METODE NUMERIK
1.1 Mengapa Menggunakan Metode Numerik
Tidak semua permasalahan matematis atau perhitungan dapat diselesaikan
dengan mudah atau dapat diselesaikan dengan menggunakan perhitungan biasa.
Contohnya dalam persoalan yang melibatkan model matematika yang sering
muncul dalam berbagai disiplin ilmu pengetahuan, bidang fisika, kimia, ekonomi,
atau pada persoalan rekayasa. Seringkali model matematika tersebut muncul
dalam bentuk yang tidak idealis atau rumit. Model matematika yang rumit ini
adakalanya tidak dapat diselesaikan dengan metode analitik yang sudah umum
untuk mendapatkan solusinya. Sebagai contoh, perhatikan sekumpulan persoalan
matematik berikut dan bagaimana cara menyelesaikannya?
a. Tentukan akar akar persamaan polinom
23.4 x 7 1.25 x 6 120 x 4 15 x 3 120 x 2 x 100 0
b. Tentukan harga x yang memenuhi persamaan
1
(120 x 2 2 x )
27.8e 5 x cos 1
x
17 x 65
c. Hitung integral
1
sin x
0 x dx
Contoh contoh diatas memperlihatkan bahwa kebanyakan
persoalanmatematik tidak dapat diselesaikan dengan metode analitik. Metode
analitik disebut juga metode sejati karena memberi solusi sejati atau solusi yang
sesungguhnya, yaitu solusi yang memiliki galat ( error ) sama dengan nol.
Metode analitik seringkali hanya unggul untuk sejumlah persoalan yang
memiliki tafsiran geometri sederhana, padahal persoalan yang mincul dalam
dunia nyata sering melibatkan bentuk dan proses yang rumit. Akibatnya nilai
praktis penyelesaian metode analitik menjadi terbatas.
Bila metode analitik tidak dapat lagi diterapkan, maka solusi persoalan
sebenarnya dapat dicari dengan metode numerik. Metode numerik adalah
teknik yang digunakan untuk memformulasikan persoalan matematik sehingga
dapat dipecahkan dengan operasi perhitungan / aritmatik biasa ( tambah, kurang,
kali dan bagi ). Secara harafiah metode numerik memiliki arti sebagai cara
berhitung dengan menggunakan angka angka. Metode numerik yang berangkat
dari pemakaian alat bantu hitung merupakan alternatif yang baik dalam
menyelesaikan persoalan persoalan perhitungan yang rumit, saat inipun telah
banyak yang menawarkan program program numerik sebagai alat bantu
perhitungan.
Dalam penerapan matematis untuk menyelesaikan persoalan persoalan
perhitungan dan analisis, terdapat beberapa keadaan dan metode yang baik :
Bila persoalan merupakan persoalan yang sederhana atau terdapat theorem
analisa matematika yang dapat digunakan untuk menyelesaiakan persoalan
tersebut, maka penyelesaian matematis ( metode analitik ) yang digunakan
adalah ppenyelesaian excat yang harus digunakan. Penyelesaian ini menjadi
acuan bagi pemakaian metode pendekatan.
Bila persoalan sudah sangat sullit atau tidak mungkin diselesaiakan secara
matematis ( analitik ) karena tidak ada theorema analisa matematika yang
dapat digunakan , maka dapat digunakan metode numerik.
Bila persoalan sudah merupakan persoalan yang mempunyai kompleksitas
tinggi, sehingga metode numerikpun tidak dapat menyajikan penyelesaian
dengan baik, maka dapat digunkana metode-metode simulasi.
1.2 Prinsip prinsip Metode numerik
Metode numerik berangkat dari pemikiran bahwa permasalahan dapat
diselesaikan menggunakan pendekatan pendekatan yang dapat
Metode Analitik
1.
solusi pendekatan
4. Pemrograman
5. Operasional
6. Evaluasi
BAB II
MODEL MATEMATIKA
Model matematika secara luas dapat didefinisikan sebagai perumusan atau persamaan
yang mengekspresikan feature pokok dari sistem atau proses fisis dalam istilah
matematis. Dalam penalaran yang sangat umum , model matematis dapat dinyatakan
sebagai suatu hubungan fungsional yang berbentuk
Peubah tak bebas = f ( peubah bebas, parameter, fungsi
pemaksa ) ..................................( 2. 1 )
peubah tak bebas : suatu karakteristik yang biasanya mencerminkan keadaan
Ekspresi matematis yang sebenarnya dari persamaan 2. 1 dapat berkisar dari suatu
hubungan aljabar sederhana sampai himpunan persamaan diferensial besar yang
rumit. Sebagai contohnya perhatikan model matematis dari hukum kedua Newton
dalam persamaan
F = m.a
..................................................................................................................................( 2.
2)
Persamaan 2.2 mempunyai sejumlah ciri yang khas dari model matematis di dunia
fisik
1. persamaan tersebut menggambarkan suatu proses atau sistem biasa dalam
istilah istilah matematis.
2. Persamaan tersebut menyatakan suatu idealisasi dan penyedderhanaan dari
keadaan yang sebenarnya. Yakni rincian yang sederhana dari proses almiah
diabaikan dan perhatian dipusatkan pada manifestasi yang penting.
3. Persamaan tersebut memberikan hasil yang dapat direproduksi, sehingga
dapat dipakai untuk tujuan peramalan.
Contoh 2.1
Pernyataan masalah : seorang penerjun payung dengan massa 68.100 gram melompat
keluar dari pesawat. Gunakan persamaan v(t )
gm
1 e ( c / m ) t untuk menghitung
c
gm
1 e ( c / m )t
c
Menghasilkan :
980(68.100)
v (t )
[1 e (12.500 / 68.100 ) t ]
12.500
v(t )
t1 det
0
2
4
6
10
v1 cm/det
0,00
1640,00
2777,00
3564,00
4487,00
5339,00
gm
1 e ( c / m ) t disebut penyelesaian analitis atau eksak.
c
Sayang sekali terdapat banyak model matematika yang tidak dapat diselesaikan
secara eksak. Dalam kebanyakan kasus kasus seperti itulah alternatifnya adalah
mengembangkan suatu penyelesaian numerik yang menghampiri
( mengakprosimasi ) penyelesaian yang eksak.
Penyelesaian Numerik
Pernyataan masalah : lakukan komputasi yang sama seperti contoh di atas namun
gunakan persamaan v(t )
gm
1 e ( c / m ) t untuk menghitung kecepatan dengan
c
gm
1 e ( c / m ) t dapat digunakan untuk menaksir
c
12,5
(0)]2 19,60 m/det
68,1
Untuk selang (interval) berikutnya dari (t=2 sampai 4 detik ), komputasi diulang
dengan hasil
v 19,6 [9,8
12,5
(19,60)]2 32,00 m/det
68,1
Komputasi dilanjutkan dengan cara sama untuk memperoleh nilai nilai tambahan
t1 det
0
2
4
6
10
v1 m/det
0,00
19,60
32,00
39,85
47,97
53,39
GAMBAR
Hasil- hasilnya dilukiskan dalam Gambar 2.1 bersamaan
dengan2.1
penyelesaian eksak.
Dapat dilihat bahwa secara cermat metode numerik mencakup segi segi utama dari
penyelesaian eksak. Tetapi karena digunakan ruas ruas garis lururs untuk
mengaproksimasi suatu fungsi melengkung yang kontinu maka terdapat
ketidakcocokan antara kedua hasil tersebut. Satu cara untuk meminimumkan
ketidakcocokan yang demikian adalah dengan menggunakan selang komputasi yang
lebih kecil. Misalnya dengan menerapkan pada masalah penerjun payung diatas
dengan selang 1 detik akan menghasilkan galat yang lebih kecil, karena lintasan ruasruas garis lurus lebih dekat ke penyelesaian sebenarnya.
BAB III
APROKSIMASI DAN GALAT
3.1 Kekeliruan , Kesalahan perumusan dan Ketidakpastian Data
Walau sumber kesalahan di bawah ini secara langsung tak dihubungkan dalam
metode numerik, dampak dari kesalahan ini cukup besar.
Kekeliruan.
Kesalahan bruto/kekeliruan.
Tahun awal penggunaan komputer, komputer sering kali gagal pakai
(malfunction).
Sekarang kekeliruan ini dihubungkan dengan ketidaksempurnaan manusianya.
Kekeliruan
pemodelan
matematika
dapat
dan
terjadi
pada
sembarang
langkah
proses
Kesalahan-kesalahan
pengukuran
dapat
dikuantifikasikan
dengan
aa
disebut Galat. Jika tanda Galat ( positif atau negatif ) tidak dipertimbangkan ,
maka Galat mutlak
aa
Ukuran galat
x100%
a
Karena galat dinormalkan terhadap nilai sejati, maka galat relatif tersebut dinamakan
juga relatif sejati. Dalam praktek ketika kita tidak mengetahui nilai sejati a, karena itu
galat
RA
Salah satu tantangan metode numerik adalah menentukan taksiran galat tanpa
mengetahui nilai sejatinya. Misalnya, metode numerik tertentu memakai pendekatan
secara iterasi untuk menhitung jawaban. Dalam pendekatan yang demikian, suatu
aproksimasi sekarang dibuat berdasarkan aproksimasi sebelumnya. Proses ini
dilakukan secara berulang , atau secara iterasi dengan maksud secara beruntun
menghitung aproksimasi yang lebih dan lebih baik. Jadi, persen galat relatif :
a
hampiran sebagai perbaikan atas nilai tebakan awal sampai diperoleh nilai
hampiran yang diinginkan.
Soal 3.2 : Gunakan tebakan awal x0 1 untuk menghitung
xi 1
( x1 2 / xi )
untuk i 0,1,2,...
2
BAB 4
METODE PENGURUNG (BRACKETING METHOD)
Salah satu masalah yang sering terjadi pada bidang ilmiah adalah masalah untuk
mencari akar-akar persamaan berbentuk f(x) = 0 .(1)
Fungsi f di sini adalah fungsi atau persamaan tak linear. Nilai x = x 0 yang memenuhi
(1) disebut akar persamaan fungsi tersebut. Sehingga x 0 di sini menggambarkan
fungsi tersebut memotong sumbu-x di x = x0.
b b 2 4ac
2a
Untuk polinomial derajat tiga atau empat, rumus-rumus yang ada sangat kompleks
dan jarang digunakan. Sedangkan untuk menyelesaikan polinomial dengan derajat
yang lebih tinggi atau persamaan tak linear selain polinomial, tidak ada rumus yang
dapat digunakan untuk menyelesaikannya. Metode Numerik memberikan cara-cara
untuk menyelesaikan bentuk tersebut, yaitu metode hampiran. Penyelesaian numerik
dilakukan dengan hampiran yang berurutan (metode iterasi), sedemikian sehingga
setiap hasil adalah lebih teliti dari perkiraan sebelumnya. Dengan melakukan
sejumlah prosedur iterasi yang dianggap cukup, akhirnya didapat hasil perkiraan yang
mendekati hasil eksak (hasil yang benar) dengan toleransi kesalahan yang diijinkan.
f(x)
1,000
0,619
0,4
0,270
0,6
-0,051
Gambar 4.1
Gambar 4.1. Ilustrasi pendekatan grafik untuk memecahkan persamaan
aljabar dan transendental. Grafik f(x) = e -x x terhadap x. Akar sesuai dengan
harga x dimana
f(x) = 0, yaitu titik dimana fungsi memotong sumbu x. Pemeriksaan secara
visual mengenai plot memberikan taksiran kasar 0,57. Harga sebenarnya
adalah 0,56714329
Teknik grafik praktis digunakan, dan dapat memberikan taksiran akar secara
kasar, tapi tidak presisi.
Ia dapat digunakan sebagai tebakan awal dalam metode numerik.
Interpretasi grafik penting untuk memahami sifat-sifat fungsi dan dapat
memperkirakan jebakan pada metode numerik, seperti terlihat pada gambar
4.2 di bawah ini.
Gambar 4.2 memperlihatkan sejumlah cara dimana akar bisa berada
dalam interval yang dijelaskan oleh suatu batas bawah a dan batas atas b.
Gambar
4.2b
memperlihatkan
kasus
dmana
sebuah
akar
tunggal
Gambar 4.2
Gambar 4.2. Ilustrasi sejumlah cara yang umum bahwa sebuah akar bisa
terjadi dalam sebuah interval yang dijelaskan oleh batas bawah a dan batas
atas b. Bagian (a) dan (c) menunjukkan bahwa bila f(a) dan f(b) mempunyai
tanda yang sama, tidak akan ada akar-akar atau akar dalam jumlah genap
pada interval. Bagian (b) dan (d) menunjukkan bahwa bila fungsi mempunyai
tanda yang berbeda pada kedua titik ujung, akan terdapat akar dalam jumlah
ganjil pada interval. Tetapi gambar
berlawanan
tanda
terhadap
sumbu
4.2d,
f(b)
berada di dalam interval. Umumnya jika f(a) dan f(b) mempunyai tanda yang
berbeda akan terdapat akar yang jumlahnya ganjil dalam interval.
Seperti ditunjukkan oleh gambar 4.2 a dan c, jika f(a) dan f(b) mempunyai
tanda yang sama, tidak terdapat akar-akar atau akar yang jumlahnya genap
berada diantara harga-harga itu.
Meskipun generalisasi ini biasanya benar, namun terdapat kasus-kasus
dimana hal itu tak dapat dipegang.
Misalnya akar ganda. Yakni fungsi yang menyinggung sumbu x
(gambar 4.3a) dan fungsi- fungsi diskontinu (gambar 4.3b) bisa menyalahi
prinsip ini.
r 1 maks
1 k n
ak
an
maka semua akar real pn(x) terletak pada interval [-r, r].
Sebuah fungsi berdasarkan jenisnya akan berubah tanda di sekitar suatu
harga akar.
Teknik ini dinamakan metode akoladi (bracketing method), karena
dibutuhkan 2 tebakan awal untuk akar.
Sesuai namanya, tebakan tersebut harus dalam kurung atau berada
pada kedua sisi nilai akar.
4.2.
kedua sisi yang berlawanan dari kedudukan akar. Pada umumnya, kalau
f(x) nyata (real) dan kontinu dalam interval dari xl hingga xu, serta f(xl) dan
f(xu) berlainan tanda, yakni:
f(xl) f(xu) < 0
Maka terdapat sekurang-kurangnya 1 akar nyata diantara xl dan xu.
dengan penempatan sebuah interval dimana fungsi tersebut bertukar tanda.
Lalu penempatan perubahan tanda (tentunya harga akar) ditandai lebih
teliti
dengan
cara membagi
interval
tersebut
menjadi
sejumlah
berubah
xr
xl xu
2
a.
Jika f(xl) f(xr) < 0, akar terletak pada subinterval pertama, maka
xu = xr, dan lanjutkan ke step 2.
b.
Jika f(xl) f(xr) > 0, akar terletak pada subinterval kedua, maka xl
= xr, dan lanjutkan ke step 2.
c.
sendirinya,
taksiran awal akar terletak di tengah interval tersebut:
xr
0 1
0,5
2
0,5 = 0,06714329
0,56714329
x100% 11,8%
0,06714329
0,5 1
0,75
2
0,5 = 0,06714329
x r xu
f ( xu )( xu x1 )
f ( xu ) f ( x1 )
Penjelasan grafik dari metode Regula Falsi. Segitiga serupa yang digunakan
untuk menurunkan rumus buat metode tersebut adalah yang diarsir.
Contoh Metode Regula Falsi.
Gunakan Regula Falsi untuk menentukan akar dari f(x) =
e
-x
f(xl) = 1
xu = 1
f(xu) = -0,63212
xr 1
( 0,63212)(1 0)
0,6127
0,63212 1
0,56714329 0,6127
x100% 8%
0,56714329
Iiterasi ke-2
f(xl) f(xr) = -0,0708
akar pada subinterval I. xr di batas atas berikutnya
xl = 0
f(xl) = 1
xu = 0,6127
f(xu) = -0,0708
( 0,0708)(0,6127 0)
x r 0,6127
0,572179
0,63212 1
t
0,572179 0,6127
x100% 7,8%
0,572179
24
terhadap
akar.
25
Xu
1,3
1,3
1,3
1,1375
1,05625
Xr
0,65
0,975
1,1375
1,05625
1,015625
| t|%
35
2,5
13,8
5,6
1,6
| a|%
Xr
0,09430
0,18176
0,26287
0,33811
0,40788
| t|%
90,6
81,8
73,7
66,2
59,2
| a|%
33,3
14,3
7,7
4,0
48,1
30,9
22,3
17,1
Juga | a| < | t|
Ternyata dengan Regula Falsi, a ternyata meleset. Lebih jelas terlihat dalam
grafik:
26
27
4.4.
Metode Newton-Raphson.
Gmbar 5.2
Metode Newton Rapson adalah metode pendekatan yang menggunakan satu
titik awal, dan mendekatinya dengan memperhatikan kemiringan pada titik
tersebut. Secara geometri metode ini menggunakan garis lurus sebagai
hampiran fungsi pada suatu selang, dengan menggunakan suatu nilai xi
sebagai tebakan awal yang diperoleh dengan melokalisasi akar-akar dari f(x)
terlebih dahulu, metode ini paling banyak digunakan untuk menarik akar-akar
dari persamaan f(x) = 0 dengan asumsi f(x), f(x), f(x) kontinu dekat satu
akar p. akar dari persamaan adalah titik potong garis singgung pada titik (xi,
f(xi))
xi 1 xi
f xi
f ' xi
28
Dimana i = 0,1,2,3,
Syarat f(xi) 0
f(xi) = 0 maka garis singgung sejajar sumbu x
Algoritma Metode Newton Rapson
Masukan: f(x), f(x), x0 (tebakan awal), (criteria penghentian), M
(maksimum iterasi
Keluaran
: akar
Langkah-langkah
Iterasi
Jika f(x0) = 0, proses gagal, stop
xbaru x0
1.
f x0
f ' x0
xbaru x 0
, maka stopdan x(akar) x baru
xbaru
2.
jika
3.
x0 = xbaru
4.
Iterasi: I = i + 1
5.
6.
Ambil N = 2
andaikan bahwa A>0 suatu bil real dan misal x0 > 0
adalah tebakan awal untuk
29
A 0, N genap
l
A0
A R, N ganji
barisan x k k 0
yaitu
A =
Bukti
: A>0
Missal
lim xk
= A
X A
F(x)
x2-A
F(x)
2x
g x x
30
f x
f ' x
A
2x
2 x 2 x 2 A
g x x
2x
x A
g x x
2 2x
x A
g x
2 2x
1
A
g x x
2
x
A
x x
g ( x)
2
g x x
Atau
xk 1 g xk
pk
4.5.
pk 1 A
2
pk 1
, K 1,2,3,...
Metode Secant.
Masalah yang didapat dalam metode Newton-Raphson adalah terkadang
sulit
pendekatan
f ' x
f xn f xn 1
xn xn 1
Menjadi
xi 1 xi yi
f ( xi ) f ( xi xi 1 )
f ( xi ) f ( xi 1 )
31
Gambar 5.3
Teknik ini serupa dengan teknik Newton-Raphson dalam arti bahwa suatu
taksiran akar diramalkan oleh ekstrapolasi sebuah garis singgung dari fungsi
terhadap sumbu x. Tetapi metode Secant lebih menggunakan diferensi
daripada turunan untuk memperkirakan kemiringan/slope
32
4.5.1
saja
mengganti
harga-harga
dalam
deretan
yang
ketat,
dengan
Pada gambar grafik di bawah ini disajikan penggunaan metode Regula Falsi
dan Secant untuk
menaksir akar f(x) = ln x, dimulai dari harga x1 = xi-1 = 0,5 dan
xu = xi = 5,0:
Gambar 5.3.1
Perbandingan metode Regula Falsi dan Secant. Iterasi pertama (a) dan (b)
untuk iterasi kedua metode adalah identik. Tetapi pada iterasi kedua (c) dan
(d), titik yang dipakai berbeda.
34
Gambar 5.3.2
4.6.
Akar Ganda.
Satu akar ganda berhubungan dengan suatu titik dimana sebuah fungsi
menyinggung sumbu x.
Misal akar dobel dihasilkan dari:
f(x) = (x - 3)(x - 1)(x - 1)
atau dengan pengalian suku-suku:
f(x) = x3 - 5x2 + 7x - 3
Persamaan diatas memiliki akar dobel, karena 1 akar x membuat kedua suku
dalam persamaan itu sama dengan nol. Secara grafik, ini sesuai dengan kurva
yang menyentuh sumbu x secara tangensial pada akar dobel. Ini dapat dilihat
35
Gambar 5.4
Gambar 5.4 Contoh akar ganda yang menyinggung sumbu x. Perhatikan
bahwa fungsi tak memotong sumbu pada kedua sisi akar ganda genap (a) dan
(c), sedangkan ia memotong sumbu untuk kasus ganjil (b) ([CHA1998] hal.
159).
Akar tripel untuk kasus dimana satu harga x membuat 3 suku dalam suatu
persamaan menjadi nol, misal:
f(x) = (x 3)(x 1)(x 1)(x 1)
atau dengan pengalian suku-suku:
36
di
bagian
penyebut
pada
rumusnya,
terjadi
[RAL1978]).
Soal A.
1.Tentukan batas selang akar dari :
P( x) x 2 x 2
P( x) x 3 x 3
P( x) x x
P( x) x 4 2 x3 5 x 2 4 x 3
37
f ( x) 0 jika f ( x ) x 1 / 3
Mengapa?
6. Gunakan metode Newton-Raphson untuk menghitung ( 47)1 / 4 sampai enam
angka bena.
7. Misalkan f ( x) cos x .
38
f (c )
9.8(68.1)
(1 e ( c / 68.1) / 10 ) 40
c
Secara grafis
1 0.61x
secara analitis, grafis dan
x
memakai tiga iterasi dari metode Regua Falsi, dengan tebakan awal 1.5 dan 2.
14. Tentukan akar akar persamaan e x x dengan metode Newton Raphson (
x0 0 ) dan metode Secant ( x 1 0 dan x 0 1,0 )
15. Tentukan akar akar riil berikut dengan metode Newton raphson
39
1 0.61x
dengan menggunakan tiga iterasi
x
metode Secant dan tebakan awal xi 1 1.5 dan x1 2.0 hitung hampiran
galat setelah iterasi yang kedua dan ketiga
17. Tentukan akar riil dari f ( x ) 5.9 11x 6 x 2 x 3
Secara grafis
Secara grafis
Soal.B
1.Dari metode metode yang telah ada , temukanlah metode mana yang lebih
cepat atau efisien dalam mendapatkan akar akar persamaan .
40
2.
3. Temukan kasus / masalah dalam bidang ilmu tertentu yang dapat diselesaikan
dengan metode metode dalam menentukan akar akar persamaan diatas.
41
BAB IV
SISTEM PERSAMAAN LINIER
Bentuk Umum :
a11 x1 a12 x 2 ... a1n x n b1
a 21 x1 a 22 x 2 ... a 2 n x n b2
.
.
a m1 x1 a m 2 x 2 ... a mn x n bm
Bentuk Matriks
a11
a
21
.
a12
a 22
.
a m1
x1
x
2 =
.
. a mn x m
.
.
.
a1n
a 2 n
.
b1
b2
.
bm
42
a11
a
21
a1n
a 2 n
a12
a 22
.
.
a m1
. a mn
1
l
21
l m1
0
.
1
u11
0
u12
u 22
. u1n
. u 2 n
.
.
. u mn
A LU
misalnya y Ux
1
l
21
l m1
0
.
1
y1
b1
y 2 b2
=
. .
y m bm
u 22
.
u11
0
u12
u1n
. u 2 n
.
.
. u mn
.
x1
y1
x 2 y 2
=
. .
xm y m
43
a11
a
21
.
.
a m1
a12
a 22
a1n
a 2 n
1
0
=
. .
a mn 0
1
.
.
.
.
.
0 a11
0 a 21
. .
1 a
m1
a1n
a 2 n
a12
a 22
.
.
. a mn
u11
l u
21 11
l31u13
u12
l 21u12 u 22
l31u12 l32 u 22
u13
a11
a
l 21u13 u 23
21
l 31u13 l 32 u 23 u 33 a31
u11 a11
l 21u11 a 21
u12 a12
l 21
u13 a13
a 21
u11
Dst.......
44
a12
a 22
a32
a13
a 23
a33
Iterasi Jacobi
x1
k 1
x2
k 1
xn
k 1
b1 a12 x 2
(k )
(k )
b2 a 21 x1
(k )
(k )
... a1n x n
a11
... a 2 n x n
a 22
bm a m1 x1
(k )
... a mn 1 x n 1
a mn
(k )
Iterasi Seidel
x1
k 1
x2
k 1
xn
k 1
b1 a12 x 2
(k )
b2 a 21 x1
... a1n x n
a11
( k 1)
(k )
... a1n x n
(k )
a 22
bm a m1 x1
( k 1)
... a mn 1 x n1
a mn
(k )
Dengan k = 0, 1, 2, ....
Untuk menghitung kekonvergenan atau berhentinya iterasi digunakan galat
relative
45
xi
( k 1)
xi
xi
(k )
( k 1)
i= 1, 2, 3, ....n
a ij
j 1, j i
i= 1, 2, 3, ... n
ij
Agar iterasi konvergen , cukup dipenuhi syarat ini. Jika dipenuhi pasti konvergen.
Kekonvergenan juga ditentukan oleh pemilihan tebakan awal.
4
4
1
8
Contoh :
3
1
5
4 1 3
8 4 1
5 2 1
Soal A.
1.Selesaikan SPL berikut dengan iterai Jacobi dan Seidel
46
2 x1 8 x 2 x3 1
a.
5 x1 x 2 x3 10
x1 x 2 4 x3 3
( x10 , x 20 , x30 ) (0,0,0)
4x y z 7
4 x 8 y z 21
b. 2 x y 5 z 15
( x 0, y 0, z 0) (1,2,2)
3
4
2
1
5
6
1
B 2
1
1
2
1
1
1
1
c 5
1
5
2
4
4
2
1
8
1
10
8
b
2
Soal B
47
5x 3 y 6
4x 2 y 8
5x 3 y 6
b. 6 x 8 y 4
2 x y 5z 9
c. x 5 y z 14
7 x y 3 z 26
BAB V
INTERPOLASI DAN EKSTRAPOLASI
5.1
Interpolasi
Interpolasi dapat digunakan untuk menghitung prakiraan nilai yang terletak
dalam rentangan titik-titik data, (Chapra, 1990). Bentuk interpolasi yang paling
banyak digunakan adalah interpolasi polinom orde n.
Bentuk umum persamaan polinom orde n adalah sebagai berikut:
48
f ( x) a 0 a1 x a 2 x 2 a3 x 3 ..... a n x n , a n 0 ..................................(11)
Untuk n+1 titik data hanya terdapat satu polinom orde n atau kurang yang
melalui sebuah titik. Misal polinom orde (1) terdapat 2 titik data dengan grafik
garis lurus, dan polinom orde 2 terdapat 3 titik data dengan grafik berbentuk
parabol. Di dalam operasi interpolasi ditentukan suatu persamaan polinom orde
n yang melalui n+1 titik data yang kemudian digunakan untuk menentukan
suatu nilai di antara titik-titik data tersebut.
a.Interpolasi Linier
Interpolasi linier merupakan bentuk interpolasi yang paling sederhana, yang
hanya membutuhkan dua titik data.
f(x1)
f(x)
f(x0)
E
C
A X BX D
X
0
AB
AD
sehingga
49
f 1 ( x) f ( x 0 )
f ( x1 ) f ( x0 )
x x0
x1 x 0
f 1 ( x) f ( x0 )
f 1 ( x)
f ( x1 ) f ( x 0 )
x x0
x1 x 0
f ( x0 )
f ( x1 ) f ( x 0 )
x x0 .......................................(12)
x1 x0
f ( x1 ) f ( x0 )
yaitu gradien garis melalui 2 titik.
x1 x0
Semakin kecil interval atau titik data maka hasil perkiraan semakin baik.
b.Interpolasi kuadrat
Interpolasi kuadrat membutuhkan 3 titik data, dan persamaan polinomnya
ditulis sebagai berikut:
f 2 ( x) b0 b1 ( x x0 ) b2 ( x x0 )( x x1 ) .........................................
(13)
Hitung b0
Dari persamaan (13) dengan mensubtitusi x x0 maka
f ( x 0 ) b0 b1 ( x 0 x 0 ) b2 ( x 0 x 0 )( x 0 x1 )
50
f ( x 0 ) b0 ..................................................................................... (14)
b0
f ( x0 )
Hitung b1
Dengan mensubtitusi persamaan (14) ke persamaan (13) dan subtitusi
b1
o
f ( x1 ) f ( x 0 )
f x1, x 0 .........................................................
x1 x 0
Hitung b2
Substitusi persamaan 14 ke persamaan 15 dan juga subtitusi x=x 2 ke
persamaan
51
52
f ( x2 ) f ( x0 )
f ( x1 ) f ( x 0 )
x 2 x0 b2 ( x 2 x0 )( x 2 x1 )
x1 x 0
b2 ( x 2 x 0 )( x 2 x1 ) f ( x 2 ) f ( x 0 )
f ( x2 ) f ( x0 )
f ( x1 ) f ( x0 )
x 2 x0
x1 x0
f ( x1 ) f ( x 0 )
x 2 x1 x1 x0
x1 x0
f ( x 2 ) f ( x0 )
f ( x1 ) f ( x 0 )
x 2 x1 f x1 f x0
x1 x 0
f ( x 2 ) f ( x1 )
f ( x1 ) f ( x0 )
x 2 x1
x1 x 0
f ( x1 ) f ( x0 )
x 2 x1
x1 x 0
( x 2 x 0 )( x 2 x1 )
f ( x 2 ) f ( x1 )
b2
b2
f ( x2 ) f ( x1 )
( x 2 x1 )
f ( x1 ) f ( x0 )
x1 x0
x2 x 0
f x 2, x1 f x1 , x0
x2 x0
53
.............................................................
f x 2 , x1 , x0 maka
atau b2
f ( x0 ) f x1 , x0 ( x x0 ) f x2 , x1 , x0 ( x x0 )( x x1 )
f 2 ( x)
b0 b1 ( x x0 ) b2 ( x x0 )( x x1 )
f x1 , x0
f x 2 , x 1 , x0
f x 3, x 2 , x 1 , x 0
f ( x1 ) f ( x0 )
x1 x0
f x2, x1 f x1 , x0
x 2 x0
f ( x2 ) f ( x1 )
( x2 x1 )
f ( x1 ) f ( x0 )
x1 x0
( x 2 x0 )
f x3 , x 2 , x1 f x 2 , x1 , x0
x3 x 0
f x3, x2 f x2 , x1 f x2 , x1 , x0
x3 x 0
c. Interpolasi Polinomial
Untuk polinomial orde n digunakan n 1 titik data. Bentuk umum Polinom
orde n adalah
f n ( x) b0 b1 ( x x0 ) b2 ( x x 0 )( x x1 )
....bn ( x x 0 )( x x1 )...( x x n 1 )..................................................17
Koefisien b0 , b1 ,..........., bn di evaluasi dengan menggunakan:
b0 f ( x) ...................................................................................18
b1 f [ x1 , x 0 ] ............................................................................19
b2 f [ x 2 , x1 , x0 ] ........................................................................20
bn f [ x n , x n 1 .....x1 , x 0 ] ............................................................
.21
54
n 3 maka
f 3 ( x ) b0 b1 ( x x 0 )( x x1 ) b3 ( x x 0 )( x x1 )( x x 2 ).......................22
Dengan b0 f ( x 0 )
b1 f [ x1 , x 0 ]
f ( x1 ) f ( x0 )
x1 x0
b2 f [ x 2 , x1 , x 0 ]
f [ x 2 , x1 ] f [ x1 , x 0 ]
x 2 x0
f [ x3 , x 2 , x1 ] f [ x 2 , x1 , x0 ]
x3 x 0
b3 f [ x3 , x 2 , x1 , x0 ]
( f [ x3 , x 2 f [ x 2 , x0 ]) f [ x 2 , x1 , x 0 ]
x3 x0
f [ xi ] f [ x j ]
xi x j
..............................................................................23
f [ xi , x j ] f [ x j , x k ]
xi x k
..............................................................24
f [ xi , x j , x k ] f [ x j , x k , xl ]
xi xl
5
Pembagian beda hingga ke-n
55
...............................................2
f [ x n , x n 1, ...x1 , x 0 ]
f [ x n , x n 1 ,....x1 ] f [ x n 1 ,....x1 , x 0 ]
................................ ...26
xn x0
Bentuk pembagian beda hingga digunakan untuk menghitung koefisien b0,
b1,...,bn kemudian disubstitusikan ke dalam persamaan (17). untuk mendapatkan
interpolasi polinomial ordo n.
fn(x ) =
f ( x 0 ) f [ x1 , x 0 ]( x x 0 ) f [ x 2 , x1 , x 0 ]( x x 0 )( x x1 ) f [ x3 , x 2 , x1 , x0 ]
xi
f ( xi )
x0
1
2
x1
x2
f ( x0 )
f ( x1 )
f ( x2 )
x3
f ( x3 )
f [ x 4 , x3 ]
x4
f ( x4 )
Pertama
Kedua
Ketiga
f [ x1 , x 0 ]
f [ x 2 , x1 , x 0 ]
f [ x 3 , x 2 , x1 , x 0 ]
f [ x 2 , x1 ]
f [ x3 , x 2 , x1 ] f
f [ x 4 , x3 , x 2 , x1 ]
f [ x3 , x 2 ]
f [ x 4 , x3 , x 2 ]
56
IPL orde 1
f 1 ( x ) f ( x 0 ) f [ x1 , x0 ]( x x0 ) ...........................................................27
f 1 [ x1 , x0 ]
f ( x1 ) f ( x0 )
x1 x0
f ( x1 )
f ( x0 )
Atau f x1 , x0
x1 x0 x0 x1
................................................................28
Substitusi 27 ke 28
f1 ( x) f ( x 0 )
x x0
x x0
f ( x1 )
f ( x0 )
x1 x0
x0 x1
x 0 x1
x x0
x x0
f ( x 0 )
f ( x1 )
x1 x 0
x 0 x1 x 0 x1
f 1 ( x 0 )
x x1
x x0
f ( x 0 )
=
x x
x
x
1
0
0
1
f ( x1 ) .......................................................29
f 2 ( x)
x x0 x x2
( x x1 )( x x 2 )
f ( x0 )
f (x )
( x0 x1 )( x0 x 2 )
x1 x0 x1 x2 1
( x x0 )( x x1 )
f ( x 2 ) .....................................................................30
( x 2 x0 )( x 2 x1 )
f 3 ( x)
( x x1 )( x x 2 )( x x3 )
( x x 0 )( x x 2 )( x x3 )
f ( x0 )
( x0 x1 )( x0 x 2 )( x0 x3 )
( x1 x 0 )( x1 x 2 )( x1 x3 )
f ( x1 )
( x x 0 )( x x1 )( x x3 )
( x x 0 )( x x1 )( x x 2 )
f (x2 )
f ( x3 )
( x 2 x 0 )( x 2 x1 )( x 2 x 3 )
( x 3 x 0 )( x 3 x1 )( x 3 x 2 )
57
1971 f ( x0 ) 2295279
x0
x1Bentukumum
1990
( x1 ) n 3268644
IPLf orde
x
1980 f 1( x) ........... ?
n
f n ( x) Li ( x) f ( xi ) .........................................................................3
i 0
f 1( x) f ( x 0 )
f ( x1 ) f ( x 0 )
x x0
x1 x0
n
x xj 3268644 2295279 (1980 1971)
2295279
Li ( x )
1990 1971
j 0 xi x j
2756346
,63
atau 2756,347
selisih
n
n
xi 2737166
2756346x,63
f ( xi )
REf n ( x )
x100
x
i 0 j 0 2737166
i xj
j i 0,7%
x0
1971 f 1971 2295279
x1
2000 f 2000 3808477
2.5.1. Ekstrapolasi
x
1990 f 1 x
........... ?
Ekstrapolasi adalah penaksiran
nilai f(x)
untuk x yang terletak di luar selang
3808477
2295279
f 1 ( x ) 2295279
(1990 1971)
2000 1971
titik data, dan analisis kecendrungan
dari masalah ekstrapolasi diarahkan
3286684,59
dengan menggunakan polinomial interpolasi.
selisih 18040,59
1.3. Interpolasi Polinomial
Newton
3286684,59
- 3268644
RE
x100
3268644
4.2.1.1 Manual
0,5%
x0
1980 f 1980 2737166
Interpolasi
ekstrapolasi
polinomial
orde I
x1
dan
2000
f 2000
3808477
x
1990 f 1 x
........... ?
3808477 2737166
f 1 ( x ) 2737166
(1990 1980)
2000 1980
3272821,5
selisih 4177,5
3272821,5 - 3268644
RE
x100
3268644
0,3%
58
x1
b1
3268644 2737166
10
53147.8
59
Selisih
Gallat
= - 8355
=0,2%
60
f ( x1 ) f ( x0 )
x1 x0
2737166 2295279
1980 1971
49098,5
f ( x2 ) f ( x1 )
x2 x1
f x2 , x1
3268644 2737166
1990 1980
53147,8
f ( x3 ) f ( x2 )
x3 x2
f x3 , x2
3808477 3268644
2000 1990
53983,3
61
f x 2 , x1 , x 0
b2
f x 2 , x1 f x1 , x 0
x 2 x0
53147,8 49098,5
1990 1971
4049,3
19
213,12
F2(x)
Selisih
= 34268,1
RE
= 0,8%
b1 f xOrde
Interpolasi Polinomial
1, x0 3
f ( x1 ) f ( x0 )
x1 x0
xi
1971
1980
1990
2000
1
2
3
f ( xi )
2295279
2737166
f x2 , x1
3268644
3808477
1971
Pertama 1980 Kedua
49098,5
49098,5
213,12
f ( x2 ) f (41,775f
x1 )
53147,8
53983,3 x2 x1
3268644 2737166
1990 1980
53147,8
62
Ketiga
-5.908
b2
f x2 , x1 , x0
f x2 , x1 f x1 , x0
x2 x0
53147,8 49098,5
1990 1971
4049,3
19
213,12
f x3 , x2 , x1
f x3 , x2 f x2 , x1
x3 x1
53983,3 53147,8
2000 1980
41,775
b3 f x3 , x2 , x1 , x0
f x3 , x2 , x1 x2 , x1 , x0
x3 x0
41,775 213,12
2000 1971
5,908
63
F3(x)
F3(x)
Berdasarkan model di atas, maka jumlah penduduk NTT pada tahun 2004
F3(x)
= 4018717,596
4018812,6 4188774
RE
4188774
4%
Maka prediksi terhadap jumlah penduduk NTT tahun 2004 dengan
menggunakan teknik polinomial Newton orde ke- 3 adalah
4.2.2
4018718
4.2.2.1 Manual
Model pertumbuhan penduduk NTT berdasarkan interpolasi polinom
langrange
x0 1971 f 1971 2295279
64
f 2 ( x)
x x0 x x2
( x x1 )( x x 2 )
2295279
2737166
( x 0 x1 )( x0 x 2 )
x1 x0 x1 x 2
( x x 0 )( x x1 )
3268644 ...................................................................
( x 2 x 0 )( x 2 x1 )
..30
Sedangkan model pertumbuhan penduduk NTT berdasarkan
polinom Langrange orde ke III
f 3 ( x)
( x x1 )( x x 2 )( x x3 )
( x x0 )( x x 2 )( x x3 )
2295279
( x0 x1 )( x0 x 2 )( x0 x3 )
( x1 x0 )( x1 x 2 )( x1 x3 )
2737166
( x x 0 )( x x1 )( x x 3 )
( x x 0 )( x x1 )( x x 2 )
3268644
3808477
( x 2 x 0 )( x 2 x1 )( x 2 x 3 )
( x 3 x 0 )( x 3 x1 )( x 3 x 2 )
65
p3 x 2295279
RE
Soal A.
4018809 4188774
4188774
4. 5%
66
1
2
3
5
6
4.75
4
5.25
19.75
36
Hitung f(3.5) dengan memakai polinom polinom interpolasi newton
orde 1 sampai 4. Pilih urutan titik titik untuk taksiran anda untuk mencapai
ketelitian yang bagus.
Soal B.
67
1.
68
69