POLINOMIAL FITTING

(Laporan Praktikum Komputasi Geofisika)

Oleh
Risma Anggita Sinaga
2015051014

JURUSAN TEKNIK GEOFISIKA

FAKULTAS TEKNIK
UNIVERSITAS LAMPUNG
2022
Judul Praktikum : Polinomial Fitting
Tanggal Praktikum : 20 Mei 2022
Tempat Praktikum : Kurungannyawa, Gedong Tataan, Pesawaran
Nama : Risma Anggita Sinaga
NPM : 2015051014
Fakultas : Teknik
Jurusan : Teknik Geofisika
Kelompok : 1 (Satu)

Bandar Lampung, 29 Mei 2022

Mengetahui,
Asisten

Nurfaiz Fathurrahman Yasien

NPM. 1715051040

ii
 POLINOMIAL FITTING

Oleh
Risma Anggita Sinaga

ABSTRAK

Telah dilakukan sebuah praktikum komputasi geofisika mengenai Polinomial Fitting.

Praktikum ini dilakukan dengan menganalisa koefisien polinomial yang cocok dengan kurva
yang sebenarnya. Polinomial fitting adalah suatu fungsi suku banyak yang digunakan untuk
melakukan pencocokkan titik-titik data. Metode yang dapat digunakan pada pencocokkan
kurva adalah metode regresi dan interpolasi. Data hasil pengukuran umumnya mengandung
noise atau galat yang cukup berarti. Apabila data tidak teliti maka kurva yang mencocokkan
titik data itu tidak perlu melalui semua titik inilah yang disebut dengan regresi, namun
apabila data memiliki ketelitian yang sangat tinggi, maka kurva cocokannya dibuat melalui
setiap titik, inilah yang disebut interpolasi. Pada praktikum ini dibahas mengenai
pencocokkan kurva dan metodenya serta aplikasinya dalam geofisika. Praktikum ini
bertujuan agar mahasiswa dapat memahami mengenai polinomial fitting dan dapat
menganalisa koefisien polinomial yang cocok dengan kurva yang sebenarnya.

iii
 DAFTAR ISI

Halaman
HALAMAN PENGESAHAN ............................................................................................. ii
ABSTRAK ........................................................................................................................... iii
DAFTAR ISI ....................................................................................................................... iv
DAFTAR GAMBAR ........................................................................................................... v
I. PENDAHULUAN
A. Latar Belakang............................................................................................... 1
B. Tujuan Praktikum .......................................................................................... 1
II. TEORI DASAR ................................................................................................. 2
III. METODOLOGI PRAKTIKUM
A. Alat dan Bahan .............................................................................................. 4
B. Diagram Alir .................................................................................................. 4
IV. HASIL DAN PEMBAHASAN
A. Data Pengamatan ........................................................................................... 5
B. Pembahasan ................................................................................................... 5
V. KESIMPULAN
DAFTAR PUSTAKA
LAMPIRAN

iv
 DAFTAR GAMBAR

Halaman
Gambar 1. Diagram Alir ...................................................................................................... 4

v
 I. PENDAHULUAN

A. Latar Belakang
Titik merupakan komponen dasar dari penyusunan garis, di mana dari kumpulan titik-
titik tersebut akan membentuk berbagai macam garis baik garis lurus maupun garis
lengkung. Dari kumpulan titik-titik dan titik yang membentuk garis lurus maupun
lengkung dapat berubah bentuk menjadi wujud gambar yang lebih kompleks. Titik-titik
data perlu dicocokkan dengan sebuah kurva fungsi, hal tersebut dapat dilakukan dengan
metode pencocokkan kurva (Curve Fitting). Pencocokkan kurva adalah sebuah metode
yang mencocokkan titik data dengan sebuah kurva fungsi. Dalam melakukan
pencocokkan kurva terdapat dua metode yang dapat dilakukan, yaitu metode regresi dan
interpolasi. Pada praktikum ini dilakukan analisa koefisien polinomial yang cocok
dengan kurva yang sebenarnya. Pada praktikum ini digunakan software Matlab. Matlab
adalah sebuah bahasa pemrograman tingkat tinggi yang secara khusus digunakan untuk
komputasi numerik, pemrograman, dan visualisasi. Perusahaan yang bertanggung-jawab
atas produk hasil pengembangan dari Matlab ialah MathWorks. Fungsi utama dari
Matlab ialah untuk melakukan analisis data, mengembangkan algoritme, serta membuat
model dan aplikasi. Tujuan dilakukannya praktikum ini adalah untuk memberikan
pemahaman kepada mahasiswa tentang polinomial fitting dan diharapkan mahasiswa
mampu melakukan analisa koefisien polinomial yang cocok dengan kurva yang
sebenarnya.

B. Tujuan Praktikum
Adapun tujuan dilakukannya praktikum ini adalah sebagai berikut.
1. Mahasiswa dapat memahami polinomial fitting
2. Mahasiswa mampu menganalisa koefisien polinomial yang cocok dengan kurva
sebenarnya.
 II. TEORI DASAR

Pencocokan kurva adalah sebuah metode yang mencocokkan titik data dengan sebuah kurva
(curve fitting) fungsi. Pencocokan kurva dibedakan atas dua metode yaitu metode regresi
dan interpolasi. Metode regresi merupakan metode pencocokan kurva dengan mengikuti
kecenderungan (trend) titik data dan tidak perlu melalui semua titik. Sedangkan metode
interpolasi dibuat dengan mengikuti setiap titik. Interpolasi dapat digunakan untuk
memperkirakan suatu fungsi, yang mana fungsi tersebut tidak terdefinisi dengan suatu
formula, tetapi didefinisikan hanya dengan data-data atau tabel, misalnya tabel dari hasil
percobaan. Bila fungsi cocokkan yang digunakan berbentuk polinom, polinom tersebut
dinamakan polinom interpolasi. Polinom interpolasi terbagi atas interpolasi Lagrange dan
Newton. Penelitian membahas perbandingan kedua interpolasi ini dan menemukan bahwa
interpolasi Newton lebih baik dari Lagrange. Untuk itu, pada penelitian ini dibahas
pendekatan fungsi dari benda putar yang tak beraturan dengan metode interpolasi Newton
(Sihombing, Marmaini, & Dahlia, 2020).

Pencocokan kurva (curve-fitting) merupakan suatu proses pencocokan (fitting) data ke dalam
suatu fungsi suku banyak atau polinomial. Kurva yang terbentuk dapat berubah hasil dari
fungsi linear (garis lurus), kuadrat, eksponensial, suku banyak atau polinomial pangkat tiga,
empat dan lain sebagainya. Dalam proses pencocokan kurva biasanya error atau kesalahan
dihitung dengan metode kuadrat terkecil (least squares method). Metode kuadrat terkecil
merupakan suatu metode estimasi parameter regresi yang paling populer. Di samping
metode tersebut, terdapat sejumlah metode alternatif yang dapat digunakan untuk
mendapatkan estimasi model regresi linier, seperti: metode maksimum likelihood, metode
median terkecil (least median) dan sebagainya. Dari sejumlah metode yang ada, masing-
masing mempunyai kelebihan dan kekurangan, misalnya: untuk metode OLS digunakan
apabila estimasi parameternya merupakan penyelesaian eksak dari persamaan normal,
sedangkan MLE merupakan metode pendekatan apabila penyelesaian untuk parameter
regresinya tidak eksak (Tarno, 2007).

Matlab menyediakan perintah yang dapat kita gunakan untuk mencocokkan sekumpulan
data dengan kurva tertentu. Dengan menggunakan perintah polyfit, MATLAB akan
menampilkan koefisien dari suatu polinom yang tepat untuk data yang diberikan. Polyfit
(x,y,n): menentukan koefisien polinomial berderajat n yang cocok dengan y. Software
MATLAB yang dikembangkan oleh Mathworks Inc. merupakan suatu program yang
diperuntukkan untuk melakukan analisis dan komputasi numerik menggunakan bahasa
pemrograman matematika lanjutan yang dibentuk atas dasar penggunaan sifat dan bentuk
matriks (Sobiruddin, 2015).

Adapun fitur yang dimiliki oleh software Matlab antara lain adalah untuk perhitungan
matematika, komputasi numerik, simulasi dan pemodelan, visualisasi dan analisis data,
pembuatan grafik untuk keperluan sains dan teknik, dan untuk pengembangan aplikasi
(Astutik & Fitriatien, 2019). MATLAB merupakan software untuk tool visualisasi dan
sebagai bahasa pemrograman yang mampu menyelesaikan permasalahan dalam bidang
teknik, komputasi, dan matematika. MATLAB dibangun dengan basis array, sehingga
sangat lah handal apabila digunakan untuk proses komputasi yang melibatkan operasi array
atau matriks (Hanselman & Littefield, 1998).
 III. METODOLOGI PRAKTIKUM

A. Alat dan Bahan

Adapun alat dan bahan yang digunakan pada praktikum ini adalah sebagai berikut.
1. Laptop
2. Software Matlab

B. Diagram Alir
Adapun diagram alir yang digunakan pada praktikum ini adalah sebagai berikut.

Mulai

Membuka software Matlab

Menginput data

Menentukan koefisien polinomial berderajat n

yang cocok dengan y

Mencocokkan data dengan hasil polinomial yang

didapatkan

Selesai
Gambar 1. Diagram Alir
 IV. HASIL DAN PEMBAHASAN

A. Data Pengamatan
Pada praktikum ini tidak ada data pengamatan karena tidak dilakukan pengamatan secara
langsung.

B. Pembahasan
Praktikum komputasi geofisika mengenai Polinomial Fitting telah dilakukan pada Hari
Jumat, 20 Mei 2022 secara online atau daring serta dilakukan melalui Google Meeting
di tempat kediaman masing-masing. Praktikum ini telah dilakukan dengan melakukan
analisa koefisien polinomial yang cocok dengan kurva sebenarnya. Praktikum ini
dilakukan dengan tujuan agar mahasiswa dapat memahami mengenai polinomial fitting
dan mampu menganalisa koefisien polinomial yang cocok dengan kurva yang
sebenarnya.

Polinomial fitting adalah sebuah fungsi suku banyak yang dihasilkan dari proses
pencocokkan kurva (curve fitting). Pencocokan kurva merupakan suatu proses
pencocokan (fitting) data ke dalam suatu fungsi suku banyak atau polinomial. Kurva
yang terbentuk dapat berubah hasil dari fungsi linear (garis lurus), kuadrat, eksponensial,
suku banyak atau polinomial pangkat tiga, empat dan lain sebagainya. Dalam proses
pencocokan kurva biasanya error atau kesalahan dihitung dengan metode kuadrat
terkecil (least squares method).

Pencocokkan kurva dibedakan atas dua metode yaitu, regresi kuadrat terkecil dan
interpolasi. Metode kuadrat terkecil adalah metode yang digunakan untuk mendapatkan
kurva terbaik yang mewakili titik-titik data dengan cara meminimumkan perbedaan atau
selisih antara titik-titik data atau kurva. Interpolasi linier merupakan polinomial tingkat
pertama dan melalui suatu garis lurus pada setiap dua titik masukan yang berurutan. Dua
titik masukan tersebut digunakan untuk menaksir harga-harga tengahan di antara titik-
titik data yang telah tepat. Metode yang paling sering digunakan untuk maksud ini adalah
interpolasi polinomial. Interpolasi kuadrat adalah interpolasi yang dapat dilakukan jika
diketahui tiga titik. Interpolasi kubik adalah interpolasi yang dapat ditentukan apabila
melewati setidaknya empat titik.

Penerapan polinomial fitting pada geofisikaan adalah pada metode gravitasi dengan
berbagai orde yang berbeda menghasilkan anomali regional dan anomali lokal yang
berbeda. Semakin tinggi orde polinom maka semakin mirip bentuk permukaan yang
dihasilkan (yang merepresentasikan anomali regional) dengan data gravitasinya
(anomali bouguer). Dengan demikian diperlukan kriteria dan cara penerapan metode
polinomial fitting sehingga dihasilkan pola dan magnitudo anomali regional dan anomali
residual yang tepat. Pada eksplorasi daerah prospek geotermal khususnya yang
berasosiasi dengan daerah vulkanik diasumsikan bahwa kondisi regional
direpresentasikan oleh daerah sedimen yang berada di sekitar (di luar) daerah vulkanik.
Oleh karena itu, jika polinomial fitting diaplikasikan pada data gravitasi dari daerah di
luar daerah prospek saja dengan orde rendah (misalnya orde 1 atau 2) maka dihasilkan
anomali regional yang dianggap cukup representatif. Dengan demikian pengurangan
anomali regional yang diperoleh dengan cara tersebut terhadap anomali bouguer akan
menghasilkan anomali residual dengan pola dan magnitudo yang tepat.

Berdasarkan tugas yang diberikan, pada soal nomor 1 dan 2 yaitu menentukan koefisien
suatu fungsi dari orde rendah sampai dengan orde tinggi, serta menghitung defiasi pada
setiap orde. Pada orde 1, diperoleh nilai Chi-Square dan defiasi berturut-turut adalah
1.59064𝑒 −33 dan 0.9997 serta persamaan y = 14.9576x^3 +-26.4667x^. Pada orde 2,
diperoleh nilai Chi-Square dan defiasi berturut-turut adalah 8.32763𝑒 −32 dan 0.9998
serta persamaan y = 1.2311x^3 +1.4159x^2 0.6167x -. Pada orde 3, diperoleh nilai Chi-
Square dan defiasi berturut-turut adalah 3.42114𝑒 −32 dan 0.9996 serta persamaan y =
-0.0216x^3 +1.5868x^2 -0.2249x -2.4667. Pada orde 4, diperoleh nilai Chi-Square dan
defiasi berturut-turut yaitu 4.17795𝑒 −30 dan 0.9994 serta persamaan y = -0.0380x^3
+0.8150x^2 -4.5351x -16.5058persamaan y = -10.5833x^3 +. Pada orde 5 diperoleh
nilai Chi-Square dan defiasi berturut-turut adalah 6.92385𝑒 −29 dan 0.9996 serta
persamaan y = -0.0212x^3 +0.5437x^2 -5.0376x - 21.6428 persamaan y = -33.3608x^3
+19.6667. Dan pada orde 6, diperoleh nilai Chi-Square dan defiasi berturut-turut adalah
1.21659𝑒 −28 dan 0.9997 serta persamaan y = -0.0057x^3 +0.1668x^2 -1.8661x -
10.0812 persamaan y = -26.1978x^3 +36.7492x^2 -15.8667x-.
 V. KESIMPULAN

Adapun kesimpulan yang dapat diambil dari praktikum ini adalah sebagai berikut.
1. Polinomial Fitting adalah suku banyak yang dihasilkan dari proses pencocokkan kurva.
Pencocokkan kurva adalah sebuah metode yang mencocokkan titik data dengan sebuah
kurva fungsi.
2. Pencocokan kurva dibedakan atas dua metode yaitu metode regresi dan interpolasi.
Metode regresi merupakan metode pencocokan kurva dengan mengikuti kecenderungan
(trend) titik data dan tidak perlu melalui semua titik. Sedangkan metode interpolasi
dibuat dengan mengikuti setiap titik. Interpolasi dapat digunakan untuk memperkirakan
suatu fungsi, yang mana fungsi tersebut tidak terdefinisi dengan suatu formula, tetapi
didefinisikan hanya dengan data-data atau tabel, misalnya tabel dari hasil percobaan.
 DAFTAR PUSTAKA

Astutik, Erna P., & Fitriatien, S. R. 2019. Pengaruh Software Matlab terhadap Kemampuan
Menyelesaikan Masalah Program Linier. Jurnal Pendidikan Matematika dan
Matematika. Vol. 5. 175-182.
Hanselman, D., & Littlefield, B. 1998. Mastering MATLAB 5, A Comprehensive Tutorial
and Reference. Prentice Hall. New Jersey.
Sihombing, S. C., Marmaini., dan Dahlia, Agus. 2020. Interpolasi Polinom Newton untuk
Mengestimasi Fungsi Polinomial dari Suatu Benda Putar. Jurnal Penelitian Fisika dan
Terapannya (Jupiter). Vol. 1. 33-38.
Sobiruddin, D. 2015. Penerapan Software Matlab terhadap kemampuan Menyelesaikan
Masalah Numerik Mahasiswa Jurusan Pendidikan Matematika. Jurnal Pendidikan
Matematika PARADIKMA. Vol. 8. 24-32.
Tarno. 2007. Estimasi Model Regresi Linier dengan Metode Median Kuadrat Terkecil.
Jurnal Sains & Matematika (JSM). Vol. 15. 69-72.
LAMPIRAN
Lampiran 1. Pretest
Lampiran 2. Tugas

• Script

1. Tentukanlah koefisien suatu fungsi dari order rendah sampai tinggi

Jawab :

2. Hitung defiasi pada setiap orde

Jawab :

• Orde 1
• Orde 2
• Orde 3

• Orde 4
• Orde 5
• Orde 6