Professional Documents
Culture Documents
6. Pencocokan Kurva
Regresi & Interpolasi
Pendahuluan
Data yang berasal dari hasil pengamatan lapangan, pengukuran atau tabel yang diambil dari buku-buku acuan. Nilai antara, turunan, integral mudah dicari untuk fungsi polinom Fungsi sulit perlu disederhanakan menjadi fungsi polinom f ( x ) pn ( x )
pn ( x) = a0 + a1 x + a2 x 2 + ... + an x n
21/09/2011
Pendahuluan (Cont.)
Bantuan beberapa titik dicocokan dalam kurva pn(x). Metode pencocokan titik dengan sebuah kurva ada 2 macam :
Y Y
Regresi
Interpolasi
Regresi
Untuk data dengan berketelitian rendah Kurva tidak perlu melewati semua titik yang tersedia Kurva yang dibentuk merupakan kecenderungan dari sekelompok data Dipilih kurva yang memiliki selisih antara titik data dengan k d kurva h hampiran sekecil mungkin i k il ki Ketidaktelitian disebabkan oleh : kesalahan mengukur, ketidaktelitian alat ukur atau kelakuan sistem yang diukur.
21/09/2011
Regresi (Cont.)
Prinsip penting yang harus diketahui dalam pencocokan kurva untuk data hasil pengukuran :
Fungsi mengandung sesedikit mungkin parameter bebas Deviasi fungsi dengan titik data dibuat minimum
Bagi hli i / k B i ahli sains/rekayasa : mengembangkan f b k formula empirik l i ik untuk sistem yang diteliti Bagi ahli ekonomi : menentukan kurva kecenderungan ekonomi untuk meramalkan kecenderungan yang akan datang
Regresi Linier
Persamaan kurva : f(x) = a + bx dari titik-titik (xi,yi). Karena (xi,yi) merupakan hasil pengukuran yang mengandung galat, maka dapat ditulis : g(xi) =yi + ei, i = 1 2 y 1,2,,n n Deviasi persamaan kurva dengan nilai data : ri = yi f(xi) = yi (a + bxi)
21/09/2011
R = ri 2 = ( yi a bxi )
i =1
Agar R minimum, maka haruslah : R = 2 ( y a bx ) = 0 dan R = 2 xi ( yi a bxi ) = 0 i i b a Kedua persamaan dibagi -2, menjadi : 2
( yi a bxi ) = 0 yi a bxi = 0
i =1 i =1 i =1 i =1
x (y
i
a + bx = y
i =1 n i =1 i i =1 n 2 n i =1 i =1
atau
na + b xi = yi
i =1 i =1 2
axi + bxi = xi yi
i =1
a xi + b xi = xi yi
i =1 i =1 i =1
x a
i
b=
n xi yi xi yi
i =1 i =1 i =1
n n x xi i =1 i =1
n 2 i
a = y bx
21/09/2011
Regresi Kuadratik
Persamaan kurva : f(x) = a + bx +cx2 dari titik-titik (xi,yi). Karena (xi,yi) merupakan hasil pengukuran yang mengandung galat, maka dapat ditulis : g(xi) =yi + ei, i = 1 2 y 1,2,,n n Deviasi persamaan kurva dengan nilai data : ri = yi f(xi) = yi (a + bxi+cxi2)
= 2 xi ( yi a bxi cxi2 ) = 0 b R = 2 x 2 ( y a bx cx 2 ) = 0 i i i i c
21/09/2011
a + bx + cx = y ax + bx + cx = x y ax + bx + cx = x y
i 2 i i i 2 i 3 i i i 2 i 3 i 4 i 2 i
n xi xi2
x x x x x x
i 2 i 3 i
2 i 3 i 4 i
a yi b = xi yi 2 c xi yi
Linearisasi
Regresi linier hanya cocok untuk data yang memiliki hubungan linier antara variabel bebas dengan variabel terikatnya. Penggambaran grafik dan pemeriksaan data secara visual untuk memastikan apakah p berlaku suatu model linier
21/09/2011
Y = a + bX
C = e a = e1.8515 = 6.369366
Jadi kurva yang dipakai :
y = 6.369366 x 0.1981
Y = a + bX b
C = e a = e a = .......
Jadi kurva yang dipakai :
y = Ce bx
21/09/2011
Interpolasi
(n+1) buah titik berbeda (x0,y0),(x1,y1),,(xn,yn). Menentukan polinom pn(x) yang menginterpolasi semua titiktitik tersebut sedemikian rupa sehingga : yi = pn(xi) untuk i=0,1,2,..,n Selanjutnya p(x) dapat digunakan untuk menghitung hampiran y(x). Jika x0<xk<xn, maka p(xk) disebut nilai interpolasi. Jika xk<x0 atau xk>xn, maka p(xk) disebut nilai ekstrapolasi. Interpolasi bermanfaat untuk mencari nilai hampiran sebagai pengisi kaitan data yang hilang.
Interpolasi Linier
Interpolasi dua buah titik dengan sebuah garis lurus. Misal (x0,y0) dan (x1,y1). Persamaan garis lurus yang terbentuk : p1(x) = a0 + a1x a0 dan a1 dicari dengan cara berikut b ik t :
a1 = a0 = y1 y0 x1 x0 x1 y0 x0 y1 x1 x0
y0 = a0 + a1 x0 y1 = a0 + a1 x1
Dengan proses eliminasi dan subtitusi didapatkan :
Setelah disubtitusi dalam persamaan dan dilakukan sedikit otak-atik aljabar didapatkan : (y y ) p1 ( x) = y0 + 1 0 ( x x0 ) ( x1 x0 )
Y
(x1,y1)
(x0,y0)
21/09/2011
Interpolasi Kuadratik
Interpolasi tiga buah titik dengan sebuah persamaan polinom kuadrat. Misal (x0,y0), (x1,y1) dan (x2,y2). Persamaan polinom kuadrat yang terbentuk : p2(x) = a0 + a1x + a2x2 Persamaan dari 3 titik dengan a0, a1 dan a2 adalah sebagai berikut :
2 a0 + a1 x 0 + a2 x0 = y0
a0 + a1 x1 + a2 x12 = y1
2 a0 + a1 x2 + a2 x2 = y2
(x2,y2) (x0,y0)
Interpolasi Kubik
Interpolasi empat buah titik dengan sebuah persamaan polinom kubik. Misal (x0,y0), (x1,y1), (x2,y2), dan (x3,y3). Persamaan polinom kuadrat yang terbentuk : p3(x) = a0 + a1x + a2x2 + a3x3 Persamaan dari 4 titik dengan a0, a1, a2 dan a3 adalah sebagai berikut : 2 3 a0 + a1 x 0 + a2 x0 + a3 x0 = y0
a0 + a1 x1 + a2 x12 + a3 x13 = y1
2 3 a0 + a1 x2 + a2 x2 + a3 x2 = y2 2 3 a0 + a1 x2 + a2 x3 + a3 x3 = y3 Dengan metode eliminasi Gauss, didapatkan nilai a0,a1 dan a2.
(x1,y1) (x3,y3)
(x0,y0)
(x2,y2)
21/09/2011
Resume
Interpolasi linier, kuadratik, kubik dan seterusnya relatif kurang disukai disebabkan persamaan yang diperoleh (terutama yang berderajat tinggi) akan berkondisi buruk.
Interpolasi Lagrange
Nama diambil dari penemunya Joseph Louis Lagrange (Perancis) Bentuk umum derajat <n untuk (n+1) titik berbeda :
pn ( x) = yi Li ( x) = y0 L0 ( x) + y1 L1 ( x) + ... + yn Ln ( x)
i =0 n n
Li ( x) =
(x x j ) ( xi x j )
j =0 j i
Contoh Kasus : Diberikan fungsi y = f(x) dengan 3 buah titik data dalam tabel berikut :
X Y 1 1.5709 4 1.5727 6 1.5751
10
21/09/2011
Interpolasi Lagrange
function Lagrange (x:real; n: integer): real; var i, j : integer; pi, L : real; begin L = 0; for i:=0 to n do begin pi :=1; for j:=0 to n do if i<>j then pi:=pi*(x-x(j))/(x(i)-x(j)); endfor L:=L+y(i)*pi; endfor; Lagrange :=L; end.
Jumlah komputasi yang dibutuhkan untuk satu kali interpolasi besar. Hasil komputasi pada derajat yang lebih rendah tidak bisa digunakan untuk menghitung derajat yang lebih tinggi.
Interpolasi Newton
Bentuk umum :
(i) (ii)
Rekurens :
pn(x) = pn-1(x)+an(x-x0)(x-x1)(x-xn-1)
Basis :
p0(x) = f(x0) = y0
a0 = f ( x0 ) a1 = f [ x1 , x0 ] a2 = f [ x2 , x1 , x0 ] ... an = f [ xn , xn 1 ,..., x1 , x0 ]
f [ xi , x j ] = f ( xi ) f ( x j ) xi x j f [ xi , x j ] f [ x j xk ] xi xk f [ xn , xn 1 ,..., x1 ) f [ xn 1 , xn 2 ,..., x0 ) xn x0
f [ xi , x j , xk ] = ...
f [ xn , xn 1 ,..., x1 , x0 ] =
11
21/09/2011
ST : Selisih Terbagi Contoh Kasus : Diberikan data pada tabel dibawah ini, taksirlah nilai fungsi di x = 2.5! Dengan polinom newton orde 3.
xi 0.0 1.0 2.0 3.0 4.0 f(xi) 1.0000 0.5403 -0.4161 -0.9900 -0.6536
Interpolasi Spline
Tidak semua kasus semakin tinggi derajat kurva akan semakin bagus. Misal untuk kasus dimana terdapat perubahan kecekungan yang sangat mendadak fungsi tangga. Solusi : dibuat polinom per-potong yang berderajat rendah.
(xk,yk) (x1,y1) (x3,y3) (x2,y2) (x0,y0) (xk+1,yk+1) (xn,yn)
12
21/09/2011
Spline Linier
Setiap pasang titik
13