METODE INTERPOLASI LAGRANGE DAN NEWTON

2.1 Pendahuluan
a. Latar Belakang
Interpolasi adalah teknik mencari harga suatu fungsi pada suatu titil diantara 2 titik
yang nilai fungsi pada ke-2 titik tersebut sudah diketahui. Di dunia nyata, interpolasi
dapat digunakan untuk memperkirakan suatu fungsi, yang mana fungsi tersebut tidak
terdefinisi dengan suatu formula, tetapi didefinisikan hanya dengan data-data atau tabel,
misalnya tabel dari hasil percobaan. Interpolasi dapat juga diaplikasikan untuk
pengolahan citra digital salah satunya dengan menggunakan software MATLAB.
MATLAB adalah aplikasi yang mampu beroperasi apabila terdapat listing utama
dan listing fungsinya. MATLAB merupakan sebuah software (perangkat lunak) yang
digunakan sebagai sarana untuk memogramkan suatu program matematik. Pada
pembahasan laporan ini kita dapat menggunakan MATLAB untuk menyelesaikan
permasalahan matematika seperti interpolasi kuadratik dan interpolasi newton.
b. Rumusan Masalah
Berdasarkan latar belakang di atas, rumusan masalah yang dapat disimpulkan
adalah sebagai berikut :
1. Bagaimana mahasiswa dapat memahami dan menerapkan metode interpolasi
lagrange?
2. Bagaimana mahasiswa dapat memahami dan menerapkan metode interpolasi
newton?
c. Tujuan
Berdasarkan latar belakang di atas, tujuan yang dapat disimpulkan adalah sebagai
berikut :
1. Mahasiswa dapat memahami dan menerapkan metode interpolasi lagrange
2. Mahasiswa dapat memahami dan menerapkan metode interpolasi newton

1
2.2 Landasan Teori
Aproksimasi merupakan salah satu usaha untuk menyajikan data berbentuk
grafis menjadi kalimat matematis. Secara umum aproksimasi harus mendapatkan
suatu fungsi yang melewati semua titik yang diketahui. Aproksimasi ini dikenal
sebagai interpolasi. Karena harus melewati semua titik yang ada, maka ada banyak
fungsi yang memenuhi, kecuali jika fungsi tersebut mempunyai syarat tertentu.
𝑥 = 𝑥𝑖 → 𝑓 (𝑥𝑖 ) = 𝑦𝑖
Sedangkan secara khusus aproksimasi tidak mensyaratkan melewati semua titik.
Walaupun demikian solusi yang didapat haruslah merupakan hasil terbaik yang
mendekati semua titik yang diketahui. Aproksimasi secara khusus lebih dikenal
dengan istillah regresi.
𝑥 = 𝑥𝑖 → 𝑓(𝑥𝑖 ) ≈ 𝑦𝑖
(Fairuz, 2013).
Ada banyak metode interpolasi yang dapat diterapkan, diantaranya adalah:
1. Interpolasi Lagrange
Interpolasi Lagrange diterapkan untuk mendapatkan fungsi polinomial P(x)
berderajat tertentu yang melewati sejumlah titik data. Misalnya, kita ingin mendapatkan
fungsi polinomial berderajat satu yang melewati dua buah titik yaitu (x 0, y0) dan (x1, y1)
(Supriyanto, 2006).
Bentuk umum polinom Lagrange derajat ≤ 𝑛 untuk (𝑛 + 1) titik berbeda adalah
𝑛

𝑃𝑛 (𝑥) = ∑ 𝑎𝑖 𝐿𝑖 (𝑥) = 𝑎0 𝐿0 (𝑥) + 𝑎1 𝐿1 (𝑥) + ⋯ + 𝑎𝑛 𝐿𝑛 (𝑥)

𝑖=0

Dengan
𝑎𝑖 = 𝑦𝑖 , 𝑖 = 0,1,2, … , 𝑛
Dan
𝑛
(𝑥 − 𝑥𝑗 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑖−1 )(𝑥 − 𝑥𝑖+1 ) … (𝑥 − 𝑥𝑛 )
𝐿𝑖 (𝑥) = ∏ =
(𝑥𝑖 − 𝑥𝑗 ) (𝑥𝑖 − 𝑥0 )(𝑥𝑖 − 𝑥1 ) … (𝑥𝑖 − 𝑥𝑖−1 )(𝑥𝑖 − 𝑥𝑖+1 ) … (𝑥𝑖 − 𝑥𝑛 )
𝑗=0
𝑗≠1

(Rafflesia, 2019)

2
2. Interpolasi Newton
Secara umum, Interpolasi Newton dapat dituliskan sebagai :

F ( x)  f 0  ( x  x0 ) f [ x0 x1 ]  ( x  x0 )( x  x1 ) f [ x0 , x1 , x2 ]
  ( x  x0 ) ( x  xn1 ) f [ x0 , , xn ]

Sebelum sampai kepada formula interpolasinya, didefinisikan terlebih dahulu

beda-beda terbagi, yang secara iteratif dinyatakan oleh hubungan:

𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑓[𝑥0 , 𝑥1 ] =
𝑥1 − 𝑥0
𝑓[𝑥1 , 𝑥2 ] − 𝑓[𝑥0 , 𝑥1 ]
𝑓[𝑥0 , 𝑥1 , 𝑥2 ] =
𝑥2 − 𝑥0

Formula interpolasi ordo 1 adalah :

𝑃1 (𝑥) = 𝑓0 + (𝑥 − 𝑥0 )𝑓[𝑥0 , 𝑥1 ]

Formula interpolasi ordo 2 adalah :

𝑃2 (𝑥) = 𝑃𝑛 (𝑥)

= 𝑓0 + (𝑥 − 𝑥0 )𝑓[𝑥0 , 𝑥1 ] + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )𝑓[𝑥0 , 𝑥1 , 𝑥2 ] + ⋯

+(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑛 ]

Secara umum sampai dengan ordo n akan diperoleh rumus sebagai berikut:

𝑃2 (𝑥) = 𝑃𝑛 (𝑥) = 𝑓0 + (𝑥 − 𝑥0 )𝑓[𝑥0 , 𝑥1 ] + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )𝑓[𝑥0 , 𝑥1 , 𝑥2 ] + ⋯

+(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑛 ]

Formula interpolasi beda terbagi Newton dapat ditulis sebagai berikut :

𝑛 𝑖−1

𝑓(𝑥) = 𝑓0 + ∑ (∏(𝑥 − 𝑥𝑗 )) 𝑓[𝑥0 , … , 𝑥𝑖 ]

𝑖=1 𝑗=0

n  i 1 
f ( x)  f 0     ( x  x j )  f [ x0 ,.., xi ]
i 1  j  0 

(Ivangky, 2009).

3
2.3 Langkah Kerja, Teladan, Listing, Output
a. Langkah Kerja
1. Klik ikon Matlab R2009a pada desktop. Kemudian akan muncul tampilan utama
Matlab.
2. Buka File → New → Blank M-File, ketikkan listing program dari interpolasi linier
dan interpolasi kuadratik sesuai dengan metode yang akan digunakan. Lalu, simpan
file pertama sesuai dengan nama yang diinginkan.

Gambar 1. Tampilan lembar Blank M-File

3. Kemudian, buka kembali File → New → Function M-File, ketikkan listing fungsi
dari persoalan yang akan dicari. Lalu, simpan file kedua sesuai dengan nama yang
diinginkan.
4. Panggil fungsi pada Command Window dengan cara menuliskan nama file listing
program(‘nama file listing fungsi’, 𝑥, 𝑥0, 𝑥1) untuk interpolasi linier dan dengan
cara menuliskan nama file listing program(‘nama file listing fungsi’ 𝑥, 𝑥0, 𝑥1, 𝑥2)
untuk interpolasi kuadratik.

Gambar 2. Tampilan Tampilan Command Window

5. Akan muncul output dari penyelesaian interpolasi linier dan interpolasi kuadratik
tersebut.

4
b. Teladan
1. Diberikan pasangan nilai x dan f(x) berikut:
Tabel 1. Interpolasi
x 9.0 9.5 10.0 11.0
f (x) 2.19722 2.25129 2.30259 2.39790
Gunakan Interpolasi Lagrange dan Interpolasi Newton untuk menghitung f (9.2)
2. Diberikan pasangan nilai:
𝑥0 = 1 , 𝑓(𝑥0 ) = 0

𝑥1 = 4 , 𝑓(𝑥1 ) = 1,3862944
𝑥2 = 6 , 𝑓(𝑥2 ) = 1,79175595
𝑥3 = 5 , 𝑓(𝑥3 ) = 1,6094379
Gunakan Interpolasi Lagrange dan Interpolasi Newton dengan x = 2, dan cari error
dengan eksak 0,6931472
3. Diketahui 𝑓(𝑥) = cos 𝑥
 2 4 
x  0, , , 2 
 3 3 
5
Dengan interpolasi lagrange cari 𝑓 (3) dan cari errornya?

5
c. Listing
1. Teladan 1

Gambar 3. Listing Program Interpolasi Lagrange Teladan 1

Gambar 4. Listing Program Interpolasi Newton Teladan 1

6
2. Teladan 2

Gambar 5. Listing Program Interpolasi Newton Teladan 2

3. Teladan 3

Gambar 6. Listing Program Interpolasi Lagrange Teladan 3

Gambar 7. Listing Program Interpolasi Newton Teladan 3

7
d. Output
1. Teladan 1

Gambar 8. Output Interpolasi Lagrange teladan 1

Gambar 9. Output Interpolasi Newton teladan 1

2. Teladan 2

Gambar 10. Output Interpolasi Newton teladan 2

Gambar 11. Output Interpolasi Lagrange teladan 2

8
3. Teladan 3

Gambar 12. Output Interpolasi Lagrange teladan 3

Gambar 13. Output Interpolasi Newton teladan 3

9
2.4 Algoritma dan Flowchart
a. Algoritma
1. Algoritma dari interpolasi lagrange adalah sebagai berikut:
a) Tentukan jumlah titik (N) yang diketahui
b) Tentukan titik-titik P yang diketahui dengan 𝑖 = 1,2,3, … , 𝑁
c) Tentukan 𝑥 dari titik yang dicari
d) Hitung nilai 𝑦 dari titik yang dicari dengan formulasi interpolasi lagrange
e) Tampilkan nilai (𝑥, 𝑦)
2. Algoritma dari interpolasi beda terbagi newton adalah sebagai berikut:
Input : 𝑛, 𝑥𝑖 , 𝑓(𝑥𝑖 ), 𝑧, 𝑒𝑝𝑠𝑖𝑙𝑜𝑛 ; 𝑖 = 1,2.
Langkah-langkah :
a) 𝑏0 ≔ 𝑓(𝑥0 ) 𝑝𝑏𝑎𝑔𝑖: = 𝑏0 𝑓𝑎𝑘𝑡𝑜𝑟 ≔ 𝑖.
b) untuk 𝑖 = 1,2, … , 𝑛 lakukan
bi : f ( xi )
Untuk j := i-1, i-2, ... ,0 lakukan
b j 1  b
b j :
xi  x j

faktor :=
faktor  ( z  xi 1 )

suku :=
b0  faktor

pbagi := pbagi + suku

jika |suku|  epsilon, selesai

Output : Perkiraan bagi (pbagi)

10
b. Flowchart
1. Flowchart Interpolasi Lagrange

Start

n, y, x_dicari

p lag = 0

i = 0, 1, 2, .., n

Faktor = i

j = 0, 1, 2, .., n

j≠i

Faktor = faktor *[(x - xj) / (xj - xj)]

p lag = p lag + faktor *f(x)

p lag

end

Gambar 14. Flowchart interpolasi lagrange

11
2. Flowchart Interpolasi Newton

START

n, xi, f(xi), z, eps;

i=1, 2, ..n

b0 := f(x0), pbagi := b0, faktor := i

For i = 1, 2, … n

bi := f(xi)

For j = 1, 2, .., 0

𝑏𝑗 ≔ (𝑏𝑗+1 − 𝑏)/(𝑥𝑖 − 𝑥𝑗 )
Faktor := faktor*(𝑧 − 𝑥𝑖−1 )
Suku := b0*faktor
Pbagi := pbagi+suku

abs suku< eps

pbagi

END

Gambar 15. Flowchart Metode Interpolasi Newton

12
2.5 Hasil dan Pembahasan
a. Hasil
1. Hasil Teladan 1

Gambar 16. Hasil Interpolasi Lagrange teladan 1

Gambar 17. Hasil Interpolasi Newton teladan 1

2. Teladan 2

Gambar 18. Hasil Interpolasi Newton teladan 2

Gambar 19. Hasil Interpolasi Lagrange teladan 2

3. Teladan 3

Gambar 20. Hasil Interpolasi Lagrange teladan 3

Gambar 21. Hasil Interpolasi Newton teladan 3

13
b. Pembahasan
Pada teladan soal 1 diminta untuk mencari 𝑓(9.2) dengan menggunakan program
interpolasi lagrange caranya tanpa diminta mencari eror dari nilai hampirannya. Pertama
yaitu mendefinisikan syntax interpolasi lagrange yang telah diberikan. Lalu masukan
nilainya dimana 𝑥 = [9.0 9.5 10.0 11] dan 𝑦 = [2.19722 2.25129 2.30259 2.39790]
yang mana 𝑥𝑑𝑖𝑐𝑎𝑟𝑖 = [9.2] pada laman matlab command window. Masukan nilainya
sesuai perintah kemudian enter maka nilai 𝑦 hampuran yang diperoleh adalah
2.2191967, untuk lebih jelasnya lihat hasil teladan soal 1 gambar 8 dan 9.
Selanjutnya pada teladan soal 2 untuk mencari 𝑓(2) dengan menggunakan program
interpolasi newton caranya sama dengan yang didefinisikan syntax interpolasi lagrange
sebelumnya. Lalu masukan nilainya dimana 𝑥 = [1 4 6 5 ] dengan nilai 𝑦 =
[0 1.3862944 1.7917595 1.6094379] yang mana 𝑥_𝑑𝑖𝑐𝑎𝑟𝑖 = 2 pada laman matlab
command window. Masukan nilainya sesuai perintah kemudian enter maka nilai 𝑦
hampiran yang diperoleh adalah 0.6287687, untuk lebih jelasnya lihat hasil teladan soal
2 gambar 10 dan 11.
5
Pada teladan soal 3 untuk mencari nilai 𝑓(3) dan errornya dengan menggunakan
2 4
program interpolasi lagrange sama dengan sebelumnya. Dimana nilai 𝑥 = [0 2]
3 3

dan 𝑦 = [0 1.3862944 1.6094379 1.7917595] dan nilai sebenarnya adalah 𝑧 =

−0.0957235 yang mana 𝑥_𝑑𝑖𝑐𝑎𝑟𝑖 = 5/3 pada laman matlab command window.
Masukan nilainya sesuai perintah kemudian enter maka nilai 𝑦 hampiran yang diperoleh
adalah 0.9995312, untuk lebih jelasnya lihat hasil teladan soal 3 gambar 12 dan 13.
Dari hasil yang telah diperlihatkan dapat disimpulkan bahwa interpolasi newton
memberikan nilai hampiran yang lebih.

14
2.6 Kesimpulan dan Saran
a. Kesimpulan
Diperlukan teknik tersendiri dalam mengimplementasikan interpolasi Lagrange da
Newton ke dalam program. Teknik tersebut sebenarnya tidak jauh berbeda dalam
mengimplementasikan algoritma lain pada umumnya yakni : pemilihan tipe data yang
tepat, yakni pada saat input data dilakukan. Dengan aplikasi ini akan lebih mudah dalam
mencari fungsi dari titik-titik yang diketahui untuk memprediksi nilai lainnya.
Dari permaslahan-permasalahan yang diberikan yang kita selesaikan secara
interpolasi Lagrange dan Interpolasi Newton maka solusi yang error nya kecil lebih baik
atau mendekati nilai eksak adalah dengan menggunakan interpolasi Newton.
b. Saran
Pembaca harus lebih bisa memahami dan mengerti dalam pemograman Matlab.
Pembaca juga harus dapat memahami teori terlebih dahulu sebelum membuat suatu
pemograman. Jika pembaca atau praktikan tidak mengerti tentang apa yang
dipraktikumkan sebaiknya bertanya kepada pengajar praktikum agar lebih memahami
lagi.

15