Contoh perbandingan penyelesaian problem

dengan eksak dan Analisa numerik

Model matematika

Contoh :
Seorang bungee jumping dengan berat 68,1 kg
melompat dari pinggir jurang yang sangat
dalam. Hitung kecepatan untuk 12 detik
pertama saat dia meloncat. Tentukan juga
kecepatan akhir yang dapat dicapai dengan
panjang tali yang tak terhingga (atau
kemungkinan lain dia bernasib buruk pada saat
itu). Gunakan koefisien gesek sebesar 0,25
kg/m.

Penyelesaian:

Penyelesaian ini
disebut sebagai
penyelesaian secara
analitis (closed-form)

Penyelesaian dengan Analisa

numerik
Finite difference untuk pendekatan kasus bungee
jumping

Penyelesaian dengan Analisa

numerik

Penyelesaian dengan Analisa numerik

Hitung kembali kecepatan bungee jumper dengan
metode analisa numerik (Eulers method) dengan
step size 2 detik.

Materi dan Aplikasi Analisa Numerik

Pendekatan dan
Kesalahan

Error dalam Metode Numerik

Bahasan Error dalam Metode

Numerik
Angka Signifikan (Penting)
Akurasi dan Presisi
Definisi Kesalahan
Kesalahan Pembulatan
Kesalahan Pemotongan
Kesalahan Numerik Total
(Kekeliruan, Kesalahan Formulasi, dan Ketidakpastian
Data)

Toleransi Error dalam Metode

Numerik
Metode Numerik Pendekatan dari solusi analitis yg
pasti
Metode Numerik Melibatkan aproksimasi
Metode Numerik Ada kesalahan/tdk cocok
Pertanyaan:
Sampai berapa besar kesalahan itu dapat ditolerir?

Hubungan Analisa Numerik dengan

error
Setiap Manusia Kesalahan
Kesalahan Biaya, Korban, dll
Kesempurnaan
tujuan yang terpuji
Masalah? (sangat jarang terjadi)
Contoh Kasus: Kecepatan benda jatuh
BAGAIMANA KALAU ADA
Angin? Perubahan tekanan Udara? Dimensi
Benda? Deviasi (Penyimpangan)

Angka Signifikan
Komputasi thd suatu bilangan Bilangan hrs
meyakinkan ?
Konsep angka signifikan keandalan sebuah nilai
numerik
Banyak angka signifikan banyaknya digit tertentu yg
dpt dipakai dengan meyakinkan
Selain angka signifikan, jg ada angka taksiran

Angka Signifikan
Angka 0 (nol) tdk sll pasti mjd angka signifikan, why?
Ketidakpastian kepastian, jk pakai notasi ilmiah
How?
0,000123 mengandung 3 AS (nol bkn merupakan AS)
0,00123 mengandung 3 AS (nol bkn merupakan AS)
12.300 Tidak jelas berapa AS, karena msh di?kan nol itu
berarti atau tidak!
1,23 x 104 mengandung 3 AS (memakai notasi ilmiah)
1,230 x 104 mengandung 4 AS (memakai notasi ilmiah)
1,2300 x 104 mengandung 5 AS (memakai notasi ilmiah)

Angka Signifikan dua makna

angka penting
Angka Signifikan akan
memberikan kriteria
untuk merinci
seberapa keyakinan
kita mengenai hasil
pendekatan dalam
metode numerik

Angka Signifikan
memberikan pengabaian
dari angka signifikan sisa
utk besaran-besaran yang
spesifik yang tidak bisa
dinyatakan secara eksak
krn jumlah digit yang
terbatas (kesalahan
pembulatan/round-offerror)

Akurasi dan Presisi

Presisi

Akurasi

Jumlah angka signifikan yg

menyatakan suatu besaran

Dekatnya sebuah angka pendekatan atau

pengukuran thd harga sebenarnya yagn
hendak dinyatakan

Penyebaran dlm bacaan berulang

dari sebuah alat yg mengukur
suatu perilaku fisik tertentu
Adalah bagaimana dekatnya hasil
individual perhitungan dengan
nilai sebenarnya

Adalah bagaimana dekatnya hasil

perhitungan dengan nilai sebenarnya
INAKURASI (Bias)
Simpangan sistematis dari kebenaran

Kesalahan mewakili dua hal yaitu tidak akurat dan tidak presisi dari
ramalan yang dilakukan

Konsep akurasi dan presisi

(a) tidak akurat dan tidak presisi
(b) akurat tapi tidak presisi
(c) tidak akurat dan presisi
(d) akurat dan presisi

Definisi Kesalahan
Kesalahan Numerik Adanya aproksimasi
Meliputi:
Kesalahan pembulatan (round-off error) ketika angka2
aproksimasi dipakai utk menyatakan angka-angka pasti.
Kesalahan pemotongan (truncation error) saat
aproksimasi digunakan utk menyatakan suatu prosedur
matematika eksak.

Definisi Kesalahan
Sehingga, bisa dihubungkan:
Harga Sebenarnya = pendekatan + Kesalahan
Bisa dikatakan: Kesalahan numerik adalah setara terhadap
ketidakcocokan antara yang sebenarnya dan aproksimasi

Et = Harga sebenarnya aproksimasi

Dimana, Et = harga pasti dari kesalahan; huruf t
dimaksudkan bahwa ia adalah kesalahan sebenarnya

Definisi Kesalahan

Definisi Kesalahan
Kelemahan definisi?
Tidak memperhitungkan tingkat/orde besar dari nilai
yang diperiksa, mis: kesalahan 1 cm akan sangat berarti
pada pengukuran panjang paku dari pada pengukuran
panjang jembatan
Contoh: dalam pengukuruan jembatan yang panjang 10
m dan paku 10 cm. Bila pengukuran didapat 9.999 cm
dan 9 cm maka
True error: Et = 10.000 9.999 = 1 cm dan Et = 10 9 = 1 cm
Relative error: t = (1/10.000 ) x 100% = 0.01% dan t =
(1/10) x 100% = 10%

Bagaimana untuk menutupi

kelemahan di atas??
Metode numerik tertentu memakai pendekatan interasi
utk menghitung jawaban. Suatu aproksimasi skrg dibuat
berdasarkan suatu aproksimasi sblmnya dilakukan
berulang kali atau scr interasi spy dapat menghitung
aprosimasi yg lbh baik & semakin baik.
Dgn demikian, kesalahan sering ditaksir sbg perbedaan
antara aproksimasi sblmnya dgn aproksimasi sekarang,
Sehingga kesalahan relatif persen ditentukan

Bagaimana untuk menutupi

kelemahan di atas??
Alternatif yg selalu dipakai dlm menormalisasi kesalahan dgn
mengunakan taksiran terbaik dari harga yang sebenarnya terhadap
kesalahan aproksimasi itu sendiri, yaitu sbb:

Masalah & Sekaligus tantangan dlm Met-Num

menentukan taksiran kesalahan tanpa pengetahuan mengenai harga yang
sebenarnya

Bagaimana untuk menutupi

kelemahan di atas??
Kalau hubungan (a < s ) dipegang, hasil kita
anggap berada dlm tingkat praspesifikasi yang dapat
diterima s
(Scarborough, 1966) Jk kriteria di atas bs diterima,
maka dapat menjamin bhw hasilnya adalah betul
hingga sekurang-kurangnya n angka signifikan.

s = ( 0,5 x 102-n ) % Buku Chapra,hal 79-81

Kesalahan Pembulatan (round-off

error)
Berasal dari kenyataan bhw komputer hy menyimpan sejumlah
tertentu angka signifikan selama kalkulasi
Misalnya:
Bila ia menyimpan 7 angka signifikan maka sebagai = 3,141592,
dgn mengabaikan suku2 yg dikalikan dlm kesalahan pembulatan:
Et = 0,00000065
Kelemahan pembulatan di atas ia mengabaikan suku-suku
sisa dalam menyatakan desimal lengkap.
Jika dibulatkan
= 3,141593 karena angka ke-8 adalah 6, maka
kesalahan pembulatan berkurang menjadi:
Et = 0,00000035

Kesalahan Pembulatan (round-off

error)
Untuk membulatkan bilangan sesuai dengan aturan
pembulatan dari syarat di atas Menambah biaya
komputasi & akibatnya beberapa mesin memakai
chopping (mengambil suku2 sisa dalam menyatakan
desimal lengkap) sederhana.
Pendekatan ini bs diterima dengan asumsi bhw jumlah
angka signifikan pd kebanyakan komputer cukup besar,
hingga kesalahan pembulatan berdasarkan
permotongan biasanya diabaikan.
Aturan pembulatan Lihat buku Chapra, hal 85-87

Kesalahan Pemotongan (truncation

error)
Adalah kesalahan yg dihasilkan dari penggunaan suatu
aproksimasi pengganti prosedur matematika eksak
suatu kesalahan pemotongan dimskan ke dlm solusi
numerik karena kesamaan diferensial hanya melakukan
aproksimasi harga turunan sebenarnya.
Agar memperkuat pengertian thd perilaku kesalahan
semacam ini, sekarang kita kembalipada suatu rumus
matematika yg secara luas telah digunakan dalam
metode numerik untuk menyatakan fungsi2 dalam
suatu bentuk pendekatan yaitu Deret taylor

Deret Taylor
(Zero order)
(1st order)
(2nd order)

h = Xi+1 - Xi

Error dalam pendekatan deret taylor

Kesalahan Numerik Total

Kekeliruan
Kesalahan Formulasi
Ketidakpastian Data

Akar - akar persamaan

Kuliah ke - 3

Penyelesaian eksak

Untuk persamaan atau fungsi tertentu kita

bisa menggunakan rumus abc untuk mencari
akar persamaan diatas

Penyelesaian numerik untuk

menentukan akar-akar persamaan
Metode tertutup (Bracketing method)
Grafik
Bagi dua
Posisi salah (Regula falsi)

Metode terbuka (open method)

Metode Iterasi Satu Titik
Metode Newton-Raphson
Metode Secant

Metode grafik

Metode grafik
Membuat grafik fungsi dan mengamati di
mana grafik tersebut memotong sumbu x

Dengan bantuan MATLAB

Hasil komputasi dengan Matlab

Akar persamaan hasil
perpotongan kurva dengan sumbu
x

Kelebihan dan kekurangan metode

grafik
Kelebihan
Dapat dimanfaatkan untuk memperoleh taksiran akar-akar
secara kasar
Sebagai tebakan awal untuk metode numerik
Interpretasi grafik untuk memahami sifat-sifat fungsi
Memperkirakan jebakan pada metode numerik

Kekurangan
Nilai praktis yang terbatas
Tidak presisi

Metode Bagi Dua

(Binary chopping, interval halfing, atau
metode Bolzano)

Langkah langkah metode bagi dua

Langkah 1

Pilih xl dan xu
f(xl)(f(xu)<0

Langkah 2

xr=(xl + xu)/2

f(xl)(f(xr)<0xu=xr

Langkah 3

f(xl)(f(xr)>0xl=xr
f(xl)(f(xr)=0xr

Contoh metode bagi dua

Iterasi pertama
Interval awal xl=50 dan xu=200

Taksiran awal akar terletak ditengah

interval tersebut

 Iterasi kedua

Iterasi ketiga

Kriteria terminasi dan taksiran

kesalahan
Kesalahan relatif aproksimasi
x rbaru x rlama
a
100%
baru
xr

Harga absolut tanpa memperhatikan tanda

Penghitungan dihentikan jika

a s

Kriteria terminasi dan taksiran

kesalahan

Skema proses metode bagi dua

Matlab script
untuk bagi dua

Kelebihan dan kekurangan metode

bagi dua
Kelebihan
Lebih mudah dipahami

Kekurangan
Tidak efisien
Tidak ada perhitungan nilai f(xl) dan f(xu)

Metode posisi salah

(False position)

Konsep metode posisi salah

Penggabungan titik-titik
f(x) dengan garis lurus
Perpotongan garis
dengan sumbu x
merupakan taksiran
dari akar
Penempatan posisi
yang salah dari akarakar

Konsep metode posisi salah

Metode segitiga untuk menurunkan
persamaan akar-akar yang ditaksir

f xl
f xu

xr xl xu xr

f xu xl xu
x r xu
f xl f xu

 Iterasi pertama
Rule yang digunakan sama dengan bisection

 Iterasi kedua

Contoh soal

 Tentukan akar dari f(x) = x2 - 3 dengan metode:

Eksak (abc formula)
Metode Numerik dengan menggunakan nilai x antara xl = 1
dan xu = 2
Grafik
Bagi dua sampai f(x) 0.01
Posisi salah (False position) sampai f(x) 0.01

Metode Grafik

Metode grafik
x

1
0.61

0.5

f(x)
1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2

1.5

0.24

-2
-1.79
-1.56
-1.31
-1.04
-0.75
-0.44
-0.11
0.24
0.61
1

0
1

1.1

1.2

1.3

1.4

1.5

1.6

-0.44

f(x) -0.5
-0.75
-1

-1.04
-1.31

-1.5

-1.56
-1.79

-2 -2
-2.5

1.7-0.11
1.8

1.9

Bagidua (Bisection)
iterasi xl

xu

f(xl) f(xu) xr

f(xr)

1
2
3

1
1.5
1.5

2
2
1.75

-2
-0.75
-0.75

1
1
0.063

1.5
1.75
1.625

-0.75
0.0625
-0.359375

1.625

1.75

-0.36

0.063

1.6875

-0.15234375

1.688

1.75

-0.15

0.063

1.71875

-0.045898438

1.719

1.75

-0.05

0.063

1.734375

0.008057

Posisi salah
iterasi

xl

xu xl-xu f(xl) f(xu)

-1

-2

f(xl) f(xu)

xr

f(xr)

-3 1.666667 -0.22222

1.667

2 -0.33 -0.22

1 -1.2222222 1.727273 0.01653

1.727

2 -0.27 -0.02

1 -1.0165289 1.731707 -0.00119

Hasil terdekat adalah x = 1.7273 , f(x) = -0.01653

Akar- akar persamaan

dengan metode open
method

Perbedaan bracketing method dan

open method
a) skema pada
barcketing method
(metode bagi dua)
1
b dan c) skema pada
salah satu open
method (metode
Newton-Raphson)

Jenis jenis Metode terbuka

Metode Iterasi Satu Titik
Metode Newton-Raphson
Metode Secant

Iterasi satu titik

Iterasi satu titik

Metode iterasi sederhana adalah metode yang memisahkan
x dengan sebagian x yang lain sehingga diperoleh : x =
g(x). Atau menyusun kembali f(x) = 0 sehingga x = g(x)
dikenal juga sebagai metode x = g(x)
Bentuk iterasi satu titik ini dapat dituliskan dalam bentuk
x(n+1)=g(xn)
Dimana n=0,1,2,3,....

Iterasi satu titik

Contoh dengan manipulasi aljabar atau dengan
menambahkan x pada kedua ruas persamaan
x 2 2x 3 0
sin x 0

x2 3
x
2
x sin x x

xi 1 xi
a
100%
xi 1

xi 1 g ( xi )

Contoh
Dengan perkiraan awal nol

Konsep konvergen & divergen dari

iterasi 1 titik
Catatan:
(a) dan (b) konvergen
sedangkan (c) dan (d)
divergen
Konvergen jika |g(x)| < 1
(a) dan (c) dinamakan pola
monoton sedangkan (b) dan
(d) dinamakan pola spiral

Syarat konvergen
Jika |g(x)| < 1
Kemiringan slop lebih kecil dari kemiringan garis g(x) <
f(x)
Error relative setiap iterasi sebanding/lebih kecil dari
error iterasi sebelumnya

Newton Raphson

Metode Newton-Raphson
Sebuah garis singgung yang ditarik dari
titik [xi,f(xi)], dimana xi adalah terkaan
awal akar
Paling banyak digunakan
Turunan pertama dari x =
slope

f ( x) 0
f ' ( xi )
xi xi 1

xi 1

f ( xi )
xi
f ' ( xi )

Contoh soal
x
Turunan pertama dari
f ( x) e x
dengan terkaan awal x0=0

f ' ( x ) e
xi 1

e xi xi
xi
e xi 1

Jebakan pada metode

Newton-Raphson

f x x 1
10

iterasi, i

xi

0,5

51,65

46,485

41,8365

37,65285

33,88757

Metode Newton-Raphson
Kelebihan
Konvergensi data yang cepat

Kekurangan
Kesukaran di dalam hal penurunan fungsi tertentu yang cukup
komplex (f(x))
Tidak efisien untuk kasus akar ganda, Jika fungsi f(x) mempunyai
beberapa akar (titik) penyelesaian, akar-akar penyelesaian tersebut
tidak dapat dicari secara bersamaan.
Tidak dapat mencari akar kompleks (imajiner).
Tidak bisa mencari akar persamaan yang tidak memenuhi
persyaratan persamaannya, meskipun ada akar penyelesaiannya.

Secant

Metode Secant (metode Busur)

Turunan didekati dengan beda hingga terbagi
(penyempurnaan dari kekurangan Newton Raphson)
f ( xi 1 ) f ( xi )
f ' ( xi )
xi 1 xi
xi 1

f ( xi )( xi 1 xi )
xi
f ( xi 1 ) f ( xi )

Perbedaan secant dengan false

position
False Position
Nilai awal digantikan
taksiran baru sehingga
taksiran selalu mengurung
akar
Proses lambat
Tidak mungkin divergen

Secant

Menggantikan sesuai dengan urutan mis: Xi+1 menggantikan Xi

dan Xi menggantikan Xi-1 . Sehingga ada kemungkinan berada di
bagian yg sama f(x)= (-) atau f(x) = (+)

Proses cepat

Kemungkinan bisa divergen

Contoh soal
Taksiran awal x-1 = 0 dan x0 = 1

f ( x) e x x

Polinomial untuk akar

Ganda
Akar-akar kelipatan ganjil
akan memotong sumbu x

f ( x ) ( x 3)( x 1)( x 1)
f ( x) x 3 5 x 2 7 x 3

Modifikasi Metode Newton-Raphson

untuk akar ganda
Ralston dan Rabinowitz (1978)
u ( x)

xi 1

f ( x)
f ' ( x)

u ( xi )
xi
u ' ( xi )

u ' ( x)

f ' ( x) f ' ( x) f ( x) f " ( x)

xi 1 xi

f ' ( x ) 2

f ( xi ) f ' ( xi )

f ' ( xi ) 2 f ( xi ) f " ( xi )

Contoh soal
f ( x) x 5 x 7 x 3
3

Taksiran awal x0= 0,

Metode baku

xi 1 xi

xi 5 xi 7 xi 3
2

3 xi 10 xi 7

Metode modifikasi
3

xi 1 xi

( xi 5 xi 7 xi 3)(3 xi 10 xi 7)
2

(3xi 10 xi 7) 2 ( xi 5 xi 7 xi 3)(6 xi 10)

Soal (di kelas)

Dapatkan akar dari persamaan berikut:
f(x) = x3 - 3x - 20
dengan metode terbuka:
1. Metode iterasi 1 titik (terkaan awal x = 1)
2. Metode Newton Raphson (terkaan awal x = 5)
3. Metode Secant (terkaan awal x0 = 5 dan x1 = 7)

Persamaan dapat dibuat dalam

beberapa bentuk

Hasil dari iterasi persamaan

Hasil dari iterasi persamaan

Hasil dari iterasi persamaan

Hasil dari iterasi persamaan

Kesimpulan dari iterasi 1 titik pada

contoh soal
Dari hasil di atas nampaknya persamaan 2 dan 3
memberikan hasil yang tidak konvergen.
Persamaan 4, seperti halnya persamaan 1, mampu
memberikan nilai akar yang kita cari.

Dengan metode Newton Raphson

Persamaan f(x) = x3 - 3x - 20

Dengan perkiraan awal xo = 5

Maka: f(5) =90 dan f'(5)=72
Sehingga Xi+1=5-(90/72)=3.75

Iterasi

xi

xi+1

f(xi)

f(xi)

f(xi+1)

Dengan metode Secant

Persamaan f(x) = x3 - 3x - 20

Dengan perkiraan awal

xi-1 = 5 f(5) =90 dan
X0 = 7 f(7) =
Maka : xi+1 =

Aljabar Linear

Sistem yang terdiri dari beberapa

persamaan/fungsi
Sistem linear dan nonlinear
f1(x1, x2,, xn)=0
f2(x1, x2,, xn)=0
. . .
. . .
. . .
fn(x1, x2,, xn)=0

Sistem linear
a11x1 + a12x2 + +
a1nxn = b1
a21x1 + a22x2 + +
a2nxn = b2
. .
.
. .
.
. .
.
an1x1 + an2x2 + +
annxn = bn

Persamaan aljabar linear dan Matriks-nya

Persamaan diatas jika diturunkan

menjadi:

Penyelesaian dengan Matlab

Notasi matrik

Notasi matrik
Notasi matrik dinyatakan dengan m = baris dan n =
kolom, misalny a23 terletak pada baris 2 dan kolom 3
Matrik dg
dimensi baris,
m=1
Matrik dengan
dimensi
kolom , n = 1

Jenis matrik bujur sangkar

Matrik simetri

Matrik triangular bawah

Matrik diagonal

Matrik identitas

Matrik pita (Banded matrix)

Matrik triangular atas

Operasi perkalian matrik

Perkalian matrik dengan bilangan

Perkalian matrik

Matrik

Inversi untuk
matrik 2 x 2

Matrik transposisi

Pemindahan baris ke dalam kolomnya serta kolom ke dalam barisnya

 Matrik diperluas
(augmented matrix)

Matrik 3 x 3

Bermanfaat ketika kita harus melakukan

sekumpulan operasi yg identik pada kedua matrik

Matrik 3 x 6

Penyelesaian persamaan
aljabar linear

Penyelesaian persamaan aljabar

linear berjumlah sedikit
Metode grafik
Determinan dan aturan cramer
Eliminasi yang tidak diketahui

Penyelesaian persamaan aljabar

linear berjumlah banyak
Eliminasi gauss naif
Gauss Jordan
Gauss Seidel

Metode grafik
Contoh

Perpotongan garis pada x1 = 4 dan x2 = 3

Determinan atau aturan cramer

Matrik koefisien determinan

Dimana [A] adalah matrik koefisien

Sedangkan determinan adalah suatu bilangan tunggal

Untuk orde 2

Untuk orde 3

minor

c1
c2
c3

Contoh

Eliminasi yang tidak diketahui

Persamaan 1 dikalikan dengan a21
dan persamaan 2 dikalikan a11

Suku x1
dieliminasi

Contoh
Penyelesaian dari persamaan berikut:
Sama dengan penyelesaian grafis

x2 =
3
x1 =
4

Eliminasi gauss naif

Langkah-langkah di dalam
penyelesaian aljabar linear
dengan metode gauss-naif
elimination:
persamaan-persamaan
dimanipulasi untuk
mengeliminasi salah satu
variabel
hasil dari eliminasi
dimasukkan kembali ke
dalam persamaan
semula

Sistem linear
a11x1 + a12x2 + +
a1nxn = b1
a21x1 + a22x2 + +
a2nxn = b2
. .
.
. .
.
. .
.
an1x1 + an2x2 + +
annxn = bn

Contoh soal:Gunakan metode eliminasi gauss naif:

Langkah I :
Untuk mengeliminasi x1, maka mengalikan

persamaan pertama dengan 0,1/3 dan

selanjutnya digunakan untuk mengurangi
persamaan kedua dengan persamaan
pertama
Langkah II :
Mengalikan persamaan pertama dengan
0,3/3 dan selanjutnya digunakan untuk
mengurangi persamaan ketiga
Selanjutnya untuk mengeliminasi x2
persamaan kedua dikali dengan
-0,19000/7,00333 untuk kemudian
digunakan untuk mengurangi persamaan
ketiga

Hasil dari forward elimination

Akhirnya diperoleh x3 yang di

subtitusikan ke persamaan kedua untuk

mendapatkan x2 dan terakhir untuk x1

Mengapa dikatakan Naif?

Pada suatu saat akan terjadi persamaan
pertama dibagi dengan nol
Elemen a11 =
0

Solusi Diselesaikan dengan pivoting

(pemutaran) namun juga tidak hanya karena
dengan nol tapi jika pembagi sangat kecil
maka akan besar kemungkinan error
pembulatan

Dekomposisi Lower upper

Algoritma

Dekomposisi Lower upper

Soal
Selesaikan persamaan berikut dengan metode
determinan dan eliminasi gauss
1,7X1 +2,3X2 1,5X3 = 2,35
1.1X1 + 1.6X2 1.9X3 = -0.94
2.7X1 2.2X2 + 1.5X3 = 2.70