METODE NUMERIK

INTERPOLASI LAGRANG
 Matakuliah Wajib 3 sks
• Materi ini secara umum akan
membahas tentang
penapsiran suatu nilai
matematis dengan
menggunakan Metode
Interpolasi Yang Meliputi
Interpolasi kuadrat dan
Kubik . Pemanfaatan
Komputer sangat berguna
dalam menyelesaikan kasus
ini.
C. INTERPOLASI NEWTON RHAPSON
Bentuk Umum Polinom Interpolasi Newton,
dipergunakan untuk mencocokkan polinom orde ke n
sampai n + 1 titik data. Polinom orde ke-n adalah :
n (x) = b0 + b1(x – x0) + …
+ bn (x – x0) (x – x1) … (x – xn-1)
Dimana : b0 = f[x0] ; b1 = f[x1,x0] ;
……. bn = f[xn,xn-1, …….., x1,x0]
Perhitungan fungsi dalam kurung siku adalah beda
terbagi hingga, yaitu :
- beda-terbagi hingga pertama :

f ( xi ) − f ( x j )
f [ xi , x j ] =
xi − x j

- beda-terbagi hingga kedua :

f [ xi , x j ] − f [ x j , xk ]
f [ xi , x j , xk ] =
xi − xk
- beda-terbagi hingga ke-n :

f [ xn , xn−1 , x1 ] − f [ xn−1 , xn− 2 , x0 ]

f [ xn , xn−1 , x1 , x0 ] =
xn − x0

Hasil beda-terbagi di atas selanjutnya disubtitusi

ke persamaan awal untuk menghasilkan polinom
interpolasi,

n (x) =  (x0) + (x – x0) [x1, x0] + (x – x0)(x – x1) [x2, x1, x0]
+ … + (x – x0) (x – x1) … (x – xn-1)  [xn, xn-1, … x1, x0]
Secara grafis dapat dilukiskan sebagai berikut :
i Xi f (xi) pertama kedua ketiga

0 X0 f (x0) f [x1,x0] f [x2, x1, x0] f [x3, x2, x1, x0]

1 X1 f (x1) f [x2,x1] f [x3, x2, x1]
2 X2 f (x2) f [x3,x2]
3 X3 f (x3)

Selesaikan ln 2 = 0.69314718 memakai polinom interpolasi

beda terbagi Newton, dimana : x0 = 1 → (x0) = 0 ;
x1 = 4 → (x1) = 1.3862944; x2 = 5 → (x2) = 1.6094379;
dan x3 = 6 → (x3) = 1.7919595
 Penyelesaian Polinom orde ke-3 adalah :
f3 (x) = b0 + b1(x – x0) + b2(x – x0)(x – x1)
+ b3 (x – x0)(x – x1)(x – x2)

- beda-terbagi hingga pertama :

f ( x1 ) − f ( x0 ) 1.3862944 − 0
f [ x1 , x0 ] = = = 0.46209813
x1 − x0 4 −1

f ( x2 ) − f ( x1 ) 1.6094379 − 1.3862944
f [ x2 , x1 ] = = = 0.2231435
x2 − x1 5− 4

f ( x3 ) − f ( x2 ) 1.7917595 − 1.6094379
f [ x3 , x2 ] = = = 0.1823216
x3 − x2 6−5
 - beda-terbagi hingga kedua :
f ( x2 , x1 ) − f ( x1 , x0 ) 0.2231435 − 0.46209813
f [ x2 , x1 , x0 ] = = = −0.0597386575
x2 − x0 5 −1

f ( x3 , x2 ) − f ( x2 , x1 ) 0.1823216 − 0.2231435
f [ x3 , x2 , x1 ] = = = −0.02041095
x3 − x1 6− 4

- beda-terbagi hingga ketiga :

f ( x3 , x2 , x1 ) − f ( x2 , x1 , x0 )
f [ x3 , x2 , x1 , x0 ] =
x3 − x0

− 0.02041095 + 0.0597386575
= = 0.0078655415
6 −1
Hasil diatas selanjutnya disubtitusi ke persamaan :

f3 (x) = b0 + b1(x – x0) + b2(x – x0)(x – x1)

+ b3 (x – x0)(x – x1)(x – x2)

Sehingga didapat :

3(2) = 0 + 0.46209813(2 – 1) – 0.051873116(2 – 1)(2 – 4)

+ 0078655415(2 – 1)(2 – 4)(2 – 5)

= 0 + 0.46209813(1) – 0.051873116(1)(-2)
+ 0.0078655415(1)(-2)(–3) = 0.613037869
Besar galat relatif (%) adalah :

0.69314718- 0.613037869
% galat relatif = x100% = 11.6%
0.69314718
 Perkiraan Error Polynomial Newton

f n ( x ) = b0 + b1 ( x − x0 ) + b2 ( x − x0 )( x − x1 ) +
... + bn ( x − x0 )( x − x1 )L ( x − xn −1 )

Jika f(x) dinyatakan oleh deret Taylor , error

setelah terms ke-n adalah:

f (n +1) ( )
Rn = (xi +1 − xi )n+1
(n + 1)!
Untuk suatui polinomial Newton orde ke-n, Hubungan untuk error
secara analogi:

f (n +1) ( )
Rn = (x − x0 )(x − x1 )(x − x2 )L (x − xn )
(n + 1)!

Tapi kita tidak tahu apakah itu f(x)! Sebagai

suatu perkiraan untuk error, bisa kita gunakan
Rn  f xn +1 , xn , xn −1 , L , x0 (x − x0 )(x − x1 )(x − x2 )L (x − xn )

(Ingat: fn+1(x) = fn(x) + Rn)

13

Perkiraan Error, Orde, dan Titik data

x f(x) =
ln x
1 0
4 1.386
6 1.792
5 1.609
3 1.099
1.5 0.405
2.5 0.916
3.5 1.253

x f(x) = ln x
3.5 1.253
2.5 0.916
1.5 0.405
3 1.099
5 1.609
6 1.792
4 1.386
1 0

Perkiraan Error polynomial Newton fk(x) pada ln 2: k = 1,2,…,7

d. Polinom Interpolasi Lagrange, merupakan
perumusan ulang dari polinom Newton tanpa
perhitungan beda-terbagi yang dinyatakan sebagai
berikut :
n
f n ( x) =  Li ( x) f ( xi )
i=0

dengan

n x − xj
Li ( x) = 
j =0 xi − x j
j i
Interpretasi Grafis Polynomials Lagrange
f 2 (x ) = L0 f (x 0 ) + L1 f (x1 ) + L2 f (x 2 )

L2f(x2)

L0f(x0)

L1f(x1)
Penyelesaian soal sebelumnya memakai polinom Lagrange,
orde pertama dan kedua dimana : x0 = 1 → (x0) = 0 ;
x1 = 4 → (x1) = 1.3862944; x2 = 4 → (x2) = 1.6094379;
dan x3 = 6 → (x3) = 1.7919595

Polinom orde pertama :

x − x1 x − x0
f1 ( x) = f ( x0 ) + f ( x1 )
x0 − x1 x1 − x0

2 −1 2 −1
f1 (2) = 0+ 1.3862944 = 0.4620981
1− 4 4 −1
 Polinom orde kedua :

( x − x1 )( x − x2 )
f 2 ( x) = f ( x0 )
( x0 − x1 )( x0 − x2 )

( x − x0 )( x − x2 ) ( x − x0 )( x − x1 )
+ f ( x1 ) + f ( x2 )
( x1 − x0 )( x1 − x2 ) ( x2 − x1 )( x2 − x0 )

(2 − 4)(2 − 5) (2 − 1)(2 − 5)
f 2 (2) = 0+ 1.3862944
(1 − 4)(1 − 5) (4 − 1)(4 − 5)
(2 − 1)(2 − 4)
+ 1.6094379 = 0.58157545
(5 − 1)(5 − 4)
Polinom orde ketiga :

( x − x1 )( x − x2 )( x − x3 )
f 3 ( x) = f ( x0 )
( x0 − x1 )( x0 − x2 )( x0 − x3 )
( x − x0 )( x − x2 )( x − x3 )
+ f ( x1 )
( x1 − x0 )( x1 − x2 )( x1 − x3 )
( x − x0 )( x − x1 )( x − x3 )
+ f ( x2 )
( x2 − x0 )( x2 − x1 )( x2 − x3 )
( x − x0 )( x − x1 )( x − x2 )
+ f ( x3 )
( x3 − x0 )( x3 − x1 )( x3 − x2 )
 (2 − 4)(2 − 5)(2 − 6) (2 − 1)(2 − 5)(2 − 6)
f 3 (2) = 0+ 1.3862944
(1 − 4)(1 − 5)(1 − 6) (4 − 1)(4 − 5)(4 − 6)

(2 − 1)(2 − 4)(2 − 6) (2 − 1)(2 − 4)(2 − 5)

+ 1.6094379 + 1.7917595
(5 − 1)(5 − 4)(5 − 6) (6 − 1)(6 − 4)(6 − 5)

= 0.6287687

0.69314718- 0.6287687
% galat relatif = x100% = 9.29%
0.69314718
 Interpolasi Inverse
y
x
Interpolated curve

true curve
Interpolated point of (xc, f(xc))

fn(x) = a0 + a1x + a2x2 + … + anxn interpolasi yc = fn(xc)

Bagimana inverse-nya:

fn(y) = a0 + a1y + a2y2 + … + anyn interpolasi xc = fn(yc)

Keduanya tidak ekuivalen dalam hal keakuratan interpolasi!

 Extrapolasi

Hasil interpolasi yang paling akurat bisanya diperoleh ketika yang tidak
diketahui berada dekat di tengah-tengah titik basis!

Untuk ekstrapolasi, yang tidak diketahui berada di luar jangkauan titik basis;
jadi perlu perhatian lebih!
 Masalah-2 dalam Interpolasi Polinomial
▪ Derajat interpolasi polinomial sama dengan jumlah-n titik data. Jadi jika
n = 1000 titik data, maka kita akan mempunyai polinomial orde-1000
▪ Polinomial berorde tinggi (saat n > 5) dapat menampakkan ciri erratik
dan sangat rentan dengan instabilitas numerik.
▪ Polinomial berorde tinggi seringkali menginterpolasi titik diluar
jangkauan titik data yang tepat karena adanya overshoot.
 Interpolasi Spline
Ide: Gunakan polinomial orde rendah (k ≤ 3) untuk menginterpolasi
sekumpulan data titik dan hubungkan polinomial interolsai ini
dengan halus

Papan Drafting: menggunakan tali yang tipis dan

fleksibel (disebut spline)untuk menggambarkan kurva
yang halus melalui sekumpulan titik.Tiap bagian
interpolasi akhir melengkung antar 2 titik yang
berdekatan Titik data adalah polinomial derajat 3 Contoh

23
 Interpolasi Spline Kuadratis
Diketahui: n+1 Titik data (xi, yi) untuk i=0,1,…,n
Ditanya: polynomials derajat-2 n fi(x) = aix2 + bix + ci sedemikian sehingga
1. fi(x) menginterpolasi dua titik (xi-1, yi-1) dan (xi, yi), dan
2. fi(x) dan fi-1(x) punya turunan yang sama pada xi-1.
 Turunan Quadratic Spline
1. fi-1(xi-1) = ai-1xi-12 + bi-1xi-1 + ci-1 = yi-1
2n – 2 persamaan
fi(xi-1) = aixi-12 + bixi-1 + ci = yi-1

2. f1(x0) = a1x02 + b1x0 + c1 = y0

2 persamaan
fn(xn) = anxn2 + bnxn + cn = yn

3. (the 1st derivative at the interior knots must be equal)

fi-1’(xi-1) = 2ai-1xi-1 + bi-1 = 2aixi-1 + bi = fi’(xi-1) n– 1 persamaan
26

Contoh of Quadratic Spline

 VISI UNIVERSITAS BINA DARMA MISI UNIVERSITAS BINA DARMA

1. Menyelenggarakan program pendidikan yang berstandar internasional Universitas binadarma

Menjasi Universitas Berstandar 2. Menyelenggarakan proses pembelajaran yang berstandar internasional nelalui pemanfaatan
Internasional Berbasis Teknologi Informasi teknologi informasi
pada Tahun 2026 3. Membangun komunitas intelektual yang berkualitas
binadarmatv
4. Melaksanakan penelitian yang berstandar internasional
5. Melakukan pengabdian guna meningkatkan kemandirian masyarakat
6. Menyelenggarakan kerjasama dengan pihak lain yang saling menguntungkan
@UBD_Palembang

(0711) 515582
www.binadarma.ac.id