Interpolasi linier adalah cara paling sederhana untuk memperkirakan nilai yang tidak diketahui yang terletak di antara dua titik data yang diketahui, dengan asumsi hubungan garis lurus. Ini digunakan di mana saja mulai dari membaca yang tersirat pada tabel pencarian hingga memperkirakan pembacaan sensor yang hilang dan menganimasikan transisi yang mulus dalam grafik.

Cara kerja interpolasi linier

Interpolasi linier menghubungkan dua titik yang diketahui, (x1, y1) dan (x2, y2), dengan sebuah garis lurus, lalu membaca nilai y di sembarang x sepanjang garis tersebut: y = y1 + (x − x1) × (y2 − y1) / (x2 − x1). Pecahan (y2 − y1) / (x2 − x1) adalah kemiringan garis — laju perubahan yang konstan. Karena rumus ini mengasumsikan hubungan antara dua titik Anda benar-benar linier, rumus ini tepat untuk data yang benar-benar linier (seperti laju per jam yang konstan) dan perkiraan untuk segala bentuk kurva, dengan error yang semakin besar jika semakin jauh target x dari kedua titik yang diketahui.

Interpolasi vs. ekstrapolasi

Perhitungan perhitungannya tetap sama baik target x Anda berada di dalam atau di luar rentang [x1, x2] — namun keandalannya tidak. Interpolasi (target x antara dua titik) umumnya dapat dipercaya karena diapit oleh data nyata di kedua sisi. Ekstrapolasi (target x di luar kisaran) adalah sebuah proyeksi: ia mengasumsikan tren linier yang sama berlanjut tanpa batas, yang sering kali tidak benar untuk data dunia nyata (kurva pertumbuhan mendatar, suhu tidak berubah, tren berbalik). Perlakukan hasil yang diekstrapolasi sebagai panduan kasar, bukan jaminan, dan lebih berhati-hatilah jika target x semakin jauh dari kisaran yang diketahui.

Ketika interpolasi linier tidak cukup

Kalkulator ini menggunakan dua titik dan satu garis lurus, yang merupakan kasus paling sederhana dan umum (juga disebut "lerp" dalam grafik dan animasi). Jika Anda memiliki tiga atau lebih titik data dan kurva hubungan, pertimbangkan interpolasi polinomial atau spline — alat ini tidak mendukung hal tersebut. Untuk penyesuaian tren statistik di banyak titik data, gunakan kalkulator regresi linier, yang akan mencocokkan garis yang paling sesuai di seluruh data Anda, bukan melewati dua titik secara tepat.