1.

INTERPOLASI LINEAR
Contoh 1 (mudah)
Perkirakanlah jumlah penduduk Amerika Serikat (dalam juta) pada tahun
1968 berdasarkan data yang ditabelkan di bawah ini:
Tahun 1960 1970
Jumlah penduduk 179,3 203,2

Penyelesaian:
Dari tabel di atas dapat dituliskan:

,

, dan

,

.
Dengan menggunakan persamaan (5), maka:

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

CONTOH 2 (sulit)
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:

,

, dan

,

Dengan menggunakan persamaan (8.7) diperoleh hasil sebagai berikut:

()
()
()
( )
Galat :

Di sini nampak bahwa interpolasi linear tidak
cukup untuk memperoleh ketelitian sampai 5 angka penting, hanya sampai 3
angka penting.

Contoh soal:
Dicari nilai ln 2 dengan metode interpolasi linier berdasar data dan
. Hitung juga nilai tersebut berdasar data ln 1 dan . Untuk
membandingkan hasil yang diperoleh, dihitung besar kesalahan (diketahui nilai eksak dari
).
Penyelesaian:
Dengan menggunakan persamaan (6.2), dihitung dengan interpolasi linier nilai ln pada x =
2 berdasar nilai ln di x
0
= 1 dan x
1
= 6.

()

(

)
(

)
(

)

()
( )
( )
( )
Persentasi Galat Relatif:

( )

Apabila digunakan interval yang lebih kecil, yaitu nilai x
0
= 1 dan x
1
= 4, maka:

()

(

)
(

)
(

)

()
( 3862944 , 1 )
( )
( )
Besar kesalahan adalah:

( )

2. INTERPOLASI KUADRATIIK
Contoh soal:
Dicari nilai ln 2 dengan metode polinomial order dua berdasar data nilai ln 1 = 0 dan nilai
dari ln 6 = 1,7917595. Hitung juga nilai tersebut berdasar data ln 1 dan ln 4 = 1,3862944.
Untuk membandingkan hasil yang diperoleh, dihitung pula besar kesalahan (diketahui nilai
eksak dari ln 2 = 0,69314718).

Penyelesaian:
x
0
= 1 ÷ f (x
0
) = 0
x
1
= 4 ÷ f (x
1
) = 1,3862944
x
2
= 6 ÷ f (x
2
) = 1,7917595
Interpolasi polinomial dihitung dengan menggunakan persamaan (6.3), dan koefisien b
0
,
b
1
, dan b
2
, dihitung dengan persamaan (6.4), persamaan (6.5) dan persamaan (6.6).
Dengan menggunakan persamaan (6.4) diperoleh nilai b
0
, yaitu (b
0
= 0), koefisien b
1
dapat
dihitung dengan persamaan (6.5):

b
1
=
0 1
0 1
) ( ) (
x x
x f x f
÷
÷

b
1
=
1 4
0 3862944 , 1
÷
÷
= 0,46209813.
Persamaan (6.6) digunakan untuk menghitung koefisien b
2
:
b
2
=
0 2
0 1
0 1
1 2
1 2
) ( ) ( ) ( ) (
x x
x x
x f x f
x x
x f x f
÷
÷
÷
÷
÷
÷

b
2
=
1 6
46209813 , 0
4 6
3862944 , 1 7917595 , 1
÷
÷
÷
÷
= –0,051873116.
Nilai-nilai tersebut disubstitusikan ke persamaan (6.3):
f
2
(x) = b
0
+ b
1
(x – x
0
) + b
2
(x – x
0
)(x – x
1
)
f
2
(x) = 0 + 0,46209813(x – 1) + (–0,051873116)(x – 1)(x – 4)
Untuk x = 2, maka diperoleh nilai fungsi interpolasi:
f
2
(2) = 0 + 0,46209813(2 – 1) + (–0,051873116)(2 – 1)(2 – 4) = 0,56584436.
Besar kesalahan adalah:
E
t
=
69314718 , 0
56584436 , 0 69314718 , 0 ÷
× 100 % = 18,4 %.
3. Interpolasi Polinomial Lagrange
Interpolasi polinomial Lagrange hampir sama dengan polinomial Newton, tetapi tidak
menggunakan bentuk pembagian beda hingga. Interpolasi polinomial Lagrange dapat
diturunkan dari persamaan Newton.
Bentuk polinomial Newton order satu:

() (

) ( –

) [

] ()
Pembagian beda hingga yang ada dalam persamaan diatas mempunyai bentuk:
[

]
0 1
0 1
) ( ) (
x x
x f x f
÷
÷

[

]
1 0
0
0 1
1
) ( ) (
x x
x f
x x
x f
÷
+
÷
()
Substitusi persamaan (6.17) ke dalam persamaan (6.16) memberikan:

() (

)
0 1
0
x x
x x
÷
÷
(

)
1 0
0
x x
x x
÷
÷
(

)
Dengan mengelompokkan suku-suku di ruas kanan maka persamaan diatas menjadi:

()
(
¸
(

¸

÷
÷
+
÷
÷
1 0
0
1 0
1 0
x x
x x
x x
x x
(

)
0 1
0
x x
x x
÷
÷
(

)
atau

()
1 0
1
x x
x x
÷
÷
(

)
0 1
0
x x
x x
÷
÷
(

) ()
Persamaan (6.18) dikenal dengan interpolasi polinomial Lagrange order satu.
Dengan prosedur diatas, untuk interpolasi order dua akan didapat:

()

1 0
1
x x
x x
÷
÷
2 0
2
x x
x x
÷
÷
(

)
0 1
0
x x
x x
÷
÷
2 1
2
x x
x x
÷
÷
(

)

0 2
0
x x
x x
÷
÷
1 2
1
x x
x x
÷
÷
(

) ()
Bentuk umum interpolasi polinomial Lagrange order n adalah:
() ) (
n
0 i
i
x L ¿
=
()................................................................... (6.20)
dengan
() [
÷
÷
=
=
n
i j
0 j
j i
j
x x
x x
........................................................................ (6.21)
Simbol H merupakan perkalian.
Dengan menggunakan persamaan (6.20) dan persamaan (6.21) dapat dihitung interpolasi
Lagrange order yang lebih tinggi, misalnya untuk interpolasi Lagrange order 3, persamaan
tersebut adalah:

() ) (
3
0 i
i
x L ¿
=
()

() (

)

() (

)

() (

)

() (

)

() ) )( )( (
3 0
3
2 0
2
1 0
1
x x
x x
x x
x x
x x
x x
÷
÷
÷
÷
÷
÷

() ) )( )( (
3 1
3
2 1
2
0 1
0
x x
x x
x x
x x
x x
x x
÷
÷
÷
÷
÷
÷

() ) )( )( (
3 2
3
1 2
1
0 2
0
x x
x x
x x
x x
x x
x x
÷
÷
÷
÷
÷
÷

() ) )( )( (
2 3
2
1 3
1
0 3
0
x x
x x
x x
x x
x x
x x
÷
÷
÷
÷
÷
÷

Sehingga bentuk interpolasi polinomial Lagrange order 3 adalah:

() (

) (

) (

) (

) (

) (

) (

) (

)
(

) (

) (

) (

)
(

) (

) (

) (

) ()


Contoh soal:
Dicari nilai dengan metode interpolasi polinomial Lagrange order satu dan dua
berdasar data dan data . Hitung juga nilai tersebut berdasar
data dan data Untuk membandingkan hasil yang diperoleh,
hitung pula besar kesalahan (diketahui nilai eksak dari )

Penyelesaian:
x
0
= 1 ÷ f (x
0
) = 0
x
1
= 4 ÷ f (x
1
) = 1,3862944
x
2
= 6 ÷ f (x
2
) = 1,7917595
Penyelesaian order satu menggunakan persamaan (6.18):
f
1
(x) =
1 0
1
x x
x x
÷
÷
f (x
0
) +
0 1
0
x x
x x
÷
÷
f (x
1
)
Untuk x = 2 dan dengan data yang diketahui maka:
f
1
(2) =
4 1
4 2
÷
÷
(0) +
1 4
1 2
÷
÷
(1,3862944) = 0,462098133.
Untuk interpolasi polinomial Lagrange order dua digunakan persamaan (6.19):
f
1
(x) =
1 0
1
x x
x x
÷
÷
2 0
2
x x
x x
÷
÷
f (x
0
) +
0 1
0
x x
x x
÷
÷
2 1
2
x x
x x
÷
÷
f (x
1
) +
0 2
0
x x
x x
÷
÷
1 2
1
x x
x x
÷
÷
f (x
2
)
f
1
(2) =
4 1
4 2
÷
÷
6 1
6 2
÷
÷
(0) +
1 4
1 2
÷
÷
6 4
6 2
÷
÷
(1,3862944) +
1 6
1 2
÷
÷
4 6
4 2
÷
÷
(1,7917595)
= 0,56584437.
4. Spline Kuadratik
Contoh : Interpolasi spline kuadratik untuk data berikut :
X 0.0 0.1 0.4 0.5
Y 1.3 4.5 2.0 2.1

Dengan penetapan

Penyelesaian : pertama kali dihitung nilai-nilai

(

)

Jadi, fungsi spline kuadratik

()

()

(

)
(

)

(

)

( )
( )

( )

()

(

)
(

)

(

)

( )
( )

( )

(

) ( )

()

(

)
(

)

(

)

(

)
( )
( )

(

) ( )

()
(

) (

)

(

) (

)

Contoh 1:
Gunakanlah data berikut ini untuk mencari

() padax=5 dengan menggunakan
interpolasi spline linear.
X Y
3,0 2,5
4,5 1,0
7,0 2,5
9,0 0,5

Penyelesaian :
Dari tabel dapat dilihat bahwa x = 5 berada dalam rentang 4,5 x 7,0 dapat dihitung
menggunakan persamaan :

()

. 4,5

=


()

() ()

()
Jadi nilai x = 5 adalah 1,3

Contoh 2:
Carilah konstruksi spline linear dari data berikut :
X 0,0 0,1 0,4 0,5 0,75 1,0
Y 1,3 4,5 2,0 2,1 5,0 3,0

Penyelesaian :
Dengan menggunakan persamaan :

()

(

)

Konstruksi spline linearnyaadalah :
[ ] ()


( )

[ ]

()


( )

[ ]

()


( )

[ ]

()


( )

[ ]

()


( )



Contoh 3:
Hitung x = 16 dari data berikut dengan menggunakan interpolasi spline linear
x y
0 0
10 227,04
20 517,35
15 362,78
22,5 602,97





Penyelesaian :

x y
0 0
10 227,04
20 517,35
15 362,78
22,5 602,97

x y
0 0
10 227,04
15 362,78
20 517,35
22,5 602,97
Niai x = 16 berada dalam rentang15 x 20
Dengan menggunakan persamaan :

()

(

)

() ()
() ()

( )



( )
( )
Sehingga untuk x = 16

() ( )
()

5. Persamaan interpolasi polinomial Newton derajat n

()

(

)

(

)(

)

(

)(

) (

) (8)
Seperti yang dilakukan dengan derajat 1 dan 2, titik-titik data dapat digunakan untuk
mengevaluasi koefisien

dan

. Untuk interpolasi polinomial derajat , diperlukan
titik data

. dengan menggunakan titik-titik data tersebut, persamaan berikut
digunakan untuk mengevaluasi koefisien,

(

) (9)

[

] (10)

[

] (11)

[

] (12)
dengan evaluasi fungsi berkurung ([]) adalah pembagian beda hingga. Misalnya beda terbagi
hingga pertama di nyatakan secara umum sebagai
[

]
(

) (

)

()
Beda terbagi hingga kedua, yang menggambarkan perbedaan dari dua beda terbagi pertama,
diungkapkan secara umum sebagai
[

]
[

] [

]

()
Demikian pula, beda terbagi hingga ke-n adalah
[

]
[

] [

]

()

(

) Satu Dua Tiga
0

(

) [

] [

] [

]
1

(

) [

] [

]
2

(

) [

]
3

(

)
Gambar 1. Perlukisan grafis sifat rekursif beda – beda terbagi hingga
Beda- beda ini dapat dipakai untuk menghitung koefisien – koefisien dalam Persamaan
(9) samapai (12), yang kemudian dapat disubstitusikan ke persamaan (*) untuk menghasilkan
polinom interpolasi,

() (

) (

)[

] (

)(

)[

] (16)
(

)(

) (

)[

]

Yang di sebut polinom interpolasi beda-terbagi Newton (divided-difference interpolating
polynomial). Perlu diperhatikan bahwa titik – titik data yang di pakai dalam Persamaan (16)
tidak perlu berjarak sama atau bahwa nilai – nilai absis perlu dalam urutan menaik,seperti
diilustrasikan dalam contoh berikut. Perhatikan juga, bagaimana persamaan (13) sampai (15)
bersifat rekursif yakni beda- beda tingkat yang lebih tinggi disusu dari beda – beda yang lebih
rendah.



Contoh 1:
Pernyataan Masalah: titik data pada

(

)

(

)

(

)

(

)
Pakailah polinom tersebut untuk menghitung ln2 dengan polinom interpolasi beda terbagi
Newton orde-ketiga.
Penyelesaian: Polinom orde-ketiga, Persamaan (*) dengan n = 3 adalah

()

(

)

(

)(

)

(

)(

)(

)
Beda – beda terbagi pertama untuk masalah tersebut adalah
[

]



[

]



[

]



Beda – beda terbagi kedua adalah
[

]



[

]



Beda terbagi ketiga adalah
[

]
()


Hasil – hasilnya untuk [

] [

], dan [

] merupakan koefisien –
koefisien

dari persamaan (*). Bersama – sama dengan

(

)
Persamaan (*) adalah

() ( ) ( )( )
( )( )( )
Yang dapat di gunakan untuk menghitung

()
Jadi, nilai ln 2 berdasarkan data yang di ketahui adalah 0,62876869



Dengan menggunakan interpolasi polinomial Newton derajat 1. Hitunglah , apabila
diketahui: dan
Nilai eksak
Penyelesaian:

(

) Satu
0 2 0,69314718 0,274653072
1 6 1,791759469

() ( )
( )

Galat relatif =

Contoh 2:
Dengan menggunakan interpolasi polinomial Newton derajat 2, hitunglah nilai , apabila
diketahui dan . Nilai eksak

Penyelesaian :

Satu Dua
0 2 0,69314718 0,405465109 -0,043604012
1 3 1,09812289 0,231104906
2 6 1,791759469

() ( ) ( )( )

Galat relatif =

6. Spline Kubik
Contoh 6.4 Konstruksikan spline kubik untuk 4 titik data berikut:



terhadap syarat batas:

(

) =

(0) =

= 2 dan

(

) =

(3) =

= 2
Penyelesaian. Lebar subinterval pada sumbu x:

=

=

= 1
dan beda terbagi pertama, dengan mengingat bahwa

(

)

, yaitu :

Persamaan matriks dapat dituliskan sebagai
[


] [

] [



] [

],
yang mempunyai penyelesaian

= -3,

= 3,

= -3, dan

= 3.
Disubstitusikan penyelesaian tersebut ke persamaan (6.19) untuk memperoleh koefisien-
koefisien lain dari spline kubik:

( ())

() ())

( ())

()

()

Terakhir, kita dapat menuliskan persamaan spline kubik seperti

()

[]

() ( )

( )

( ) []

() ( )

( )

( ) []
x 0 2 3
y 0 4 5


maka: ( ) ( ( ) ( ) ) ( ) Besar kesalahan adalah: ( 1. Hitung juga nilai tersebut berdasar data ln 1 dan . yaitu nilai x0 = 1 dan x1 = 4. Penyelesaian: Dengan menggunakan persamaan (6.Contoh soal: Dicari nilai ln 2 dengan metode interpolasi linier berdasar data dan .2). Untuk membandingkan hasil yang diperoleh. dihitung dengan interpolasi linier nilai ln pada x = 2 berdasar nilai ln di x0 = 1 dan x1 = 6.3862944 ( ) ) ( ) ( ) . ( ) ( ) Persentasi Galat Relatif: ( ( ( ( ( ) ) ( ) ( ) ) ) ) Apabila digunakan interval yang lebih kecil. dihitung besar kesalahan (diketahui nilai eksak dari ).

46209813 64 b2 = = –0.7917595.5) dan persamaan (6. yaitu (b0 = 0).6).4) diperoleh nilai b0. 4 1 Persamaan (6. Dengan menggunakan persamaan (6.69314718).3). koefisien b1 dapat dihitung dengan persamaan (6.4). INTERPOLASI KUADRATIIK Contoh soal: Dicari nilai ln 2 dengan metode polinomial order dua berdasar data nilai ln 1 = 0 dan nilai dari ln 6 = 1.46209813. dihitung dengan persamaan (6. dan koefisien b0.2. b1. dan b2.3862944.3862944 f (x2) = 1.051873116.3862944  0.5): b1 = f ( x1 )  f ( x0 ) x1  x0 b1 = 1. persamaan (6. dihitung pula besar kesalahan (diketahui nilai eksak dari ln 2 = 0. Penyelesaian: x0 = 1 x1 = 4 x2 = 6    f (x0) = 0 f (x1) = 1.7917595 Interpolasi polinomial dihitung dengan menggunakan persamaan (6.6) digunakan untuk menghitung koefisien b2: f ( x2 )  f ( x1 ) f ( x1 )  f ( x0 )  x2  x1 x1  x0 b2 = x2  x0 1.3862944  0 = 0. Hitung juga nilai tersebut berdasar data ln 1 dan ln 4 = 1. Untuk membandingkan hasil yang diperoleh. 6 1 .7917595  1.

051873116)(x – 1)(x – 4) Untuk x = 2.46209813(2 – 1) + (–0. maka diperoleh nilai fungsi interpolasi: f2(2) = 0 + 0.16) memberikan: ( ) ( ) x  x0 x1  x0 ( ) x  x0 x0  x1 ( ) Dengan mengelompokkan suku-suku di ruas kanan maka persamaan diatas menjadi: .3): f2(x) = b0 + b1(x – x0) + b2(x – x0)(x – x1) f2(x) = 0 + 0.051873116)(2 – 1)(2 – 4) = 0.69314718 3.17) ke dalam persamaan (6. 0. Besar kesalahan adalah: Et = 0.56584436. tetapi tidak menggunakan bentuk pembagian beda hingga. Bentuk polinomial Newton order satu: ( ) ( ) ( – ) [ ] ( ) Pembagian beda hingga yang ada dalam persamaan diatas mempunyai bentuk: [ ] f ( x1 )  f ( x 0 ) x1  x 0 [ ] f ( x0 ) f ( x1 )  x1  x 0 x 0  x1 ( ) Substitusi persamaan (6.56584436  100 % = 18.Nilai-nilai tersebut disubstitusikan ke persamaan (6.4 %.69314718  0. Interpolasi polinomial Lagrange dapat diturunkan dari persamaan Newton. Interpolasi Polinomial Lagrange Interpolasi polinomial Lagrange hampir sama dengan polinomial Newton.46209813(x – 1) + (–0.

................21) Simbol  merupakan perkalian............. Dengan menggunakan persamaan (6.................. misalnya untuk interpolasi Lagrange order 3....................21) dapat dihitung interpolasi Lagrange order yang lebih tinggi.......( )  x0  x1 x  x0      x0  x1 x0  x1  ( ) x  x0 x1  x0 ( ) atau ( ) x  x1 x0  x1 ( ) x  x0 x1  x0 ( ) ( ) Persamaan (6................. untuk interpolasi order dua akan didapat: ( ) x  x1 x  x2 x0  x1 x0  x2 x  x0 x  x1 x2  x0 x2  x1 ( ) x  x0 x  x 2 x1  x0 x1  x2 ( ) ( ) ( ) Bentuk umum interpolasi polinomial Lagrange order n adalah: ( ) i0  Li ( x) ( ).....20) dan persamaan (6.18) dikenal dengan interpolasi polinomial Lagrange order satu.......... (6.. Dengan prosedur diatas......................20) dengan n ( ) j0 ji  x  xj xi  x j ...... persamaan tersebut adalah: ... n (6..........

) hitung pula besar kesalahan (diketahui nilai eksak dari Penyelesaian: . Hitung juga nilai tersebut berdasar Untuk membandingkan hasil yang diperoleh.( ) ( ) ( ) ( ) i0  Li ( x) ( ) 3 ( ) ( ) ( ) ( ) ( ) ( ) ( x  x1 x  x2 x  x3 )( )( ) x0  x1 x0  x2 x0  x3 ( ) ( x  x0 x  x2 x  x3 )( )( ) x1  x0 x1  x2 x1  x3 x  x0 x  x1 x  x3 )( )( ) x2  x0 x2  x1 x2  x3 x  x0 x  x1 x  x2 )( )( ) x3  x0 x3  x1 x3  x2 ( ) ( ( ) ( Sehingga bentuk interpolasi polinomial Lagrange order 3 adalah: ( ) ( )( ( ( )( )( )( ) ( ) )( )( ( ) ( ) ) ( ) ( ) )( )( ) ( ) Contoh soal: Dicari nilai berdasar data data dan data dengan metode interpolasi polinomial Lagrange order satu dan dua dan data .

5 0.56584437. Spline Kuadratik Contoh : Interpolasi spline kuadratik untuk data berikut : X Y Dengan penetapan Penyelesaian : pertama kali dihitung nilai-nilai 0.3 0.7917595) 6 1 6  4 1 4 1 6 4 1 4  6 = 0.18): f1(x) = x  x0 x  x1 f (x0) + f (x1) x0  x1 x1  x0 Untuk x = 2 dan dengan data yang diketahui maka: f1(2) = 2 4 2 1 (0) + (1.1 4.0 0.3862944) = 0.3862944) + (1. 4.5 2.x0 = 1 x1 = 4 x2 = 6    f (x0) = 0 f (x1) = 1.4 2.0 1.1 . 4 1 1 4 Untuk interpolasi polinomial Lagrange order dua digunakan persamaan (6.19): f1(x) = x  x0 x  x 2 x  x0 x  x1 x  x1 x  x2 f (x0) + f (x1) + f (x2) x0  x1 x0  x2 x1  x0 x1  x2 x2  x0 x2  x1 f1(2) = 2 4 2 6 21 2  6 2 1 2  4 (0) + (1.462098133.7917595 Penyelesaian order satu menggunakan persamaan (6.3862944 f (x2) = 1.

( ) Jadi. fungsi spline kuadratik ( ) .

( ) ( ( ) ( ( ) ( ) ( ) ) ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ( ) ) ) ( ( ) ( ( ) ( )( ) ( ) ) ( ) ( ) ( ) .

0 4.5 ( ) padax=5 dengan menggunakan Penyelesaian : Dari tabel dapat dilihat bahwa x = 5 berada dalam rentang 4.5 7.5 0.0 dapat dihitung .0 Y 2.0 2. X 3.5 menggunakan persamaan : ( ) x 7.5 1.0 9.Contoh 1: Gunakanlah data berikut ini untuk mencari interpolasi spline linear.

5 = ( ) ( ) ( ) ( ) Jadi nilai x = 5 adalah 1.1 4.1 0.0 3.5 0.0 0.0 1.0 Penyelesaian : Dengan menggunakan persamaan : ( ) ( ) Konstruksi spline linearnyaadalah : [ ] ( ) ( ) [ ] ( ) ( ) .3 0.0 1.3 Contoh 2: Carilah konstruksi spline linear dari data berikut : X Y 0.5 2. 4..75 5.4 2.

97 .35 362.5 y 0 227.04 517.78 602.[ ] ( ) ( ) [ ] ( ) ( ) [ ] ( ) ( ) Contoh 3: Hitung x = 16 dari data berikut dengan menggunakan interpolasi spline linear x 0 10 20 15 22.

04 362.35 602.35 362.04 517.5 y 0 227.97 .Penyelesaian : x 0 10 20 15 22.78 517.78 602.5 y 0 227.97 x 0 10 15 20 22.

Niai x = 16 berada dalam rentang15 Dengan menggunakan persamaan : ( ) ( ) ( ) ( ( ) ( ) ) ( x 20 ) ( ) ( Sehingga untuk x = 16 ( ) ( ( ) ) ) 5. dengan menggunakan titik-titik data tersebut. diperlukan . (9) (10) (11) [ ] (12) dengan evaluasi fungsi berkurung ([ ]) adalah pembagian beda hingga. Misalnya beda terbagi hingga pertama di nyatakan secara umum sebagai . titik-titik data dapat digunakan untuk mengevaluasi koefisien titik data ( ) [ [ ] ] dan . persamaan berikut digunakan untuk mengevaluasi koefisien. Untuk interpolasi polinomial derajat . Persamaan interpolasi polinomial Newton derajat n ( ) ( ) ( )( ) ( )( ) ( ) (8) Seperti yang dilakukan dengan derajat 1 dan 2.

yang kemudian dapat disubstitusikan ke persamaan (*) untuk menghasilkan polinom interpolasi. bagaimana persamaan (13) sampai (15) bersifat rekursif yakni beda. Perlukisan grafis sifat rekursif beda – beda terbagi hingga Beda.seperti diilustrasikan dalam contoh berikut. Perhatikan juga. yang menggambarkan perbedaan dari dua beda terbagi pertama.beda ini dapat dipakai untuk menghitung koefisien – koefisien dalam Persamaan (9) samapai (12). Perlu diperhatikan bahwa titik – titik data yang di pakai dalam Persamaan (16) tidak perlu berjarak sama atau bahwa nilai – nilai absis perlu dalam urutan menaik. .[ ] ( ) ( ) ( ) Beda terbagi hingga kedua. diungkapkan secara umum sebagai [ ] [ ] [ ] ( ) Demikian pula. ( ) ( ) ( ( ) [ )( ) ] ( ( )( ) [ ) [ ] ] (16) Yang di sebut polinom interpolasi beda-terbagi Newton (divided-difference interpolating polynomial).beda tingkat yang lebih tinggi disusu dari beda – beda yang lebih rendah. beda terbagi hingga ke-n adalah [ ] [ ] [ ] ( ) ( ) 0 1 2 3 ( ) ( ) ( ) ( ) Satu [ [ [ ] ] ] [ [ Dua ] ] [ Tiga ] Gambar 1.

dan [ Hasil – hasilnya untuk [ ] merupakan koefisien – ( ) koefisien dari persamaan (*). Persamaan (*) dengan n = 3 adalah ( ) ( ) ( )( ) ( )( )( ) Beda – beda terbagi pertama untuk masalah tersebut adalah [ [ [ ] ] ] Beda – beda terbagi kedua adalah [ [ ] ] Beda terbagi ketiga adalah [ ] ( ) ] [ ].Contoh 1: Pernyataan Masalah: titik data pada ( ) ( ) ( ) ( ) Pakailah polinom tersebut untuk menghitung ln2 dengan polinom interpolasi beda terbagi Newton orde-ketiga. Penyelesaian: Polinom orde-ketiga. Bersama – sama dengan Persamaan (*) adalah ( ) ( ( ) )( )( ) ( )( ) Yang dapat di gunakan untuk menghitung ( ) .

09812289 1. Nilai eksak Penyelesaian : Satu 0.231104906 Dua -0.791759469 ) ) Satu 0.69314718 1. apabila diketahui dan .043604012 0 1 2 ( ) 2 3 6 0.274653072 dan . hitunglah nilai . nilai ln 2 berdasarkan data yang di ketahui adalah 0.69314718 1.Jadi.791759469 ( ) ( )( ) . apabila Galat relatif = Contoh 2: Dengan menggunakan interpolasi polinomial Newton derajat 2. Hitunglah diketahui: Nilai eksak Penyelesaian: ( ) 0 1 ( ) 2 6 ( ( 0.405465109 0.62876869 Dengan menggunakan interpolasi polinomial Newton derajat 1.

Disubstitusikan penyelesaian tersebut ke persamaan (6. dan = 3. Spline Kubik Contoh 6. = 3.4 Konstruksikan spline kubik untuk 4 titik data berikut: x y terhadap syarat batas: 0 0 ( )= 2 4 3 5 (0) = = 2 dan ( )= (3) = =2 Penyelesaian. kita dapat menuliskan persamaan spline kubik seperti ( ) ( ) ( ) ( ( ) ) ( ( ) ) ( [ ( ) ] ) [ [ ] ] . Lebar subinterval pada sumbu x: = = =1 ( ) .Galat relatif = 6. yang mempunyai penyelesaian = -3. = -3. yaitu : dan beda terbagi pertama. dengan mengingat bahwa Persamaan matriks dapat dituliskan sebagai [ ][ ] [ ] [ ].19) untuk memperoleh koefisienkoefisien lain dari spline kubik: ( ( ) ( )) ( ) ( )) ( ) ( ( )) Terakhir.

Sign up to vote on this title
UsefulNot useful