Seni Menghubungkan Titik Panduan Lengkap Interpolasi Polinomial Lagrange Beserta Contoh Soal Terperinci

Dalam dunia sains data, rekayasa teknik, hingga simulasi komputer, kita sering kali dihadapkan pada sekumpulan data diskret namun membutuhkan nilai di antara titik-titik tersebut. Bagaimana kita bisa memprediksi nilai di titik yang tidak tercatat? Di sinilah metode interpolasi memainkan peran kunci. Salah satu metode yang paling elegan dan kuat secara matematis adalah Interpolasi Polinomial Lagrange. Artikel ini akan mengupas tuntas konsep, formula, hingga aplikasi praktisnya melalui contoh soal yang disusun secara sistematis.

Baca Juga : Contoh Soal Google Colab Lengkap dengan Pembahasan untuk Pemula

Apa Itu Interpolasi Polinomial Lagrange?

Interpolasi adalah teknik mencari nilai di antara beberapa titik data yang sudah diketahui. Polinomial Lagrange adalah salah satu bentuk interpolasi polinomial yang digunakan untuk menemukan fungsi polinomial $P(x)$ berderajat $n$ yang melewati $n+1$ titik data $(x_0, y_0), (x_1, y_1), \dots, (x_n, y_n)$.

Berbeda dengan metode Newton yang menggunakan selisih terbagi, metode Lagrange langsung memberikan rumus eksplisit tanpa perlu membangun tabel antara. Keunggulan utamanya terletak pada strukturnya yang simetris dan kemudahannya untuk diimplementasikan dalam kode pemrograman.

Formula Dasar Polinomial Lagrange

Formula umum untuk Polinomial Lagrange berderajat $n$ didefinisikan sebagai:

$$P(x) = \sum_{i=0}^{n} L_i(x) \cdot y_i$$

Di mana $L_i(x)$ adalah koefisien basis Lagrange yang dirumuskan sebagai:

$$L_i(x) = \prod_{j=0, j \neq i}^{n} \frac{x – x_j}{x_i – x_j}$$

Secara sederhana, untuk setiap titik $i$, kita membuat sebuah fungsi yang bernilai 1 pada $x_i$ dan bernilai 0 pada semua titik $x$ lainnya. Hasil akhirnya adalah kombinasi linear dari nilai-nilai $y$ dengan bobot koefisien basis tersebut.

Langkah-Langkah Perhitungan Manual

Agar tidak terjebak dalam kompleksitas notasi sigma dan pi, berikut adalah prosedur pengerjaan yang disarankan:

1. Identifikasi Titik Data: Tentukan koordinat $(x, y)$ dan jumlah titik ($n+1$).
2. Tentukan Derajat Polinomial: Jika ada 2 titik gunakan linear ($n=1$), 3 titik gunakan kuadratik ($n=2$), dst.
3. Hitung Tiap Koefisien Basis ($L_i$): Masukkan nilai $x$ yang ingin dicari ke dalam rumus pembagi dan pembilang.
4. Kalikan dengan Nilai $y$: Kalikan setiap $L_i$ dengan pasangannya $y_i$.
5. Jumlahkan Semua Hasil: Hasil akhir adalah nilai estimasi pada titik $x$ tersebut.

Kumpulan Contoh Soal dan Pembahasan

Berikut adalah contoh soal yang dirancang untuk memperdalam pemahaman logis Anda.

Contoh Soal 1: Interpolasi Orde 1 (Linear)

Diberikan dua titik data: $(2, 5)$ dan $(5, 11)$. Gunakan metode Lagrange untuk menentukan nilai $y$ saat $x = 3$.

Pembahasan:

• Titik: $(x_0=2, y_0=5)$ dan $(x_1=5, y_1=11)$.
• Target: $x = 3$.
• Koefisien Basis:$L_0(3) = \frac{x – x_1}{x_0 – x_1} = \frac{3 – 5}{2 – 5} = \frac{-2}{-3} = \frac{2}{3}$$L_1(3) = \frac{x – x_0}{x_1 – x_0} = \frac{3 – 2}{5 – 2} = \frac{1}{3}$
• Substitusi ke Polinomial:$P(3) = L_0(3) \cdot y_0 + L_1(3) \cdot y_1$$P(3) = (\frac{2}{3} \cdot 5) + (\frac{1}{3} \cdot 11)$$P(3) = \frac{10}{3} + \frac{11}{3} = \frac{21}{3} = 7$Jawaban: Nilai $y$ untuk $x=3$ adalah 7.

Contoh Soal 2: Interpolasi Orde 2 (Kuadratik)

Diberikan data pengamatan laju reaksi kimia sebagai berikut:

• $(1, 2)$
• $(2, 10)$
• $(4, 50)$Estimasilah nilai $y$ ketika $x = 3$ menggunakan polinomial Lagrange derajat 2.

Pembahasan:

• Data: $x_0=1, y_0=2; \quad x_1=2, y_1=10; \quad x_2=4, y_2=50$.
• Hitung $L_i$ untuk $x=3$:$L_0(3) = \frac{(3-2)(3-4)}{(1-2)(1-4)} = \frac{(1)(-1)}{(-1)(-3)} = \frac{-1}{3}$$L_1(3) = \frac{(3-1)(3-4)}{(2-1)(2-4)} = \frac{(2)(-1)}{(1)(-2)} = \frac{-2}{-2} = 1$$L_2(3) = \frac{(3-1)(3-2)}{(4-1)(4-2)} = \frac{(2)(1)}{(3)(2)} = \frac{2}{6} = \frac{1}{3}$
• Substitusi ke Polinomial:$P(3) = (-\frac{1}{3} \cdot 2) + (1 \cdot 10) + (\frac{1}{3} \cdot 50)$$P(3) = -0,667 + 10 + 16,667 = 26$Jawaban: Estimasi nilai $y$ adalah 26.

Analisis Keunggulan dan Kelemahan

Sebagai praktisi, kita harus tahu kapan menggunakan metode ini:

Keunggulan:

• Struktur Fleksibel: Tidak memerlukan jarak antar $x$ yang sama (inkremen tidak harus konstan).
• Tanpa Rekursi: Tidak perlu menghitung tabel selisih seperti pada metode Newton.
• Kemudahan Implementasi: Sangat mudah diterjemahkan ke dalam algoritma komputer karena hanya menggunakan operasi aritmatika dasar.

Kelemahan:

• Komputasi Berulang: Jika kita menambah satu titik data baru, seluruh koefisien basis $L_i$ harus dihitung ulang dari awal.
• Fenomena Runge: Pada derajat polinomial yang sangat tinggi (titik data terlalu banyak), kurva cenderung mengalami osilasi liar di dekat ujung-ujung interval.

Penerapan di Dunia Nyata

Interpolasi Lagrange bukan sekadar latihan matematika di atas kertas. Penerapannya sangat luas:

1. Grafik Komputer: Digunakan dalam pembuatan kurva halus pada desain grafis dan animasi.
2. Sains Atmosfer: Memperkirakan suhu atau tekanan di area yang tidak memiliki stasiun cuaca berdasarkan data dari stasiun-stasiun terdekat.
3. Ekonomi: Melakukan smoothing pada data harga pasar yang berfluktuasi untuk melihat tren jangka menengah.

Baca Juga : Universitas Teknokrat Indonesia Masuk Daftar Kampus Terbaik Nasional 2025 Versi UniRanks

Kesimpulan

Metode Interpolasi Polinomial Lagrange menawarkan cara yang intuitif namun akurat untuk memprediksi data di antara titik-titik yang diketahui. Kunci utama dalam penguasaannya adalah ketelitian dalam menghitung pembilang dan penyebut pada setiap koefisien basis. Meskipun memiliki batasan pada derajat yang terlalu tinggi, untuk keperluan teknik menengah, Lagrange tetap menjadi salah satu metode yang paling andal.

Dengan memahami contoh-contoh di atas, Anda kini memiliki fondasi yang kuat untuk menyelesaikan permasalahan interpolasi dalam studi maupun pekerjaan profesional Anda. Teruslah berlatih dengan variasi titik yang berbeda untuk mengasah ketajaman logika matematis Anda.

Penulis : Nabila