KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS HALU OLEO

FAKULKULTAS ILMU DAN TEKNOLOGI KEBUMIAN
JURUSAN TEKNIK PERTAMBANGAN

TUGAS MID
METODE NUMERIK

KELOMPOK 8

ANDI AWALUDIN SETIAWAN

F1 B 214 086

KENDARI
2016
Soal:
1. Jelaskan apa yang Anda ketahui tentang operasi linear !

2. Sebutkan dan jelaskan metode-metode yang digunakan dalam

sistem persamaan linear aljabar disertai masing-masing
contoh !

3. Jelaskan apa yang Anda ketahui tentang interpolasi dan

kurva fitting !

4. Sebutkan dan jelaskan metode-metode dalam interpolasi dan

kurva fitting disertai masing-masing contoh !
JAWAB :

1. Operasi Linear Aljabar

LINEAR PROGRAMMING
Program Linear adalah salah satu model matematika yang
digunakan untuk menyelesaikan masalah optimisasi yaitu
memaksimumkan atau meminimumkan fungsi tujuan yang bergantung
pada sejumlah variabel input.Hal terpenting yang perlu kita
lakukan adalah mencari tahu tujuan penyelesaian masalah dan apa
penyebab masalah tersebut. Aljabar linear adalah bidang
studi matematika yang mempelajari sistem persamaan linear dan
solusinya, vektor, serta transformasi linear. Matriks dan
operasinya juga merupakan hal yang berkaitan erat dengan bidang
aljabar linear.
Persamaan linear dapat dinyatakan sebagai matriks. Misalnya
persamaan:
3x1 + 4x2 − 2x3 = 5
x1 − 5x2 + 2x3 = 7
2x1 + x2 − 3x3 = 9
dapat dinyatakan dalam matriks teraugmentasi sebagai berikut.
Penyelesaian persamaan linier dalam bentuk matriks dapat
dilakukan melalui beberapa cara, yaitu dengan eliminasi
Gauss atau dapat juga dengan cara eliminasi Gauss-Jordan. Namun,
suatu sistem persamaan linier dapat diselesaikan
dengan eliminasi Gauss untuk mengubah bentuk matriks
teraugmentasi ke dalam bentuk eselon-baris tanpa
menyederhanakannya. Cara ini disebut dengan substitusi balik.
Sebuah sisitem persamaan linier dapat dikatakan homogen apabila
mempunyai bentuk :
a11x1 + a12x2 + ... + a1nxn = 0
a21x1 + a22x2 + ... + a2nxn = 0
am1x1 + am2x2 + ... + amnxn = 0

Setiap sistem persamaan linier yang homogen bersifat adalah

tetap apabila semua sistem mepunyai x1 = 0 , x2 = 0 , ... , xn =
0 sebagai penyelesaian. Penyelesaian ini disebut solusi trivial.
Apabila mempunyai penyelesaian yang lain maka disebut solusi
nontrivial.

LINEAR PROGRAMMING (LP)

Linear programming adalah teknik matematika yang dirancang
untuk membantu manager dalam merencanakan dan membuat keputusan
dalam mengalokasikan sumber daya yang terbatas untuk mencapai
tujuan perusahaan.
Linear Programming memiliki empat ciri khusus, yaitu :
1.Penyelesaian masalah mengarah pada pencapaian tujuan
maksimisasi atau minimisasi.
2.Kendala yang ada membatasi tingkat pencapaian tujuan
3.Ada beberapa alternatif penyelesaian
4.Hubungan matematis bersifat linier
Untuk membentuk suatu model linear programming perlu
diterapkan asumsi-asumsi dasar, yaitu :

1. Linearity
Fungsi obyektif dan kendala haruslah merupakan fungsi linier dan
variabel keputusan. Hal ini akan mengakibatkan fungsi bersifat
proporsional dan additif, misalnya untuk memproduksi 1 kursi
dibutuhkan waktu 5 jam, maka untuk memproduksi 2 kursi dibutuhkan
waktu 10 jam.
2. Divisibility
Nilai variabel keputusan dapat berupa bilangan pecahan. Apabila
diinginkan solusi berupa bilangan bulat (integer), aka harus
digunakan metoda untuk integer programming.
3. Non negativity variable
Nilai variabel keputusan haruslah tidak negatif ( ³ 0).
4. Certainty
Semua konstanta (parameter) diasumsikan mempunyai nilai yang
pasti. Bila nilai-nilai parameternya probabilistik, maka harus
digunakan formulasi pemrograman masalah stokastik.
Pada umumnya persoalan-persoalan yang dipecahkan dalam
linear programming, yaitu :

a.Allocation Problem
Ini merupakan pemecahan dalam alokasi bahan-bahan / barang
dalam produksi.

b.Blending Problem
Ini merupakan cara pemecahan persoalan dari berbagai bahan
campuran yang masing-masing unit dipecahkan dan digabung
(blending) untuk menghasilkan output.

c.Persoalan Transportasi
 Ini merupakan pemecahan persoalan yang menyangkut adanya
unit/barang/pasokan dan lain-lain pada beberapa tempat yang akan
dipindahkan ke beberapa tempat lainnya.

d.Persoalan Personil
Ini merupakan penempatan personil sesuai dengan
jabatan/tempatnya (assigment problem).
Metode grafik hanya bisa digunakan untuk menyelesaikan
permasalahan dimana hanya terdapat dua variabel keputusan. Untuk
menyelesaikan permasalahan tersebut, langkah pertama yang harus
dilakukan adalah memformulasikan permasalahan yang ada ke dalam
bentuk Linear Programming (LP).
1.Fungsi Tujuan
Profit = ($ 7 x jml meja yang diproduksi) + ($ 5 x jml kursi yang
diproduksi)
Secara matematis dapat ditulis :
Maksimisasi : Z = 7 X1 + 5 X2
2.Fungsi Kendala
· Kendala : Waktu pembuatan
1 unit meja memerlukan 4 jam untuk pembuatan -> 4 X1
1 unit kursi memerlukan 3 jam untuk pembuatan -> 3 X2
Total waktu yang tersedia per minggu untuk pembuatan -> 240 Jam
Dirumuskan dalam pertidaksamaan matematis -> 4 X1 + 3 X2 £240

Kendala : Waktu pengecatan

1 unit meja memerlukan 2 jam untuk pengecatan -> 2 X1
1 unit kursi memerlukan 1 jam untuk pengecatan -> 1 X2
Total waktu yang tersedia per minggu untuk pengecatan -> 100 Jam
Dirumuskan dalam pertidaksamaan matematis -> 2 X1 + X2 £ 100
Formulasi masalah secara lengkap :
Fungsi Tujuan : Maks. Z = 7 X1 + 5 X2
Fungsi Kendala : 4 X1 + 3 X2 £ 240
2 X1 + X2 £ 100
X1 , X2 ³ 0 (kendala non-negatif)
Setelah formulasi lengkapnya dibuat, maka Kasus Krisna
Furniture tersebut akan diselesaikan dengan metode grafik.
Keterbatasan metode grafik adalah bahwa hanya tersedia dua sumbu
koordinat, sehingga tidak bisa digunakan untuk menyelesaikan
kasus yang lebih dari dua variabel keputusan.
Langkah pertama dalam penyelesaian dengan metode grafik
adalah menggambarkan fungsi kendalanya. Untuk menggambarkan
kendala pertama secara grafik, kita harus merubah tanda
pertidaksamaan menjadi tanda persamaan seperti berikut.
4 X1 + 3 X2 = 240
Untuk menggambarkan fungsi linear, maka cari titik potong
garis tersebut dengan kedua sumbu. Suatu garis akan memotong
salah satu sumbu apabila nilai variabel yang lain sama dengan
nol. Dengan demikian kendala pertama akan memotong X1, pada saat
X2 = 0, demikian juga kendala ini akan memotong X2, pada saat X1 =
0.
Kendala I :
4 X1 + 3 X2 = 240
memotong sumbu X1 pada saat X2 = 0
4 X1 + 0 = 240
X1 = 240 / 4
X1 = 60.
 memotong sumbu X2 pada saat X1 = 0
0 + 3 X2 = 240
X2 = 240/3
X2 = 80
Kendala I memotong sumbu X1 pada titik (60, 0) dan memotong
sumbu X2 pada titik (0, 80).

Kendala II :
2 X1 + 1 X2 = 100
memotong sumbu X1 pada saat X2 = 0
2 X1 + 0 = 100
X1 = 100/2
X1 = 50
memotong sumbu X2 pada saat X1 =0
0 + X2 = 100
X2 = 100
Kendala I memotong sumbu X1 pada titik (50, 0) dan memotong
sumbu X2 pada titik (0, 100).
 Titik potong kedua kendala bisa dicari dengan cara
substitusi atau eliminasi

2 X1 + 1 X2 = 100 -> X2 = 100 - 2 X1

4 X1 + 3 X2 = 240 X2 = 100 - 2 X1
4 X1 + 3 (100 - 2 X1) = 240 X2 = 100 - 2 * 30
4 X1 + 300 - 6 X1 = 240 X2 = 100 - 60
- 2 X1 = 240 - 300 X2 = 40
- 2 X1 = - 60
X1 = -60/-2 = 30.
Sehingga kedua kendala akan saling berpotongan pada titik (30,
40).
Tanda ≤ pada kedua kendala ditunjukkan pada area sebelah
kiri dari garis kendala. Feasible region (area layak) meliputi
daerah sebelah kiri dari titik A (0; 80), B (30; 40), dan C (60;
0).
 Untuk menentukan solusi yang optimal, ada dua cara yang
bisa digunakan yaitu
1. dengan menggunakan garis profit (iso profit line)
2. dengan titik sudut (corner point)
Penyelesaian dengan menggunakan garis profit adalah
penyelesaian dengan menggambarkan fungsi tujuan. Kemudian fungsi
tujuan tersebut digeser ke kanan sampai menyinggung titik terjauh
dari dari titik nol, tetapi masih berada pada area layak
(feasible region). Untuk menggambarkan garis profit, kita
mengganti nilai Z dengan sembarang nilai yang mudah dibagi oleh
koefisien pada fungsi profit. Pada kasus ini angka yang mudah
dibagi angka 7 (koefisien X1) dan 5 (koefisien X2) adalah 35.
Sehingga fungsi tujuan menjadi 35 = 7 X1 + 5 X2. Garis ini akan
memotong sumbu X1 pada titik (5, 0) dan memotong sumbu X2 pada
titik (0, 7).
 Iso profit line menyinggung titik B yang merupakan titik
terjauh dari titik nol. Titik B ini merupakan titik optimal.
Untuk mengetahui berapa nilai X1 dan X2, serta nilai Z pada
titik B tersebut, kita mencari titik potong antara kendala I
dan kendala II (karena titik B merupakan perpotongan antara
kendala I dan kendala II). Dengan menggunakan eliminiasi atau
subustitusi diperoleh nilai X1 = 30, X2 = 40. dan Z = 410. Dari
hasil perhitungan tersebut maka dapat disimpulkan bahwa
keputusan perusahaan yang akan memberikan profit maksimal
adalah memproduksi X1 sebanyak 30 unit, X2sebanyak 40 unit dan
perusahaan akan memperoleh profit sebesar 410.
Penyelesaian dengan menggunakan titik sudut (corner
point) artinya kita harus mencari nilai tertinggi dari titik-
titik yang berada pada area layak (feasible region). Dari
peraga 1, dapat dilihat bahwa ada 4 titik yang membatasi area
layak, yaitu titik 0 (0, 0), A (0, 80), B (30, 40), dan C (50,
0).
Keuntungan pada titik O (0, 0) adalah (7 x 0) + (5 x 0) = 0.
Keuntungan pada titik A (0; 80) adalah (7 x 0) + (5 x 80) =
400.
Keuntungan pada titik B (30; 40) adalah (7 x 30) + (5 x 40) =
410.
Keuntungan pada titik C (50; 0) adalah (7 x 50) + (5 x 0) =
350.
Karena keuntungan tertinggi jatuh pada titik B, maka
sebaiknya perusahaan memproduksi meja sebanyak 30 unit dan
kursi sebanyak 40 unit, dan perusahaan memperoleh keuntungan
optimal sebesar 410.
2. Metode-metode yang digunakan dalam sistem persamaan linear
aljabar beserta contohnya :

Sistem persamaan linier merupakan salah satu model dan

masalah matematika yang banyak dijumpai dalam berbagai disiplin
ilmu, termasuk fisika, biologi , teknik dll. Sistem persamaan
linier muncul secara langsung dari masalah nyata, dan merupakan
bagian dari proses penyelesaian masalah-masalah lain, misalnya
penyelesaian sistem persamaan non linier simultan.
Suatu sistem persamaan linier adalah sistem persamaan yang
terdiri dari sejumlah persamaan (berhingga) dan sejumlah variabel
(berhingga). Mencari solusi suatu sistem persamaan linier adalah
mencari nilai-nilai variable-variabel tersebut, sehingga
memenuhi semua sistem persamaan tersebut. Terdapat dua metode
untuk mencari solusi sistem persamaan linier yaitu:
a) Metode langsung, yang terdiri dari metode eliminasi Gauss,
metode eliminasi Gauss-Jordan, metode invers matriks dan metode
dekomposisi LU.
b) Metode tak langsung yaitu metode iterasi, yang terdiri dari
metode iterasi Jacobi dan metode iterasi Gauss-Seidel, dimana
dalam metode iterasi ini harus diberikan solusi awal (merupakan
tebakan).
Aplikasi matriks yang disusun dalam bentuk matriks(SPL)
meliputi aturan Crammer, Eliminasi Gauss, Invers Matriks,dimana
penggunaan metode-metode tersebut digunakan dalam teknik kimia
untuk menyelesaikan persamaan neraca massa yang penyelesaiannya
sesuai dengan sifat-sifat operasi matriks. Tetapi, penggunaan
metode tersebut juga memiliki kelemahannya. Untuk mengatasi
kekurangannya maka, kita menggunakan metode yang lain,
yaitu analisis Dekomposisi Nilai Singular atau Singular Value
Decomposition (SVD).
Secara umum persamaan linier :
A11X1 + A12X2 + A13X3 + .... + A1nXn = b1
A21X1+ A22X2 + A23X3 + . . . . + A2nX4 = b2
: :
An1X1 + An2X1+ An3X3 + . . . . + An4X4 = bn
Catatan : Jumlah variabel yang dicari harus sama dengan jumlah
persamaan .
Beberapa metode di dalam menyelesaikan persamaan linear
dengan pendekatan matriks, antara lain:
 Metoda eliminasi gauss
 Invers matriks
 Metoda Thomas
 Metoda gauss jordan
 Metoda gauss seidel

1. Metode Eliminasi Gauss

Metode Eliminasi Gauss merupakan metode yang
dikembangkan dari metode eliminasi, yaitu menghilangkan atau
mengurangi jumlah variable sehingga dapat diperoleh nilai dari
suatu variable bebas.

Persamaan umum linier

A11X1 + A12X2 + A13X3 + A14X4 = b1
A21X1+ A22X2 + A23X3 + A24X4 = b2
A31X1 + A32X1+ A33X3 +A34X4 =b3
A41X1 + A42X1+ A43X3 +A44X4 =b4
Langkah 1.Ubah persamaan umum kedalam bentuk matriks
A11 A12 A13 A14 B1 R1
A21 A22 A23 A24 B2 R2
A31 A32 A33 A34 B3 R3
A41 A42 A43 A44 B4 R4
Langkah kedua nolkan kolom pertama untuk R2,R3,dan R4
A11 A12 A13 A14 B1 R1
0 A22’ A23’ A24’ B2’ ’

0 A32’ A33’ A34’ B3’ ’

0 A42’ A43’ A44’ B4’

Langkah ketiga nolkan kolom kedua untuk R3 dan R4
A11 A12 A13 A14 B1 R1
0 0 A23’ A24’ B2’ R2’
0 0 A33’’ A34’’ B3’’ ’

0 0 A43’’ A44’’ B4’’ ’

Langkah keempat kolom ketiga untuk R4

A11 A12 A13 A14 B1 R1
0 0 A23’ A24’ B2’ R2’
0 0 A33’’ A34’’ B3’’ R3’’
0 0 0 A44’’’ B4’’’
Langkah lima
A44’’’ X4 = B4’’’
A33”X3 + A34X4 = B 3”
A22’X2+A23’X2+A24’X4= B2’
A11X1 + A12X2 + A13X3 + A14X4 = B1
Problem yang biasa terjadi pada metode eliminasi gaus:
1. Jika saat eliminasi kolom ke – n harga ann (koefisien pada
diagonal utama/ elemen pivot) adalah = 0, maka motode
eliminasi gauss tidak dapat berjalan.
2. Jika saat eliminasi kolom ke – n harga ann (koefisien pada
diagonal utama/ elemen pivot) adalah sangat kecil ( dibanding
koefisien lain pada baris pivot tersebut), maka cara eliminasi
gauss menghasilkan ketelitian yang rendah.
3. Bila kelemahan eliminasi gauss ini terjadi, maka baris yang
memiliki ann = 0 atau sangat kecil tersebut, ditukar dengan
baris lain dibawahnya yang memiliki nilai mutlak |…| pada
kolom ke – n yang terbesar. Teknik seperti ini biasa disebut
teknik pivoting parsial.
4. Bila koefisien elemen pivot = 0 atau ann = 0 tidak dapat
dihindari, maka system persamaan tersebut tidak dapat
diselesaikan dengan menggunakan metode eliminasi gauss, dan
memiliki penyelesaian tak terhingga.

2. Metode Invers Matriks

Invers matriks merupakan lawan atau kebalikan suatu
matriks dalam perkalian yang dilambangkan dengan A-1. Jika matriks
A dan B sedemikian sehingga A x B = B x A = I, dimana I matriks
identitas maka B disebut invers dari A dan A dari B. Karena
invers matriks A dilambangkan dengan A-1 maka berlaku A x A-1 = A-
1 x A = I, dimana I adalah matriks identitas. Invers matriks
dirumuskan :
Sifat – sifat matriks invers
Matriks invers atau invers matriks memiliki beberapa sifat yang
perlu diperhatikan, yaitu :
1.Matriks invers (jika ada) adalah tunggal (uniqe)
Andaikan B dan C adalah invers dari matriks A, maka berlaku :
AB = BA = I dan juga AC = CA = I.
Tetapi untuk : BAC = B(AC) = BI = B
........................... (*)
BAC = (BA)C = IC =
C........................................... (**)
Dari (*) dan (**) haruslah B = C
2.Invers dari matrik invers adalah matriks itu sendiri.
Andaikan matriks C = A-1, berarti berlaku : AC = CA = I....... (*)
Berlaku juga untuk C C-1 = C-1 C =
I........................... (**)
Dari (*) ke (**) berarti :
C-1 = A
(A-1)-1 = A
3. Matriks invers bersifat non – singular (determinannya tidak
nol)
det (A A-1) = det (A) det (A-1)
det (I) = det (A) det (A-1)
1 = det (A) det (A-1); karena det (A) ≠ 0, maka :
Ini berarti bahwa det (A-1) tidak nol dan kebalikan dari det (A).
4.Jika A dan B masing – masing adalah matriks persegi berdimensi
n, dan berturut – turut A-1 dan B-1adalah invers dari A dan B,
maka berlaku hubungan : (AB)-1 = B-1 A-1
(AB) (AB)-1 = (AB)-1 (AB) = I................................ (*)
Disisi lain :
(A B) (B-1 A-1) = A(B B-1) A-1 = A I A-1 = A A-1 = I
(B-1 A-1) (A B) = B-1 (A-1 A) B = B-1 I B = B-1 B = I.......... (**)
Menurut sifat (1) matriks invers bersifat unique (tunggal),
karena itu dari (*) dan (**) dapat disimpulkan bahwa (AB)-1 = B-
1 A-1
5. Jika matriks persegi A berdimensi n adalah non – singular,
maka berlaku (AT)-1 = (A-1)T
Menurut sifat determinan : |AT| = |A| ≠ 0, oleh sebab itu (AT)-
1 ada, dan haruslah :
(AT)-1 AT = AT (AT)-1 =
I........................................ (*)
Disisi lain menurut sifat transpose matriks :
(A A-1)T = (A-1)T AT
IT = (A-1)T AT
(A-1)T AT = I, hubungan ini berarti bahwa (A-1)T juga merupakan
matriks dari A. padahal invers matriks bersifat tunggal, oleh
karena itu seperti yang diperlihatkan pada (*) haruslah : (A-
1 )T = (AT)-1
Langkah Penyelesaian Problem
Invers matriks dirumuskan :
Langkah awal untuk menyelesaikan invers matriks adalah
dengan menentukan determinan dari matriks tersebut. Determinan
didefinisikan sebagai jumlah dari semua hasi kali elementer
bertanda matriks. Apabila determinannya bernilai 0, maka tidak
memiliki invers atau biasa disebut matriks singular.
Misalkan ada persamaan dalam matriks :
Dari persamaan tersebut kita peroleh hasil kali elementer
sebagai berikut :
Maka, det (A) atau |A| dapat dicari dengan menggunakan persamaan
:
 Langkah kedua yaitu menentukan Adjoin matriks. Adjoint
matriks adalah transpose dari kofaktor – kofaktor matriks.
Transpose tersebut didapatkan dari matriks A dengan memindahkan
elemen kolom menjadi elemen baris.
Perlu diperhatikan, apabila matriks dengan ordo 2 x 2 ataupun
3 x 3 masih dapat diselesaikan secara manual. Tetapi untuk
persamaan yang melebihi ordo 3 x 3 terlalu sulit dan lama untuk
menyelesaikan permasalahan secara manual. Maka kita
menggunakan Mikrosoft Exel untuk menyelesaikan system persamaan
yang melebihi ordo 3 x 3. Penyelesaian dengan exel kita hanya
mengoperasikan rumus :
A-1 = MMULT(MINVERSE(a11 – ann);(b1 – bn)
Pada saat menekan enter, diharuskan menekan ctrl + shift secara
bersamaan

3. Metode Thomas
Metoda ini digunakan untuk penyelesaian persamaan linear
yang tridiagonal. Dalam penyelesaian metoda Thomas terdapat
beberapa langkah yaitu:
Langkah 1.:
Ubah persamaan linear kedalam bentuk dibawah ini
d1X1 e1 X2 b1
c2X1 d2 X2 e2X3 b2
c3 X2 d3X3 e3X4 b3
Langkah 2 :
definisikan parameter berikut
βi = di βi = di - ci * ei-1/βi-1
i = b/β i = bi - ci * i-1/β
Langkah 3 :
hitung Xn, Xn+1
Xi = i Xi = i - ei * Xi-1/β
Metode ini bisa juga menggunakan algortima Thomas (Thomas
Algorithm). Dimana pada algoritma initerdiri dari tiga langkah
yaitu dekomposisi, subtitusi maju dan subtitusi balik. Berikut
ini adalah algoritma Thomas:
a) Dekomposisi
DO k=2,n
ek=ek/fk–1
fk=fk–ek.gk–1
b) Subtitusi Maju
DO k=2,n
rk=rk–ek.rk–1
c) Subtitusi Balik
xn=rn/fn
DO k=n–1,1,–1
xk=(rk–gk.xk+1)/fk
Bentuk umum Matrik Tri-Diagonal
Secara spesifik, bentuk SPAL yang memiliki matriks tri-
diagonal dapat disajikan sebagai berikut:
atau [A] [x] = [b]
Teorema Solusi matriks Tri-Diagonal
Jika matriks bujur-sangkar [A] di atas merupakan matriks
yang dominan secara diagonal (atau definit positif) dan membentuk
matriks tri-diagonal, maka [A] memiliki suatu mentuk faktorisasi
LU yang unik, dalam hal ini baik L maupun U hanya memiliki
duadiagonal: L adalah matriks bawah dengan struktur diagonal
utama (dituliskan dalam lambang [dl]) dan diagonal bawah
(dituliskan dalam lambang [al]); sedangkan matriks U adalah
matriks atas yang berisi diagonal utama [du] dan diagonal atas
[cu].
Langkah solusi yang digunakan adalah analogi dengan metode
Eliminasi Gauss. Dalam hal ini jika penulisan SPAL di atas
disusun ulang menjadi:
Dapat dilihat dengan jelas, selain ketiga diagonal di atas
matriks [A] hanya diisi oleh elemen 0 (nol), yang berarti bahwa
matriks [A] di atas, tidak perlu disimpan dalam suatu variabel
berbentuk matriks, melainkan cukup hanya dalam 3 buah ventor
dengan panjang masing-masing (maksimum) sebesar n elemen.
Jumlah memori untuk penyimpanan menjadi semakin sangat
berarti pada saat harga n menjadi sangat besar. Hal lain yang
perlu dicatat adalah, bahwa pada setiap kolom, hanya diperlukan
1 buah elemen tak-nol (bukan 0) yang dieliminasi, yang berarti
juga sebagai “penghematan usaha dan daya komputasi numerik” yang
relatif sangat besar, bila dibandingkan dengan penghitungan
melalui matriks penuh.
Selanjutnya, langkah algoritma penyelesaiannya adalah sebagai
berikut:
a) Jika d1≠0 maka x1 dapat dieliminasi dari persamaan kedua
dengan menghitung “faktor pengali” berikut: dan dihasilkan
persamaan baru sebagai berikut:
dengan,
b) Dengan cara yang sama, jika d’2 ≠ 0, x2 dapat dieliminasi
dari persamaan ketiga sehingga dihasilkan persamaan ketiga
yang baru, sebagai berikut:
 Dengan, dan
c) Teruskan cara perhitungan di atas, sehingga dapat
disimpulkan pada tahap-i, xi dapat dieliminasi dari
persamaan i+1 (dengan asumsi d’i ≠ 0 ) dan memberikan
persamaan baru berikut:
dengan,
dan
d) Sekuens-sekuens dalam butir (c) di atas sebenarnya
merupakan sesuatu yang beraturan, yaitu keberulangan dari
i = 1, 2, … , n 1, sehingga sistem awalnya tertransformasi
menjadi “matriks segitiga atas”
e) Sebagai solusi akhirnya, yaitu “substitusi balik” yang juga
mirip dengan “metode eliminasi Gauss”, yaitu dengan
menganggap bahwa , akan diperoleh:
dan kemudian, untuk i = n-1, n-2,…, 1, dapat digunakan:

4. Metode Gauss Seidel

Sering dipakai untuk menyelesaikan persamaan yang berjumlah
besar. Metode ini dilakukan dengan suatu iterasi yang memberikan
harga awal untuk x1 = x2 = x3 = ... = xn = 0. Metode ini berlainan
dengan metode Gauss lainnya karena metode ini menggunakan iterasi
dalam menentukan harga x1, x2, x3, ..., xn. Kelemahan metode
eliminasi dibandingkan metode iterasi adalah metode eliminasi
sulit untuk digunakan dalam menyelesaikan SPL berukuran besar.
Langkah-langkah dalam Metode gaus seidel
1. Beri harga awal x1 = x2 = x3 = ... = xn = 0
2. Hitung
Karena x2 = x3 = x4 = ... = xn = 0, maka
3. x1 baru yang didapat dari tahap 2 digunakan untuk menghitung
x2.
Baris 2 ® a21x1 + a22x2 + a23x3 + ... + a2nxn = C2
4. Menghitung x3
Baris 3 ® a31x1 + a32x2 + a33x3 + ... + a3nxn = C3
a33x3 = C3 – a31x1 – a32x2 – … – a3nxn
5. Cara ini diteruskan sampai ditemukan xn.
6. Lakukan iterasi ke-2 untuk menghitung x1, x2, x3, ..., xn baru
7. Mencari kesalahan iterasi |ea| dengan cara:
8. Iterasi diteruskan sampai didapat |ea| < |es|
Contoh soal sederhana.
Selesaikan sistem persamaan linier berikut:
Berikan nilai awal: x1= 0 dan x2= 0,kemudian susun persamaan
menjadi:
Setelah itu lakukan iterasi:
 Iterasi pertama
 Iterasi kedua
 Iterasi ketiga
 Iterasi keempat
 Iterasi kelima
 Iterasi keenam
 Iterasi ketujuh
Jadi setelah melakukan iterasi sebanyak 7 kali,didapat nilai
X1=3,03125 dan X2=1,9843

5. Metode Gauss Jordan

 Metode ini merupakan pengembangan metode eliminasi Gauss,
hanya saja augmented matrik, pada sebelah kiri diubah menjadi
matrik diagonal.
Penyelesaian dari persamaan linier simultan diatas adalah nilai
d1,d2,d3,…,dn. Teknik yang digunakan dalam metode eliminasi Gauss-
Jordan ini sama seperti metode eliminasi Gauss. Perhitungan
penyelesaian secara langsung diperoleh dari nilai pada kolom
terakhir dari setiapbaris.
Contoh kasus:

2x1 +2x2 +x3 =4

3x1 -x2 +x3 =1
x1 +4x2 -x3 =2

langkah #1 ubah kebentuk

matrix
2 2 1 4
3 -1 1 1
1 4 -1 2

Langkah #2 satu-kan nilai

kolom 1 R1

1 1 0,5 2 R1 : 2
3 -1 1 1
1 4 -1 2
langkah #3 nol-kan nilai kolom 1 R2
dan R3
1 1 0,5 2
0 -4 -0,5 -5 R2-3R1'
0 3 -1,5 0 R3-R1

langkah #4 satu-kan nilai

kolom 2 R2
1 1 0,5 2
0 1 0,125 1,25 R2'/-4
3 -1,5 0

langkah #5 nol-kan nilai kolom 2 R1

dan R3
1 0 0,375 0,75 R1'-R2''
0 1 0,125 1,25
0 0 -1,875 -3,75 R3'-3R2''

langkah #6 satu-kan nilai

kolom 3 R3
1 0 0,375 0,75
0 1 0,125 1,25
0 0 1 2 R3''/-0,375

langkah #7 nol-kan nilai kolom 3 R1

dan R2
1 0 0 0 R1''-0,375R3
0 1 0 1 R2'''0,125R3
 0 0 1 2

http://devilable-one.blogspot.co.id/2011/11/metode-numerik-
sistem-persamaan-linier.html

Dalam menyelesaikan soal-soal sistem persamaan linear dua

variabel ada beberapa metode yang digunakan, yaitu:

 Metode Grafik

Grafik dari dua persamaan adalah berupa dua buah garis.

Dalam metode grafik ada tiga hal yang perlu diperhatikan yaitu:

1) Jika kedua garis itu berpotongan, maka titik potongnya

merupakan penyelesaian dari sistem persamaan tersebut.
2) Jika kedua garis itu berimpit, maka himpunan
penyelesaiannya tak berhingga.
3) Jika kedua garis itu sejajar, maka sistem persamaan
tersebut tidak memiliki penyelesaian.

Contoh:

Tentukan himpunan penyelesaian sistem persamaan x + 2y = 10 dan

x + y = 6, x,y € R dengan metode grafik.

Jawab:

Langkah 1:

Menentukan koordinat titik potong terhadap sumbu X (y = 0) dan

sumbu Y (x = 0).

1) x + 2y = 10

x y (x,y)

0 5 (0,5)
 10 0 (10,0)

2) x + y = 6,

x y (x,y)

0 6 (0,6)

6 0 (6,0)

Langkah 2:

(0.-7)

Menggambar grafik dari kedua persamaan linear dengan

memperhatikan koordinat-koordinat titik potongnya pada suatu
sistem koordinat kartesius yaitu:
Dengan melihat grafik diatas maka dapat ditentukan bahwa
kedua garis dari persamaan tersebut berpotongan pada titik
(2,4). Maka himpunan penyelesaian dari persamaan x + 2y = 10
dan x + y = 6 adalah { (2,4) }.

 Metode eliminasi

Eliminasi artinya proses menghilangkan salah satu variabel

untuk menentukan nilai variabel lainnya dan sebaliknya. Adapun
langkah-langkah yang digunakan untuk mengeliminasi variabel x
atau y adalah sebagai berikut:

1) Perhatikan salah satu variabel dari masing-masing persamaan.

Jika koefisiennya sama, perkurangkan persamaan (1) dan (2),
dan jika berbeda tanda jumlahkan.

2) Jika koefisiennya berbeda, samakan koefisien dengan

mengalikan persamaan-persamaan dengan konstanta yang sesuai,
kemudian lakukan operasi penjumlahan atau pengurangan seperti
pada langkah pertama.

Contoh:

Tentukan himpunan penyelesaian dari sistem persamaan linear

berikut dengan cara eliminasi:
x + 2y = 10

x + y = 6, x,y € R

Jawab:

Misalnya yang pertama-tama akan dieliminasi adalah variabel y.

Karena koefisiennya tidak sama, maka persamaan (1) dan
(2) diperkalikan dengan konstanta yang bersesuaian sehingga
koefisien y dari masing-masing persamaan menjadi sama.

x+ 2y = 10 × 1 x+ 2y =10

x + y = 6 × 2 2x + 2y = 12 (tanda sama maka diperkurangkan)

-x = -2

x = 2

Untuk mengeliminasi variabel x, maka langsung diperkurangkan

x + 2y = 10

x + y = 6 (tanda sama maka diperkurangkan)

y = 4

Diperoleh nilai x = 2 dan y = 4. Jadi, himpunan penyelesaian

dari persamaan tersebut adalah { (2,4) }.

 Metode substitusi

Kata “substitusi” sama artinya dengan “pengganti”, maka

yang dimaksud dengan menyelesaikan sistem persamaan linear dua
variabel adalah dengan metode substitusi adalah terlebih dahulu
menyatakan variabel yang satu ke variabel yang lainnya pada salah
satu persamaan, kemudian mensubstitusi (mengganti) variabel tadi
ke persamaan yang satunya lagi.
 Untuk menyelesaikan sistem persamaan linear dua variabel
dengan metode substitusi, langkah-langkah yang dilakukan adalah
sebagai berikut:

1) Pilih salah satu persamaan, kemudian nyatakan salah satu

variabel persamaan tersebut ke dalam variabel yang lain
sehingga diperoleh persamaan baru.
2) Substitusi persamaan yang diperoleh pada langkah pertama
ke persamaan yang kedua sehingga diperoleh persamaan
linear satu variabel. Kemudian selesaikan persamaan
tersebut sehingga diperoleh nilai salah satu variabel.
3) Substitusi nilai yang diperoleh pada langkah kedua ke
persamaan yang diperoleh pada langkah pertama sehingga
diperoleh nilai variabel yang kedua.

Contoh:

Tentukan himpunan penyelesaian dari sistem persamaan linear dua

variabel berikut ini:

x + 2y = 10

x + y = 6, x,y € R

Jawab:

Misalkan: x + 2y = 10 . . . (1)

x + y = 6, . . . (2)

Langkah 1

Dari persamaan (1) yaitu x + 2y = 10 dinyatakan ke dalam

variabel x sehingga diperoleh x = 10 – 2y . . . (3)

Langkah 2

Persamaan (3) disubstitusikan ke persamaan (2), sehingga

diperoleh:

(10 – 2y) + y = 6

<=> – y = 6 – 10
 <=> – y = – 4

<=> y = 4

Langkah 3

Substitusikan y = 4 ke persamaan (3), diperoleh:

x = 10 – 2 (4) = 2

Dari langkah-langkah diatas maka diperoleh bahwa nilai x = 2 dan

y = 4. Jadi, himpunan penyelesaian dari sistem persamaan diatas
adalah { (2,4) }.

 Metode Gabungan Eliminasi dan Substitusi

Metode gabungan eliminasi dan substitusi merupakan salah

satu cara untuk menyelesaikan sistem persamaan linear dua
variabel dengan mengeliminasi salah satu variabel kemudian
dilanjutkan dengan mensubstitusi nilai variabel yang diperoleh
ke dalam salah satu persamaannya.

http://www.rumusmatematikadasar.com/2015/01/penjelasan-metode-
subtitusi-dan-eliminasi-sistem-persamaan-linear-dua-
variabel.html

3. Interpolasi dan kurva fitting

Fitting data pada umumnya dapat dilakukan dengan

metode kuadrat terkecil (least squares fitting method).

Metode ini pada umumnya dapat dilakukandengan mudah bila

bentuk dari fungsi kurvanya diketahui dan sederhana,

tetapibilamana bentuk dari fungsi kurvanya sendiri belum

diketahui, maka metodependekatan atau aproksimasi dapat

dilakukan dengan berbagai cara, misalnyadengan menguraikan

fungsinya dalam deret, misalnya deret Taylor bilamanafungsi

dan turunannya pada titik-titik tertentu diketahui, atau

menggunakaninterpolasi Lagrange, bilamana hanya fungsinya

saja yang diketahui padabeberapa titik. Metode lain adalah

menguraikan fungsinya dalam fungsi-fungsiyang sifatnya

telah diketahui, misalnya fungsi Bessel atau polinomial

Hermit, dan sebagainya [1]. Metode-metode tersebut di atas

pada umumnya dapat berhasildengan baik, tetapi ada kalanya

dapat pula mengalami kegagalan, terutamauntuk kedua titik

data yang berada di ujung data, sangat sukar

untukmenentukan turunannya. Dalam tulisan ini akan dibahas

interpolasi spline yangsangat berguna untuk fitting data-

data yang bentuk fungsinya maupunturunannya tidak diketahui

(Lasijo, 2001).

Fitting data dengan metode least square, interpolasi

linear, interpolasi lagrange maupun dengan fungsi bessel

mengandungkelemahan masing-masing. Model spline dapat

dijadikan salah satualternatif untuk menanggulangi

kelemahan tersebut. Salah satumodel spline yang banyak

digunakan adalah spline kuadrat.Spline kuadrat dapat

disusun sebagai
 Koefisiennya dapat ditemukan dengan memilih z0 dan kemudian

menggunakan hubungan recurrent :

Interpolasi linear adalah interpolasi yang diperoleh dengan

cara menghubungkan dua titik yang mengapit daerah yang akan

dicari interpolasinya.Secara aljabar, untuk setiap Si

sebagai fungsi linear yang dibangun sebagaiberikut (Spline

Interpolation, 2006).

Garis harus kontinu pada setiap titik, yaitu :

Si(xi) = Si + 1(xi) ,I = 0,…..k-1

Sehingga secara mudah dapat dilihat bahwa :

Spline merupakan suatu kurva yang dibangun dari potongan-

potongan
polynomial (picewise polynomial) dengan titik-titik belok

disebut knot (spline polynomial, 2006). Diberikan n+1 knot xi

dengan

X0 < X1 <…..Xn-1 <Xn,

Spline merupakan suatu kurva yang dibangun dari potongan

polynomial (picewise polynomial) dengan titik-titik belok

disebut knot (splinepolynomial, 2006). Diberikan n+1 knot xi

dengan

Dengan setiap Si(x) adalah polinomial derajat k.Menggunakan

interpolasi polinomial, polinomial derajat n

yangmenginterpolasi himpunan data adalah secara unik

didefinisikan dengan titik-titik data. Spline derajat n yang

menginterpolasi himpunan data yang sama tidak secara unik

didefinisikan, dan kita mengisi dalam n-1 derajat bebas

tambahan untuk menyusun suatu interpolan yang unik. Salah

satu model spline yang banyak digunakan adalah spline kuadrat.

Spline kuadrat dapat disusun sebagai :

Koefisiennya dapat ditemukan dengan memilih z0 dan kemudian

menggunakan hubungan recurrent :

Selanjutnya dimasukkan dalam persamaan (4) untuk menghasilkan

persamaan spline yang dimaksud.Kesulitan utama yang muncul

dari proses interpolasi (terutama interpolasi spline) adalah

teknis komputasi. Oleh karena itu perlu suatu mekanisme

pendukung. Software Matlab dapat digunakan untuk mempermudah

pelaksanaan perhitungan interpolasi, bahkan sampai dengan

penyusunan fungsi dan penggambaran grafiknya. Menggunakan

interpolasi linear, dapat disusun suatu program Matlab yang

disesuaikan dari Collier dan Kaw (2006), Spline Toolbox

(2006), Spline Interpolation (2006) dan Spline Interpolation

in Matlab (2006) untuk menghasilkan grafik dan persamaan

linear dari setiap pasang koordinat kepasang koordinat

berikutnya. Selanjutnya, apabila pasangan koordinat di atas

diinterpolasikan dengan metode kuadrat spline dengan software

Matlab, maka programnya dilanjutkan sebagai berikut.

%%%%%%%%% QUADRATIC SPLINE INTERPOLATION %%%%%%%%%

% The following displays the sorted data for the quadratic
spline
figure('Position',wind)
title('Quadratic spline
interpolation','Fontweight','bold','FontSize',14)
text(0,1,'Sorted Data','Fontweight','bold')
midp=(0.95+(0.98-0.03*numel(x)))/2;
text(0,midp,'x =')
text(0.13,midp,'y =')
for i = 1:numel(x)
text(0.05,0.98-0.03*i,num2str(x(i)))
text(0.18,0.98-0.03*i,num2str(y(i)))
end
axis off
% The following assembles the matrix needed to find the
coefficients of the spline
% polynomials.
% Assembly of A
n=numel(x);
A=zeros(3*(n-1));
for i=1:n-1
for j=0:1
for k=0:2
A(2*i-1+j+1,3*i-3+k+1)=x(i+j)^k;
end
end
end
for i=1:n-2
for j=0:1
for k=0:1
A(2*(n-1)+i+1,3*i-2+k+j*3+1)=((-1)^j)*(2*x(i+1))^k;
end
end
end
A(1,3)=1;
% Assembly of Y
Y=zeros(3*(n-1),1);
for i=0:n-2
for j=0:1
Y(2*(i+1)+j)=y(i+j+1);
end
% Calculation of C (Coefficient Matrix)
C=inv(A)*Y;
% The following prints the A, Y, and C matrix in the form A^-
1*Y=C
figure('Position',wind)
title('Quadratic spline
interpolation','Fontweight','bold','FontSize',14)
axis off
hold on
fo='%1.4g';
sh=1/((3*(n-1))+8);
sv=1/((3*(n-1)));
for c=1:3*(n-1)+8
for r = 1:3*(n-1)
if c <= 3*(n-1)
text(0+(c-1)*sh,1-(r-1)*sv,num2str(A(r,c),fo),'FontSize',10)
end
if c == 3*(n-1)+8
text(0+(c-1)*sh,1-(r-1)*sv,num2str(C(r),fo),'FontSize',10)
end
if c == 3*(n-1)+4
text(0+(c-1)*sh,1-(r-1)*sv,num2str(Y(r),fo),'FontSize',10)
end
end
end
text((3*(n-1))*sh-0.5*sh,1,'^-1','fontsize',12)
text((3*(n-1)+5)*sh,0.5,'=','fontsize',12)
text((3*(n-1)+1)*sh,0.5,'X','fontsize',12)
% The following prints the equations of the splines
figure('Position',wind)
title('Quadratic spline
interpolation','Fontweight','bold','FontSize',14)
text(0,1,'Equations of the spline','Fontweight','bold')
for i=0:n-2
f=C(3*i+1)+C(3*i+2)*z+C(3*i+3)*z^2;
text(0,0.98-(i+1)*0.04,['f(x)_',num2str(i+1),' =
',num2str(C(3*i+1)),' +
',num2str(C(3*i+2)),'x + ',num2str(C(3*i+3)),'x^2'])
end
axis off
% These values are needed for plotting
figure('Position',wind)
title('Quadratic spline
interpolation','Fontweight','bold','FontSize',14)
for i=0:n-2
f=C(3*i+1)+C(3*i+2)*z+C(3*i+3)*z^2;
if xdesired < x(i+2) & xdesired >= x(i+1)
fxqdesired=subs(f,z,xdesired);
end
for j = x(i+1):((x(i+2)-x(i+1))/4):x(i+2)
if subs(f,z,j) > ymax
ymax = subs(f,z,j);
end
if subs(f,z,j) < ymin
end
ezplot(f,[x(i+1),x(i+2)])
hold on
end
text(0.1*(max(x)-min(x)),0.8*(max(y)-
min(y)),['f(',num2str(xdesired),') =
plot(x,y,'ro','MarkerSize',10','MarkerFaceColor',[1,0,0])
plot(xdesired,fxqdesired,'kx','Linewidth',2,'MarkerSize',12'
)
title('Quadratic spline
interpolation','Fontweight','bold','FontSize',14)
xlim([min(x) max(x)])
tot=(ymax-ymin)*0.05;
ylim([ymin-tot ymax+tot])
Dari program di atas, maka grafik yang dihasilkan adalah

sebagai berikut.
Curve Fitting
Curve fitting tidak lain yang mendekati diberikan fungsi f (x)
dengan menggunakan fungsi sederhana mengatakan polinomial,
fungsi trignometric, fungsi eksponensial dan fungsi rasional.
Namun, perbedaan utama antara interpolasi dan Curve pas, di
bekas, kurva didekati harus melewati titik data yang diberikan.
Di sini sekali lagi fungsi polinomial adalah salah satu yang
telah digunakan secara luas dalam aplikasi dari fungsi lainnya.
Adanya fungsi polinom P (x) yang mendekati fungsi kontinu f (x)
sebagai interval terbatas [a, b] adalah gauranteed oleh
Weiestrass pendekatan teorema.
Weiestrass pendekatan Teorema: Jika fungsi f (x) kontinu sebagai
interval terbatas [a, b], maka diberikan e setiap> 0 maka ada
sebuah n = n (e) dan P polinomial (x) berderajat n sehingga
| f (x) - P (x) | <E untuk semua x Î [a, b].
Dalam kurva pas f (x) akan diambil sebagai
f (x) @ P (x, c0, c1... cn)
 = C0F0 (x) + c1F1 (x) +. . . + CnFn (x)
di mana Fi (x), i = 0, 1,. . . n n dipilih fungsi bebas linear
(xifor polinomial) dan ci, i = 0, 1, 2,. . . n adalah parameter
yang akan ditentukan. Kesalahan dalam pendekatan yang
didefinisikan sebagai
E (f; c) = || f (x) - (... c0F0 + + cnFn) || di mana || || adalah
norma. Sekarang masalahnya adalah untuk menemukan ci, i = 0, 1,
2,. . . n sehingga E (f; c) adalah sekecil mungkin dalam arti
norma || ||.
Interpolasi dan Curve Fitting
Mengingat satu set data yang dihasilkan dari percobaan
(simulasi berdasarkan atau sebaliknya), atau mungkin diambil dari
kehidupan nyata fisik skenario, kita asumsikan ada beberapa
fungsi yang melewati melalui titik data dan sempurna mewakili
kuantitas bunga di semua titik non-data. Dengan interpolasi kita
mencari fungsi yang memungkinkan kita untuk perkiraan bahwa
nilai-nilai fungsional seperti antara set data asli nilai dapat
ditentukan (Perkiraan). Fungsi interpolasi biasanya melewati
asli kumpulan data. Dengan kurva pas kita hanya ingin fungsi yang
cocok (biasanya cocok dalam arti tertentu) ke poin data asli.
Dengan kurva pas fungsi aproksimasi tidak harus melewati set data
asli.
• Contoh interpolasi menggunakan fungsi spline dan leastsquares
kurva pas menggunakan gelar polinomial kelima ditampilkan
pada gambar berikut
• Data set adalah satu set 10 angka acak yang dihasilkan
menggunakan
10 * rand (1,10)
- Perhatikan bahwa spline interpolasi melewati data menunjuk
sementara kurva fit tidak.
- Gelar polinomial yang lebih tinggi mungkin akan memberikan yang
lebih baik cocok.
Interpolasi adalah metode menghasilkan titik-titik data
baru dalam suatu jangkauan dari suatu set diskret data-data yang
diketahui. Dalam teknik dan sains, seringkali seseorang memiliki
sejumlah titik data yang didapatkan melalui pengambilan sampel
atau eksperimen, mewakili nilai-nilai suatu fungsi dengan jumlah
nilai variabel bebas yang terbatas. Seringkali diperlukan
mengekstrapolasi (alias memperkirakan) nilai fungsi tersebut
pada nilai variabel bebas di pertengahan. Hal ini dapat dicapai
melalui pencocokan kurva atau analisis regresi.

Sebuah permasalahan berbeda yang berhubungan dekat dengan

interpolasi adalah pendekatan/aproksimasi suatu fungsi kompleks
melalui suatu fungsi sederhana. Seandainya formula untuk suatu
fungsi tertentu diketahui namun terlalu rumit untuk dinilai
secara efisien, maka beberapa titik data yang diketahui dari
fungsi asli tersebut dapat digunakan untuk menghasilkan suatu
interpolasi berdasarkan suatu fungsi yang lebih sederhana. Tentu
saja, ketika suatu fungsi yang lebih sederhana digunakan untuk
memperkirakan titik data dari fungsi asli, biasanya muncul
kesalahan interpolasi; namun tergantung pada domain masalahnya
dan pada metode interpolasi yang digunakannya, keuntungan dari
kesederhanaan/kemudahannya lebih menguntungkan daripada hasil
berkurangnya keakuratan.

Terdapat juga suatu jenis interpolasi yang sangat berbeda dalam

matematika, yaitu "interpolasi operator". Hasil klasik seputar
interpolasi operator adalah Teorema Riesz-Thorindan Teorema
Marcinkiewicz. Terdapat juga banyak hasil lainnya.

Interpolasi (cont.)
 Data tambahan mungkin ditentukan, seperti
kemiringan fungsi interpolasi pada titik tertentu
 kendala tambahan mungkin dikenakan, seperti
sebagai kelancaran, monotonisitas, atau busung dari
fungsi interpolasi
 f bisa fungsi lebih dari satu variable
Tujuan interpolasi
 Plotting kurva halus melalui data diskritpoin
 Membaca antara baris tabel
 Membedakan atau mengintegrasikan data tabular
 Mengganti fungsi rumit dengan sederhana

Interpolasi vs Pendekatan
 fungsi interpolasi cocok titik data yang diberikan persis
 interpolasi adalah tidak pantas jika titik data tunduk
kesalahan yang signifikan
 Pendekatan biasanya lebih disukai untuk smoothing data yang
bising.

Memilih interpolant
Pilihan fungsi untuk interpolasi berdasarkan
 Bagaimana fungsi mudah adalah bekerja dengan
 Menentukan parameter
 Mengevaluasi fungsi
 Membedakan atau mengintegrasikan fungsi
  Seberapa baik sifat fungsi pertandingan Sifat data
untuk menjadi bugar (kelancaran, monotonisitas,
busung, periodisitas, dll).

Untuk mencari akar, kami menggunakan fungsi yang diberikan untuk

mengidentifikasi di mana ia menyeberangi nol di mana tidak ??
Q: Di mana fungsi yang diberikan ini berasal dari di tempat
pertama?
• model Analytical fenomena (mis persamaan dari
fisika)
• Buat persamaan dari data yang diamati
1) Interpolation (menghubungkan data-titik)
Jika data yang dapat diandalkan, kita dapat merencanakan
itu dan menghubungkan titik-titik Ini adalah sepotong-bijaksana,
interpolasi linier Ini memiliki penggunaan yang terbatas sebagai
fungsi umum Sejak benar-benar sekelompok s kecil, menghubungkan
satu titik ke titik berikutnya itu tidak bekerja dengan baik
untuk data yang telah dibangun dalam kesalahan acak (scatter)
2) Curve fitting - menangkap tren dalam data dengan menetapkan
fungsi tunggal di seluruh rentang.
Contoh di bawah ini menggunakan fungsi garis lurus Sebuah garis
lurus dijelaskan secara umum oleh f (x) = ax + b
Tujuannya adalah untuk mengidentifikasi koefisien 'a' dan 'b'
sehingga f (x) 'cocok' data baik
! () ""!
! () "
! () "
! () "
Interpolasi Curve Fitting
f (x) = ax + b f (x) = ax + b
untuk setiap baris untuk seluruh rentang
CGN 3421 - Metode Komputer Gurley
contoh lain dari set data yang kami dapat muat fungsi untuk.
Adalah garis lurus cocok untuk setiap kasus ini? Tapi kita tidak
terjebak dengan hanya garis lurus cocok. Kita akan mulai dengan
garis-garis lurus, kemudian memperluas konsep.
Linier kurva fitting (regresi linear)
Mengingat bentuk umum dari garis lurus. Bagaimana kita bisa
memilih koefisien yang paling sesuai garis untuk data?
Pertanyaan pertama: Apa yang membuat garis lurus tertentu yang
'baik' cocok?
Mengapa garis biru tampak bagi kita untuk menyesuaikan tren yang
lebih baik?
• Pertimbangkan jarak antara data dan titik pada garis
• Jumlahkan panjang dari semua lini verticle merah dan biru
• Ini adalah ekspresi dari 'kesalahan' antara data dan garis
dipasang.

4. Metode-metode dalam interpolasi dan kurva fitting disertai

masing-masing contoh.
Regresi
Data hasil pengukuran umumnya mengandung derau
(noise) atau galat yang cukup berarti. Karena data
initidak teliti, maka kurva yang mencocokkan titik data
itu tidak perlu melalui semua titik.Tata-ancang yang
dipakai adalah menentukan kurva yang mewakili
 kecenderungan (trend) titik data, yakni kurva mengikuti
pola titik sebagai suatu kelompok (Gambar 5.1.a). Kurva
tersebut dibuat sedemikian sehingga selisih antara titik
data dengan titik hampirannya di
kurvasekecilmungkin.Metodepencocokankurvasepertiini
dinamakan regresikuadratterkecil (least
squareregression).Deraupada
datamungkindisebabkanolehkesalahanmengukur,ketidaktelitia
n padaalat ukur, atau karena kelakuan sistem yang
diukur. Contoh data yang
mengandungderauadalahtabelteganganbajadiatas.
INTERPOLASI
5. Biladatadiketahuimempunyaiketelitianyang
sangattinggi,makakurva
cocokannyadibuatmelaluisetiaptitik,persissamakalau
kurva fungsiyang sebenarnya dirajah melalui tiap titik
itu.Kita katakan disinibahwakitamenginterpolasi titik-
titik datadengansebuahfungsi(Gambar5.1.b).Bila fungsi
cocokan yang digunakan berbentuk polinom, polinom
tersebut
dinamakanpolinominterpolasi.Pekerjaanmenginterpolasiti
tik data dengan sebuahpolinomdisebut interpolasi
(dengan)polinom. Contohdatayang
berketelitiantinggiadalahtitik-titikyang dihitungdari
fungsiyangtelah diketahui (seperti dari persamaan
P.5.1), atau data tabel yang terdapat di dalam acuan
ilmiah (seperti data percepatan gravitasi
bumisebagaifungsi
 jaraksebuahtitikkepusatbumi).Selaindenganpolinom,inter
polasi titik- titikdatadapatdilakukandenganfungsi
spline, fungsirasional(pecahan),
atauderetFourier[NAK93].
6. Babinidimulaidenganbagianpertama
yaitupencocokankurvadenganmetode
interpolasi.Bagiankedua,metoderegresi,akandiberikanseba
gaiakhirbabini.
7.
8. Interpolasi memainkan peranan yang sangat penting dalam
metode numerik. Fungsi yang tampak rumit menjadi lebih
sederhana bila dinyatakan dalam
polinominterpolasi.Sebagianbesar
metodeintegrasinumerik,metodepersamaan diferensial
biasa, dan metode turunan numerik didasarkan pada
polinom interpolasi.Tidaksalahkalaubanyak buku
acuanmenyatakanbahwainterpolasi
merupakanpokokbahasanyangfundamentaldalammetodenumerik.
9. PersoalanInterpolasiPolinom
10.
11. Diberikann 1buah
titikberbeda,(x0,y0),(x1,y1),...,(xn,yn).Tentukanpolino
m pn(x)yang menginterpolasi(melewati)semuatitik-
titiktersebutsedemikianrupa sehingga
12.
13. yi pn(xi) untuki 0,1,2,…,n
14.
15. Nilai yi dapat berasal dari fungsi matematika f(x)
(seperti ln x,sin x, fungsi Bessel, persamaan P.6.1,
dan sebagainya) sedemikian sehingga yi = f(xi ),
sedangkanpn(x)disebutfungsihampiranterhadapf(x).Atau,yi
berasaldari nilai
empirisyangdiperolehmelaluipercobaanataupengamatan.
16.
17. y 22. 27. 31. 34. 39.
18. 23. 28. 32. 35. (40.
19. 24. 29. 33. y xn 41.
20. 25. 30. ( =p - 42.
21. (x1 26. , x n( 1, 43. ,yn)
y 2 x) yn
1 ,
-
) y
1)
2
36.
)
37.
38. (
xn
44. (x3,y3) 45. ( 46. (a,
a, pn(a))
pn
(a
))
47.
48.
49. (x0,y0)
50.
51.
52. x=a 53. x=a
x
54.
55.
56. menginterpolasi 57. mengekst
rapolasi
58.
59. Setelahpolinominterpolasipn(x)ditemukan,pn(x) dapat
digunakanuntuk
menghitungperkiraannilaiydix=a,yaituy=pn(a).Bergantung
padaletaknya,
nilaix=amungkinterletakdidalamrentangtitik-
titikdata(x0<a<xn)ataudi luarrentangtitik-
titikdata(a<x0ataua>xn):
60.
61. (i)
jikax0<a<xnmakayk=p(xk)disebutnilaiinterpolasi(interpol
atedvalue) (ii)jikax0<xk
ataux0<xnmakayk=p(xk )disebutnilaiekstrapolasi(extrapola
ted
62. value).
63.
64. Keduanya,(i)dan(ii),ditunjukkanpa
daGambar5.2.
65.
66. Kita dapat
menginterpolasititikdatadenganpolinomlanjar,polinomkua
dratik, polinom kubik, atau polinom dari derajat yang
lebih tinggi, bergantung pada
jumlahtitikdatayangtersedia.
67.
68.
69.
70. 5.1.1
InterpolasiLanjar
71.
72. Interpolasilanjaradalahinterpolasidua
buahtitikdengansebuahgarislurus.Misal
diberikanduabuahtitik,(x0,y0)dan
(x1,y1).Polinomyangmenginterpolasikedua
titikituadalahpersamaangarislurusyangberbentuk:
73.
74. p1(x)=a0+a1x
(P.5.3)
75.
76. Gambar 5.3memperlihatkan garislurusyangmenginterpolasi
titik-titik (x0,y0)
77. dan(x1,y1).
78.
79.
80.
81.
82.
83. y
84. (x1,y1)

85.
86.
87.
88.
89.
90.
91.
92. (x0,y0)

93.
94.
95. x
96.
97. Gambar5.3 Interpolasilanjar
98.
99.
100.
101.
102. Koefisiena0
dana1dicaridenganprosespenyulihandaneliminasi.Dengan
menyulihkan(x0,y0)dan
(x1,y1)kedalampersamaan(P.5.3),diperolehduabuah
persamaanlanjar:
103.
104. y0=a0+a1x0
105. y1=a0+a1x1
106.
107. Keduapersamaaninidiselesaikandenganproseseliminas
i,yangmemberikan
108.
109. y y
110. a1 = 111. 1 112. (P.
0 5.4)
113. x1 x0
114. d 115.
an 116.
117. xy x y
118. a0=1 0 0 1 119. (P.5
.5)
120. x1 x0

121.
122. Sulihkankan(P.5.4)dan(P.5.5)kedalam(P.5.3)untukmenda
patkanpersamaan garislurus:
123. 125.
124. xy x y 126. y y x
127. p1(x)= 128. 1 0 129. + 130. (P.5
0 1 1 0 .6)
131. x1 x0 132. x1 x0
133.
134. Dengan melakukan sedikit manipulasi aljabar,
persamaan (P.5.6) ini dapat disusunmenjadi
135. 137. 139. 141.
136. p1(x)=y0 + 138. (y1 140. x 142. (P.5

y 0) 0 .7)
(x
)
143. (x1 144. x 0)
145.
146. Buk 147. 150.
ti: 148. 151.
149. xy 152. y y x
x y
153. p1(x)= 1 0 0 154. 1 0

1+
155. x1 x0 158. x1 x0

156. 159.
157. xy x y 160. xy xy
161. p1(x)= 162. 1 0 0 1 1 0
163. x1 x0 166.

164. 167.

165. xy 168. x y x y
x y xy xy
169. p1(x)= 1 0 0 1 1 0

0 0 0 1
170. 173. x1 x0
171. 174. y y x x
172. x x y
175. p1(x)= 176. 1 0 0 1 0 0
177. 181. x1 184.
178. x0 185.
179. 186.
182.
180. p1(x)=y0 + 187. x0)
183. (y1
y 0)
(x
188. (x1 189. x 0)
190.
191.
192.
193. Persamaan(P.5.7)adalahpersamaangarislurusyangmelaluiduabu
ahtitik,(x0,
194. y0)dan(x1,y1).Kurvapolinomp1(x)iniadalahberupagarislurus(
Gambar5.3).
195.
196.
197.
198. Contoh5.1
199. PerkirakanjumlahpendudukAmerikaSerikatpadatahun1968be
rdasarkandatatabulasi berikut[KRE88]:
200.

Tahun 1960 1970

Jumlahpenduduk( 179.3 203.
201.
juta) 2
202.
203. Penyelesaian:
204. Denganmenggunakanpersamaan(P.5.7),diperoleh
205. 207. 209. 211. 213. 215.
206. p1(1968)= 208. 210.
1 212.
2 1 214. 216.
1 =198.4
7 0 79.3 9
9 3 1968 6
. . 0
3 2
217. 1970 218. 1960
219.
220. Jadi,taksiranjumlahpendudukASpadatahun1968adalah198.4juta.
221.
222.
223. Contoh5.2
224. Daridataln(9.0)=2.1972,ln(9.5)=2.2513,tentukanln(9.2)denga
ninterpolasilanjar
225. [KRE88]sampai5
angkabena.Bandingkandengannilaisejatiln(9.2)=2.2192.
226.
227. Penyelesaian:
228.
229. Denganmenggunakanpersamaan(P.5.7),diperoleh
230. 232. 234. 237. 240.242.
231. p1(9.2)= 233. 2235. 2238. 2 241.243.
9 =2.2192
. . .19 .
1 1 729. 0
9 5 2
7 1 239. 9
2 3 0
236. 9
.5
244.
245. Galat = 2.2192 - 2.2188 = 0.0004. Di sini interpolasi
lanjar tidak cukup untuk
memperolehketelitiansampai5angkabena. Iahanyabenar
sampai3angkabena.
246.
247.
248. 5.1.2 InterpolasiKuadratik
249.
250. Misaldiberikantigabuahtitikdata,(x0,y0),(x1,y1),dan(
x2,y2).Polinomyang
menginterpolasiketigabuahtitikituadalahpolinomkuadratya
ngberbentuk:
251.

252. p2(x)=a0+a1x+a2x2
(P.5.8)
Biladigambar,kurvapolinomkuadratberbentukparabola(Gamba
r5.4).
253. Polinomp2(x)ditentukandengancaraberikut:
254. - sulihkan(x i,yi)kedalampersamaan(P.5.8),
i=0,1,2.Darisinidiperoleh tigabuah
persamaandengantigabuahparameteryangtidakdiketahui,yai
tu a0,a1,dana2:
255.
256. a0+ a1x0+ a2x02=

y0 a0+ a1x1+ a2x12=

y1 a0+a1x2+a2x22=y2
257.
258. - hitung a0, a1, a2 dari sistem persamaan tersebut dengan
metode eliminasi
259. Gauss.
260.
261.
262. y (x1,y1)

263.
264.
265.
266.
267.
268. (x2,y2)
269.
270.
271. (x0,y0)
272.
273.
274. x
275.
276. Gambar5.4 Interpolasikuadratik
277.
278.
279.
280. Contoh5.3
281. Diberikantitikln(8.0)=2.0794,ln(9.0)=2.1972,danln(9.5
)=2.2513.Tentukannilai
ln(9.2)denganinterpolasikuadratik.
282.
283. Penyelesaian:
284. Sistenpersamaanlanjaryangterbentukadalah
285.
286. a0+8.0a1+64.00a2=2.07
94
a0+9.0a1+81.00a2=2.1972
a0+9.5a1+90.25a2=2.2513
287.
288. PenyelesaiansistempersamaandenganmetodeeliminasiGaussmengha
silkana0 =0.6762,

289. a1=0.2266,dana 3=-0.0064.Polinomkuadratnyaadalah

290. p2(x)=0.6762+0.2266x-

0.0064x2
291. sehi 292.
ngga 293.
294. p 2(9.2)=2.2192
295.
296. yangsamadengannilaisejatinya(5angkabena).

297.
298.
299. 5.1.3
InterpolasiKubik
300.
301. Misal diberikan empat buah titik data, (x0, y0),
(x1, y1),(x2, y2), dan (x3, y3).
Polinomyangmenginterpolasikeempatbuahtitikituadalahpol
inomkubikyang berbentuk:
302.

303. p3(x)=a0+a1x+a2x2+a3x3
(P.5.9)
304.
305. Polinomp3(x)ditentukandengancaraberikut:
306. - sulihkan(xi,yi)kedalampersamaan(P.5.9),
i=0,1,2,3.Darisinidiperoleh empat buah
persamaandenganempat buahparameter yangtidakdiketahui,
yaitua0,a1,a2, dana3:
307.

308. a0+a1x0+a2x02+a3x03=y0

a0+a1x1+a2x12+a3x13=y1

a0+a1x2+a2x22+a3x23=y2

a0+a1x3+a2x32+a3x33=y3
309.
310. - hitung a0, a1, a2, dan a3 dari sistem persamaan
tersebut dengan metode eliminasiGauss.
311.
312. Bila digambar, kurva polinom kubik adalah seperti
Gambar5.5.
313.
314.
315.
316. y (x1,y1)

317.
318.
319. (x3,y3)
320.
321. (x2,y2)
322.
323.
324. (x0,y0)
325.
326.
327. x
328.
329. Gambar5.5 Interpolasikubik
330.
331.
332. Dengancarayangsamakitadapatmembuatpolinominterpolasib
erderajatnuntuk
333. nyanglebiht
inggi:
334.

335. pn(x)=a0+a1x+a2x2+…+anxn
336.
337. asalkan tersedia (n+1) buah titik data. Dengan
menyulihkan (xi, yi) ke dalam persmaanpolinomdiatasy
=pn(x)untuk i=0,1,2,…,n,akandiperolehnbuah
sistempersamaanlanjardalama0,a1,a2,…,an,
338.

339. a0+a1x0+a2x02+...+anx03=y
2 3
0 a0+a1x1+a2x1 +...+anx1 =y1

a0+a1x2+a2x22+...+anx23=y2
340. ...
...

341. a0+a1xn+a2xn2+...+anxn3=y
n
342.
343.
344.
345. Solusi sistem persamaan lanjar ini diperoleh dengan
menggunakan metode
eliminasiGaussyangsudahandapelajari.
346.
347. Secaraumum,penentuanpolinominterpolasidengancarayang
diuraikandi atas
kurangdisukai,karenasistempersamaanlanjaryang
diperolehadakemungkinan
berkondisiburuk,terutamauntukderajatpolinomyangsemakint
inggi.
348.
349. Beberapametodeperhitunganpolinominterpolasitelahditemuk
anoleh oleh para
numerikawantanpamenggunakancarapendekatandiatas.Beberap
adiantaranya akandiberikandisini,yaitu:
350.
351. 1.
PolinomLagrange
352. 2.
PolinomNewton
353. 3. PolinomNewton-
Gregory(kasuskhususdaripolinomNewton)
354.
355. Untuksejumlahtitikdatayangdiberikan,metodeinterpolas
iyangberbeda-beda ini tetap menghasilkan polinom yang
 sama (unik), tetapi dalam bentuk yang berbeda satu
sama lain, dan berbeda juga dalam jumlah komputasi
yang
dilibatkan.Keunikanpolinominterpolasiiniakandibuktikans
etelahkitasampai padapolinomNewton.
356.
357.
358. 5.2 PolinomLagrange
359.
360. Tinjaukembalipolinomlanjarpadapers
amaan(P.5.7):
361.
362. y y
363. p1(x)= y0+ 364. 1 365. (x-x0)
2
366. x1 x0

367.
368. Persamaaninidapatdiaturkembalisedemikianrupasehinggamenja
di
369.
370. x x x x
371. p1( 372. + 373. (P.5

x)=y01 y10 .10)

374. x 0 x1 375. x1 x0
376.
377. ataudapatdinyatakandalambentuk
378.
379. p1(x)=a0L0(x)+a1L1(x)
(P.5.11)
380. yangdalamha 381.
lini 382.
383. (x x)
384. a0=y0 , 385. 386.
L 1
0
(
x
)
387. (x0 388. x1)
389.
390.
391. d 392.
an 393.
394. (x x)
395. a1=y1 , 396. 397.
L 0
1
(
x
)
398. (x1 399. x 0)
400.
401. Persamaan(P.5.11)dinamakanpolinomLagrangederajat1.
Namapolinomini diambildari
namapenemunya,yaituJosephLouisLagrangeyangberkebangsaa
n Perancis.
402.
403. BentukumumpolinomLagrangederajat
nuntuk(n+1)titikberbedaadalah
404.
405. 407. n
406. pn(x)= 408. a iLi(x)= a0L0(x)+a1L1(x)+…+anLn(x)
(P.5.12)
409. i 0
410.
411. yangdalamhalini
412.
413. ai=yi , i=0,1,2,…,n
414.
415. dan,
416. n (x 417. x 418. x 419. x 420. x x ...x x
j x ...x
) x x
421. Li(x)= 422. =0
1 i 1 i
1 n
423. j 0 (xi x
425. 426. x 427. x 428. x 429. xi 1 ...x i

424. j i j i i i xn
) x .. 1
xi .x xi
i
430.
431. Mudahdibuktikan,bahwa:
432. 434. 1 ,i j
433. Li(xj)= 435. 0 ,i j
436.
437. danpolinominterpolasi pn(x)melaluisetiaptitikdata.
438.
439.
440. Bukti:
441.
442. Jikai=j,maka
443. n (xi 444. x445. x 446. x 447. x x ...x x
j x ...x
) x x
448. Li( 449. =i 0 i 1
xi)= i i 1 i i 1 i n
450. j 0 (xi 452. x453. x 454. x 455. x 456. x i 1 ...x i

451. j i j i i i xn
) x0 .. 1

xi .x xi
i
457. =1 (karenapenyebut=pembilang)
458. Jikai¹j, 462. 465.
maka 463. 466.
459. 464. n467. xi)
460. (
461. Li(xj) = x
j
468. j 0 (xi 470. xj)
469. j i
471.
472. xj x 0 xj x1

...xj xj ...xj x i 1 xj x i 1 ...xj x n

473. =
474. x i x0 xi 477. x 478. x481. x482. x i 1 ...x i
475. 1 j i xn
476. = .. x 1
.x i xi
i 479.
480. 0
483. x i x0 xi 484. x485. x 486. x487. x i 1 ...x i
1 j i xn
.. .. 1
.x .x xi
i i
488.
489.
490. = 0 (karenapembilang=0,yaitu(xj–xj)=0)
491.
492. Akibatnya,
493.
494. pn(x0) = L0(x0)y0+L1(x0)y1+L2(x0)y2+…+Ln(x0)yn
495. =1.y0+0.y1+0.y2 +…+0.yn
496. = y0
497.
498. pn(x1) = y1
499.
500. ...
501.
502. pn(xn) = yn
503.
504.
505. Dengandemikian,
506.
507. pn(xi)= yi,i= 0,1,2,…,n
508.
509. ataudengankatalain,polinominterpolasi
pn(x)melaluisetiaptitikdata.
510.
511.
512. Conto
h5.4
513. [MAT92]Hampirifungsif(x)=
cosxdenganpolinominterpolasiderajat tiga didalamselang
[0.0,1.2].Gunakanempattitik,x0=0.0,x1=0.4,x2=0.8,danx3=1
.2.Perkirakannilai
p3(0.5),danbandingkandengannilaisejatinya.
514.
515. Penyel
esaian:
516.

x 0. 0. 0. 1.
y 1.0000 0.9210 0.6967 0.3623
i 0 4 8 2
i 00 61 07 58
517.
518. PolinomLagrangederajat3
yangmenginterpolasikeempattitikditabeladalah
519.
520. p3(x) =a0L0(x)+a 1L1(x)+a2 L2(x)+a3L3(x)
521. x 522. x x x x x
+ y
x x x x x
x
+
523. = y0 525. 527.
1 2 529. 1 531. 2

524. x0 526. x 3 530. x1 3

1
1 528. x x0 532. x2 x1
x 2 x1 x3
0 x0

x3
533. 535.
534. x 536. x x
+y
x x x x x
x x x x
537. y2 0 539. 1 541. 0 543. 1
542. x3 2
538. x2 x0 x2
3 x0 544. x1 x3
3
540. x x3 x2
1
x2

x3
545.

546. =1.000000x 0.4 x 0.8 x 1.2

+
547. 0.0 548.
549.
0550.
0551.
0552.
0 1.2
. . . .
4 0 8 0
553. 555.
554. 0.921061 556. x 0.0 x 0.8 x 1.2
+
557. 0.4 558.
559.
0560.
0561.
0562.
0 1.2
. . . .
0 4 8 4
563. 565.
564. 0.696707 566. x 0.0 x 0.4 x 1.2
+
567. 0.8 568.
569.
0570.
0571.
0572.
0 1.2
. . . .
0 8 4 8
573. 575.
574. 0.362358 576. x 0.0 x 0.4 x
0.8
577. 1.2 578. 0579.
580.
0581.
1 0.8
.0 . .
1. 4 2
2
582.

583. =2.604167x 0.4 x 0.8 x 1.2 7.195789x 0.0 x

0.8 x 1.2
584. 5.443021x 585. 586.
0 587.
0 588.
1 0 589. 590.
0 591.
0 0
. . . .943 . . .8
0 4 2 640x 0 4
x x x x
592.
593.
594. Untukmengurangigalatakibatpembulatan,polinomp3(x)init
idakperludisederhanakan lebihjauh. Kurvay= cos(x)dan
y=p3(x)diperlihatkanpadaGambar5.6.
595.
596. y
597. 1.0
598.
599.
600.
601.
602. 0.5
603.
604.
605.
606.
607. 0.4 0.8 1.2 1.6 2.0 x
608. y=f(x)
609. 611. y=p3 (x)
610. -0.5
612.
613.
614.
615. Gambar5.6 Grafikfungsi y=cos(x)dan y=p 3(x)
616.
617. Denganmenggunakanpolinominterpolasip3(x)itukitadapatme
naksirnilaifungsidix=0.5 sebagaiberikut:
618.
619. p3(0.5) = -2.604167(0.5-0.4)(0.5-0.8)(0.5-1.2)
620. +7.195789(0.5-0.0)(0.5-0.8)(0.5-1.2)
621.
622. -5.443021(0.5-0.0)(0.5-0.4)(0.5-1.2)
623. +0.943640(0.5-0.0)(0.5-0.4)(0.5-0.8)
624.
625. = 0.877221
626.
627. Sebagaiperbandingan,nilai
sejatinyaadalah
628.
629. y=cos(0.5)=0.877583

630.
631.
632.
633. Catatlah bahwa polinom Lagrange tidak hanya berlaku
untuk titik-titik yang berjarak sama. Kita juga dapat
membentuk polinom Lagrange untuk titik-titik
datayangtidakberjaraksama.Perhatikancontoh5.5berikut.
634.
635.
636. Contoh5.5
637.
638. Darifungsi
y=f(x),diberikantigabuahtitikdatadalambentuktabel:
639.

x 1 4 6
y 1.5709 1.5727 1.5751
640.
641.
642. Tentukan f(3.5)denganpolinomLagrangederajat2.
Gunakanlimaangkabena.
643.
644. Penyelesaian:
645.
646. Polinomderajat2 n=2(perlutiga buahtitik)
647.
648. p2(x)=L0(x)y0+L1(x)y1+L2 (x)y2
649. x 651. 4 652. 654.655.
3 656.
4 6
=0.083333
650. L0(x)= x 653. L . 3
6 0(3 5 .

.5) 5

=
657. 1 4 1 6 658. 1 41 6
659. 662. 664.
666. 668.
660. x 1 x 6 663. L 665.
667.
3 669.
1 6
=1.0417
661. L1(x)= 1(3 . 3

.5) 5 .

= 5
670. 4 1 4 6 671. 4 1 4 6
672. 675. 677.
679. 681.
673. x 1 x 4 676. L 678.
680.
3 682.
1 4
= -0.12500
674. L2(x)= 2(3 . 3

.5) 5 .

= 5
683. 6 1 6 4 684. 6 1 6 4
685. Ja 686.
di, 687.
688. p 2(3.5) =(0.083333)(1.5709)+(1.0417)(1.5727)+(-
0.12500)(1.5751)
689. = 1.5723
690.
691. PolinomLagrangemudahdiprogram.Algoritmanyadituliskan
padaProgram5.1 berikutini.
692.
693.
694.
695. Program5.1 PolinomLagrange
696.
697.
698. functionLagrange(x:real;n:integer):real;
699. {Menghitungy=pn(x),denganp(x)adalahpolinomLagrangederaja
tn.
700. Titik-titikdatatelahdisimpandidalamlarikx[0..n]dany[0..n]
701. }
702. var
703. i,j :integer;
704. pi,L:real;
705. begin
706. L:=0;
707. fori:=0tondo
708. begin
709. pi:=1;
710. forj:=0tondo
711. ifi<>jthen
712. pi:=pi*(x-x[j])/(x[i]-x[j]);
713. {endfor}
714. L:=L+y[i]*pi;
715. end{for};
Lagrange:=L;
716. end{Lagrange};
717.
718.
719.
720.
721. 5.3 PolinomNewton
722.
723. PolinomLagrangekurangdisukaidalampraktekkarenaalasan
berikut[CHA91]:
724.
725. 1. Jumlah komputasi yangdibutuhkan untuk satukali
interpolasi adalah besar.
726. Interpolasiuntuknilai
xyanglainmemerlukanjumlahkomputasiyangsama
karenatidakadabagiankomputasisebelumnyayangdapatdigunak
an.
727.
728. 2.
Bilajumlahtitikdatameningkatataumenurun,hasilkomputasis
ebelumnya
tidakdapatdigunakan.Halinidisebakanolehtidakadanyahubun
ganantara pn-1(x)danpn(x)padapolinomLagrange.
729.
730. PolinomNewtondibuatuntukmengatasikelemahanini.
DenganpolinomNewton, polinom yang dibentuk sebelumnya
 dapat dipakai untuk membuat polinom
derajatyangmakintinggi.
731.
732. Tinjaukembalipolinomlanjarpadapers
amaan(P.5.7):
733. 735. y1 736.
734. p1(x)=y0+ y0 737. x 0)
(x
738. x1 x0
739.
740. Bentukpersamaaninidapatditulissebagai
741.
742. p1(x)=a0+a1(x-x0)
(P.5.13)
743.
744. yangdalamhalini
745.
746. a0=y0= f(x0)
(P.5.14)
747. d 748.
an 749.
750. y y f x f x
751. a1=1 0 752. = 753. (P.5
1 .15)
0
754. x1 x0 755. x1 x0
756.
757. Persamaan(P.5.15)inimerupakanbentukselisih-
terbagi(divided-difference) dan
dapatdisingkatpenulisannyamenjadi
758.
759. a1= f[x1,x0]
(P.5.16)
Setelahpolinomlanjar,polinomkuadratikdapatdinyatakandal
ambentuk
760. p2(x)=a0+a1(x-x0)+a2(x-x0)(x-x1)
(P.5.17)
761.
762. a
tau
763.
764. p2(x)=p1(x)+a2(x-x0)(x-x1)
(P.5.18)
765.
766.
767. Persamaan(P.5.18)memperlihatkanbahwap2(x)dapatdibentu
kdari polinom sebelumnya, p1(x). Ini mengarahkan kita
pada pembentukan polinom Newton
untukderajatyanglebihtinggi.Nilai a2
dapatditemukandenganmenyulihkan x
768. =x2untukmempe
roleh
769.
770.
771. f x a a x x
772. a2= 773. (P.5

2 0 1 2 0 .19)
774. x 2 x0 x2 x1

775.
776. Nilaia0dannilai a1
padapersamaan(P.5.14)dan(P.5.15)dimasukkankedalam
kedalampersamaan(P.5.19)untukmemberikan
777. f x 2 778. f x1 f x0
f x0
779. 781. x2 x0 x1
780. a2 = x0
782. x 2 x1
783.
784. Denganmelakukanutak-
atikaljabar,persamaanterakhirinilebihdisukaiditulis
menjadi
785. 787.
786. f 788. f x1 f x0
x2 f x1
789. 791. x 792. f 794.
790. a2 = 2 x1 x 2,x1 f 795. (P.5
x1 x0 x1,x 0 .20)

793. =
796. x 2 x0 797. x 2 x0
798.
799. Demikianlahseterusnya,kita dapat
membentukpolinomNewtonsecarabertahap: polinomderajatn
dibentukdaripolinomderajat(n-1).PolinomNewtondinyatakan
dalamhubunganrekursifsebagaiberikut:
800.
801. (i) rekurens: pn(x)= pn-1(x)+an(x-x0)(x-x1)…(x-xn-1)
(P.5.21) (ii) basis: p0(x)=a0
802.
803. Jadi,tahapanpembentukanpolinomNewtonadalahs
ebagaiberikut:
804.
805. p1(x) = p0(x)+a1(x-x0)
806.
807. = a0+a1(x-x0)
808.
809. p2(x) = p1(x)+a2(x-x0)(x-x1)
810. = a0+a1(x-x0)+a2(x-x0)(x-x1)
811.
812. p3(x) = p2(x)+a3(x-x0)(x-x1)(x-x2)
813. = a0+a1(x-x0)+a2(x-x0)(x-x1)+a3(x-x0)(x-x1)(x-x2)
814.
815.
816. pn(x) = pn-1(x)+an(x-x0)(x-x1)…(x -xn-1)
817. = a0+a1(x-x0)+a2(x-x0)(x-x1)+a3(x-x0)(x-x1)(x-x2)+
818. … +an(x-x0)(x-x1)…(x-xn-1)
(P.5.22)
819.
820.
821. Nilaikonstanta a0, a1, a2,..., an merupakan nilai
selisih-terbagi, dengan nilai masing-masing:
822.
823. a0=f(x0)
824. a1=f[x1,x0]
825. a2=f[x2,x1,x0]
826.
827. an=f[xn,xn-1,…,x1,x0]
828.
829. yangdalamh
alini,
830. 832. 834.
f f 836.
831. f[xi,xj]= x x 837. (P.5
i j .23)
x
833. 835. x
i j
838. 843. 846. 849.
839. 844. f 847. f 850.
840. f[xi,xj,xk]= [x [xj 851. (P.5
841. i,x ,x k .24)
842. j] ]
845. x 848. x
i k
852. f[x ,x 853. ,854. f 855. ,...,x ]

. [x
. ,x
.,
x]
856. f[x 857. (P.5
n n 1 1 n 1 n 2 0 .25)
n,xn-1,...,x1,x0]=
858. x n x0

859.
860.
861. Dengandemikian
polinomNewtonpada(P.5.21)dapatditulisdalamhubungan
rekursifsebagai
862.
863. (i) rekurens:
864. pn(x)= pn-1(x)+(x-x0)(x-x1)…(x-xn-1) f[xn,xn-

1,…,x1,x0] (P.5.26)
865.
866. (ii) basis: p0(x)=f(x0)
867.
868.
869. ataudalambentukpolinomyanglengkapseb
agaiberikut:
870.
871. pn(x)=f(x0) +(x-x0)f[x1,x0] +(x-x0)(x-x1)f[x2,x1,x0]
872. + (x-x0)(x -x1)…(x-xn-1) f[xn,xn-1,…,x1,x0]
(P.5.27)
873.
874.
875. Karenatetapan a0,a1,a2,..., an
merupakannilaiselisih-terbagi, makapolinom Newton
dinamakan juga polinom interpolasi selisih-terbagi
Newton. Nilai
selisihterbagiinidapatdihitungdenganmenggunakan
 tabelyangdisebuttabel selisih-terbagi, misalnya tabel
selisih-terbagi untuk empat buah titik (n = 3) berikut:
876.

i x yi=f(xi ST-1 ST-2 ST-

0 x f(x f[x1,x0 f[x2,x1, f[x3,x2,x1,
i )f(x 3
1 x f[x2,x1 f[x3,x2,
2 0
x 0)
f(x ]
f[x3,x1 x0] x0)]
877. 1 1) ] 3 xx31]f(x3)
2 2) ]
878.
879. Keterangan:ST= Selisih-Terbagi
880.
881. Sekalitabelselisih-terbagi
dibentuk,polinominterpolasi yangmelewati
sekumpulantitik(xi,yi)berbeda(misalnyauntuki= 0,1,2,
ataui= 1, 2, 3) dapat
ditulisdenganmudah.Bilabagiantabelyangdiarsirdinyataka
ndi dalammatriks
ST[0..n,0..n],makaevaluasipn(x)untukx=tdapatdinyatakans
ebagai
882.
883. pn(t) = ST[0,0] + ST[0,1](t - x0) + ST[0,2](t -
x0)(t - x1)
884. + ... + ST[0,n](t - x0)(t - x1)...(t - xn-1)
885.
886. SepertihalnyapolinomLagrange,polinomNewtomjuga
mudahdiprogram.
AlgoritmanyadituliskanpadaProgram5.3dibawahini.
887.
888.
889. Program5.2
PolinomNewton
890.
891.
892. functionNewton(x:real;n:integer):real;
893. {Menghitungy=p(x),denganp(x)adalahpolinomNewton
derajatn. Titik-
titikdatatelahdisimpandidalamlarikx[0..n]dany[0..
n]
894. }
895. var
896. i,k :integer;
897. ST:array[0..30,0..30]ofreal;
{menyimpantabelselisihterbagi}
898. jumlah,suku:real;
899.
900. begin
901. fork:=0tondo {simpany[k]padakolom0darimatriksST}
902. ST[k,0]:=y[k];
903. {endfor}
904. fork:=1tondo {buattabelselisihterbagi}
905. fori:=0ton-kdo
906. ST[i,k]:=(ST[i+1,k-1]-ST[i,k-1])/(x[i+k]-x[i]);
907. {endfor}
908. {endfor}
909. {hitungp(x)
}
jumlah:=ST[0,
0];
fori:=1tondo
910. begin
911. suku:=ST[0,i];
912. fork:=0toi-1do
913. suku:=suku*(x-x[k])
914. {endfor}
915. jumlah:=jumlah+suku;
916. end;
917. Newton:=jumlah;
918. end;
919.
920.
921.
922. Contoh5.6
923. Hitunglahf(9.2)darinilai-nilai
(x,y)yangdiberikanpadatabeldibawahinidengan
polinomNewtonderajat3.
924.
925. Penyelesaian:
926.
927. Tabelselisih-terbagi:
928.
929.
930.

i x y ST- ST- ST-

0 8.0 2.07944 0.11778 - 0.00041
i i 1 2 3
1 9.0 2.19722 0.10813 -
2 9.5 2
2.25129 3
0.09773 0.006433 1
3 11. 5
2.39789 4 0.00520
2 5
931. 0
0 5
932. Contohcaramenghitungnilaiselisih-terbagaipadatabeladalah:
933. 935. 937.
934. f x f x 936. 2 938. 2.197225

.25
129
2
939. f(x2,x1 )=2 940. =0.108134

1 =
941. x2 x1 942.943.
9 9.0
.
5
944. 946. 948.
945. f[x,x] f[x,x ] 947. 0 949. 0.117783

.10
813
4
950. f(x2, x1 ,x0 )= 2 1 954.956. 958. =-
955.957.
9 8 0.006433
1 0 =
. .
951. x 2 x0
5 0
952.
953. danseterusnya.
959.
960. Nilai-nilaiselisih-
terbagiyangdibutuhkanuntukmembentukpolinomNewtonderajat3
ditandaidenganarsiran.
961.
962. PolinomNewton-nya(denganx0=8.0sebagaititik
datapertama)adalah:
963.
964. f(x) p3 (x)=2.079442+0.117783(x-8.0)-0.006433(x-
8.0)(x-9.0)+
965. 0.000411(x-8.0)(x-9.0)(x-9.5)
966.
967. Taksirannilaifungsipadax= 9.2 adalah
968.
969. f(9.2) p 3(9.2)=2.079442+0.141340-0.001544-
0.000030=2.219208
970.
971. Nilaisejatif(9.2)=ln(9.2)=2.219203(7angkabena).Catatlahbahw
anilai interpolasiln(9.2)
972. semakintelitidenganmeningkatnyaordepolinom(Contoh5.2,Conto
h5.3,danContoh
973. 5.6ini):
974.
975. p1(9.2)=2.220782,
976. p2(9.2)=2.219238,
977. p3(9.2)=2.219203

978.
979.
980.
981. Conto
h5.7
982. [MAT92]BentuklahpolinomNewtonderajatsatu,dua,tiga,dan
empatyangmenghampiri
fungsif(x)=cos(x)didalamselang[0.0,4.0]danjarakantartiti
kadalah1.0.Lalu,
taksirlahnilaifungsidix=2.5denganpolinomNewtonderajatti
ga.
983.
984. Penyel
esaian:
985. Denganjarakantartitik1.0,makatitikyangdigunakanadalahp
adax0 =0.0,x1 =1.0,x2 =3.0,

986. x3 =4.0.
Tabelselisihterbaginyaada
lah:
987.
988.
989.

i x f(xi) ST-1 ST-2 ST-3 ST-4

0 0.0
i 1.000 - - 0.1466 -0.0147
1 1.0 0.540 - 0.191 0.0880
2 2.0 -0 0.4597
- 0.2484
0.455
3 3.0 -3 0.9564
0.3363 3
4 4.0 0.416
- 0.5739
f(x3,x 1
0.990
990. 1
0.653 2)
0
991.
6
992. Contohcaramenghitungnilaiselisih-terbagipadatabel:
993. f x f x 994. 995.
0 1.0000
.
5
4
0
3
996. f[x1, x0 ] 997. 1 998. =-0.4597

= 0 =
999. x1 x0 1000.
1001.
1 0.0
.
0
1002. 1004. 1006.
1003. f x f x 1005. 1007.
0 0.5403
.
4
1
6
1
1008. f[x2, x1]=2 1009. =-0.9564

1 =
1010. x2 1013.1016.
x 1019.
1022.
1023.
2 1 1026.

1011. 1 1017. . 1024.

. 1027.

1012. f[x 1014.1018. f 0 1025.

0 01028. 0.4597
1015. , [ 1020. .
x x 1021. ] 9
] , 5
x 6
4
1029. f[x2, x1 ,x0 ]= 2 1 1030. =-0.2484

1 0 =
1031. x2 x0 1032.
1033.
2 0.0
.
0
1034.
1035. Maka,polinomNewtonderajat1,2,dan3dengan
x0=0.0sebagaititikdatapertama adalah
1036.
1037. cos(x) p1(x)= 1.0000-0.4597(x-0.0)

1038. cos(x) p2(x)= 1.0000-0.4597(x-0.0)-0.2484(x-0.0)(x-1.0)

1039. cos(x) p3(x)= 1.0000-0.4597(x-0.0)-0.2484(x-0.0)(x-1.0)+

1040. 0.1466(x-0.0)(x-1.0)(x-2.0)
1041. cos(x) p4(x)= 1.0000-0.4597(x-0.0)-0.2484(x-0.0)(x-1.0)+
1042. 0.1466(x-0.0)(x-1.0)(x-2.0)
1043. -0.0147(x-0.0)(x-1.0)(x-2.0)(x-3.0)
1044.
1045.
1046. Grafiky=cos(x)dan
y=p1(x),y=p2(x),y=p3 (x),diperlihatkan padaGambar5.7.
Perhatikanbahway=p3 (x)lebihbaikdalammenghampirifungsi
y=cos(x) (kurvanya hampirtepatsama/berimpitdi
dalamselang[0.0,3.0]).
1047.
1048. Taksirannilaifungsidix=2.5denganpolino
mderajattigaadalah
1049.
1050. cos(2.5) p3(2.5)= 1.0000-0.4597(2.5-0.0)-0.2484(2.5-
0.0)(2.5-1.0)+
1051. 0.1466(2.5-0.0)(2.5-1.0)(2.5-2.0) -0.8056
1052.
1053. Nilaisejatif
(2.5) adalah
1054.
1055. f(2.5)=cos(2.5)=-0.8011
1056.
1057. sehinggasolusihampiranmengandungg
alatsejatisebesar
1058.
1059. e=-0.8011-(-0.8056)=-0.0045
1060.
1061.
1062. Cat
atan:
1063. Titikx0=0
tidakselaluharusmerupakanujungselang.Bilap3(x)didasarka
npadatitik x0=1.0,x1=2.0,x3 =3.0,danx4=4.0
didalamselang[1.0,4.0],makapolinomNewton
yangmenginterpolasikeempattitiktersebutadalah
1064.
1065. p3(x)= 0.5403-0.9564(x- 1.0) +0.1913(x-1.0)(x-2.0)+
1066. 0.0880(x-1.0)(x-2.0)(x -3.0)

1067.
1068.
1069.
1070.
1071.
1072. y
1073.
1074. 1.0
1075.
1076.
1077.
1078. 0.5 1079.
1080.
1081. y=p1(x)
1082.
1083. 1.0 2.0 1084. 3.0 x
1085.
1086. -0.5 1087.
1088.
1089. y=cos(x)
1090.
1091. -1.0
1092.
1093.
1094. Grafiky=cos(x)danpolinomNewtonderajat1,
y=p1(x),
yangdidasarkanpadatitikx0=0.0danx1=1.0
1095.
1096.
1097. Gambar5.7 PolinomNewtonderajat1yang
menginterpolasi
fungsiy=cosxdidalamselang[0.0,4.0]
1098.
1099.
1100. y
1101.
1102. 1.0
1103.
1104.
1105.
1106. 0.5 1107.
1108.
1109. y=p1 (x)
1110.
1111. 1.0 2.0 1112. 3.0 x
1113.
1114.
1115. -0.5
1116.
1117. y=cos(x)
1118. -1.0 1119. y=p2(x)
1120.
1121.
1122. Grafiky=cos(x)danpolinomNewtonderajat2,
y=p2(x),
yangdidasarkanpadatitikx0=0.0,x1=1.0,x2=2.0
1123.
1124.
1125.
1126. y
1127.
1128. 1.0
1129.
1130.
1131. 0.5 1132.
1133. y=p 1(x)
1134.
1135. 1.0 2.0 1136. 3.0 x
1137.
1138. -0.5 1143.
1139. 1144.
1140. 1145. y=cos(x)
1141. 1146.
1142. -1.0 1147. y=p3(x)
1148.
1149.
1150.
1151. Grafiky=cos(x)danpolinomNewtonderajat3,y
=p3(x),
1152. yangdidasarkanpadatitikx0=0.0,x1=1.0,x2=2.0,danx2=3.0
1153.
1154.
1155. Gambar5.7(lanjutan)PolinomNewtonderajat2d
an3yang menginterpolasi
fungsiy=cosxdidalamselang[0.0,4.0]
1156.
1157. KelebihanPolinomNew
ton
1158. Sekarang kita tuliskan alasan mengapa polinom Newton
lebih disukai untuk diprogram,yaitu
1159. 1.
KarenapolinomNewtondibentukdenganmenambahkan
satusukutunggal
denganpolinomderajatyanglebihrendah,makaini
memudahkanperhitungan polinom derajat yang lebih tinggi
dalam program yang sama [CHA91]. Karenaalasanitu,
polinomNewtonsering digunakankhususnyapada kasus
yangderajatpolinomnyatidakdiketahuiterlebihdahulu.
1160.
1161. 2. Penambahan suku-sukupolinom secara beruntun
dapatdijadikan kriteria
untukmenentukantercapainyatitik
berhenti,yaituapakahpenambahansuku- suku yang
lebihtinggi tidaklagisecaraberartimemperbaiki
nilaiinterpolasi, ataumalahanmenjadilebihburuk.
1162.
1163. 3. Tabelselisihterbagidapat dipakaiberulang-
ulanguntuk memperkirakannilai
fungsipadanilaixyangberlainan.
1164.
1165. AkanhalnyapolinomLagrange,ia disukaikarenaia
mudahdiprogramdan komputasinyatidak
memerlukanpenyimpanantabelselisih.PolinomLagrange
 biasanyadipakaijikaderajatpolinominterpolasidiketahuite
rlebihdahulu.
1166.
1167.
1168.
1169. 5.4 KeunikanPolinomInterpolasi
1170.
1171. Polinom interpolasi hanyaadauntuk xi
yangberbeda.Bilaterdapatbeberapa nilai x yang sama,
kita tidak dapat membuat polinom interpolasi yang unik.
Misalnyadiberikantitik-
titikyangditabulasikandalamtabelberikut
1172.

x 1 2 4 5 6 6
y 4. 8.5 6. 5. 6. 9.0
1173.
2 6 1 3
1174.
1175. Interpolasi keenam titik tersebut dengan polinom
derajat lima tidak akan
menghasilkanpolinominterpolasiyangunik,karenaterdapatdu
abuahtitik x =6 dengannilaiyyangberbeda.
1176.
1177. Sampaisejauhini,kitatelahmembahasdua
buahmetodepolinominterpolasi,yaitu polinom Lagrange dan
polinom Newton. Apakah polinom yang dihasilkan oleh kedua
metodetersebutsama?Dengankatalain,apakahpolinominterpola
siituunik (tunggal)?Dapatkita
buktikan,bahwabilapolinominterpolasiada,makapolinom
tersebutunik.
1178.
1179. Bu
kti:
1180. Misalkanpn(x)tidakunik,yangberartiadapolinomlain,mis
alnya qn(x),yang jugamelewatititik-
titik(xi,yi),i=0,1,2,…,n,yangdalamhalini
1181.
1182. pn(xi)=qn(xi)=yi
1183.
1184. Karenapn(x)danqn(x)tidaksama,bera
rtiadaselisih
1185.
1186. Rn(x)=pn(x)-qn(x)
(P.5.28)
1187.
1188. yangdalamhalini,Rn(x)adalahpolino
mderajat n. Selanjutnya,
1189.
1190. Rn(xi)=pn(xi)-qn(xi)=yi-yi=0
1191.
1192. KarenaRn(x)adalahpolinomderajat
ndanbernilai0untuk(n+1)buahtitik,
inimengingatkankitapadasebuahteoremadidalamkalkulusyang
berbunyi:
1193.
1194. Polinomderajat n
yangmempunyai(n+1)akarberbedaadalah
polinomnol(garisy=0)
1195.
1196. Jadi,menurutteo
remaini,
1197.
1198. Rn(x)=0
1199.
1200. sehinggadengand
emikian
1201.
1202. pn(x)-qn(x)=0
atau
1203. pn(x)=qn(x)
1204.
1205. Dengankatalain,pn(x)unik.

1206.
1207.
1208.
1209. Jadi, metode interpolasi apa pun yang kita pakai
untuk menginterpolasi (n+1) buah titikdatayang
sama,polinominterpolasinya-meskipunbentuknyaberbeda-
beda-biladituliskedalambentukbaku(P.5.2)adalahsama.
1210.
1211.
1212. 5.5 GalatInterpolasiPolinom
1213.
1214. Polinom interpolasi pn(x) merupakan hampiran terhadap
fungsi yang asli f(x).
Jadi,pn(x)tidaklahsamadenganfungsiaslif(x),meskipunpada
titik-titiktertentu f(x)danpn(x)bersesuaian,yaitu:
1215.
1216. f(xi)=pn(xi), i=0,1,2,…,n
1217.
1218. Karenaf(x) pn(x),berarti
adaselisih(galat)diantarakeduanya,sebutlahE(x), yaitu
1219.
1220. E(x)=f(x)-pn(x)
(P.5.29) Mengingat
f(xi)=p(xi)untuki=0,1,2,...,n,makaharusjugaberlaku

1221. E(xi)= f(xi)- pn(xi)=0

1222.
1223. yangberartiE(x)mempunyai(n+1)titiknolda
rix0sampaixn.
1224.
1225. E(x)dapatditul
issebagai
1226.
1227. E(x)=f(x)-pn(x)=(x-x0)(x-x1)…(x-xn)R(x)
(P.5.30)
1228.
1229. a
tau
1230.
1231. E(x)=Qn+1(x)R(x)
(P.5.31)
1232.
1233. yangdalamh
alini
1234.
1235. Qn+1(x)= (x-x0)(x-x1)…(x-xn)
(P.5.32) Catatlahbahwa
1236. Qn+1(xi)=0untuk i=0,1,…,n
1237.
1238. R(x)adalahfungsiyangmencatat nilai-nilaiselaindari
x0,x1,…,xn.Bagaimana
menentukanR(x)?Jawabannyadibawahini.
1239.
1240. Persamaan(P.5.30)dapatdit
ulissebagai
1241.
1242. f(x)-pn(x)-(x-x0)(x-x1)…(x -xn)R(x)=0
1243.
1244. Misaldidefinisikanfungsi
W(t)sebagai
1245.
1246. W(t)=f(t)-pn(t)-(t-x0)(t-x1)…(t-xn)R(x)=0
(P.5.33)
1247.
1248.
1249.
1250. PerhatikandisinibahwaR(x)tidakditulissebagai
R(t)karenakitaakanmencari nilai-nilaixselaint.
PersamaanW(t)=0berartimempunyai(n+2)titiknolpadat
1251. =x0,x1,…,xndant=x.BerdasarkanteoremaRolleyangberbunyi:
1252.
1253.
1254. Misalkanfungsifmenerusdi dalam selang
[a,b]danf‘(x)adauntuksemua a<x<b.Jikaf(a) = f(b) =
0, maka terdapat nilai c,dengana<c<b,
sedemikansehinggaf‘(c)=0.
1255.
1256.
1257. jika Wmenerus dandapat diturunkan pada selang yang
berisi (n+2)titiknol, maka:
1258.

W = 0 mempunyai(n+1)titiknol
W(t) = 0 mempunyaintitiknol
(t)
W =0 mempunyai(n-1)titiknol
(t)
1259.
...
t)= 0
1260. misalpadat=c mempunyaipalingsedikit1t
W itiknol,
(n+1)
(
1261. 1263. dn 1
1262. W (n+1)(t)= 0= 1264. [f(t)-p(t)-(t-x)(t-x)…(t-x)R(x)]
1265. dtn 1 1266. n 1267. n
0 t=c
1
1268.

1269. = f (n+ 1)(c)-0-(n+1)!R(x)

(P.5.34)
1270.
1271. yangdalamhalini,
1272.
1273. pn(t)adalahpolinomderajatn,

1274. pn(n)(t) adalahfungsitetapsehinggapn(n+1)=0

1275. Qn+1(t)=(t-x0)(t-x1)…(t-xn)=t(n+1)+(suku-
sukupolinomderajat n)

1276. Qn+1(n+1)(t)=(n+1)!+0
1277.
1278. R(x)tidakbergantungpadat,jadiiatidakberubahselamapenuruna
n
1279.
1280. Daripersamaan(P.5.34),kitamemperoleh
1281. 1283. f 1284.
1282. R(x)= n 1285. ,x0<c<xn

1 (P.5.35)

c
n
1!
1286.
1287. Perhatikanlahbahwapersamaan(P.5.35)inimengingatkanki
tapadarumusgalat pemotonganpadaderetTaylor(lihatBab2).
1288.
1289. Selanjutnya,sulihkan(P.5.35)kedalam(P.5.30),menghasilkan
1290. 1292. f 1293.
1291. E(x)=(x-x0)(x-x1)…(x-xn) n 1294. (P.5

1 .31)

c
n
1!
1295. a 1296. 1300. 1303.
tau 1297. 1301. 1304.
1298. 1302. f 1305.
1299. E(x) n 1306. (P.5
=Qn+1( 1 .32)
x) c
n
1!
1307.
1308. dengan
1309.
1310. Qn+1(x)= (x-x0)(x-x1)…(x-
xn)
1311.
1312. Rumusgalatiniberlakuuntuksemuametodeinterpolasi
polinom,baikpolinom Lagrange,polinomNewton,atau
polinominterpolasilainnya.Misalkankita menginterpolasi
duabuahtitikdenganpolinomLagrangederajatsatu(polinom
1313. lanjar).Galatinterpolasinyadinyat
akandalambentuk
1314. 1316. x 1318.
1315. E(x)= x0 x x1 1319. f“(c)

1317. 2
1320.
1321. Bilafungsifdiketahui,kitadapatmencariturunannyadix=c
untukmenghitung galatinterpolasi
E(x).Sayangnya,kitatidakmengetahuinilai

c;yangpastinilaic terletakantara x0 danxn.Jikaf(n+1)

berubahsangatlambatdalamselang[x0,xn], atau

[x0,xn]adalahselangkecilsedemikiansehinggaf(n+1)
berubahsangatlambat, makakitadapatmenghampiri

f(n+1)(c)dengan f(n+1)(xt),yangdalamhalinixt
adalahtitiktengah x0 dan xn,yaitu xt = (x0 + xn)/2.Galat
interpolasi dengan
menggunakannilaixtinidinamakangalatrata-
ratainterpolasiER [NAK93]:
1322.
1323. f n 1 x
1324. ER( 1325. (P.5
.33)
x)=(x-x0)(x-x1)…(x-xn)t
1326. n 1!
1327.
1328. Dari persamaan (P.5.31) terlihat bahwa galat
polinom interpolasi, selain bergantungpadanilai
xyangdiinterpolasi,jugabergantungpadaturunanfungsi
semula.
1329.
1330. TinjaukembaliQn+1padapersama
an(P.5.32):
1331.
1332. Qn+1(x)=(x-x0)(x-x1)...(x-xn)
1333.
1334. Misalkan x0, x1,…, xn berjarak sama. Grafik fungsi
Quntuk enam titik yang
berjaraksamaditunjukkanpadaGambar5.8.
1335.
1336.
1337.
1338. y
1339.
1340.
1341.
1342.
1343.
1344.
1345. y=Qn+1(x)
1346.
1347. x0 x1
x2 x3 x4
x5 x
1348.
1349.
1350.
1351.
1352.
1353.
1354. Gambar5.8 GrafikfungsiQ6(x)
1355.
1356.
1357.
1358.
1359. BerdasarkanQ6(x)yangberosilasipadaGambar5.8terlihatbahwa:
1360. - dititik-titikdataxi, nilaiQ6(xi)
=0,sehinggagalatinterpolasiE(xi)=0

1361. -
dititiktengahselang,nilaiQ6(x)minimum,sehinggaE(x)jugaminimu
m
1362. - dititik-
titiksekitarujungselang,Q6(x)besar,sehinggaE(x)jugabesar
1363. -
bilaukuranselang[x0,x6]semakinbesar,amplitudoosilasimeningka
tdengan
1364. cepa
t.
1365.
1366.
1367.
1368. Kesimpulan:
1369.
1370. Galat interpolasi minimum terjadi untuk nilai x
di pertengahan selang. Penjelasannya
adalahsebagaiberikut.
1371.
1372. Nilai-nilaixyangberjaraksamaditulissebagai
1373.
1374. x0, x1=x0+h, x2=x0+2h, ..., xn=x0+nh
1375.
1376. ataudenganrumusumum
1377.
1378. xi=x0+ih ,i=0,1,2,…,n
(P.5.34) Titikyangdiinterpolasidinyatakansebagai
1379. x=x0+sh ,s R
(P.5.35)
1380.
1381.
1382.
1383. sehingga
1384. x-xi=(s-i)h ,i=0,1,2,…,n
(P.5.36) Galatinterpolasinyaadalah
1385. 1387.
1389.
f c
1386. E(x) = (x-x0)(x -x1)…(x- n1390. 1!
xn) 11391.
1388. n f n 1
1392. c
1393. = (sh)(s-1)h(s-2)h…(s-n)h 1394.
1395. n 1!
1396. 1398.
n1
1397. =s(s-1)(s-2)…(s-n)hn+1f c 1399.
1400. (P.5
.37)
1401. n 1!
1402.
1403. Dapatdiditunjukkanbahwa
1404.
1405. Qn+1(s)=s(s-1)(s-2)…(s-n)
1406.
1407. bernilaiminimumbila
1408.
1409. Qn+1'(s)=0
1410.
1411. yang dipenuhi untuk s = n/2 (buktikan!). Dengan kata
lain, E(x) bernilai minimumuntuknilai-
nilaixyangterletakdi(sekitar)pertengahanselang.
1412.
1413.
1414. Eminimum
1415.
1416.
1417.
1418. x0 x
xn
1419.
1420.
1421.
1422.
1423.
1424. Ingatlahkalimatini:
1425.
1426. Untukmendapatkangalatinterpolasiyangminimum,pilihlahselang
1427. [x0,xn]sedemikiansehinggaxterletakditengahselangtersebut
1428.
1429. Misalkankepadakitadiberikantitik-titikdataseperti ini:
1430.

x f(x)
0.025 2.831
0.050 3.246
0.075 4.721
0.100 5.210
0.125 6.310
0.150 7.120
0.175 8.512
0.200 9.760
0.225 10.310
1431.
1432.
1433. Bilaandadimintamenghitung f(0.160),
makaselangyangdigunakan agargalat interpolasi
f(0.160)keciladalah
1434.
1435. [0.150,0.175]
untukpolinomderajatsatu atau
1436. [0.125,0.200]
untukpolinomderajattiga atau
1437. [0.100,0.225] untukpolinomderajatlima
1438.
1439.
1440.
1441.
1442. 5.5.1 Batas Atas Galat Interpolasi Untuk Titik-
Titik yangBerjarakSama
1443.
1444. Diberikanabsistitik-titikyangberjaraksama:
1445.
1446. xi=x0+ih, i=0,1,2,…,n
1447.
1448. dannilaixyangakandiinterpolasikandinyatakansebagai
1449.
1450. x=x0+sh, s R
1451.
1452. Untukpolinominterpolasi
derajat1,2,dan3yangdibentukdari xi diatasdapat
dibuktikanbahwa
1453.
1454.
1455. 1457. 1 Maks
h2 f
1456. (i) E1(x) = f(x)-
(c) (P.5.38)
p1(x) x0 c x1
1458. 8
1459. 1461. 3 h3 Maks
f (c)
1460. (ii) E2(x) = f(x)-
(P.5.39)
p2(x) x0 c x2
1462. 27
1463. 1465. 1 Maks
h fiv(c)
1464. (iii) E3(x) = f(x)- (P.5.40)
p3(x) 1466. 24 x0 c x3
1467.
1468.
1469. Disinikitahanyamembuktikanuntuk(i)saja:
1470.
1471. Bukti:
1472. Misalkanx0=0dan xi=h,persamaangalatnyaadalah
1473.
1474. f"c
1475. E1(x)=(x-x0)(x-x1) 1477. ,yangdalamhalini x0<c<x1
1476. 2!
1478. 1482.
1479. xx h 1483. f (c)
1480. =
1481. 2!
1484. 1 1487. 1489. 1494.
1485. E1(x) = 1488. x2- 1490. 1495.

1486. 2 xh f 1491. 1496.

(c) 1492. 1497.

1493. M 1498. Maks

a
k
s
1499. = 1x2-xh f (c) 1501.1503.
1 1505. x1506. 1508. f (c)

1500. 2 1502.1504.
2 x 2 1507. x
x x - 0

0 1 x c
h x1
1509.
1510. Misa
lkan
1511.

1512. f(x)=x2-xh
1513.
1514. Didalam selang [x0, x1], nilai maksimum lokal
f(x)dapat terjadi pada ujung- ujung selang (x=0atau
x= h)ataupadatitikekstrim f(x).Terlebih dahulu
tentukan titik ekstrim f(x)dengan cara membuat
turunan pertamanya sama dengan0:
1515.
1516. f(x)=2x-h=0 x=h/2
1517.
1518. Hitungnilaimaksimumlokalf(x)diujung-
ujungselangdantitikekstrim:
1519. - diujungselangkiri x=0,

f(0)=02-0h =0
1520. - diujungselangkananx=h

f(h)=h2-h2=0
1521. - dititikekstrim x=h/2

f(h/2)=(h/2)2 -(h/2)h=-1/4h2
1522.
1523.

1524. Jadi,,maksimum f(x)=-1/4h2,sehinggadengandemikian

1525. 1527.1529.
1 M 1531.
1526. E1(x) = f(x)- h ak 1532. f (c)
p1(x) 2 s
1528.1530.
8 x
0
c
x1
1533.
1534.
1535.
1536.
1537. Contoh5.8
1538. Tinjaulahkembalitabelyangberisi
pasangantitik(x,f(x))yangdiambil darif(x)=cos(x).
1539.

x f(x
0.
i 1.0000000
i)
0
0.5403023
1.
1540. -0.4161468
0
1541.
-0.9899925
1542. (a) 2. Hitunggalatrata-
0 -0.6536436
ratainterpolasidititikx=0.5,x=1.5,danx=2.5,bilaxdiinterp
olasi denganpolinomNewtonderajat3berdasarkanx0= 0.
3.
1543. (b)
0
Hitungbatasatasgalatinterpolasibilakitamelakukaninterpol
4.
asititik-titikberjarak samadalamselang[0.0,
0
3.0]denganpolinom interpolasiderajat3.
1544. (c) Hitung batas atas dan batas bawah galat interpolasi
dix=0.5dengan polinom
1545. Newtonderajat3
1546.
1547. Penyelesaian:
1548. (a) TelahdiketahuidariContoh5.7
bahwapolinomderajat3yangmenginterpolasif(+x)=
1549. cos(x)dalamselang[0.0,3.0]adalah:
1550.
1551. cos(x) p3 (x)= 1.0000-0.4597(x-0.0)-0.2485(x-0.0)(x-
1.0)+
1552. 0.1466(x-0.0)(x-1.0)(x-2.0)
1553.
1554. Menghitunggalatrata-ratainterpolasi:
1555. Titiktengahselang[0.0,3.0]adalahdixm=(0.0+3.0)/2=1.5
1556. Galatrata-ratainterpolasiadalah:
1557. 1560.1562.1564.1566.
1568.
1570.
1558. x 1561.1563.
0 1565.
1 1567.
2 1569.
3 f (xm)
1571.
1559. E3(x)= . . . . (
0 0 0 0 4
x x x )
1572. 4!
1573.
1574. Hitungturunankeempatdarifungsi f(x)=cos(x),
1575.
1576. f'(x) =-sin(x);
1577. f”(x) =-cos(x);
1578. f'''(x) = sin(x)

1579. f(4)(x) =cos(x)

1580. karenait 1583. 1586.1589.1592.
1595.
u, 1584. 1587.1590.1593.
1596.
1581. 1585. x 1588.1591.
1 1594.
2 1597.
3
1582. E3(x)= 0.0 . . .1598. (cos(1.5))
x 0 0 0
x x
1599. 4!
1600.
1601. Untukx=0.5,x=1.5,danx=2.5,nilai-
nilaiinterpolasinyasertagalat rata-rata interpolasinya
dibandingkan
dengannilaisejatidangalatsejatidiperlihatkan oleh
tabelberikut:
1602.
1603.

X f( p3( E3( Galatseja

0. 0.87758
x) 0.88720
x) 0.00276
x) -
ti
1. 0.07073 0.06921 - 0.001525
5
2. -26 -48 32
0.00276 0.009622
0.004711
1604. 5 72 20 0.00165 2
20
5 0.80114 0.80585 32
1605. 79
36 46
1606. Catata
n:
1607. Perhatikanbahwakarenax=1.5terletakdititiktengahselang,
maka galatinterpolasinya
lebihpalingkecildibandingkaninterpolasixyanglain.
1608.
1609.
1610. (b) Telahdiketahuibahwabatasatasgalatinterpolasidengan
polinomderajat3adalah
1611.

1612. E3(x)= f(x)-p3(x) h4 /24Max f(4)(c) ,x0 c x3.

1613.
1614. Telahdiperolehdari(a)bahwaf(4)(x)=
cos(x),dandalamselang[0.0, 3.0]nilaiMax

f(4)(x)terletakdix=0.0.Jadi, f(4)(x) = cos(0.0)

=1.000000.Untuk p3 (x) denganjarakantartitikdataadalahh=
1.0,batasatasgalat interpolasinyaadalah
1615.

1616. E3(x) (1.0) 41.000000/24=1/24 =0.0416667.

1617.
1618. Nilai-nilaiE3(x)pada
tabeldiatassemuanyadibawah0.0416667.Jadi,batas atas
1619. 0.0416667bera
lasan.
1620.
1621. x 1623.1624.
0 1625.
1 1626.
2 1627.
1629.
3
1622. (c) . . . .1628.
1630.
f (1.5)
E3 (x)= 0 0 0 0 (
x x x 4
)
1631. 1634.
1636.
1638.
1640.
1642.
4 1645.
1647.
1649.
1651.
1632. 1635.
1637.
0 !01641.
1643.
11646.
0 1648.
21650.
01652.
3
1633. E3(0.5) . .
1639. 0. . . . .1653. (-cos(c)) , 0.0 c
= 5 0 . 0 5 0 5 0 3.0
5 1644. 4
!
1654.
1655. Karenafungsicosinusmonotondalamselang[0.0,3.0],makanil
ai maksimumdan nilaiminimum
untukcos(c)terletakpadaujung-ujung selang. Untuk c=0.0
maka:
1656. 1658.
1660.
1662.
1664.
1666.1669.
1671.
1673.
1675.
1657. E3(0.5) = 1659.
1661.
01663.
01665.
1667.
0 11670.
0 1672.
21674.
0 1676.
3 (cos(0.0))
. . . . . . . .
5 0 5 0 5 0 5 0
1668. 4
!
1677. =-0.0390625(minimum),
1678.
1679. dan untukc= 3.0maka
1680. 1682.
1684.
1686.
1688.
1690.
1693.
1695.
1697.
1699.
1681. E3(0.5) = 1683.
1685.
01687.
01689.
1691.
0 11694.
0 1696.
21698.
01700.
3 (cos(3.0))
. . . . . . . .
5 0 5 0 5 0 5 0
1692. 4
!
1701. =0.0386716(maksimum),
1702.
1703. sehingga,batas-
batasgalatinterpolasidix=0.5 adalah:
1704.
1705. -0.0390625 E3 (0.5) 0.0386716

1706.
1707.
1708.
1709.
1710. 5.5.2 TaksiranGalatInterpolasiNewton
1711.
1712. Salah satu kelebihan polinom Newton
dibandingkan dengan polinom Lagrange adalah
kemudahan menghitung taksiran galat interpolasi meskipun
fungsiaslif(x)tidakdiketahui,ataukalaupunada,sukarditur
unkan.
1713.
1714. Tinjaukembalipolinom
Newton:
1715.
1716. pn(x)=pn-1(x)+(x-x0)(x -x1)…(x -xn-1)f[xn,xn-

1,…,x1,x0] Suku
1717. (x-x0)(x-x1)…(x-xn-1)f[xn,xn-

1,…,x1,x0]
1718.
1719. dinaikkandarinsampai
n+1menjadi
1720. (x-x0)(x-x1)…(x-xn-1)(x-xn)f[xn+1,xn,xn-

1,…,x1,x0]
Bentukterakhirinibersesuaiandenganrumusgala
tinterpolasi
1721. 1723. f n 1 t
1722. E(x)=(x-x0)(x-x1)…(x-xn)
1724. n 1!
1725. Eksp 1726.
resi 1727.

1728. f n 1 t
1729. n 1!
1730.
1731. dapatdihampirinilainyadengan
1732.
1733. f[xn+1,xn,xn-1,…,x1,x0]
1734.
1735. yangdalamhalini f(xn+1,xn,xn-1,…,x1,x0)adalahselisih-
terbagike(n+1).
1736.
1737. Jadi,
1738. f n 1 t 1739.
1740. f[xn+1,xn,xn-1,…,x1,x0]

(P.5.41)
1741. n 1!
1742.
1743.
1744. sehinggataksirangalatinterpolasiNewtondapatdihitungsebaga
i
1745.
1746. E(x)=(x-x0)(x-x1)…(x-xn)f[xn+1,xn,xn-1,…,x1,x0]
(P.5.42)
1747.
1748. asalkantersediatitiktambahanxn+1.
1749.
1750.
1751.
1752. Conto
h5.9
1753.
1754. PadaContoh5.7,biladigunakanpolinomderajattigauntukmen
aksirnilaif(2.5),hitunglah taksirangalatinterpolasinya.
1755.
1756. Penyel
esaian:
1757.
1758. Biladigunakanpolinomderajattiga,makatersediatitiksesu
dah x3=3.0,yaitux4=4.0, dandaritabel selisih-
terbagiditemukan
1759.
1760. f[x4, x3 ,x2 ,x1 ,x0 ]=-0.0147
1761.
1762. sehinggataksirangalatdalammenginte
rpolasif(2.5)adalah
1763.
1764. E(2.5)= (2.5-0.0)(2.5-1.0)(2.5-2.0)(2.5-3.0)(-
0.0147)=0.01378125
1765.
1766.
1767.
1768.
1769. 5.5.3 TaksiranGalatInterpolasiLagrange
1770.
1771. Taksirangalat polinomLagrangetidakdapat
dihitungsecaralangsungkarenatidak
tersediarumustaksirangalatsepertihalnyapada
interpolasiNewton.Namun,jika tabel selisih-
terbagitersedia,maka taksirangalatnyadapat
dihitungdenganrumus taksirangalatpolinomNewton:
1772.
1773. E(x)=(x-x0)(x-x1)…(x-xn)f[xn+1,xn,xn-1,…,x1,x0]
1774.
1775. asalkan tersedia titik tambahan xn+1. Meskipun
demikian, tabel selisih-terbagi
tidakdipakaisebagaibagiandarialgoritmaLagrange,inijaran
gterjadi[CHA91].
1776.
1777.
1778. 5.6 PolinomNewton-Gregory
1779.
1780. PolinomNewton-Gregory
merupakankasuskhususdaripolinomNewtonuntuk titik-titik
yang berjarak sama. Pada kebanyakan aplikasi nilai-
nilai xberjarak sama, misalnya padatabel nilai fungsi,
atau padapengukuran yangdilakukan
padaselangwaktuyangteratur[KRE88].
1781.
1782. Untuk titik-titikyang
berjaraksama,rumuspolinomNewtonmenjadilebih
sederhana.Selainitu,tabelselisih-terbaginya
punlebihmudahdibentuk.Disini kitamenamakantabeltersebut
sebagaitabelselisihsaja,karenatidakadaproses
pembagiandalampembentukanelementabel.
1783.
1784. Adaduamacamtabelselisih,yaitutabelselisihmaju(forward
difference)dan tabel selisih mundur (backward
difference). Karena itu, ada dua macam polinom Newton-
Gregory,yaitupolinom Newton-Gregory
majudanpolinomNewton- Gregorymundur.
1785.
1786.
1787.
1788. 5.6.1 PolinomNewton-GregoryMaju
1789.
1790. PolinomNewton-Gregorymajuditurunkandari
tabelselisihmaju.Sebelum
menurunkanrumusnya,kitabahasterlebihdahulutabelselisihm
aju.
1791.
1792.
1793. 5.6.1.1
TabelSelisihMaju
1794. Misaldiberikanlimabuahtitikdenganabsisxyangberjaraks
ama.Tabelselisih
majuyangdibentukdarikelimatitiktersebutadalah
2
f 3
f 4
f
2 3 4
f0 f0 f0
1795. 2 3
f1 f1
2
f2
x f( f
x f f0
x)
x f f1
0 0
1
x 1
f f3
f2
1796. 3
x 3
f
1797. 2
x 2
f
1798. Lambang
4 4
menyatakanselisihmaju.Artisetiapsimboldidalamtabeladalah:
1799.
1800. f0 =f(x0) =y0

1801. f1 =f(x1) =y1

1802. ...
1803. f4 =f(x4)

1804. Notasi: fp =f(xp)

1805.
1806. f0 =f1-f0

1807. f1 =f2-f1
1808. ...
1809. f3 =f4-f3

1810. Notasi: fp =fp+1-fp

1811.

1812. 2f0 = f1- f0

1813. 2f1 = f2- f

1814. 2f2 = f3- f2

1815. Notasi: 2f
p = fp+1- fp
1816.

1817. 3f0 = 2f -
1
2f
0

1818. 3f1 = 2f -
2
2f
1

1819. Notasi: 3f = 2f 2fp

p p+1-
1820.
1821.
1822. Bentuk umum:

n+1f = nf nf ,
p p+1- p n=0,1,2,…
(P.5.43)