You are on page 1of 17

PENCOCOKAN KURVA

(CURVE FITTING)
 Interpolasi :
• Interpolasi Linier
• Interpolasi Kuadratik
• Interpolasi Polinomial
• Interpolasi Lagrange
 Regresi :
• Regresi Linier
• Regresi Eksponensial
• Regresi Polinomial

INTERPOLASI
Interpolasi digunakan untuk menaksir nilai antara
(intermediate value) diantara titik-titik data yang
tepat.
Metode yang sering digunakan adalah interpolasi
polinomial yang terdiri dari beberapa orde sbb :

Interpolasi Linier Interpolasi Kuadratik Interpolasi Kubik


(orde 1) (orde 2) (orde 3)
INTERPOLASI LINIER
Tujuan : menentukan titik antara dari 2 titik data
dengan menggunakan garis lurus.
y − y1 x − x1
=
y2 − y1 x2 − x1
Sehingga :
x − x1
y = y1 + ( y2 − y1 )
x2 − x1

Semakin kecil interval


P1 & P2 semakin baik
hasil interpolasi.

INTERPOLASI LINIER

Algoritma interpolasi linier :


1. Tentukan 2 titik P1 dan P2 dg koordinat masing-
masing (x1,y1) dan (x2,y2)
2. Tentukan nilai x dari titik yang akan dicari (Q)
3. Hitung nilai y dengan :
x − x1
y = y1 + ( y2 − y1 )
x2 − x1

4. Nilai titik yang baru (Q) adalah : (x,y)


INTERPOLASI LINIER
Contoh :
Taksirlah nilai ln(2) dengan interpolasi linier serta
hitunglah kesalahan relatifnya jika digunakan data :
2
a. ln(1) dan ln(6) y = ln(x)
b. ln(1) dan ln(4) 1.5

Jawab (a) : 1

x1 = 1, y1 = ln(1) = 0 0.5

x2 = 6, y2 = ln(6) = 1,791759 0
x=2 -0.5
2 −1 0 1 2 3 4 5 6 7

yˆ = 0 + (1,791759) = 0,358352
6 −1
Nilai eksak y = ln(2) = 0,693147 → εr = 48,4%

INTERPOLASI LINIER
2
Jawab (b) : y = ln(x)
1.5

0.5
x1 = 1, y1 = ln(1) = 0
0
x2 = 4, y2 = ln(4) = 1,386294
-0.5
x=2 0 1 2 3 4 5 6 7

2 −1
yˆ = 0 + (1,386294) = 0,462098
4 −1
Nilai eksak y = ln(2) = 0,693147 → εr = 33,3%
INTERPOLASI KUADRATIK
Tujuan : menentukan titik
antara dari 3 titik data
P2(x2,y2)
dengan menggunakan
pendekatan fungsi kuadrat.
Q(x,y)
P0(x0,y0)

Bentuk umum persamaan P1(x1,y1)


utk interpolasi kuadratik :

f 2 ( x) = b0 + b1 ( x − x0 ) + b2 ( x − x0 )( x − x1 ) ......... (1)

INTERPOLASI KUADRATIK
Bentuk umum tersebut jika ditulis dalam fungsi
kuadrat sbb :
f 2 ( x) = a0 + a1 x + a2 x 2

dimana :
a0 = b0 − b1 x0 − b2 x0 x1
a1 = b1 − b2 x0 − b2 x1
a2 = b2
Bagaimana mendapatkan nilai b0, b1 dan b2 ?
INTERPOLASI KUADRATIK
Untuk x = x0, persamaan (1) menjadi :
b0 = y0 .............. (2)
Untuk x = x1 dan substitusi pers. (2) kedalam (1) :
y1 − y0 ................. (3)
b1 =
x1 − x0
Untuk x = x2 dan substitusi pers. (2) dan (3)
kedalam (1) :
y2 − y1 y1 − y0

x −x x1 − x0
b2 = 2 1 ................. (4)
x2 − x0

INTERPOLASI KUADRATIK
Selain menggunakan bentuk umum persamaan (1)
dengan nilai b0, b1 dan b2 pada persamaan (2) s/d
(4), untuk menghitung nilai y pada interpolasi
kuadratik bisa juga menggunakan persamaan sbb :

y = y0
(x − x1 )(x − x2 ) + y (x − x0 )(x − x2 )
(x0 − x1 )(x0 − x2 ) 1 (x1 − x0 )(x1 − x2 )
+ y2
(x − x0 )(x − x1 )
(x2 − x0 )(x2 − x1 )
INTERPOLASI KUADRATIK

Algoritma interpolasi kuadratik :


1. Tentukan 3 titik input P0(x0,y0), P1(x1,y1) dan
P2(x2,y2)
2. Tentukan nilai x dari titik yang akan dicari (Q)
3. Hitung nilai y dengan :

y = y0
(x − x1 )(x − x2 ) + y (x − x0 )(x − x2 ) + y (x − x0 )(x − x1 )
(x0 − x1 )(x0 − x2 ) 1 (x1 − x0 )(x1 − x2 ) 2 (x2 − x0 )(x2 − x1 )
4. Nilai titik yang baru (Q) adalah : (x,y)

INTERPOLASI KUADRATIK
Contoh :
Taksirlah nilai ln(2) dengan interpolasi kuadratik serta
hitunglah kesalahan relatifnya jika digunakan data ln(1),
ln(4) dan ln(6) 2

Jawab : 1.5

x0 = 1, y0 = ln(1) = 0 y = ln(x)
1
x1 = 4, y1 = ln(4) = 1,386294
0.5
x2 = 6, y2 = ln(6) = 1,791759
0
x=2
Harga-harga tsb dimasukkan -0.5
0 1 2 3 4 5 6 7
kedalam rumus sehingga diperoleh :
ŷ = 0.565844
Nilai eksak y = ln(2) = 0,693147 → εr = 18,4%
INTERPOLASI POLINOMIAL
Tujuan : menentukan titik antara dari n titik data
dg menggunakan pendekatan fungsi polinomial.
Metode yang bisa digunakan untuk memperoleh
hasilnya adalah interpolasi polinomial beda terbagi
Newton (divided difference interpolation polynomial
by Newton).
Bentuk umum persamaan interpolasi polinomial
Newton :

f n ( x) = b0 + b1 ( x − x0 ) + b2 ( x − x0 )( x − x1 ) + K
+ bn ( x − x0 )( x − x1 )L ( x − xn −1 )

INTERPOLASI POLINOMIAL

dimana :
b0 = y0
b1 = f [ x1 , x0 ] → beda terbagi hingga ke 1
b2 = f [ x2 , x1 , x0 ] → beda terbagi hingga ke 2
M
bn = f [ xn , xn −1 , L, x1 , x0 ] → beda terbagi hingga ke n
f […,…] disebut beda
terbagi hingga
INTERPOLASI POLINOMIAL
Cara menghitung “beda terbagi hingga” :
Simbol :
y1 − y0 yi − y j
f [ x1 , x0 ] = → f [ xi , x j ] = Dfj
x1 − x0 xi − x j

f [ xi , x j ] − f [ x j , xk ] D2fk
f [ xi , x j , xk ] =
xi − xk

f [ xn , xn −1 , L, x1 ] − f [ xn −1 , xn −2 , L, x0 ] Dnf0
f [ xn , xn −1 ,L , x1 , x0 ] =
xn − x0

INTERPOLASI POLINOMIAL
Langkah-langkah perhitungan interpolasi polinomial beda
terbagi Newton :
1. Tentukan n titik input untuk interpolasi orde n–1.
2. Buat tabel “beda terbagi hingga” untuk mendapatkan
koefisien bi
3. Masukkan koefisien bi kedalam bentuk umum
persamaan interpolasi polinomial Newton :

f n ( x) = b0 + b1 ( x − x0 ) + b2 (x − x0 )(x − x1 ) + K
+ bn (x − x0 )( x − x1 )L ( x − xn −1 )
4. Tentukan nilai x dari titik yang akan dicari dan hitung
nilai y dari persamaan interpolasi polinomial Newton tsb.
INTERPOLASI POLINOMIAL
Tabel beda terbagi hingga :

i xi yi Dfi D2fi D3fi


y1 − y0 Df − Df 0 3 D 2 f1 − D 2 f 0
0 x0 y0 Df 0 = D 2 f0 = 1 D f0 =
x1 − x0 x 2 − x0 x 3 − x0
y2 − y1 Df 2 − Df1
y1 Df1 = x − x D f1 = x − x
2
1 x1
2 1 3 1

y −y
y2 Df 2 = x − x
3 2
2 x2
3 2

3 x3 y3

INTERPOLASI POLINOMIAL

Contoh :
Taksirlah nilai ln(2) dengan interpolasi polinomial
serta hitunglah kesalahan relatifnya jika digunakan
data ln(1), ln(4), ln(5) dan ln(6)
Jawab :
x0 = 1, y0 = ln(1) = 0
x1 = 4, y1 = ln(4) = 1,386294
x2 = 5, y2 = ln(5) = 1,609438
x3 = 6, y3 = ln(6) = 1,791759
INTERPOLASI POLINOMIAL
Tabel beda terbagi hingga :

i xi yi Dfi D2fi D3fi

0 1 0 0,462098 -0,059739 0,007866

1 4 1,386294 0,223144 -0,020411

2 5 1,609438 0,182322

3 6 1,791759

INTERPOLASI POLINOMIAL

Sehingga persamaan interpolasi polinomialnya


adalah :
f 3 ( x ) = 0 + 0,462098(x − x0 ) − 0,059739( x − x0 )( x − x1 )
+ 0,007866(x − x0 )(x − x1 )( x − x2 )
Masukkan harga-harga x kedalam persamaan :
x = 2, x0 = 1, x1 = 4, x2 = 5
Sehingga diperoleh : ŷ = 0,628769
Nilai eksak y = ln(2) = 0,693147 → εr = 9,3%
INTERPOLASI LAGRANGE
Metode lain utk mendapatkan interpolasi polinomial
adalah model interpolasi Lagrange yg mengguna-
kan fungsi polinomial dalam kombinasi deret.
Bentuk umum persamaan interpolasi Lagrange :
n
y = ∑ yi Li ( x)
i =0

dengan :
n x − xj
Li ( x) = ∏
j =0 xi − x j
j ≠i

INTERPOLASI LAGRANGE
Dari persamaan tersebut dpt dirumuskan beberapa
interpolasi orde n sbb :
• Interpolasi linier (orde 1) :
x − x1 x − x0
y = y0 + y1
x0 − x1 x1 − x0
• Interpolasi kuadratik (orde 2) :

y = y0
(x − x1 )(x − x2 ) + y (x − x0 )(x − x2 )
(x0 − x1 )(x0 − x2 ) 1 (x1 − x0 )(x1 − x2 )
+ y2
(x − x0 )(x − x1 )
(x2 − x0 )(x2 − x1 )
INTERPOLASI LAGRANGE
• Interpolasi kubik (orde 3) :
y = y0 L0 + y1L1 + y2 L2 + y3 L3
dimana :

L0 =
(x − x1 )(x − x2 )(x − x3 ) L1 =
(x − x0 )(x − x2 )(x − x3 )
(x0 − x1 )(x0 − x2 )(x0 − x3 ) (x1 − x0 )(x1 − x2 )(x1 − x3 )

L2 =
(x − x0 )(x − x1 )(x − x3 ) L3 =
(x − x0 )(x − x1 )(x − x2 )
(x2 − x0 )(x2 − x1 )(x2 − x3 ) (x3 − x0 )(x3 − x1 )(x3 − x2 )

INTERPOLASI LAGRANGE

Contoh :
Taksirlah nilai ln(2) dengan interpolasi polinomial
serta hitunglah kesalahan relatifnya jika digunakan
data ln(1), ln(4), ln(5) dan ln(6)
Jawab :
x0 = 1, y0 = ln(1) = 0
x1 = 4, y1 = ln(4) = 1,386294
x2 = 5, y2 = ln(5) = 1,609438
x3 = 6, y3 = ln(6) = 1,791759
INTERPOLASI LAGRANGE

i xi yi Li yiLi
0 1 0 0.4 0
1 4 1,386294 2 2,772589
2 5 1,609438 -2 -3,218876
3 6 1,791759 0.6 1,075056
ŷ= 0,628769

Nilai eksak y = ln(2) = 0,693147 → εr = 9,3%

INTERPOLASI POLINOMIAL
Ada cara lain untuk mendapatkan persamaan
polinomial pada interpolasi polinomial, yaitu dengan
cara menyusun sistem persamaan linier simultan
dari nilai-nilai x dan y yang diketahui.
Jika ada n titik data yaitu P1(x1,y1) s/d Pn(xn,yn) maka:
y1 = a0 + a1 x1 + a2 x12 + K + an −1 x1n −1
y2 = a0 + a2 x2 + a2 x22 + K + an −1 x2n −1
y3 = a0 + a1 x3 + a2 x32 + K + an−1 x3n −1
M
yn = a0 + a1 xn + a2 xn2 + K + an−1 xnn −1
INTERPOLASI POLINOMIAL
Penyelesaian persamaan linier simultan tersebut
adalah nilai-nilai a0, a1, a2, …, an-1 yang merupakan
koefisien dari persamaan polinomial sbb :

y = a0 + a1 x + a2 x 2 + K + an −1 x n −1

Sehingga dengan memasukkan nilai x pada


persamaan tersebut akan didapatkan nilai y dari titik
yang akan dicari.

INTERPOLASI POLINOMIAL
Penyelesaian persamaan linier simultan tersebut
dapat menggunakan metode-metode yang telah
dipelajari, seperti metode eliminasi Gauss atau
metode eliminasi Gauss Jordan dengan menyusun
matriks sbb :
1 x1 x12 L x1n −1   a0   y1 
    
1 x2 x22 L x2n −1   a1   y2 
1 x3 x32 L x3n −1   a2  =  y3 
    
M M M M M  M   M 
1 xn xn2 L xnn −1  an −1   yn 

INTERPOLASI POLINOMIAL

Contoh :
Taksirlah nilai ln(2) dengan interpolasi polinomial
serta hitunglah kesalahan relatifnya jika digunakan
data ln(1), ln(4), ln(5) dan ln(6)
Jawab :
x0 = 1, y0 = ln(1) = 0
x1 = 4, y1 = ln(4) = 1,386294
x2 = 5, y2 = ln(5) = 1,609438
x3 = 6, y3 = ln(6) = 1,791759

INTERPOLASI POLINOMIAL
Dengan metode Gauss Jordan, Augmented matrix :
1 1 1 1 0 
1 4 16 64 1,386294 B2-B1

1 5 25 125 1,609438 B3-B1
 
1 6 36 216 1,791759 B4-B1

1 1 1 1 0 
0 3 15 63 1,386294 B2/3

0 4 24 124 1,609438
 
0 5 35 215 1,791759
INTERPOLASI POLINOMIAL
1 1 1 1 0  B1-B2
0 1 5 21 0,462098

0 4 24 124 1,609438  B3-4B2
 
0 5 35 215 1,791759  B4-5B1

1 0 − 4 − 20 − 0,462098
0 1 5 21 0,462098 

0 0 4 40 − 0,238955 B3/4
 
0 0 10 110 − 0,518731

INTERPOLASI POLINOMIAL
1 0 − 4 − 20 − 0,462098 B1+4B3
0 1 5 21 0,462098  B2-5B3

0 0 1 10 − 0,059739
 
0 0 10 110 − 0,518731 B4-10B3

1 0 0 20 − 0,701053
0 1 0 − 29 0,760791 

0 0 1 10 − 0,059739
 
0 0 0 10 0,078655  B4/10
INTERPOLASI POLINOMIAL
1 0 0 20 − 0,701053 B1-20B4
0 1 0 − 29 0,760791  B2+29B4

0 0 1 10 − 0,059739 B3-10B4
 
0 0 0 1 0,007866 

1 0 0 0 − 0,858363
0 1 0 0 0,988892 

0 0 1 0 − 0,138394
 
0 0 0 1 0,007866 

INTERPOLASI POLINOMIAL
Sehingga diperoleh persamaan polinomial sbb :
y = −0,858363 + 0,988892 x − 0,138394 x 2 + 0,007866 x 3
Untuk x = 2, diperoleh : ŷ = 0,628769
Nilai eksak y = ln(2) = 0,693147 → εr = 9,3%