Week7-9regresi Interpolasi

REGRESI DAN INTERPOLASI
Universitas Sanata Dharma

Pendahuluan
2
 Data yang berasal dari hasil pengamatan lapangan,

pengukuran atau tabel yang diambil dari buku-buku
acuan.
 Nilai antara, turunan, integral  mudah dicari untuk
fungsi polinom
 Fungsi sulit perlu disederhanakan menjadi fungsi
polinom  f ( x)  p ( x)
n
pn ( x)  a0  a1 x  a2 x 2  ...  an x n
Integrating academic excellence and humanistic values

Pendahuluan (Cont.)
3
 Bantuan beberapa titik dicocokan dalam kurva pn(x).

 Metode pencocokan titik dengan sebuah kurva ada 2
macam :
Y Y
X X
Regresi Interpolasi
Regresi
4
 Untuk data dengan berketelitian rendah

 Kurva tidak perlu melewati semua titik yang tersedia
 Kurva yang dibentuk merupakan kecenderungan dari
sekelompok data
 Dipilih kurva yang memiliki selisih antara titik data dengan
kurva hampiran sekecil mungkin
 Ketidaktelitian disebabkan oleh : kesalahan mengukur,
ketidaktelitian alat ukur atau kelakuan sistem yang diukur.

Regresi (Cont.)
5
 Prinsip penting yang harus diketahui dalam pencocokan

kurva untuk data hasil pengukuran :
 Fungsi mengandung sesedikit mungkin parameter bebas
 Deviasi fungsi dengan titik data dibuat minimum
 Manfaat Pencocokan Kurva untuk data hasil pengukuran :
 Bagi ahli sains/rekayasa : mengembangkan formula empirik untuk
sistem yang diteliti
 Bagi ahli ekonomi : menentukan kurva kecenderungan ekonomi
untuk meramalkan kecenderungan yang akan datang

Regresi Linier
6
 Persamaan kurva : f(x) = a + bx dari titik-titik

(xi,yi).
 Karena (xi,yi) merupakan hasil pengukuran yang
mengandung galat, maka dapat ditulis :
g(xi) =yi + ei, i = 1,2,…,n
 Deviasi persamaan kurva dengan nilai data :
ri = yi – f(xi) = yi – (a + bxi)

Regresi Linier (Cont.)

7
 Total kuadrat deviasinya :

n
R   ri    yi  a  bxi 
2 2
i 1
 Agar R minimum, maka haruslah :
dan
R  2  yi  a  bxi   0 R
b
 2 xi  yi  a  bxi   0
a
 Kedua persamaan dibagi -2, menjadi :
n n n n
 y
i 1
i  a  bxi   0   yi   a   bxi  0
i 1 i 1 i 1
n n n
 x y i i  a  bxi   0   xi yi  axi   bxi  0

i 1 i 1 i 1

Regresi Linier (Cont.)

8
 Selanjutnya :
n n
na  b xi   yi
n n n
 a   bx   y
i 1 i 1
i
i 1
i atau
i 1 i 1
n n n
a  xi  b xi   xi yi
n n n
 ax   bx   xi yi
2 2
i i
i 1 i 1 i 1 i 1 i 1 i 1
 Dalam bentuk persamaan matrik :

n n n
n xi yi   xi  yi
 n
   n
  i 
b i 1 i 1 i 1
 n x i   a  y 2
    i 1  Solusinya :
n
 n 
n i 1
 n xi    xi 
2
2    i 1 
n n
 x xi b   xi yi 
  i 1
i 1
i
i 1
  i 1  a  y  bx

Contoh :
9
Setiap biaya promosi (x) yang dikeluarkan oleh suatu perusahaan akan selalu
berpengaruh terhadap keuntungan (y) pada tiap tahun. Dari data suatu perusahaan
tertentu diperoleh data dalam jutaan rupiah sebagai berikut :
TAHUN BIAYA PROMOSI KEUNTUNGAN
1 1,5 3,6
2 1,0 2,8
3 2,0 4,3
4 2,8 5,4
5 0,4 1,9
6 1,3 2,9
Tentukanlah :
i. Persamaan garis regresinya
ii. Berapa keuntungan yang diperkirakan jika biaya promosi 10 Juta
Solusi :
Pertama kita tentukan variabel bebas (x) dan variabel takbebasnya (y). Dari data
tersebut kita dapat menentukan variabel bebasnya (x) adalah biaya promosi sedangan
variabel tak bebasnya (y) adalah keuntungan. Buat tabel untuk menghitung nilai b dan a
x y x.y x2
1,5 3,6 5,4 2,25
1,0 2,8 2,8 1,00
2,0 4,3 8,6 4,00
2,8 5,4 15,12 7,84
0,4 1,9 0,76 0,16
1,3 2,9 3,77 1,69
∑x = 9 ∑y = 20,9 ∑xy = 36,45 ∑ x 2 = 16,94

Solusi :
11
n xy   x y.
b =
n x 2  ( x ) 2
(6)(36,45)  (9)( 20,9) 218,70  188,1

= =
(6)(16,94)  (9) 2 101,64  81
30,60 Jadi persamaan garis regresinya

= = 1,48 adalah y = 1,26 + 1,48 x
20,64
Jika x = 10 maka y = 1,26 + 1,48

a =
y + b
x ( 10 ) = 16,06
n n jadi keuntungan yang
diperkirakan adalah 16,06 jt
20,9 9 7,56
= + ( 1,48 ) = = 1,26
6 6 6

Regresi Kuadratik
12
 Persamaan kurva : f(x) = a + bx +cx2 dari titik-titik

(xi,yi).
 Karena (xi,yi) merupakan hasil pengukuran yang
mengandung galat, maka dapat ditulis :
g(xi) =yi + ei, i = 1,2,…,n
 Deviasi persamaan kurva dengan nilai data :
ri = yi – f(xi) = yi – (a + bxi+cxi2)

Regresi Kuadratik (Cont.)

 Total kuadrat deviasinya :
n
R   ri   ( yi  a  bxi  cxi2 ) 2
2
i 1
 Agar R minimum, maka haruslah :
R  2 ( yi  a  bxi  cxi2 )  0

a
R  2 xi  ( yi  a  bxi  cxi2 )  0
b
R  2 x 2 ( y  a  bx  cx 2 )  0
c i i i i

Regresi Kuadratik (Cont.)

14
 Kedua persamaan dibagi -2, menjadi :

 (y  a  bx  cx )   y   a   bx   cx
i i
2
i i i
2
i
 x ( y  a  bx  cx )   x y   ax   bx   cx
i i i
2
i i i i
2
i
3
i
 x ( y  a  bx  cx )   x y   ax   bx   cx
2
i i i
2
i
2
i i
2
i
3
i
4
i

 a   bx   cx   y
i
2
i i
 ax   bx   cx   x y
i
2
i
3
i i i
 ax   bx   cx   x y
2
i
3
i
4
i
2
i i

 n

x x i
2
i
  a    yi 
   
  xi x x     i i 

2 3
i i b x y
 xi2 x x3 4   c   xi2 yi 
 i i   

Soal Kuadratik
Nomor Pasangan
Hasil Gabah (kg/ha) N (kg/ha)
Y X 𝑋2 𝑋3 𝑋4 X.Y 𝑋 2 .Y
1 4,878 0 0
2 5,506 30 900
3 6,083 60 3.600
4 6,291 90 8.100
5 6,361 120 14.400

Soal Kuadratik

Soal Kuadratik
X y = 12.503x + 5073.6
7,000
6,000
y = -0.1179x2 + 26.646x + 4861.5
5,000
Gabah (kg/Ha)
4,000
X
3,000 Linear (X)
Poly. (X)
2,000
1,000
-
0 20 40 60 80 100 120 140
N (kg/Ha)

Soal Kuadratik
Y X X2 X3 X4 X.Y X2.Y
4.878 0 0 0 0 0 0
5.506 30 900 27000 810000 165.18 4955.4
6.083 60 3600 216000 12960000 364.98 21898.8
6.291 90 8100 729000 65610000 566.19 50957.1
6.361 120 14400 1728000 207360000 763.32 91598.4
29.119 300 27,000 2,700,000 286,740,000 1,860 169,410
5 300 27.000 𝑎 29,119

300 27.000 2.700.000 . 𝑏 = 1.860
27.000 2.700.000 286.740.000 𝑐 169.410

Soal Kuadratik
5 300 27.000 𝑎 29,119

300 27.000 2.700.000 . 𝑏 = 1.860
27.000 2.700.000 286.740.000 𝑐 169.410
𝑎 4,8530 𝑌 = 4,8530 + 0,0271𝑋 − 0,0001𝑋 2

𝑏 = 0,0271
𝑐 −0,0001 𝑌 = 5,0736 + 0,0125𝑋

Linearisasi
20
 Regresi linier hanya cocok untuk data yang

memiliki hubungan linier antara variabel bebas
dengan variabel terikatnya.
 Penggambaran grafik dan pemeriksaan data
secara visual untuk memastikan apakah berlaku
suatu model linier

Linearisasi Pangkat Sederhana

 Mencocokkan data dengan fungsi y = Cxb
y  Cxb Sistem persamaan linier :
ln( y )  ln( C )  b ln( x)  7  1.2447 a  12.7139 

 1.2447 6.2522  b    1.0659
    
Y  a  bX Solusinya adalah : a = 1.8515, b = 0.1981
C  e a  e1.8515  6.369366
Jadi kurva yang dipakai :
y  6.369366 x 0.1981

Linearisasi Fungsi Eksponensial

22
 Mencocokkan data dengan fungsi y = Cebx

Sistem persamaan linier :
y  Cebx
ln( y )  ln( C )  bx ln( e)  7 8.26  a  12.7139
8.26 14.416 b    16.007 
ln( y )  ln( C )  bx     
Solusinya adalah : a = 1.5624, b = 0.2152
Y  a  bX C  e a  e a  .......
Jadi kurva yang dipakai :
y  Cebx

INTERPOLASI
23
 Para rekayasawan dan ahli ilmu alam sering

bekerja dengan sejumlah data diskrit (yang
umumnya disajikan dalam bentuk tabel). Data
didalam tabel mungkin diperoleh dari hasil
pengamatan dilapangan, hasil pengukuran
dilaboratorium, atau tabel yang diambil dari buku-
buku acuan.

Contoh :
Sebuah pengukuran fisika untuk menentukan

hubungan antara tegangan yang diberikan
kepada baja tahan karat dan waktu yang
diperlukan hingga baja tsb patah.
x 5 10 15 20 25 30 35
y 40 30 25 40 18 20 22
x = Tegangan yang diterapkan, kg/mm2

y = waktu patah , jam
25
 Interpolasi adalah teknik mencari harga suatu fungsi pada suatu

titik diantara 2 titik yang nilai fungsi pada ke-2 titik tersebut
sudah diketahui
 dpl. : cara menentukan harga fungsi f dititik x* ε [x0,xn] dengan
menggunakan informasi dari seluruh atau sebagian titik-titik
yang diketahui ( x0, x1, …., xn)
x x0 x1 x2 ……. xn
f(x) f(x0) f(x1) f(x2) ……. f(xn)

Perbedaan Interpolasi dan Ekstrapolasi

Teknik Umum yang digunakan :

27
(i) Membentuk polinomial berderajat ≤ n yg

mempunyai harga fungsi di titik-titik yang
diketahui  Polinomial Interpolasi
(ii) Masukkan titik yang ingin dicari harga
fungsinya ke dalam polinomial interpolasi

Jenis Interpolasi
28
 Interpolasi Linier
 Interpolasi Kuadrat
 Interpolasi Lagrange
 Interpolasi Newton

Interpolasi Linier
29
f(x)
L(x)
x0 x1 x

Interpolasi Kudrat
L(x)
f(x)
x0 h x1 h x2 x

Interpolasi Qubic
31
L(x) f(x)
x0 h x1 h x2 h x3 x

INTERPOLASI LINIER (1)

32
 Misalkan ada m bilangan : x1, x2, …., xm dan

bilangan lain yang berkaitan : y1, y2 , …., ym
 maka masalahnya : berapa harga y* pada
y
x* ε [xk,xk+1] ?
yk+1
? y*
yk
xk x* xk+1 x

33
 Ambil ruas garis yang menghubungkan titik

(xk,yk) dan (xk+1,yk+1)
 Diperoleh persamaan garisnya :
y *  yk yk  1  yk

x *  xk xk  1  xk
x *  xk
y *  yk  ( yk  1  yk )
xk  1  xk
x *  xk
y*  yk  ( yk  1  yk )
xk  1  xk

34
 Jadi persamaan garisnya adalah :

x *  xk
y*  yk  ( yk  1  yk )
xk  1  xk
y
yk+1
? y*
yk
xk x* xk+1 x
Contoh – 1 : (1)
35
Diketahui data sebagai berikut :

x -3 -2 -1 0 1 2 3 4 5 6 7
y 9 4 1 0 1 4 9 16 25 36 49
Tentukan harga y pada x = 6,5 !
Jawab : x = 6,5 terletak antara x=6 & x=7
x  xk
y  yk  ( yk  1  yk )
xk  1  xk
Hasilnya
(6,5  6)
y  36  (49  36)  42,5
(7  6)
Contoh – 1 : (2)
36
Alternatif 2 :
x = 6,5 terletak antara x=1 & x=7
x  xk
y  yk  ( yk  1  yk )
xk  1  xk
(6,5  1) (5,5)
y  1 (49  1)  1  (48)  45
(7  1) (6)
Hasilnya
Contoh – 1 : (3)
37
x -3 -2 -1 0 1 2 3 4 5 6 7
y 9 4 1 0 1 4 9 16 25 36 49
Bandingkan hasil kedua jawaban tersebut !!

Mana yang mendekati jawaban yang
sesungguhnya ..??
Karena hub. x & y adalah y = x2 maka untuk harga x =
6,5 didapat y = (6,5)2 = 42,25

=> Kesalahan mutlak (E) : |42,5 – 42,25| = 0,25

Contoh – 1 : (4)
38
Kesalahan mutlak (E), untuk :

y = 42,5  |42,5 – 42,25| = 0,25 = 25 %
Sedangkan untuk
y = 45  |45 – 42,25| = 3,25 = 325 %

Contoh-2 :
Diketahui tabel akar bilangan sbb :
39
N …. 2,14 2,15 2,16 ….

N1/2 …. 1,46287 1,46629 1,46969 ….
Tentukan akar dari 2,155
(2,155)1/2 = 1,46629 + (0,005/0,010) (1,46969 – 1,46629)
= 1,46629 + 0,00170
(2,155)1/2 = 1,46799
Kesalahan mutlaknya |1,4679918 -1,46799| = 0,0000018
 Tentukan akar dari 2,153 dan Kesalahan mutlaknya ! 2,153 = 1,46731
 2,153= 1,46629+(0,003/0,010)(1,46969-1,46629)= 1,46629+0,00102=1.46731

 Kesalahan mutlak
Contoh :
40
 Jarak yang dibutuhkan sebuah kendaraan untuk

berhenti adalah fungsi kecepatan. Data percobaan
berikut ini menunjukkan hubungan antara kecepatan
dan jarak yang dibutuhkan untuk menghentikan
kendaraan.
 Perkirakan jarak henti yang dibutuhkan bagi sebuah

kenderaan yang melaju dengan kecepatan 45 mil/jam.

Contoh :
41
 maka untuk mencari nilai x=45 maka,

Interpolasi Kuadrat
42
L(x)
f(x)
x0 h x1 h x2 x

INTERPOLASI KUADRAT
43
 Banyak kasus, penggunaan interpolasi linier tidak

memuaskan karena fungsi yang diinterpolasi berbeda
cukup besar dari fungsi linier
 Untuk itu digunakan polinomial lain yg berderajat dua
(interpolasi kuadrat) atau lebih mendekati fungsinya
 Caranya :
- Pilih 3 titik & buat polinomial berderajat dua melalui ke - 3
titik tsb., shg dpt dicari harga fgs. pada x = x*
- Pemilihan ke-3 ttk tsb., dapat :
- xk-1 < xk < xk+1 atau
- xk-1 < x* < xk < xk+1

Persamaan umum Polinomial kuadrat :

44
P(x) = a0 + a1 x + a2 x2 …..(*)
3 titik (xk-1,yk-1), (xk,yk) & (xk+1,yk+1) dilalui fgs. P(x) berarti:
yk-1 = a0 + a1 xk-1 + a2 xk-12
yk = a0 + a1 xk + a2 xk2 …………………………. (**)
yk+1 = a0 + a1 xk+1+ a2 xk+12
=> Akan diperoleh dari 3 pers. yaitu a0, a1 dan a2 kemudian

subst. ke (*) & diperoleh pers. kuadrat, shg dapat dicari
nilai fgs. untuk x = x* yaitu P(x*) = a0 + a1 x* + a2 x*2
=> Sistim pers. non homogen (**) memp. solusi dan solusinya
unik (tunggal)

Contoh 3:
45

kendaraan.


Solusi
46
𝑥0 = 40, 𝑦0 = 65 𝑥1 = 50, 𝑦1 = 90 𝑥2 = 60, 𝑦2 = 111
1600𝑎 + 40𝑏 + 𝑐 = 65
𝑎 = −0,02, b = 4,3, c = −75
2500𝑎 + 50𝑏 + 𝑐 = 90
𝑦 = −0,02. 𝑥 2 + 4,3. 𝑥 − 75
3600𝑎 + 60𝑏 + 𝑐 = 111
𝑥 = 45, 𝑦 = −0,02.452 + 4,3.45 − 75 = 78

Contoh :
47
 Diberikan titik ln(8) = 2.0794, ln(9) = 2.1972, ln(9.5) =

2.2513. Tentukan nilai ln(9.2) dengan interpolasi kuadrat
 Sistem Pers Linier yang terbentuk.

 64 a + 8 b + c = 2.0794
 81 a + 9 b + c = 2.1972
 90.25 a + 9.5 b + c = 2.2513
 Penyelesaian a= -0.0064 b = 0.2266
c = 0.6762
 Sehingga p2(9.2) = 2.2192

INTERPOLASI LAGRANGE
48
 Interpolasi Lagrange adalah salah satu formula untuk

interpolasi berselang tidak sama selain formula interpolasi
Newton umum & metoda Aitken. Walaupun demikian dapat
digunakan pula untuk interpolasi berselang sama.
 Misalkan fgs. y(x) kontinu & diferensiabel sampai turunan
(n+1) dalam interval buka (a,b). Diberikan (n+1) titik (x0,y0),
(x1,y1), …, (xn,yn) dengan nilai x tidak perlu berjarak sama
dengan yang lainnya, dan akan dicari suatu polinom
berderajat n. Untuk pemakaian praktis, formula interpolasi
Lagrange dapat dinyatakan sbb. :

Formula Interpolasi Lagrange

49
Jika y(x) : nilai yang diinterpolasi; x : nilai yg berkorespondensi dg y(x)

x0, x1, …., xn : nilai x dan y0, y1, …., yn : nilai y
( x  x1)( x  x 2)...( x  xn)

y ( x)  y0 
( x 0  x1)( x 0  x 2)...( x 0  xn)
( x  x 0)( x  x 2)...( x  xn)
y1 
( x1  x 0)( x1  x 2)...( x1  xn)
.
.
( x  x 0)( x  x1)...( x  xn  1)
yn
( xn  x 0)( xn  x1)...( xn  xn  1)
Contoh 1:
50
Nilai yg. berkorespondensi dengan y = 10log x adalah :
X 300 304 305 307

10log x 2,4771 2,4829 2,4843 2,4871
Carilah 10log 301 ?

Untuk menghitung y(x) = 10log 301 dimana x = 301, maka nilai diatas menjadi
x0 = 300 x1 = 304 x2 = 305 x3 = 307

y0 = 2,4771 y1 = 2,4829 y2 = 2,4843 y3 = 2,4871

Dengan menggunakan interpolasi lagrange

51
(301  304)(301  305)(301  307)

y (x)  2,4771 
(300  304)(300  305)(300  307)
(301  300)(301  305)(301  307)
2,4829 
(304  300)(304  305)(304  307)
(301  300)(301  304)(301  307)
2,4843 
(305  300)(305  304)(305  307)
(301  300)(301  304)(301  305)
2,4871
(307  301)(307  304)(307  305)
 1,2739  4,9658  4,4717  0,7106
y ( x)  2,4786
Contoh Soal

Solusi
Polinom Newton
 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 pn-1(x) dan pn(x) pada polinom Lagrange
 Polinom yang dibentuk sebelumnya dapat digunakan untuk
membentuk polinom derajat yang lebih tinggi.

Polinom Newton
 Persamaan Polinom Linier
( y1  y0 )
p1 ( x)  y 0  ( x  x0 )
( x1  x0 )
 Bentuk pers ini dapat ditulis :
p1 ( x)  a0  a1 ( x  x0 )
 Yang dalam hal ini (1)
a 0  y 0  f ( x0 )
( y1  y0 ) f ( x1 )  f ( x0 )
 Dan a1   (2)
( x1  x0 ) ( x1  x0 )
 Pers ini mrpk bentuk selisih terbagi (divided-difference)
a1  f [ x1 , x0 ]
Polinom Newton
 Polinom kuadratik p2 ( x)  a0  a1 ( x  x0 )  a2 ( x  x0 )( x  x1 )
 Atau p2 ( x)  p1 ( x)  a2 ( x  x0 )( x  x1 )
 Dari pers ini menunjukkan bahwa p2(x) dapat dibentuk dari pers
sebelumnya p1(x). Nilai a2 dapat ditemukan dengan mengganti x=x2
untuk mendapatkan f ( x )  a  a ( x  x ) (3)
a2  2 0 1 2 0
( x2  x0 )( x2  x1 )
 Nilai a0 dan a1 pada pers 1 dan 2 dimasukkan pada pers 3
f ( x2 )  f ( x1 ) f ( x1 )  f ( x0 )

x2  x1 x1  x0
a2 
x2  x0
Polinom Newton
 Dengan melakukan utak-atik aljabar, pers ini

lebih disukai
f ( x2 )  f ( x1 ) f ( x1 )  f ( x0 )

x2  x1 x1  x0 f [ x2 , x1 ]  f [ x1 , x0 ]
a2  
x2  x0 x2  x0

Polinom Newton
 Jadi tahapan pembentukan polinom Newton :
p1 ( x)  p0 ( x)  a1 ( x  x0 )
p1 ( x)  a0  a1 ( x  x0 )
p2 ( x)  p1 ( x)  a2 ( x  x0 )( x  x1 )
p2 ( x)  a0  a1 ( x  x0 )  a2 ( x  x0 )( x  x1 )
p3 ( x)  p 2 ( x)  a3 ( x  x0 )( x  x1 )( x  x2 )
p3 ( x)  a0  a1 ( x  x0 )  a2 ( x  x0 )( x  x1 )  a3 ( x  x0 )( x  x1 )( x  x2 )
Polinom Newton
 Nilai konstanta a0, a1, a2,…, an, merupakan nilai selisih terbagi , dg nilai
a0  f ( x0 )
a1  f [ x1 , x0 ]
a 2  f [ x 2 , x1 , x0 ]
 Yang dalam hal ini a n  f [ x n , x n 1 ,..., x1 , x0 ]
f ( xi )  f ( x j )
f [ xi , x j ] 
xi  x j
f [ xi , x j ]  f [ x j , x k ]
f [ xi , x j , x k ] 
xi  x k
f [ x n , x n 1 ,..., x1 ]  f [ x n 1 , x n 2 ,..., x1 , x0 )
f [ x n , x n 1 ,..., x1 , x0 ] 
x n  x0
Karena a0, a1,a2, …an, merupakan nilai selisih terbagi,

maka polinom Newton dinamakan polinom interpolasi selisih
terbagi Newton. Nilai selisih terbagi dapat dihitung dengan
menggunakan tabel yng disebut tabel selisih terbagi.
Integrating academic excellence and humanistic

60 values
Polinom Newton
 Dengan demikian polinom Newton dapat ditulis
dalam hub rekursif sebagai :
 Rekurens
pn ( x)  pn1 ( x)  ( x  x0 )( x  x1 )...( x  xn1 ) f [ xn , xn1 ,..., x1 , x0 ]
 basis p0 ( x)  f ( x0 )
 Atau dalam bentuk polinom yang lengkap sbb :
p n ( x)  f ( x0 )  ( x  x0 ) f [ x1 , x0 ]  ( x  x0 )( x  x1 ) f [ x2 , x1 , x0 ]
 ( x  x0 )( x  x1 )...( x  xn1 ) f [ xn , xn 1 ,..., x1 , x0 ]

Contoh Soal :
 Bentuklah polinom Newton derajat satu, dua, tiga dan empat yang
menghampiri f(x)=cos(x) dalam range[0.0, 4] dan jarak antar titik
adalah 1.0. Lalu taksirlah f(x) dengan x=2.5 dengan Polinom Newton
derajat 3.
xi yi ST-1 ST-2 ST-3 ST-4

0.0 1 -0.4597 -0.2484 0.1466 -0.0147
1.0 0.5403 -0.9564 0.1913 0.0880
2.0 -0.4161 -0.5739 0.4551
3.0 -0.99 0.3363
4.0 -0.6536

Solusi:
 Contoh cara menghitung nilai selisih terbagi
pada tabel :
f ( x1 )  f ( x0 ) 0.5403  1
f [ x1 , x0 ]    0.4597
( x1  x0 ) 1 0
f ( x2 )  f ( x1 )  0.4161  0.5403
f [ x2 , x1 ]    0.9564
( x2  x1 ) 2 1
f ( x3 )  f ( x2 )  0.99  0.4161
f [ x3 , x2 ]    0.5739
( x3  x2 ) 3 2
f [ x2 , x1 ]  f [ x1 , x0 ]  0.9564  0.4597
f [ x2 , x1 , x0 ]    0.2484
( x2  x0 ) 20
f [ x3 , x2 ]  f [ x2 , x1 ]  0.5739  0.9564
f [ x3 , x2 , x1 ]    0.1913
( x3  x1 ) 3 1
f [ x3 , x2 , x1 ]  f [ x2 , x1 , x0 ] 0.1913  0.2484
f [ x3 , x2 , x1 , x0 ]    0.1466
( x3  x0 ) 30

Contoh Soal :
 Bentuklah polinom Newton derajat satu, dua, tiga dan empat yang
menghampiri f(x)=cos(x) dalam range[0.0, 4] dan jarak antar titik
adalah 1.0. Lalu taksirlah f(x) dengan x=2.5 dengan Polinom Newton
derajat 3.
xi yi ST-1 ST-2 ST-3 ST-4

0.0 1 -0.4597 -0.2484 0.1466 -0.0147
1.0 0.5403 -0.9564 0.1913 0.0880
2.0 -0.4161 -0.5739 0.4551
3.0 -0.99 0.3363
4.0 -0.6536

Solusi:
 Maka polinom Newton derajat 1,2 dan 3 dengan x0 = 0
sebagai titik pertama :
cos( x)  p1 ( x)  1.0  0.4597( x  0.0)
cos( x)  p2 ( x)  1.0  0.4597 ( x  0.0)  0.2484( x  0.0)( x  1.0)
cos( x)  p3 ( x)  1.0  0.4597 ( x  0.0)  0.2484( x  0.0)( x  1.0) 
0.1466( x  0.0)( x  1.0)( x  2.0)
cos( x)  p4 ( x)  1.0  0.4597 ( x  0.0)  0.2484( x  0.0)( x  1.0) 
0.1466( x  0.0)( x  1.0)( x  2.0)  0.0147( x  0.0)( x  1.0)( x  2.0)( x  3.0)
 Nilai sejati f(2.5) adalah

 F(2.5) = cos(2.5)=-0.8011

Solusi:
 Maka polinom Newton derajat 1,2 dan 3 dengan x0 = 0
sebagai titik pertama :
cos( x)  p4 ( x)  1.0  0.4597 ( x  0.0)  0.2484( x  0.0)( x  1.0) 

0.1466( x  0.0)( x  1.0)( x  2.0)  0.0147( x  0.0)( x  1.0)( x  2.0)( x  3.0)
 Nilai sejati f(2.5) adalah

 F(2.5) = cos(2.5)=-0.8011

Contoh Soal

Solusi

Solusi

Tugas MetNum
70

kendaraan.
 Buat Polinomial Newton untuk data di atas.


Solusi
Tabel Polinomial Newton
x y 1st 2nd 3rd 4th 5th 6th

10 12 0.9 0.08 -0.00367 0.000141667 -4.66667E-06 0.00000015
20 21 2.5 -0.03 0.002 -9.16667E-05 4.33333E-06
30 46 1.9 0.03 -0.00167 0.000125
40 65 2.5 -0.02 0.003333
50 90 2.1 0.08
60 111 3.7
70 148
Persamaan Polinomial Newton

𝒀 = 𝟏𝟐 + 𝟎, 𝟗. 𝒙 − 𝟏𝟎 + 𝟎, 𝟎𝟖 𝒙 − 𝟏𝟎 . 𝒙 − 𝟐𝟎 − 𝟎, 𝟎𝟎𝟑𝟔𝟕.(x-10).(x-20).(x-30)+
0,000142(x-10).(x-20).(x-30) .(x-40)- 0,00000467.(x-10).(x-20).(x-30).(x-40).(x-50)+
0,00000015(x-10).(x-20).(x-30).(x-40).(x-50).(x-60)
x 45 Y 76.9

Week7-9regresi Interpolasi

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Week7-9regresi Interpolasi

Diunggah oleh

Hak Cipta:

Format Tersedia

REGRESI DAN INTERPOLASI

Universitas Sanata Dharma

 Data yang berasal dari hasil pengamatan lapangan,

Integrating academic excellence and humanistic values

 Bantuan beberapa titik dicocokan dalam kurva pn(x).

 Untuk data dengan berketelitian rendah

Integrating academic excellence and humanistic values

 Prinsip penting yang harus diketahui dalam pencocokan

Integrating academic excellence and humanistic values

 Persamaan kurva : f(x) = a + bx dari titik-titik

Integrating academic excellence and humanistic values

Regresi Linier (Cont.)

 Total kuadrat deviasinya :

 x y i i  a  bxi   0   xi yi  axi   bxi  0

Integrating academic excellence and humanistic values

Regresi Linier (Cont.)

 Dalam bentuk persamaan matrik :

Integrating academic excellence and humanistic values

TAHUN BIAYA PROMOSI KEUNTUNGAN

Integrating academic excellence and humanistic values

(6)(36,45)  (9)( 20,9) 218,70  188,1

30,60 Jadi persamaan garis regresinya

Jika x = 10 maka y = 1,26 + 1,48

Integrating academic excellence and humanistic values

 Persamaan kurva : f(x) = a + bx +cx2 dari titik-titik

Integrating academic excellence and humanistic values

Regresi Kuadratik (Cont.)

R  2 ( yi  a  bxi  cxi2 )  0

Integrating academic excellence and humanistic values

Regresi Kuadratik (Cont.)

 Kedua persamaan dibagi -2, menjadi :

Integrating academic excellence and humanistic values

Integrating academic excellence and humanistic values

Integrating academic excellence and humanistic values

Integrating academic excellence and humanistic values

29.119 300 27,000 2,700,000 286,740,000 1,860 169,410

5 300 27.000 𝑎 29,119

Integrating academic excellence and humanistic values

5 300 27.000 𝑎 29,119

𝑎 4,8530 𝑌 = 4,8530 + 0,0271𝑋 − 0,0001𝑋 2

Integrating academic excellence and humanistic values

 Regresi linier hanya cocok untuk data yang

Integrating academic excellence and humanistic values

Linearisasi Pangkat Sederhana

ln( y )  ln( C )  b ln( x)  7  1.2447 a  12.7139 

Y  a  bX Solusinya adalah : a = 1.8515, b = 0.1981

Integrating academic excellence and humanistic values

Linearisasi Fungsi Eksponensial

 Mencocokkan data dengan fungsi y = Cebx

Solusinya adalah : a = 1.5624, b = 0.2152

Integrating academic excellence and humanistic values

 Para rekayasawan dan ahli ilmu alam sering

Integrating academic excellence and humanistic values

Sebuah pengukuran fisika untuk menentukan

x = Tegangan yang diterapkan, kg/mm2

 Interpolasi adalah teknik mencari harga suatu fungsi pada suatu

f(x) f(x0) f(x1) f(x2) ……. f(xn)

Integrating academic excellence and humanistic values

Perbedaan Interpolasi dan Ekstrapolasi

Integrating academic excellence and humanistic values

Teknik Umum yang digunakan :

(i) Membentuk polinomial berderajat ≤ n yg

Integrating academic excellence and humanistic values