupakan bentuk analitik dari beda hingga.
Mula-mula dimiliki titik x dan f(x) . Dari titik x ditentukan titik berikutnya
sejauh h, yaitu titik x+h dan diperoleh pemetaanya di f(x+h). selisih nilai dari
(x+h) – x dan selisih pemetaanya f(x+h) – f(x) disebut sebagai beda maju
dengan formula analitiknya adalah ∆x = (x+h) – x dan ∆f = f(x+h) – f(x)
Pada gambar 2.15b di atas, titik x bersesuian dengan x i, sehingga x berikutnya

yang ditentukan sejauh h keknana dari titik x i disebut xi+1 dan titik sebelumnya
yang ditentukan sejauh h disebut titik xi-1. Bersesuaian dengan titik-titik
tersebut diperoleh pemetaan fi untuk xi, fi+1 untuk xi+1 dan fi-1 untuk xi. Beda
maju dari xi dan fi ditentukan dengan formula numerik beda maju adalah ∆xi =
xi+1 – xi dan ∆fi = fi+1 – fi.

Metode Numerik
Definisi beda Maju
Lebih lanjut beda mundur secara analitik ditentukan dengan nilai selisih dari x
– (x-h) dan f(x) – f(x-h) untuk bentuk analitik dan x i – xi-1 dan fi - fi-1 untuk
bentuk numeriknya.
Definisi beda Mundur
Tinjau kembali gambar 2.15 di atas. Jika dari titik x+h dan x-h ditentukan
bedanya maka nilai bedanya tersebut dinyatakan sebagai beda tengah, karena
x berada ditengah-tengah x+h dan x-h. Sejalan dengan itu, selisih dari nilai
pemetaanya juga, yaitu f(x+h)-f(x-h) disebut sebagai beda tengah. Sedangkan
selisih secara numeriknya adalah xi+1 – xi-1 dan fi+1 – fi-1 disebut formula beda
beda tengah.
Beda tingkat ke-n dari x dan f(x) secara matematis didefinisikan sebagai
berikut:
dan
dan
Berdasarkan definisi tersebut maka bentuk-bentuk sebagai berikut:

Menurut beda maju
0 1 0
i = 0 ==> ∆f = f – f
2
0 0 1 0 1 0
==> ∆ f =∆(∆f ) = ∆(f - ∆f ) = ∆f - ∆f
3 2 2 2 2
0 0 1 0 1 0
==> ∆ f = ∆ (∆f ) = ∆ (f - ∆f ) = ∆ f - ∆ f
4 3 3 3 3
0 0 1 0 1 0
==> ∆ f = ∆ (∆f ) = ∆ (f – f ) = ∆ f - ∆ f
dst

Metode Numerik
Menurut beda mundur
dst
Secara sederhana formula ini dapat dikontruksi kedalam bentuk tabel beda
hingga sebagai berikut:
Suatu kenyataan yang dapat diaplikasikan dari beda hingga tersebut adalah
untuk memeriksa apakah suatu data terkontruksi dari polynomial berderajat
n. Apabila beda ke-n memberikan nilai 0 (nol), maka data tersebut
terkontruksi dari polynomial berderajat (n-1).
Teladan 2.11
3
Tunjukkan bahwa fungsi f(x) = x memiliki beda yang ke-4 bernilai 0 (nol).
Solusi:
x f(x)

Metode Numerik
0 0
1
1 1 6
7 6
2 8 12 0
19 6
3 27 18 0
37 6
4 64 24 0
61 6
5 125 30
91
6 216
Berdasarkan tabel di atas, dapat diketahui bahwa beda ke-4 dari f(x) bernilao 0
(nol). Hal ini disebabkan karena fungsi f(x) berderajat 3 (tiga) dimana apabila
sudah di turunkan derajatnya hingga tingkat 4, akan bernilai 0 (nol).
Teladan 2.12
Auliya akan membuka hotel baru. Untuk memperkenalkan kepada masyarakat
di awal pembukaan dia menghabiskan dana Rp. 800.000,- untuk acara
pembukaan dan makan gratis untuk tamu undangan. Pada hari pertama
penjualan, dia merugi Rp 300.000,-. Sedangkan hari kedua dia memperoleh
keuntungan Rp .600.000,-. Keuntungan tiap hari berikutnya hingga hari ke-7
dituliskan dalam table berikut. Kontruksi model matematika hubungan antara
hari dengan Laba dan perkirakan laba yang diperoleh hingga hari ke-15.
Hari 0 1 2 3 4 5 6 7

Metode Numerik
Laba -8 -6.3333 -4.6667 -3 6 31 57.5 84 177 322 531

Ket. Laba dalam satuan ratusan ribu.
Solusi:
Untuk dapat menyelesaikan permasalahan tersebut, dianalisis model
hubungan yang terjadi. Analisis pertama untuk mengetahui apakah data
tersebut terkontruksi oleh suatu fungsi polynomial atau tidak. Dengan
menerapkan table beda hingga diperoleh sebagai berikut:
x f(x)
0 -8
5
1 -3 4
9 12
2 6 16 0
25 12
3 31 28 0
53 12
4 84 40 0
93 12
5 65 52 0
145 12
6 322 64 0
209 12
7 531 76

Metode Numerik
Berdasarkan table beda hingga di atas, diketahui bahwa pada beda ke-4, nilai
bedanya 0 (nol). Hal ini mnunjukkan bahwa data tersebut terkontruksi dengan
3
3
fungsi polynomial berderajat 3 dengan bentuk persamaan umum f(x) = a x +
2
2 1 0
a x + a x + a . Dengan mengambil sembarang 4 (empat) buah titik dari 8
(delapan) titik yang ada, maka diperoleh augmented matriks koefesien
polynomial berderajat 4 adalah sebagai berikut:
Titik yang dipilih (0,-8), (1,-3), (2,6) dan (3,31)
3 2
3 2 1 0
(x,f(x))  f(x) = a x + a x + a x + a
0
(0,-8)  -8 = a
3 2 1
(1,-3)  -3 = a + a + a - 8  a3 + a 2 + a 1 = 5
3 2 1 3 2 1
(2,6)  6 = 8a + 4a + 2a – 8  8a + 4a + 2a = 14
3 2 1 3 2 1
(3,31)  31 = 27a + 9a + 3a -8  27a + 9a + 3a = 39
Sehingga ougmented matriks koefesien SPL tersebut adalah
3 2 1 0
Dari penyelesaian ini diperoleh bahwa a = 2, a = -4, a = 7 dan a = -8 sehingga
persamaan dari data laba penjualan itu adalah
3 2
f(x) = 2x – 4x + 7x -8.
Evaluasi nilai f(x) untuk 0 ≤ x ≤ 7 dengan ∆x = 1 diperoleh sebagai berikut:
X 0 1 2 3 4 5 6 7
f(x) -8 -3 6 31 84 177 322 531
X 8 9 10 11 12 13 14 15
f(x) 816 1189 1662 2247 2956 3801 4794 5947

Metode Numerik
Hubungan hari dengan laba

6000
Data aktual
5000 Interpolasi P3
Ekstrapolasi P3
4000
3000
Laba
2000
1000
-1000
0 5 10 15
Hari
Gambar 2.16 Grafik pemetaan hari terhadap laba
Memperhatikan bahwa interpolasi derajat tiga yang diterapkan dapat dengan

3 2
tepat melalui semua titik yang ada, maka fungsi f(x) = 2x – 4x + 7x -8 dapat
diterapkan unutk melakukan ektrapolasi, yaitu penentuan nilai yang berada
diluar titik data yang ada. Hasil yang diperoleh sebagaimana pada table di atas.
Laba yang diperoleh setelah 15 hari penjualan adalah dengan menjumlahkan
nilai laba dari hari awal hingga hari ke-15 yaitu Rp. 2.455.200.000,-
Beberapa sifat beda hingga adalah sebagai berikut:

1.
2. Jika h = 1, maka ∆nxn = n(n-1)(n-2)…(3)(2)(1) = n!
Bukti:
=
Metode Numerik
Lebih lanjut jika h=1, maka ∆nxn = n!.

∆f(x)=f(x+h)-f(x)
∆x= (x+1)-x = 1
∆x2 = (x+1)2-x2 = x2 +2x + 1 –x2 = 2x +1
∆2x2=∆(∆x2) = ∆(2x+1)=2∆x + ∆1 = 2(1)+0 = 2.
∆x3= (x+1)3-x3 = x3+3x2+3x+1-x3 = 3x2+3x+1
∆2x3=∆(∆x3)= ∆(3x2+3x+1)
=3∆x2+3∆x+∆1
=3(2x+1)+3(1)+0
=6x+6
∆3x3=∆(∆2x3)= ∆(6x + 6)
=6∆x+∆6
=6(1)+0 = 6
= 3 x 2 x 1 = 3!
∆nxn = n(n-1)(n-2)…(3)(2)(1) = n!
2.3.2.2 Metode Newton Gregori Maju

Metode Newton Gregori Maju merupakan metode interpolasi mengunakan
polinomial yang direkontruksi dari Deret Taylor.
Dengan
Teladan 2.14
Selesaikan teladan di atas dengan mengunakan interpolasi polynomial
newton gregori maju.
Solusi
Tinjau kembali table beda hingga pada teladan di atas. Jika mengambil nilai
awal x0
Metode Numerik
= 0, maka diperoleh koefesien beda hingga untuk polynomial newton gregori

maju sebagaimana yang terlingkari berikut:
i
x x f(x)
0
x 0 -8
5
1
x 1 -3 4
9 12
2
x 2 6 16 0
25 12
3
x 3 31 28 0
53 12
4
x 4 84 40 0
93 12
5
x 5 177 52 0
145 12
6
x 6 322 64
209
7
x 7 531
Dari table di atas, diperoleh nilai x 0 = 0, f0 = -8, ∆f0 = 5, ∆2f0 = 4 dan ∆3f0 = 12. h =
x1 – x0 = 1 – 0 = 1 dan s = (x – x0)/h = x. Drin ilia tersebut maka diperoleh
pendekatan dengan polynomial newton gregori maju sebagai berikut:

Metode Numerik
Hasil ini sesuai dengan hasil fungsi .

Sebagai pembanding hasil persamaan yang diperoleh tersebut, misalkan
diambil nilai awal x0 = 3, maka diperoleh nilai beda hingga yang digunakan
unutk interpolasi adalah sebagaimana yang dilingkari.
i
x x f(x)
-3
x 0 -8
5
-2
x 1 -3 4
9 12
-1
x 2 6 16 0
25 12
0
x 3 31 28 0
53 12
1
x 4 84 40 0
93 12
2
x 5 177 52 0
145 12
3
x 6 322 64
209
4
x 7 531
x0 = 3, f0 = 31, ∆f0 = 53, ∆2f0 = 40, ∆3f0 = 12, h = x1 – x0 = 4 – 3 = 1 dan s=(x-x0)/h

=x-3 sehingga diperoleh persamaan polynomial adalah

Metode Numerik
Hasil tersebut sesuai dengan dua jenis analisis sebelumnya. Hal ini
menunjukkan bahwa dengan memilih nilai x 0 yang berbeda akan tetapi tetap
memberikan persamaan interpolasi yang sama.
2.3.2.3 Definisi Polinomial Newton Gregori Mundur
Dengan
Teladan
Selesaiakn teladan di atas dengan metode newton gregori mundur untuk x 0 = 7
dan x0 = 5.
Solusi
Nilai bedahingga untuk x0 = 7 dan x0 = 5 adalah berikut ini.
i i
x X x f(x)
0 0
(x =7) (x =3)
-7 -3
x x 0 -8
5

Metode Numerik
i i
x X x f(x)
0 0
(x =7) (x =3)
-6 -2
x x 1 -3 4
9 12
-5 -1
x x 2 6 16 0
25 12
-4 0
x x 3 31 28 0
53 12
-3 1
x x 4 84 40 0
93 12
-2 2
x X 5 177 52 0
145 12
-1 4
x X 6 322 64
209
0 4
x X 7 531
Untuk x0 = 7, maka s=(x-x0)/h = x-7, f0 = 531, ∆f-1=209, ∆2f-2 = 64, ∆3f-3 = 12,
sehingga diperoleh polynomial newton Gregory Mundur adalah sebagai
berikut:
Jadi dengan polynomial Newton Mundur dan x 0 = 7 diperoleh fungsi

polynomial . Hasil ini sama dengan nilai
dari polynomial newton maju sebelumnya.

Metode Numerik
Selanjutnya dilakukan pemeriksaan apakah perhitungan polynomial

newton gregori mundur dengan nilai awal x 0 = 5 akan memberikan nilai
yang sama dengan hasil sebelumnya.
Untuk x0 = 3, maka s= x-3, f0=31, ∆f-1=25, ∆2f-2=16 dan ∆3f-3 = 12
Hasil akhir ini menunjukkan polynomial yang diberikan selalu sama meskipun
dilakukan dengan metode invers matriks, polynomial newton maju, dengan
nilai awal yang berbeda dan polynomial newton mundur dengan nilai awal
yang berbeda.
Teladan.
Evaluasi nilai f(0.73) dari data f(x)=tan (x) pada interval [0 1] dengan ∆x = 0.2
mengunakan polynomial newton maju dan munur.
Solusi:
Tabel beda hingga perolehan data dari fungsi f(x)=tan x pada domain interval
[0 1] dengan ∆x = 0.2 adalah:
S X f(x) ∆f(x) ∆2f(x) ∆3f(x) ∆4f(x)
x-2 0 0
0.203
x-1 0.2 0.203 0.017
0.220 0.024
x0 0.4 0.423 0.041 0.020
0.261 0.044
x1 0.6 0.684 0.085 0.052
0.346 0.096
x2 0.8 1.030 0.181 0.211
0.527 0.307
x3 1.0 1.557 0.488
1.015

Metode Numerik
Penyelesaian menggunakan interpolasi Newton-Gregory Maju

Diketahui: h = 0.2
Ambil x0 = 0.4 , bias juga x0 = 0.6 ( karena sebelum 0.73 (jika gunakan
polynomial Newton Maju)
gunakan f(0.73)
Jadi:
gunakan n = 3 ( misalkan)
( nilai sebenarnya f(0.73) = 0.897 )

Perhitungan nilai f(0.73) menggunakan interpolasi polynomial newton gregori
maju diperoleh tingkat error = |0.893-0.897| =
Penyelesaian menggunakan interpolasi Newton- Gregory Mundur

Diketahui : h = 0.2
Ambil x0 = 1.0
Maka f0=1.557 ; ∆f-1=0.527 ; ∆2f-2=0.181 ; ∆3f-3=0.096
Jadi:
Jadi
2.4 Rangkuman
1. Suatu hampiran yang digunakan untuk mendapatkan model yang berbeda
dari suatu model matematika atau fakta alam yang ada disebut dengan
Aproksimasi
2. Metode aproksimasi dengan Deret Maclaurin adalah
3. Metode aproksimasi Deret Taylor adalah

Metode Numerik
4. Interpolasi adalah menentukan nilai suatu objek atau titik yang terletak di
antara titik titik yang ada.
5. Interpolasi Linier adalah menentukan nilai yang terletak diatara dua titik
dengan persamaan garis f(x) = ax + b.
6. Interpolasi kuadrat adalah menentukan nilai yang terletak diantara tiga
titik dengan persamaan kuadrat f(x) = ax 2 + bx +c.
7. Interpolasi Kubik adalah menentukan nilai yang terletak diantara empat
titik dengan persamaan polinomial derajat tiga f(x) = ax 3 + bx2 + cx + d
8. Interpolasi polinomial berderajat n adalah menentukan nilai diantara n
data dengan polinomial berderajat n-1 dengan persamaan
f(x) = an-1xn-1 + an-2 xn-2 + an-3 xn-3 + … + a1 x +a0
9. Interpolasi Newton Gergori Maju adalah menentukan nilai diatara data
yang diketahui dengan persamaan
dengan .
10. Interpolasi Newton Gergori Mundur adalah menentukan nilai di antara

data yang diketahui dengan persamaan
Dengan .

Metode Numerik
2.5 Latihan
Selesaikan soal di bawah ini dengan benar!
1. Dapatkan persamaan yang memenuhi dari data
Kemudian tentukan nilai y bila x = 0.4
2. Lakukan interolasi polinomial untuk merekontruksi model garis pelukis

bukit pada gambar di bawah ini, kemudian tentukan ketingian bukit pada
jarak h = ¼ dan tingkat kecuramanya.
Gambar 2.17 Model gritosasi pola sebuah bukit
3. Lakukan aproksimasi untuk mendapatkan bentuk fungsi lain yang sesuai
dari fungsi pada domain 1
< x < 1.5. kemudian tentukan nilai dari f’(1.2).

Metode Numerik
4. Lakukan gritisasi dan rekontruksi fungsi yang tepat melalui kurva daerah
rawan banjir (warna merah) di kecamatan Sandubaya Kota Mataram
berikut, kemudian hitung luasnya.
Suber: Peta tata ruang 2011-2031 kota Mataram

Gambar 2.18 Peta daerah rawan banjir di Kecamatan Sandubaya Kota
Mataram NTB
5. Lengkapi tabel berikut dan Sketsa grafik fungsi y = f(x) .

x y ∆y ∆2y ∆3y ∆4y ∆5y
0 ………….
…………
5 …………. 0.0013
0.0888 …………..
10 …………. …………. 0.0002
………….. ………….. -0.0002
15 ………... ………….. ………….
…………. 0.0017
20 …………. …………..
…………
25 0.4663

Metode Numerik
6. Lakukan aproksimasi dengan deret Maclaurinatau Deret Taylor untuk

menghampiri fungsi berikut sehingga bernilai sama pada domain yang
diberikan:
a. f(x) = ex pada domain [-5 5];
b. f(x) = sin x / x pada domain [10 13];
7. Dengan metode Newton Gregory Maju dan Mundur, tentukan nilai awal
yang tepat untuk menentukan nilai f(0.158) dan f(0.636) dari data
sebagaimana tabel beda hingga berrikut :
x f(x) ∆f ∆2f ∆3f ∆4f

0.125 0.79168
-0.01834
0.250 0.77334 -0.01129
-0.02963 0.00134
0.375 0.74371 -0.00995 -0.00038
-0.03958 0.00172
0.500 0.70413 -0.00823 0.00028
-0.04781 0.00200
0.625 0.65632 -0.00623
-0.05404
0.750 0.60228
8. Tentukan nilai dari y untuk x = 0.58 dengan interpolasi kubik pada

domain [0.3 0.9] dari data berikut:
x y ∆y ∆2y ∆3y
0.1 0.003
0.064
0.3 0.067 0.017
0.081 0.002
0.5 0.148 0.019
0.100 0.003
0.7 0.248 0.022
0.122 0.004
0.9 0.370 0.026
0.148 0.005
1.1 0.518 0.031
0.179
1.3 0.697

Metode Numerik

Bab II

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab II

Diunggah oleh

Hak Cipta:

Format Tersedia

Pengantar Analisis dan Komputasi

secara analitik menjadi bukan pekerjaan yang gampang. Butuh

pengetahuan yang luas dengan penguasaan analisis yang tinggi. Sementara

fungsi sangat banyak digunakan dalam kehidupan karena

fungsi tersebut merupakan model dari gelombang suara yang dibutuhkan

Gambar 2.1 Grafik fungsi f(x) = sin (x)/x

Mengubah bentuk fungsi menjadi fungsi polynomial lainnya

Ripai, S.Pd., M.Si 53

. Hal ini dapat

dapat dilakukan dengan menyelesaikannya pada domain [-3.5

3.5] dari fungsi

x 8/362880 - x 6/5040 + x 4/120 - x 2/6 + 1

Gambar 2.2 Aproksimasi fungsi f(x)=sin(x)/x dengan fungsi

x 50 100 150 200 250 300

mendapatkan nilai dianatara data yang diketahui sebagaimana ilustrasi di atas

f(n)(x) =(1) (2)(3) ... (n-2)(n-1)(n)an = n!an

f"(0) = 2a2 = 2!a2 → a2 =

f"'(0) = (2)(3)a3 = 3!a3 → a3 =

fiV(0) = 4!a4  a4= fiv(0)/4!

f(n) (0) = (2)(3)...(n-2)(n-1(n)an = n!an → an =

Selanjutnya deret tersebut didefinisikan sebagai deret Maclaurin.

Ripai, S.Pd., M.Si 55

Gambar 2.3 Tafsiran Geometris Deret Maclaurin

= 0 +(1)x +(0)x2 + + ...

Ripai, S.Pd., M.Si 56

x-1/6 x 3+1/120 x 5-1/5040 x 7+1/362880 x 9

Gambar 2.4 Aproksimasi Deret Macalurin hingga derajat ke-10

2.1.2 Metode Deret Taylor

Tafsiran geometris dari deret Taylor tersebut adalah

Gambar 2.5 Tafsiran geometris Deret Taylor

Ripai, S.Pd., M.Si 57

f'(x) = cos x → f'(10) = cos(10) = -0.8391

Untuk a = 10, maka diperoleh

sin(10) -...- (cos(10) (x - 10)11)/39916800

Ripai, S.Pd., M.Si 58

Aproksimasi fungsi dari f(x) = sin x dengan fungsi polynomial berderajat 11

2.3.1 Interpolasi Polinomial

Apabila polynomial tersebut diambil hingga derajat n=1,maka akan diperoleh

Ripai, S.Pd., M.Si 59

2.3.1.1 Interpolasi Linier

f(x2) – f(x1) = a1(x2 – x1) 

f(x1) = ao + a1x1 a0 = f(x1) – a1x1 = f(x1) - x1

f(x) = a0 + a1x = f(x1) - x1 + x

Persamaan terakhir disebut sebagai persamaan untuk interpolasi linier

Ripai, S.Pd., M.Si 60

x1 = 200.000,- dan f(x1) = 50.000,-

Ripai, S.Pd., M.Si 61

x1 = 40, f(x1) = 2.68

f(x) = +2.68 = 2.33

Jadi nilai ttabel = 2.33 pada taraf signifikan 5% dengan dk = 47.

Jarak (cm) 50 100 150 200 250 300

Tentukan pendekatan secara linier kedalam sungai tiap 10 cm dan sketsa

Ripai, S.Pd., M.Si 62

Interval (x) Formula Interpolasi x f(x)

[250 300] f(x) = 260.00 53.80

Rekontruksi model pendekatan dasar sungai diberikan oleh gambar berikut:

Ripai, S.Pd., M.Si 63

Perkiraan bentuk Dasar Sungai

Gambar 2.7 Model dasar sungai dengan interpolasi linier

2.3.1.2 Interpolasi Kudrat

(x1, y1)  a0 + x1a1 +x12 a2= y1

Ripai, S.Pd., M.Si 64

Jadi persamaan interpolasi kuadrat yang dapat dilakukan adalah