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 n (9,0) = 2,1972 dan n (9,5) = 2,2513 maka
tentukanlah nilai n (9,2) dengan interpolasi linear sampai 5 angka dibelakang koma.
Bandingkanlah hasilnya dengan nilai sejati n (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