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
( )
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
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]
c. Interpolasi Lagrange
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 )
∴ 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
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
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
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