Abstract
For numerous purposes, time series data are analyzed to understand phenomena or behaviors of variables, and try to find future value. Interpolation is guessing time series data point between the range of data set. Extrapolation is predict or guessing time series data point from beyond the range of data set. 
 In this study, Newton’s Extrapolation is compared with linear and squared extrapolation. Newton’s Extrapolation making the assumption that the observed trend continues for values of x outside the model range.
 The robustness of prediction using Root Mean Square Error (RMSE) and Mean Average Percentage Error (MAPE). The results of newton’s interpolation with bottom, middle, and top approaches found the best value are middle approach, namely RMSE 76,01 and MAPE 4,65%. In Newton’s Extrapolation, the error values are consistent at bottom, middle, and top approaches, namely RMSE 541,170 anda MAPE 33,19%. Based on data from the Statistics of Indonesia on the percentage and number of poor people in East Nusa Tenggara Province in 2010 -2018 is declining trend pattern. The error value with Linear, Quadratic, and Newton’s Extrapolation shows the robust value results at linear or trend extrapolation, namely RMSE 157,450 and MAPE 7,93%. These results indicate Newton's extrapolation works well on non-linear data and requires a combination method with soft computing methods such as Fuzzy Systems, AG, or ANN
Highlights
Interpolasi dapat didefinisikan sebagai teknik untuk mendapatkan suat fungsi dekatan yang meliwati semua titik dari sebuah set data diskrit atau dapat didefinisikan sebagai teknik perkiraan suatu titik atau nilai diantara titik-titik diskrit atau suatu set data yang telah diketahui
These results indicate Newton's extrapolation works well on non-linear data and requires a combination method with soft computing methods such as Fuzzy Systems, AG, or ANN
[9] Anggara, D., 2015, Pemodelan Data Panel Kemiskinan di Provinsi Nusa Tenggara Timur Menggunakan GEE dan GLMM, Tesis, Prodi Statistika Terapan, Institut Pertanian Bogor, Bogor(ID)
Summary
Interpolasi dapat didefinisikan sebagai teknik untuk mendapatkan suat fungsi dekatan yang meliwati semua titik dari sebuah set data diskrit atau dapat didefinisikan sebagai teknik perkiraan suatu titik atau nilai diantara titik-titik diskrit atau suatu set data yang telah diketahui. Fokus pembahasan pada penelitian ini adalah mengembangkan model Ekstrapolasi beda terbagi Newton yang diturunkan dari perumusan Interpolasi Newton.Selanjutnya dibandingkan model Ekstrapolasi Newton dengan Ekstrapolasi Linear dan Kuadrat terhadap data runtun waktu penduduk miskin Provinsi Nusa Tenggara Timur(NTT) yang merupakan lanjutan dari penelitian [2], [3]. 2.2 Interpolasi Teknik interpolasi yang digunakan untuk menganalisis data kemiskinan adalah interpolasi linear, interpolasi kuadrat, dan interpolasi linear, yang diuraikan sebagai berikut: 1) Interpolasi linear Interpolasi linear adalah fungsi memperkirakan nilai suatu nilai tengah atau titik tengah yang didefinisikan dengan F(X) dari dua nilai yang telah diketahui yakni nilai sebelumnya F(X0) dan nilai sesudahnya F(X1). Dimisalkanyakni X0, X1, dan X2dengan nilai fungsi yakni F(X0), F(X1), F(X2) untuk memperkirakan nilai suatu fungsi atau nilai tengah yang didefinisikan dengan F(X) dari nilai titik X yang telah diketahui.Perumusan interpolasi dan ekstrapolasi kuadrat diuraikan sebagai berikut: ff(xx) = bb0 + bb1(xx − xx0) + bb2(xx − xx0)(xx − xx1)...(3) Dimana: bb. Nilai data aktual dinotasikan dengan XXtt dan X Xtt adalah nilai hasil interpolasi
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
