Metoda Numerik

La Design 96: 2028 Kbytes of D:My DocumentsPublikasiMetoda NumerikMetoda Numerik.
doc printed on Saturday 12/02/05

08:24
METODA
NUMERIK
oleh
Ir. Djoko Luknanto, M.Sc.,
Ph.D.
November
2001
Bahan kuliah Metoda

Numerik Jurusan Teknik
Sipil FT UGM Yogyakarta
PRAKATA
Buku berjudul Metoda Numerik ini merupakan bahan kuliah di

Jurusan Teknik Sipil FT UGM. Buku ini tidak menjelaskan secara rinci
teori-teori numerik secara lengkap, namun hanya membahas teori-teori
numerik yang sering digunakan di lapangan. Pembaca yang ingin
mengetahui secara lengkap Metoda Numerik diharapkan mencari dari
acuan-acuan di luar buku ini.
Buku ini lebih merupakan petunjuk praktis bagi mahasiswa S1
maupun praktisi di lapangan. Dalam buku ini prinsip umum teori-teori
numerik dijelaskan secara singkat, kemudian aplikasinya dijelaskan.
Semoga buku kecil ini berguna, kritik membangun sangatlah
diharapkan.
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
Yogyakarta, November
2001
Dosen Jurusan Teknik Sipil FT
UGM

Ph.D.
Penyusu
n

Ph.D.
Jack la
Motta
Metoda Numerik
hal. ii

Ph.D.
Jack la
Motta
DAFTAR ISI
halaman
PRAKATA ..................................................................................
........................................
ii
DAFTAR
ISI.............................................................................................
.........................
iii
DAFTAR
GAMBAR
.................................................................................................
........vi
1.
Error:
Asal
&
Rambatannya............................................................................
........... 7
1.1. Pendahuluan
....................................................................................................... 7
1.2. Bilangan Dalam Komputer
............................................................................. 11
1.2.1.
Underflow and Overflow
................................................................. 12
1.3. Definisi dan Asal error
.................................................................................. 12
1.3.1.
Angka signifikan (significant
digits)............................................... 13
1.3.2.
Asal dari error
.................................................................................. 13
1.4. Rambatan Error
.............................................................................................. 13
1.4.1.
Propagated Error pada
Perkalian.................................................. 14
1.4.2.
Propagated Error pada
Pembagian............................................... 14
1.4.3.
Propagated Error pada Penjumlahan dan Pengurangan
.......... 14
2.
Persamaan
NonLinier........................................................................................
Ph.D.
Jack la
Motta
...... 16
2.1. Metode Bagi Paruh (Bisection)
....................................................................... 16
2.2. Metode Newton
................................................................................................ 17
2.3. Metode Sekan
.................................................................................................... 19
2.4. Akar dari Persamaan Polinomial
................................................................... 20
3.
Teori
Interpolasi
................................................................................................
........ 22
3.1. Metoda Beda Terbagi
Newton........................................................................ 22
3.2. Interpolasi dengan tabel beda hingga
........................................................... 24
3.2.1.
Beda Maju
........................................................................................... 24
3.2.2.
Beda Mundur
..................................................................................... 26
3.3. Lagrange
............................................................................................................
26
3.4. Beberapa fakta penting daribeda
terbagi.................................................... 27
Metoda Numerik
hal. iii

Ph.D.
Jack la
Motta
DAFTAR ISI
Buku
kuliah
4. Integrasi
Numeris.....................................................................................
................. 28
4.1. Rumus trapesium dan Simpson
..................................................................... 28
4.1.1.
Rumus trapesium
terkoreksi............................................................ 30
4.1.2.
Rumus Simpson
................................................................................. 31
4.2. Rumus NewtonCotes
..................................................................................... 33
4.2.1.
Rumus Newton-Cotes Tertutup
...................................................... 34
4.2.2.
Rumus NewtonCotes
terbuka........................................................ 35
4.3. Kuadratur Gaussian
......................................................................................... 36
4.3.1.
Kuadratur GaussLegendre.............................................................. 37
4.4. Polinomial Orthogonal
.................................................................................... 39
4.4.1.
Kuadratur Gauss-Laquerre
.............................................................. 40
4.4.2.
Kuadratur Gauss-Chebysev
............................................................. 42
4.4.3.
Kuadratur GaussHermite................................................................ 42
5. Sistem Persamaan Linier
......................................................................................... 43
5.1. Eliminasi Gauss
................................................................................................ 43
5.2. Eliminasi Gauss
Jordan................................................................................... 45
5.3. Eliminasi GaussJordan dengan pivot
maksimum................................... 46
5.3.1.
Rekonstruksi pembentukan scrambled inverse
........................ 48
5.4. Metoda Iterasi
................................................................................................... 49
5.4.1.
Metoda Jacobi
..................................................................................... 49
5.4.2.
Metoda GaussSeidel......................................................................... 51
6. Matrik
..................................................................................................
........................ 52
Ph.D.
Jack la
Motta
DAFTAR ISI
Buku
6.1. Notasi dan Konsep-konsep Pendahuluan
kuliah
.................................................... 52
6.2. Determinan dan invers
.................................................................................... 55
6.2.1.
Menghitung determinan dengan eleminasi segitiga atas
............ 55
6.3. Matrik dan Vektor Eigen
................................................................................. 57
6.3.1. Metode power untuk mendapatkan nilai & vektor eigen
terbesar. ............................................................................
................... 58
7. Persamaan Differensial Biasa

................................................................................. 61
7.1. Metoda
Euler.....................................................................................................
63
7.2. Metoda Multi
Step......................................................................................... 64
7.2.1.
Metoda Trapesium
............................................................................ 65
7.3. Metoda Runge-Kutta (RK)
.............................................................................. 66
7.3.1.
Metoda RK derajat dua
..................................................................... 66
7.3.2.
Metoda RK berderajat tiga
............................................................... 67
7.3.3.
Metoda RK berderajat empat
........................................................... 68
7.3.3.1.
Metoda Pertama
...................................................................................... 68
7.3.3.2.
Metoda
Kedua.......................................................................................... 68
7.3.3.3.
Metoda
Ketiga.......................................................................................... 68
7.4. Metoda Predictor-Corrector

......................................................................... 69
7.4.1.
Algoritma Predictor-Corrector
....................................................... 70
Metoda Numerik
hal. iv

Ph.D.
Jack la
Motta
DAFTAR ISI
Buku
kuliah
DAFTAR PUSTAKA
..................................................................................................
..... 73

Ph.D.
Jack la
Motta
DAFTAR ISI
Metoda Numerik
hal. v

Ph.D.
Buku
kuliah
Jack la
Motta
DAFTAR GAMBAR
halaman
Gambar 1 Teorema Nilai Antara
...................................................................................... 7
Gambar 2 Teorema Nilai Tengah
..................................................................................... 8
Gambar 3 Nilai Tengah Integral
....................................................................................... 9
Gambar 4 Interpretasi Deret Taylor secara
geometris................................................. 10
Gambar 5 Metoda Bagi Paruh untuk mencari akar
..................................................... 17
Gambar 6 Metoda Newton untuk mencari akar
.......................................................... 18
Gambar 7 Metoda Sekan untuk mencari akar
.............................................................. 19
Gambar 8 Konsep integrasi trapesium

.......................................................................... 28
Gambar 9 Konsep integrasi Simpson
............................................................................. 31
Gambar 10 Fungsi y = w(x) untuk metoda
Simpson.................................................... 32
Gambar 11 Cara pertama pemindahan kolom dengan elemen pivot
....................... 48
Gambar 12 Cara kedua pemindahan kolom dengan elemen
pivot........................... 48
Gambar 13 Cara kedua pemindahan kolom dengan elemen
pivot........................... 49
Gambar 14 Gaya-gaya yang bekerja pada struktur
..................................................... 60
Gambar 15 Penyelesaian dengan Metoda
Euler........................................................... 62

Ph.D.
Jack la
Motta
Metoda Numerik
hal. vi

Ph.D.
Jack la
Motta
Bab
1. ERROR: ASAL & RAMBATANNYA
1.1.
Pendahuluan
Teorema 1.1.: Nilai Antara (lihat Gambar 1)

Jika f(x) suatu fungsi menerus pada x [a,
b] dan
m Infimum f ( x) serta
a xb
M Supremum f ( x) , maka untuk setiap bilangan pada interval tertutup

a xb
[m, M]
paling tidak ada satu titik [a,b] sehingga f( ) = . Khususnya ada dua
titik u &
[a, b] dimana m = f(u) dan M = f()
y = f(x)
M = f()
m = f(u)
a
Gambar 1 Teorema Nilai Antara

Ph.D.
Jack la
Motta
Metoda Numerik
hal. 7

Ph.D.
Jack la
Motta
Error: Asal &

Rambatannya
Buku
kuliah
Teorema 1.2.: Nilai Tengah (lihat Gambar 2)

Jika f(x) menerus pada interval [a,b] serta turunan pertamanya ada
dalam interval
x (a,b). Maka paling tidak ada satu titik (a,b) dimana:
'
f ( )
f (b) f (a )
ba
Teorema 1.3: Nilai Tengah Integral (lihat Gambar 3)

Jika w(x) tidak negatif dan dapat dihitung integralnya pada interval [a,b]
dan f(x)
b
menerus pada [a,b], maka

x)dx
w( x) f ( f ( ) w( x)dx untuk satu titik [a,b]
tangennya = f( )
f( )
f(b)
f(a)
a
Gambar 2 Teorema Nilai Tengah

Teorema 1.4.: Deret Taylor (lihat Gambar 4)
Jika f(x) mempunyai n+1 turunan dan turunannya selalu menerus pada
[a,b], dan jika x, x0 [a,b], maka:
f ( x) Pn ( x) Rn1 ( x)
Error: Asal &

Rambatannya
Metoda Numerik
hal. 8
Buku
kuliah
n
x xo
( x o x ) ( n )
Pn ( x) f ( x o )
f ' ( ) ...
f ( x o)
1! x
n!
denga
n
1
Rn1 ( x) ( x t ) n f
n! x0
( x x o
) (n
1)!
( n 1)
(t )dt
n1
f(
n 1)
( )
untuk diantara xo dan x.
y = w(x)
w(xi
)
f(xi)
garis
referensi
xi
Gambar 3 Nilai Tengah Integral

x
Bukti:
dt
f ' (t ) f ( x) f ( xo )
xo
Jadi:
x
f ( x) f ( xo ) f '
ingat : udv uv vdu
(t)dt
xo
... tf ' (t) t o tdf ' (t)

tx
xo
... ( x x o ) f ' ( xo ) x( f ' ( x) f ' ( xo ) tf "(t)dt

xo
... ( x x o ) f ' ( x o ) x f "(t )dt tf "(t )dt

Akhirnya
diperoleh:
xo
xo
Metoda Numerik
hal. 9
f ( x) f ( x 0 ) ( x xo ) f ' ( x o )
"(t)dt
( x t) f
... dst.
xo
2...
)
2 xo
f ( x) f ( )
xo
f "(t )d ( x t ... dst.

x x o
1!
f ( )
C
p2(x
R3(x)
p1(
R2(x
)
R1(x)
xy=
A
p0(x
B
f(x0
f(x
A
C
x0
Gambar 4 Interpretasi Deret Taylor secara geometris

Secara geometris artinya:
CC '
AA'
A'
C ' tan
1424
3
kesalahan
pemotongan
AA' A' C '

BC
AB
{AA'
{
p0 ( x)
BC
R1 ( x)( x x0 ) f
'
( )
Jadi kesalahan pemotongan
Metoda Numerik
hal. 10
n1
Rn1 ( x)
( x x o )
(n 1)!
( n1)
( )
konstanta ( x
xo )
n 1
n1
konstanta x
Rn+1 (x) disebut sebagai kesalahan pemotongan order n+1 atau O(xn+1).
1.2.
Bilangan Dalam Komputer
Komputer menyajikan bilangan dalam 2 mode yaitu (1) Integer, (2)

Floating point.
Basis bilangan yang digunakan dalam komputer jarang sekali yang
decimal (basis 10). Hampir semua komputer memakai basis 2 (binari)
atau variannya seperti basis 8 (octal) dan basis 16 (hexadecimal).
Contoh:
a. Pada basis 2, semua bilangan terdiri dari 2 angka yaitu 0 dan 1.
Jadi (11011.01)2 = 1.24 + 1.23 + 0.22 + 1.21 + 1.20 + 0.2-1 + 1.2-2 =
27. 25
b. Pada basis 16, semua bilangan terdiri dari/dinyatakan dengan angka

0, 1, , 9,
A,B, ,F
Jadi (56C.F)16 = 5.1612+ 6.161 + 12.160 + 15.16-1 = 1338.9375
Jika basis bilangan suatu komputer adalah , maka suatu bilangan
non-zero x
disimpan didalam bentuk.
x = (.a1a2a3 at)
e
.
dengan = -1 atau + 1, 0 a1 -1, e = integer, dan
a1
a2
at
a a a La
t
1 2 3
1
2 L
t
dengan disebut tanda, e disebut eksponen L e U, ( a1a2a3

at) disebut mantissa, dan disebut radix.
Akurasi dari sajian floating-point suatu komputer. Unit
pembulatan, ,
suatu komputer adalah suatu bilangan positip terkecil yang
mempunyai sifat bahwa
1+ >
1
Nilai nol, , suatu komputer adalah suatu bilangan positip terkecil

dimana
1+>
1
Secara praktis dan dapat dihitung sbb:
Metoda Numerik
hal. 11
10
= 1.0
= /2.0
If (1.0 + .GT. 1.0) GOTO 10
= * 2.0
1.2.1. Underflow and Overflow

Jika suatu bilangan tidak mampu direpresentasikan oleh komputer
karena e <
L atau e > U, maka akan terjadi under/overflow.
Jadi setiap bilangan harus berada dalam interval
xL |x|
xU
dengan xL = L-1 dan xU = (1 -t)L-1
Dalam FORTRAN:
Jika suatu hasil hitungan, |x| xU, maka akan terjadi overflow
error dan program akan berhenti.
Jika suatu hasil hitungan, |x| xL, maka akan terjadi underflow
error
biasanya x nilainya menjadi nol dan hitungan terus berlanjut.
1.3.
Definisi dan Asal error
Dalam penyelesaian suatu masalah, dikehendaki jawaban yang

sejati, yang disimbolkan sebagai xT, tetapi biasanya jawaban
pendekatanlah yang didapat (ini
disimbolkan sebagai xA).
Error ( x A ) xT x
A
Untuk banyak keperluan, bukan error mutlak yang dikehendaki

melainkan
error relatif dari xA yang dibutuhkan:
x x A
Rel( x A ) T
, xT 0
xT
19
Contoh xT e 2.7182818... , x A 2.7142857...
7
:
Jadi: Error( x A ) 0.003996... Rel( x A ) 0.00147...
,
Metoda Numerik
hal. 12
1.3.1. Angka signifikan (significant digits)

Nilai xA dikatakan mempunyai m angka signifikan terhadap xT, jika
kesalahan (xT-xA) mempunyai nilai 5 pada (m+1) angka dihitung ke
kanan dari angka non- zero didalam xT.
Contoh:
1)
x
1
3
0.3 3333..., x 0.333 , x T x
1 2 3 4
0. 0 0 0 3
A
karena pada angka ke 4 kesalahannya <

5, maka
angka signifikan,
sehingga
x A dikatakan mempunyai
3
x A 0.333 .
1 2
3 4 5
2 3.496 x A 23.494 xT x A 0 0. 0 0 2
2)
xT

5, maka
angka signifikan,
sehingga
4
x A 23.49 .
1 2 3
0.0 2138 x A 0.02144 xT x A 0.0 0 0 0 6
3)
xT

5, maka
angka signifikan,
sehingga
2
x A 0.021 .
1.3.2. Asal dari error

1. Simplifikasi dan asumsi yang digunakan untuk merubah peristiwa
alam ke dalam formula matematik.
2. Kesalahan/keteledoran : kesalahan aritmatik dan programming.
3. Ketidakpastian dalam data.
4. Kesalahan mesin.
5. Kesalahan matematis dalam kesalahan pemotongan
1.4.
Rambatan Error
Ditentukan semua operasi aritmatik digantikan dengan tanda . Jadi :

+-
/ dan : + - / versi komputer
Misalkan xA dan yA adalah bilangan yang akan digunakan dan
kesalahannya terhadap xT dan xT adalah
xT x A dan yT y A
Metoda Numerik
hal. 13
Jika dilakukan hitungan xA yA, maka kesalahannya adalah

xT y T x A y A xT y T x A y A x A y A x A y A
w
w
1444244 14442444
43
3
I
II
I = kesalahan karena rambatan (propagated

error) II = kesalahan karena rounding
ataupun choping
1.4.1.
Propagated Error pada Perkalian
xT yT x A y A xT yT (
)( yT )
xT yT

x y x A y A
Rel( x y A ) T T

xT yT
y T xT T y T
A
Rel( x A ) Rel( y A ) Rel( x A ).Rel( y A )
Jika Rel( x A ) , Rel( y A ) <<1,
maka
Rel( x A y A ) Rel( x A ) Rel( y A )
1.4.2. Propagated Error pada Pembagian

xT
xT
x
y
yA
yT yT
Rel( A ) T
xT
xT
yA
yT
yT
( xT ) yT
xT yT .xT xT yT . yT
1
( yT ) xT
xT yT .xT
x
Rel( x A ) Rel( y
Rel( A )
A)
yA
1 Rel( y A
)
xA
Jika Rel( y A ) <<1,
Rel( ) Rel( x A ) Rel( y A )
yA
maka
xT
xA
Tampak bahwa pada perkalian dan pembagian kesalahan relatif tidak

membesar secara cepat.
1.4.3. Propagated Error pada Penjumlahan dan

Pengurangan
( xT y T ) ( x A y A ) ( xT x A ) ( y T y A )
Error( x A y A ) Error ( x A ) Error ( y A )
Metoda Numerik
hal. 14
Penjabaran ini tampak logis tetapi tidak baik karena tidak

dinyatakan dalam
kesalahan relatif
22
Contoh xT , 3.1416, yT
, yA 3,1429
7
:
xA
xT x A 7.35 10 6
Rel( x ) 2.34 10 6
A
yT y A 4.29 10
Rel( y ) 1.36 10 5
A
( xT yT ) ( x A y A ) 0.0012645 (0.0013)
3.55 10
Rel( x A y A ) 0.028
Jadi meskipun kesalahan
pada
( x A y A ) adalah kecil, tetapi kesalahan

relatifnya
cukup besar melebihi Rel(xA) ataupun Rel(yA).
Metoda Numerik
hal. 15
Bab
2. PERSAMAAN NON-LINIER
Di dalam matematika aplikasi pencarian akar persamaan
f(x)=0
sering dijumpai. Biasanya jawaban analitis dari persamaan
diatas tidak ada, sehingga harus dicari jawaban numeriknya yang biasa
dilaksanakan dengan metode iterasi.
2.1.
Metode Bagi Paruh (Bisection)
Jika terdapat suatu f(x) yang menerus [a,b] dan f(a)f(b) < 0,
maka menurut
Teorema 1.1 paling tidak f(x) mempunyai satu akar f(x) mempunyai
satu akar
[a,b].
Algoritma
Bisect(f, a, b, akar, )
1. Hitung c := (a+b)/2
2. Jika b c , maka akar:= c, dan exit
3. Jika {tanda f(b)tanda f(c)} 0, maka a := c , jika tidak b := c
4. Kembali ke langkah nomor 1.
Definisi
Suatu deret hasil suatu iterasi {xn|n0} dikatakan menuju ke titik
dengan derajat p 1 , jika
x n 1 c x n
n0
untuk beberapa nilai c>0. Jika p=1, deretnya disebut menuju ke titik
secara linier. Pada kasus ini diperlukan nilai c<1; c disebut laju linier dari
xn menuju .
Ada beberapa metode yang membutuhkan definisi yang agak
berbeda dengan
diatas yaitu
x n1 c n x 0 n 0
Jack la
Ph.D.
Motta
Metoda Numerik
hal. 16

Ph.D.
Jack la
Motta
Persamaan NonLinier
Buku
kuliah
Tingkat kelajuan metode bagi paruh dinyatakan dalam

1
c n ( ) n (b a)
2
y
nilai
awa
l
abaru
abar
u
f(a)<0
c=
(a+b)/2
c=
(a+b)/2
c=
(a+b)/2
metode ini diulangulang sampai abs

(c-b) <
f(b)>0
bbar
u
b
nilai
akar
sesungguhnya
yang akan
dicari
y=f(x)
Gambar 5 Metoda Bagi Paruh untuk mencari akar
2.2.
Deret
Taylor:
Metode Newton
f ( x) f ( ) ( x ) f ' ( )
xn xn
xn
x
1
2
( x ) 2 f "( n ) ...
x
n
atau menurut Teorema 1.4

f ( x) f ( ) ( x ) f ' ( )
xn xn
xn
x
1
2
( x ) f "( )
2
dengan diantara xn dan x.

Jika akar dari f(x), salah satunya adalah , maka
f(x)0
jadi
1
2
f ( x) f ( ) ( x n ) f ' ( ) ( xn ) f "( ) 0
2
xn
xn
Persamaan NonLinier
1
2 f " ( )
xn
( xn )
f ' ( xn ) 2
f ' ( xn )
f ( xn )
maka dapat didekati dengan
Metoda Numerik
hal. 17
Buku
kuliah
f ( xn )
xn 1 x n
f ' ( xn )
dengan errornya
f " ( )
2
n1
n 0
( x )
n0
2 f ' ( xn )
Untuk nilai n, dan xn, jadi

f " ( )
2
x n1
( x n)
2 f ' ( )
konstanta ( x n )2
Sehingga metode Newton dikatakan mempunyai derajat kelajuan = 2
y
y=f(x)
grs singgung
akar sesungguhnya
x0
nilai awal
x1
Gambar 6 Metoda Newton untuk mencari akar

Algoritma
Newton (f, df, x0, , akar,
itmax, ierr)
1. Keterangan : df adalah f(x), itmax adalah iterasi maximum, ierr
adalah error flag
2. noiter:=1
3. penyebut:=df(x0)
4. jika penyebut = 0 maka ierr:=2, dan exit
5. x1:= x0 - f(x0)/penyebut
6. jika |x1 x0|, maka ierr:= 0, akar:= x1, dan exit
7. jika noiter = itmax maka ierr:= 1, dan exit
8. noiter:= noiter +1, x0:=x1, dan ulangi langkah 3.
Metoda Numerik
hal. 18
2.3.
Metode Sekan
Dengan menggunakan sifat segitiga sebangun diperoleh

BD CD
BA CE
f ( x1 ) f ( x 0 ) f ( x1 ) 0
x1 x 0
x1 x 2
x1 x0
Jadi x 2 x1 f ( x1 )
atau
f ( x1 ) f ( x 0 )
x n x n 1
x n 1 x n f ( x n )
f ( x n ) f ( x n 1
)
n1
y=f(x)
D
akar
sesungguhnya
nilai awal
x0
x2
x3
C
x
x1
nilai awal
Gambar 7 Metoda Sekan untuk mencari akar

Metode sekan dapat dijabarkan dari metode Newton dimana
f ' ( xn )
f ( x n ) f ( x n 1 )
x n x n1
Derajat Konvergensi:
untuk metode Newton p = 2

untuk metode sekan p = (1+5) = 1,618
untuk metode bisection p = 1
Metoda Numerik
hal. 19
2.4.
ata
u
Akar dari Persamaan Polinomial

p(x) = a0 + x(a1 + x(a2++x(an-1 + anx))
(A)
p(x) = a0 + a1x + a2x2++ anxn
(B)
Pada Pers.(A) terdapat n perkalian & pertambahan,

sedangkan dalam
Pers.(B) terdapat: (2n1) perkalian & pertambahan. Oleh karena itu
dalam pemrograman komputer lebih disukai bentuk dalam Pers.(A),
karena lebih efisien. Pers. (A) jika ditulis dalam FORTRAN menjadi
p = a(n)
do 10 i = n,1,-1
p = p*x + a(i1)
10
Untuk menghitung akar dari persamaan p(x) = 0 akan

digunakan Metoda Newton. Untuk keperluan itu polinomial p(x) akan
dimodifikasi sebagai berikut Disyaratkan:
bn = an
bk = ak + zbk+1 , k = n1, n2, , 0
Dari syarat ini p(x) dapat ditulis
sebagai
p(x) = b0 + (x
z)q(x)
dengan
q(x) = b1 + b2x +
n-1
+ bnx
sehingga
p(x) = (x z)q(x) + q(x)
p(z) = q(z)
Algoritma:
Polynew (a, n, x, , itmax, akar, b, ier)
1.
Keterangan: a adalah vektor coef. dengan dimensi n, itmax

adalah iterasi maksimum, b adalah vektor coef. dari polinomial
yang baru, ier adalah indikator adanya error.
2. noiter: = 1
3. x: = x0 , bn := c := an
4. Untuk k = n-1, , 1, bk := ak+ zbk+1, c := bk + zc
5. b0:= a0 + zb1
6. Jika c = 0, ier := 2, dan exit
7. x1:= x0 b0/c
8. Jika x1 x0 , ier :=0 ,akar:= x1, dan exit
9. Jika noiter:= itmax, ier:= 1, dan exit
Metoda Numerik
hal. 20
10. noiter:= noiter + 1, x0:= x1 , ulangi langkah ketiga.
Metoda Numerik
hal. 21
Bab
3. TEORI INTERPOLASI
Jika kita mempunyai satu set data:
(x0, y0) , (x1, y1), ,
(xn, yn)
maka dalam bab ini akan di jelaskan bagaimana harus mencarti
polinomial yang melalui, data di atas.
Jika polinomial ini ditulis sebagai:
p(x) = a0 + a1x + +
anxn
maka jika data diatas disubstitusikan akan didapat (n+1) persamaan
dengan (n+1)
x
variabel tidak diketahuinya yaitu:
a 0 a1 x 0 L a n 0n y 0
M
a0
M
a1 x n
an x
n
n
yn
Persamaan diatas jika diselesaikan akan menghasilkan a0, , an

sehingga polinomial p(x) dapat dicari .
3.1.
Metoda Beda Terbagi Newton
Notasi yang digunakan:

f xo ,x1 , ... ,x n
f x1 , ...,x n f x1 , ...,x n
x n -x0
Conto
h
Order 0:
Order
1:
Order
2:
Order
x0 =xn
f x1 f x0
f x0 , x1
x1 x 0
f x1 , x 2 f x0 , x1
f x0 , x1 , x 2
x2 x0
3
, x2
,
x
f
x
1
: 0

Ph.D.
Jack la
Motta
, x3
f x1 , x 2 , x3 f x0 , x1
x 2 x0
Metoda Numerik
hal. 22

Ph.D.
Jack la
Motta
Teori
Interpolasi
Buku
kuliah
Rumus beda terbagi Newton:

pn(x) = x0+ (x3-x0) x0,x1+(x3-x0)(xx1) x0,x1]+
+(xx0)(xxn-1) x0,x1,,xn
Contoh: Kita buat tabel beda terbagi berdasarkan
polinomial
(x) = x3 2x2 +
7x 5
i
0
1
2
3
xi
0.0
1.0
3.0
4.0
Keterangan:
1
5
A 6
10
55 25
C
30
43
30 12
E
6
41
f[xi]
-5.0
1.0
25.0
55.0
f[xi,
xi+16]
12
30
f2[ ]
2
6
f3[ ]
1
25 1
12
31
B A
D
2
30
E D
F
1
40
B
Contoh hitungan pn(x=0.5)

=?
p1(x) = -5 + (x-0)6 = 6x 5
p1 (0.5) = -2
p2(x) = -5 + (x-0)6 + (x-0)(x1)2 = 2x2 + 4x 5

p2 (0.5) = -2,5
p3(x) = -5 + (x-0)6 + (x-0)(x1)2 +(x-0)(x-1)(x-3)1 = x3 2x2 + 7x

5
p2 (0.5) = -15/8 = - 1.875
Algoritma metoda beda terbagi Newton

Divdif (d, x , n)
1. Keterangan: d dan x adalah vektor f(xi) dan xi = 0,1,,n. Pada
saat exit di
akan terisi oleh nilai f x0,,xi
2. Kerjakan s/d langkah 4 untuk i = 1, 2 , ,n
3. Kerjakan sampai dengan langkah 4 untuk j = n, n-1, i
Teori
4. dj
Interpolasi
:= (dj -dj-1) /(x-xj-1)
5. exit
Metoda Numerik
hal. 23
Buku
kuliah
Interp(d, x, t, p)
1. Keterangan: Pada awalnya d dan x adalah vektor dari x0,,xi
dan xi, i = 0,
1 , , n. Pada saat exit p akan berisi pn(t).
2. p := dn
3. Kerjakan s/d langkah 4 untuk i = n-1 , n--2, , 0
4. p := di + (t xi)p
5. exit
3.2.
Interpolasi dengan tabel beda hingga
3.2.1. Beda Maju

Notasi: (xi) =
Untuk r 0,
(xi+1) r+1
(z) = r(z+h) - r
(z)
(z) disebut beda maju order r , disebut operator beda maju
Contoh:
(x)
(x)
=
=
(xi) dengan xi = x0 + ih, i = 0, 1, 2, 3,
(x)
(z+h) - 0
(x+h) -
(z)
(x)
2 (x)
= (x+h) - (x)
Contoh hitungan : Kita gunakan polinomial x3 2x2 + 7x 5 dengan h =
1,0
i
0
1
2
3
4
xi
0.0
1.0
2.0
3.0
4.0
f(xi)
-5.0
1.0
9.0
25.0
55.0
6
8
16
30
2
2
8
14
3
6
6
Korelasi antara beda maju dengan beda terbagi

f x0 , x1
f x1 f x0 f ( x 0 h) f ( x 0 ) f ( x 0 )
x1 x 0
h
h
4
0
Metoda Numerik
hal. 24
Secara
umum:
f ( x 2 ) f ( x1 ) f ( x1 ) f ( x0 )
2
f
x 2 x1
x1 x 0
( x0 )
f x , x ,
0x 1
2
2
x2 x0
2h
n
f ( x0 )
f x 0 , x1 ,...,
n
n! h
xn
Akan dijabarkan rumus interpolasi beda maju dari rumus

interpolasi beda
x x
terbagi Newton. Didefinisikan 0 yang menunjukkan letak
h
titik x
terhadap x0. Jadi misalnya = 1.6, maka x terletak pada jarak 6/10 dari
x1 ke arah
x2 .
Diinginkan rumus untuk:
(x x0) (x x1) (x xk)
dinyatakan dalam
x xj = x0 + h (x0 + jh) = (-j)h

Jadi
(x x0) (x x1) (x xk) = ( -1) ( -k)hk+1
sehingg
a
p ( x)
fn
f
f 0
( 1)h
... ( 1)...( n 1)h
2! h
2
Jika didefinisikan koefisien binomial sbb:

k 1)
( 1)...(
, k>0 1
dan
k
0
k!
maka didapat rumus interpolasi beda maju sbb:
n
x x 0
p n ( x ) j f ( x0
dengan
h
j0
)
j
Contoh hitungan: p(x=1.5) = ?
x x 0 1.5 1.0
1.5
h
1.0
f
n! h
0
n
1)
2)
p1(x) = x0 + (x0)
= -5 + 1.5 (6) = 4
p2(x) = x0 + (x0) + (-1)2f(x0)/2!
= -5 + 1.5 (6) + 1.5 (0.5)2/2! = 4.75
Metoda Numerik
hal. 25
3.2.2. Beda Mundur

z = z
- z-h
r+1z
= rz
- rz-h
Notasi:
Rumus interpolasinya
n
j1
p ( x)
i
-4
-3
-2
-1
0
j 0
f ( x
)
f(xi)
-5.0
1.0
9.0
25.0
55.0
xi
0.0
1.0
2.0
3.0
4.0
r1
x x 1
h
0
0
1
dengan
,
6
8
16
30
2
2
8
14
3
6
6
Contoh hitungan: p(x=3.5) = ?

x0 x 3.5 4.0
0.5
h
1.0
1)
p1(x) = x
0 + (-)(x0)
= 55 + (-0.5) 30 = 40
2)
p2(x) = p1(x) + (-)(-+1)2f(x0)/2!
= 40 + (-0.5)(0.5)14/2 = 38.25
3)
p3(x) = p2(x) + (-)(-+1) (-+2)3f(x0)/3!

= 38.25 + (-0.5)(0.5)(1.5)6/3 = 37.875
3.3.
Lagrange
Polinomial Lagrange dibentuk dengan fomulasi berikut:

n
p n x Li x f x i
i 0
n
Li x
j 0
j i
xxj
xi x j
i 0,1,..., n
Contoh:
x x1
x x0
pi x
f x0
f x1
x x01
x0 x1
p x x x1 x x2 f x
x x x x
4
0
f x
x x00
xx1xx1 0 x 2
Metoda Numerik
hal. 26
x1 x0 x1 x 2
x2 x0 x2 x12
f x2
Contoh:
p2 x yang melalui titik-titik 0,15; 1,1; 3,25
hitung
2
x 4 x 3
x 1x
x x
1 x x 2
L0 x
x0 x1 x0 x2 0 10 3
3
2
x 3 x
x x 0x x 2 x 0x
x1 x0 x1 x2 1 01 3 2
x x 01x x 1 x 0x 1 x 2 x
L2 x
x2 x0 x2 x1 3 03 1
6
Jadi p x L x 5 L x 1 x 25 2x 2 4 x 5
2
0
1
L1 x
L2
3.4.
Beberapa fakta penting daribeda terbagi
1. f x0 , x1 ,....., xm
untuk
X x0 , x1 ,..., x n
m!
artinya interval terkecil
dimana
Contoh:
f x0 f
f x , x , x
0 1 2
2.
Jika
tercakup!
f x0
0!
f x1 f x0
f '
f x0 , x1
x 0 , x1 ,...,
xm
diman
a
x1 x0
1
f'
x 0, x1
X x , x , x
0
f x adalah polynomial derajad m,

maka
polinomial derajad m n
1
m
f x 0 ,..., x n , x a
dengan f x a mm
0
a m1 xm 1 ... a1 x a0
x
3. Kesalahan dalam interpolasi
n m1
n m1
n m1
X x0 ,..., x m
x x0 x x1 ...x x n n 1
f
x
n 1!
x x0 ,...., x n , x
f x pn x
denga
n
4.
d
,..., x n , x f x 0 , x,..., x n, x, x
f x0
dx
Metoda Numerik
hal. 27
4.
4.1.
Bab
INTEGRASI NUMERIS
Rumus trapesium dan Simpson
Pada bab ini akan dibicarakan cara menghitung integral secara

numeris dari
b
I(f)
f(x)dx
dimana [a,b] berhingga

y
y=f(x)
(b,f(b))
y
=p1(x)
(a,f(a))
x
a
b
Gambar 8 Konsep integrasi trapesium
Rumus trapesium pada dasarnya adalah mendekati f(x) dengan garis
lurus yang melalui (a,f(a)) dan (b,f(b))
b a
I1 ( f ) f (a) f (b)
2

Ph.D.
Jack la
Motta
Metoda Numerik
hal. 28

Ph.D.
Jack la
Motta
Integrasi
Numeris
Buku
kuliah
Error:
x b
f (x) 1p (x) f (x)
ab
x a
f (a)
ba
f (b)
(x a)(x b) f a,b,x
ingat definisi beda terbagi f[a,b,x].
Jadi error:
b
1
E1( f ) f (x)dx (b a)[f (a)
2
f (b)]
a
b
(x a)(x b) f
a,b,xdx
dengan harga tengah integral, didapat:

b
E1( f ) f a,b,
(x b)dx
(x a)
a b
[a, b]
1a)f3 "( ) 1
(b
2
6
3
(b a)
f
"( )
12
Jika interval [a,b] dibagi menjadi n pias sehingga untuk n1, h = (ba)/n dan
xj = a + jh, j = 0,1,,n, didapat:
b
I(f)
xj
f(x)dx
j 1 x
f(x)dx
a
j1
3
h
h
f
(
x
)
f ( x j 1 )
f " (
j
12
j 1
n
dengan xj1njxj.
Sehingga integralnya dapat didekati dengan
1
1
I n ( f ) h 0 f 1 ... n1 fn
2
2
f
f
n 1
Integrasi
Kesalahan
In(f)
Numeris
terhadap I(f) adalah

En ( f ) I ( f ) En ( f )
n

j 1
h
f "( j )
12
h 3n 1 n
f "( j )
12 nj 1
Perlu diingat
bahwa
Metoda Numerik
hal. 29
Buku
kuliah
1n
Min f " ( x)
f "( j ) Max f "( x)
a xb
a xb
n j 1
karena f(x) menerus pada a x b, maka
h3 n
En ( f )
f "( ) [a, b]
12
h2 (b a)
f "( )
12
(b a )
f "(
2
12n
~
En ( f )
Estimasi kesalahan
asimtotis
Limit
En ( f )
h2
1 n
f "( j )h
Limit
n
12 j 1
1
Limit
f "(j )
12
j 1
1

12 a
mak
a
2
h
~
En ( f )
f "(
f ' (b) f ' (a)
12
Definisi:
Jika En(f) adalah kesalahan eksak,
sedangkan
~
En ( f ) adalah estimasi darinya,
maka
~
E n jika:
En ( f ) disebut estimasi kesalahan asimtotis dari
En(f)
n
~
E~n ( f )
E ( f ) ( f )
Limit
0
1 ata Limit
n E ( f )
n
En ( f )
n
u
4.1.1. Rumus trapesium terkoreksi

En
Dengan menggunakan
menjadi:
( f ) , rumus trapesium dapat ditingkatkan
~
CTn ( f ) I ( f ) E n ( f )
n
h
f f ...
h
f
f
n
0
1
n
1
2 12
2
1
f ' (b) f ' (a)
Metoda Numerik
hal. 30
4.1.2. Rumus Simpson

y
(c,f(c
))
y=f(x)
(b,f(b))
y
=p2(x)
(a,f(a))
x
a
c=(a+b)/2
Gambar 9 Konsep integrasi Simpson

Dalam metode Simpson fungsi f(x) didekati dengan p2(x) yang
melalui 3 titik
(a,f(a)), (c,f(c)) dan (b,f(b)) dimana c = (a+b)/2.
(
x a )(x b)
( x a )(
( x c )( x b)
x
c)
I (f)
f (c)
dx
c)(a b) f (a)(c(b)
2
b)
(b a)(b c)
(a
a)(c
a
h
b a
dengan h
f (a) 4 f (c) f
2
(b)
Kesalahanny
3
a:
E 2 ( f ) I ( f ) I 2 ( f )
( x a)( x b)( x c) f [a, b, c, x]dx

a
Harga tengah integral tidak dapat digunakan karena (x-a)(x-c)(xb) berganti tanda pada x = c.
x
Didefinisikan w( x) (t a)(t c)(t b)dt

a
:
Beberapa fakta mengenai w(x):
(a b)4
w(a) w(b) 0, w(c)
, w( x) untuk a x b
0
64
w' ( x) ( x a)( x c)( x b)
Metoda Numerik
hal. 31
a b 4
64
y=w(x)
c (a b) / 2
Gambar 10 Fungsi y = w(x) untuk metoda Simpson

Jadi E2(f) dapat ditulis sebagai:
b
E 2 ( f ) w' ( x) f [a, b, c, x]dx

a
w( x) f [a, b, c, x]a w( x)
dx
a
b
f [a, b, c, x]
E 2 ( f ) w( x) f [a, b, c, x, x]dx
a
f [a, b, c, , ] w(
[a, b]
x)dx
( 4)
( ) 4 5
h
24 15
h 5 ( 4)
f ( )
90
[a, b]
Jika interval [a,b] dibagi menjadi n pias, n 2, h = (b-a)/n,

xj=a+jh untuk
j = 1,2,3,,n, sehingga
n / 2 x2 j
I(f) f(
n genap
x)dx
j 1 x2 j 2
n/2
h5
h
4 f Simpson:
f
f Rumus
j 1 3
dengan x2j-2 nj
x2j
( 4)
2 j 2
2 j 1
2j
90
( j )
Metoda Numerik
hal. 32
I n( f )
h
f 4 f1 2 f 2 4 f 3 2 f 4 ... 2 f n2 4 f n1 f n
3 0
Kesalahan
estimasi:
En ( f ) I ( f ) I ( f )
h (n / 2) 2
90
n/2
( 4)
( )
j
j 1
h 4 (b a ) ( 4)
f ( ) [a, b]
180
(b a) 5 ( 4)
f ( )
180n 4
h4
~
(3)
(3)
Estimasi kesalahan
En ( f )
f (b) f (a)
180
asimtotis:
4.2.
Rumus NewtonCotes
Rumus trapesium dan Simpson sebetulnya merupakan dua

buah rumus pertama dari rumus Newton-Cotes.
Untuk n1, h = (b-a)/n, xj=a+jh untuk j = 0,1,2,3,,n. Didefinisikan In(f)
dengan
mengganti f(x) dengan polinomial pn(x) pada titik-titik x0, x1,, xn:
b
I ( f ) f ( x)dx &
p n ( x)dx
Dengan interpolasi Lagrange untuk pn(x), maka

b
I n( f )
a j 0
j ,n
( x) f ( x j )dx w j ,n ( x) f ( x j )
j 0
denga w j ,n l j ,n (
n
x)dx
j 0,1,...,
n
Untuk nilai n = 1 dan 2 telah disajikan sebagai rumus trapesium dan

Simpson. Sekarang untuk n = 3, contoh untuk menghitung w0 adalah:
b
( x x1 )( x x 2 )( x x3 )
w
0
( x x )( x x )( x x ) dx
0
0
a
1
0
2
3
Jika x = x0+ h, 0 3, maka:
Metoda Numerik
hal. 33
x3
w
x0
x0
( x x )( x )( x
3)dx
1
2x
6h
1
6h3
( 1)h ( 2)h ( 3)h hd
h3
3h
( 1)( 2)( 3)d
60
8
Jika w1, w2, w3 dihitung dengan cara di atas, akhirnya akan didapat untuk
n=3
3h
I (f)
f ( ) 3 f ( x1 ) 3 f ( ) f ( x 3 )
x
x
3
0 2
8
Kesalahan pada In(f) dinyatakan sebagai berikut:
a) Untuk n genap:
En ( f ) Cn
denga C n
n
n3
( n 2)
[a, b]
( )
( 1)...( n)d
(n 2)! 0
b) Untuk n
gasal:
denga C n
n
En
1
( f ) Cn
n
n 2
( n1)
( )
[a, b]
( 1)...( n)d
(n 1)! 0
4.2.1. Rumus Newton-Cotes Tertutup

n = 1, rumus trapesium
b
h
h3
f
(
x)dx
f
(a)
f
(b)
f " ( )
a
2
12
n = 2, rumus Simpson
b
h
a b
h5
f ( x)dx f (a) 4 f (
) f (b)
f
3
2
90
a
( 4)
( )
n=3
b
3h
f ( x)dx
8
f (a) 3 f (a h) 3 f (b h)
n = 4, rumus Boole
b
2h
a b
f ( x)dx
7 f (a) 32 f (a h) 12 f (
3h 5
f (b)
80
( 4)
( )
8h7
) 32 f (b h) 7 f(b)
f (6) ( )
45
Metoda Numerik
hal. 34
945
~
I ( f ) yang mendekatri I(f) disebut
mempunyai
~
derajat ketepatan m jika: I ( f ) I ( f ) untuk semua polinomial f(x)
(a)
derajat
~
m,
I ( f ) I ( f ) untuk beberapa polinomial f(x)
m1
derajat
(b)
Definisi: Integrasi
numerik
Contoh
:
Pada rumus Newton-Cotes untuk n = 1, 3 dikatakan mempunyai derajat
ketepatan m = 1, 3. Sedangkan untuk n = 2, 4 mempunyai derajat
ketepatan m = n + 1 = 3, 5. Tampak bahwa rumus NewtonCotes
dengan n genap menghasilkan derajat ketepatan ekstra dibandingkan
dengan n gasal.
4.2.2. Rumus NewtonCotes terbuka

Ada rumus NewtonCotes yang tidak menggunakan salah satu
atau kedua titik di ujung interval. Contoh yang paling sederhana adalah
rumus titik tengah:
b
a b (b a )3
f
(
x)dx
(b
a)
f
(
)
f " [a, b]
( )
2
24
a
Rumus kompositnya:
b
f(x)dx n(f) n (f)
n (f) h[f(x1 ) L f(x n )]

h2 (b a)
En (f)
f"() [a, b]
24
1
(b a)
, x j a ( j )h sebagai
h
n
2
titik
denga
n
a ( j 1)h, a
jh
titik
tengah
dari
titik-
untuk j 1,2,K, n .
Rumus NewtonCotes yang sedemikian ini disebut dengan rumus

terbuka, sedangkan rumus yang terdahulu disebut tertutup.
n2:
x2
x0
f ( x)dx 2hf ( x1 ) h f "( )

3
n3:
x3
f ( x)dx
x0
4:
x4
3h
f ( x)dx
x
x0
n5:
Metoda Numerik
hal. 35
3h
4
[ f ( x ) f ( x )]
4h
3
f
"(
[2 f ( x ) f ( )x 2 f ( )]
3
1
14h5
45
( 4)
( )
x5
5h
95h
[11 f ( x ) f ) f ( ) f ( ) 11 f (
( 4)
x
x
x
)]
f ( )
4
1
2
2
144
24
f ( x)dx
(x
x3
diman h
a
4.3.
xn x0
, x0 = batas bawah, xn = batas atas.
n
Kuadratur Gaussian
Pada metoda integrasi sebelumnya, rumus integrasinya

berdasarkan
polinomial derajat rendah yang merupakan
f ( x) dengan
pendekatan
jumlah
pias semakin besar.
Kuadratur Gaussian, rumus integrasinya
polinomial yang derajatnya makin tinggi.
b
j 1
menggunakan
I ( f ) w( x) f ( x)dx w j ,n f ( x j ,n ) I n ( f )
Sebagai ilustrasi:
1
f ( x)dx w j f ( x j )
j 1
dengan w(x) 1 Faktor pemberat

j
nodal
w dan
titik
dipilih
sedemikian
sehingga kesalahan
En ( f )
f ( x)dx w j f ( x j )
j 1
sama dengan nol untuk suatu polinomial f(x) dengan derajat setinggi
mungkin.
E n (a0 a1 x L a m m ) a 0 E n (1) a1 E n ( x) L a m E n ( x)
x
Jadi E n ( f ) 0 untuk setiap polinomial derajat m, bila dan hanya bila
i
E n( x ) 0
i 0,1,K, m .
Kasus
n 1. Karena hanya 2 parameter, w1 dan x1 sehingga
1.
diperlukan 2
persamaan:
E n (1) 0
E n ( x) 0
1
1
1
1dx w1 0 w1 2
sehingga
1
f ( x)dx & 2 f (0)
xdx w1 x1 0 x1 0
Kasus
n 2 . Ada 4 parameter w1, w2, x1, x2, sehingga
2.
dibutuhkan 4
persamaan:
Metoda Numerik
hal. 36
E n ( xi )
x1
x dx (w1i w2 x 2i ) 0 untuk i = 0,1,2,3
ata w1 w2 2
u
w1 x 1 w2 x 2 0
2
3
menghasilkan rumus:
2
w1 x1 w2 x 2 2
1
w1 x 1 w2 x 2 0
f ( x)dx f ( 1 3) f ( 1 3)
3
3
mempunyai derajat ketelitian 3. Bandingkan dengan rumus

Simpson yang menggunakan tiga titik.
Kasus 3. untuk n, Terdapat 2n parameter {w1} dan {x1} sehingga
terdapat 2n
persamaan:
i
E n( x ) 0 i 0,1,K,2n atau
1
0
i 1,3,K,2n 1
i
2
w
x
j j
i 0,2,K,2n 2
j 1
i1
n
persamaan
diatas
merupakan
sistem
persamaan
nonlinier
yang penyelesaiannya tidak selalu jelas. Oleh karena itu
digunakan cara lain.
4.3.1. Kuadratur Gauss-Legendre

Untuk w( x) 1 , rumus Gauss pada interval [-1,1] adalah:
1
f ( x)dx w j f ( x j
)
j 1
dengan titik xj adalah akar dari polinomial Legendre derajat n dalam

interval
[-1,1]. Faktor pemberatnya adalah
2
wi
i 1,2,K, n
'
(n 1)Pn ( xi )Pn 1 (
xi )
dan
En ( f )
2 n1
(2n)
2
(n!)
f
( )
2
(2n 1)[(2n)!] (2n)!
Tabel 1 GaussLegendre titik dan pembobot

n
2
3
4
Metoda Numerik
hal. 37
x1
0.57735026
92
0.77459666
92
0.0
0.86113631
16
w1
1.0
0.55555555
56
0.88888888
89
0.34785464
51
x1
0.33998104
36
0.90617984
59
0.53846931
01
0.0
0.93246951
42
0.66120938
65
0.23861918
61
0.94910791
23
0.74153118
56
0.40584515
14
0.0
0.96028985
65
0.79666647
74
0.52553240
99
0.18343464
25
n
5
Contoh:
w1
0.65214515
49
0.23692688
51
0.47862867
05
0.56888888
89
0.17123449
24
0.36076157
30
0.46791393
46
0.12948496
62
0.27970539
15
0.38183005
05
0.41795918
37
0.10122853
63
0.22238103
45
0.31370664
59
0.36268378
34
1:
n=
1
3
3
3
3
447
448
64
6
448
47
f ( x)dx f (0.5773502692) f ( 0.5773502692)
n=
3:
f ( x)dx
0.5555555556 f (0.7745966692)
0.5555555556 f (0.7745966692)
0.8888888889 f (0)
Untuk integral pada interval umum [a,b], maka digunakan

transformasi sebagai berikut:
b
1
ba
a b (b a) x dx
f (t )dt
f
2 1
2
ba
2
w
j 1
a b (b a) x j
f
2
2
3
2
( x x x 1)dx 34 , dihitung dengan kuadratur Gaussian
menghasilkan:
3
1
3 1
1.0
f ( x)dx
f
2
1 3
(3 1)
1 3 (3 1)
3
1.0 f
f (2
Metoda Numerik
hal. 38
1
3
3) f (2 3) 34.66666667
1
3
4.4.
Polinomial Orthogonal
Kuadratur Gauss-Legendre menggunakan polinomial orthogonal

Legendre. Ada banyak famili polinomial yang orthogonal. Secara umum
suatu famili polinomial gk(x) disebut orthogonal terhadap fungsi
pemberat w(x) , jika :
b
w( x) g n ( x) g m ( x)dx
nm
0
a
w( x)g n ( x) dx c(n) 0
2
Contoh : set {sin (kx)} dan {cos (kx)}

Polinomial Legendre. Pn(x) orthogonal pada interval [-1,1] terhadap
w(x) = 1
1
Pn ( x)Pm ( x)dx
nm
0
1
1
P ( x) dx c(n) 0
2
Beberapa
Pn(x):
P0(x) = 1
P1(x) = x
P2(x) = (3x2-1)
P3(x) = (5x3-3x) )
P4(x) = (35x430x2+3)
Rumus rekursiv:
2n 1
n1
P ( x)
( x)
( x)
xP
n
n 1P
n 2
n
n
Polinomial Laquerre. Ln(x) orthogonal pada interval [0,] terhadap
w(x) = e-x
Ln ( x)Lm ( x)dx
0
0
Beberapa
L L n
):0
nm
( x) dx c(n) 0
2
L0(x)
L1(x)
L2(x)
L3(x)
Rumus rekursiv:
Metoda Numerik
hal. 39
=
=
=
=
1
-x+1
x2-4x+2
-x3+9x2-18x+6
Ln ( x) (2n x 1)Ln1 ( x) (n 2 Ln 2 ( x)
1)
Polinomial Chebysev. Tn(x) orthogonal pada interval [-1,1]
terhadap
w(x) = 1/(1-x2)
1T ( x )T ( x )
n
m
1 1 x 2 dx 0 n m
T n ( x)2 dx c(n) 0
Beberapa
Tn(x):
1x
T0(x) = 1
T1(x) = x
T2(x) = 2x2-1
T3(x) = 4x3-3x
Rumus rekursiv:
Tn ( x) 2xTn 1 ( x) Tn2 ( x)
Polinomial Hermite. Hn(x) orthogonal pada interval [-,]
terhadap
2
w( x) e
x
x2
e H n ( x)H m ( x)dx
0
Beberapa
Hn(x):
nm
( x) dx c(n) 0
2
H0(x) = 1
H1(x) = 2x
H2(x) = 4x2-2
H3(x) = 8x3-12x
Rumus rekursiv:
H n ( x) 2xH n1 ( x) 2(n 1)H n 2 ( x)
4.4.1. Kuadratur Gauss-Laquerre
e x f ( x)dx j
f ( x j)
0
Kuadratur ini dapat digunakan untuk menghitung:
Metoda Numerik
hal. 40
e t f (t )dt e a e x f ( x a)dx
0
w
j 1
f ( x a)
j
dengan wj = faktor pemberat, xj = akar dari polinomial Laquerre
Tabel 2. wj dan xj dari kuadratur Gauss-Laguerre

n
2
3
10
14
Metoda Numerik
wj
0.85355 33905
0.14644 66094
0.71109 30099
0.27851 77335
0.01038 92565
0.60315 41043
0.35741 86924
0.03888 79085
0.00053 92947
0.263560319718
1.413403059107
3.596425771041
7.085810005859
12.64080084427
60.222846604179
1.188932101673
2.992736326059
5.775143569105
9.837467418383
15.98287398060
20.13779347054
0.729454549503
1.80834290174
3.401433697855
5.552496140064
8.330152746764
11.8437858379
16.27925783137
8
21.99658581198
1
29.92069701227
40.093307812017
0.492691740302
1.215595412071
)
2.269949526204
)
xj
0.58578 64376
3.41421 35623
0.41577 45567
2.29428 03602
6.28994 50829
0.32254 76896
1.74576 11011
4.53662 02969
9.39507 09123
0.521755610583
0.398666811083
0.075942449681
7
0.003611758679
92
2.33699723858E050.45896467395
0.417000830772
0.113373382074
0.010399197453
1
0.0002610172028
15
8.9854790643E07
0.308441115765
0.401119929155
0.218068287612
0.062087456098
7
0.009501516975
18
0.0007530083885
88
0.0000282592334
96
4.24931398496E07
1.83956482398E09
9.91182721961E130.21823488594
0.342210177923
0.263027577942
0.126425818106
hal. 41
wj
3.667622721751
5.425336627414
7.565916226613
10.12022856801
9
13.13028248217
616.65440770833
20.77647889944
9
25.62389422672
9
31.40751916975
4
38.53068330648
6
48.02608557268
6
xj
0.040206864921
0.008563877803
61
0.001212436147
21
0.0001116743923
44
6.45992676202E06
2.2263169071E07
4.22743038498E09
3.92189726704E11
1.45651526407E13
1.48302705111E16
1.60059490621E20
4.4.2. Kuadratur Gauss-Chebysev
1
1x
f(x)dx w j f ( x j )
j 1
2j1
dan x j cos(
) , j = 1, 2, ... , n
n
2n
1
b
1
a b (b a ) x
2
f (ta )dt
1x f
dx
2
2
2
1x
wj
denga
n
(b a )
2n
1x
j 1
2
j
a b (b a) x j
f
2
4.4.3. Kuadratur Gauss-Hermite
e x f (x)dx w j f ( x j )
2
j 1
Tabel 3. wj dan xj dari kuadratur Gauss - Laguerre

n
2
3
4
5
wj
0.88622
69255
0.29540
89752
1.18163
59006
0.08131
28354
0.80491
40900
0.01995
32421
0.39361
93232
0.94530
87205
xj
0.70710
67811
1.22474
48714
0.0
1.65068
01239
0.52464
76233
2.02018
28705
0.95857
24646
0.0
Metoda Numerik
hal. 42
5.
5.1.
Bab
SISTEM PERSAMAAN LINIER
Eliminasi Gauss
Eliminasi Gauss digunakan mencari akar sistem
persamaan linier.
f 1 ( x1 , x 2 ,..., x n )
0
f 2 ( x1 , x 2 ,..., x n )
0
M
f n ( x1 , x 2 ,..., x n )
0
Contoh: Ditinjau sistem persamaan:
2x1 - 7x2 + 4x3
=9
x1 + 9x2 - 6x3
=1
-3x1 + 8x2 + 5x3
= 6 yang akarnya adalah x1 = 4, x2 =
1, dan x3 = 2
Persamaan diatas dalam bentuk matrik dapat ditulis sebagai berikut:
[B]
{x}={u}
4 x1 9
2 7

1
9 6 x 2 1
3
5 x 6
8
Untuk menjelaskan eliminasi Gauss, maka dibentuk suatu matrik sebagai

berikut:
Ph.D.
Jack la
Motta
4
1 0 0
2 7
9
0
0 1
I 1 9 6 1
3 8
1
5
6
0 0
Kita kalikan baris 1 dengan 1/2, tambahkan (-1 x baris 1 yang baru)
kepada baris
2, dan tambahkan (3x baris 1 yang baru) kepada baris 3.
u
Metoda Numerik
hal. 43

Ph.D.
Jack la
Motta
Sistem Persamaan
Linier
Buku
kuliah
2
9/2
1/ 2 0 0
1 7/
0 2
25 / 2 8 7 / 2 1/ 1 0
2 3 / 2 0 1
5 / 11
39 / 2
2
Operasi diatas sama dengan pembentukan/pengubahan sistem
persamaan asli
menjadi
7
9
x
x 2 2x3
1
2
2
25
7
x2
2
2
8x
3
5
39
x 2 11x3
2
2
Perhatikan bahwa operasi di atas jika ditulis dalam bentuk matrik adalah
1
2 0 0
2 7
4
1 0 0
1
9
0 1 0
1
1 0
9
1
6
2

0 0 1
8
5
1
3
0 1
6
2
Selanjutnya dilakukan operasi sebagai berikut: kalikan baris 2 dengan
2/25 dan tambahkan (5/2 x baris 2 yang baru) kepada baris 3
0
2
9/2
1/ 2
1 7/
0 2
0
1 16 / 25 7 / 25 1/ 25
2 / 25
1
/
5
0
47 / 5
94 / 25
7/5
1
Operasi terakhir mengubah sistem persamaan menjadi:
7
9
x
x 2 2 x3
1
2
2
16
7
x 2
x3
25
25
47
94
x3
25
5
Kalikan baris 3 dengan 5/47. Tambahkan ke baris 2: (16/25 x baris 3
yang baru). Tambahkan ke baris 1: (-2 x baris 3 yang baru)
1/2
19 / 24 2 /
1 7/ 0
10 /
0 2
47
47/ 235
1 0
1
13 / 235 22 / 235 16
5
/
0 1
2
7 / 47
1/ 47
47
Akhirnya tambahkan ke baris 1: (7/2 x baris 2)
Sistem Persamaan
Linier
Metoda Numerik
hal. 44
Buku
kuliah
1 0 0
0
1 0
0 1
93 / 235 67 / 235
6 / 235
13 / 235 22 / 235 16 / 235

5 / 47
7 / 47
1 / 47
1
2
Jadi sistem persamaan menjadi x1 = 4, x2 = 1, x3 = 2 dan inverse matrik

[B] adalah
93 / 235 67 / 235 6 / 235
13 / 235 22 / 235 16 / 235
7 / 47
1/ 47
5 / 47
Dari
pengamatan:
5det B 1
235
25 47
Jadi kalau di resume
u I
2 7
1
9
1 0 0
0 1 0
6
1
5
6
0 0 1
1 0 0
0
1 0
0 1
5.2.
4
1
2
93 / 235 67 / 235 6 /
13 / 235 22 / 235 16235

/ 235
5/
7 / 47
1 / 47
x B
Eliminasi GaussJordan
Pada eliminasi Gauss di atas secara garis besar terdiri dari beberapa
langkah:
a. operasi normalisasi: elemen diagonal diubah menjadi
bernilai 1 b. operasi reduksi: elemen non-diagonal diubah
menjadi bernilai 0
Pada eleminasi Gauss Jordan operasi a & b dikerjakan bersamaan.
Contoh:
2x1 - 7x2 + 4x3 = 9
x1 + 9x2 - 6x3 = 1
-3x1 + 8x2 + 5x3 = 6
Metoda Numerik
hal. 45
4
2 7
9
I 1
9 6
1
3
8
5
1 0 0
0 1 0
0 0 1
Normalisasi baris 1 dengan membaginya dengan elemen pivot = 2,

kemudian:
a. baris 2 - baris 1 yang baru
b. baris 3 + 3x baris 1 yang baru
1 7/2
9/2
1/ 2 0 0
0 2
7/
1/ 1 0
0 25 / 2
2
2
0 1
8
39 / 2
3/2
5/2
11
Normalisasi baris 2 dengan membaginya dengan
= 25/2, kemudian:
a. kurangi (-7/2 x baris 2 yang baru) dari baris 1
elemen
pivot
b. kurangi (-5/2 x baris 2 yang baru) dari baris 3

9 / 25 7 / 5
1 0 6 / 25 88 / 25
0
0 1 16 / 25 7 / 25 1 / 2 / 25
25 7 / 5 1/ 5
0
47 / 5
94 / 25
Normalisasi baris 3 dengan membaginya dengan elemen pivot

= 47/5, kemudian:
a. kurangi (-6/25 x baris 3 yang baru) dari baris 1
b. kurangi
1
0
(-16/25 x baris 3 yang baru) dari baris 2

0 0
4
93 / 235 67 / 235 6 / 235
1
1 0
1
13 / 235 22 / 235 16 / 235 x B
I
0 1
2
7 / 47
1/
5/
47
47
235
det B 2 25 47
2
5
5.3.
Eliminasi GaussJordan dengan pivot

maksimum
Jika matrik [B] mempunyai salah satu elemen yang mempunyai

nilai kecil sekali dibandingkan elemen yang lain, maka carapivoting
yang sebelumnya dapat memberikan hasil yang tidak akurat. Oleh
karena itu dipilih elemen pivot yang mempunyai nilai terbesar.
Contoh:
-3x1 + 8x2 + 5x3 = 6
2x1 - 7x2 + 4x3 = 9
x1 + 9x2 - 6x3 = 1
Metoda Numerik
hal. 46
5
3 8
2
B u I 7 4
9 6
1
1
1 0 0
0 1 0
0 0 1
Dipilih elemen b32 = 9 sebagai pivot

8
3
5
6
1 0 0
4
9
0 1 0
2 7
1/ 9
1 6/
1/ 9
0 0 1/9
9
selanjutnya direduksi sebagai berikut:
35 / 9
31 /
46 / 9
0
3
25 / 9
88 / 9
2/
3
0
1/ 9 1 2 /
3
Operasi
2:
35 / 93 0
1
235 / 93 0
0
13 / 93 1
Operasi
3
1/
9
46 / 93
940 / 93
41/ 93
0 0 1
1 0 0
0 1 0
?1
?2
0 0
(I)
1/ 9
8/9
2 / 31 1 67 /93
2 / 31 0 5 / 93
3 / 31
0
1 / 47
6 / 235 93 / 235 67 / 235
16 / 235 13 / 235 22 /
235
5 / 47
4
1
1 0 8 / 9
0 1 7/9
(II)
7 / 47
(III)
(IIIa)
Dari hasil terakhir (III) terlihat bahwa akar persamaan {x} dapat
dislesaikan, tetapi bagaimana matrik ?1 & ?2.
Sebetulnya [?1] elemennya adalah elemen [B]-1, hanya letaknya
tidak betul sehingga perlu diatur untuk mendapatkan inverse [B] yang
sesungguhnya.
Ada butir yang sangat penting dari hasil diatas:
Akar dari [B]{x}={u} dapat dicari tanpa menghitung [B]-1.

Hitungan inverse suatu matrik lebih baik dihindari karena mahal
beayanya.
Untuk menghemat memori komputer, maka pada cara terakhir

(eliminasi GaussJordan dengan pivot maksimum) hasil dari inverse
dimasukan kedalam matrik [B].
Metoda Numerik
hal. 47
5.3.1. Rekonstruksi pembentukan scrambled inverse
Pembentukan
35 / 0 31 / 3
I Yang
25 / 9 0 2 /
1 2/
1 0 8/
0 1 9
7/9
0 0 1/ 9
dipinda
h
46 / 9
88 / 9
1/9
kolom 3 dari
[I]
b32
dipindah
kolom 2 dari
[B]
Gambar 11 Cara pertama pemindahan kolom dengan elemen pivot

Yang Baru I
35 / 9 8 / 31 / 46 / 9
3
9
7 / 9 2 / 88 / 9
25 / 9
1/
1/ 9 2 /
1 / 9
9
Pembentukan
II Yang
Semula II
35 / 93 0
1
235 / 93 0 0
1 0
b13
dipindah
46 / 93
940 / 93
41/ 93
8/9
3 / 31
20 / 31 1 67 / 93
2 / 31 0 5 / 93
kolom 1 dari
[I]
dipindah
kolom 3 dari
[B]
Gambar 12 Cara kedua pemindahan kolom dengan elemen pivot

Yang Baru II
35 / 93 8 /
235 / 93 9
13 / 93 67 / 93
5 / 93
Metoda Numerik
hal. 48
3/
46 / 93
31
940 / 93
2 / 31
41 /
2 / 31 93
Pembentukan
III Yang
Semula III
dipindah
0 0 1
1
0 0
1 0
7 / 47
1 / 47
6 / 235 93 / 235 67/
235
16 / 235 13 / 235 22 /
235
5 / 47
4
1
b21
kolom 2 dari
[I]
dipindah
kolom 1 dari
[B]
Gambar 13 Cara kedua pemindahan kolom dengan elemen pivot

Yang Baru III
7 / 47
1/
5 / 47 2
47
93 / 235 67 / 235 6 / 235 4
13 / 235 22 / 235 16 / 235 1
scrambled
inverse
{x} akar dari

sistem
persamaan
perlu diatur dahulu

untuk menghasilkan
inverse yang
sesungguhnya
5.4.
Metoda Iterasi
5.4.1. Metoda Jacobi

Kita bahas sistem persamaan: [B]{x} = {u} atau
b11 x11 b12 x 2 L b1n x n
u1
b21 x1 b22 x 2 L b2 n x n
u2
M
M
bn1 x1 bn 2 x 2 L bnn x n
un
(A)
Metoda Jacobi membentuk persamaan untuk mendekati persamaan di

atas:
Metoda Numerik
hal. 49
u1 b12 x 2 b13 x3 ... b1n x n

b11
u b21 x1 b23 x3 ... b2 n x n
x2 2
b22
x1
b x b x ... b
n1 1
nx2 2
n , n 1
u
x
1
n
(B)
bnn
n
u i bij x j
j 1
j i
ata
xi
, i 1,2,L, n
bii
u
jika
bii 0 atau nilainya kecil, maka harus diadakan
terjadi
pengaturan
sehingg bii 0
a
Metoda ini dimulai dengan tebakan nilai awal {x0} kemudian
dimasukkan kedalam persamaan (B) untuk menghitung {x} baru.
Contoh:
4 x1 2x 2 x3
1
11
{x}
x1 2x 2
3
2
2 x1 x 2 4x3
3
16
Persamaan di atas ditulis lagi:
11 1
1
x
x
x1
2
3
4 2
4
3 1
x
x2
1
2 2
1
1
x 4
x
x3
1
2
2
4
Vektor awal {x0} = [1, 1, 1]t
11 1
1
x11 1 1 2
4 2
4
3 1
x 21 1 2
2 2
1
1
13
x31 4 1 1
2
4
4
13 t
Jadi , {x1 }
2,
]
4
[2,
{x 2 } [0.9375 2.5 2.5]t
(C)
{x3 } 0.875 1.96875 2.90625

{x 4 } 1.03906 1.9375 3.0703
{x5 }
1.01367
Metoda Numerik
hal. 50
2.0195 2.9961
{x14 } 1.0000 2.0000 3.0000t

Dalam metoda ini hitungan elemen vektor yang baru
menggunakan elemen vektor yang lama.
5.4.2. Metoda Gauss-Seidel
Dibandingkan dengan metoda Jacobi, metoda Gauss-Seidel

menghitung elemen vektor baru dengan menggunakan elemen yang
baru saja dihitung.
Contoh: digunakan sistem persamaan yang digunakan
sebelumnya, jadi persamaan (C) dapat digunakan.
Vektor awal {x0} = [1, 1, 1]t
11 1
1
x11 1 1 2
4 2
4
3 1
5
x 21 2
2 2
2
1
1 5 19
x31 4 2
2
4 2 8
t
5 19
,
2,
{xJadi,
1}
2
8
t
{x 2 } 0.9063 1.9531 3.0586
{x3 }
1.0088
{x 4 } 0.9992
{x5 }
1.0000
2.0044 2.9945
1.9996 3.0005
2.0000 3.0000
Metoda Numerik
hal. 51
Bab
6.
MATRIK
6.1.
Notasi dan Konsep-konsep Pendahuluan

a11 a12 L a1n
A (aij ) M
M
m n
a m1 a m 2 L a mn
b11 b12 L b1 p
B (bij ) M
n p
M
bn1 bn 2 L bnp
c11 c12 L c1 p
C (cij ) M
n p
M
c n1 c n 2 L c np
d11 d12 L d1q
D (d ij )
M
n q
d
L
d
p2
pq
p1
Dengan notasi diatas, maka hal-hal dibawah ini berlaku:

1.
C
EB
adalah matriks n x p
dengan
BCCB
eij bij cij
2. F
adalah matriks m x p
f ij aik bkj
k 1
dengan
AB
A(B C ) AB AC (B C )D BD CD
,
JikaLuknanto,
maka A & B disebut commute
AB BA
Ir. Djoko
M.Sc.,
Ph.D.
Jack la
Motta
Contoh:
Metoda Numerik
hal. 52

Ph.D.
Jack la
Motta
Matrik
Buku
kuliah
1
3
1
1
dan
C (cij ) 3
1
B 2 dan
2
3
0
maka
0 5
15 20 10
B C 1 2
(B C) A 6 5
5 32 12
2 7
23
1 2
A
3 4
4 2
A(B C )
0 37
3.
1 3 1
2 1 3
A 2 0 dan B 3 1 2
1
4 1
3 1 2
mak 2
a
11
A AA 2
2
14
4
5
14 7
16 9 7
BA 7 7 0
13
11
AB 1
11
0
0
5 11
1 4
7 18
10 6 14
B 3
3
0
2
9 6
15
6
19 6
10
( A B)( A B) 5 13
7
3
4
dan
1 14
2
2
2
5
3
A B
8 8
1
tampak ternyata bahwa (A-B)(A+B)

(A2-B2), ternyata (A-B)(A+B) = A2BA+AB-B2)
4. At = A tranpos G = At , gij = aji
(B + C)t = Bt + Ct, (ABD)t = DtBtAt
Jika A = At maka A adalah simetris
Co
n
toh:
Matrik
1 3
A 2 0
4 1
1
2
1
t
A
3
1
4
0 1
1 2
Buku
kuliah
H adalah matrik diagonal jhj, H adalah n x n dan hij = 0 untuk i j.

Jika hii ditulis sebagai hi, matrik diagonal H sering ditulis [ h1,
h2, , hn] Perhatikan:
AH adalah matrik mxn (hjaij)
Metoda Numerik
hal. 53
HB adalah matrik nxp (hjbij)

H adalah matrik skalar jhj elemennya hii mempunyai nilai sama yaitu h.
hA = Ah = AH, hB = Bh = HB
Jika h =1, maka H disebut matrik identitas dan biasanya ditulis
sebagai I IA = AI = A
h11 0 L 0
1 0 L 0
0 1 L 0
0 h22 L 0
dan I
Contoh: H
M
M
M
M
0 0 L 1
0
0
L
h
nn
5. Jika AK = I, maka K adalah unik dan disebut invers dari A yang

biasa ditulis sebagai A-1. Matrik A disebut non-singuler jhj A-1 ada
6. Determinan
Jika terdapat suatu matrik, A, nxn, maka dapat dihitung determinan
A yang diberi notasi det [A], det A, atau |A|.
Beberapa sifat determinan:
det (At) = det (A), det (A-1) = [det(A)]-1
det (AB) = det (A) det (B)
Untuk menghitung determinan dibutuhkan beberapa definisi:
1.
Minor dari aij adalah determinan dari suatu (n-1) x (n-1)

matrik yang dibentuk dari matrik A, nxn, dimana baris dan
kolom yang berisi aij dibuang
2. Kofaktor dari aij adalah suatu bilangan hasil perkalian

antara (-1)i+j
dikalikan dengan minor dari aij , dan diberi notasi Aij
Determinan A dapat dihitung sebagai:
n
j 1
i 1
det (A) a rj Arj ais Ais

Contoh
:
ata
u
a11
kofaktor a11
4
det 1 1 5 4 2 3
2 5
kofaktor a12
a1
2
= 5 x 1 + 4 (-2) = -3
a22
kofaktor a22
Metoda Numerik
hal. 54
5
det
1
2
3
kofaktor a
kofaktor a12
kofaktor a13
6447411
64474
644744
3
48
48
8
2
1 2
1
1
1
11
1
13
3
1
2 1 5 1
1
1
2
4
3 4
4
2 3
5 (1) ( 4 6) 3 (1) (4 4) 1 (1)

( 3 2) 11
7. Vektor adalah matrik dengan kolom tunggal
Contoh:
u1
v1
u
v
2
u v 2
M
M
u
v
n
n
n
' inner product' (dotproduct) : (u, v) u i u v v u

vi
t
i 1
Beberapa sifat: (u, v+w) = (u,v)+

(u,w) (u+v, w) =
(u,w)+(v,w) (u,v)
= (u,w)+(v,w)
(u,v) = (u,v)
skalar
(u, u) 0, (u,u) = 0 jhj {u} = 0
6.2.
Determinan dan invers
Secara numeris determinan dan invers dapat diselesaikan

dengan metode
Gauss beserta variannya yang sudah dijelaskan pada Bab 5.
Jika matrik A adalah nxn, maka pernyataan-pernyataan dibawah
ini adalah equivalen:
1. [A]{x} = {B} mempunyai penyelesaian yang unik
2. [A]{x} = 0 berarti {x} = 0
3. [A]-1 ada
4. det (A) 0
6.2.1. Menghitung determinan dengan eleminasi

segitiga atas
Dengan metode kofaktor dihitung determinan suatu matrix A, nxn,
dengan
ekspansi terhadap kolom pertama.
Metoda Numerik
hal. 55
det A ai1 Ai1 a11 A11 a 21 A21 ... a n1 An1

i 1
Jika Adalah matrik segitiga atas, maka ai1 = 0, i

det A = a11A11 = a11a22 ann
Jika A matrik tidak segitiga, maka
a11 a12 L a1n
u11 u12
a 21 a 22 L a 2n
a 22
K
det A det
0
M
M
M
0
0
a n1 a n 2 L a nn
= 2,3,,n
L u1n
L u 2 n
M
L u nn
Contoh
:
1
4 2 1
3 5 6
1 3B1 B2
A
5 B1 B3
1
0 4
6
1 9 7 6B1 B4
1
2 1
0 17
A
0
0
2
1 21
0
1
4 B2 / 17
6
1
1
0
1 0 4 / 17
A 17
0 4 2
6
4B2 B3
0
1 21
1 25B2 B4
1 4 2
1
0
4/
17
A 17
1
0 0 2 86 / 17 B3
2
0 0 21 117 / 17
1 4
0 1
A (2)(17)
0 0
4 / 17
1 43 / 17
0 0 21 117 / 17 21B3 B4
1 4 2
1
0 1 0
4/
A 34
34111 786 / 17 1572
0 0 1
43 /17
0 0 0 786 /17
Metoda Numerik
hal. 56
6.3.
Matrik dan Vektor Eigen
Pada setiap matrik A, nxn, terdapat satu set vektor yang disebut
vektor eigen dan satu set skalar yang disebut nilai eigen.
Vektor u disebut eigen dari matrik A jhj u vektor tidal nol dan
adalah suatu skalar (yang mungkin nol nilainya), sehingga
[A] {u} = {u}
(I) Skalar disebut nilai eigen dari matrik A
Pers. (I) dapat ditulis sebagai:
[A-I]{u} = {0}
(II) Pers. (II) mempunyai penyelesaian dengan {u} tidak nol, jika
() det (A-I) = 0
() disebut fungsi karakteristik dari matrik A.
a11
a12
L
a1n
a
a2 n
a 22 L
21
A I
M
M
L
M
an 2
L a nn
a n1
Contoh: Menentukan vektor & nilai eigen matrik

2 1 0
A 1 3 1
0 1
2
3
1 1
1
2
1
0
( ) 1 3
1 (2 )
1 2
0 2
0
1 2
3
(2 ){(3 )(2 ) 1} (2 0) 7 14 8
Akar dari ()=0 adalah nilai eigen 1=1,
2=2, 3=4. Vektor eigen untuk 1=1
2 1 1
0
0
1 3 1 1 {u} 0

0
0
1 2
1

Dengan eliminasi Gauss-Jordan
1 1 0 0
1
0 0 B2 B1
1 1 0
1 2 1 0 B1 B2 0
0 1 0 B 2 B3
0 1
1 0
Metoda Numerik
hal. 57
1
1 0
0
0 1 1 0
0 0
ini berarti terdapat 2 persamaan linier untuk 3

bilangan tak
u1 u 3 0
diketahui
u1 u2 u3
:
u 2 u 3 0
Jadi vektor eigen untuk 1=1

adalah:
{u}1 u 3 1
1
Vektor eigen untuk 2=2

0 1
0 tampak bahwa baris 1 & 3 identik, sehingga
0
sehingga
1 1 1 {u} hanya
terdapat
2
0
persamaan:
0 0 1
0
u 2 0
u u 3 , u 2 0
u1 u 2 u 3 0 1
Vektor eigen untuk 3=4
2 1
0
1 0
0
Gauss
0
1
1 1 1 {u} 0
0
1
2
{u}
0Jordan 0 0
0
0 1 2
0
1
u1 u 3 0
2
u1 u 3 , u 2 2u 3 {u}3 u 3
u 2 2u 3 0
6.3.1. Metode power untuk mendapatkan nilai &

vektor
eigen terbesar.
Langkah-langkah:
1. Rumuskan fenomena fisik ke bentuk [A]{u}={u}
2. Prakirakan vektor awal {u}0{0}
3. Hitung vektor baru {u}1=[A]{u}0
4. Faktorkan koefisien terbesar {u}1=1{u}1
5. Kembali ke langkah 3 dengan {u}0={u}1 sampai {u}1{u}0
Contoh: Tentukan nilai & vektor eigen dari

matrik
30 6 5
A 6 30 9
5 9 30
Vektor
awal:
Metoda Numerik
hal. 58
{u}t0 {0, 0, 1}
0.166
[ A] 0 9 30

0.300
1 30
1.000
0 1
1
0.166 11.780
0.351
[ A] 0.300 18.996 33.530
0.566
1.000 33.530
1.000
1
2
2
0.351
18.926
0.514
0.566 29.886 36.8490.811

[ A]

1.000
1.000
36.849
2
3
3
0.514
25.286
0.634
[ A] 0.811
39.869 0.913
36.414
1.000 39.869
1.000
3
4
4
dst akhirnya
didapat
1 = 43,49
dan
0.800
{u}1 1.000
0.965
Contoh aplikasi: Suatu elemen berbentuk piramida dalam suatu benda

yang dikenai gaya-gaya luar. Gaya normal dan geser yang sejajar
sumbu-sumbu koordinat telah diketahui, maka diinginkan bidang
patahan yang mungkin terjadi dan besarnya gaya normal yang bekerja
pada bidang itu.
Kesetimbangan gaya-gaya dalam Gambar 14 sebagai
berikut:
Fx 0 21dydz x 21dxdz yx 21 dxdy zx R x 0
ldA x mdA yx ndA zx ldA 0
l x m
F
F
Metoda Numerik
hal. 59
1
0 dydx
2
1
0 dydz
2
xy
xz
yx
1
1
dxdz y dxdy
2
2
l xy m y n
1
dxdz
2
l
zy
Ry 0
m
1
dxdy z R z 0
2
m yz n z n
yz
xz
zy
zx
z
xz
Rn
y
z
dz
x
R z=
y
x
Rnn x
dx
Rx=
Rn
zx
dy
zy
Rn=dA
Ry= Rnm
y
z
luas bidang miring =
dA
dydz = dA cos(N,x) = dA
dxdz = dA cos(N,y) = mdA
dxdy = dA cos(N,z) = ndA
Gambar 14 Gaya-gaya yang bekerja pada struktur

Sekarang dalam bentuk matrik:
x
yz l
l
yx

xy y zy m m
z n

xz
yz
atau [A]{u} = {u} problem nilai dan vektor eigen, dengan:
matrik yang elemennya terdiri dari gaya geser & normal

sejajar sumbu koordinat diketahui.
u vektor yang elemennya terdiri atas cosinus sudut bidang

patahan dengan sumbu kordinat dicari.
skalar yang merupakan/menyatakan gaya normal/tegangan

normal yang bekerja pada bidang patahan dicari.
Metoda Numerik
hal. 60
Bab
7. PERSAMAAN DIFFERENSIAL BIASA
Dalam bidang teknik sering dijumpai persamaan suatu fenomena
alam yang dinyatakan dalam persamaan diferensial biasa (PDB)
Contoh:
Problem nilai awal:
y = f(x,y) dengan y(x0) = Y0
Problem nilai batas:
y = g(x,y,y) dimana a<x<b

u(a)
u(b) 1
A
B

u'
(a)
u'
(b)
2
dengan A & B adalah matrik 2x2 dan 1 & 2 konstanta yg telah

diketahui.
Taylor series
Taylor mengatakan bahwa suatu fungsi dengan sifat tertentu dapat
dinyatakan sebagai
n
h
h
h n ...
f x f x0 f 2 f
... x n!f
0
x
0 x
0
ata
1!
2!
u
2
h
h n n
h
y x y y
y 0 ...
h x x0
y
...
n! 0
2!
0
1!
0
Deret ini akan digunakan dalam bab ini
1
Contoh
y 0 1
y y
:
0,
2
dy 1
dy 1
y
dx
dx 2
y 2
Secara analitis
1
1
y dy 2 dx
1
x
Jadi 1n y x c y e 2 c
2
Ph.D.
Jack la
Motta
Jika
y 0 1 1 e 2 c c 0
Maka secara
analitis
ye
Dengan deret Taylor dapat diselesaikan sbb:
Metoda Numerik
hal. 61

Ph.D.
Jack la
Motta
Persamaan Differensial
Biasa
y 0 1
2
1
y 0
1
2
y
y
Pers.
Asli
Buku
kuliah
y 0
1
4
y 0
1
y
8
y
y
2
y '
x0 0
1
1 3
1 4
Jadi y x 1 x x 2
x
x ...
2
8
48
384
y
ye
x/2
y1
1 2
1 3
x x
x
2
8
384
y1
1
1 2
x x
2
8
y1
1
x
2
x
Gambar 15 Penyelesaian dengan Metoda Euler

Cara numeris untuk menyelesaikan problem nilai awal adalah diferensial
hingga. Pada metoda diferensi hingga penyelesaian pendekatan didapat
pada titik-titik hitung
x0 x1 x 2 ... x n ...
dan nilai pendekatan pada
setiap
x n diperoleh dengan menggunakan nilainilai
yg didapat sebelumnya.
Ditinjau
PDB:
f x, y , y x 0 Y0
Penyelesaian sesungguhnya ditulis Y(x), sehingga pers. diatas menjadi:
Persamaan Differensial
Biasa
Metoda Numerik
hal. 62
Y(x) = f(x, Y(x)), Y(x0) = Y0
Buku
kuliah
Penyelesaian pendekatannya ditulis y(x) dan nilai y(x0), y(x1), , y(xn),

atau
ditulis sebagai y0, y1, , yn,
h 0 digunakan
sebuah pias
untuk
mendefinisikan titik-titik hitung
x j x 0 jh
j 0,1, ...
Jika akan diadakan perbandingan penyelesaian

pendekatan untuk beberapa nilai h, maka yh(x) digunakan untuk
menyatakan y(x) dengan pias h.
7.1.
Metoda Euler
Dengan deret Taylor hitung Y(xn+1) dengan menggunakan Y(xn)

2
h
Y x n 1 Y x n h Y x n Y n
2
denga x n x n 1
n
Rumus Euler
menjadi:
dengan
y n1 y n hf x n , y n
n 0,1,2, ...
y 0 Y0
Kesalahan diskritisasi adalah

Y x n 1 y n 1
Contoh:
PDB
Rumus Euler
uth
h2
2
y 0 1 Y x e x
y
y,
h 0.2
y n 1 y n 0.2 y n 1.2 y n
y1 1.2 y 0 1.2 1 1.2
y 2 1.2 y1 1.2 1.2 1.44
Jika
ditabelkan:
h
0.2
x
0.4
0.8
1.2
1.6
yh(x)
1.44000
2.07360
2.98598
4.29982
Yh(x)
Yh(x)- yh(x)
1.49182 0.051
2.22554 82
0.151
94
3.32012 0.334
14
4.95303 0.653
21
0.1
Metoda Numerik
hal. 63
2.0
6.19174
7.38906
0.4
0.8
1.2
1.46410
2.14356
3.13843
1.49182
2.22554
3.32012
1.197
32
0.027
72
0.081
98
0.181
69
yh(x)
Yh(x) Yh(x)- yh(x)
4.5949
4.953
0.35806
7
03
6.7275
7.389
0.66156
0
06
Perhatikan bahwa kesalahan menurun dari nilai pertama karena h
dikecilkan
kali
h
7.2.
x
1.6
2.0
Metoda MultiStep
Secara umum rumus langkah majemuk dapat ditulis sebagai:

y n 1 a j y n j h b j f x n j , y n j
Koefisie
n
j 0
j 1
n p
a 0 , ..., a p , b1 , b0 , ..., adalah suatu konstanta,

b p dan
p0
Jika a p 0 dan b p 0 , metoda ini disebut metoda langkah (p+1),

karena (p+1)
nilai pendekatan sebelumnya digunakan untuk
menghitung
y n1 . Nilai y1 , ..., y p
harus dihitung dengan cara lain.

Metoda Euler adalah metoda langkah tunggal karena p a 0 1 b1 0 ,
= 0, dan
,
b0 1 .
Jika b 0 mak Y x hanya terdapat pada ruas kiri, sehingga
1
n 1
a
rumusnya
disebut rumus eksplisit.
Jika b1 0 ,
Y xn 1 terdapat diruas kanan maupun kiri, sehingga
disebut
maka
rumus implisit.
Koefisien
aj
dan b dapat dihitung dari

j
p
a
j 0
1 ja j
j 0
j 0
j 1
j 1
i
j aj i j i 1b j
kali.
Ru
1
1
i 2, ..., m
mus terakhir menjamin
bahwa Y x
da pat diderivikasikan m 1
Jika a 0 0 , a1 1 b1 0 , b0 2 , maka didapat rumus untuk metoda
,
titik
tenga
h
Metoda Numerik
hal. 64
y n 1 y n1 2hf x n , y n
n1
Merupakan metoda langkah ganda yang explisit.

1
Jika a 0 1 , b1 b0 , maka didapat rumus trapesium yang implisit
dan
2
merupakan metoda langkah tunggal:
1
y n 1 y n h f x n , y n f x n 1 , y n 1 , n 0
2
7.2.1. Metoda Trapesium

Metoda ini dapat pula dijabarkan dari:
Y(t) = f(t,
Y(t)) Diintegrasikan dari x n , x n1
xn 1
Y t dt
xn 1
f t, Y (t)dt
xn
xn
3
Y x n 1 Y x n h f x n , Y x n f x n 1 , Y x n 1
x n n x n 1
Y
h
1

12 n
2
sehingga pendekatannya menjadi
1
y n 1 y n h f x n , Y x n f x n1 , Y x n 1
2
Karena rumusnya implisit, maka yn+1 dapat dihitung dengan iterasi,
jadi secara umum:
j 1
y n 1 y n
1
h f x n , y n f x n 1 , ynj
2
j=0, 1,
Langkah-langkah hitungan:
1. xn,yn telah diketahui/dihitung pada langkah sebelumnya
0
2. y n1 diprakirakan dgn rumus eksplisit, misalkan
y n01 y hf x n , y n
n
0 dimasukkan
3. y n1
sehingga
kedalam ruas kanan
y n 1 dapat dihitung
4. langkah 2 diulang s/d ketelitian yang dikehendaki

Walaupun secara umum dapat diselesaikan dengan iterasi, tetapi
mungkin dapat diselesaikan dengan cara lain atau bahkan tanpa iterasi
tergantung dari (x,y).
Contoh:
y= y
Karena
maka
(x,y) = y,
Metoda Numerik
hal. 65
y(0) = 1
1
y n 1 y n h y n y n 1
2
y n 1
Untuk
h
2y
h n
1
2
1
1.1
y 1.2222 y n
0.9 n
y1 1.2222 y 0 1.2222 1
y 2 1.2222 y1 1.2222 1.2222 1.49383
h 0.2 y n 1
Jika ditabelkan:
x
0.4
0.8
1.2
1.6
2.0
7.3.
yh(x)
1.49383
2.23152
3.33350
4.97968
7.43878
Yh(x)
1.49182
2.22554
3.32012
4.95303
7.38906
Yh(x)y-h(x)
0.00200
-0.00598
-0.01339
-0.02665
0.04972
Metoda Runge-Kutta (RK)
Metoda Runge-Kutta merupakan metoda langkah tunggal yang

lebih teliti dibandingkan metoda Euler.
Semua metoda RK dapat ditulis sebagai:
y i 1 y1 h xi , y i , h
denga xi , y i , h disebut fungsi penambah
n
7.3.1. Metoda RK derajat dua

ak1 bk 2
denga
n
k1 f xi ,y i
k 2 f xi ph,qhf xi ,y i y i
f xi ph,qhk1 y i
dimana a,b,p,q akan ditentukan

kemudian. Ditinjau deret Taylor untuk
2 variabel (x,y):
f x r, y s f x, y rf x, y sf x, y 1 r 2
x
rsf xy x, y
f
s
2
2
yy
xx
x, y
x, y O r s
Metoda Numerik
hal. 66
k f x ,y
phf i i
2
Jadi
x ,y Oh 2
x ,y k
x
qhfi
y i 1 y i h xi ,y i ,h
y haf x ,y bf x ,y
i
i i
i i
pbf x ,y bqf x ,y
x
x ,y
y
(A)
Dengan deret Taylor:

2
h
y i 1 y i hy xi ,y i y x xi ,y i ...
2!
2
h
y y
y hy
y i
i
i
y
2
h2
x ,y f x ,y
y hf x ,y
f i
xf i i
i i
i i
2
A B a b 1, bp 12, bq 12
(B)
x ,y
y
Tidak dapat diselesaikan karena hanya ada 3 persamaan dengan 4

bilangan anu yaitu a,b,p,q. Biasanya nilai b adalah atau 1.
Untuk b = , a = , p =q = 1
y i 1
Euler utk y
64748 i 1
y i [ f xi , y i f {xi h, y i hf ( xi , y i
)}]
2 14243 14444244443
h
slope di xi
slope di xi
1
dihitung dgn metoda
Euler
Jadi metoda RK dapat dipandang sebagai metoda predictor-corrector

1. Langkah predictor:
a.
y i 1 dengan metoda Euler
prakirakan
b. slope (y) dititik xi 1 , adala f xi 1 , y i 1
h
y
i 1
2. Langkah corrector:
a. hitung slope (y) dititik (xi, yi) yaitu f(xi, yi)
b. hitung slope rerata = (slope 1.b +
slope 2.a)/2 c. hitung yi+1 = yi + h x hasil
2.b
Untuk b = 1, a = 0, p = q =
y i 1 y i hf xi 12 h, y i 12 hf xi y i
7.3.2. Metoda RK berderajat tiga

y i 1 y i 16 hk1 4k 2 k 3
(C)
k1 f x i , y i
k 2 f xi h 2 , y i 12 hk1
k 3 f xi h, y i 2hk 2 hk1
Metoda Numerik
hal. 67
7.3.3. Metoda RK berderajat empat

7.3.3.1.
Metoda Pertama
y i 1 y i h6 k1 2k 2 2k 3 k 4
k1 f x i , y i
k 2 f xi 21 h, y i 12 hk1
k 3 f xi 12 h, y i 12 hk 2
k 4 f xi 12 h, y i 12 hk 3
7.3.3.2.
Kedua
Metoda
y i 1 y i
k1 3k 2 3k 3 k 4
h
8
k1 f x i , y i
k 2 f x i
, y i hk 1
1
3
k 3 f xi 32 h, i 1 hk hk 2
y
k 4 f xi h, y i hk1 hk 2 hk 3
7.3.3.3.
Metoda Ketiga
2
Metoda inilah yang paling banyak digunakan

y i 1 y i 61 1 2 2 k 2 2 k k 4
hk
k1 f x i , y i
k 2 f xi 1 h, y i hk1
2
k 3 f xi 21 h,
y
k 4 f xi h, y i
Contoh
:
y
y
1
2
1
2
1
2
1 1
hk
hk 2 1
y 0 1
eksak
Y 1 e 1 2 1.648721271
Diselesaikan dengan
RK4:
1
1
2
Y x e
hk
3
x2
f x, y 21 Y
k1 f x0 ,y 0 f 0,1 2 1 1 2 1
1
k 2 f x 0 12 h,y 0 21 hk1 f 0 12 .1,1 1 2 .1.
2
1
hk
2
f 21 , 45 2 1 4.
k 3 f x0 21 h,y0
1
2
Metoda Numerik
hal. 68
1
2
1 1 2 1
1
hk
hk
1 1 0.64331
1
k 4 f x0 h,y 0
1
2
1
2
y 1 y 0
7.4.
1
2
hk 2 1
15 8 1 2
1
2
hk
3
10.64331 0.828125
2 2 0.64431 0.828125 1.6484375
1 1
2
Metoda Predictor-Corrector
Metoda langkah majemuk berdasarkan rumus integrasi. Secara umum

metoda
ini mengintegrasi PDB pada interval [xi-k, xi+1] sebagai berikut:
y f x, y
yi 1
xi 1
dy f x, y dx
yi k
xi k
y i 1 y i k
xi 1
f x, y dx
xi k
f(x, y) didekati polinomial

derajat r,
x a j x j
j 0
Integrasi terbuka dan beda terbagi mundur menghasilkan:

untuk k = 0, r = 3
y i 1 y i 24h 55 f i 59 f i 1 37 f i 2 9 f i
3
untuk k = 1, r = 1
y i 1 y i 1 2hf i
untuk k = 3, r = 3
y i 1 y i 3 4 3 h2 f i f i 1 2 f 1
2
O(h5)
O(h3
) (I)
O(h5)
untuk k = 5, r = 5
y i 1 y i 5 310 h11 f i 14 f i 1 26 f i 2 14 f i 3 11
f i 4
Integrasi tertutup dan beda terbagi mundur menjadi:
untuk k = 0, r = 3
O(h7)
y i 1 y i
2
h
24
9 f i 1 19 f i 5 f i 1
untuk k = 5, r = 5
y i 1 y 1 h3 f i 1 4 f i f i
1
Metoda Numerik
hal. 69
O(h5)
fi
(II) 5
O(h )
untuk k = 3, r = 5
y i 1 y i 3 245h 7 f i 1
f 1 12f i 2 f i 3
7
32
O(h7)
Kesulitan metoda langkah majemuk adalah pada saat

permulaan
y i k belum
terhitung sehingga harus harus dihitung dengan cara lain, misalnya

metoda Euler.
Dari hasil di atas tampak bahwa integrasi terbuka memberikan rumus
eksplisit; sehingga hitungan tidak menggunakan iterasi. Integrasi
tertutup menghasilkan rumus implisit, sehingga membutuhkan iterasi.
Walaupun menggunakan iterasi, integrasi
disukai karena ketelitiannya lebih tinggi.
tertutup
lebih
Contoh:
14 5 ( 4 )
h f

15
1
(II) kesalahan:
h 5 f (4)
Pada
(I)
kesalahan:
xi 3 xi 1
xi 3 xi 1
90
Rumus Adam-Bashforth (eksplisit)

1.
1
2.
Y
3.
Y
4.
Y
Yn Yn hYn
Y
n 1 Y n
h
2
h 2Y
3Y
5 h 3Y 3
n 1
n 1
Y h 23Y
16Yn 12
n
n 1
Y h 55Y
59Yn 24
n
12
n 1
n1
3 h 4 Y 4
5Y
n2
37Y
n2
251 h 5Y 5
9Y
n 3
720
Rumus Adam Moulton (implisit)

1.
2.
Y
3.
Y
4.
Y
Yn 1 Yn hYn 11 2 h Y
2
n 1
Y h Y Y 1 h Y
n 2 n 1 n 12
n 1
Y h 5Y 8Y 1 h Y
n 12 n 1 Y n
n 1
12
n 1
Y h 9Y 19Y
n 24 n 1 5Y n

n
4
n1
n2
19
720
7.4.1. Algoritma Predictor-Corrector

Rumus A-M membutuhkan penyelesaian iterasi, sedangkan rumus A-B
tidak, tetapi A-M ketelitiannya lebih tinggi. Algoritma predictor-corrector
berusaha menggabungkan keuntungan kedua rumus diatas, sebagai
berikut:
Metoda Numerik
hal. 70
1. Gunakan rumus A-B untuk

memperkirakan
Yn1 (predictor; rumus A-B)
2.
Yn1 memakai rumus A-M tanpa iterasi dengan
Hitung
memakai
dari a (corrector; rumusAM) Contoh:
1. A-B-M derajat 4:
a. Predictor A-B
y n1 y n h 55 f 59 f n 137
24
n
f
b. Corrector AB
h
9 f n 1 19 f n5 f
y n 1 y n
24
9 f n 3
n 2
n 1
n2
2. Rumus Milne derajat 4:

a. Predictor
y n 1 y n3 4h 2 f n f n 1 2 f n2
3
b.
Corrector
y n 1 y n1
Contoh
penggunaan:
dy 1
y0
dx 2
Penyelesaiaan:
h
3
f n 1 4 f n
f n 1
y(0)=1 hitung y(1) = ?
1
2
y f x, y 2 1
y
Catatan: solusi
eksak
Y e
Digunakan h = 0.25
Euler y n 1 y n hf
n
i
n-3
n-2
n-1
n
n+1
AB
4:
xi
0.00
0.25
0.50
0.75
1.00
yi
1.0000
1.1250
1.2656
1.4238
1.6018
f(xi,yi)
0.5000
0.5625
0.6328
0.7119
0.8009
55 f n 59 f n 1 37 f n2 9 f n 3
y n 0.24
24 550.7119 590.6328 370.5625 90.50
y n 1 y n
h
24
Yn1 nilai
A-B-M-4:
Metoda Numerik
hal. 71
1.4238 0.18887
1.6127
(predictor)
f n 1 12 y n 1 12 1.6127 0.8063
y n 1 y n 24h 9 f n1 19 f n 5 f n 1 f n 2
1.4238
0.25
24
90.8063 190.7119 50.6328 0.5625
1.4238 0.1894
1.6132
A-M-4:
(predictor - corrector)
f n 1 12 1.6132 0.8066
Iterasi
2:
y n 1 1.4238
Iterasi
3:
y n 1 1.613217
Iterasi
9:
0.25
24
90.8066 190.7119 50.6328 0.5625
0.613216
f n 1 0.8066
M
f n 1 0.80661
y n 1 1.613217
Tampak bahwa algoritma predictor-corrector sudah mencukupi

dibandingkan dengan iterasi.
Tabel hasil
x
0,00
0,25
0,50
0,75
1,00
1,0000
1,13315
1,28403
1,45499
1,64872
Euler
1,0000
1,1250
1,2656
1,4238
1,6018
-2,846%
A-B-4
1,6127
-2,185%
A-B-M4 1,6132
2,154%
Untuk latihan: hitung y(1) = ? dengan h = 0,125, bandingkan

dengan hasil
h = 0,25
Metoda Numerik
hal. 72
DAFTAR PUSTAKA
Carnahan, Brice, H.A. Luther, James O. Wilkes, Applied Numerical

Methods, John
Wiley & Sons, New York, 1969.
Spiegel, R. Murray, Theory and Problems of Statistics, Schaums Outline
Series, McGraw-Hill International Book Company, Singapore,
1981.
Al-Khafaji, Amir Wahdi, John R.Tooley, Numerical Methods in
Engineering
Practice, Holt, Rinehart and Winston, Inc., New York, 1986.
Anonim, fx7000G Owners Manual, CASIO
Atkinson, Kendall E., An Introduction to Numerical Analysis, John Wiley &
Sons, New York, 1989.
James, M.L., G.M. Smith, J.C. Wolford, Applied Numerical Methods for
Digital Computation with Fortran and CSMP, 2nd Edition, Harper
International Edition, New York, 1977.

Ph.D.
Jack la
Motta
Metoda Numerik
hal. 73

Ph.D.
Jack la
Motta

Metoda Numerik

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Metoda Numerik

Diunggah oleh

Hak Cipta:

Format Tersedia

La Design 96: 2028 Kbytes of D:My DocumentsPublikasiMetoda NumerikMetoda Numerik.

doc printed on Saturday 12/02/05

Bahan kuliah Metoda

Buku berjudul Metoda Numerik ini merupakan bahan kuliah di

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

Ir. Djoko Luknanto, M.Sc.,

Ir. Djoko Luknanto, M.Sc.,

Ir. Djoko Luknanto, M.Sc.,

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

Ir. Djoko Luknanto, M.Sc.,

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

7. Persamaan Differensial Biasa

7.4. Metoda Predictor-Corrector

Ir. Djoko Luknanto, M.Sc.,

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

Ir. Djoko Luknanto, M.Sc.,

Ir. Djoko Luknanto, M.Sc.,

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

Gambar 8 Konsep integrasi trapesium

Ir. Djoko Luknanto, M.Sc.,

Ir. Djoko Luknanto, M.Sc.,

Teorema 1.1.: Nilai Antara (lihat Gambar 1)

M Supremum f ( x) , maka untuk setiap bilangan pada interval tertutup

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

[a, b] dimana m = f(u) dan M = f()

Gambar 1 Teorema Nilai Antara

Ir. Djoko Luknanto, M.Sc.,

Ir. Djoko Luknanto, M.Sc.,

Error: Asal &

Teorema 1.2.: Nilai Tengah (lihat Gambar 2)

Teorema 1.3: Nilai Tengah Integral (lihat Gambar 3)

menerus pada [a,b], maka

w( x) f ( f ( ) w( x)dx untuk satu titik [a,b]

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

Gambar 2 Teorema Nilai Tengah

Error: Asal &

untuk diantara xo dan x.

Gambar 3 Nilai Tengah Integral

ingat : udv uv vdu

... tf ' (t) t o tdf ' (t)

... ( x x o ) f ' ( xo ) x( f ' ( x) f ' ( xo ) tf "(t)dt

... ( x x o ) f ' ( x o ) x f "(t )dt tf "(t )dt

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

f "(t )d ( x t ... dst.

Gambar 4 Interpretasi Deret Taylor secara geometris

AA' A' C '

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

Jadi kesalahan pemotongan

Bilangan Dalam Komputer

Komputer menyajikan bilangan dalam 2 mode yaitu (1) Integer, (2)

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

b. Pada basis 16, semua bilangan terdiri dari/dinyatakan dengan angka

dengan disebut tanda, e disebut eksponen L e U, ( a1a2a3

Nilai nol, , suatu komputer adalah suatu bilangan positip terkecil

1.2.1. Underflow and Overflow

D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)

Definisi dan Asal error

Dalam penyelesaian suatu masalah, dikehendaki jawaban yang

Untuk banyak keperluan, bukan error mutlak yang dikehendaki

1.3.1. Angka signifikan (significant digits)

0.3 3333..., x 0.333 , x T x

karena pada angka ke 4 kesalahannya <

karena pada angka ke 5 kesalahannya <

0.0 2138 x A 0.02144 xT x A 0.0 0 0 0 6