TUGAS SIMULASI PROSES III

METODE EULEUR DAN METODE RUNGE-KUTTA

Disusun Oleh :

KELOMPOK lll

Bagas G Apriliasno 3334140423

Handriza H. Asyafi 3334140972

M. Nur Hanafi 3334140412

Nadya Zulfani 3334141867

FAKULTAS TEKNIK JURUSAN TEKNIK METALURGI

UNIVERSITAS SULTAN AGENG TIRTAYASA

CILEGON - BANTEN

2017
 2

A. Persamaan Diferensial Biasa

a. Definisi Persamaan Diferensial
Persamaan diferensial adalah persamaan matematika untuk fungsi satu variabel
atau lebih, yang menghubungkan nilai fungsi itu sendiri dan turunannya dalam berbagai
orde.

b. Penggolongan Persamaan Diferensial

Persamaan diferensial dapat digolongkan menjadi beberapa golongan. Pembagian
tersebut didasarkan pada :
1. Berdasarkan banyaknya perubah bebas:
a. Persamaan diferensial biasa (PDB) atau Ordinary Differential Equation (ODE)
Yakni persamaan diferensial dengan perubah bebas tunggal.
𝑑𝐶𝐴
Misal: − = 𝑘𝐶𝐴 2
𝑑𝑇

b. Persamaan diferensial parsial (PDP) atau Partial Differential Equation (PDE)

Yakni persamaan diferensial dengan jumlah perubah bebas lebih dari satu.
𝜕𝑇 𝜕2 𝑇
Misal: 𝜌𝐶𝑃 𝜕𝑡 = 𝑘 𝜕𝑧 2

2. Berdasarkan persoalan syarat atau nilainya:

a. Persamaan diferensial dengan persoalan syarat/nilai awal (Intial Value Problem,
IVP).
Yakni jika semua syarat diberikan pada satu nilai perubah bebas (yakni pada nol
atau x0)
𝑑2 𝑦
Misal: 𝑑𝑥 2 = −𝑦 dengan: y(0) = 2 dan y’(0) = -1

b. Persamaan diferensial dengan persoalan syarat/nilai batas (Boundary Value

Problem, BVP).
Yakni jika syarat-syarat diberikan pada lebih dari satu nilai perubah bebas.
𝑑2 𝑦
Misal: 𝑑𝑥 2 = −𝑦 dengan: y(0) = 2 dan y’(3π/2) = 1

c. Persamaan Diferensial Biasa

Persamaan diferensial biasa adalah persamaan diferensial di mana fungsi yang
tidak diketahui (variabel terikat) adalah fungsi dari variabel bebas tunggal. Dalam
bentuk paling sederhana fungsi yang tidak diketahui ini adalah fungsi riil atau fungsi
kompleks, namun secara umum bisa juga berupa fungsi vektor maupun matriks. Lebih
 3

jauh lagi, persamaan diferensial biasa digolongkan berdasarkan orde tertinggi dari
turunan terhadap variabel terikat yang muncul dalam persamaan tersebut.
Contohnya adalah hukum gerak kedua Newton yang menghasilkan persamaan
diferensial :

Gambar 1 Gerak Parabolik

𝑑2 𝑥
𝑚 2 = 𝐹(𝑥(𝑡)
𝑑𝑡

Untuk gerakan partikel dengan massa konstan m. Pada umumnya, gaya F

tergantung kepada posisi partikel x(t) pada waktu t, dan demikian fungsi yang tidak
diketahui x(t) muncul pada kedua ruas persamaan diferensial, seperti yang
diindikasikan dalam notasi F(x(t)).

d. Metode Penyelesaian Persamaan Diferensial

Dalam menyelesaikan persamaan diferensial, terdapat dua jenis metode yang
digunakan untuk menyelesaikan persamaan tersebut yaitu :
1. Metode satu langkah (one-step methods)
2. Metode banyak langkah (many-step methods)
Dalam metode satu langkah terdapat 3 metode yaitu :
a. Metode euler (Eksplisit)
b. Penyempurnaan atau perbaikan metode Euler (Metode Heun, Metode Titik Tengah)
c. Metode Runge-Kutta

e. Metode Euler
Merupakan metode yang paling sederhana untuk mengintegrasikan PDB orde
satu secara numerik. Kondisi atau syarat atau nilai awal (x0, y0) digunakan untuk
menghitung besarnya slope (atau tangen arah) y(x) pada x = x0 :
𝑑𝑦
| = 𝑓(𝑥𝑜 , 𝑦0 )
𝑑𝑥 𝑥=𝑥0
 4

Dengan menganggap bahwa slope (dy/dx) pada interval Δx bernilai tetap, maka
nilai y(x0+Δx) dapat diperkirakan sebesar :
𝑦(𝑥𝑜 + ∆𝑥) = 𝑦(𝑥0 ) + ∆𝑥 𝑓(𝑥𝑜 , 𝑦0 )
Selanjutnya , nilai-nilai x dan y ini (yakni x = x0 + Δx dan y = y(x0 + Δx))
digunakan untuk memperkirakan besarnya slope pada titik yang baru. Atau, nilai y(x0 +
2Δx) dapat dihitung sebagai berikut :
𝑦(𝑥𝑜 + 2∆𝑥) = 𝑦(𝑥0 + ∆𝑥) + ∆𝑥 𝑓(𝑥𝑜 + ∆𝑥, 𝑦(𝑥0 + ∆𝑥))
Demikian seterusnya. Pola perhitungan yang beruntun ini digambarkan sebagai
metode Euler :
𝑦(𝑥𝑖 + ∆𝑥) = 𝑦(𝑥𝑖 ) + ∆𝑥 . 𝑓(𝑥𝑖 , 𝑦(𝑥𝑖 ))
atau
𝑦𝑖+𝑙 = 𝑦𝑖 + ∆𝑥 . 𝑓(𝑥𝑖 , 𝑦𝑖 )
𝑦𝑖+𝑙 = 𝑦𝑖 + ℎ . 𝑓(𝑥𝑖 , 𝑦𝑖 )
Dengan Δx = h menyatakan lebar langkah (Step Size)
𝑑𝑦
f (xi, yi) merupakan bentuk persamaan diferensial seperti pada diferensial 𝑑𝑥 = 𝑓(𝑥, 𝑦)

sehingga :
𝑑𝑦 𝑑𝑦
𝑦𝑖+𝑙 = 𝑦𝑖 + ∆𝑥 𝑑𝑥 | atau 𝑦𝑖+𝑙 = 𝑦𝑖 + ℎ 𝑑𝑥 |
𝑥𝑖 ,𝑦𝑖 𝑥𝑖 ,𝑦𝑖

Persamaan di atas merupakan formula metode euler.

Perhatikan bahwa formula metode Euler ini juga dapat dijabarkan dari ekspansi
deret Taylor untuk yi+1 di sekitar yi :

dengan mengabaikan suku-suku berorde Δx2 (= h2) dan yang lebih tinggi. Dengan
kata lain, metode Euler ini mempunyai tingkat ketelitian yang dinyatakan dengan
local truncation error sebesar:
ei = Ο(Δx2) atau ei = Ο(h2)
Metode ini mempunyai global truncation error sebesar:
Ei = nilai eksak yi – nilai pendekatan numerik yi
 5

f. Metode Runge-Kutta

Pada metode Euler memberikan hasil yang kurang teliti maka untuk
mendapatkan hasil yang lebih teliti perlu diperhitungkan suku yang lebih banyak dari
deret Taylor atau dengan menggunakan interval x yang kecil. Kedua cara tersebut
tidak menguntungkan. Penghitungan suku yang lebih banyak memerlukan turunan
yang lebih tinggi dari fungsi nilai y (x), sedang penggunaan x yang kecil
menyebabkan waktu hitungan lebih panjang.

Metode Runge-Kutta memberikan hasil ketelitian yang lebih besar dan tidak
memerlukan turunan dari fungsi, bentuk umum dari metode Runge-Kutta adalah:

yi  1  yi  Φ ( xi , y i , Δx) Δx

dengan (xi, yi, x) adalah fungsi pertambahan yang merupakan kemiringan rerata
pada interval.

Fungsi pertambahan dapat ditulis dalam bentuk umum:

Φ  a1k1  a2k2  ...  an kn

dengan a adalah konstanta dan k adalah:

k1 = f (xi, yi)

k2 = f (xi + p1x, yi + q11 k1x)

k3 = f (xi + p2x, yi + q21 k1x + q22 k2x)

kn = f (xi + pn – 1x, yi + qn – 1, 1 k1x + qn – 1, 2 k2x + + qn – 1, n – 1 kn – 1x)

Persamaan tersebut menunjukkan bahwa nilai k mempunyai hubungan berurutan.

Nilai k1 muncul dalam persamaan untuk menghitung k2, yang juga muncul dalam
persamaan untuk menghitung k3, dan seterusnya. Hubungan yang berurutan ini
membuat metode Runge-Kutta adalah efisien dalam hitungan.
 6

Ada beberapa tipe metode Runge-Kutta yang tergantung pada nilai n yang digunakan.

1) Metode Runge-Kutta Order 4

Metode Runge-Kutta order 4 banyak digunakan karena mempunyai ketelitian lebih
tinggi. Metode ini mempunyai bentuk:

1
yi  1  yi  (k1  2k 2  2k3  k 4 ) Δx
6

dengan:

k1  f ( xi , yi )

1 1
k 2  f ( xi  Δx, yi  k1 Δx)
2 2

1 1
k3  f ( xi  Δx, yi  k 2 Δx)
2 2

k4  f ( xi  Δx, yi  k3Δx)

g. Contoh Soal Metode Euler

Rolling atau pencanaian adalah proses reduksi atau pengurangan luas penampang
melalui deformasi dengan melewatkan benda kerja pada suatu pasang roll yang
berputar dengan arah yang berlawanan. Berdasarkan eksperimen, diketahui persamaan
pengurangan luas penampang pada proses canai, gunakan metode Euler untuk
menghitung luas penampang yang tereduksi dimana y(0, 10) dengan ukuran langkah h
= 0,05 dan h = 0,02. Jumlah angka benar = 5. Diketahui persamaan pengurangan luas
penampang proses pencanaian adalah
y(x) = ex – x – 1

Penyelesaian:
 Secara Manual
(i) Diketahui
a = x0 = 0
b = 0.10
c = 0.05
 7

dalam hal ini f(x,y) = x + y, dan penerapan metode Euler pada PDB proses

pencanaian menjadi yr 1  yr  0.02( xr  yr )

Langkah-langkah:
x0  0  y0  0

x1  0.05  y1  y0  0.05( x0  y0 )  1  (0.05)(0  1)  1.0050

x2  0.10  y2  y1  0.05( x1  y1 )  1.0050  (0.05  1.0050)  1.05775

Jadi, y(0.10) ≈ 1.05775
(bandingkan dengan solusi sejatinya)
y(0.10)  e0.10  0.1  1  0.0052
Sehingga galatnya adalah
Galat = 0.0052 – 1.05775 = -1.1030
(ii) Diketahi
a  x0  0
b  0.10
h  0.02
Dalam hal ini , f ( x, y )  x  y , dan penerapan metode Euler pada proses
pencanaian (PDB) tersebut menjadi
yr 1  yr  0.02( xr  yr )
Langkah-langkah:
x0  0  y0  1

x1  0.02  y1  y0  0.02( x0  y0 )  1  (0.02)(0  1)  1.0200

x2  0.04  y2  y1  0.02( x1  y1 )  1.0200  (0.02)(0.02  1.0200)  1.0408

x3  0.06  y3  1.0624

x4  0.08  y4  1.0848

x5  0.10  y5  1.1081

Jadi y (0,10)  1.1081

(bandingkan dengan solusi sejatinya, y(0,10) = 1.1103, sehingga galatnya adalah)
Galat = 1.1103 – 1.1081 = 1.1081
 Secara MATLAB
>> clear;
>> x=0;
 8

>> y=1;
>> b=0.10;
>> n=5;
>> h=(b-x)/n

h=
0.0200

>> hasil=[0 1];

>> for r=1:n
y=y+h*(x+y);
x=x+h;
hasil=[hasil; x y];
end
>> f=exp(b)-b-1;
>> galat=f-y;
>> hasil

hasil =
0 1.0000
0.0200 1.0200
0.0400 1.0408
0.0600 1.0624
0.0800 1.0849
0.1000 1.1082

>> eror=[f galat]

eror =
0.0052 -1.1030
 9

h. Contoh Soal Metode Runge Kutta

Bijih pada temperature 1200 K didinginkan di udara pada temperature 300K.
Asumsikan panas yang hilang hanya karena radiasi, persamaan diferensial untuk
temperature bijih yaitu
d𝜃
= -2.2067 x 10-12(𝜃 − 81𝑥108), 𝜃(0) = 1200𝐾
𝑑𝑡

Tentukan temperature ketika t= 480s dimana h= 240s.

Jawab :
d𝜃
= -2.2067 x 10-12(𝜃 − 81𝑥108)
𝑑𝑡

f(t, 𝜃) = -2.2067 x 10-12(𝜃 4 − 81𝑥108)

𝜃𝑖 + 1= 𝜃𝑖 + 1/6(k1+2k2+2k3+k4)h
Untuk i=0 to=0 𝜃o =1200K
k1 = f(to, 𝜃o)
= f(0.1200)
= -2.2067 x 10-12 ((12004 − 81𝑥108)
= -405579
k2 = f(to+1/2h, 𝜃o+1/2k1h)
= f(0+1/2(240),1200+1/2(-4.5579)x240)
=f(120,653.05)
= -2.2067 x 10-12(653.054-81x108)
= -0.38347
k3 = f(to+1/2h, 𝜃o+1/2k2h)
=f(0+120,1200+1/2(-0.38347)x240))
=f(120,1154)
= -2.2067 x 10-12(11544-81x108)
=-3.8954
k4 = f (to+h, 𝜃𝑜+k3h)
= f(0+240,1200+(-3,894)x240)
= f(240,265.10)
= -2.2067 x 10-12(265.104-81x108)
= 0.0069750
 10

1
𝜃 = 𝜃𝑜 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4)ℎ
6
=1200+1/6(-4.5579+2(-0.38347)+2(-3.8954)+(0.069750))x240
= 675.65 K
𝜃1 adalah aproksimasi temperature pada
t=t1
=to+h
=0+240
=240
𝜃 = 𝜃(240)
~675.65 K
Untuk i=1, t1 240, 𝜃1 = 675.65𝐾
k1 = f(t1, 𝜃1)
= f(240,675.65)
= -2.2067 x 10-12 ((240,675.65 − 81𝑥108)
= -0.44199
k2 = f(t1+1/2h, 𝜃1+1/2k1h)
= f(240+1/2(240),675.65)+1/2(-0.4419)x240)
= f(360,622.61)
= -2.2067 x 10-12(622.614-81x108)
= -0.31372
k3 = f(t1+1/2h, 𝜃1+1/2k2h)
=f(240+120,675.65+1/2(-0.31372)x240))
=f(360,638.00)
= -2.2067 x 10-12(638.004-81x108)
= -0.34775
k4 = f (t1+h, 𝜃1+k3h)
= f(240+240,675.65+(-0.34775)x240)
= f(480,592.19)
= -2.2067 x 10-12(592.194-81x108)
= -0.25351
1
𝜃2 = 𝜃1 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4)ℎ
6
= 675.65+1/6(-0.44199+2(-0.31372)+2(-0.34775)+(-0.25351) x 240
 11

= 675.65 + 1/6 (-2.0184)x240

= 594.91 K
𝜃2 adalah aproksimasi temperatur pada
t=t2
=t1+h
=240+240
=480
𝜃2 = 𝜃(480)
~594.91 K
Tabel 1. Nilai dari Temperatur pada t= 480s pada h yang berbeda
h 𝜃(480) Et |𝜀𝑡|%
480 -90.278 737.85 113.94
240 594.91 52.660 8.1319
120 646.16 1.4122 0.21087
60 647.54 0.033626 0.0051926
30 647.57 0.00086900 0.00013419