ANALISA NUMERIK

TAMTOYO, M.T
1. Pengantar Analisa Numerik
2. Akar-akar Persamaan Non Linier
3. Sistem Persamaan Aljabar Linier
4. Interpolasi
5. Regresi (Curve Fiting)
6. Defferensial
7. Integral
8. Persamaan Deferensial Biasa

Reff:
Steven C. Chapra, Raymond P. Canale
Numerical Methods for Engineers, McGraw Hill,
PENGANTAR
Kerap kali banyak permasalahan engineering tidak dapat
diselesaikan secara analitis/matematis.
Contoh :
Menghitung integral
Mencari akar-akar persamaan Non-Linier.
Menentukan persamaan polinomial yang paling mewakili
dari sejumlah data yang besar (masalah Estimasi).
dll

Mengitung integral
ta kons c dx
x
cx
L tan . .......... ..........
) sin(
10
10
= =
}

Mencari akar persamaan

x
e x y + =
2
Akar persamaan
Masalah estimasi
Fungsi estimasi
Metode Numerik
Teknik dimana masalah matematika diformulasikan sedemikian rupa
sehingga dapat deselesaikan dengan operasi aritmatika sederhana.
Analisa Numerik
Analisa terhadap beberapa metode numerik yang digunakan dalam
menyelesaikan masalah sehingga diperoleh metode yang lebih baik.
Solusi Analitik Vs. Solusi Numerik
Penyelesaian masalah secara analitik memberikan hasil
eksak/pasti.
Penyelesaian masalah secara numerik memberikan hasil
pendekatan.
Seringkali permasalahan tidak bisa diselesaikan secara analitis,
sehingga diperlukan metoda lain yaitu metode Numerik.

Contoh-1 :
Seorang penerjun dengan massa 68.100gr meloncat dari sebuah
pesawat terbang. Hitung kecepatanya setelah 2, 4, 6, 8, 10 detik
kemudian, jika diketahui koefisien gesekan udara 12.500 gr/det dan
percepatan grafitasi adalah 980 cm/det
2
..
Model Matematika
Hukum Newton:
ma F =
dt
dv
a =
dt
dv
m F =
F
U
F
D
Gerak Penerjun Bebas :
U D
F F F + =
mg F
D
= cv F
U
=
cv mg
dt
dv
m =
v
m
c
g
dt
dv
=
Solusi Analitik Solusi Numerik
( )
| |
t
e t v
) 100 . 68 / 500 . 12 (
1
500 . 12
100 . 68 980
) (

=
( )
| | 5 , 640 . 1 1
500 . 12
100 . 68 980
) 2 (
2 ) 100 . 68 / 500 . 12 (
= =

e v
t v(t)-Analitik V(t)-Numerik
0 0,0 0,0
2 1.640,5 1.960,0
4 2.776,9 3.200,5
6 3.564,2 3.985,6
8 4.109,5 4.482,5
10 4.487,3 4.796,9
5.339,0 5.339,0
i i
i i
t t
t v t v
t
v
dt
dv

=
A
A
~
+
+
1
1
) ( ) (
v
m
c
g
dt
dv
=
| |
t m c
e
c
gm
t v
) / (
1 ) (

=
) (
) ( ) (
1
1
i
i i
i i
t v
m
c
g
t t
t v t v
=

+
+
) ( ) ( ) ( ) (
1 1 i i i i i
t t t v
m
c
g t v t v
(

+ =
+ +
0 , 960 . 1 ) 2 ( ) 0 (
100 . 68
500 . 12
980 0 ) 2 ( =
(

+ = v
0 ) ( .. .. 0 = = t v dan t
dt v
m
c
g dv
} }
= ) (
Analitik Vs Numerik
0
1000
2000
3000
4000
5000
6000
0 2 4 6 8 10 12
t
v(t)
Analitik
Numerik
Perbandingan Perhitungan secara
Analitik dengan Metode Numerik
Seberapa besar peredaan/kesalahan dapat ditolerir..?
Aproksimasi & Kesalahan (Galat)
Angka Signifikan
Banyaknya digit tertentu yang dapat dipakai dengan meyakinkan.

0,00001845 0,0001845 0,001845 mempunyai 4 angka signifikan
4,53 x 10
4
mempunyai 3 angka signifikan
4,530 x 10
4
mempunyai 4 angka signifikan
4,5300 x 10
4
mempunyai 5 angka signifikan
Definisi Kesalahan
Kesalahan numerik timbul dari penggunaan aproksimasi untuk
menyatakan operasi dan besaran matematika yang eksak/pasti.

Harga Sebenarnya = Aproksimasi + Kesalahan

Kesalahan (E
t
) :
E
t
= Harga Sebenarnya - Aproksimasi

Kesalahan Relatif Persen Sebenarnya (e
t
)
e
t
= (Kesalahan / Harga Sebenarnya ) * 100 %


Contoh-2 :
Hasil pengukuran sebuah jembatan = 9.999 cm
Hasil pengukuran sebuah paku = 9 cm
Jika nilai sebenarnya berturut-turut adalah 10.000 cm dan 10 cm, Hitung
Kesalahan dan Kesalahan relatif persen dari kedua hasil pengukuran diatas.

Kesalahan:
Jembatan : E
t
= 10.000 9.999= 1 cm
Paku : E
t
= 10 9 = 1 cm

Kesalahan relatif:
Jembatan : e
t
= 1/10.000 * 100%= 0,01%
Paku : e
t
= 1/10 * 100% = 10%


Kesimpulan :
Hasil Pengukuran Jembatan lebih baik dari hasil pengukuran paku

Kesalahan Relatif Persen Aproksimasi (e
a
)

e
a
= (Kesalahan Aproksimasi / Aproksimasi ) * 100 %
= (Aproksimasi sekarang - Aproksimasi sebelumnya) /
Aproksimasi sekarang * 100 %

Pada proses iterasi, iterasi dihentikan jika telah memenuhi kondisi

|e
a
| < e
s

Dimana e
s
= tingkat kesalahan yang masih dapat diterima

Hubungan e
s
dengan angka signifikan


e
s
= (0,5 * 10
2-n
) %
Contoh : (Taksiran Kesalahan Metode Iterasi):

Dalam matematika fungsi-fungsi dapat dinyatakan dalam deret tak hingga. Jadi, jika
lebih banyak suku ditambahkan kedalam deret maka aproksimasi menjadi taksiran
yang jauh lebih baik. Misal ingin menaksir nilai e
x
, dengan x=0,5 mengunakan
pendekatan deret, menggunakan 3 angka signifikan (e
0,5
= 1.648721271)

...
! 4 ! 3 ! 2
1
4 3 2
+ + + + + =
x x x
x e
x
Taksiran ke-1
1 =
x
e
1
5 , 0
= e
% 3 , 39 % 100 *
648721271 , 1
1 648721271 , 1
=

=
t
e
Taksiran ke-2
x e
x
+ =1
5 , 1 5 , 0 1
5 , 0
= + = e % 02 , 9 % 100 *
648721271 , 1
5 , 1 648721271 , 1
=

=
t
e
Kesalahan Pembulatan (round-off error)
Kesalahan yang terjadi karena komputer hanya dapat menyatakan
besaran-besaran dalam sejumlah digit terbatas.
Contoh : (Pengaruh Kesalahan Pembulatan pada Kasus Penerjun):
waktu
Kecepatan (Angka signifikan)
3 4 5 6
0 0 0 0,0 0,0
2 1.960 1.960 1.960,0 1.960,00
4 3.200 3.200 3.200,4 3.200,46
6 3.980 3.985 3.985,5 3.985,54
8 4.470 4.482 4.482,3 4.482,41
10 4.480 4.796 4.796,8 4.796,88
12 4.980 4.995 4.995,8 4.995,91
Kesalahan Pemotongan (truncation error)
Kesalahan yang terjadi dari kenyataan bahwa metode numerik
memberlakukan suatu aproksimasi untuk menyatakan pengoperation
dan besaran-besaran matematika yang pasti.
Theorema Taylor : Jika f(x) mempunyai n+1 turunan kontinyu pada interval
[a,b], untuk n 0 dan x, x
0
e [a,b], maka :
) ( ) ( ) (
1
x R x p x f
n n +
+ ~
Deret Taylor
) (
!
) (
..... ) (
! 1
) (
) ( ) (
0
0
0
1
0
0
x f
n
x x
x f
x x
x f x p
n
n
n

+ +

+ =
) (
)! 1 (
) (
) (
1
1
0
1

+
+
+
+

=
n
n
n
f
n
x x
x R
dimana :
, untuk antara x
0
dan x
Deret taylor menjadi konsep dasar dalam pengembangan metode numerik.
Beberapa metode aproksimasi merupakan pemenggalan dari deret ini.
Deret Taylor merupakan model aproksimasiterhadap suatu fungsi f(x).
Deret Taylor menyediakan sarana untuk memprediksi nilai fungsi pada satu
titik dalam bentuk nilai fungsi dan turunan-turunanya pada titik lain.

Contoh : Diketahui f(x) = ln(x),
Tentukan fungsi aproksimasi linier p
1
(x) dan kuadratik p
2
(x) pada x
0
=1.
Gunakan p
1
(x) dan p
2
(x) untuk menghitung ln(1.5) = ?

Contoh : (Pendekatan Deret Tailor dari suatu Polinomial):

Tentukan deret tailor orde ke 0 s/d 4 fungsi berikut
f(x) = -0,1x
4
- 0,15x
3
0,5x
2
0,25x + 1,2
pada x=0, untuk memprediksi nilai fungsi pada x=1 ( f(x=1) = ? )
Turunan suatu fungsi secara numerik diaproksimasi dengan
menggunakan deret Taylor. Ada 3 aproksimasi yang bisa digunakan:
) (
) ( ) (
) (
1
'
h O
h
x f x f
x f
i i
i
+

=
+
Deferensial Numerik
1. Aproksimasi Beda Terbagi Hingga Maju Pertama (Orde O(h))
) (
) ( ) (
) (
1
'
h O
h
x f x f
x f
i i
i
+

=

) (
2
) ( ) (
) (
2
1 1
'
h O
h
x f x f
x f
i i
i
+

=
+
2. Aproksimasi Beda Terbagi Hingga Mundur Pertama (Orde O(h))

3. Aproksimasi Beda Terbagi Hingga Terpusat Pertama (Orde O(h
2
))

Contoh-1:
Taksirlah turunan pertama fungsi f(x) dibawah ini dengan aproksimasi beda
maju, mundur dan aproksimasi beda terpusat.

f(x) = -0,1x
4
+ 0,15x
3
0,5x
2
0,25x + 1,2

Pada x=0.5, dengan ukuran langkah h=0.5
Hitung juga untuk h=0.25
Contoh-2:
Jarak suatu perjalanan dari kota A ke kota B dinyatakan oleh fungsi D(t)
terhadap t, yang dinyatakan dalam tabel dibawah.




a. Tentukan kecepatan pada t=10, yaitu V(10) turunan numerik Aproksimasi
beda terbagi pusat orde (h
2
).

b. Jika jarak dinyatakan dengan persamaan
D(t) = -70 + 7t + 70 e
(-t/10)

Tentukan kecepatan pada t=10, yaitu V(10)
c. Bandingkan jawab a dan b
t 8 9 10 11 12
D(t) 17.453 21.460 25.752 30.301 35.084