Laporan Awal Praktikum

Algoritma dan Pemrograman

AKN - 07
INTERPOLASI

Nama
NPM
: Syifa Isfandiari Firdaus
: 140310190039
F
Hari/Tanggal : Selasa/14 April 2020
Waktu/Sesi : 07:30-12:30/I
Asisten : Afina

LABORATORIUM KOMPUTASI
DEPARTEMEN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PADJADJARAN
2019
 LEMBAR PENGESAHAN

AKN - 07

INTERPOLASI

Nama : Syifa Isfandiari Firdaus

NPM : 140310190039
Hari / Tanggal : Selasa/14 April 2020
Waktu / Sesi : 07:30-12:30/I
Asisten : Afina

Laporan Awal Presentasi Praktikum Laporan Akhir

Jatinangor, 14 April 2020

Asisten

( )
 MODUL 7-INTERPOLASI
I. Tujuan
1.1 Praktikan mampu menentukan solusi dari permasalahan interpolasi
dengan metode Polinomial,Lagrange,dan Newton Forward Difference
1.2 Praktikan mampu membedakan penyelesaian masalah dengan metode
interpolasi dan ekstrapolasi

II. Teori Dasar

a. Pencocokan Kurva

Biasanya, data data yang didapat berupa suatu nilai diskrit atau nilai yang
terputus putus. Untuk dapat mengetahui nilai diantara kedua nilai yang terputus tadi,
dibutuhkannya suatu metode untuk mendapatkannya. Metode tersebut merupakan
metode pencocokan kurva. Metode ini mengonstruksikan sebuah kurva yang
menghampiri nilai nilai tersebut. Istilah menghampiri artinya kurva yang dibangun
diformulasikan sedemikian rupa sehingga galat atau error yang diperoleh seminimal
mungkin. Selain itu, metode pencocokan kurva juga digunakan untuk
mengaproksimasi fungsi yang rumit dengan fungsi yang sederhana. Misalnya fungsi
dapat dihampiri dengan fungsi polinom[1].Terdapat dua pendekatan data secara umum
terhadap datad data yang berupa diskrit. Regresi dan interpolasi.
Regresi digunakan apabila sumber data yang digunakan mempunyai ketelitian
yang cukup rendah. Kurva yang dibangun tidak melalui semua titikd apat tersebut,
tetapi cukup mengikuti kecenderungannya saja. Dipilih kurva yang memiliki selisih
antara titik data dengan kurva hampir seecil mungkin. Metode regresi menghasilkan
kurva yang linier.
 Gambar 1. Contoh kurva regresi.
Interpolasi bertujuan untuk membangun suatu kurva yang melewati semua
titik data. Interpolasi digunakan ketika data yang diketahui memiliki ketelitian yang
sangat tinggi dan data diinterpolasikan dengan sebuah fungsi, apabila fungsi cocokan
yang digunakan berbentuk polinom, maka dinamakan polinom interpolasi. Contoh
data yang berketelitian tinggi adalah titik-titik yang dihitung dari fungsi yang telah
diketahui, atau data tabel yang terdapat di dalam acuan ilmiah. Selain polinom,
interpolasi titik titik data dapat dilakukan dengan menggunakan fungsi splin, fungsi
rasional (pecahan), atau deret Fourier.[2]

Gambar 2. Contoh kurva interpolasi.

 b. Interpolasi Polinom

Interpolasi polynomial merupakan teknik interpolasi dengan mengasumsikan pola

data yang dimiliki mengikuti pola polynomial baik berderajat satu (linier) atau
berderajat tinggi. Interpolasi dengan yang terbentuk selanjutnya digunakan untuk
melakukan interpolasi dari nilai yang diketahui atau ekstrapolasi (prediksi) dari nilai
diluar rentang data yang diketahui.[3]
Untuk memahami metode evaluasi polynomial, secara umum persamaan
polynomial disajikan pada persamaan
f ( x )=an x n + an−1 x n−1 +…+a 1 x +a0 …7.1

Dimana a merupakan koefisien polynomial, x merupakan variabel, dan n

merupakan indeks dan pangkat polynomial.

c. Interpolasi Lagrange

Interpolasi Lagrange biasanya dilakukan untuk menghindari perhitungan dari

differensiasi terbagi hingga (Iterpolasi Newton). Rumus yang digunakan untuk
metode ini adalah
n
f n ( x )=∑ Li ( x )∙ f (x i)
1=0 …7.2
dengan
n
x−x j
Li ( x ) = ∏ …7.3
j =0 xi −x j
j ≠i

Pendekatan orde ke-1

f 1 ( x )=Lo ( x ) f ( x 0) + L1 ( x ) f ( x1 )
x−x 1 x− x0
L0 ( x ) = , L1 ( x ) =
x 0−x 1 x 1−x 0
x−x 1 x−x 0
∴ f 1 ( x) = f 0 ( x) + f ( x1 )
x 0−x 1 x 1−x 0
Pendekatan orde ke-2
 f 2 ( x )=Lo ( x ) f ( x 0 )+ L1 ( x ) f ( x1 ) + L2 ( x ) f ( x2 )

L0 ( x ) =
( x−x 1
x 0−x 1 )( x−x 2
x0 −x 2 ) ( )( ) ( )( )
, L1 ( x ) =
x−x 0
x1 −x0
x−x 2
x 1−x 2
, L2 ( x ) =
x−x 0
x 2−x 0
x −x1
x 2−x 1

∴ f 2 ( x )=
( x −x1
x 0−x 1 )( x−x 2
x 0−x 2 ) ( )( ) ( ) ( )( ) (
f 0 ( x) +
x−x 0
x 1−x 0
x−x 2
x 1−x 2
f x1 +
x−x 0
x 2−x 0
x−x 1
x2 −x1
f x2 )

Pendekatan orde ke-3

f 3 ( x )=Lo ( x ) f ( x 0 ) + L1 ( x ) f ( x 1) + L2 ( x ) f ( x2 ) + L3 ( x ) f ( x3 )

∴ f 3 ( x )=
( x−x1
x 0−x 1 )( x−x 2
x 0−x 2 )( x−x 3
x0 −x3 )
f 0 (x )+
(
x−x 0
x 1−x 0 )( x−x2
x 1−x 2 )( x−x 3
x1 −x3)f ( x1)+
(
x−x 0
x 2−x 0 )( x−x 1
x 2−x 1 )( x−x 3
x 2−x
Metode ini memiliki kekurangan yaitu
 Jumlah komputasi yang dibutuhkan untuk satu kali inerpolasi adalah
besar. Interpolasi untuk nilai x yang lai memerlukan jumlah komputasi
yang sama karena tidak ada bagian komputasi sebelumnya yang dapat
digunakan.
 Bila jumlah titik data meningkat atau enurun, hasil komputasi sebelumnya
tidak dapat digunakan karena tidak terdapat hubungan antara pn−1 ( x )
dengan pn ( x ) pada polinom Lagrange.

Algoritma
1. Tentukan banyaknya titik (n)
2. Tentukan titik – titik ( x i , f ( x i ) ) , xi =0,1,2 ,… , n ;n

3. Hitung nilai dari f n ( x ) dari titik titik yang ditentukan dengan formula

n
f n ( x )=∑ Li ( x )∙ f (x i)
1=0

4. Tampilkan nilai (x,y)

Listing
clc; clear all; close all;
x = [2.5 5 10];
y = [2.571 2.015 1.476];
n = length(x) - 1;

xp = 3.5;

sm = 0;
for i = 1 : n+1
pr = 1;
for j = 1 : n+1
if j ~= i
pr = pr * (xp - x(j))/(x(i) - x(j));
end
end
sm = sm + y(i) * pr;
end
yp = sm

Tampilan

Gambar 3. Hasil y menggunakan metode Interpolasi Lagrange

d. NFD (Newton Forward Difference)

Metode ini merupakan metode lanjutan atau turunan dari metode Lagrange
dan metode ini dapat mengatasi kekurangan dari metode lagrange[4]
Persamaan polinom linier
( y 1− y 0 )
P 1 ( x )= y 0+
x1 −x0
( x−x 0 ) …7.4

Bentuk pers tersebut dapat ditulis

P1 ( x )=a0 +a 1 ( x−x 0 )
…7.5
Yang dalam hal ini
a 0= y 0=f ( x 0 )
 Dan
( y 1− y 0 ) f ( x 1 )−f ( x 0)
a 1= = …7.6
( x 1−x 0 ) x1−x 0
Persamaan ini merupakan bentuk selisih terbagi (divided difference)
a 1=f [ x 1 , x o ]
Bentuk Polinom kuadratik
P2 ( x ) =a0 +a 1 ( x−x 0 ) + a2 ( x− x0 ) ( x−x 1 )
…7.7
Rumus yang digunakan untuk metode NFD adalah
Pn ( x ) =f ( x 0 ) + ( x−x 0 ) f [ x 1 , x 0 ] + ( x−x 0 ) ( x−x 1 ) … ( x−x n−1) f [ x n , … , x0 ]
…7.8

Listing
clc;close all;clear all;
x = [2.5 5 10];
y = [2.571 2.015 1.476];
n = length(x);
p = 3.5;
d(:,1) = y';
for j = 2:n
for i = j:n
d(i,j)=(d(i-1,j-1)-d(i,j-1))/(x(i-j+1)-x(i));
end
end
a = diag(d)';
Df(1) = 1;
c(1) = a(1);
for j = 2:n
Df(j)=(p-x(j-1)).* Df(j-1)
c(j)= a(j).* Df(j)
end
fp = sum(c)
Tampilan
 Gambar 4. Hasil y menggunakan metode NFD

III. Tugas Pendahuluan

1. Jelaskan apa yang dimaksud dengan ekstrapolasi.Apa perbedaan ekstrapolasi
dan interpolasi?
Intrapolasi merupakan cara untuk mencari nilai di antara beberapa titik
data yang telah diketahui sebelumnya. Interpolasi digunakan untuk
memperkirakan suatu fungsi yang tidak terdefinisikan dengan suatu formula,
namun didefinisikan dengan data atau tabel. Sedangkan Ekstrapolasi adalah suatu
teknik peramalan dengan cara memproyeksikan kecenderungan yang ada pada
data yang sudah diketahui atau data pada masa lampau. Artinya, ekstrapolasi
berhubungan dengan tingkat dan jenis perubahan yang perubah yang diperkirakan
akan terjadi di masa yang akan datang. Ekstrapolasi digunakan untuk
meminimalisasi ketidaktepatan dalam perencanaan atau untuk mendapat
gambaran mengenai data yang akan didapat di masa depan.
Daftar Pustaka
[1]Syafwan, M. (2017). Pencocokan Kurva. Retrieved from fmipa unand:
http://data.fmipa.unand.ac.id/matematika/file_bahankuliah/4.%20Pencocokan
%20kurva.pdf
[2]
Munir, R. (n.d.). Interpolasi Polinom. Retrieved from informatika stei itb:
http://informatika.stei.itb.ac.id/~rinaldi.munir/Buku/Metode%20Numerik/BAb-
%2005%20Interpolasi%20Polinom.pdf
[3] Rosidi, M. (2019). Metode Numerik Menggunakan R Untuk Teknik Lingkungan.
[4] Sa’adah, U. (n.d.). Interpolasi. Retrieved from
http://irma.lecturer.pens.ac.id/Metode%20Numerik/MetNum06-
Interpolasi.pdf