UNIVERSITAS GADJAH MADA

FAKULTAS MIPA
JURUSAN ILMU KOMPUTER DAN ELEKTRONIKA
ILMU KOMPUTER

RKPM
Rencana Kegiatan Pembelajaran Mingguan
Modul Pembelajaran Minggu ke 4,5
INTERPOLASI
oleh
1. Drs. G.P. Dalijo, Dipl. Comp.
2. Agus Sihabuddin, S.Si., M.Kom.

Didanai dengan dana BOPTN P3-UGM

Tahun Anggaran 2012

Desember 2012

BAB IV
INTERPOLASI
MINGGU KE 4,5
Pendekatan terhadap suatu nilai fungsi dibutuhkan pada beberapa kasus
dimana nilai tersebut akan sulit didapatkan dari suatu pendekatan analisis. Pendekatan
numeris untuk hal tersebuat adalah dengan interpolasi. Interpolasi pada suatu fungsi
F(x) dapat dinyatakan dalam berbagai bentuk persamaan diantaranya linear,
polinomial atau parabolik, trigonometri, exponensial, logaritmik, dan sebagainya.
Pada bagian ini akan dibicarakan beberapa model interpolasi diantaranya : linear,
kuadratik, beda terbagi newton, bead maju newton, beda mundur newton, dan
interpolasi dengan fungsi spline.
4.1 Definisi
Interpolasi adalah proses menemukan dan mengevaluasi sebuah fungsi yang
grafiknya melalui beberapa titik yang sudah diberikan. Fungsi yang dievaluasi paling
banyak berupa polinomial.
Permasalahan dapat dijelaskan sebagai berikut:
Diberikan

n+1

titik

( x , f ), ( x , f
0

data

), , ( x ,

yang

berlainan. Akan dicari suatu polinom

berupa

bilangan

x ,x ,,x

dengan

p x

pasangan

yang pada setiap

semuanya

mengambil nilai

yang diberikan, yaitu :

p x f , p x f
n

,, p

x f
n

yang mempunyai derajat n atau

kurang.

Polinom
Nilai

disebut penginterpolasi. Nilai-nilai

sering disebut simpul.

bisa berupa nilai-nilai fungsi matematis (tetapi f x tidak diketahui) atau

nilai yang diperoleh dari percobaan atau pengamatan. Polinom

p x
n

digunakan

untuk mendapatkan nilai-nilai aproksimasi f x yang tidak dilakukan pengukuran.

Secara khusus, terdapat 2 macam pengertian untuk interpolasi, yaitu :

Interpolasi

: x terletak di antara simpul-simpul yang ada.

Ekstrapolasi

: x tidak terletak di antara simpul-simpul biasanya kurang

cermat.

Interpolasi dan Ekstrapolasi digunakan untuk memprediksi suatu nilai dalam suatu
fungsi yang belum diketahui, dimana fungsi itu bersifat kontinyu dalam interval
tertentu.
4.2 Interpolasi Polinomial
Beberapa interpolasi polynomial yang akan dibahas adalah interpolasi linier,
interpolasi kuadratik, interpolasi beda terbagi Newton, dan interpolasi Lagrange.
4.2.1 Interpolasi Linier
Interpolasi linear menggunakan sarana garis lurus melalui

x , f , x , f .
0

Interpolasi linier dapat digunakan untuk mengestimasi nilai f x untuk x yang tidak
ada di dalam data dengan menggunakan 2 titik terdekat dengan x.Secara detil, dapat
dijelaskan sebagai berikut
-

x , f dan x , f dengan x x :

Diberikan 2 titik

Garis lurus yang menghubungkan kedua titik merupakan grafik dari

linear :
-

p x

x x f x x f
1

x x

polinomial

Cara penulisan rumus yang lain :

p x f
1

x x f x , x
0

f f
f x , x
x x
1

dengan

disebut beda
-

Dengan demikian, fungsi

i = 0.1, atau

p x f
1

menginterpolasi nilai

, i 0 .1

pada titik

Gambar 4.1 Ilustrasi interpolasi linier

Dengan demikian, algoritma interpolasi linier dapat disusun sebagai berikut
Input : xi, i = 1, 2 ; f(xi), i = 1, 2 ; P1
Output : linier
Langkah-langkah :
Untuk i = 1, 2 lakukan
Ai := xi
Bi := f(xi)
faktor :=

B2 - B1
A 2 - A1

linier := B1 + (faktor * (P1 A1))

Contoh soal :
1. Carilah ln 9.2 dari ln 9.0 = 2.1972 dan ln 9.5 = 2.2513
Penyelesaian :

p 9.2 2.1972
1

2.2513 2.1972
9.2 9.0 = 2.2188
9 .5 9 .0

Jadi ln 9.2 = 2.2188

2.

Taksirlah populasi Indonesia tahun 1998 jika diketahui populasi tahun

1980 adalah 179.3 juta dan 1990 adalah 203.2 juta.

3.

Hitunglah interpolasi linear pada titik 1.5 jika diketahui f(1)=4, f(2)=9 dan
f(3)=16.
Penyelesaian:

p x f
1

x x f x , x

94

p 1.5 4 2 1 1.5 1
1

= 6.5

4.1.2 Interpolasi Kuadratik

Interpolasi kuadratik adalah interpolasi yang memakai sarana polinom
berderajat

paling

tinggi

dua

yang

kurvanya

melalui

titik

x , f , x , f , dan x , f
0

Polinomial kuadratik yang melalui ketiga titik tersebut adalah :

p x f
2

x x f x , x x x x x f x , x , x

f f
f x , x
x x
1

dengan

dan

f x , x f x , x
f x , x , x
x x
1

Dapat dibuktikan bahwa :

p x f
0

f f
p x f x x
x x
p x f
1

dan

Contoh soal:
Jika f 8.0 =2.0794, f 9.0 =2.1972 dan f 9.5 =2.2513, carilah f 9.2
Penyelesaian :

8.0

2.0794

2.1972

9.0

2.2513

f x , x 0.1178
0

, , 0.0064
f x , x 0.1082 f x x x
0

9.5

p x 2.0794 x 8.0 0.1178 x 8.0 x 9.0 0.0064

2

= 0.6762 + 0.2266 x 0.0064 x2

p 9.2 2.2192

eksak sampai 4 desimal, karena ternyata:

f x ln x
f 9.2 ln 9.2 2.2192

Contoh soal :
Hitunglah interpolasi kuadratik pada titik 1.5 jika diketahui f(1)=4, f(2)=9 dan f(3)=16
Penyelesaian:

=4

p x f
2

f x , x , x 1

f x , x 7
1

f x , x 5

16

x x f x , x x x x x f x , x , x
0

p x 4 x 1 5 x 1 x 21
2

= 1 + 2x + x2
P2(1.5) = 6.25
4.1.3 Interpolasi Beda Terbagi Newton
Interpolasi linear dan kuadratik merupakan kasus khusus interpolasi derajat yang
lebih tinggi. Dalam hal ini, digunakan konsep beda terbagi sebagai berikut:

Untuk order pertama dihitung dari derivatif fungsi f x secara diskrit :

f f

f x x

x x
1

0
0

x x
0

Untuk order yang lebih tinggi, dipakai beda terbagi order yang lebih rendah secara
rekursif:

f x , x f x , x
f x , x , x
x x
f x , x , x f x , x , x
f x , x , x , x
x x
1

Sehingga:

f x , , x f x , , x
f x , , x
x x
1

n 1

disebut rumus beda terbagi Newton.

Dengan demikian, interpolasi beda terbagi Newton dapat dirumuskan sebagai
berikut:

x x f x , x x x x x f x , x , x
x x x x f x , , x

p x f
n

n 1

Contoh soal:
Carilah

f 9.2

dari interpolasi menggunakan titik-titik (8.0, 2.079442), (9.0,

2.197225), (9.5, 2.251292), (11.0, 2.397895).

Penyelesaian :
Dengan menggunakan tabel :
i
0
1
2
3

P3(x)

8.0
9.0
9.5
11.0

2.079442
2.197225
2.251292
2.397895

f x , x f x , x , x f x , x , x , x
i

0.117783
0.108134

i 1

i 1

-0.006433

i2

i 1

i2

0.000411

-0.005200

0.097735

= 2.079442 + 0.117783 (x-8.0) - 0.006433 (x-8.0) (x-9.0) + 0.000411 (x-8.0)

(x-9.0) (x-9.5)

i 3

P3(9.2) = 2.079442 + 0.141340 - 0.001544 - 0.000030

= 2.219208 eksak sampai 6 desimal.
Dari penjelasan dan perumusan di atas, algoritma Interpolasi Beda Terbagi
Newton dapat disusun sebagai berikut:

p z dari

Tujuan: menghitung

Algoritma interpolasi :

f z pada z

input

x , f , x , f , , x , f ; z

output

p z

Langkah-langkah :
1. Untuk j = 0, 1, 2, , n lakukan:

f x : f
j

2. Untuk m = 1, 2, , n-1 lakukan

Untuk j = 0, 1, 2, , n-m, lakukan

f
3.

x , x
j

p z : f
0

f x

, , x jm
j 1

j 1

x , x

, , x jm f

jm

j 1

, , x j m1

xj

4. Untuk k = 1, 2, 3, , n lakukan

p z p z z x z x f x , , x
0

k 1

k 1

4.1.4 Interpolasi pada Titik yang Berjarak Sama

Rumus interpolasi beda terbagi Newton berlaku untuk simpul yang berjarak
sembarang. Untuk simpul-simpul yang berjarak sama, maka didapatkan

x, x x
0

h,

x x
2

2h , ,

x x
n

x:
i

nh

dengan h adalah jarak antara 2 simpul. Ini akan menyederhanakan rumus interpolasi.

4.1.4.1 Rumus Beda Maju Newton (Gregory-Newton)

Didefinisikan :

j 1

j 1

k 1

beda maju pertama

j 1

beda maju kedua

k 1

beda maju ke-k

Dari definisi-definisi di atas, ternyata dapat dibuktikan bahwa :

f

, , xk

dengan

1
k! h k

x x
j

j 1

f0

....(1)

(konstan)

Pembuktian:
Pembuktian dilakukan dengan memakai induksi, bahwa memang benar untuk k =
1, karena x1 = x0 + h, sehingga
f1 f 0 1
1
f1 f 0
f 0
x1 x0 h
1!h

f [ x0 , x1 ]

Dengan anggapan (1) benar untuk semua beda maju orde k, maka rumus berlaku
untuk k+1. digunakan xk+1 = xo + (k+1)h dan j = 0.
f [ x1 , , x k 1 ] f [ x 0 , , x k ]
( k 1)h

f [ x0 ,..., x k 1 ]

1
1
1

k f 1
k f 0
k
k

( k 1) h k!h
k! h

k 1 f 0
k 1
( k 1)!h

Rumus di atas merupakan rumus (1) dengan k+1 sebagai ganti k. Dengan
demikian rumus (1) terbukti.

Bila ditetapkan bahwa x x 0 rh atau r

x x0
, 0 r n, maka rumus
h

interpolasi menjadi :
r s
f 0
s 0 s
n

f x Pn x

f 0 r f 0

r r 1 2
r r 1 r n 1 n
f 0
f0
2!
n!

dengan koefisien-koefisien binomial didefinisikan dengan :

r
r r 1 r 2 r s 1

s
s!

r
1,
0

Perhitungan terhadap eror yang terjadi :

n x

r n 1
r r 1 r n f
n 1!

n 1

dengan f n 1 adalah turunan f ke (n+1) dan t terletak antara x dan xn

Contoh soal:
Hitung cosh (0.56) jika diketahui cosh (0.5) = 1.127626, cosh (0.6) = 1.185465, cosh
(0.7) = 1.255169, cosh (0.8) = 1.377435
Penyelesaian :
j
0
1
2
3

0.5
0.6
0.7
0.8

cosh

x
j

1.127626
1.185465
1.255169
1.377435

0.057839
0.069704
0.082266

-0.011865
-0.012562

P3(0.56)

0.1

0.6( 0.4)
x 0.11865
2
0.6( 0.4)(1.4)
+
x 0.000697
6

= 1.127626 + 0.6 x 0.057839 +

= 1.127626 + 0.034703 0.001424 + 0.000039

= 1.160944

4.1.4.2 Rumus Beda Mundur Newton (Gregory-Newton)

Didefinisikan beda mundur pertama dari f pada xj : f j f j f j 1
2
Beda mundur kedua : f j f j f j 1
k
k 1
k 1
Beda mundur ketiga : f j f j f j 1

(k = 1,2, )

Maka rumus interpolasi beda mundur Newton menjadi:

r s 1 s
f0
s
s 0
n

f x Pn x

f 0 r f 0

r r 1 2
r r 1 r n 1 n
f0
f0
2!
n!

0.000697

x x0 0.56 0.50

0.6
h

dengan x x0 r h r

x x0
, 0rn
h

4.1.5 Interpolasi Lagrange

Diberikan

x0 , f 0 , x1 , f1 , , x n , f n

dengan

x i sebarang.

Lagrange

mempunyai pemikiran mengalikan f j dengan suatu polinom yang bernilai 1 pada x j

dan 0 pada n titik simpul lainnya dan kemudian menjumlahkan n+1 polinom tersebut
untuk memperoleh polinom interpolasi tunggal berordo n atau lebih kecil.
Rumus interpolasi lagrange:
-

Polinomial interpolasi mempunyai bentuk :

Ln x f 0 b0 x f1b1 x f 2 b2 x ... f n bn x

Dengan bk(x) = suatu polinomial derajat n

Polinomial bk(x) dapat dicari dengan menggunakan n+1 persamaan constraint.
-

Persamaan constraint dapat dibuat sebagai berikut :

Ln ( xi ) f i

; i 0,1,2, , n

Sehingga :
Ln x0 f 0 f 0b0 x0 f1b1 x0 ... f n bn x0 f 0
Ln x1 f1 f 0 b0 x1 f1b1 x1 ... f n bn x1 f1

Ln xn f 0 f 0 b0 xn f1b1 xn ... f n bn xn f n

Untuk mempermudah penyelesaian persamaan constraint, maka dipilih :

1 ; ik
0 ; ik

bk xi

Persamaan tersebut telah memenuhi persamaan constraint.

-

Bentuk persamaan polinomial bk(x) adalah sebagai berikut :

bk x C k ( x x0 )( x x1 )( x x2 ) ( x xk 1 )( x x k 1 ) ( x xn )

Sesuai pilihan di atas yang cocok dengan constraint yaitu bk(xk) = 1

Maka konstanta Ck dapat dicari dengan rumusan berikut :
Ck

1
( xk x0 )( xk x1 ) ( xk xk 1 )( x j xk 1 ) ( xk xn )

Dengan demikian semua polinomial bk(x) diperoleh :

b0 x C 0 ( x x1 )( x x 2 ) ( x x n )

b1 x C1 ( x x 0 )( x x 2 )( x x3 ) ( x x n )

b2 x C 2 ( x x 0 )( x x1 )( x x 3 ) ( x x n )

bn x C n ( x x 0 )( x x1 ) ( x x n 1 )

di mana :
C0

1
( x0 x1 )( x0 x 2 )( x 0 x3 ) ( x 0 x n )

C1

1
( x1 x0 )( x1 x 2 )( x1 x3 ) ( x1 x n )

C0

1
( x 2 x 0 )( x 2 x1 )( x 2 x3 ) ( x 2 x n )

C0

1
( x n x0 )( x n x1 )( x n x 2 ) ( x n x n 1 )

Jadi polinomial bk(x) dapat ditulis secara lengkap :

b0 x

( x x1 )( x x 2 ) ( x x n )
( x0 x1 )( x 0 x 2 ) ( x0 x n )

b1 x

( x x0 )( x x 2 ) ( x x n )
( x1 x 0 )( x1 x 2 ) ( x1 x n )

b2 x

( x x0 )( x x1 )( x x3 ) ( x x n )
( x 2 x0 )( x 2 x1 )( x 2 x3 ) ( x 2 x n )

bn x

( x x 0 )( x x1 )( x x 2 ) ( x x n 1 )
( x n x 0 )( x n x1 )( x n x 2 ) ( x n x n 1 )

Sehingga persamaan polinomial dari lagrange interpolation dapat dirumuskan

sebagai berikut :
n

Ln ( x) f k
k 0

( x x0 )( x x1 ) ( x xk 1 )( x xk 1 ) ( x xn )
( xk x0 )( xk x1 ) ( xk xk 1 )( xk xk 1 ) ( xk xn )

Atau jika l n x ( x x0 )( x x1 )( x x2 ) ( x xk 1 )( x xk 1 ) ( x xn )
maka rumus interpolasi lagrange adalah :
lk x
fk
k 0 l k ( x k )
n

f x Ln x

dengan :
l 0 x x x1 x x 2 x x n

untuk k = 1,2, , n-1

l k x x x 0 x x k 1 x x k 1 x x n

l n x x x0 x x1 x xn1

Dengan demikian : l n x k f k

lk x j 0

dan

jika j k

Djuhana (2002) melakukan analisis kesalahan metode Lagrange. Kesalahan itu

terjadi saat metode ini ingin memberikan aproksimasi suatu fungsi f(x) dengan
polinomial Ln(x) yaitu :
E n x f x Ln x

( x x0 )( x x0 ) ( x x0 )
f
(n 1)!

n 1

di mana tergantung pada nilai x dan tidak diketahui di dalam interval x, x0 dan xn
Algoritma interpolasi polinomial lagrange dapat dirumuskan sebagai berikut :
Input : n, xi , i = 0, 1, 2, , n ; f( xi ) ; x
Output : Plag = ln(x)
Langkah-langkah :
Plag := 0
Untuk i = 0,1,2, , n lakukan
faktor := 1
Untuk j = 0,1, , n
Jika j i, faktor := faktor *

x xj
xi x j

Plag := Plag + faktor * f(xi)

Contoh soal:
Carilah f(9.2) dengan interpolasi lagrange dengan n = 3 dan
f(9.5)=2.25129, f(10.0)=2.30259, f(11.0)=2.39790
Penyelesaian :

L3 x

l0 x
l x
l x
l x
f0 1
f1 2
f2 3
f3
l0 x0
l1 x1
l 2 x2
l3 x3

l0 x0 x0 x1 x0 x2 x0 x3

= -1.00000

l0 x x x1 x x2 x x3

= -0.43200

l1 x1 x1 x0 x1 x2 x1 x3

= 0.37500

l1 x x x0 x x2 x x3

= 0.28800

l2 x2 x2 x0 x2 x1 x2 x3

= -0.50000

f(9.0)=2.19722,

l2 x x x0 x x1 x x3

= 0.10800

l3 x3 x3 x0 x3 x1 x3 x2

= 3.00000

l3 x x x0 x x1 x x2

= 0.04800

L 3 (9.2)

0.43200
0.28800
0.10800
2.19722
2.25129
2.30259
1.00000
0.37500
0.50000
0.04800

2.39700
3.00000

= 2.21920 (eksak sampai 5 angka decimal)

4.2. Fungs-fungsi Interpolasi Non-Polinomial
Interpolasi dan ekstrapolasi adalah salah satu metode pendekatan atau
aproksimasi. Interpolasi dan ekstrapolasi digunakan untuk memprediksi suatu nilai
dalam suatu fungsi yang belum diketahui, di mana fungsi itu bersifat kontinyu dalam
interval tertentu.
Terdapat beberapa kelemahan penggunaan interpolasi polinomial:

Titik-titik penginterpolasi harus dipilih dengan hati-hati. Jika tidak, bisa terjadi
perbedaan yang sangat besar antara fungsi dan hasil interpolasi seiring bertambah
banyaknya titik yang digunakan.
Contoh:
Interpolasi terhadap f ( x)

1
pada interval [-5,5]
1 x2

Gambar 4.2 Grafik interpolasi dengan N=6

Gambar 4.3 Grafik interpolasi dengan N=11

Kurva yang dihasilkan tidak smooth (mulus).

Contoh:
Titik-titik data interpolasi:
x

2.5

3.5

2.5

0.5

0.5

1.5

1.5

1.125

- Dengan interpolasi linier:

Ide dasar dari interpolasi linier: pada saat data dalam bentuk tabel tidak begitu
bervariasi, sehingga memungkinkan untuk dilakukan pendekatan dengan
menggunakan sebuah garis lurus di antara dua titik yang berdekatan.

Gambar 4.4 Interpolasi linier untuk data di atas

- Dengan interpolasi kuadratik (polinomial derajat 2):

Gambar 4.5 Interpolasi kuadratik untuk data di atas

- Dengan interpolasi polinomial derajat 6:

Gambar 4.6 Interpolasi derajat 6 untuk data di atas

4.2.1 Interpolasi dengan Fungsi Spline

Smoothness bisa didapatkan dengan interpolasi polinomial secara lokal
menggunakan fungsi-fungsi spline. Polinomial-polinomial berderajat rendah (yang
berbeda derajatnya) digunakan untuk tiap interval [Xi, Xi+1]
Definisi fungsi spline
Misalkan x0 x1 ..... x n adalah serangkaian titik. Fungsi s merupakan spline
berderajat k jika:
a. s adalah polinomial berderajat tidak lebih dari k pada tiap subinterval [X i,
Xi+1].
b. s, s ' ,....., s ( k 1) semuanya kontinyu pada interval [X0, XN]
Contoh-contoh fungsi spline:

x
a.

s( x) x x 1
5x 8

0 x 1
1 x 3
3 x 4

Merupakan fungsi spline derajat 2. Derajat masing-masing fungsi paling tinggi

adalah 2. Bukan merupakan spline kubik (derajat 3) karena derivatif titik 2
tidak kontinyu, yaitu 0, 2, 0, untuk masing-masing interval.

b.

2x 1
s( x)
x

0 x 1
1 x 2

Merupakan spline linier.

Soal: bagaimana dengan:

x3 x 2 2x 1

a.

b.

2 x0
0 x 1
1 x 3
3 x4

x 2x 1
s( x) 3 2
x 4 x 5x 2
x 3 x 2 25x 43

x 3 2x

f ( x)

x [0,1]
x [1,4]

3 5(x 1) 3(x 1) 2

4.2.1.2 Interpolasi Spline Kubik Alamiah (Natural Cubic Spline Interpolation)

Diberikan n titik data (xi, yi) dengan x1 < x2 < ... < xn dan a = x1, b = xn. Akan
dicari fungsi s(x) yang terdefinisi pada [a,b] yang menginterpolasi data:
s ( xi ) y i ,

i = 1, ....., n

Agar s(x) mulus, s ' ( x ) dan s(x) harus kontinyu supaya kurva mengikuti bentuk
umum dari interpolasi linear, s ' ( x ) tidak boleh berubah terlalu banyak pada titiktitik. Syaratnya, s(x) bernilai sekecil mungkin.
Maka s(x) harus memenuhi:
a. s(x) berupa polinom kubik pada masing-masing interval [ x j 1, x j ] untuk j = 2,
3, ....., n
b.

s" ( x1 ) s" ( x n ) 0

s(x) disebut fungsi spline kubik alamiah yang menginterpolasi data (xi, yi).
Untuk membentuk s(x), dapat digunakan cara sebagai berikut:
Misalkan Mi, ....., Mn dengan

M i s" ( x i )

, i = 1, .., n. s(x)

akan dinyatakan dalam Mi.

s(x) persamaan kubik pada tiap selang [ x j 1, x j ] , maka s(x) akan linear pada
selang tersebut. Fungsi linier akan ditentukan oleh 2 titik dan dipakai

s" ( x
s" ( x

j 1

) M

) M

j 1

dan

Maka
( x

s" ( x )

x) M

untuk x j 1 x x j
Antiderivatif ke-2 dari s(x) pada [ x j 1, x j ] yang memenuhi kondisi penginterpolasi
s ( x j 1 ) y j 1 , s ( x j ) y j adalah:

s( x)

( x j x ) 3 M j 1 ( x x j 1 ) 3 M j
6( x j x j 1 )

( x j x ) y j 1 ( x x j 1 ) y j
( x j x j 1 )

1
( x j x j 1 )[( x j x ) M j 1 ( x x j 1 ) M j ]
6

...... (1)

untuk x j 1 x x j
Rumus tersebut diterapkan pada tiap interval [ x1 , x 2 ],....., [ x n 1 , y n ]
s(x) akan kontinyu pada [a, b] karena syarat s ( x j ) y i . Agar s ' ( x ) kontinyu pada
[a, b] maka s ' ( x ) pada [ x j 1 , x j ] dan [ x j , x j 1 ] harus mempunyai nilai yang sama
pada titik batas x = xj, j = 2, ....., n-2.
Dihasilkan:

x j x j 1
6

M j 1

x j 1 x j 1
3

j 1

Mj

x j 1 x j
6

M j 1

j = 2, 3, ....., n-1

y j 1 y j
x j 1 x j

y j y j 1
x j x j 1

....... (2)

Terdapat n-2 persamaan

Dengan asumsi sebelumnya : M1 = Mn = 0

....... (3)

Akan dihasilkan M1, ....., Mn yang akan disubstitusi pada (1) menghasilkan fungsi
penginterpolasi s(x).
Contoh soal:
1. Hitung spline kubik alamiah yang menginterpolasi data:

(1,1), (2, 1 2), (3, 13 ), (4, 1 4)

2. Hitung spline kubik alamiah untuk data:
x

0.0

0.1

0.3

0.6

F(x)

0.0000

0.2624

0.6419

1.0296

4.2.2 Interpolasi Rasional dan Pecahan Bersambung

Fungsi-fungsi rasional (yang merupakan perbandingan polinomial) diperlukan

untuk karakteristik tertentu, misalnya asimtot.
Sebagai contoh: untuk melihat bagaimana kondisi

x2 1
di dekat 0 tidak dapat di
x

dekati dengan polinomial.

Misal x 0 , x1 ,....., x N dengan N = n + m adalah titik-titik dimana f(x0), ..... f(xN)
diketahui. Maka untuk tiap i = 0, ..... N,

f ( xi )

a0 a1 x1 ..... a n xi
1 b1 xi ..... bm xi

Ini dapat ditulis dengan:

n

a 0 a1 x1 ..... a n xi f ( xi )(b1 xi ..... bm xi ) f ( xi )

yang merupakan sistem linear.
Tetapi sistem tersebut ternyata belum tentu mempunyai penyelesaian dan jika ada,
penyelesaian tersebut belum tentu unik. Dengan demikian, diperlukan metode lain.
Salah satu metode yang dapat dipakai adalah metode pecahan bersambung
(Continued Fractions) yang menggunakan beda invers (inverse differences).
Definisi beda invers : untuk fungsi f pada titik-titik x0, .., xN :
Inverse differences ke-0 : [ xi ] f [ xi ]
Inverse differences ke-1 : [ xi , x j ]

xi x j

[ xi ] [ x j ]

Secara umum:
[ x,....., x p , x q , x r ]

xq xr

[ x,....., x p , x q ] [ x,....., x p , x r ]

Contoh soal:
Untuk data x0 = -1, x1 = 0, x2 = 1, x3 = 2 dengan nilai-nilai fungsi 2, 1, 3, 2.5,
didapatkan tabel beda invers sebagai berikut.
[ x 0 , xi ] [ x 0 , x1 , xi ] [ x 0 , x1 , x 2 , x3 ]

xi

fi

-1

-1

0.3333

2.5

0.2857

-21.0084

Salah satu perhitungan: [ x0 , x1 , x3 ]

x1 x3
02
2

[ x0 , x1 ] [ x0 , x3 ] 1 6 7

Dari definisi beda invers di atas, dapat diturunkan rumus interpolasi pecahan
rasional bersambung, seperti uraian berikut ini:
f ( x) f ( x 0 ) ( x x0 )

1, 0 ( x) [ x 0 ]

f ( x) f ( x 0 )
x x0
[ x 0 ]
[ x 0 , x]
x x0

..... (1)

x x0
[ x 0 , x1 ]

[ x0 , x] [ x0 , x1 ]

x x1
[ x0 , x1 , x ]

Substitusi terhadap (1) maka:

f ( x) [ x0 ]

x x0
x x1
[ x0 , x1 ]
[ x0 , x1 , x]

Maka 1,1 ( x) didapatkan dengan mengganti x pada [ x 0 , x1 , x 2 ] dengan x2

1,1 ( x) 2

x 1
7x 1

x 3x 1
1
1

Dengan demikian, rumus interpolasi pecahan rasional bersambung secara umum:

f ( x) [ x0 ]

[ x0 , x1 ]

x x0
x x1

[ x0 , x1 , x 2 ]

x x2
[ x0 , x1 , x 2 , x3 ] .....

Contoh soal:
1. Carilah interpolasi pecahan rasional bersambung dari data pada penjelasan di atas.
2,1 ( x) 2

x 1
x 1
2
x
21x
1
1
1 x 1
8 x

3
21

( x 1)(8 x)
22 x 8
8 51x x 2

22 x 8
2

2. Carilah interpolasi fungsi rasional 2,1 untuk data: f(1) = 8, f(2) = 6, f(3) = 5,
f(4) = 4