REGRESI DAN INTERPOLASI

Zofar Banunaek
Capaian Pembelajaran
 Mahasiswa menguasai dan memahami cara
melakukan interpolasi dan regresi dengan metode
numerik.
Pengantar
 Data yang sering dijumpai dilapangan oleh para
engginering atau rekayasawan sering dalam
bentuk data diskrit, yang umumnya disajikan dalam
bentuk tabel. Sebagai contoh, berikut ini adalah
data suhu kota Soe, pada suatu hari.

Pukul 1 2 3 4 5 6 7 8 9 10 11 12

Suhu 19 17 18 20 21 24 27 29 32 31 33 34
 Masalah yang sering dijumpai terhadap data tersebut
adalah menentukan suatu nilai diantara titik-titik
tersebut, tanpa melakukan pengukuran lagi.
 Misalkan kita ingin mengetahui suhu kota Soe pada
pukul 1 lebih 30 menit? Pertanyaan ini tidak dapat
terjawab secara langsung, karena fungsi yang
menghubungkan antara variabel waktu dan suhu tidak
diketahui.
 Salah satu solusinya adalah dengan mencari fungsi
yang mencocokkan (fit) titik-titik dalam tabel tersebut.
 Pendekatan ini disebut percocokan kurva.
 Pencocokan kurva adalah sebuah metode yang
mencocokkan titik data dengan sebuah kurva fungsi.
Hal ini dibedakan menjadi 2 metode, yaitu :
1. Metode Regresi
2. Metode Interpolasi.
Metode interpolasi memegang peranan yang
sangat penting dalam metode numerik. Fungsi
yang tampak sangat rumit, akan menjadi
sederhana jika dinyatakan dalam polinom
interpolasi.
Macam-macam Interpolasi
 Interpolasi linear
Interpolasi dua buah titik dengan sebuah garis lurus.
Misalkan dua buah titik (Xo,Yo) dan (X1, Y1).
Polinom yang menginterpolasi kedua titik tersebut
adalah sebuah persamaan garis lurus yang
berbentuk p1(x) = a0+a1x …………………(1)
 Interpolasi Polinom
 Koefisien ao dan a1 pada persamaan 1, dapat
ditentukan dengan substitusi dan eliminasi.
Cara 1:
 Kita mensubstitusi (Xo,Yo) dan (x1,y1) kedalam
persamaan tersebut diperoleh dua buah
persamaan linear.
y0 = a0 +a1x0
y1 = a0+a1x1
 Jika kedua persamaan diselesaikan dengan
eliminasi, maka diperoleh (mhs, berlatih di rumah)
 Selanjutnya 2 persamaan yang sudah didapat

disubstitusikan ke dalam persamaan untuk

mendapatkan persamaan garis lurus.
 Persamaan garis lurus yang melalui dua buah titik
yaitu :
(Xo,Yo) dan (X1,Y1)
 Perhatikan contoh halaman 117-119.
Interpolasi dengan Matlab
 Contoh yang sederhana dalam interpolasi adalah
plot matlab. Matlab secara otomatis akan
menggambar garis lurus yang menghubungkan titik-
titik data.
 Interpolasi ini dikatakan linear dan memperkirakan
bahwa nilai-nilai antara berada pada garis lurus
tersebut.
 Jelas bahwa ketika jumlah data semakin banyak
dan jarak masing-masing titik semakin kecil, maka
tingkat akurasi dari interpolasi akan semakin tinggi.
Diberikan Perintah berikut:
Dengan menjalankan perintah tersebut, maka diperoleh :

Dari 2 grafik sinus

disamping, diplot dengan
jumlah titik sebanyak 50
data memiliki tingkat
akurasi yang lebih tinggi
dari pada 5 data, sehingga
untuk mengestimasi nilai-
nilai fungsi diantara titik-
titik yang sudah diketahui
juga akan semakin
mendekati kebenaran.
• Contoh halaman 122
  Dari contoh sebelumnya. Kondisi suhu di kota soe
dapat diinterpolasi dengan matlab melalui perintah
sebagai berikut :

Pukul 1 2 3 4 5 6 7 8 9 10 11 12

Suhu 19 17 18 20 21 24 27 29 32 31 33 34
REGRESI DAN INTERPOLASI
 >> waktu = 1:12;
 >> suhu = [19 17 18 20 21 24 27 29 32 31 33
34];
 >> plot (waktu,suhu,waktu, suhu,'+')
 >> title('suhu di kota padang')
 >> xlabel ('waktu'),ylabel ('Derajat Celcius')
 >> grid on
 >>
 Interpolasi Linear
Dari contoh sebelumnya. Kondisi suhu di kota soe dapat
diinterpolasi dengan matlab melalui perintah sebagai
berikut :
 Dengan t1 dan t2 berturut-turut adalah perkiraan
suhu pada pukul 4 lewat 25 menit dan pukul 9
lewat 50 menit. Jika perintah tersebut dijalankan
maka diperoleh :

Jadi, diperoleh suhu pada pukul 04.25 sebesar 20.25ºc,

dan suhu pada pukul 09.50 sebesar 31.5ºc
Interpolasi Spline
Berbeda dengan interpolasi linear, interpolasi
spline, perintah dalam matlab sama dengan
interpolasi linear, namun ditambahkan dengan
keterangan spline.

Contoh : Akan diperkirakan suhu pada pukul 5 lewat

15 menit dengan interpolasi kubik, maka dapat
digunakan perintah.
Sehingga diperoleh :

Jadi diperoleh suhu pada pukul 04.25 sebesar

20.2559ºc
 REGRESI
X 1 2 3 4 5 6 7 8 9 10

Y 1 1.44 1.89 2.33 2.78 3.22 3.67 4.11 4.56 5

Jika melihat sebaran data, maka best fit, dapat dilihat

dengan perintah “Poly fit”

Perintah Poly fit( x,y,2) menggambarkan best fit, untuk
sebaran data x dan y dan polinomial 0.0015x² +
0.4403x + 0.48 adalah fungsi yang paling mendekati
pasangan sebaran data yang diberikan.
 TUGAS LATIHAN
1. Tentukan polinomial yang menghubungkan titik
(0,1), (1,3) dan (2,13) dengan interpolasi
kuadratik.
2. Gunakan interpolasi kubik untuk mengestimasi nilai
f(1,7) dari pasangan data dibawah ini.

X 0 0.4 0.9 1.5 2.2 3.0

F(x) 1.00000 0.81873 0.63763 0.47237 0.33287 0.22313