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)
Pendekatan dan
Kesalahan
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
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
Kesalahan mewakili dua hal yaitu tidak akurat dan tidak presisi dari
ramalan yang dilakukan
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
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%
Deret Taylor
(Zero order)
(1st order)
(2nd order)
h = Xi+1 - Xi
Penyelesaian eksak
Metode grafik
Metode grafik
Membuat grafik fungsi dan mengamati di
mana grafik tersebut memotong sumbu x
Kekurangan
Nilai praktis yang terbatas
Tidak presisi
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
Iterasi pertama
Interval awal xl=50 dan xu=200
Iterasi kedua
Iterasi ketiga
a s
Matlab script
untuk bagi dua
Kekurangan
Tidak efisien
Tidak ada perhitungan nilai f(xl) dan f(xu)
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
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
-1
-2
f(xl) f(xu)
xr
f(xr)
-3 1.666667 -0.22222
1.667
2 -0.33 -0.22
1.727
2 -0.27 -0.02
x2 3
x
2
x sin x x
xi 1 xi
a
100%
xi 1
xi 1 g ( xi )
Contoh
Dengan perkiraan awal nol
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
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
f ( xi )( xi 1 xi )
xi
f ( xi 1 ) f ( xi )
Secant
Proses cepat
Contoh soal
Taksiran awal x-1 = 0 dan x0 = 1
f ( x) e x x
f ( x ) ( x 3)( x 1)( x 1)
f ( x) x 3 5 x 2 7 x 3
xi 1
f ( x)
f ' ( x)
u ( xi )
xi
u ' ( xi )
u ' ( 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
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
Iterasi
xi
xi+1
f(xi)
f(xi)
f(xi+1)
Aljabar Linear
Sistem linear
a11x1 + a12x2 + +
a1nxn = b1
a21x1 + a22x2 + +
a2nxn = b2
. .
.
. .
.
. .
.
an1x1 + an2x2 + +
annxn = bn
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
Matrik simetri
Matrik diagonal
Matrik identitas
Perkalian matrik
Matrik
Inversi untuk
matrik 2 x 2
Matrik transposisi
Matrik diperluas
(augmented matrix)
Matrik 3 x 3
Matrik 3 x 6
Penyelesaian persamaan
aljabar linear
Metode grafik
Contoh
Untuk orde 2
Untuk orde 3
minor
c1
c2
c3
Contoh
Suku x1
dieliminasi
Contoh
Penyelesaian dari persamaan berikut:
Sama dengan penyelesaian grafis
x2 =
3
x1 =
4
Sistem linear
a11x1 + a12x2 + +
a1nxn = b1
a21x1 + a22x2 + +
a2nxn = b2
. .
.
. .
.
. .
.
an1x1 + an2x2 + +
annxn = bn
Algoritma
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