Anda di halaman 1dari 27

Metode Interpolasi

Selisih-terbagi Newton

Metode Numerik
Ir. Kutut Suryopratomo, MT, MSc
Teknik Fisika, Universitas Gadjah Mada

1
Interpolasi & Regresi
 Keduanya sama-sama metode
penaksiran suatu nilai berdasarkan
sehimpunan data yang dimiliki.

 Keduanya berbeda dalam hal


bagaimana fungsi penaksir disusun
berdasarkan himpunan data yang
dimiliki.

2
Fungsi Penaksir Interpolasi
 Fungsi penaksir disusun agar tepat
memenuhi semua nilai himpunan
data yang diberikan.

 Interpolasi baik dilakukan jika


data yang dimiliki presisi atau
sebarannya nihil.

3
Fungsi Penaksir Regresi
 Fungsi penaksir disusun agar paling
pas/baik memodelkan kecenderungan
perubahan yang diperlihatkan oleh
himpunan data yang diberikan.

 Regresi dilakukan jika


data yang dimiliki kurang presisi atau
sebarannya signifikan.

4
Ide dasar Interpolasi
 Jika diberikan sehimpunan n+1 data:
(xi, yi) dengan i=0..n

 Dari data disusun fungsi penaksir


y=f(x) yang memenuhi ketentuan
nilai f(xi) = yi di semua nilai
himpunan data.

5
Ide dasar Interpolasi
7

4
y

0
0 1 2 3 4 5 6 7
x

6
Fungsi2 Penaksir
 Fungsi penaksir yang paling sering dipilih
adalah polinom, karena mudah:
 Dievaluasi,
 Diturunkan, dan
 Diintegralkan.
x

 Polinom penaksir bisa berupa:


 1 fungsi untuk seluruh himpunan data, atau
 1 fungsi per pasang data.

7
Fungsi2 Penaksir
 Polinom penaksir bisa dibentuk dalam
berbagai ungkapan:
 Langsung
f x   a0  a1 x  a2 x 2  a3 x 3  ...

 Tak Langsung x

 Lagrange
f x   L0 y0  L1 y1  L2 y2  ...  Ln yn
 Selisih-terbagi Newton
f x   a0  a1 x  x0   a2 x  x0 x  x1   ...
 Spline – 1 polinom per pasang data

8
Fungsi Penaksir

Metode Selisih-terbagi Newton

9
Fungsi Penaksir
Metode Selisih-terbagi Newton
 Dari (n+1) data: (xi, yi) dg i=0..n bisa
disusun polinom orde n.
 Polinom penaksir dipilih berbentuk:
f  x   a0
 a1 x  x0 
 a2 x  x0  x  x1 
 a3  x  x0  x  x1 x  x2 
 ...
 Koefisien a0, a1, …, an ditentukan dengan
mensyaratkan: f(xi) = yi.

10
Jarak interval seragam

Metode Selisih-terbagi Newton

11
Koefisien Fungsi Penaksir
Interval antar-x seragam (h)
 Di x=x0, f(x0)=y0:
y0  a0
 a1 x0  x0 
 
0

 a2 x0  x0 x0  x1 
 
0

 a3 x0  x0 x0  x1 x0  x2   ...


 
0

a0  y0

12
Koefisien Fungsi Penaksir
Interval antar-x seragam (h)
 Di x=x1, f(x1)=y1:
y1  y0
 a1 x1  x0 
 a2  x1  x0 x1  x1 
 
0

 a3  x1  x0 x1  x1 x1  x2   ...


 
0

y1  y0 y1  y0
a1  
x1  x0 h

13
Koefisien Fungsi Penaksir
Interval antar-x seragam (h)
 Di x=x2, f(x2)=y2:
y 2  y0
y1  y0
 x2  x0 
x1  x0
 a2  x2  x0  x2  x1 
 a3  x2  x0 x2  x1  x2  x2   ...
  
0

y1  y0 y2  y1 y1  y0
y 2  y0  2h 
h y  2 y  y
a2   2 1 0
 h h
2h  h 2h 2
2h

14
Koefisien Fungsi Penaksir
Interval antar-x seragam (h)
a0  y0  0 y0
y1  y0
a1   1 y0
h
y2  y1 y1  y0

h h 1 y1  1 y0
a2    2 y0
2h 2h
.
.
.
2 y1  2 y0
a3   y0 
3

3h
n 1 y1  n 1 y0
an   y0 
n

nh

15
Koefisien Fungsi Penaksir
Interval antar-x seragam (h)
 Evaluasi koefisien a0 s/d an menjadi
sangat mudah dilakukan dengan
bantuan tabel pada slide berikut.
a0  0 y0  y0  data
a1  1 y0
a2  2 y0
a3  3 y0
n 1 n 1
 y   y0
an  n y0  1
nh
16
Persamaan Interpolasi
 Persamaan Interpolasi dengan
demikian bisa ditulis sebagai:
f x   0 y0
 1 y0 x  x0 
 2 y0 x  x0 x  x1 
 3 y0 x  x0 x  x1 x  x2 
 4 y0 x  x0 x  x1  x  x2  x  x3 
 ...

17
x0 y0=a0
1y0=a1
x1 y1 2y0=a2
1y1 3y0=a3
x2 y2 2y1 4y0=a4
1y2 3y0
x3 y3 2y2
1y3
x4 y4
Contoh:
 Diberikan data berikut:
i xi yi
0 1 9,78
1 2 12,51
2 3 17,18
3 4 23,77
4 5 32,28
19
Grafik Sebaran Data

35

30

25

20
y

15

10

0
0 1 2 3 4 5 6
x

20
1 9,78
2,73
2 12,51 0,97
4,67 -0,00221
3 17,18 0,96 -0,00012
6,60 -0,0027
4 23,77 0,96
8,51
5 32,28

f x   9,78 f x   0 y0
 2,73x  1  1 y0 x  x0 
 0,97x  1x  2  2 y0 x  x0 x  x1 
 0,00221x  1x  2x  3  3 y0 x  x0 x  x1 x  x2 
 0,00012x  1x  2x  3x  4  4 y0 x  x0 x  x1 x  x2 x  x3 
Eksak vs. Prediksi
 Himpunan 5 pasangan data dalam
contoh ini sebenarnya dihitung dari
fungsi:

f ( x)  10  x 2  exp  15 x 

 Dengan demikian, nilai prediksi


dengan fungsi interpolasi bisa
dibandingkan dengan nilai eksaknya.

22
Eksak vs. Prediksi
Eksak Prediksi

22

20

18 f ( x)  10  x 2  exp  15 x 
16 f x   9,78
y

14  2,73x  1
12  0,97x  1x  2
 0,00221x  1x  2x  3
10
 0,00012x  1x  2x  3x  4
8
0 1 2 3 4
x

23
Error Prediksi
y y
x exact predicted error abs %
0,1 8,99 8,99 0,0047
0,2 9,00 9,00 0,0036
0,3 9,03 9,03 0,0028
0,4 9,08 9,08 0,0020
0,5 9,14 9,14 0,0015
0,6 9,23 9,23 0,0010
0,7 9,34 9,34 0,0006
0,8 9,47 9,47 0,0003
0,9 9,61 9,61 0,0001
1 9,78 9,78 0,0000
24
Jarak interval sembarang

Metode Selisih-terbagi Newton

25
Koefisien Fungsi Penaksir
Interval antar-x sembarang
 Dengan cara serupa seperti pada
kasus dengan interval antar-x
seragam, akan bisa diperoleh hasil
serupa pula.

 Perbedaan hanya terletak pada nilai


selisih penyebutnya saja.

26
Koefisien Fungsi Penaksir
Interval antar-x sembarang
a0  y0  0 y0
y1  y0
a1   1 y0
x1  x0
y2  y1 y1  y0

x2  x1 x1  x0 1 y1  1 y0
a2    2 y0
x2  x0 x2  x0
.
.
2 y1  2 y0
a3   y0 
3

x3  x0
n 1 y1  n 1 y0
an   y0 
n

xn  x0

27