INTERPOLATION
Interpolation
Interpolasi biasanya digunakan apabila kita ingin mencari suatu
nilai yang tidak diketahui diantara titik data yang diketahui. Misal
kita mempunyai data dari hasil eksperimental seperti tabel
dibawah. Kita tidak akan dapat mengetahui secara langsung nilai y
pada x = 1.25 karena fungsi y = f(x) tidak diketahui secara jelas
(eksplisit).
x y
1 1
1.1 1.21
1.2 1.44
1.3 1.69
1.4 1.96
1.5 2.25
Ada beberapa cara interpolasi yang dapat digunakan tergantung
pada anggapan kita tentang fungsi y = f(x). Metode yang sering
digunakan adalah dengan menggunakan suatu polinom (suku
banyak) seperti berikut:
f ( x ) a 0 a1 x a 2 x 2 a3 x 3 ... a n x n
Untuk n+1 buah titik data, terdapat satu dan hanya satu polinomial
orde n atau kurang yang memenuhi semua titik.
Sebagai contoh hanya ada satu garis lurus (polinom derajat satu)
yang menghubungkan dua buah titik. Demikian juga, hanya satu
parabola (polinom derajat dua) yang menghubungkan tiga buah
titik.
1
INTERPOLATION
Ilustrasi keterangan diatas dapat dilihat pada gambar berikut:
(a) Interpolasi Linear (b) Interpolasi Kuadrat
Beberapa cara interpolasi yang akan dibahas pada bagian ini
adalah:
- Interpolasi Polinom Newton
- Interpolasi Polinom Lagrange
Interpolasi Polinom Newton
Interpolasi polinom newton yang akan dibahas pada bagian ini
adalah interpolasi linear dan interpolasi kuadrat.
Interpolasi Linear
Merupakan bentuk interpolasi yang paling sederhana yang
dilakukan dengan menghubungkan dua buah titik data dengan
suatu garis lurus.
Sehingga pada metode ini dibutuhkan 2 data yang diketahui
nilainya. Selanjutnya nilai antara dihitung dengan menghubungkan
2 data tersebut dengan garis lurus.
2
INTERPOLATION
Secara grafis interpolasi linear dapat diilustrasikan pada gambar
berikut:
Dengan menggunakan perbandingan segitiga sebangun maka
diperoleh hubungan:
f1 ( x) f ( x0 ) f ( x1 ) f ( x0 )
x x0 x1 x0
dapat ditulis kembali untuk mendapatkan:
f ( x1 ) f ( x0 )
f1 ( x) f ( x0 ) ( x x0 )
x1 x0
yang merupakan formula interpolasi linear.
Jika interval antara titik data semakin kecil, maka hasil
pendekatan akan semakin bagus.
3
INTERPOLATION
Contoh:
x ln x x Lin. Int. x Lin. Int. x Lin. Int.
1 0.000 1 0.000 1 0.000 1 0.000
2 0.693 2 0.549 2 0.462 2 0.358
3 1.099 3 1.099 4 1.386 6 1.792
4 1.386
5 1.609
6 1.792
7 1.946
1.386 0 1.792 0
f 1 ( 2) 0 (2 1) 0.462 ; f1 ( 2) 0 ( 2 1) 0.358
6 1 6 1
0.693 0.462 0.693 0.358
t x 100% 33.3% ; t x 100% 48.3%
0.462 0.693
2.0
1.5
y = ln x
1.0
0.5
0.0
0 2 4 6 8
x
ln x Lin. Int. Lin. Int. Lin. Int.
4
INTERPOLATION
Interpolasi Kuadrat
Nilai eror pada contoh diatas adalah karena kita mendapatkan
nilai prediksi dengan garis lurus. Jika tersedia tiga titik data, maka
interpolasi dapat dilakukan dengan polinomial derajat dua
(polinomial kuadrat atau parabola) yang persamaannya sebagai
berikut:
f 2 ( x) b0 b1 ( x x0 ) b2 ( x x0 )( x x1 )
Bentuk polinomial yang dikenal secara umum adalah:
f ( x ) a 0 a1 x a 2 x 2 a3 x 3 ... a n x n
Pemotongan sampai 3 suku pertama memberikan polinomial
kuadratik:
f ( x ) a 0 a1 x a 2 x 2
Jika persamaan f2(x) diatas diselesaikan akan menghasilkan:
f 2 ( x ) (b0 b1 x0 b2 x0 x1 ) (b1 b2 x0 b2 x1 ) x (b2 ) x 2
a0 a1 a2
Koefisien-koefisien persamaan diatas dapat diperoleh dengan
menerapkan syarat batas. Ada 3 unknown (b0 , b1 , b2), berarti
harus ada 3 data yang harus diketahui (misal x0 , x1 , x2).
Substitusi x = x0 , x = x1 , x = x2 ke persamaan f2(x) berturut-turut
akan menghasilkan :
5
INTERPOLATION
b0 f ( x0 )
f ( x1 ) f ( x0 )
b1
x1 x0
f ( x 2 ) f ( x1 )
b1
b2
x 2 x1
x 2 x0
Jika digunakan untuk interpolasi linier, persamaan f2(x) menjadi:
f1 ( x) b0 b1 ( x x0 )
Substitusi koefisien b0 dan b2 diatas akan memberikan:
f ( x1 ) f ( x0 )
f 1 ( x ) f ( x0 ) ( x x0 )
x1 x0
Terlihat bahwa didapat lagi persamaan interpolasi linear.
6
INTERPOLATION
Contoh soal
Gunakan Interpolasi Kuadratik Newton untuk menentukan nilai f(2)
x f(x) = ln x
1 0
4 1.386
6 1.792
Solusi :
b0 = 0
1.386 0
b1 0.462
4 1
1.792 1.386
0.462
b2 6 4 0.052
6 1
Substitusi ke pers. f2(x) menghasilkan :
f2(2) = 0 + 0.462 (x - 1) – 0.052 (x - 1) (x - 4)
= 0.566 (t = 18.4 %)
7
INTERPOLATION
x ln x b0 b1 b2 x Int. Kuad. b0 b1 b2 x Int. Kuad.
1 0.000 1 0.000 1 0.000
2 0.693 0.000 0.549 -0.087 2 0.637 0.000 0.462 -0.052 2 0.566
3 1.099 3 1.099 4 1.386
4 1.386 4 1.386 6 1.792
5 1.609
6 1.792
7 1.946
2.0
1.5
y = ln x
1.0
0.5
0.0
0 2 4 6 8
x
ln x Lin. Int. Lin. Int.
Dari kurva diatas dan nilai eror yang dihasilkan bisa dilihat bahwa
nilai pendekatan yang didapat dengan metoda interpolasi kuadrat
lebih baik dibanding dengan interpolasi linear.
8
INTERPOLATION
Interpolasi Polinomial Lagrange
Interpolasi Polinomial Lagrange merupakan reformulasi dari
Interpolasi Polinomial Newton dalam bentuk yang lebih sederhana.
Bentuk umum Interpolasi Polinomial Lagrange :
n
f n ( x) Li ( x) f ( xi )
i 0
dimana :
n x xj
Li ( x)
j 0 xi xj
j i
dimana mempunyai arti hasil kali dari.
Misal :
Untuk versi linier n = 1
x x1 x x0
f1 ( x) f ( x0 ) f ( x1 )
x0 x1 x1 x0
Untuk versi orde dua n = 2
( x x1 )( x x 2 ) ( x x0 )( x x 2 ) ( x x0 )( x x1 )
f 2 ( x) f ( x0 ) f ( x1 ) f ( x2 )
( x0 x1 )( x0 x 2 ) ( x1 x0 )( x1 x 2 ) ( x 2 x0 )( x 2 x1 )
9
INTERPOLATION
Contoh Soal
Selesaikan soal yang sama dengan contoh soal pada Interpolasi
Kuadratik Newton :
x0 = 1 f(x0) = 0
x1 = 4 f(x1) = 1.386
x2 = 6 f(x2) = 1.792
Solusi eksak : f(x) = ln (x)
Solusi :
- versi linier :
24 2 1
f1 (2) ( 0) (1.386) 0.462
1 4 4 1
- versi orde dua :
(2 4)(2 6) (2 1)(2 6) (2 1)(2 4)
f 2 (2) (0) (1.386) (1.792)
(1 4)(1 6) (4 1)(4 6) (6 1)(6 4)
= 0.566
Terlihat solusi yang diperoleh dari Interpolasi Newton dan
Lagrange relatif sama.
10