P. 1
Metode Numerik

Metode Numerik

|Views: 692|Likes:
Published by Didik Hadiyanto

More info:

Published by: Didik Hadiyanto on Apr 03, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

01/11/2013

pdf

text

original

METODE NUMERIK

MODUL 8 Interpolasi dan Regresi

Zuhair Jurusan Teknik Informatika Universitas Mercu Buana Jakarta 2008年12月07日(日)

Interpolasi dan Regresi
Data yang sering dijumpai di lapangan oleh saintist dan insinyur sering dalam bentuk data diskrit yang umumnya disajikan dalam bentuk tabel. Data ini biasanya diperoleh dari hasil riset di lapangan atau hasil eksperimen di laboratorium. Sebagai gambaran, sebuah eksperimen di laboratorium fisika dasar mengenai hubungan antara jarak tempuh benda yang jatuh bebas terhadap waktu tempuh menghasilkan data seperti disajikan dalam Tabel 8.1 berikut: y (meter) t (detik) 10 1.45 20 2.0 30 2.4 Tabel 8.1. 40 2.85 50 3.0 60 3.5 70 3.75 80 4.0 90 4.2 100 4.52

Problema yang acapkali ditemui pada data di atas adalah menentukan suatu nilai di antara titik-titik tersebut yang dapat diketahui tanpa melakukan pengukuran lagi. Misalkan kita ingin mengetahui berapa jarak tempuh benda ketika waktu tempuhnya 12,5 detik? Pertanyaan ini tidak secara langsung dapat dijawab, karena fungsi yang menghubungkan variabel t dan y tidak diketahui. Salah satu solusinya adalah mencari fungsi yang mencocokkan (fit) titiktitik dalam tabel di atas. Pendekatan semacam ini disebut pencocokan kurva (curve fitting) dan fungsi yang diperoleh dengan pendekatan ini merupakan fungsi hampiran. Tentu saja nilai fungsi yang diperoleh juga merupakan nilai hampiran (hasilnya tidak setepat nilai eksaknya), tetapi cara pendekatan ini dalam praktek sudah mencukupi karena formula yang menghubungkan dua variabel atau dua besaran fisika sulit ditemukan. Disamping untuk menghitung nilai fungsi, pencocokan kurva juga dapat digunakan untuk mempermudah perhitungan numerik yang lain, misalkan menghitung turunan (derivatif) suatu fungsi dan atau menghitung nilai integral. Sebagai contoh, andaikan kita dihadapkan pada fungsi yang mempunyai bentuk cukup rumit, seperti:

f ( x) =

ln(2 x

1

2

− 4 x 2 )5

1 + 2 x5

……………………............……(8.1)

Menghitung turunan fungsi dalam persamaan (8.1) untuk x = a merupakan pekerjaan yang tidak mudah, apalagi untuk menghitung turunan yang

2

lebih tinggi ordenya tentu akan semakin sulit. Di sini diperlukan solusi yang bersifat pendekatan atau solusi hampiran. Demikian pula, untuk menghitung integral fungsi seperti yang dituliskan dalam persamaan (8.1) dalam interval, misalkan untuk interval [0,1],:


0

1

ln(2 x

1

2

− 4x 2 )5

1 + 2x5

dx ……………………….............…..(8.2)

Menyelesaikan persamaan (8.2) merupakan pekerjaan yang tidak mudah, bahkan secara analitik belum tentu dapat dilakukan, karena bentuk integrandnya tidak dijumpai dalam formula integral yang umum. Dengan demikian untuk menyelesaikan persamaan (8.2) harus dilakukan dengan penyederhanaan fungsi

f (x) menjadi polinom p n (x) yang mempunyai derajat ≤ n, dalam hal ini dapat
dinyatakan dalam bentuk:
n

pn ( x) = ∑ ai x i = a0 x 0 + a1 x1 + a2 x 2 + ... + an x n = a0 + a1 x + a2 x 2 + ... + an x n ...…(8.3)
i =0

Menghitung turunan atau mengintegralkan suku-suku polinom menjadi lebih mudah, karena formula yng digunakan untuk menghitung turunan atau mengintegralkan polinom menjadi sangat sederhana, yaitu: (i) Jika f ( x) = ax n , maka f ' ( x) = nax n +1 , (ii)

∫ ax

n

dx =

a x n +1 + C (n + 1)

Untuk membentuk polinom ini, kita memerlukan beberapa titik diskrit yang umumnya berjarak sama dari fungsi f dan titik-titik tersebut direpresentasikan dalam bentuk tabel. Selanjutnya titik-titik data ini dicocokkan untuk menentukan polinom p n (x) agar supaya menghampiri fungsi asalnya. Perhatikanlah dua kurva dibawah ini,

y

y

(a) Regresi

(b) Interpolasi

x

x

Gambar 8.1 Pencocokan kurva dengan metode (a) regresi, (b) interpolasi.

3

Pencocokan kurva adalah sebuah metode yang mencocokkan titik data dengan sebuah kurva (curve fitting) fungsi. Metode ini dibedakan menjadi dua metode, yaitu: a. Regresi Data hasil pengukuran umumnya mengandung galat yang cukup berarti, karena data ini tidak terlalu teliti, maka kurva yang mencocokan titik –titik data itu tidak perlu melalui semua titik. Strategi yang digunakan adalah menentukan kurva yang mewakili kecenderungan titik data, yakni kurva mengikuti pola titik sebagai kelompok (Gambar 8.1.a). Kurva tersebut dibuat sedemikian rupa sehingga selisih antara titik data dengan titik hampirannya di kurva sekecil mungkin. Metode pencocokan kurva seperti ini dinamakan regresi kuadrat terkecil (least square regression). Galat yang timbul kemungkinan disebabkan oleh kesalahan pengukuran, ketidak-telitian alat ukur yang digunakan atau karena sifat sistem yang diukur. Contoh data yang mengandung galat adalah tabel tegangan baja. b. Interpolasi Bila data yang diketahui mempunyai ketelitian yang sangat tinggi, maka kurva pencocokannya dibuat melalui titik-titik, persis sama apabila kurva fungsi yang sebenarnya diplot melalui setiap titik-titik yang bersangkutan. Di sini kita dikatakan melakukan interpolasi titik-titik data dengan sebuah fungsi (Gambar 8.1b). Bila fungsi pencocokan yang digunakan berbentuk polinom, maka polinom tersebut dinamakan polinom interpolasi. Contoh data yang tingkat ketelitiannya tinggi adalah titik-titik data yang diperoleh dari persamaan yang menyatakan hubungan antara jarak tempuh terhadap waktu tempuh pada benda yang jatuh bebas, seperti tertera pada Table 8.1. Selain polinom, interpolasi titik-titik data dapat dilakukan dengan fungsi spline, fungsi rasional atau dengan deret Fourier. Interpolasi memegang peranan yang sangat penting dalam metode numerik. Fungsi yang tampak sangat rumit akan menjadi sederhana bila dinyatakan dalam polinom interpolasi. Sebagian besar metode integrasi numerik, metode persamaan difrensial biasa dan metode turunan numerik didasarkan

4

pada polinom interpolasi sehingga banyak yang menyatakan bahwa interpolasi merupakan pokok bahasan yang fundamental dalam metode numerik.

8.1. Interpolasi Polinom Diberikan (n+1) buah titik yang berbeda, yaitu ( x0 , y 0 ) , ( x1 , y1 ) … ( x n , y n ) . Akan ditentukan polinom p n (x) yang menginterpolasi (melewati) semua titik-titik tersebut sedemikian rupa sehingga,

y i = p n ( xi ) ,
Nilai

untuk

i = 0,1,2,3..., n f (x) , misalkan

yi

dapat berasal dari fungsi matematika

f ( x) = ln x , f ( x) = Sin x , fungsi Bessel dan sebagainya yang menyebabkan

y i = f ( xi ) atau y i diperoleh secara empirik (hasil dari pengamatan eksperimen
di laboratorium).

y

( x4 , y 4 ) ( x1 , y1 ) ( x3 , y 3 ) ( x0 , y 0 ) ( x2 , y 2 ) (a, p n (a )) (a, p n (a )) ( x n −1 , y n −1 ) ( xn , yn )

x=a
Gambar 8.2. Interpolasi dan ektrapolasi. Setelah polinom interpolasi

x=a

x

p n (x) digunakan untuk menghitung perkiraan nilai y di x = a , yaitu y = p n (a ) . Posisi titik x = a mungkin terletak di antara titik-titik data, x 0 < a < x n atau terletak
di luar titik-titik data, a < x0 atau x n < a . (i) Jika x 0 < a < x n , maka y k = p k (a ) disebut nilai interpolasi. (ii) Jika a < x 0 atau x n < a , maka y k = p k (a ) disebut nilai ekstrapolasi.

p n (x)

dapat diperoleh, maka

5

Kita dapat menginterpolasi titik-titik data dengan polinom linear, polinom kuadratis, polinom kubik atau polinom derajat yang lebih tinggi dan hal ini tergantung pada jumlah titik-titik data yang tersedia.

8.1.1. Interpolasi Linear Interpolasi linear adalah interpolasi dua buah titik dengan sebuah garis lurus. Misalkan dua buah titik, ( x0 , y 0 ) dan ( x1 , y1 ) . Polinom yang menginterpolasi kedua titik itu adalah persamaan garis lurus berbentuk:

p1 ( x) = a 0 + a1 x …………………………………............………..(8.3)
Gambar (8.3) memperlihatkan garis lurus yang menginterpolasi titik-titik

( x0 , y 0 ) dan ( x1 , y1 ) .

y

x
Gambar 8.3 : Interpolasi linear. Koefisien a 0 dan a1 dapat dicari dengan proses substitusi dan atau eliminasi. Dengan mensubstitusikan ( x0 , y 0 ) dan ( x1 , y1 ) ke dalam persamaan (8.3) diperoleh dua buah persamaan linear, yaitu:

y 0 = a 0 + a1 x0 y1 = a 0 + a1 x1
Kedua persamaan ini diselesaikan dengan proses eliminasi dan dihasilkan,

a1 =
dan,

y1 − y 0 ……………......……............………………(8.4) x1 − x0 x1 y 0 − x0 y1 ………………………...................……(8.5) x1 − x0

a0 =

6

Substitusikan persamaan (98.4) dan (8.5) ke dalam persamaan (8.3) untuk mendapatkan persamaan garis lurus:

p1 ( x) =

x1 y 0 − x0 y1 ( y1 − y 2 ) x ……….................…..(8.6) + ( x1 − x 0 ) ( x1 − x 0 )

Dengan melakukan manipulasi aljabar, persamaan (8.6) ini dapat disusun menjadi,

p1 ( x) = y 0 +
Bukti:

( y1 − y 0 ) ( x − x 0 ) ………….................…..(8.7) ( x1 − x 0 )

p1 ( x) =

x1 y 0 − x 0 y 0 ( y1 − y 0 ) x x y − x0 y1 + xy1 − xy 0 + ⇔ p1 ( x) = 1 0 ( x1 − x 0 ) ( x1 − x0 ) x1 − x 0 x1 y 0 − x0 y1 + xy1 − xy 0 + x 0 y 0 − x 0 y 0 x1 − x0

⇔ p1 ( x) = ⇔ p1 ( x) =

( x1 − x 0 ) y 0 + ( y1 − y 0 )( x − x 0 ) x1 − x 0 ( y1 − y 0 ) ( x − x0 ) ( x1 − x 0 )

⇔ p1 ( x) = y 0 +

Persamaan (8.7) merupakan persamaan garis lurus yang melalui dua buah titik

( x0 , y 0 ) dan ( x1 , y1 ) . Kurva polinom p1 ( x ) ini berupa garis lurus

(Gambar 8.3 ).

CONTOH 1. Perkirakanlah jumlah penduduk Amerika Serikat (dalam juta) pada tahun 1968 berdasarkan data yang ditabelkan di bawah ini: Tahun Jumlah penduduk Penyelesaian: Dari tabel di atas dapat dituliskan x 0 = 1960 , y 0 = 179,3 dan x1 = 1970 , 1960 179,3 1970 203,2

y1 = 203,2 . Dengan menggunakan persamaan (8.7), maka:

7

p1 (1968) = 179,3 +

(203,2 − 179,3)(1968 − 1960) = 198,4 1970 − 1960

Jadi taksiran jumlah penduduk AS pada tahun 1968 adalah 198,4 juta

CONTOH 2. Jika dari data-data diketahui bahwa ℓn (9,0) = 2,1972 dan ℓn (9,5) = 2,2513 maka tentukanlah nilai ℓn (9,2) dengan interpolasi linear sampai 5 angka dibelakang koma. Bandingkanlah hasilnya dengan nilai sejati ℓn (9,2) = 2,2192. Penyelesaian: Kita dapat menuliskan x0 = 9,0 ; y 0 = 2,1972 dan x1 = 9,5 ; y1 = 2,2513 . Dengan menggunakan persamaan (8.7) diperoleh hasil sebagai berikut:

p1 (9,2) = 2,1972 +

(2,2513 − 2,1972)(9,2 − 9,0) = 2,2188 . 9,5 − 9,0

Galat = 2,2192 - 2,2188 = 0,0004. Di sini nampak bahwa interpolasi linear tidak cukup untuk memperoleh ketelitian sampai 5 angka penting, hanya sampai 3 angka penting.

8.1.2. Interpolasi Kuadratik Misalkan diberikan tiga buah titik data ( x0 , y 0 ) , ( x1 , y1 ) dan ( x 2 , y 2 ) . Polinom yang menginterpolasi ketiga buah titik berupa polinom kuadratik yang persamaannya adalah:

p 2 ( x) = a 0 + a1 x + a 2 x 2 ……...…………………………..(8.8)
Bila dilukiskan diperoleh kurva polinom kuadratik seperti ditunjukkan dalam Gambar (8.4). Polinom p 2 ( x) ditentukan dengan cara mensubstitusikan

( xi , y i ) ke dalam persamaan (8.8), dimana i = 0,1, 2. Dari sini diperoleh tiga buah
persamaan yang tidak diketahui, yaitu a 0 , a1 dan a 2 :
2 a 0 + a1 x0 + a 2 x0 = y 0

a 0 + a1 x1 + a 2 x12 = y1 …………………………......……………….(8.9)
2 a 0 + a1 x 2 + a 2 x 2 = y 2

8

Untuk menghitung

a 0 , a1 dan

a2

dalam sistem persamaan (8.9)

digunakan metode eliminasi Gauss.

y

( x1 , y1 )

( x0 , y 0 )

( x2 , y 2 )
x

Gambar 8.4. Interpolasi kuadratik. CONTOH 3. Diberikan data ℓn (8,0) = 2,0794, ℓn (9,0) = 2,1972 dan ℓn (9,5) = 2,2513. Tentukanlah nilai ℓn (9,2) dengan interpolasi kuadratik. Penyelesaian: Dari data di atas dapat dituliskan di sini x 0 = 8,0 ; x1 = 9,0 ; x 2 = 9,5 ;

y 0 = 2,0794 ; y1 = 2,1972 dan y 2 = 2,2513 . Dengan menggunakan persamaan
(8.8) diperoleh hasil sebagai berikut:

a 0 + 8,0a1 + 64,00a 2 = 2,0794 a 0 + 9,0a1 + 81,00a 2 = 2,1972 …………….....………………….(8.10) a 0 + 9,5a1 + 90,25a 2 = 2,2513
Dengan menggunakan metode eliminasi Gauss, maka dihasilkan nilai

a 0 = 0,6762 , a1 = 0,2266 dan a 2 = −0,0064 . Polinom kuadratnya adalah p 2 ( x) = 0,6762 + 0,2266 x − 0,0064 x 2 ,
sehingga

p 2 (9,2) = 2,2192 .

Hasil

perhitungan ini sama dengan nilai eksaknya, yaitu sampai 5 angka penting.

8.1.3. Interpolasi Kubik Misalkan diberikan empat buah titik data ( x0 , y 0 ) , ( x1 , y1 ) , ( x 2 , y 2 ) dan

( x3 , y 3 ) . Polinom yang menginterpolasi keempat buah titik tersebut berupa
polinom kubik yang persamaannya adalah:

9

p3 ( x) = a 0 + a1 x + a 2 x 2 + a3 x 3 ……………..…………………..(8.11)
Polinom p 3 ( x ) ditentukan dengan cara mensubstitusikan ( xi , y i ) ke dalam persamaan (8.11), dimana

i = 0,1,2 ,3. Dari sini diperoleh empat buah

persamaan yang tidak diketahui, yaitu a 0 , a1 , a 2 dan a3 .
2 3 a 0 + a1 x0 + a 2 x0 + a3 x0 = y 0

a 0 + a1 x1 + a 2 x12 + a3 x13 = y1 ……………………………………(8.12)
2 3 a 0 + a1 x 2 + a 2 x 2 + a3 x 2 = y 2
2 3 a 0 + a1 x3 + a 2 x3 + a3 x3 = y 3

Untuk menghitung nilai a 0 , a1 , a 2 dan a3 dalam sistem persamaan (8.11) digunakan metode eliminasi Gauss. Bila digambarkan didapatkan kurva polinom kubik seperti dilukiskan dalam Gambar 8.5

y

( x1 , y1 )

( x3 , y 3 )

( x0 , y 0 ) ( x2 , y 2 )

Gambar 8.5. Interpolasi kubik.

x

Dengan cara yang sama kita dapat membuat polinom interpolasi berderajat n yang diformulasikan oleh,

pi ( x) = ∑ ai x i = a 0 + a1 x + a 2 x 2 + a3 x 3 + ... + a n x n ..........................(8.13)
i =0

n

Jika terdapat (n + 1) buah titik data maka dengan mensubtitusikan titik

( xi , y i ) ke dalam persamaan (8.13), untuk i = 0,1, 2, 3,..., n akan diperoleh n buah
persamaan dengan koefisien a 0 , a1 , a 2 , a3 ,...a n yang harus ditentukan nilainya.

10

2 3 n a 0 + a1 x0 + a 2 x0 + a3 x0 + ... + a n x0 = y 0

a 0 + a1 x1 + a 2 x12 + a3 x13 + ... + a n x1n = y1
n 2 3 a 0 + a1 x 2 + a 2 x 2 + a3 x 2 + ... + a n x 2 = y 2 ……………...……….(8.14)

… …

… …

…. ….
2 n

….. …..
3 n

… …
n n

=… =…

a 0 + a1 x n + a 2 x + a3 x + ... + a a x = y n
Serupa dengan persamaan sebelumnya, nilai a 0 , a1 , a 2 , a3 ,...a n dapat ditentukan menggunakan metode eliminasi Gauss.

SOAL Selesaikanlah polinom kubik.


0

1

e(2

x − 4 x 2 )5

1+ 2 x 5

dx dengan pendekatan polinom kuadratis dan

11

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->