Metode Numerik Lengkap (Endick)

Metode Numerik (Endi F.
; 310800073)
P.MTK STKIP-PGRI Pontianak
BAB I PENDAHULUAN 1. Alasan Menggunakan Metode Numerik Tidak semua permasalahan matematis atau perhitungan dapat diselesaikan dengan mudah. Bahkan dalam prinsip matematik, dalam memandang permasalahan yang terlebih dahulu diperhatikan apakah permasalahan tersebut mempunyai penyelesaian atau tidak. Hal ini menjelaskan bahwa tidak semua permasalahan dapat diselesaikan dengan menggunakan perhitungan biasa. Sebagai contoh perhatikan integral berikut ini.
L=01sin (x)x dx
Integral di atas terlihat tidak terlalu panjang, tetapi untuk menyelesaikan integral tersebut bukan permasalahan yang mudah bahkan dapat dikatakan tidak mungkin. Tetapi bukan berarti integral tersebut tidak mempunyai penyelesaian, hanya saja menyelesaikan integral semacam itu sangat sulit dan kalaupun bisa memerlukan pengetahuan matematis yang tinggi dan waktu yang cukup lama. Padahal integral di atas adalah bentuk integral yang banyak digunakan dalam bidang teknik, khususnya pada analisa sinyal yang melibatkan sinyal frekwensi, filtering dan optimasi pola radiasi.
Kurva y=sin(x)
Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
Metode Numerik (Endi F. ; 310800073)
2. Prinsip-prinsip Metode Numerik Seperti telah dibahas di atas, metode numerik digunakan untuk menyelesaikan persoalan dimana perhitungan secara analitik tidak dapat digunakan. Metode numerik ini berangkat dari pemikiran bahwa permasalahan dapat diselesaikan dengan menggunakan pendekatanpendekatan yang dapat dipertanggung-jawabkan secara analitik. Metode numerik ini disajikan dalam bentuk algoritma-algoritma yang dapat dihitung secara cepat dan mudah. Pendekatan yang digunakan dalam metode numerik merupakan pendekatan analisis matematis. Sehingga dasar pemikirannya tidak keluar jauh dari dasar pemikiran analitis, hanya saja pemakaian grafis dan teknik perhitungan yang mudah merupakan pertimbangan dalam pemakaian metode numerik. Mengingat bahwa algoritma yang dikembangkan dalam metode numerik adalah algoritma pendekatan maka dalam algoritma tersebut akan muncul istilah iterasi yaitu pengulangan proses perhitungan. Dengan kata lain perhitungan dalam metode numerik adalah perhitungan yang dilakukan secara berulang-ulang untuk terus-menerus diperoleh hasil yang main mendekati nilai penyelesaian exact. Perhatikan salah bentuk formulasi dalam metode numerik adalah:
n=n-1+n-1
Terlihat bahwa hasil iterasi ke n adalah hasil iterasi ke n-1 (sebelumnya) dengan ditambah n1 yang merupakan nilai perbaikan. Sehingga dapat dikatakan bahwa semakain banyak iterasi
yang digunakan, maka nilainya semakin mendekati nilai exact atau semakin baik hasil yang diperoleh. Dengan menggunakan metode pendekatan semacam ini, tentukan setiap nilai hasil perhitungan akan mempunyai nilai error (nilai kesalahan). Dalam analisa metode numerik, kesalahan ini menjadi penting artinya. Karena kesalahan dalam pemakaian algoritma pendekatan akan menyebabkan nilai kesalahan yang besar, tentunya ini tidak diharapkan. Sehingga pendekatan metode analitik selalu membahas tingkat kesalahan dan tingkat kecepatan proses yang akan terjadi.
BAB II SISTEM BILANGAN DAN KESALAHAN 2.1 Penyajian Bilangan Bulat Bilangan bulat yang sering digunakan adalah bilangan bulat dalam sistem bilangan desimal yang didefinisikan :
N=(anan-1an-2.a0) =anan+an-110n-1+an-110n-2++a0100
Algoritma 2.1. Bila diketahui koefisien-koefisien a1,a2,a3,.an dari polinom

px=anan+an-110n-1+an-110n-2++a0100
Dan suatu bilangan . Maka dapat dihitung bn,bn-1,..,b0 dari sebagai berikut :
bn=an bn-1=an-1+bn bn-2=an-2+bn-1
b0=a0+b1
Algoritma ini banyak digunakan untuk menghitung konversi bilangan secara cepat, karena dalam algoritma ini tidak terdapat pemakaian pangkat yang membuat kesalahan numerik menjadi lebih besar. Contoh:
2673=2.103+6.102+7.101+3.100
Contoh: Bilangan biner (1101)2 dapat dihitung dengan :

b3=1 b2=b3+a3=1+1.2=3 b1=b2+a2=0+3.2=6 b0=1+a3=1+6.2=13
Jadi (1101)2=13
3. Contoh: Bilangan Oktal (721)8 dapat dihitung dengan :

b2=7 b1=2+7.8=58 b0=1+58.8=465
Jadi, (721)8=465 Contoh:

187=18710=1.102+8.101+7.100 =12(1010)22+(1000)2(1010)21+(111)2
Dengan algoritma di atas :

b2=(1)2 b1=(1000)2+(1)2(1010)2=(1000)2+(1010)2=(10010)2 b0=(111)2+(10010)2(1010)2=(111)2+(10110100)2=(10111011)2
Jadi, 187=(10111011)2
2.2 Penyajian Bilangan Pecahan Bilangan pecahan x antara 0 s/d 1 dalam system bilangan decimal didefinisikan :
x=a1a2a3an= a110-1+a210-2+a310-3++an10-n
Bilangan pecahan x secara umum dalam system bilangan dengan bilangan dasar k didefinisikan:
(a1a2a3an)k=i=1naik-i
Contoh: 0,625 = 6.10-1 + 2.10-2 + 5.10-3 Contoh: (0,101)2= 1.2-1 + 0.2-2 + 1.2-3 = 0,5 + 0,125 = 0,625
A. Angka Penting / Angka Signifikan
Nilai Signifikan adalah Suatu nilai dimana jumlah angka ditentukan sebagai batas nilai tersebut diterima atau tidak. Angka Signifikan terdiri dari digit 1,2 3,4,5,6,7,8,9 dan 0, untuk 0 (nol) tidak termasuk angka signifikan jika digunakan untuk menentukan titik decimal atau untuk mengisi tempat-tempat dari digit yang tidak diketahui/dibuang. Contoh: 0,00144 0,0010408 1,260 x 104 (3 angka signifikan) (5 angka signifikan) (4 angka signifikan)
1,2600 x 104 (5 angka signifikan) Implikasi penting angka signifikan dalam metode numerik: Angka signifikan akan memberikan kriteria untuk merinci seberapa keyakinan kita mengenai hasil-hasil pendekatan dalam metode numerik Angka signifikan memberikan pengabaian dari angka signifikan sisa untuk besaran spesifik yang tidak bisa dinyatakan secara eksak karena keterbatasan jumlah digit yang mampu disimpan komputer. A. Akurasi, Presisi dan Inakurasi Akurasi menyatakan seberapa dekat nilai hasil pengukuran dengan nilai sebenarnya (true value) atau nilai yang dianggap benar (accepted value). Jika tidak ada data bila sebenarnya atau nilai yang dianggap benar tersebut maka tidak mungkin untuk menentukan berapa akurasi pengukuran tersebut. Presisi menyatakan seberapa dekat nilai hasil dua kali atau lebih pengulangan pengukuran. Semakin dekat nilai nilai hasil pengulangan pengukuran maka semakin presisi pengukuran tersebut. Inakurasi menyatakan simpangan sistematis dari kebenaran. Inakurasi dalam komputasi adalah selalu melakukan kesalahan hitungan yang sama. Dalam arti ini, inakurasi merupakan lawan dari akurasi.
a. Akurat dan Presisi b. Presisi tapi tidak akurat

c. Sebenarnya akurat
tapi tidak presisi d. Tidak akurat dan tidak presisi
A. Pendekatan Dan Kesalahan Kesalahan dalam metode numerik meliputi :

1. Kesalahan Bawaan (Inheren Error)
Kesalahan/galat bawaan Terjadi akibat kekeliruan dalam menyalin data, salah membaca skala atau kesalahan karena kurangnya pengertian mengenai hukum hukum fisik dari data yang diukur.
2. Kesalahan Pemotongan (Trunction Error)
Kesalahan Pemotongan adalah kesalahan yang dihasilkan dari penggunaan suatu aproksimasi pengganti prosedur matematika eksak suatu kesalahan pemotongan dimasukkan ke dalam solusi numerik karena kesamaan differensial hanya melakukan aproksimasi harga turunan sebenarnya. Agar memperkuat pengertian terhadap perilaku kesalahan semacam ini, sekarang kita kembali pada suatu rumus matematika yang secara luas telah digunakan dalam metode numerik untuk menyatakan fungsifungsi dalam suatu bentuk pendekatan yaitu Deret taylor.
Metode Numerik (Endi F. ; 310800073) 3. Kesalahan Pembulatan (Round Of Error)
Kesalahan pembulatan adalah kesalahan yang Terjadi karena tidak diperhitungkannya beberapa angka terakhir dari suatu bilangan. Contoh :
8632574 dibulatkan menjadi 8633000 3,1415926 dibulatkan menjadi 3,14
BAB III PENYELESAIAN PERSAMAAN NON LINIER 3.1 Permasalahan Masalah Non Linier Penyelesaian persamaan non linier adalah penentuan akar-akar persamaan non linier. Dimana akar sebuah persamaan f(x) = 0 adalah nilai-nilai x yang menyebabkan nilai f(x) sama dengan nol. Dengan kata lain akar persamaan f(x) adalah titik potong antara kurva
f(x) dan sumbu X.
Gambar 3.1 Penyelesaian Persamaan Non Linier Jika penyelesaian persamaan linier mx + c = 0 dimana m dan c adalah konstanta, dapat dihitung dengan : mx + c = 0 , x= - cm Penyelesaian persamaan rumus ABC.
x1,2=-bb2-4ac2a
kuadrat ax2+bx+c=0 dapat dihitung dengan menggunakan
Beberapa persamaan polynomial yang sederhana dapat diselesaikan theorem sisa. Sehingga tidak memerlukan metode numerik dalam menyelesaikannya, karena metode analitik dapat dilakukan.Tetapi bagaimana menyelesaikan persamaan
Metode Numerik (Endi F. ; 310800073) xe-x=0
Tampaknya sederhana, tetapi untuk menyelesaikan persamaan non linier merupakan metode pencarian akar secara berulang-ulang. Theorema 1 Suatu range x=[a,b] mempunyai akar bila f(a) dan f(b) berlawanan tanda atau memenuhi
f(a).f(b)<0
Teorema di atas dapat dijelaskan dengan grafik-grafik sebagai berikut:
A. Penyelesaian Persamaan linear secara sederhana

Secara sederhana, untuk menyelesaikan persamaan non linier dapat dilakukan dengan menggunakan metode tabel atau pembagian area. Dimana untuk = [a,b] , atau x di antara a dan b dibagi sebanyak N bagian dan pada masing-masing bagian dihitung nilai
f(x) sehingga diperoleh tabel :
Dari tabel ini, bila ditemukan f(xk) =0 atau mendekati nol maka dikatakan bahwa
xk adalah penyelesaian persamaan f(xk) =0. Bila tidak ada f(xk) yang sama dengan nol,
maka dicari nilai f(xk) dan f(xk+1) yang berlawanan tanda, bila tidak ditemukan maka
dikatakan tidak mempunyai akar untuk x = [a,b], dan bila ditemukan maka ada 2 pendapat untuk menentukan akar persamaan, yaitu : 1. Akar persamaan ditentukan oleh nilai mana yang lebih dekat, bila |f(xk)| |f(xk+1)| maka akarnya xk, dan bila |f(xk+1)|<|f(xk)| maka akarnya xk+1. 2. Akarnya perlu di cari lagi, dengan range x = [xk , xk+1 ]. Secara grafis, metode table ini dapat dijelaskan untuk x = [a, b] , fungsi f(x) dibagi menjadi
N bagian seperti gambar berikut :
Gambar di atas menjelaskan bahwa penyelesaian diperoleh dengan membagi x = [a,b ] sebanyak-banyaknya hingga diperoleh suatu garis yang melalui akar persamaan dan nilai x dari garis tersebut adalah penyelesaian dari persamaan F(x) = 0. Contoh : Selesaikan persamaan xe-x +1 = 0. Dengan range = [-1,0] . Penyelesaiaan : menaksir range yang tepat, dengan cara menggambarkan.
Gambar di atas menjelaskan bahwa penyelesaian diperoleh dengan membagi x = [a,b] sebanyak-banyaknya hingga diperoleh suatu garis yang melalui akar persamaan dan nilai x dari garis tersebut adalah penyelesaian dari persamaan F(x) = 0. Dari tabel tersebut dapat dikatakan bahwa akar persamaan berada antara 0,57 dan
0,56, atau dengan menggunakan selisih terkecil maka dapat dikatakan bahwa akar
persamaan terletak di x = -0,57 dengan F(x) = -0,00791. Metode table ini secara umum sulit mendapatkan penyelesaian dengan error yang kecil, karena itu metode ini tidak digunakan dalam penyelesaian persamaan non linier, Tetapi metode ini digunakan sebagai taksiran awal mengetahui area penyelesaian yang benar sebelum menggunakan metode yang lebih baik dalam menentukan penyelesaian.
Algoritma Metode Tabel : 1. Defisikan fungsi f(x)

2. Tentukan range untuk x yang berupa batas bawah xbawah dan batas atas xatas.
3. Tentukan jumlah pembagian N 4. Hitung step pembagi h

H=Xatas-XbawahN 5. Untuk i = 0 s/d N, hitung
xi = xbawah + i.h yi = f(xi) 6. Untuk I = 0 s/d N dicari k dimana - Bila f(xk) = 0 maka xk adalah penyelesaian - Bila f(xk).f(xk+1) < 0 maka : - Bila |f(xk)| <|f(xk+1) maka xk adalah penyelesaian - Bila tidak xk+1adalah penyelesaian atau dapat dikatakan penyelesaian berada di antara xk dan xk+1.
A. Metode Biseksi. Ide awal metode ini adalah metode tabel, dimana area dibagi menjadi N bagian.Hanya saja metode biseksi ini membagi range menjadi 2 bagian, dari dua bagian ini dipilih bagian mana yang mengandung dan bagian yang tidak mengandung akar dibuang. Hal ini dilakukan berulang-ulang hingga diperoleh akar persamaan.
Gambar 3.4 Metode Biseksi Untuk menggunakan metode biseksi, terlebih dahulu ditentukan batas bawah (a) dan batas atas (b).Kemudian dihitung nilai tengah :
x=a+b2
Dari nilai x ini perlu dilakukan pengecekan keberadaan akar. Secara matematik, suatu range terdapat akar persamaan bila f(a) dan f(b) berlawanan tanda atau dituliskan :
f(a) . f(b) < 0
Setelah diketahui dibagian mana terdapat akar, maka batas bawah dan batas atas di perbaharui sesuai dengan range dari bagian yang mempunyai akar. Contoh : Selesaikan persamaan xe-x +1 = 0. Dengan range x = [-1,0] . Penyelesaian : Maka,
Dimana x=a+b2 Pada iterasi ke 10 diperoleh x = -0.56738 dan f(x) = -0.00066 Untuk menghentikan iterasi, dapat dilakukan dengan menggunakan toleransi error atau iterasi maksimum. Algoritma Metode Biseksi (1) Definisikan fungsi f(x) yang akan dicari akarnya (2) Tentukan nilai a dan b (3) Tentukan torelansi e dan iterasi maksimum N (4) Hitung f(a) dan f(b) (5) Jika f(a).f(b)>0 maka proses dihentikan karena tidak ada akar, bila tidak dilanjutkan (6) Hitung x=a+b2 (7) Hitung f(x) (8) Bila f(x).f(a)<0 maka b=x dan f(b)=f(x), bila tidak a=x dan
f(a)=f(x)
(9) Jika |(b-a)/2|<e atau iterasi > iterasi maksimum maka proses dihentikan dan didapatkan akar = x, dan bila tidak, ulangi langkah 6.
B. Metode Regula falsi

Metode regula falsi adalah metode pencarian akar persamaan dengan memanfaatkan kemiringan dan selisih tinggi dari dua titik batas range. Seperti halnya metode biseksi, metode ini bekerja secara iterasi dengan melakukan update range. Titik pendekatan yang digunakan oleh metode regula-falsi adalah :
x=fb.a-fa.bfb-f(a)
Dengan kata lain titik pendekatan x adalah nilai rata-rata range berdasarkan F(x). Metode regula falsi secara grafis digambarkan sebagai berikut :
Gambar 3.5 Metode Regula Falsi Contoh : Selesaikan persamaan xe-x +1 = 0. Dengan range x = [-1,0], melalui metode Regula Falsi.
Akar persamaan diperoleh di x=-0.56741 dengan kesalahan =0,00074

1. Definisikan fungsi f(x) 2. Tentukan batas bawah (a) dan batas atas (b) 3. Tentukan toleransi error (e) dan iterasi maksimum (n)
4. Hitung Fa = f(a) dan Fb = f(b)

5. Untuk iterasi I = 1 s/d n atau error > e x =Fb.a-Fa.bFb-Fa
Hitung Fx = f(x) Hitung error = Fx Jika Fx.Fa <0 maka b = x dan Fb = Fx jika tidak a = x dan Fa = Fx.
1. Akar persamaan adalah x.
A. Metode Iterasi Sederhana

Metode iterasi sederhana adalah metode yang memisahkan x dengan sebagian x yang lain sehingga diperoleh : x = g(x). Sebagai contoh untuk menyelesaikan persamaan x
ex = 0 maka persamaan di ubah menjadi : x = ex atau g(x) = ex. g(x) inilah yang menjadi dasar iterasi pada metode iterasi sederhana ini. Metode iterasi
sederhana secara grafis dapat dijelaskan sebagai berikut :
Contoh 3. 5: Selesaikan x +ex = 0, maka persamaan diubah menjadi x = -ex atau g(x) = -ex Penyelesaian : Ambil titik awal di x0 = -1 , maka Iterasi 1 : x = -e -1 = -0.3679 Iterasi 2 : x = -e -0,3679 = -0,6922 Iterasi 3 : x = -e -0,6922 = -0,50047
F(x) = 0,3243 F(x) = -0,19173 F(x) = 0,10577
Iterasi 4 : x = -e-0,50047 = -0,60624 F(x) = -0,06085 Iterasi 5 = x = -e -0,60624 = -0,5454 F(x) = 0,034217 Pada iterasi ke 10 diperoleh x = -0,56843 dan F(x) = 0,034217. Algoritma Metode Iterasi Sederhana 1. Definisikan F(x) dan g(x) 2. Tentukan toleransi error (e) dan iterasi maksimum (n) 3. Tentukan pendekatan awal x[0] 4. Untuk iterasi = 1 s/d n atau F(x [iterasi ] ) e

Xi = g(xi-1) Hitung F(xi)
1. Akar adalah x terakhir yang diperoleh.
A. Metode Newton Raphson

Metode newton raphson adalah metode pendekatan yang menggunakan satu titik awal dan mendekatinya dengan memperhatikan slope atau gradien pada titik tersebut. Titik pendekatan ke n+1 dituliskan dengan :
xn+1=xn+f(xn)f1(xn)
Metode newton raphson dapat digambarkan sebagai berikut :
Contoh : Selesaikan persamaan x - e-x = 0 dengan titik pendekatan awal x0 f(x) = x - e-x f(x0) = 0 - e-0 = -1 f1(x0) = 1 + e-0 = 2
x1=x0+f(x0)f1(x0)=0--12=0,5
f(x)=1+e-x
f(x1) = -0,106631 dan f1(x1) = 1,60653

x2=x1+f(x1)f1(x1)=0,5--0,1065311,60653=0,566311
f(x2) = -0,00130451 dan f1(x2) = 1,56762

x3=x2+f(x2)f1(x2)=0,56631-0,001304511,56762=0,567143
f(x3) = -2,95.10-7. Suatu bilangan yang sangat kecil. Sehingga akar persamaan x = 0,567143. Algoritma Metode Newton Raphson
1. Definisikan fungsi f(x) dan f1(x) 2. Tentukan toleransi error (e) dan iterasi maksimum (n) 3. Tentukan nilai pendekatan awal x0 4. Hitung f(x0) dan f1(x0) 5. Untuk iterasi I = 1 s/d n atau |f(xi)| e Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
Metode Numerik (Endi F. ; 310800073) xn+1=xn+f(xn)f1(xn)
Hitung f(xi) dan f1(xi)

6. Akar persamaan adalah nilai xi yang terakhir diperoleh.
A. Metode Secant
Metode Newton Raphson memerlukan perhitungan turunan fungsi f(x). Tidak semua fungsi mudah dicari turunannya terutama fungsi yang bentuknya rumit. Turunan fungsi dapat dihilangkan dengan cara menggantinya dengan bentuk lain yang ekivalen . Modifikasi metode Newton Raphson dinamakan metode Secant. Metode secant merupakan perbaikan dari metode regula falsi dan newton raphson dimana kemiringan dua titik dinyatakan secara diskrit, dengan mengambil bentuk garis lurus yang melalui satu titik. Dengan menggunakan metode secant ini diperlukan dua titik pendekatan x0 dan x1. Kedua titik ini diambil pada titik-titik yang dekat agar konvergensinya dapat dijamin. Contoh :
xi +1 = xi yi
Selesaikan persamaan : x2(x + 1) e-x = 0 , untuk range [0,1]
xi xi 1 yi yi1
Dari gambar di atas dapat dilihat bahwa akar terletak pada range x = [0.8,0.9], maka ambil = 0,8 dan x1 = 0,9 maka dapat dihitung y0 = F(x0) = -0,16879 y1 = F(x1) = 0,037518
x0
Iterasi Metode Secant adalah sebagai berikut : Iterasi 1 : x2=x1-y1x1-x0y1-y0=0.881815

y2=0,00153
Iterasi 2 : x3=x2-y2x2-x1y2-y1=0.882528
y3=0,00153
Iterasi 3 : x4=x3-y3x3-x2y3-y2=0.882534
y4=4,91.e-9
Diperoleh akar x = 0,882534 Algoritma Metode Secant :

Definisikan fungsi F(x) Definisikan torelansi error (e) dan iterasi maksimum (n) Masukkan dua nilai pendekatan awal yang di antaranya terdapat akar yaitu x0 dan x1, sebaiknya gunakan metode tabel atau grafis untuk menjamin titik pendakatannya adalah titik pendekatan yang konvergensinya pada akar persamaan yang diharapkan.
Hitung F(x0) dan F(x1) sebagai y0 dan y1 Untuk iterasi I = 1 s/d n atau |F(xi)|> e xi +1 = xi yi xi xi 1 yi yi 1
hitung yi+1 = F(xi+1)
BAB 4 PERSAMAAN LINIER SIMULTAN Persamaam linier simultan adalah suatu bentuk persamaan-persamaan yang secara persama-sama menyajikan banyak variabel bebas bentuk persamaan simultan dengan m persamaan dan n variabel bebas dapat di tuliskan sebagai metode iterasi gauss-seidle Metode iterasi Gauss-Seidel adalah metode yang menggunakan proses iterasi hingga di peroleh nilai-nilai yang berubah. Bila diketahuipersamaan linear simultan :
a11 x1 + a12 x2 + a13 x3+ + a1n xn = b1 a21 x1 + a22 x2 + a23 x3+ + a2n xn = b2 a31 x1 + a32 x2 + a33 x3+ + a3n xn = b3 + + a33 x3+ + a3n xn = b3 an1x1+ an2 x2+ an3 x3+ + ann xn = bn
Berikan nilai awal dari setiap xi (I = 1 s/d n) kemudian persamaan linier simultan diatas dituliskan menjadi :
xi= 1a11 (b1- a12x2- a13x3-- a1n xn ) x2= 1a22 b2- a21 x1 - a23 x3- - a2n xn . xn= 1ann bn- an1x1-an2 x2- - ann-1xn-1
Dengan menghitung nilai-nilai xi (I = 1 s/d n) menggunakan persamaan-persamaan di atas secara teru-menerus hingga nilai untuk setiap xi (I = 1 s/d n) sudah lama dengan nilai x i pada iterasi sebelumnya maka diperoleh penyelesaian dari persamaan linear simultan tersebut. Atau dengan kata lain proses iterasi dihentikan bila selisih nilai xi (I = 1 s/d n) dengan nilai xi pada iterasi sebelumnya kurang dari nilai toleransi error yang ditentukan. Catatan: Hati-hati dalam menyusun system persamaan linear ketika menggunakan metode iterasi GaussSeidel ini. Perhatikan setiap koefisien dari masing-masing xi pada semua persamaan di diagonal utama (aii). Letakkan nilai-nilai terbesar dari koefisien untuk setiap xi pada diagonal utama. Masalah ini adalah masalah masalah pivoting yang harus benar-benar diperhatikan. Karena penyusunan yang salah akan menyebabkan iterasi menjadi divergen dan tidak diperoleh hasil yang benar.
Contoh : Selesaikan persamaan linear : x1 + x2 = 5 2x1 + 4x2 = 14 Jawab : Berikan nilai awal : x1 = 0 dan x2 = 0. Susun persamaan menjadi x1 = 5 x2 x2 = 14 14- 2x1
x1=5-0=5
Iterasi 1 :
x2= 14 14-2.5=1 x1=5-1=4
Iterasi 2 :
x2= 14 14-2.4= 32 x1=5- 32= 72
Iterasi 3:
x2= 14 14-2. 72= 74 x1=5- 74= 134
Iterasi 4 :
x2= 14 14-2.134= 158 x1=5- 158= 255
Iterasi 5 :
x2= 14 14-2.258= 3116 x1=5- 3116= 4916
Iterasi 6 :
x2= 14 14-2.4916= 6332 x1=5- 6332= 9732
Itersai 7 :
x2= 14 14-2.9732= 12764
Nilai iterasi ke-7 sudah tidak berbeda jauh dengan nilai iterasi ke-6 maka proses dihentikan dan diperoleh penyelesaian :
x1=9732 dan x2= 12764
Algoritma Metode Iterasi Gauss-Seidel adalah sebagai berikut :

1) Masukkan matrik A, dan vektor B beserta ukurannya n 2) Tentukan batas maksimum iterasi max_iter 3) Tentukan toleransi error 4) Tentukan nilai awal dari xi, untuk I = 1 s/d n 5) Simpan xi dalam si, untuk I = 1 s/d n
6) Untuk I = 1 s/d n hitung :

xi= 1ai,i bi- ai,jxj ei = xi- si 7) Iterasi iterasi + 1 8) Bila iterasi lebih dari max_iter atau tidak terdapat ei< untuk I = 1 s/d n maka proses
dihentikan dari penyelesaiannya adalah xi untuk I = 1 s/d n. Bila tidak maka ulangi langkah 5
Contoh Penyelesaian Permasalahan Persamaan Linear Simultan

Contoh kasus 1: Permasalahan penentuan produk berdasarkan persediaan bahan Mr.X membuat 2 macam boneka A dan B. Boneka A memerlukan bahan 10 blok B1 dan 2 blok B2, sedangkan boneka B memerlukan bahan 5 blok B1 dan 6 blok B2. Berapa jumlah boneka yang dapat dihasilkan bila tersedia 80 blok bahan B1 dan 36 blok
bahan B2.
Model system persamaan linear : Variabel yang dicari adalah jumlah boneka, anggap : x1 adalah jumlah boneka A x2 adalah jumlah boneka B Perhatikan dari pemakaian bahan : B1 : 10 bahan untuk boneka A + 5 bahan untuk boneka B = 80 B2 : 2 bahan untuk boneka A + 6 bahan untuk boneka B = 36 Diperoleh model sistem persamaan linear
10 x 1+ 5 x2=80 2 x1+ 6 x2=36 Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
Penyelesaian dengan menggunakan metode eliminasi Gauss-Jordan adalah sebagai berikut : Augmented matrik 10 2 B1 <-- B1/10 1 2 B2 <-- B2 2 B1 1 0 B2 <-- B2/5 1 0 0,5 1 8 4 0,5 5 8 20 0,5 6 8 36 5 6 80 36
B1<-- B1 0,5 B2 1 0 0 1 6 4
Diperoleh x1 = 6 dan x2 = 4, artinya bahan yang tersedia dapat dibuat 6 boneka A dan 4 boneka B. Contoh kasus 2:
Penghalusan Kurva Dengan Fungsi Pendekatan Polinomial Perhatikan potongan peta yang sudah diperbesar (zoom) sebagai berikut : Sebagai contoh perhatikan permasalahan berikut : Perhatikan bahwa pada ke-4 titik tersebut dihubungkan dengan garis lurus, sehingga tampak kasar. Untuk menghaluskannya dilakukan pendekatan garis dengan kurva yang dibentuk dengan fungsi pendekatan polynomial. Dari fungsi yang dihasilkan kurva dapat digambarkan dengan lebih halus. Misalkan pada contoh diatas, 4 titik yang ditunjuk adalah (2,3), (7,6), (8,14), dan (12,10). 4 titik ini dapat didekati dengan fungsi polinom pangkat 3 yaitu :
Metode Numerik (Endi F. ; 310800073) y= ax3+ bx2+ cx+d
Bila nilai x dan y dari 4 titik dimasukkan kedalam persamaan diatas akan diperoleh model persamaan simultan sebagai berikut : Titik 1 3 = 8a + 4b + 2c + d Titik 2 6 = 343a + 49b + 7c + d Titik 3 14 = 512a + 64b + 8c + d Titik 4 10 = 1728a + 144b + 12c + d Dengan menggunakan metode eliminasi Gauss-Jordan diperoleh : Augmented matrik 8 343 512 1728 B1 = B1/8 B2=B2-343B1 B3=B3-512B1 B4=B4-1728B1 --- 4 49 64 144 1 0 0 0 2 7 8 12 0,5 -122,5 -192 -720 1 3 1 6 1 14 1 10 0,25 -120 -420 0,125 0.375 -63 -178 -215 -638
-78,75 -41,88 -122,6
B2=B2/(-122,5) B1=B1-0,5B2 B3=B3+192B2 B4=B4+720B2
---
1 0 0 0
0 1 0 0
-0,071 0,6429 3,4286 42,857
-0,046 -0,126 0,3418 1,001 2,6327 14,196 31,122 82,735
B3=B3/3,4286 B1=B1+0,071 B3 B2=B2-0,6429 B2 B4=B4-42,857 B3
---
1 0 0 0
0 1 0 0
0 0 1 0
0,0089 -0,152 0,7679 -1,786
0,1702 -1,661 4,1405 -94,71
B4=B4/(-1,786) B1=B1-0,0089B4 B2=B2+0,152B4 B3=B3+0,7679B4
---
1 0 0 0
0 1 0 0
0 0 1 0
0 -0,303 0 6,39 0 -36,59 1 53,04
Dengan demikian diperoleh : a = -0,303 b = 6,39 c = -36,59 d = 53,04 dan persamaan polynomial yang diperoleh : y = -0,303 x3 + 6,39 x2 -36,59 x +53,04 Hasil penghalusan kurva adalah sebagai berikut :
Hasilnya memang belum tampak bagus, kali ini disebabkan pengambilan titiknya yang terlalu jauh dan tingkat polynomial yang belum memenuhi syarat terbaiknya. Hanya saja kurva tersebut benar-benar melewati 4 titik yang ditentukan.
BAB 5 DIFERENSIASI NUMERIK A. Permasalahan Differensiasi Numerik Salah satu perhitungan kalkulus yang banyak digunakan adalah differensial, dimana differensial ini banyak digunakan untuk keperluan perhitungan geometrik. Dan perhitunganperhitungan yang berhubungan dengan perubahan nilai per-satuan waktu atau jarak. Secara kalkulus, differensial didefinisikan sebagai perbandingan perubahan tinggi (selisih tinggi) dan perubahan jarak, dan dituliskan dengan :
dydx = lim0yx
Hampir semua fungsi kontinu dapat dihitung nilai differensialnya secara mudah, sehingga dapat dikatakan metode numerik dianggap tidak perlu digunakan untuk keperluan perhitungan differensial ini. Masalahnya seiring dengan perkembangannya pemakaian komputer sebagai alat hitung dan pada banyak permasalahan differensial adalah salah satu bagian dari penyelesaian, sebagai contoh pada pemakaian komputer, permasalahan diferensial merupakan salah satu bagian dari penyelesaian. Contoh lainnya adalah penentuan titik puncak kurva y = f(x) yang dinamakan titik maksimal dan titik minimal, juga memerlukan titik differensial sebagai syarat apakah titik tersebut sebagai titik puncak. Hampir semua fungsi kontinu dapat dihitung nilai differensialnya secara mudah, sehingga dapat dikatakan metode numerik dianggap tidak perlu digunakan untuk keperluan perhitungan differensial ini. Masalahnya seiring dengan perkembangannya pemakaian komputer sebagai alat hitung dan pada banyak permasalahan differensial adalah salah satu bagian dari penyelesaian, sebagai contoh metode newton raphson memerlukan differensial sebagai pembagi nilai perbaikan errornya, sehingga metode newton raphson ini hanya bisa dilakukan bila nilai differensialnya bisa dihitung. Pada beberapa permasalahan, nilai differensial dapat dihitung secara manual. Misalkan diketahui f(x) = xe-x+ cos x maka differensialnya adalah f'(x) = (1- x)e-x -sin x. Tetapi pada permasalahan lain nilai fungsi sulit diselesaikan secara manual. Terutama jika fungsinya hanya diketahui berupa nilai atau grafis. Misalkan menghitung puncak distribusi data yang berupa distribusi Poisson. f(x) = e-mmxx! Menghitung differensial ini tidak mudah, disinilah metode numerik dapat digunakan. Hubungan antara nilai fungsi dan perubahan fungsi untuk setiap titiknya didefinisikan dengan: y = f(x) +f' (x).h(x) dan f' (x) didefinisikan dengan :
Metode Numerik (Endi F. ; 310800073) f'(x) = limh0fx+h-f(x)h
Dari formulasi ini dapat diturunkan beberapa metode differensiasi numerik, antara lain : *. Metode Selisih Maju *. Metode selisih Mundur *. Metode Selisih Tengahan B. Metode Selisih Maju Metode selisih maju merupakan metode yang mengadopsi secara langsung definisi differensial, dan dituliskan :
f'(x) fx+hf(x)h
Pengambilan h diharapkan pada nilai yang kecil agar errornya kecil, karena metode ini mempunyai error sebesar : E(f) = -12hf''(x)
Contoh: Hitung differensial f(x)= e-x sin (2x)+1 dari range x = [0,1] dengan h= 0.05
Jawab:
x 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 f(x) 1 1.179763 1.318829 1.418297 1.480858 1.510378 1.511514 1.48936 1.449137 1.395937 1.334512 f(x+h) 1.094964 1.254357 1.373377 1.453973 1.499471 1.514182 1.503021 1.471183 1.423852 1.365973 1.30207 f'(x) 21.9924 21.54891 21.12127 20.72638 20.37575 20.07622 19.83087 19.63975 19.50064 19.40961 19.36157 f(x-h) 0.89504 8 1.09496 4 1.25435 7 1.37337 7 1.45397 3 1.49947 1 1.51418 2 1.50302 1 1.47118 3 1.42385 2 1.36597 f''(x) -3.995 4.08232 3.96958 3.69814 3.30901 2.84108 2.32976 1.80598 1.29565 0.81936 error 0.09987 5 0.10205 8 0.09924 0.09245 3 0.08272 5 0.07102 7 0.05824 4 0.04515 0.03239 1 0.02048 4 0.00981
Metode Numerik (Endi F. ; 310800073) 3
P.MTK STKIP-PGRI Pontianak 0.39242 1
C. Metode Selisih Mundur Metode selisih mundur dengan nilai x di x0 dan x - h, dengan nilai dua titik: (x-1,f-1) dan (x0,f0), maka f'(x0)
f'(x)fx-f(x-h)h
Atau f'(x)f0-f-1h Pengambilan h diharapkan pada nilai yang kecil errornya kecil. Error metode selisih mundur sebesar:
Ef=-12hf''(x)
Contoh: Hitung differensial f(x)= e-x sin (2x)+1 dari range x = [0,1] dengan h = 0.05
Jawab:
x 0 f(x) 1 1.1797 0.1 63 1.3188 0.2 29 1.4182 0.3 97 1.4808 0.4 58 1.5103 0.5 78 1.5115 0.6 14 1.4893 0.7 0.8 6 1.4491 37 f(x+h) 1.0949 64 1.2543 57 1.3733 77 1.4539 73 1.4994 71 1.5141 82 1.5030 21 1.4711 83 1.4238 52 f'(x) 1.8992 9 1.4918 63 1.0909 64 0.7135 02 0.3722 62 0.0760 79 0.1698 5 0.3635 3 -0.5057 f(x-h) 0.8950 48 1.0949 64 1.2543 57 1.3733 77 1.4539 73 1.4994 71 1.5141 82 1.5030 21 1.4711 83 f''(x) -3.995 4.0823 2 3.9695 8 3.6981 4 3.3090 1 2.8410 8 2.3297 6 1.8059 8 1.2956 error 0.0998 75 0.1020 58 0.0992 4 0.0924 53 0.0827 25 0.0710 27 0.0582 44 0.0451 5 0.0323 91
Metode Numerik (Endi F. ; 310800073) 1.3959 0.9 37 1.3345 1 12 1.3659 73 1.3020 7 0.5992 8 0.6488 5 1.3659 73 1.4238 52 5 -
0.8193 6 0.3924 2
0.0204 84 0.0098 11
D. Metode Selisih Tengahan Metode selisih tengahan merupakan metode pengambilan perubahan dari dua titik sekitar dari titik yang diukur atau Metode selisih tengahan merupakan rata-rata dari dua selisih maju. Metode selisih tengah dengan nilai x di x+h dan x - h, dengan nilai dua titik:
(x-1,f-1) dan (x1,f1), maka f'(x0) f'(x)fx+h-f(x-h)2h
Atau f'(x)f1f-12h
Pengambilan h diharapkan pada nilai yang kecil agar errornya kecil.

Ef=-16hf'''(x)
Kesalahan pada metode ini adalah : Metode selisih tengahan ini yang banyak digunakan sebagai metode differensiasi numerik.
Contoh Hitung differensial f(x)=e-x sin(2x)+1 dari range x=[0,1] dengan h=0.05 Jawab:
x 0 0.1 0.2 0.3 0.4 0.5 0.6 f(x) 1 1.1797 63 1.3188 29 1.4182 97 1.4808 58 1.5103 78 1.5115 f(x+h) 1.09496 4 1.25435 7 1.37337 7 1.45397 3 1.49947 1 1.51418 2 1.50302 f'(x) 1.8992896 69 1.4918630 95 1.0909642 45 0.7135019 78 0.3722624 33 0.0760793 17 f(x-h) 0.895048 1.094964 1.254357 1.373377 1.453973 1.499471 1.514182 f''(x) -3.995 -4.08232 -3.96958 -3.69814 -3.30901 -2.84108 -2.32976 error 0.09987 5 0.10205 8 0.09924 0.09245 3 0.08272 5 0.07102 7 0.05824
Metode Numerik (Endi F. ; 310800073) 0.1698482 14 1.4893 0.7 6 1.4491 0.8 37 1.3959 0.9 37 1.3345 1 12 1.30207 1 1.47118 3 1.42385 2 1.36597 3 9 0.3635317 1 0.5057004 8 0.5992767 1 0.6488457 3
1.503021
-1.80598
0.04515 0.03239
1.471183
-1.29565
1 0.02048
1.423852
-0.81936
4 0.00981
1.365973
-0.39242
E. Pemakaian Differensiasi Untuk Menentukan Titik Puncak Kurva Salah satu pemakaian differensial yang paling banyak dibicarakan adalah penentukan titik puncak kurva, dimana titik puncak (tertinggi atau terendah) diperoleh dengan memanfaatkan nilai differensial dari kurva pada setiap titik yang ditinjau. Perhatikan kurva y=f(x) seperti gambar berikut:
Kurva tersebut mempunyai 7 titik puncak, yaitu p1,p2,p3,p4,p5,p6, dan p7. Titik puncak p1,p3,p5, dan p7 dinamakan titik puncak maksimum.Titik puncak p2,p4dan p6 dinamakan titik puncak minimum.Untuk menentukan titik puncak perhatikan definisi berikut: Definisi 5.1. Suatu titik a pada kurva y = f(x) dinamakan titik puncak bila dan hanya bila: f' (a)=0. Definisi 5.2. Sebuah titik puncak a dikatakan titik maksimum pada kurva y = f(x) bila : f''(a) < 0. Definisi 5.3. Sebuah titik puncak a dikatakan titik minimum pada kurva y = F(x) bila : f''(a) > 0.
Dari definisi-definisi di atas, maka untuk menentukan titik puncak kurva y=f(x) secara numerik adalah menentukan titik-titik dimana f(x) = 0, kemudian dihitung apakah f(x)>0 atau f(x)<0 untuk menentukan apakah titik tersebut titik puncak maksimal atau titik puncak minimal.
BAB 6 INTEGRASI NUMERIK Integral suatu fungsi adalah operator matematik yang dipresentasikan dalam bentuk: (7.1)
b a
I = f ( x) dx
dan merupakan integral suatu fungsi f (x) terhadap variabel x dengan batas-batas integrasi adalah dari x = a sampai x = b. Seperti pada Gambar 7.1 dan persamaan (7.1), yang dimaksud dengan integral adalah nilai total atau luasan yang dibatasi oleh fungsi f (x) dan sumbu-x, serta antara batas x = a dan x = b. Dalam integral analitis, persamaan (7.1) dapat diselesaikan menjadi:
b a
f ( x) dx = [ F ( x)] a = F (b) F (a )
b
dengan F (x) adalah integral dari f (x) sedemikian sehingga F ' (x) = f (x). Contoh:
1 3 1 3 1 3 x dx = x = (3) (0) = 9. 3 0 3 0 3
3 2
Gambar 7.1. Integral suatu fungsi Integral numerik dilakukan apabila: 1) Integral tidak dapat (sukar) diselesaikan secara analisis. 2) Fungsi yang diintegralkan tidak diberikan dalam bentuk analitis, tetapi secara numerik dalam bentuk angka (tabel). Metode integral numerik merupakan integral tertentu yang didasarkan pada hitungan perkiraan. Hitungan perkiraan tersebut dilakukan dengan fungsi polinomial yang diperoleh
berdasar data tersedia. Bentuk paling sederhana adalah apabila tersedia dua titik data yang dapat dibentuk fungsi polinomial order satu yang merupakan garis lurus (linier). Seperti pada Gambar 7.2a, akan dihitung:
I = f ( x) dx
a
yang merupakan luasan antara kurve f (x) dan sumbu-x serta antara x = a dan x = b, bila nilai f (a) dan f (b) diketahui maka dapat dibentuk fungsi polinomial order satu f1(x). Dalam gambar tersebut fungsi f (x) didekati oleh f1(x), sehingga integralnya dalam luasan antara garis f1(x) dan sumbu-x serta antara x = a dan x = b. Bidang tersebut merupakan bentuk trapesium yang luasannya dapat dihitung dengan rumus geometri, yaitu:
I = (b a) f (a ) + f (b) 2
Dalam integral numerik, pendekatan tersebut dikenal dengan metode trapesium. Dengan pendekatan ini integral suatu fungsi adalah sama dengan luasan bidang yang diarsir (Gambar 7.2), sedang kesalahannya adalah sama dengan luas bidang yang tidak diarsir. Apabila hanya terdapat dua data f (a) dan f (b), maka hanya bisa dibentuk satu trapesium dan cara ini dikenal dengan metode trapesium satu pias. Jika tersedia lebih dari dua data, maka dapat dilakukan pendekatan dengan lebih dari satu trapesium, dan luas total adalah jumlah dari trapesium-trapesium yang terbentuk. Cara ini dikenal dengan metode trapesium banyak pias. Seperti pada Gambar 7.2b, dengan tiga data dapat dibentuk dua trapesium, dan luas kedua trapesium (bidang yang diarsir) adalah pendekatan dari integral fungsi. Hasil pendekatan ini lebih baik dari pada pendekatan dengan satu pias. Apabila digunakan lebih banyak trapesium hasilnya akan lebih baik. Fungsi yang diintegralkan dapat pula didekati oleh fungsi polinomial dengan order lebih tinggi, sehingga kurve yang terbentuk tidak lagi linier, seperti dalam metode trapesium, tetapi kurve lengkung. Seperti pada Gambar 7.2c, tiga data yang ada dapat digunakan untuk membentuk polinomial order tiga. Metode Simpson merupakan metode integral numerik yang menggunakan fungsi polinomial dengan order lebih tinggi. Metode Simpson 1/3 menggunakan tiga titik data (polinomial order dua) dan Simpson 3/8 menggunakan empat titik data (polinomial order tiga). Jarak antara titik data tersebut adalah sama.
A. Metode Integrasi Trapezoida Pada metode integral Reimann setiap daerah bagian dinyatakan sebagai empat persegi panjang dengan tinggi f(xi) dan lebar i. Pada metode trapezoida ini setiap bagian dinyatakan sebagai trapezium seperti gambar berikut :
Contoh Analitik:
Hitung 012x3 dx dengan step h=0,1

012x3 dx=x301=1
Numerik
x f(x)
: 0 0 0.1 0.00 2 0.2 0.01 6 0.3 0.05 4 0.4 0.12 8 0.5 0,25 0.6 0,43 2 0.7 0.68 6 0.8 1,02 4 0.9 1,45 8 1 2
Algoritma Metode Integrasi Tripezoida

1. Definisikan y=f(x) 2. Tentukan batas bawah (a) dan batas atas integrasi (b) 3. Tentukan jumlah pembagi n 4. Hitung h=(b-a)/n Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
Metode Numerik (Endi F. ; 310800073) 5. Hitung L=h2f0+2i=1n-1fi+fn
Contoh: Hitung 12e-x2+sin(x)dx dengan step h=(0,1) Dengan menggunakan tabel diperoleh:
x
0,00 0 0,100 0,20 0 0,431 0,37 2 0,30 0 0,32 3 0,40 0 0,28 1 0,245 0,214 0,500 0,600 0,70 0 0,18 8 0,80 0 0,16 5 0,146 0,900 1,00 0 0,12 9
f(x)
0,50 0
Dari tabel diatas dapat dihitung
L=0,120,5+20,431++20,146+0,129=0,2679
A. Metode Integrasi Simpson Metode integrasi Simpson merupakan pengembangan metode integrasi trapezoida, hanya saja daerah pembaginya bukan berupa trapesium tetapi berupa dua buah trapesium dengan menggunakan pembobot berat di titik tengahnya seperti telihat pada gambar berikut ini. Atau dengan kata lain metode ini adalah metode rata-rata dengan pembobot kuadrat.
Algoritma Metode Integrasi Simpson

1. Definisikan y=f(x) 2. Tentukan batas bawah adan batas atas b 3. Tentukan jumlah pembagi n 4. Hitung h=b-an 5. Hitung L=h2f0+4i ganjilf1+2i genapf1+fn
Contoh: Hitung 012x3 dx dengan step h=0,1

x f(x)
0 0
0.1 0.00 2
0.2 0.01 6
0.3 0.05 4
0.4 0.12 8
0.5 0,25
0.6 0,43 2
0.7 0.68 6
0.8 1,02 4
0.9 1,45 8
1 2
L=0,120+40,002)+20,016+4(0,054)+0,128++1,458=0,5
Dengan menggunakan metode analitik

L=012x3dx=12x4]01=0,5
Dibandingkan denga perhitungan analitik, terdapat kesalahan yang sangat kecil. Catatan
: Metode ini akan mendapatkan hasil yang baik bila diambil n genap Metode ini sangat terkenal karena kesalahannya sangat kecil, sehingga menjadi alternatif yang baik dalam perhitungan integral khususnya matematika teknik.
A. Metode Integrasi Gauss Metode integrasi Gauss merupakan metode yang tidak menggunakan pembagian area yang banyak, tetapi memanfaatkan titik berat dan pembobot integrasi. Metode ini secara komputasi memiliki banyak keuntungan karena mempunyai kecepatan yang tinggi hal ini ditunjukkan dengan jumlah pembaginya yang kecil dan dengan jumlah pembagi yang relatif kecil mempunyai kesalahan yang sama dengan metode lain dengan jumlah pembagi yang besar. Metode integrasi Gauss dapat dijelaskan sebagai berikut: Untuk luas daerah ke i, mempunyai luas:
Li=xi-1xifxdx
1. Integrasi Kuadratur Gauss dengan Pendekatan 2 Titik Bentuk umum :

-11gudu=A0g0+A1g1
Algoritma Integrasi Kuadratur Gauss dengan Pendekatan 2 Titik

a. Definisikan fungsi f(x)
b. Tentukan batas bawah (a) dan batas atasnya (b) c. Hitung nilai konversi variable
x=12b-au+12(b+a) Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
Metode Numerik (Endi F. ; 310800073) d. Tentukan fungsi g(u) dengan: gu=12b-af{12b-au+12b+a}
e. Hitung
L=g-13+g13
Contoh: Hitung L=01x2 dx

u=2x-(b+a)(b-a)=2x-11=2x-1 atau x=12(u+1)
Dari perhitungan analitik diperoleh :

01x2 dx=13x3
Dengan memasukkan nilai x=1 maka L=13=0,33333 1. Integrasi Kuadratur Gauss dengan pendekatan 3 titik Bentuk umum :
-11gudu=A0g0+A1g1+A2g2
Algoritma Integrasi Kuadratur Gauss dengan pendekatan 3 titik

a. Definisikan fungsi f(x)
b. Tentukan batas integrasinya (a) dan (b) c. Hitung nilai konversi variable
x=12b-au+12(b+a) d. Tentukan fungsi g(u) dengan: gu=12b-af{12b-au+12b+a}
e. Hitung
L=89g0+59g-35+59g35
Nb: Meskipun dalam beberapa hal integrasi kuadratur Gauss menunjukkan hasil yang lebih baik dari pada metode integrasi Simpson, tetapi dalam penerapannya metode integrasi Simpson lebih banyak digunakan dengan dasar pertimbangan kemudahan dari metode yang digunakan.
BAB 7 PERSAMAAN DIFFERENSIAL Persamaan differensial merupakan persamaan yang menghubungkan suatu
besaran dengan perubahannya. Persamaan differensial dinyatakan sebagai persamaan yang mengandung suatu besaran dan differensialnya, dan dituliskan dengan :
Fx,dxdt,d2xdt2,,dnxdtn,t=0
Persamaan differensial mempunyai banyak ragam dan jenis mulai dari yang mudah diselesaikan hingga yang sulit diselesaikan, mulai dari yang sederhana sampai yang sangat kompleks. Salah satu persamaan differensial yang banyak digunakan dalam penerapannya adalah Persamaan Differensial Linier, yang dituliskan dengan:
andnxdtn+an-1dn-1xdtn-1++a1dxdt+a0x=f(t)
Persamaan differensial linier umumnya dapat diselesaikan dengan menggunakan cara analitik seperti pemakaian Transformasi Laplace, tetapi pada bentuk yang kompleks persamaan differensial linier ini menjadi sulit diselesaikan. Metode numerik dapat digunakan untuk menyelesaikan persamaan differensial dengan menggunakan bantuan komputer sebagai alat hitung, ketika metode analitik sulit digunakan. Pada beberapa bentuk persamaan differensial, khususnya pada differensial non-linier, penyelesaian analitik sulit sekali dilakukan sehingga metode numerik dapat menjadi metode penyelesaian yang disarankan. Sebagai contoh perhatikan bentuk persamaan differensial yang sederhana berikut ini:
xdydx2+dydx-y=1
Persamaan dapat
diffrensial
di
atas
tampaknya cara analitik,
sederhana, tidak
tetapi dapat
untuk
menyelesaikan persamaan diffrensial di atas bukanlah sesuatu yang mudah, bahkan dikatakan dengan menggunakan ditemukan penyelesaian. Sehingga pemakaian metode-metode pendekatan dengan metode numerik
menjadi suatu alternatif yang dapat digunakan. Ada beberapa metode yang dapat digunakan untuk menyelesaikan persamaan differensial, antara lain: metode Euler, metode pendekatan dengan deret Taylor, metode runge-kutta dan metode-metode prediktor-korektor seperti metode Adam Moulton. Hanya saja metode-metode pendekatan ini menyebabkan penyelesaian yang dihasilkan bukanlah penyelesaian umum dari persamaan differensial, tetapi penyelesaian khusus dengan nilai awal dan nilai batas yang ditentukan. A. METODE EULER
Perhatikan bentuk persamaan differensial berikut:

y'=f(x,y)
Dengan menggunakan pendekatan nilai awal (x0,y0) maka nilai-nilai y berikutnya dapat diperoleh dengan:
yn-1=yn+h.f(xn,yn)
Contoh : Diketahui persamaan diferensial berikut :

dydx+xy=1
Maka
y'=1-xy atau fx,y=-xy
Bila ditentukan nilai awalnya adalah (0,0) dan h=0,1 maka diperoleh :
Bila ditingkatkan untuk x sampai dengan 0 kemudian diambil grafiknya, diperoleh :
B. Metode Taylor Metode Taylor adalah suatu metode pendekatan yang menggunakan deret Taylor sebagai bentuk perbaikan nilai untuk nilai fungsi secara keseluruhan pada penyelesaian persamaan differensial. Perhatikan fungsi dari persamaan differensial berikut:
y'=f(x,y)
Dengan memberikan nilai awal (x0,y0), penyelesaian dapat diperoleh dengan :
Catatan: Pemakaian metode Taylor tidak banyak digemari karena diperlukan perhitungan yang cukup rumit dalam penyelesaiannya. Tetapi metode ini dapat menunjukkan hasil yang bagus pada beberapa permasalahan penyelesaian persamaan differensial. C. Metode Range Kutta Metode Runge-Kutta merupakan pengembangan dari metode Euler, dimana perhitungan penyelesaian dilakukan step demi step. Untuk fungsi dari persamaan differensial :
y'=f(x,y)
Dengan titik pendekatan awal (x0,y0), berdasarkan metode Euler nilai fungsi penyelesaian diperoleh dengan :
Dimana dy adalah nilai perubahan nilai fungsi setiap step D. Metode Range Kutta 2 Metode Runge-Kutta membuat step yang lebih kecil dari perubahan nilai dengan membagi nilai perubahan tiap step menjadi sejumlah bagian yang ditentukan, bentuk paling sederhana dari metode Runge Kutta ini adalah membagi bagian perubahan
menjadi dua bagian sehingga :

dy=h.f1+h.f22
Dimana f1 dan f2 adalah nilai fungsi step yang diambil dari bentuk fungsi persamaan diferensial pada step tengahan.
Bila hasilnya diteruskan sampai x=10 dan digambarkan, akan diperoleh:
BAB 8
INTERPOLASI LINIER, KUADRATIK, POLINOMIAL DAN LAGRANGE Definisi dari metode interpolasi linier merupakan metode yang paling sederhana yang menghubungkan 2 buah titik data dengan garis lurus.
A. Interpolasi Linier Algoritma 1. Tentukan dua titik p1 dan p2 dengan koordinat masing-masing (x1, y1) dan (x2 dan y2)
2. Tentukan nilai x dari titik yang akan diberi 3. Hitung y dengan y=y2-y1x2-x1x-x1+y1 4. Tampilkan nilai titik yang baru Q(x,y)
Contoh : Cari nilai y untuk titik x = 2.5 yang berada di antara titik (1,5),(2,2) dan (3,3) Jawab : p1(1,5),p2(2,2) dan p3(3,3) = 2.5 Y = y1x-x2x- x3x1- x2- x1- x3 + y2x-x1x- x3x2 - x1x2 -x3+ y3 xx1x- x2x3- x1x3- x2
= 5 2.5-22.5-31-21-3+ 2 2.5- 12.5-32-12-3+ 32.5-12.5-23-132
=2
A. Interpolasi Kuadratik Interpolasi Kuadratik digunakan untuk mencari titik-titik antara dari 3 buah titik P1(x1,y1), P2(x2,y2) dan P3(x3,y3) dengan menggunakan pendekatan fungsi kuadrat.
B. Interpolasi Polinomial Interpolasi polynomial digunakan untuk mencari titik-titik antara dari n buah titik P1(x1,y1), P2(x2,y2), P3(x3,y3), , PN(xN,yN) dengan menggunakan pendekatan fungsi polynomial pangkat n-1:
BAB 9 REGRESI LINIER, REGRESI EKSPONENSIAL DAN REGRESI POLINOMIAL Regresi adalah sebuah teknik untuk memperoleh persamaan kurva pendekatan dari titik-titik data. A. Regresi Linier Regresi Linier digunakan untuk fungsi linier yang paling sesuang dengan kumpulan titik data (xn,yn) yang diketahui.
Gambar . Sebaran data dengan kurva linier Dalam regresi linier ini yang dicari adalah nilai m dan c dari fungsi linier y=mx+c, dengan :
Algoritma Regresi Linier

1. Tentukan N titik data yang diketahui dalam (xi,yi) untuk i=1,2,3N 2. Hitung nilai m dan c dengan menggunakan formulasi regresi linier di atas
3. Tampilkan fungsi linier

4. Hitung fungsi linier tersebut dalam range x dan step dx tertentu 5. Tampilkan hasil tabel (xn,yn) dari hasil fungsi linier tersebut.
A. Regresi Eksponensial Regresi eksponensial digunakan menentukan fungsi eksponensial yang paling sesuai dengan kumpulan titik data (xn,yn) yang diketahui. Regresi eksponensial ini merupakan pengembangan dari regresi linier dengan memanfaatkan fungsi logaritma. Perhatikan :
y=e-ax+b
Dengan melogaritmakan persamaan di atas akan diperoleh :

lny=ln(e-ax+b) lny=ax+b
Algoritma Regresi Eksponensial

1. Tentukan N titik data yang diketahui dalam (xi,yi) untuk i=1,2,3N 2. Ubah nilai y menjadi z dengan z=lny 3. Hitung nilai a dan b dengan menggunakan formulasi regresi linier di atas 4. Tampilkan fungsi eksponensial y=e-ax+b 5. Hitung fungsi eksponensial tersebut dalam range x dan step dx tertentu 6. Tampilkan hasil tabel (xn,yn) dari hasil fungsi linier tersebut.
A. Regresi Polinomial Regresi polinomial digunakan menentukan fungsi polynomial yang paling sesuai dengan kumpulan titik data (xn,yn) yang diketahui. Fungsi pendekatan :
y=a0+a1x+a1x2++anxn
Regresi polynomial tingkat n dikembangkan dari model matriks normal sebagai berikut :
Algoritma Regresi Eksponensial

1. Tentukan N titik data yang diketahui dalam (xi,yi) untuk i=1,2,3N
2. Hitung nilai-nilai yang berhubungan dengan jumlah data untuk mengisi matriks normal
3. Hitung nilai a0,a1, a2,.an dengan menggunakan formulasi gauss-jordan. 4. Tampilkan fungsi polynomial y=a0+a1x+a1x2++anxn 5. Hitung fungsi polinomial tersebut dalam range x dan step dx tertentu 6. Tampilkan hasil tabel (xn,yn) dari hasil fungsi linier tersebut.

Metode Numerik Lengkap (Endick)

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Metode Numerik Lengkap (Endick)

Uploaded by

Copyright:

Available Formats

Metode Numerik (Endi F.

P.MTK STKIP-PGRI Pontianak

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

Algoritma 2.1. Bila diketahui koefisien-koefisien a1,a2,a3,.an dari polinom

Contoh: Bilangan biner (1101)2 dapat dihitung dengan :

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

3. Contoh: Bilangan Oktal (721)8 dapat dihitung dengan :

Jadi, (721)8=465 Contoh:

Dengan algoritma di atas :

A. Angka Penting / Angka Signifikan

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

a. Akurat dan Presisi b. Presisi tapi tidak akurat

tapi tidak presisi d. Tidak akurat dan tidak presisi

A. Pendekatan Dan Kesalahan Kesalahan dalam metode numerik meliputi :

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073) 3. Kesalahan Pembulatan (Round Of Error)

P.MTK STKIP-PGRI Pontianak

8632574 dibulatkan menjadi 8633000 3,1415926 dibulatkan menjadi 3,14

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

kuadrat ax2+bx+c=0 dapat dihitung dengan menggunakan

Metode Numerik (Endi F. ; 310800073) xe-x=0

P.MTK STKIP-PGRI Pontianak

Teorema di atas dapat dijelaskan dengan grafik-grafik sebagai berikut:

A. Penyelesaian Persamaan linear secara sederhana

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

Algoritma Metode Tabel : 1. Defisikan fungsi f(x)

3. Tentukan jumlah pembagian N 4. Hitung step pembagi h

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

B. Metode Regula falsi

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

Akar persamaan diperoleh di x=-0.56741 dengan kesalahan =0,00074

4. Hitung Fa = f(a) dan Fb = f(b)

1. Akar persamaan adalah x.

A. Metode Iterasi Sederhana

Metode Numerik (Endi F. ; 310800073)

P.MTK STKIP-PGRI Pontianak

sederhana secara grafis dapat dijelaskan sebagai berikut :