Nama :Tsania Ismi Fauzia

NIM :19301244017
Kelas :Pendidikan Matematika C 2019
 Interpolasi

Secara umum, interpolasi adalah suatu metode atau proses menyusun suatu fungsi atau persamaan
dengan menggunakan beberapa titik yang diketahui atau beberapa contoh titik untuk memprediksi atau
estimasi nilai pada titik lain yang belum diketahui nilainya.
Misalnya terdapat beberapa titik (x1, y1), (x2, y2), (x3, y3), dan seterusnya. Dari titik-titik tersebut akan
dibentuk suatu fungsi atau persamaan f(x) sehingga untuk nilai x yang lain dapat diprediksi/estimasi
nilai dari y.
Interpolasi merupakan teknik untuk mencari nilai suatu variabel yang hilang pada rentang data yang
diketahui.
Interpolasi merupakan teknik mencari harga suatu fungsi pada suatu titik di antara 2 titik yang nilai
fungsi pada ke-2 titik tersebut sudah diketahui.
Diberikan n titik:

(x1 , y1 ), (x2 , y2 ), (x3 , y3 )..., (xn , yn ) dengan x1 ̸= x2 ̸= x3 ̸= ... ̸= xn .

Masalah: untuk menentukan fungsi f, sehingga kurva y=f(x) melalui (interpolasi) n titik.
Masalah interpolasi: untuk menghitung nilai f(x) untuk

min(x1 ) ≤ x ≤ max(x1 )

Fungsi umum yang digunakan pada interpolasi adalah polinomial

P (x) = a0 + a1 x + a2 x2 + ... + an−1 xn−1

Untuk setiap himpunan n titik dengan absis yang berbeda, terdapat polinomial dengan derajat maksimum
(n-1). Memperkirakan polinomial yang menginterpolasi n titik yang diberikan

(x1 , y1 ), (x2 , y2 ), (x3 , y3 ), ..., (xn , yn ) dengan x1 ̸= x2 ̸= x3 ̸= ... ̸= xn ,

adalah

P (x) = a0 + a1 x + a2 x2 + ... + an−1 xn−1 .

Itu berarti:

y1 = a0 + a1 x1 + a2 x21 + ... + an−1 xn−1

1
y2 = a0 + a1 x2 + a2 x22 + ... + an−1 xn−1
2
..
.
yn = a0 + a1 xn + a2 x2n + ... + an−1 xn−1
n

Nilai dari a 0,a 1,a 2,. . . ,a {n-1} dapat diperoleh dengan menyelesaikan SLE. SLE dapat direpresen-
tasikan dalam persamaan matriks: Va=y dengan

1 x1 x21 x31 ... xn−1

     
1 y1 a0
1 x2 x22 x32 ... xn−1 2
  y2   a1 
1 x3 x2 x3 ... xn−1 
     
 , y =   , a =  a2 
 y3 
V =
 
3 3 3
. . . .
.. . . . . . .
 .. .. .. ..   ..   .. 
    

1 xn x2n x3n ... xn−1

n yn an−1 .

SLE selalu memiliki solusi tunggal untuk

x1 ̸= x2 ̸= x3 ̸= ... ̸= xn
Karena V itu nantinya akan membentuk matriks non singular dan nilai determinannya tidak sama dengan
nol
Matriks V disebut matriks Vandermonde.
Contoh:
Tentukan polinomial interpolasi titik (0,-5), (1,-3), (-1,-15), (2,39), (-2,-9).
Jawab:

>x=[0;1;-1;2;-2]; y=[-5;-3;-15;39;-9]; // data titik-titik yang diketahui

>V=[x^0,x^1,x^2,x^3,x^4] // matriks Vandermode

1 0 0 0 0
1 1 1 1 1
1 -1 1 -1 1
1 2 4 8 16
1 -2 4 -8 16

>a=V\y // penyelesaian Va=y, hasilnya a_0=a[1], a_1=a[2], a_2=a[3], a_3=a[4], a_4=a[5]

-5
4
-7
2
3

>a[1]+a[2]*x+a[3]*x^2+a[4]*x^3+a[5]*x^4 // menunjukkan bahwa a.x=y=P(x)

 -5
-3
-15
39
-9

Jadi, polinomial interpolasinya adalah:

P (x) = −5 + 4x − 7x2 + 2x3 + 3x4 , −2 ≤ x ≤ 2

>V.a

-5
-3
-15
39
-9

>t=-2:0.1:2;
>u=a[1]+a[2]*t+a[3]*t^2+a[4]*t^3+a[5]*t^4; // menggambar kurva y=P(x)
>aspect(25,15); plot2d(t,u, grid=5); plot2d(x,y, >points, style="o", >add):
Berikut adalah program EMT untuk menghitung koefisien-koefisien polinomial interpolasi dan menggam-
bar polinomial interpolasinya.

>function polint(x,y) ...

n=length(x);
V=zeros(n,n);
for k=1:n
V[:,k]=x^(k-1);
end
a=V\y;
t0=min(x’);
tn=max(x’);
t=t0:0.1:tn;
u=a[1];
for k=2:n;
u=u+a[k]*t^(k-1);
 end
plot2d(t,u, grid=5); plot2d(x,y, >points, style="o", >add);
return a;
endfunction

Soal

Tentukan polinomial yang menginterpolasikan titik-titik (0,1), (1,1), (2,2) dan (4,5). Lakukan pengecekan
polinomial yang diperoleh dengan menggunakan titik-titik tersebut. Gambar kurva polinomial bersama
titik-titik tersebut!

>x=[0;1;2;4]; y=[1;1;2;5];
>a=polint(x,y):
>fraction a

1
-2/3
3/4
-1/12

Jadi, polinomial interpolasinya adalah:

2 3 1
P (x) = 1 − x + x2 − x3 , 0 ≤ x ≤ 4.
3 4 12

Pertanyaan:
Jika urutan titik (data) diubah, apakah polinomik interpolasi akan berubah? Mengapa?
Jawab:

>x=[4;1;0;2]; y=[5;1;1;2];
>a=polint(x,y):
>fraction a

1
-2/3
3/4
-1/12

Jadi, polinomial interpolasinya adalah:

2 3 1
P (x) = 1 − x + x2 − x3 , 0 ≤ x ≤ 4.
3 4 12

Jadi, jika urutan titik (data) diubah, polinomik interpolasi tidak berubah karena pasangan titik tidak
berubah
 Latihan Soal

Tentukan polinomial yang menginterpolasikan titik-titik dibawah ini. Lakukan pengecekan polinomial
yang diperoleh dengan menggunakan titik
(0.1, 0.6204), (0.2, -0.2839), (0.3, 0.0066), (0.4, 0.2484) tersebut.

>x=[0.1;0.2;0.3;0.4]; y=[0.6204;-0.2839;0.0066;0.2484];
>a=polint(x,y):

>fraction a
 3963/1000
-3981/80
18409/100
-829/4

Jadi, polinomial interpolasinya adalah:

3963 3981 18409 2 829 3
P (x) = − x+ x − x
1000 80 100 4
 Polinomial Interpolasi

Interpolasi adalah proses pencarian dan perhitungan nilai suatu fungsi yang grafiknya melewati sekumpu-
lan titik yang diberikan. Titik-titik tersebut mungkin merupakan hasil eksperimen dalam sebuah per-
cobaa, atau diperoleh dari sebuah fungsi yang diketahui, salah satunya yang sering dipakai yaitu fungsi
polinomial.
Interpolasi polinomial merupakan teknik interpolasi dengan mengasumsikan pola data yang kita miliki
mengikuti pola polinomial baik berderajat satu (linier) maupun berderajat tinggi. Interpolasi dengan
metode ini dilakukan dengan terlebih dahulu membentuk persamaan polinomial. Persamaan polino-
mial yang terbentuk selanjutnya digunakan untuk melakukan interpolasi dari nilai yang diketahui atau
ekstrapolasi (prediksi) dari nilai diluar rentang data yang diketahui.
Dua alasan penting pemakaian polinomial interpolasi:
1. Polinomial interpolasi digunakan untuk menghitung hampiran nilai suatu fungsi f (x), karena nilai
polinomial mudah dihitung, polinomial mudah diturunkan dan diintegralkan.
2. Polinomial digunakan dalam penentuan kurva mulus yang melalui sekumpulan data titik, biasanya
diinginkan sebuah kurva yang tidak osilatif. Penyelesaiannya mengarah ke fungsi-fungsi spline. Poli-
nomial Newton dan Metode Selisih terbagi Newton

Polinomial Newton adalah polinomial interpolasi untuk sekumpulan titik data tertentu. Polinomial New-
ton kadang-kadang disebut polinomial interpolasi perbedaan terbagi Newton karena koefisien polinomial
dihitung menggunakan metode perbedaan terbagi Newton.
Diberikan satu set k + 1 titik data

(x0 , y0 ), . . . , (xj , yj ), . . . , (xk , yk )(x0 , y0 ), . . . , (xj , yj ), . . . , (xk , yk )

di mana tidak ada dua xj yang sama, polinomial interpolasi Newton adalah kombinasi linier dari polino-
mial basis Newton

k
X k
X
N (x) := aj nj (x)N (x) := aj nj (x)
j=0 j=0

dengan polinomial basis Newton yang didefinisikan sebagai

j−1
Y j−1
Y
nj (x) := (x − xi )nj (x) := (x − xi )f orj > 0andn0 (x) ≡ 1n0 (x) ≡ 1.
i=0 i=0

Koefisien didefinisikan sebagai

aj := [y0 , . . . , yj ]aj := [y0 , . . . , yj ]

dimana

[y0 , . . . , yj ][y0 , . . . , yj ]

adalah notasi untuk selisih terbagi.

Dengan demikian polinomial Newton dapat ditulis sebagai

N (x) = [y0 ] + [y0 , y1 ](x − x0 ) + · · · + [y0 , . . . , yk ](x − x0 )(x − x1 ) · · · (x − xk−1 ).N (x) = [y0 ]+[y0 , y1 ](x−x0 )+· · ·+[y0 , . . . ,

P (x) = a0 + a1 (x − x1 ) + a2 (x − x1 )(x − x2 ) + ... + an−1 (x − x1 )(x − x2 )...(x − xn−1 )

D(i, 1) = yi , untuk i = 1, 2, 3, ...., n

D(i + 1, j − 1) − D(i, j − 1)
D(i, j) = untuk j = 2, 2, 3, ...., n dan i = 1, 2, ..., (n − j + 1)
xi+j−1 − xi

a0 = D(1, 1), a1 = D(1, 2), a2 = D(1, 3), ..., an−1 = D(1, n)

Selain dapat dituliskan dalam bentuk baku

P (x) = a0 + a1 x + a2 x2 + ... + an−1 xn−1 ,

polinomial yang menginterpolasikan n titik:

(x1 , y1 ), (x2 , y2 ), (x3 , y3 ), . . . , (xn , yn ) dengan x1 ̸= x2 ̸= x3 ̸= . . . ̸= xn .

juga dapat dituliskan dalam bentuk:

P (x) = a0 + a1 (x − x1 ) + a2 (x − x1 )(x − x2 ) + ... + an−1 (x − x1 )(x − x2 )...(x − xn−1 ).

Nilai dari

a0 , a1 , a2 , ..., an−1

dapat ditentukan secara rekursif dengan mensubstitusi nilai

(x1 , y1 ), (x2 , y2 ), (x3 , y3 ), ..., dan (xn , yn )

ke dalam polinomial Newton di atas.

y1 = P (x1 ) ⇒ a0 = y1
y2 − y1
y2 = P (x2 ) ⇒ a1 =
x2 − x1
−y1
y3 − y1 − ( xy22 −x )(x3 − x1 ) ( y3 −y2 ) − ( xy22 −y
−x1 )
1

y3 = P (x3 ) ⇒ a2 = 1
= x3 −x2
(x3 − x1 )(x3 − x2 ) x3 − x1
...

Pn (x) = a1 + a2 (x − x1 ) + a3 (x − x1 )(x − x2 ) + ... + an + 1(x − x1 )(x − x2 )...(x − xn ).

dengan

ak = f [x1 , x2 , ..., xk ] untuk k = 1, 2, 3, ..., (n + 1)

Pertanyaan:
Dengan menggunakan titik-titik yang diberikan dalam contoh sebelumnya, tentukan interpolasi polino-
mial Newton, dan kemudian sederhanakan ke dalam bentuk polinomial standar. Mendapatkan apa?
Jawaban:
I. Urutan titik yang diketahui: (0,1), (1,1), (2,2), (4,5)

P (x) = a0 + a1 x + a2 x(x − 1) + a3 x(x − 1)(x − 2)

 Using (0, 1) → 1 = a0
Using (1, 1) → 1 = a0 + a1 = 1 + a1 → a1 = 0
(2, 2) → 2 = a0 + a1 (2) + a2 (2)(1) = 1 + 2a2 → a2 = 1/2
(4, 5) → 5 = a0 + a1 (4) + a2 (4)(3) + a3 (4)(3)(2)
= 1 + 0 + 6 + 24a3 → a3 = −2/24 = −1/12
1 1
So, P (x) = 1 + x(x − 1) − x(x − 1)(x − 2)
2 12
2 3 1
= 1 − x + x2 − x3
3 4 12

II. Urutan titik yang diketahui: (4, 5), (1,1), (0,1), (2,2)

4 1 1
P (x) = 5 + (x − 4) + (x − 4)(x − 1) − (x − 4)(x − 1)x
3 3 12
2 3 2 1 3
=1− x+ x − x
3 4 12

Ini adalah fakta bahwa interpolasi polinomial Newton ketika disederhanakan akan menjadi polinomial
standar sebagai hasil dari SLE yang sesuai. Juga, perhatikan bahwa urutan (x (k,) y k) tidak akan
mengubah polinomial yang diperoleh.

Rumus selisih pembagian Newton maju

Polinomial Newton dapat dinyatakan dalam bentuk yang disederhanakan ketika

x0 , x1 , . . . , xk x0 , x1 , . . . , xk

disusun berurutan dengan jarak yang sama.

Memperkenalkan notasi

h = xi+1 − xi h = xi+1 −xi f oreachi = 0, 1, . . . , k − 1i = 0, 1, . . . , k−1andx = x0 + shx = x0 +sh, thedif f erencex − xi x−x

Jadi polinomial Newton menjadi

N (x) = [y0 ] + [y0 , y1 ]sh + · · · + [y0 , . . . , yk ]s(s − 1) · · · (s − k + 1)hk N (x) = [y0 ] + [y0 , y1 ]sh + · · · + [y0 , . . . , yk ]s(s − 1) · · ·
k
X k
X
= s(s − 1) · · · (s − i + 1)hi [y0 , . . . , yi ] = s(s − 1) · · · (s − i + 1)hi [y0 , . . . , yi ]
i=0 i=0
k   k  
X s X s
= i!hi [y0 , . . . , yi ]. = i!hi [y0 , . . . , yi ].
i=0
i i=0
i

Ini disebut rumus selisih terbagi Newton

Metode Selisih Terbagi Newton

Selisih terbagi newton suatu fungsi f(x) terhahap

xk , xk+1 , ..., xk+j , untuk k = 1, 2, ..., n,

didefinisikan secara rekursif:

f [xk+1 , xk+2 , ..., xk + j] − f [xk , xk+1 , ..., xk+j−1 ]

f [xk , xk+1 , ..., xk+j ] =
xk+j − xk

Untuk mendapatkan koefisien polinomial Newton kita dapat menggunakan metode selisih terbagi Newton:

D(1, j) = yj , untuk j = 1, 2, 3, ...., n

D(i − 1, j + 1) − D(i − 1, j)
D(i, j) = untuk i = 2, 2, 3, ...., n dan j = 1, 2, ..., (n − i + 1)
xi+j−1 − xj

Koefisien polinomial Newton adalah

a0 = D(1, 1), a1 = D(2, 1), a2 = D(3, 1), ..., an−1 = D(n, 1).

(INGAT: a 0, a 1, a 2, ..., a {n-1} bukan koefisien polinomial dalam bentuk baku.)

Sifat-sifat selisih terbagi newton sebagai berikut:
1. Jika f(x) dapat diferensialkan pada interval yang memuat x 1 dan x 2, maka terdapat bilangna c
sedemikian sehingga

f (x2 ) − f (x1 )
f ′ (c) = = f [x1 , x2 ].
x2 − x − 1
2. Jika diberikan (n+1) titik berlainan, (x k,y k) dengan y k=f(x k) untuk k=1,2,...,(n+1) terhadap
simpul x 1,x 2,...,x n+1 dinyatakan sebagai

n+1
X yk
f [x1 , x2 , ..., xn+1 ] = Qn+1
k=1 j=1j̸=k (xk − xj

3. Simetris. Dapat dituliskan :

f [x1 , x2 , ...xn+1 ] = f [x1 , x2 , ..., xn ]

4. Apabila polinomial f(x) berderajat n, dika diketahui m <= n, maka fungsi yang dapat didefinisakan
sebagai berikut

gm (x) = f [x1 , x2 , ..., xm ] merupakan polinomial berderajat n-m

Contoh:
Diberikan poin (0, 1), (1,1), (2,2), (4,5)
Perhitungan selisih terbagi Newton adalah sebagai berikut.
Program EMT untuk menghitung matriks selisih terbagi Newton.

>function stn(x,y) ...

n=length(x);
D=zeros(n,n); D[1,:]=y’;
for i=2:n;
for j=1:(n-i+1);
D[i,j]=(D[i-1,j+1]-D[i-1,j])/(x[i+j-1]-x[j]);
end;
end;
return D;
endfunction

>D=stn(x,y) // contoh soal sebelumnya

1 1 2 5
0 1 1.5 0
0.5 0.166667 0 0
-0.0833333 0 0 0

>fraction(D)

1 1 2 5
0 1 3/2 0
1/2 1/6 0 0
-1/12 0 0 0
Polinomial Newton yang menginterpolasikan titik-titik yang diketahui adalah:
1 1
P (x) = 1 + 0.x + x(x − 1) − x(x − 1)(x − 2).
2 12

Setelah disederhanakan (lakukan!), hasilnya adalah:

2 3 1
P (x) = 1 − x + x2 − x3 , 0 ≤ x ≤ 4.
3 4 12

>x=[0;1;-1;2;-2]; y=[-5;-3;-15;39;-9];
>D=stn(x,y)

-5 -3 -15 39 -9
2 6 18 12 0
-4 12 6 0 0
8 2 0 0 0
3 0 0 0 0

>x=[0;10;30;50;70;90;100]

0
10
30
50
70
90
100
>y=[1.792;1.308;0.801;0.549;0.406;0.317;0.284] // dari data ini akan ditentukan nilai y untuk x=40

1.792
1.308
0.801
0.549
0.406
0.317
0.284

>largematrices on; D=stn(x,y)

Column 1 to 5:
1.792 1.308 0.801 0.549 0.406
-0.0484 -0.02535 -0.0126 -0.00715 -0.00445
0.000768333 0.00031875 0.00013625 6.75e-05 3.83333e-05
-8.99167e-06 -3.04167e-06 -1.14583e-06 -5.83333e-07 0
8.5e-08 2.36979e-08 8.03571e-09 0 0
-6.81134e-10 -1.74024e-10 0 0 0
5.0711e-12 0 0 0 0
Column 6 to 7:
0.317 0.284
-0.0033 0
0 0
0 0
0 0
0 0
0 0
Berikut adalah fungsi EMT untuk menghitung nilai polinomial interpolasi Newton P(z), berdasarkan
data x dan y.

>function politon(x,y,z) ...

D=stn(x,y);
n=length(D);
Pz=D[1,1];
for i=2:n;
suku=D[i,1];
for j=2:i;
suku=suku*(z-x[j-1]);
end
Pz=Pz+suku;
end;
return Pz;
endfunction

>Pz=politon(x,y,40)

0.656535119048

Pertanyaan:
Coba gambar polinomial interpolasi yang didapat tersebut beserta titik-titik datanya!
Jawab:
>z=0:0.1:100; Pz=zeros(length(z));
>for i=1:length(z), Pz[i]=politon(x,y,z[i]); end
>plot2d(z,Pz); plot2d(x,y,>points, style="o",>add):

Latihan Soal
Gunakan polinomial interpolasi Newton untuk menentukan yat x = 3,5 untuk akurasi terbaik. Hitung
terbagi hingga perbedaan seperti pada Gambar 17.5, dan urutan poin Anda untuk mencapai akurasi dan
konvergensi yang optimal. Artinya, intinya harus berpusat di sekitar dan sedekat mungkin dengan yang
tidak diketahui.

x = [0, 1, 2.5, 3, 4.5, 5, 6]

y = [2, 5.4375, 7.3516, 7.5625, 8.4453, 9.1875, 12]

>x=[0;1;2.5;3;4.5;5;6]; y=[2;5.4375;7.3516;7.5625;8.4453;9.1875;12];
>D=stn(x,y)

Column 1 to 5:
2 5.4375 7.3516 7.5625 8.4453
3.4375 1.27607 0.4218 0.588533 1.4844
-0.864573 -0.427133 0.0833667 0.447933 0.8854
0.145813 0.145857 0.145827 0.145822 0
9.73545e-06 -7.61905e-06 -1.26984e-06 0 0
-3.4709e-06 1.26984e-06 0 0 0
7.90123e-07 0 0 0 0
Column 6 to 7:
9.1875 12
2.8125 0
0 0
0 0
0 0
0 0
0 0
>fraction(D)

2 87/16 18379/2500 121/16 84453/10000 147/16 12

55/16 19141/15000 2109/5000 2207/3750 3711/2500 45/16 0
-64843/75000 -6407/15000 2501/30000 6719/15000 4427/5000 0 0
1367/9375 1021/7000 10937/75000 3281/22500 0 0 0
1/102717 -1/131249 -1/787499 0 0 0 0
-1/288109 1/787500 0 0 0 0 0
1/1265625 0 0 0 0 0 0

>Pz=politon(x,y,3.5)

7.74216296296

Perkalian Tersarang

Rumus pada metode Newton merupakan bentuk umum yang dapat diterapkan pada sebarang fungsi.
Biala fungsi yang akan dicari akarnya berupa polinom, maka perhitungan pada rumus tersebut dapat
dibuat efisien, dalam arti lebih singkat dan akurat (proses pembulatan di komputer menjadi lebih sedikit).
Hal ini dilakukan dengan mengoptimalkan proses pada perhitungan nilai fungsi dan nilai turunannya.
Perhatikan suatu polinom derajat n,

p(x) = a0 + a1 x + a2 x2 + . . . + an xn , a0 ̸= 0.
Di dalam komputer/kalkulator, untuk menghitung xˆn setara dengan proses perkalian sebanyak n kali.
Misalkan z suatu bilangan real. Bila kita menghitung nilai p(z) dari rumus tersebut secara langsung,
yaitu

p(z) = a0 + a1 z + a2 z 2 + . . . + an z n

maka banyaknya operasi perkaliannya berorde O(nˆ2). Untuk penerapan metode Newton, kita juga perlu
menghitung p’(z) dan jumlah operasi perkaliannya berorde O(nˆ2). Pada pasal ini kita akan membahas
metode untuk menghitung nilai tersebut dengan cara yang lebih efisien.
CATATAN: Pada perhitungan di tas kita tidak memerdulikan operasi pertambahan karena operasi ini
memerlukan waktu komputasi yang jauh lebih kecil dari operasi perkalian.
Untuk mengefisienkan perhitungan p(z), kita susun urutan operasi perhitungannya sebagai berikut:

p(z) = a0 + a1 + (a2 + (. . . an−3 + (an−2 + (an−1 + an z)z)z . . . )z)z

Dengan cara seperti di atas, maka operasi kali yang diperlukan hanya sebanyak n buah, suatu penurunan
yang sangat drastis dari operasi perhitungan langsung. Cara seperti ini dinamakan perkalian tersarang
yang ekivalen dengan metode Horner.
Dalam bentuk algoritma, proses perkalian tersebut dapat dilakukan sebagai berikut:

bn := an , untuki := n − 1, n − 2, . . . , 0 bi := ai + bi+1 ∗ z

bila algoritma tersebut dijalankan maka ilai p(z) akan tersimpan pada variabel b 0
Misalkan

bn , bn−1 , . . . , b1
adalah koefisien-koefisien yang dihasilkan dari algoritma persamaan diatas, sebut

q(x) = bn xn−1 + bn−1 xn−2 + . . . + b2 x + b1 ,

maka

p(x) = (x − z)q(x) + b0

dari sifat diatas maka p’(x)=q(x)+(x-z)q’(x). Dengan demikian p’(z)=q(z). Keismpulan

p′ (z) = bn z n−1 + bn−1 z n−2 + . . . + b2 + b1 .

untuk kembali menerapkan perkalian bersaranng untuk mengitung nilai p’(z). Bila algoritma perhitungan
p(z) dan p’(z) ditulis bersamaan maka bentuknya adalah
Bila algoritma diatas dijalankan maka p(z) dan p’(z) akan tersimpan di variabel b 0 dan c 1
Berdasarkan metode perkalian tersarang, maka algoritma penerapan metode Newton untuk polinom akan
berbentuk sebagai berikut:
 Polinomial Lagrange

Diberikan satu set k + 1 titik data

(x0 , y0 ), . . . , (xj , yj ), . . . , (xk , yk )(x0 , y0 ), . . . , (xj , yj ), . . . , (xk , yk )

di mana tidak ada dua

xj xj

yang sama, polinomial interpolasi dalam bentuk Lagrange adalah kombinasi linier

k
X k
X
L(x) := yj ℓj (x)L(x) := yj ℓj (x)
j=0 j=0

polinomial basis Lagrange

Y x − xm (x − x0 ) (x − xj−1 ) (x − xj+1 ) (x − xk ) Y x − xm (x − x0 )
ℓj (x) := = ··· ··· ,ℓj (x) := = ···
xj − xm (xj − x0 ) (xj − xj−1 ) (xj − xj+1 ) (xj − xk ) xj − xm (xj − x0 ) (
0≤m≤k 0≤m≤k
m̸=j m̸=j
dimana

0 ≤ j ≤ k0 ≤ j ≤ k.

Perhatikan caranya, dengan asumsi awal bahwa tidak ada dua

xj xj

yang sama, maka

m ̸= jm ̸= jxj − xm ̸= 0xj − xm ̸= 0,

jadi ekspresi ini selalu terdefinisi dengan baik. Alasan berpasangan

xi = xj xi = xj dengan yi ̸= yj yi ̸= yj

tidak diperbolehkan adalah tidak ada fungsi interpolasi

LLsuchthatyi = L(xi )yi = L(xi )

akan ada; fungsi hanya bisa mendapatkan satu nilai untuk setiap argumen

xi xi .
Di sisi lain, jika juga

yi = yj yi = yj ,

maka kedua titik tersebut sebenarnya akan menjadi satu titik tunggal.

n
X Y x − xj
P (x) = yk
xk − xj
k=1 j̸=k

Nilai P (x) di x = z adalah:

n
X Y z − xj
P (z) = yk
xk − xj
k=1 j̸=k

Contoh:
Polinomial Lagrange yang menginterpolasikan titik-titik:

(0, 1), (1, 1), (2, 2), (4, 5)

dapat ditulis:

(x − 1)(x − 2)(x − 4)
P (x) =1
(0 − 1)(0 − 2)(0 − 4)
(x − 0)(x − 2)(x − 4)
+1
(1 − 0)(1 − 2)(1 − 4)
(x − 0)(x − 1)(x − 4)
+2
(2 − 0)(2 − 1)(2 − 4)
(x − 0)(x − 1)(x − 2)
+5 .
(4 − 0)(4 − 1)(4 − 2)

Jika disederhanakan (lakukan!),hasilnya

2 3 1
P (x) = 1 − x + x2 − x3 , 0 ≤ x ≤ 4,
3 4 12

sama dengan hasil, baik menggunakan langsung ke polinomial bentuk baku maupun dengan polinomial
Newton.
Berikut adalah program EMT untuk menghitung nilai polinomial interpolasi di z dengan data x dan y,
menggunakan polinomial Lagrange.

>function PL(x,y,z) ...

n=length(x);
P=0;
for k=1:n;
S=y[k];
for j=1:n;
if j<>k then S=S*(z-x[j])/(x[k]-x[j]); endif;
 end;
P=P+S;
end;
return P;
endfunction

>x // data pada contoh terakhir

0
10
30
50
70
90
100

> y

1.792
1.308
0.801
0.549
0.406
0.317
0.284
>PL(x,y,40)

0.656535119048

>t=0:1:100;
>p=PL(x,y,t);
>plot2d(t,p); plot2d(x,y,>points, style="o",>add):

Latihan:
Pilih soal-soal interpolasi dari LATIHAN pada buku-buku referensi yang sudah saya sebutakn/berikan
dan kerjakan dengan polinomial Lagrange, seperti contoh di atas.
 Latihan Soal

(Buku Numerical Analysis 9th)

5a. Gunakan polinomial Lagrange untuk menemukan polinomial interpolasi dan memperkirakan nilai
dari f(8.4) jika f(8.1)=16.94410, f(8.3)=17.56492, f(8.6)=18.50515, f(8.7)=18.82091
Penyelesaian:

>x=[8.1;8.3;8.6;8.7]

8.1
8.3
8.6
8.7

>y=[16.94410;17.56492;18.50515;18.82091]

16.9441
17.5649
18.5052
18.8209

>PL(x,y,8.4)
 17.8771425

Nilai f(8.4) = 17.8771425

6b. Gunakan polinomial Lagrange untuk menemukan polinomial interpolasi dan memperkirakan nilai
dari f(0) jika f(-0.5)=1.93750, f(-0.25)=1.33203, f(0.25)=0.800781, f(0.5)=0.687500
Penyelesaian:

>x=[-0.5;-0.25;0.25;0.5]

-0.5
-0.25
0.25
0.5

>y=[1.93750;1.33202;0.800781;0.687500]

1.9375
1.33202
0.800781
0.6875

>PL(x,y,0)

0.984367333333
Nilai f(0) = 0.984367333333

Carilah fungsi-fungsi kardinalnya dan Polinomial Interpolasi Lagrange yang menginterpolasikan titik-
titik:

(0, −3), (1, −2), (−1, 5), (2, 10), (−2, 16), (3, −10)

Penyelesaian :
Berikut kita hitung fungsi-fungsi L 1, L 2, L 3, L 4, L 5, dan L 6

(x − 1)(x + 1)(x − 2)(x + 2)(x − 3) (x − 1)(x + 1)(x − 2)(x + 2)(x − 3)

L1 (x) = =
(0 − 1)(0 + 1)(0 − 2)(0 + 2)(0 − 3) −12
(x − 0)(x + 1)(x − 2)(x + 2)(x − 3) x(x + 1)(x − 2)(x + 2)(x − 3)
L2 (x) = =
(1 − 0)(1 + 1)(1 − 2)(1 + 2)(1 − 3) 12
(x − 0)(x − 1)(x − 2)(x + 2)(x − 3) x(x − 1)(x − 2)(x + 2)(x − 3)
L3 (x) = =
(−1 − 0)(−1 − 1)(−1 − 2)(−1 + 2)(−1 − 3) 24
(x − 0)(x − 1)(x + 1)(x + 2)(x − 3) x(x − 1)(x + 1)(x + 2)(x − 3)
L4 (x) = =
(2 − 0)(2 − 1)(2 + 1)(2 + 2)(2 − 3) −24
(x − 0)(x − 1)(x + 1)(x − 2)(x − 3) x(x − 1)(x + 1)(x − 2)(x − 3)
L5 (x) = =
(−2 − 0)(−2 − 1)(−2 + 1)(−2 − 2)(−2 − 3) −120
(x − 0)(x − 1)(x + 1)(x − 2)(x + 2) x(x − 1)(x + 1)(x − 2)(x + 2)
L6 (x) = =
(3 − 0)(3 − 1)(3 + 1)(3 − 2)(3 + 2) 120

Jadi, polinomial Lagrange yang dicari adalah

P5 (x) = −3L1 (x) − 2L2 (x) + 5L3 (x) + 10L4 (x) + 16L5 (x) − 10L6 (x).
Catatan :
Polinom Lagrange kurang disukai dalam praktek karena :
- Jumlah komputasi yang dibutuhkan untuk satu kali interpolasi adalah besar. Interpolasi untuk nilai x
yang lain memerlukan jumlah komputasi yang sama karena
tidak ada bagian komputasi sebelumnya yang dapat digunakan.
- Bila jumlah titik data meningkat atau menurun, hasil komputasi sebelumnya tidak dapat digunakan.
Karena tidak ada hubungannya antara p n-1(x) dan p n(x) pada polinom Lagrange

Pengertian Spline (Syarat-syarat spline)

Interpolasi spline adalah bentuk interpolasi di mana interpolan adalah jenis khusus polinomial sepotong-
sepotong yang disebut spline. Interpolasi spline sering lebih digunakan daripada interpolasi polinomial
karena kesalahan interpolasi dapat dibuat kecil bahkan ketika menggunakan polinomial derajat rendah
untuk spline. Interpolasi spline juga menghindari masalah fenomena Runge, di mana osilasi dapat terjadi
antar titik saat interpolasi menggunakan polinomial derajat tinggi.
Awalnya, spline adalah istilah untuk penggaris elastis yang ditekuk untuk melewati sejumlah titik yang
telah ditentukan, atau simpul. Ini digunakan untuk membuat gambar teknis untuk pembuatan kapal dan
konstruksi dengan tangan, seperti yang diilustrasikan pada gambar.
Kami ingin memodelkan jenis kurva yang serupa menggunakan satu set persamaan matematika, dengan
satu polinomial

y = qi (x)y = qi (x)

untuk setiap pasang simpul

(xi−1 , yi−1 )(xi−1 , yi−1 )

dan

(xi , yi )(xi , yi ),

dimana

i = 1, 2, . . . , ni = 1, 2, . . . , n.

Metode Spline adalah salah satu metode Interpolasi yaitu dengan memakai pendekatan fungsi-fungsi
Spline sebagai polinom penghubung. Interpolasi Spline merupakan polinom sepotong-sepotong. Suatu
fungsi f(x) yang sudah diketahui pada selang

a≤x≤b

dihampiri dengan sebuah fungsi lain g(x) dengan cara menyekat selang

a≤x≤b

menjadi beberapa anak selang

a = x1 < x2 < x3 < ... < xn = b

Fungsi g(x) yang didapat dinamakan spline.
Berikut contoh bentuk dari spline.

Di dalam metode numerik, terdapat beberapa spline, diantaranya yakni Spline Linier, Spline Kuadrat,
dan Spline Kubik. Syarat-syarat dari masing-masing Spline akan dijelaskan sebagai berikut.
1. SPLINE LINIER
2. SPLINE KUADRAT
3. SPLINE KUBIK
 Interpolasi dengan Spline

Untuk interpolasi dengan spline, disyaratkan bahwa n titik yang diketahui:

(x1 , y1 ), (x2 , y2 ), (x3 , y3 ), ..., (xn , yn ),

harus memenuhi:

x1 < x2 < x3 < ... < xn .

Selanjutnya, spline didefinisikan sebagai fungsi



 S1 (x), x 1 ≤ x ≤ x2

S2 (x), x 2 ≤ x ≤ x3




... ..



.
S(x) =

 Sk (x), xk ≤ x ≤ xk+1
.. ..


. .





S
n−1 (x), xn−1 ≤ x ≤ xn
dengan syarat:

(1) Setiap Sk (x) merupakan polinomial pada interval xk ≤ x ≤ xk+1 , untuk k = 1, 2, 3, ..., (n − 1).
(2) Fungsi S(x) dan semua turunannya (yang bukan konstan) bersifat kontinu pada interval [x1 , xn ].
(3) S(xk ) = yk untuk k = 1, 2, 3, ..., n (Syarat interpolasi).
 Interpolasi Linear

Interpolasi linier adalah metode pemasangan kurva menggunakan polinomial linier untuk membangun
titik data baru dalam kisaran satu set diskrit titik data yang diketahui.
Jika dua titik yang diketahui diberikan oleh koordinat

(x0 , y0 )(x0 , y0 )and(x1 , y1 )(x1 , y1 ),

interpolan linier adalah garis lurus antara titik-titik ini. Untuk nilai x dalam interval

(x0 , x1 )(x0 , x1 ), thevalueyalongthestraightlineisgivenf romtheequationof slopes

y − y0 y1 − y0 y − y0 y1 − y0
= , = ,
x − x0 x1 − x0 x − x0 x1 − x0

yang dapat diturunkan secara geometris dari gambar di sebelah kanan. Ini adalah kasus khusus interpolasi
polinomial dengan n = 1.
Memecahkan persamaan ini untuk y, yang merupakan nilai yang tidak diketahui di x, memberikan

y1 − y0 y0 (x1 − x) + y1 (x − x0 ) y1 − y0 y0 (x1 − x) + y1 (x − x0 )
y = y0 + (x − x0 ) = ,y = y0 + (x − x0 ) = ,
x1 − x0 x1 − x0 x1 − x0 x1 − x0
 Interpolasi Kuadratik

Misal diberi tiga buah titik data (x 0,y 0), (x 1,y 1), (x 2, y 2). Polinom yang menginterpolasi ketiga
buah titik itu adalah polinom yang berkuadrat.
 Interpolasi Kubik

Misalkan diberikan empat titik data (x 0,y 0), (x 1,y 1), (x 2, y 2), (x 3,y 3). Polinom yang menginter-
polasi keempat buah titik berupa polinom kubik yang persamaannya adalah :
images: interpolasikubik.png

Spline Linier

Pada spline linier,

Sk (x) = ak x + bk untuk xk ≤ x ≤ xk+1 ,

merupakan persamaan garis yang melalui titik

(xk , yk ) dan (xk+1 , yk+1 ).

Jadi,

(yk+1 − yk )
ak = dan bk = yk − ak xk .
(xk+1 − xk )
Jadi, spline linier berbentuk:

 (y2 −y1 )

 (x2 −x1 ) (x − x1 ) + y1 , x1 ≤ x ≤ x2
 (y3 −y2 )
(x3 −x2 ) (x − x2 ) + y2 , x2 ≤ x ≤ x3




... ..



.
S(x) = (yk+1 −yk )
(xk+1 −xk ) (x − xk ) + yk , xk ≤ x ≤ xk+1




.
.. ..
.




 (yn −yn−1 )

(xn −xn−1 ) (x − xn−1 + yn−1 , xn−1 ≤ x ≤ xn )

Program EMT untuk menghitung nilai spline linier di z.

>function spliner(x,y,z) ...

{x,i}=sort(x); y=y[i];
n=length(x);
m=zeros(n-1);
for k=1:n-1; m[k]=(y[k+1]-y[k])/(x[k+1]-x[k]); end
p=length(z);
s=zeros(p);
for i =1:p;
for k=1:n-1;
if z[i]>=x[k] and z[i]<=x[k+1] then s[i]= m[k]*(z[i]-x[k])+ y[k]; endif;
end
end
if p>n then s[p]= m[n-1]*(z[p]-x[n-1])+ y[n-1]; endif
return {s,m};
endfunction
>x=[0;1;-1;2;-2]; y=[-5;-3;-15;39;-9]; // spline linier yang menginterpolasikan ...
>// titik2 (0,-5), (1,-3), (-1,-15), (2,39), (-2,-9)
>spliner(x,y,x) // cek apakah program spliner menghasilnya nilai y yang sama dengan data

[-5, -3, -15, 39, -9]

>z=-2:.1:2;
>{s,m}=spliner(x,y,z);
>m

[-6, 10, 2, 42]

>plot2d(x,y,>points, style="o"); plot2d(z,s,>add):

Jadi, spline linier yang menginterpolasikan titik-titik (0,-5), (1,-3), (-1,-15), (2,39), (-2,-9) adalah:

−6(x + 2) − 9,


−2 ≤ x ≤ −1
10(x + 1) − 15, −1 ≤ x ≤ 0
S(x) =
2x − 5,
 0≤x≤1

42(x − 1) − 3, 1 ≤ x ≤ 2.


Contoh 2:
Tentukan spline linier yang menginterpolasikan titik-titik (-2,16), (-1,5), (0,-3), (1,-2), (2, 10), dan (3,-10).

>x=[-2;-1;0;1;2;3]

-2
-1
0
1
2
3

>y=[16;5;-3;-2;10;-10]

16
5
-3
-2
10
-10
>spliner(x,y,x)

[16, 5, -3, -2, 10, -10]

>z=-2:0.1:3;
>{s,m}=spliner(x,y,z);
>m

[-11, -8, 1, 12, -20]

>plot2d(x,y,>points, style="o"); plot2d(z,s,>add):

Spline linier yang menginterpolasikan titik-titik (-2,16), (-1,5),(0,-3), (1,-2), (2, 10), dan (3,-10):



 −11(x + 2) + 16, −2 ≤ x ≤ −1
−8(x + 1) + 5, −1 ≤ x ≤ 0




S(x) = x − 3, 0≤x≤1

12(x − 1) − 2, 1≤x≤2





−20(x − 2) + 10, 2 ≤ x ≤ 3.

Latihan Soal

Diketahui data titik-titik(0,1), (1,1), (2,5). Tentukan spline linier yang menginterpolasikan titik-titik
tersebut.

>x=[0;1;2]

0
1
2

>y=[1;1;5]

1
1
5
>spliner(x,y,x)

[1, 1, 5]

>z=0:.1:2;
>{s,m}=spliner(x,y,z);
>m

[0, 4]

>plot2d(x,y,>points, style="o"); plot2d(z,s,>add):

Spline linier yang menginterpolasikan titik-titik (0,1), (1,1),(2,5):
(
(x + 0) + 1, 0≤x≤1
S(x) =
4(x + 1) + 1, 1≤x≤2
Spline Kuadratik
 

 a1 x2 + b1 x + c1 , x1 ≤ x ≤ x 2

a2 x2 + b2 x + c2 , x2 ≤ x ≤ x 3




... ..



.
S(x) =

 ak x2 + bk x + ck , xk ≤ x ≤ xk+1
.. ..



. .




2

a
n−1 x + bn−1 x + cn−1 , xn−1 ≤ x ≤ xn

Dalam spline kuadrat,

Sk (x) = ak x2 + bk x + ck for xk ≤ x ≤ xk+1 (k = 1, 2, 3, ..., n − 1).

Nilai a k, b k, c k (k=1, 2, 3, ..., n-1) dapat ditemukan dengan menerapkan kondisi spline:
1) Kondisi interpolasi:

S(xk ) = yk (k = 1, 2, 3, ..., n).

Ini menghasilkan persamaan

yk = ak x2k + bk xk + ck , (k = 1, 2, 3, ..., n − 1), and

 yn = an−1 x2n + bn−1 xn + cn−1 .

2) S dilanjutkan, artinya:

Sk (xk+1 ) = Sk+1 (xk+1 ),

memberikan persamaan

ak x2k+1 + bk xk+1 + ck = ak+1 x2k+1 + bk+1 xk+1 + ck+1 (k = 1, 2, 3, ..., n − 2).

3) S’ dilanjutkan, yaitu:

Sk′ (xk+1 ) = Sk+1

′
(xk+1 ),

yang mengarah ke persamaan

2ak xk+1 + bk = 2ak+1 xk+1 + bk+1 (k = 1, 2, 3, ..., n − 2).

Ada total 3n-4 persamaan linear dalam a k, b k, c k (k=1, 2, 3, ..., n-1). Tidak memiliki satu persamaan
linier secara berurutan untuk menemukan a k, b k, c k. Dalam hal ini, biasanya diasumsikan bahwa
S’(x 1)=0 atau S’(x n)=0.
SPL yang harus diselesaikan:

Dua persamaan terakhir dipilih salah satu, sesuai syarat yang diminta.
Contoh:
Temukan spline kuadrat S(x) yang menginterpolasi titik (-2, 16),
(-1, 5), (0,-3), (1,-2), (2, 10), dan (3,-10) dengan syarat tambahan S’(3) = 0. Selanjutnya, plot kurva dari
spline bersama dengan poin yang diberikan!
Solusi: Spline kuadrat adalah

2
a1 x + b1 x + c1 ,

 −2 ≤ x ≤ −1
a2 x2 + b2 x + c2 , −1 ≤ x ≤ 0



S(x) = a3 x2 + b3 x + c3 , 0≤x≤1

a4 x2 + b4 x + c4 , 1≤x≤2




a x2 + b x + c ,

2≤x≤3
5 5 5

Kondisi untuk spline kuadrat adalah:

1) Interpolasi

S(xk ) = yk ,

memberikan hasil:

4a1 − 2b1 + c1 = 16
a2 − b2 + c2 = 5
c3 = −3
a4 + b4 + c4 = −2
4a5 + 2b5 + c5 = 10
9a5 + 3b5 + c5 = −10
2) S dilanjutkan

Sk (xk+1 ) = Sk+1 (xk+1 ) = yk+1 ,

maka:

a1 − b1 + c1 = a2 − b2 + c2 = 5
c2 = c3 = −3
a3 + b3 + c3 = a4 + b4 + c4 = −2
4a4 + 2b4 + c4 = 4a5 + 2b5 + c5 = 10

3) S’ dilanjutkan

Sk′ (xk+1 ) = Sk+1

′
(xk+1 ),

maka:

−2a1 + b1 = −2a2 + b2
b2 = b3
2a3 + b3 = 2a4 + b4
4a4 + b4 = 4a5 + b5
4) Asumsi tambahan, S’(3)=0, artinya

6a5 + b5 = 0.

Dari persamaan turunan, solusinya adalah (silakan periksa!):

a1 = 57, b1 = 160, c1 = 108,

a2 = −54, b2 = −62, c2 = −3,
a3 = 63, b3 = −62, c3 = −3,
a4 = −52, b4 = 168, c4 = −118,
a5 = 20, b5 = −120, c5 = 170

Jadi, spline kuadrat adalah:


2
57x + 160x + 108,

 −2 ≤ x ≤ −1
−54x2 − 62x − 3, −1 ≤ x ≤ 0



S(x) = 63x2 − 62x − 3, 0≤x≤1

−52x2 + 168x − 118, 1≤x≤2




20x2 − 120x + 170,

2 ≤ x ≤ 3.
Berikut adalah program EMT untuk menghitung nilai spline kuadratik di z. Perhatikan, program ini
memerlukan input selain x dan y, juga a, b, c, yang diperoleh dengan menyelesaikan SPL terkait seperti
di atas.
Silakan Anda buat program EMT untuk mendapatkan nilai-nilai a, b, c. Jika berhasil, program EMT
berikut tidak perlu input a, b, c, namun a, b, c dapat dihitung di dalam program tersebut dengan
menggunakan program yang Anda buat.

>function spline2a(x,y,a,b,c,z)

{x,i}=sort(x); y=y[i];
n=length(x);
m=length(z);
s=zeros(m);
for i =1:m;
for k=1:n-1;
if z[i]>=x[k] and z[i]<=x[k+1] then s[i]= a[k]*z[i]^2+b[k]*z[i]+c[k]; endif;
end
end
if m>n then s[m]= a[n-1]*z[m]^2+b[n-1]*z[m]+c[n-1]; endif
return s;
endfunction

>x=-2:3; y=[16,5,-3,-2,10,-10];
>a=[57;-54;63;-52;20]

57
-54
63
-52
20
>b=[160; -62; -62; 168; -120]

160
-62
-62
168
-120

>c=[108; -3; -3; -118; 170]

108
-3
-3
-118
170

>z=-2:0.1:3;
>s=spline2a(x,y,a,b,c,z);
>plot2d(z,s); plot2d(x,y,>points, style="o", >add):
 Latihan Soal

Tunjukkan bahwa fungsi yang didefinisikan sebagai berikut meru-

pakan spline kubik dengan cara menunjukkan bahwa S1(2)=S2(2), S1’(2)=S1’(2), dan S1”(2)=S2”(2)

b. Tentukan spline kuadratik yang menginterpolasikan titik-titik

tersebut.
(
−13 3 2 81 19
f (x) =
S1 (x) = 4 x + 15x − 4 x − 2 , 1≤x≤2
11 3 2 207 77
S2 (x) = 4 x − 21x + 4 x − 2 , , 2≤x≤3

>x=1:3; y=[-19/2,77/2,-77/2];
>a=[-13/4;11/4]

-3.25
2.75

>b=[15;-21]

15
-21

>c=[-81/4;207/4]

-20.25
51.75

>z=1:.1:3;
>s=spline2a(x,y,a,b,c,z);
>plot2d(z,s); plot2d(x,y,>points, style="o", >add):
Terbukti dari plot siatas bahwa S1(2)=S2(2), S1’(2)=S1’(2), dan S1”(2)=S2”(2)

Spline Kuadratik (Bentuk Lain)

Berikut adalah alternatif untuk mencari spline kuadratik dengan menyelesaikan SPL yang memuat lebih
sedikit variabel.

Misalkan mk = S ′ (xk ), untuk k = 1, 2, 3, ..., n.

Anggap seolah-olah kita memunyai n titik (x k,m k), untuk k=1, 2, 3, ...,n.
Dalam hal ini S’(x) merupakan spline linier (karena S’(x) kontinu) dengan persamaan:
mk+1 − mk
S ′ (x) = Sk′ (x) = (x − xk ) + mk , untuk xk ≤ x ≤ xk+1 .
xk+1 − xk

Jadi (jelaskan dari mana diperoleh),

(mk+1 − mk )
S(x) = Sk (x) = (x − xk )2 + mk (x − xk ) + Ck , untuk xk ≤ x ≤ xk+1 .
2(xk+1 − xk )

Karena S(x k)=y k, maka C k=y k, sehingga

(mk+1 − mk )
S(x) = Sk (x) = (x−xk )2 +mk (x−xk )+yk , untuk xk ≤ x ≤ xk+1 , dan k = 1, 2, ..., (n−1).
2(xk+1 − xk )

Selanjutnya, untuk mendapatkan nilai-nilai m k digunakan syarat S kontinu, yakni

Sk (xk+ 1) = Sk+1 (xk+1 ) = yk+1 , untuk k = 1, 2, 3, ..., n − 2, dan Sn−1 (xn ) = yn

sehingga didapatkan:

(mk+1 − mk )
+ mk (xk+1 − xk ) = yk+1 − yk ,
2(xk+1 − xk )

atau (jelaskan mengapa):

2(yk+1 − yk )
mk + mk+1 = , k = 1, 2, 3, ..., n − 1,
(xk+1 − xk )
yang merupakan SPL yang terdiri atas (n-1) equation dalam n variabel. Agar dapat diselesaikan, seperti
biasanya digunakan satu asumsi tambahan, yakni m 1=0 atau m n=0. (Tahukah Anda, apa arti asumsi
ini?)
Contoh:
Untuk contoh spline kuadratik di atas dapat diselesaikan dengan menggunakan SPL:

m1 + m2 = −22
m2 + m3 = 16
m3 + m4 = 2
m4 + m5 = 24
m5 + m6 = −40
m6 = 0

yakni:

m6 = 0, m5 = −40, m4 = 64, m3 = −62, m2 = 46, m1 = −68.

Jadi spline kuadratiknya adalah


1 2
 2 (114)(x + 2) − 68(x + 2) + 16,

 −2 ≤ x ≤ −1
 12 (−108)(x + 1)2 + 46(x + 1) + 5, −1 ≤ x ≤ 0



S(x) = 21 (126)x2 − 62x − 3, 0≤x≤1
1
 2
2 (−104)(x − 1) + 64(x − 1) − 2, 1≤x≤2




 1 (40)(x − 2)2 − 40(x − 2) + 10,

2 ≤ x ≤ 3.
2
dan jika disederhanakan (silakan periksa!) persamaan spline tersebut sama dengan persamaan spline
kuadratik sebelumnya.
Berikut adalah program EMT untuk mendapatkan spline kuadratik dengan menggunakan metode alter-
natif tersebut. Input ini t adalah untuk memilih syarat tambahan yang digunakan. Perhatikan, program
ini akan menghasilkan nilai-nilai spline s (untuk menggambar splinenya) dan nilai m (untuk menyusun
persamaan splinenya).

>function spline2(x,y,t,z) ...

{x,i}=sort(x); y=y[i];
n=length(x);
m=zeros(n);
if t==1 then
m[1]=0;
for k=1 to n-1; m[k+1]= 2*(y[k+1]-y[k])/(x[k+1]-x[k]) - m[k]; end
endif
if t==2 then
m[n]=0;
for k=1 to n-1; m[n-k]= 2*(y[n-k+1]-y[n-k])/(x[n-k+1]-x[n-k]) - m[n-k+1]; end
endif
p=length(z);
s=zeros(p);
for i =1:p;
for k=1:n-1;
if z[i]>=x[k] and z[i]<=x[k+1] then s[i]= 1/2*(m[k+1]-m[k])/(x[k+1]-x[k])*(z[i]-x[k])^2+m[k]*(
end
end
if p>n then s[p]=1/2*(m[n]-m[n-1])/(x[n]-x[n-1])*(z[p]-x[n-1])^2+m[n-1]*(z[p]-x[n-1])+y[n-1]; endif
return {s, m};
endfunction
>x=-2:3; y=[16,5,-3,-2,10,-10];
>z=-2:0.1:3;
>{s,m}=spline2(x,y,2,z); // menggunakan syarat tambahan untuk ujung kanan
>m

[-68, 46, -62, 64, -40, 0]

Jadi, spline kuadratiknya adalah:


1 46+68 2
2 −1+2 (x + 2) − 68(x + 2) + 16, −2 ≤ x ≤ −1



1 −62−46 2
 2 0+1 (x + 1) + 46(x + 1) + 5, −1 ≤ x ≤ 0



S(x) = 21 64+62 2
1−0 (x − 0) − 62(x − 0) − 3, 0≤x≤1
1 −40−64
 2
2 2−1 (x − 1) + 64(x − 1) − 2, 1≤x≤2




 1 0+40 (x − 2)2 − 40(x − 2) + 10,

2≤x≤3
2 3−2

>plot2d(z,s); plot2d(x,y,>points, style="o", >add):

Bandingkan dengan hasil sebelumnya.

>{s,m}=spline2(x,y,1,z); // menggunakan syarat di ujung kiri.

>m

[0, -22, 6, -4, 28, -68]

>plot2d(z,s); plot2d(x,y,>points, style="o", >add):

Perhatikan persamaan dan perbedaan kedua spline tersebut.

Spline Kubik



a1 x3 + b1 x2 + c1 x + d1 , x 1 ≤ x ≤ x2

a2 x3 + b2 x2 + c2 x + d2 ,

x 2 ≤ x ≤ x3
S(x) = .

 ..


an−1 x3 + bn−1 x2 + cn−1 x + dn−1 , xn−1 ≤ x ≤ xn

Syarat-syarat yang harus dipenuhi:

S(xk ) = yk , k = 1, 2, ..., n
Sk (xk+1 ) = Sk+1 (xk+1 ) = yk+1 , k = 1, 2, ..., n − 2
Sk′ (xk+1 ) = ′
Sk+1 (xk+1 ), k = 1, 2, ..., n − 2
Sk′′ (xk+1 ) = ′′
Sk+1 (xk+1 ), k = 1, 2, ..., n − 2

Dari keempat syarat diperoleh 4n-6 persamaan linier, padahal koefisien yang harus dicari sebanyak 4n-4.
Agar dapat diselesaikan digunakan dua asumsi, seperti biasanya menyangkut nilai-nilai S’(x) atau S”(x)
di kedua titik ujung.
Cara alternatif:
Misalkan

mk = S ′′ (xk ), k = 1 , 2, ..., n.

Anggap seolah-olah kita memunyai n titik (x k,m k), untuk k = 1, 2, 3, ..., n.

Dalam hal ini S”(x) merupakan spline linier dengan persamaan:

(mk+1 − mk )
S ′′ (x) = Sk′′ (x) = (x − xk ) + mk , untuk xk ≤ x ≤ xk+1 .
(xk+1 − xk )

Turunan pertama spline kubiknya adalah:

(mk+1 − mk )
S ′ (x) = Sk′ (x) = (x − xk )2 + mk (x − xk ) + Ck , untuk xk ≤ x ≤ xk+1 .
2(xk+1 − xk )

dan spline kubiknya adalah:

(mk+1 − mk ) 1
S(x) = Sk (x) = (x − xk )3 + mk (x − xk )2 + Ck (x − xk ) + Dk , untuk xk ≤ x ≤ xk+1 .
6(xk+1 − xk ) 2
Karena S(x k)=y k, maka D k=y k.
Selanjutnya, untuk mendapatkan nilai-nilai m k dan C k digunakan syarat S dan S’ kontinu, yakni:

Sk (xk+1 ) = Sk+1 (xk+1 ) = yk+1 dan Sk′ (xk+1 ) = Sk+1)

′
(xk+1 ) = Ck+1 untuk k = 1, 2, 3, ..., n−2, dan Sn−1 (xn ) = yn

sehingga diperoleh:
1 1
(mk+1 − mk )(xk+1 − xk )2 + mk (xk+1 − xk )2 + Ck (xk+1 − xk ) = yk+1 − yk , untuk k = 1, 2, 3, ..., n − 1,
6 2

dan
1
(mk+1 − mk )(xk+1 − xk ) + mk (xk+1 − xk ) + Ck = Ck+1 , untuk k = 1, 2, 3, ..., n − 2,
2

atau
6(yk+1 − yk )
(xk+1 − xk )(2mk + mk+1 ) + 6Ck = , k = 1, 2, 3, ..., n − 1,
(xk+1 − xk )

(xk+1 − xk )(mk + mk+1 ) + 2(Ck − Ck+1 ) = 0, k = 1, 2, 3, ..., n − 2,

yang merupakan SPL yang terdiri atas (2n-3) persamaan dalam (2n-1) variabel m 1, m 2, ..., m n, C 1,
C 2, ..., C {n-1}.
Agar dapat diselesaikan, biasanya digunakan dua asumsi tambahan yang berkaitan dengan nilai-nilai m 1
dan m n.
Tugas Anda:
1. Tentukan spline kubik S(x) yang menginterpolasikan titik-titik (0,1), (1,1), (2,2) dan (4,5), dengan
dengan syarat S”(0)=S”(4)=0 dengan kedua cara seperti di atas!
Jawab:
1) Interpolasi

S(xk ) = yk ,

sehingga :

d1 = 1
a2 + b2 + c2 + d2 = 1
8a3 + 4b3 + 2c3 + d3 = 2
64a3 + 16b3 + 4c3 + d3 = 5

2) S adalah continue

Sk (xk+1 ) = Sk+1 (xk+1 ) = yk+1 ,

maka:

a1 + b1 + c1 + d1 = a2 + b2 + c2 + d2 = 1
8a2 + 4b2 + 2c2 + d2 = 8a3 + 4b3 + 2c3 + d3 = 2
3) S’ adalah continue

Sk′ (xk+1 ) = Sk+1

′
(xk+1 ),

sehingga:

3a1 + 2b1 + c1 = 3a2 + 2b2 + c2

12a2 + 4b2 + c2 = 12a3 + 4b3 + c3

4) S” adalah continue

Sk ”(xk+1 ) = Sk+1 ”(xk+1 ),

sehingga:

6a1 + 2b1 = 6a2 + 2b2

12a2 + 2b2 = 12a3 + 2b3

5) Asumsi tambahan, S”(4)=0, artinya

24a3 + 2b3 = 0.

Dari persamaan turunan, solusinya adalah:


1 3 1 2
 6 (m2 − m1 )x + 2 m1 x + C1 x + 1,
 0≤x≤1
S(x) = 6 (m3 − m2 )(x − 1) + 21 m1 (x − 1)2 + C1 (x − 1) + 1, 1 ≤ x ≤ 2
1 3

1
 3 1 2
6 (m4 − m3 )(x − 2) + 2 m1 (x − 2) + C1 (x − 2) + 1, 2 ≤ x ≤ 4.
Kemudian menggunakan syarat S dan S’ kontinu diperoleh SPL

2m1 + m2 + 6C1 = 0

2m2 + m3 + 6C2 = 0

4m3 + 2m4 + 6C3 = 0

m1 + m2 + 2(C1 − C2 ) = 0

m2 + m3 + 2(C2 − C3 ) = 0

2m3 + 2m4 + 2(C3 − C4 ) = 0

Diketahui S”(0) = S”(4) =0 maka

m1 = 0 dan m3 = 2m4

Sehingga diperoleh

m1 = 0
13
m2 =
9
2
m3 =
9
1
m4 =
9
2. Gambarlah kurva spline tersebut.
Jawab:

>xp=1:4; yp=intrandom(1,4,4); s=spline(xp,yp);

>plot2d("splineval(x,xp,yp,s)",0,5):

>plot2d(xp,yp,>points,>add):
3. Tulis program EMT untuk spline kubik seperti contoh pada spline kuadratik. Gunakan program
tersebut untuk melakukan perhitungan dan menggambar spline kubik.
Jawab:

>function spline3 (x,y,z,st,b1,bn) ...

n=lenghth(x);
h=x(2:n)-x(1:n-1);
d=(y(2:n)-y(1:n-1))./h;
u=2*(h(1:n-2)+h(2:n-1));
v=6*(d(2:n-1)-d(2:n-1));
V=v’;
dia=h(2:n-2);dib=dia;
if st==1,
u(1)=3/2*h(1)+2*h(2);V(1)=V(1)-3*(d(1)-b1);
u(n-2)=2*h(n-2)+3/2*h(n-1);V(n-2)=V(n-2)-3*(bn-d(n-1));
 A=diag(u)+ddiag(dib,-1)+diag(dia,1)
m=A\V;m=[0;m;0];
m(1)=3/h(1)*d(1)-b1)-m(2)/2;
V
m
end
if st==2,
A=diag(u)+diag(dib,-1)+diag(dia,1)
V
m=A\V;m[0;m;0]
end
if st==3,
u(1)=3*h+2*h(2)+h(1)^2/h(2);
dia(1)=h(2)-h(1)^2/h(2);
dib(n-3)=h(n-2)-h(n-1)^2/h(n-2);
u(n-2)=2*h(n-2)+3*h(n-1)+h(n-1)^2/h(n-2);
A=diag(u)+diag(dib,-1)+diag(dia,1)
m=A\V;m=[0;m;0];
m(1)=m(2)-h(1)*(m(3)-m(2))/h(2);
m(n)=m(n-1)+h(n-1)*(m(n-1)-m(n-2))/h(n-2);
V
m
end
if st==4,
u(1)=3*h(1)+2*h(2);
u(n-2)=2*h(n-2)+3*h(n-1);
A=diag(u)+diag(dib,-1)+diag(dia,1)
m=A\V;m=[0;m;0];
m(1)=m(2);m(n)=m(n-1);
V
m
end
if st==5,
V(1)=V(1)-h(1)*b1;
V(n-2)=V(n-2)-h(n-1)*bn;
 A=diag(u)+diag(dib,-1)+diag(dia,1)
V
m=A\V;m=[b1;m;bn]
end
C=y(2:n)./h-h.*m(2:n)’/6
D=y(1:n-1)./h-h.*m(1:n-1)’6
for j=1:lenghth(z),
for k=1:n-1,
if z(j)<=x(k)&z(j)<=x(k+1),
S3(j)=(m(k+1)*(z(j)-x(k)).^3+m(k)*(x(k+1)-z(j)).^3)/(6*h(k))+C(k)*(z(j)-x(k))+D(k)*(x(k+1)-z(j));
end
end
endfunction