Interpolasi dan Ekstrapolasi

1. Pendahuluan
• Salah satu masalah dimensi dua adalah
interpolasi atau extrapolasi.
• Interpolasi dan extrapolasi adalah prediksi
nilai berdasarkan data hasil pengukuran
yang diberikan.
• Fungsi interpolasi adalah suatu fungsi yang
melewati titik-titik data dengan
meminimalkan kesalahan.
 2. Interpolasi Dimensi Dua Linear
• Interpolasi dimensi dua (linear) merupakan
basis dalam beberapa penyelesaian numerik.
• Penentuan titik-titik grid dalam perhitungan
integral suatu fungsi dengan metode trapesium
dilakukan dengan interpolasi linear.
• Kemiringan (gradien) dalam interpolasi linear
merupakan pendekatan untuk difrensial
(turunan) pertama dari suatu fungsi.
• Interpolasi linear adalah garis yang tepat
melalui dua titik data.
Contoh :
Berikut diberikan data tegangan (N/m2) pada
berbagai suhu (oC). Berdasarkan data tersebut
prediksilah tegangan pada suhu 86 dan 20 oC.
Suhu Teg
26 0
36 0,2
46 0,4
56 0,6
66 0,8
81 1,1
86 1,2
20 -0,12

Hasil ini menunjukkan bahwa nilai yang diperoleh

cocok 100 % (kesalahannya 0% dapat diterima)
Bagaimana memperoleh hal ini ?
Perumusannya dapat dilakukan melalui konsep
gradien (kemiringan) :
Y
y= f(x)

y2
y - y1 y 2 - y1 y 2 - y
y tan    
y1  x - x1 x 2 - x1 x 2 - x

X
x1 x x2
y 2 - y1
y  y1 
y 2 - y1
x - x1 
atau y  y2  x 2 - x 
x 2 - x1 x 2 - x1
Sesuaikan kedua persamaan ini dengan
persamaan garis lurus y = a + bx
x=16, y=0,195; x=18,y=0,184; untuk x = 17,y=?
y = a + bx, dengan koefisien a dan b adalah :
Yi X  X X Y 
2
a i i i i

NX  X 
2 2
i i

NX i Yi   X i Yi 

b
NX i  X i 
2 2

Untuk perhitungan a dan b dapat dibantu melalui

tabel berikut
No Xi Yi Xi Yi X i2
1
2
.
N

Bagaimana dengan data berikut ?
Berikut diberikan data viskositas air (x10-3
Ns/m2) pada berbagai suhu (oC). Berdasarkan
data tersebut prediksilah viskositas pada suhu
20 oC.
T (C) h
0 1.792
10 1.308
30 0.801
50 0.549
70 0.406
90 0.317
100 0.284
20 1.202

Hasil ini menunjukkan bahwa nilai yang

diperoleh 1,202 memiliki kecocokan 85,8 %,
tentu hal ini sulit diterima (error 14,2%).
Untuk memperoleh hasil yang dapat diterima ,
maka dicari cara (pendekatan) lain misalnya
eksponensial yang memiliki tingkat ketepatan
yang lebih tinggi (error < 5%)

T (C) h
0 1,792
10 1,308
30 0,801
50 0,549
70 0,406
90 0,317
100 0,284
20 1,261

Hasil ini menunjukkan bahwa nilai yang

diperoleh 1,261 memiliki kecocokan 97,5% ,
tentu hal ini dapat diterima (error 2,5%).
 3. Interpolasi Lagrange
• Interpolasi orde satu (linear) tidak selalu dapat
mendekati hasil yang sebenarnya.
• Salah satu interpolasi yang lebih handal yaitu
interpolasi Lagrange.
• Interpolasi ini termasuk interpolasi polinomial
orde N-1 bergantung pada banyaknya data N,
sehingga menjadi interpolasi linear jika
banyaknya data N = 2, sehingga orde N-1=1.
• Pada interpolasi Lagrange tidak dapat
ditentukan bentuk persamaan polinomialnya
tetapi langsung dihitung nilainya.
Anggaplah N+1 pasangan data sbb:
Y
i xi fi fN y= f(x)
0 x0 f0 fN-1
f
1 x1 f1
f0 f1 f2
... ... ...
N xN fN
X
x0 x1 x2 x xN-1 xN

Dengan x0, x1, .., xN-1 adalah absis dari titik data
(titik grid) dengan lebar grid sembarang maka
polinomial orde N yang melewati N+1 titik data
dapat dituliskan sebagai deret pangkat sbb:
2 N
y(x)  a 0  a 1x  a 2 x  ...  a N x ...1)
Dengan ai adalah adalah koefisien tak dapat
ditentukan. Mencari deret pangkat orde N dari
N+1 titik data memberikan suatu sistem
persamaan sebagai berikut :
2 N
f 0  a 0  a 1x 0  a x ...  a x
2 0 N 0
2 N
f1  a 0  a1x1  a x ...  a x
2 1 N 1
........ ....2)
2 N
f N  a 0  a 1x N  a 2 x ...  a N x
N N

Walaupun koefisien-koefisien ai dapat ditentukan

dengan menyelesaikan persamaan simultan,
tetapi tidak disarankan.
Ide dasar dari interpolasi Lagrange, perhatikan
faktor perkalian berikut :
L 0 (x)  ( x - x1 )(x - x 2 ) ... (x - x N ) ...3)
yang merupakan polinomial orde N dari x
berkaitan dengan N+1 data. Fungsi ini akan
bernilai nol pada x=x1, x2, ... , xN. Pada x0 harga
fungsi tersebut menjadi :
L 0 (x 0 )  ( x 0 - x1 )(x 0 - x 2 ) ... (x 0 - x N ) ...4)
Hasil pembagian kedua persamaan ini menjadi :
( x - x1 )(x - x 2 ) ... (x - x N )
V0 (x)  ...5)
( x 0 - x1 )(x 0 - x 2 ) ... (x 0 - x N )
Jika persamaan 5) diterapkan untuk data xi dipe
roleh :
( x - x1 )(x - x 2 ) ... (x - x N )
Vi (x) 
( x i - x1 )(x i - x 2 ) ... (x i - x N )
...6)
Jika dianalisa persamaan ini, untuk pembilang
tidak diikutkan (x-xi) dan bagian penyebut tidak
diikutkan (xi-xi). Fungsi polinomial Vi(x) adalah
polinomial orde N bernilai 1 untuk x=xi dan bernilai
nol untuk x=xj, dengan ij. Jika dikalikan
V0(x), V1(x), ... VN(x) dengan f0, f1, ... fN , kemudian
dijumlahkan akan diperoleh persamaan polinomial
orde N dan bernilai f untuk i = 0, 1, ..., N
 ( x - x1 )(x - x 2 ) ... (x - x N )
g(x)  f0
( x 0 - x1 )(x 0 - x 2 ) ... (x 0 - x N )
( x - x 0 )(x - x 2 ) ... (x - x N )
 f1
( x1 - x 0 )(x1 - x 2 ) ... (x1 - x N )
( x - x 0 )(x - x1 ) ... (x - x N ) ...7)
 f2
( x 2 - x 0 )(x 2 - x1 ) ... (x 2 - x N )

( x - x1 )(x - x 2 ) ... (x - x N -1 )
 fN
( x N - x 0 )(x N - x1 ) ... (x N - x N -1 )
Persamaan 7) dapat dituliskan sbb :
N
g(x)   ηi (x) f i
i 0
...8)
dengan :
N x  xj
ηi (x)   ...9)
j 0 xi  x j
i j
dimana harga x adalah masukan, dan pasangan
data(xi,fi) juga masukan untuk i =0, 1, 2, ..., N,
dan harga g(x) adalah hasil interpolasi atau
ekstrapolasi.
Contoh : Densitas(kg/m3) dari sodium untuk tiga
suhu(oC) diberikan pada tabel berikut :
a.Tuliskanlah
i Ti rumus
i interpolasi Lagrangenya
0 94 929
b.Berdasarkan
1 205 902
persamaan tersebut hitunglah
g(251
2
o
C)
371 860

Penjelasan : Karena banyaknya data N+1 =3

maka orde persamaan lagrange adalah N = 2.
a)
b) Dengan subtitusi
( T -205)(T -371)
T = 251 diperoleh
( T -94)(T -371) ( T -94)(T -205)
g(T)  929  3 902  860
g(251)=890,6 kg/m
( 94  205 )(94 -3 71) ( 205 - 94)(205- 371) ( 371 - 94)(371 - 205)
Gambar Hasil Eksekusi Program
Gambar Hasil Eksekusi Program
3. Interpolasi Dimensi Dua
Interpolasi dimensi dua dapat dikelompokkan
atas 2, yaitu :
1.Interpolasi ganda (double interpolation)
Menggunakan interpolasi dimensi satu (baik
yang linear maupun polinomial) sebanyak
dua kali (sekali untuk sumbu X dan sekali
lagi untuk sumbu Y).
2.Interpolasi polinomial dua dimensi, mengem
bangkan interpolasi polinomial satu dimensi
menjadi dua dimensi.
Perhatikan diagram berikut

F(Xi-1 , Yj+1) F(Xi , Yj+1) F(Xi+1 , Yj+1)

F(Xi-1 , Yj) F(Xi , Yj) F(Xi+1 , Yj)

F(Xi-1 , Yj-1) F(Xi , Yj-1) F(Xj+1 , Yj-1)

Jika interpolasi dilakukan melalui pendekatan
sumbu Y: y j1  y j y j  y j-1
f(x i-1 , y j )  f(x i-1 , y j-1 )  f(x i-1 , y j1)
y j1  y j-1 y j1  y j-1 ...10)
y j1  y j y j  y j-1
f(x i1 , y j )  f(x i1 , y j-1)  f(x i1 , y j1) ...11)
y j1  y j-1 y j1  y j-1

Sehingga: x  x x i  x i-1
f(x i , y j ) 
i 1 i
f(x i-1 , y j )  f(x i1 , y j )
x i1  x i-1 x i1  x i-1 ...12)
Subtitusi 10) dan 11) ke 12) diperoleh :
x i1  x i y j1  y j x i1  x i y j  y j-1
f(x i , y j )  f(x i-1 , y j-1 )  f(x i-1 , y j1 )
x i1  x i-1 y j1  y j-1 x i1  x i-1 y j1  y j-1
x i  x i-1 y j1  y j x i  x i-1 y j  y j-1
 f(x i1 , y j-1 )  f(x i1 , y j1)
x i1  x i-1 y j1  y j-1 x i1  x i-1 y j1  y j-1 ...13)
Jika persamaan 13) disederhanakan menjadi :
(x i1  x i )( y j1  y j )f(x i-1 , y j-1 )  ( x i1  x i )( y j  y j-1 )f(x i-1 , y j1 )
f(x i , y j ) 
...14) (x i1  x i-1 )( y j1  y j-1 )
(x i  x i-1 )( y j1  y j )f(x i1 , y j-1 )  ( x i  x i-1 )( y j  y j-1 )f(x i1 , y j1 )

(x i1  x i-1 )(y j1  y j-1 )
Tahap interpolasi dilakukan dengan pendekatan
arah sumbu x, dengan menghitung f(xi,yj-1) ,
f(xi,yj+1) kemudian menghitung f(xi,yj).
Demikian juga dalam menghitung f(xi,yj-1) , f(xi,yj+1)
dan f(xi,yj) dapat digunakan rumusan interpolasi
polinomial seperti Lagrange (sudah dibahas
sebelumnya).
 Pendekatan dari arah sumbu X dan Y
1. Pendekatan dari Sumbu Y

    Xi-1 Xi Xi+1

  30 32 40
F(Xi-1 , Yj+1) F(Xi , Yj+1) F(Xi+1 , Yj+1)
Yj+1 38 1,76   1,71

Yi 39 1,750 1,740 1,700

Yi-1 40 1,74   1,69

F(Xi-1 , Yj) F(Xi , Yj) F(Xi+1 , Yj)

2. Pendekatan dari Sumbu X

    Xi-1 Xi Xi+1

  30 32 40
F(Xi-1 , Yj-1) F(Xi-1 , Yj-1) F(Xj+1 , Yj-1)
Yi+1 38 1,76 1,750 1,71

Yj 39   1,740  

Yj-1 40 1,74 1,730 1,69