ERROR
1.2. Error
Error / kesalahan / galat numerik muncul akibat penggunaan nilai aproksimasi /
pendekatan / hampiran untuk menyatakan hasil operasi atau besaran matematika yang
eksak atau nilai sejatinya. Hubungan antara nilai aproksimasi dan nilai sejati (true value)
dirumuskan dengan :
E t = xt x a
dimana
Et = error sejati
xt = nilai sejati
x a = nilai aproksimasi
t =
Et
100 %
xt
1
100 % =0.01 %
10000
1
100 % =10 %
10
Jadi walaupun kedua pengukuran itu mempunyai error yang sama 1 cm, tetapi
persentase error untuk paku lebih besar dari pada persentase error untuk jembatan. Dapat
diambil kesimpulan bahwa error pengukuran jembatan lebih baik dari paku.
Untuk metode numerik nilai sejati hanya akan diketahui jika fungsi yang
ditangani berupa fungsi yang dapat diselesaikan secara analitik / eksak. Untuk itu jika
nilai sejatinya tidak diketahui maka digunakan penormalan error dengan menggunakan
taksiran terbaik yang tersedia dari nilai sejati, yaitu dari nilai aproksimasi itu sendiri.
a =
Ea
xa
a =
xa i xai1
xai
100 %
dimana
x ai =
x a i 1 =
Nilai aproksimasi benar sampai suatu nilai toleransi s dengan n angka penting / digit
BAB 2
AKAR AKAR PERSAMAAN
Untuk mencari akar akar real dari suatu persamaan f ( x) = 0 jika tidak dapat
xl + xu
.
2
Hal ini dilakukan secara iterasi dengan cara mengganti nilai salah satu dari nilai xl atau
xu dengan nilai x r .
Y
f ( xu )
y = f (x )
xl
xr =
xl + xu
2
xt
f ( xl )
4
xu
xl + xu
2
c. Evaluasi nilai x r
Jika f ( xl ) f ( x r ) < 0 maka xu = x r
Jika f ( xl ) f ( x r ) > 0 maka xl = x r
Jika f ( xl ) f ( x r ) = 0 maka nilai akar sejati x r
a < s
Contoh :
Dengan menggunakan Metode Biseksi tentukan akar real dari f ( x ) = x 4 2 x 2 + x 2
dengan nilai awal xl = 1 dan xu = 2 sampai 2 angka signifikan
Penyelesaian :
Kriteria berhenti sampai 2 angka signifikan berarti s = 0.5% , dengan menggunakan
program komputer dapat ditabelkan sbb :
Itrs
1
2
3
4
5
6
7
8
xl
1.0000000
1.0000000
1.2500000
1.3750000
1.4375000
1.4687500
1.4843750
1.4921875
xu
2.0000000
1.5000000
1.5000000
1.5000000
1.5000000
1.5000000
1.5000000
1.5000000
f ( xl )
-2.0000000
-2.0000000
-1.4335938
-0.8317871
-0.4252777
-0.1920767
-0.0675277
-0.0032072
xr
1.5000000
1.2500000
1.3750000
1.4375000
1.4687500
1.4843750
1.4921875
1.4960938
f ( xu )
8.0000000
0.0625000
0.0625000
0.0625000
0.0625000
0.0625000
0.0625000
0.0625000
f (x r )
0.0625000
-1.4335938
-0.8317871
-0.4252777
-0.1920767
-0.0675277
-0.0032072
0.0294720
a , %
-20.00
9.09
4.34
2.12
1.05
0.52
0.26
f ( xu )
xl
xr
xt
xu
y = f (x )
f ( xl )
f (xu )( xl xu )
f (xl ) f (xu )
f ( xu ) ( xl xu )
f ( xl ) f ( x u )
c. Evaluasi nilai x r
Jika f ( xl ) f ( x r ) < 0 maka xu = x r
Jika f ( xl ) f ( x r ) > 0 maka xl = x r
Jika f ( xl ) f ( x r ) = 0 maka nilai akar sejati x r
a < s
Contoh :
Dengan
menggunakan
Metode
Regula
Falsi
tentukan
akar
real
dari
xl
1.0000000
1.2000000
1.3337775
1.4116877
1.4528941
1.4734939
1.4834905
xu
2.0000000
2.0000000
2.0000000
2.0000000
2.0000000
2.0000000
2.0000000
f ( xl )
-2.0000000
-1.6064000
-1.0594401
-0.6025371
-0.3130040
-0.1548331
-0.0747228
xr
1.2000000
1.3337775
1.4116877
1.4528941
1.4734939
1.4834905
1.4882703
f ( xu )
8.0000000
8.0000000
8.0000000
8.0000000
8.0000000
8.0000000
8.0000000
f (x r )
-1.6064000
-1.0594401
-0.6025371
-0.3130040
-0.1548331
-0.0747228
-0.0356300
a , %
10.03
5.52
2.84
1.40
0.67
0.32
y=x
y = g (x )
xi +1
xi
a < s
Contoh :
Dengan menggunakan Metode Iterasi Satu Titik Sederhana tentukan akar real
f ( x ) = x 4 2 x 2 + x 2 dengan nilai awal x0 = 1 sampai 2 angka signifikan
dari
Penyelesaian :
Kriteria berhenti sampai 2 angka signifikan berarti s = 0.5% . Persamaan disusun
kembali menjadi x = 4 2 x 2 = x + 2 dan dengan menggunakan program komputer dapat
ditabelkan sbb :
Iterasi
xi
g ( xi )
g' ( xi )
f ( xi )
a ,%
0
1
2
3
4
5
1.0000000
1.3160740
1.4271197
1.4681654
1.4834583
1.4891676
1.3160740
1.4271197
1.4681654
1.4834583
1.4891676
1.4913004
0.3290185
0.3667804
0.3719595
0.3731472
0.3735027
0.3736239
-2.0000000
-1.1480276
-0.4981941
-0.1966321
-0.0749849
-0.0282338
24.02
7.78
2.80
1.03
0.38
f ( xi )
xi +1
xi
Dari gambar diatas persamaan garis singgung f ( x ) dengan gradien garis singgung
f ' ( xi ) yang melalui titik [xi , f ( xi )] adalah y f (xi ) = f ' ( xi ) ( x xi ) . Garis singgung ini
memotong sumbu X di (xi +1 ,0) sehingga xi +1 = xi
f (xi )
f ' ( xi )
f ( xi )
dimana i = 1, 2, 3, ....
f ' ( xi )
a < s
Contoh :
Dengan menggunakan Metode Newton - Raphson tentukan akar real
dari
xi
f ( xi )
f ' ( xi )
a ,%
0
1
2
3
4
2.0000000
1.6800000
1.5289308
1.4942725
1.4925766
8.0000000
2.0011418
0.3181836
0.0141922
0.0000327
25.0000000
13.2465280
9.1805722
8.3688568
8.3302531
-19.05
-9.88
-2.32
-0.11
10
Garis ini melalui titik (xi +1 ,0) sehingga nilai xi +1 dapat dicari, yaitu :
xi +1 = xi
f ( xi ) (xi 1 xi )
dimana i = 1, 2, 3, ....
f (xi =1 ) f ( xi )
Y
y = f (x )
f ( xi =1 )
f ( xi )
xi +1 xi
xi 1
f ( xi ) ( xi 1 xi )
dimana i = 1, 2, 3, ....
f ( xi =1 ) f ( xi )
a < s
11
Contoh :
Dengan menggunakan Metode Secant tentukan akar real dari f ( x ) = x 4 2 x 2 + x 2
dengan nilai awal x0 = 2 dan x1 = 3 sampai 2 angka signifikan
Penyelesaian :
Kriteria berhenti sampai 2 angka signifikan berarti s = 0.5% dan dengan menggunakan
program komputer dapat ditabelkan sbb :
Itrs
1
2
3
4
5
6
xi 1
2.0000000
3.0000000
1.8571429
1.7633373
1.5797881
1.5171938
xi
3.0000000
1.8571429
1.7633373
1.5797881
1.5171938
1.4952490
f ( xi 1 )
8.0000000
64.0000000
4.8546439
3.2127299
0.8169974
0.2120773
xi +1
1.8571429
1.7633373
1.5797881
1.5171938
1.4952490
1.4926606
12
f ( xi )
64.0000000
4.8546439
3.2127299
0.8169974
0.2120773
0.0223754
f ( xi +1 )
4.8546439
3.2127299
0.8169974
0.2120773
0.0223754
0.0007322
a , %
-5.32
-11.62
-4.13
-1.47
-0.17
BAB 3
SISTEM PERSAMAAN LINEAR
a
dengan A = 21
M
a
n1
a12
a 22
M
an 2
L a1n
x1
b1
L a2n
x2
b2
=
=
,
,
b
x
M
M
M
M
x
b
L a nn
n
n
Ada 3 metode yang akan dibahas disini, yaitu : Metode Dekomposisi LU, Metode Jacobi
dan Metode Gasuss Seidel.
A = LU sehingga
a11
a 21
M
a
n1
a12
a 22
M
an2
L a1n l11
L a 2 n l 21
=
M
M M
L a nn l n1
0
l 22
M
ln2
1 u12 L u1n
0 1 L u 2n
M M
M
M
M
L l nn 0 0 L 1
L
L
0
0
M
A = LU sehingga
a11
a 21
M
a
n1
a12
a 22
M
an2
L a1n l11
L a 2 n l 21
=
M
M M
L a nn l n1
13
l12
l 22
M
ln2
L 0 u11
L 0 0
M
M M
L l nn 0
u12 L u1n
u 22 L u 2 n
M
M
M
0 L u nn
Dari
a 21
M
a
n1
a12
a 22
M
an2
0
l 22
M
ln2
0 1 u12
0 0 1
M M M
... l nn 0 0
...
...
... u1n
... u 2 n
M
... 1
u jk =
a jk l ji u ik
i =1
l jj
untuk k = j + 1, j + 2,..n
n 1
dan l nn = a nn l nk u kn
k =1
Contoh :
Lakukan dekomposisi LU Crout dan tentukan penyelesaian dari SPL :
2 x1 5 x 2 + x3 = 12
x1 + 3x 2 x3 = 8
3x1 4 x 2 + 2 x3 = 16
Penyelesaian :
l11 = 2 ; l 21 = 1 ; l31 = 3
u12 =
a
a12 5
1
=
= 2.5 ; u13 = 13 = = 0.5
l11
l11 2
2
a 23 l 21 u13 1 ( 1)(0.5)
=
= 1
l 22
0.5
14
0 0 1 2.5 0.5
2 5 1 2
0 0 d 1 12
2
L d = b sehingga 1 0.5 0 d 2 = 8
3 3.5 4 d 16
3
2d1 = 12 sehingga d1 = 6
d1 + 0.5 d 2 = 8 sehingga d 2 = 4
U x = d sehingga 0
1
1 x2 = 4
0
0
1 x3 3
x3 = 3
x 2 x3 = 4 sehingga x 2 = 1
x1 2.5 x 2 + 0.5 x3 = 6 sehingga x1 = 2
bi
aii
j =1, j i
aij
aii
x (jk )
( 0)
15
Contoh
Selesaikan SPL berikut :
8 x1 + x 2 x3 = 8 ...................(1)
2 x1 + x 2 + 9 x3 = 12 .................(2)
x1 7 x 2 + 2 x3 = 4 .................(3)
Dengan memperhatikan elemen pivot maka SPL ini disusun kembali menjadi bentuk :
x1 = 1 0.125 x 2 + 0.125 x3
( 0)
( 0)
(1)
( 2)
( 3)
( 4)
( 5)
( 6)
(7)
x1
1.000
1.095
0.995
0.993
1.002
1.001
1.000
x2
0.571
1.095
1.026
0.990
0.998
1.001
1.000
x3
1.333
1.048
0.969
1.000
1.004
1.001
1.000
bi i 1 aij ( k +1)
xj
aii j =1 aii
aij
j =i +1
aii
x (jk )
16
( 0)
Contoh
Selesaikan SPL berikut :
8 x1 + x 2 x3 = 8 ...................(1)
2 x1 + x 2 + 9 x3 = 12 .................(2)
x1 7 x 2 + 2 x3 = 4 .................(3)
Dengan memperhatikan elemen pivot maka SPL ini disusun kembali menjadi bentuk :
x1( k +1) = 1 0.125 x 2( k ) + 0.125 x3( k )
x 2( k +1) = 0.571 + 0.143 x1( k +1) + 0.286 x3( k ) ............dari persamaan (3)
x3( k +1) = 1.333 0.222 x1( k +1) 0.111 x 2( k +1) ..........dari persamaan (2)
( 0)
( 0)
(1)
( 2)
( 3)
( 4)
( 5)
x1
1.000
1.041
0.997
1.001
1.000
x2
0.714
1.014
0.996
1.001
1.000
x3
1.032
0.990
1.002
1.001
1.000
17
BAB 4
SISTEM PERSAMAAN NON LINEAR
Penyelesaian dari sistem persamaan non linear (SPNL) dengan n persamaan dan n
variabel dapat diperoleh dengan menggunakan Metode Newton Raphson atau Metode
Iterasi.
f 1 ( x 1 , x 2 ,..... x n ) = 0
f 2 ( x 1 , x 2 ,..... x n ) = 0
M
f n ( x 1 , x 2 ,..... x n ) = 0
( 0)
( 0)
= x1( 0 ) , x 2( 0) ,....., x n( 0 ) dari fungsi fungsi pada SPNL tersebut akan menghasilkan :
( )+ e
) = f (x ) + e
(0)
(0)
(0)
1
(0)
1
( )
f
(x )+ e
x
2
( 0)
( )+ e
(0)
(0)
1
( )
f
(x )+ ..... + e
x
( )
f
(x ) = 0
x
( 0)
(0)
f
f 1 ( 0 )
f
x + e 2( 0) 1 x + ..... + en( 0 ) 1 x = 0
x 2
x n
x1
( )
( 0)
2
(0)
( )
(0)
n
( 0)
( )
( 0)
(0)
f n ( 0 )
f
f
x + e2( 0) n x + ..... + en( 0 ) n x = 0
x1
x 2
x n
18
dimana :
()
()
()
()
()
()
f 1
f 1
x L
x
x 2
x n
f 2
f 2
f2 x
x L
x
x 2
x n
M
M
M
M
f n
f n
f n ( x)
x L
x
x 2
x 2
=
f 1
f 1
f1
x
x L
x
x1
x 2
x n
f 2
f 2
f 2
x
x L
x
x1
x 2
x n
M
M
M
M
f n
f n
f n
x
x L
x
x1
x 2
x n
f1 x
()
(0)
1
()
()
()
()
()
()
()
()
()
f1
x
x1
f 2
x
x1
M
f n
( x)
x1
=
f1
x
x1
f 2
x
x1
M
f n
x
x1
()
., en( 0 )
()
()
()
()
f1
x2
f 2
x 2
M
f n
x 2
f1
x 2
f 2
x 2
M
f n
x 2
, e
(0)
2
(x)
L f2 x
()
f1 x
()
(x)
L fn x
(x)
(x )
()
()
()
(x)
(x )
f1 x
()
()
()
f 1
x
x1
f 2
x
x1
M
f n
( x)
x1
=
f 1
x
x1
f 2
x
x1
M
f n
x
x1
()
()
f1
x
x n
f 2
x
L
x n
M
M
f n
x
L
x n
()
()
19
()
f2 x
()
fn x
()
()
()
f1
x
x 2
f 2
x
x 2
M
f n
x
x 2
()
M
L
()
f 1
x
x n
f 2
x
x n
M
f n
x
x 2
,
f 1
x
x n
f 2
x
x n
M
f n
x
x n
()
()
()
()
()
Contoh :
Dengan Metode Newton Raphson tentukan penyelesaian dari SPNL berikut :
x1 + 3 log x1 x 22 = 0
2 x12 x1 x 2 5 x1 + 1 = 0
( 0)
Penyelesaian
f1 ( x1 , x 2 ) = x1 + 3 log x1 x 22 maka
f1
f 1
3
= 2x 2
= 1+
dan
x 21
x1
x ln 10
f 2 ( x1 , x 2 ) = 2 x12 x1 x 2 5 x1 + 1 maka
Setelah dimasukkan untuk x
( 0)
f 2
f 2
= x1
= 4 x1 x 2 5 dan
x 2
x1
diperoleh :
e1( 0 )
0.1545 4.4
0.72
3.4
= 0.157 sehingga x1(1) = x1( 0 ) + e1( 0 ) = 3.4 + 0.157 = 3.557
=
1.383 4.4
6.4 3.4
e2( 0 )
1.383 0.1545
6.4
0.72
=
= 0.085 sehingga x 2(1) = x 2( 0 ) + e2( 0 ) = 2.2 + 0.085 = 2.285
1.383 4.4
6.4 3.4
20
e1
x1
e2
x2
0.157
3.557
0.085
2.285
-0.0685
3.4885
-0.0229
2.2621
-0.0013
3.4782
-0.00056
2.26154
f 1 ( x 1 , x 2 ,..... x n ) = 0
f 2 ( x 1 , x 2 ,..... x n ) = 0
M
f n ( x 1 , x 2 ,..... x n ) = 0
( 0)
= x1( 0 ) , x 2( 0) ,....., x n( 0 )
21
Contoh :
Dengan Metode Iterasi tentukan penyelesaian dari SPNL berikut
x1 + 2 x 2 x 2 2 x3 = 0
2
x1 8 x 2 + 10 x3 = 0
2
x1
1 = 0
7 x 2 x3
( 0)
( k +1)
2
x12
( k +1)
(k )
+ 2 x3( k )
+ 10 x3( k )
8
( k +1)
x3( k +1) =
x12
7 x 2( k +1)
(0)
(1)
( 2)
x1
0.55
0.534602656
0.532106322
x2
0.39
0.400905225
0.403352621
x3
0.10
0.101840956
0.100279905
22
BAB 5
POLINOMIAL INTERPOLASI
, f 2 = f 3 f 2
, ..... , f i = f i +1 f i
( )
= ( f ) = f
3 f1 = 2 f1 = f 4 3 f 3 + 3 f 2 f 1
3 f i
i +3
3 f i + 2 + 3 f i +1 f i
M
Dengan demikian beda hingga ke n menjadi :
n f i = f i + n n f i + n 1 +
n (n 1)
n (n 1) (n 2)
f i + n2
f i + n 3 + .........
2!
3!
dimana f i = f ( xi )
23
-2
x2
f(x)
f ( x)
2 f ( x)
3 f ( x)
4 f ( x)
f 2
f 2
-1
x 1
2 f 2
f 1
f 1
x0
3 f 2
2 f 1
f0
f 0
x1
3 f 1
2 f 0
f1
4 f 1
f 1
x2
3 f 0
2 f 1
f2
4 f 0
f 2
x3
4 f 2
3 f 1
2 f 2
f3
f 3
x4
f4
s = indeks dari x
Jika f ( x) berbentuk polinomial dari data yang diberikan maka tabel beda hingga
mempunyai bentuk yang khusus.
24
Contoh :
Tabel beda hingga untuk fungsi f ( x) = x 3
f(x)
f ( x)
2 f ( x)
3 f ( x)
4 f ( x)
1
1
6
7
6
12
19
3
27
6
18
37
4
64
6
24
61
5
125
6
30
91
6
216
Dapat dilihat bahwa beda hingga ke tiga konstan sehingga beda hingga ke empat
dan selanjutnya akan bernilai 0. Untuk menunjukkan bahwa beda hingga ke n dari
polinomial derajad n adalah konstan dapat dilakukan dengan cara sbb:
a xn
= a (x + h ) a x n
n
= a x n + a n x n 1 h + ........ + a h n a x n
= a n h x n 1 + ......
a n h x n 1 = a n (n 1) h 2 x n 2 + ......
25
Pn ( x) = a1 x n + a 2 x n 1 + ...... + a n x + a n +1
= a1 nhx n 1 + ...........
2 Pn ( x ) = a1 n(n 1)h 2 x n 2 + .......
M
n Pn ( x) = a1 n (n 1)(n 2 )....3.2.1.h n x n n = a1 n ! h n
26
Perlu ditekankan disini bahwa umumnya f (x) dan Pn ( x ) bukan fungsi yang
sama. Oleh karena itu ada error taksiran interpolasi yang berhingga, sedangkan nilai
s=
x x0
h
Contoh :
Tentukan polinomial maju Newton Gregory derajad tiga yang cocok dengan tabel
berikut untuk empat titik dari x = 0.4 sampai x = 1.0 . Gunakan interpolasi itu untuk
memperoleh f (0.73) !
x
f(x)
f (x)
2 f ( x)
3 f ( x)
4 f ( x)
0.203
0.2
0.203
0.017
0.220
0.4
0.423
0.024
0.041
0.261
0.6
0.684
0.044
0.085
0.346
0.8
1.030
0.052
0.096
0.181
0.527
1.0
0.020
1.557
0.211
0.307
0.488
1.015
1.2
2.572
Penyelesaian :
Untuk membuat polinomial yang cocok maka indeks s dicari dengan mengambil nilai
x0 = 0.4 sehingga f 0 = 0.423 , f 0 = 0.261 , 2 f 0 = 0.085 , 3 f 0 = 0.096
s=
x x0 0.73 0.4
=
= 1.65
h
0.2
P3 ( x s ) = f 0 + s f 0 +
s (s 1) 2
s (s 1)(s 2 )
f0 +
2
6
27
s 4
(1.65)(0.65)( 0.35)(= 1.35) (0.211) = 0.0044
f 0 =
24
4
Dengan demikian
f (0.73) = 0.893 + 0.0044 = 0.8974
Cara lain untuk menuliskan sebuah polinomial yang melalui titik titik yang
sudah dibuat dalam tabel , yaitu dengan menggunakan rumus polinomial mundur Newton
Gregory :
s
s + 1 2
s + 2 3
f 2 +
f 3 + ........
Pn ( x s ) = f 0 + f 1 +
1
2
3
s (s + 1) 2
s (s + 1)(s + 2 ) 3
= f 0 + s f 1 +
f 2 +
f =3 + .......
2
6
Contoh :
Tentukan polinomial mundur Newton Gregory derajad tiga yang cocok dengan tabel
diatas untuk empat titik dari x = 0.4 sampai x = 1.0 . Gunakan interpolasi itu untuk
memperoleh f (0.73) !
Penyelesaian
Untuk membuat polinomial yang cocok maka indeks s dicari dengan mengambil nilai
x x0 0.73 1.0
=
= 1.35
h
0.2
Pn ( x s ) = f 0 + s f 1 +
s (s + 1) 2
s (s + 1)(s + 2 ) 3
f 2 +
f =3
2
6
28
s + 3 4
( 1.35)(0.65)( 0.35)(0.65)(1.65) (0.052) = 0.001
f 4 =
24
4
Dengan demikian
f (0.73) = 0.893 + 0.001 = 0.894
s n +1
h f
E ( x s ) =
n + 1
( n +1)
( ) = s
, x0 x n
Contoh :
Data berikut ini untuk sin x . Interpolasikan menggunakan kuadratik dari tiga titik
pertama untuk menaksir nilai sin (0.8) dan tentukan juga errornya !
f(x)
0.1
0.09983
f ( x)
2 f ( x)
3 f ( x)
0.37960
0.5
0.47943
-0.07570
0.30390
0.9
0.78333
-0.04797
-0.12367
0.18023
1.3
0.96356
-0.02846
-0.18023
0.02810
1.7
0.99166
29
Penyelesaian :
Ambil x0 = 0.1 dan s =
P2 ( x s ) = f 0 + s f 0 +
0.8 1.0
= 1.75 maka
0.4
s (s 1) 2
f0
2
Karena cos monoton pada interval ini maka dapat ditentukan nilai maksimum dan
minimum untuk cos
E (x s )
E (x s )
x0
x1
x2
...........
x n 1
xn
f (x )
f0
f1
f2
........
f n 1
fn
(x x1 )(x x2 )......(x xn )
(x x0 )(x x 2 )......(x xn )
f0 +
f + .......
(x0 x1 )(x0 x2 )......(x0 xn )
(x1 x0 )(x1 x 2 )......(x1 xn ) 1
(x x0 )(x x1 )......(x xn )
(x x0 )(x x1 )......(x x n1 )
f n 1 +
f
.......... +
(xn1 x0 )(xn1 x1 )......(xn1 xn )
(xn x0 )(xn x1 )......(xn xn1 ) n
Pn ( x) =
30
Contoh :
Dengan interpolasi Lagrange tentukan P2 ( x) kemudian hitung f (2.3) dari data berikut :
x
1.1
1.7
3.0
f (x)
10.6
15.2
20.3
Penyelesaian :
P2 ( x) =
(x 1.7 )(x 3.0) (10.6) + (x 1.1)(x 3.0) (15.2) + (x 1.1)(x 1.7 ) (20.3)
(1.1 1.7 )(1.1 3.0)
(1.7 1.1)(1.7 3.0)
(3.0 1.1)(3.0 1.7 )
f ( 2.3) =
(2.3 1.7)(2.3 3.0) (10.6) + (2.3 1.1)(2.3 3.0) (15.2) + (2.3 1.1)(2.3 1.7 ) (20.3)
(1.1 1.7)(1.1 3.0)
(1.7 1.1)(1.7 3.0)
(3.0 1.1)(3.0 1.7 )
= 18.38
31
BAB 6
DIFERENSIASI NUMERIK
s (s 1) 2
s (s 1)(s 2 ) 3
f0 +
f 0 + ....... + error
2
6
s n +1 (n +1)
h f
( ) , x0 xn
Error Pn ( x s ) = E ( x s ) =
n + 1
Jika persamaan ini dideferensialkan pertama diperpleh :
f ' ( x s ) = Pn ' ( x s ) =
1
h
d
[Pn (xs )] = d [Pn (x s )] ds = d [Pn (x s )] 1
dx
ds
dx ds
h
2s 1 2
3s 2 6s + 2 3
4s 3 18s 2 + 22s 6 4
+
f 0 + ...
f
f
f
0
0
0
2
6
24
1
h
1 2
1 3
1 4
1 n
f 0 2 f 0 + 3 f 0 4 f 0 + ....... n f 0
( 1)n
n +1
h n f (n +1) ( ) , x0 x n
32
Contoh :
Pada tabel berikut taksirlah derivatif pertama dari y pada x = 1.7 dengan menghitung
sampai suku pertama , suku kedua , suku ketiga dan suku keempat dan errornya.
1.3
3.669
2 y
3 y
4 y
0..813
1.5
4.482
0.179
0.992
1.7
5.474
0.041
0.220
1.212
1.9
6.686
0.048
0.268
1.480
2.1
8.166
0.012
0.060
0.328
1.808
2.3
0.007
9.974
0.012
0.072
0.400
2.208
2.5
12.182
Penyelesaian :
Sampai suku pertama
y ' (x0 ) =
Error =
1
1
y 0 sehingga y ' (1.7 ) =
1.212 = 6.060
h
0.2
( 1)1 (0.2)1
1+1
Error =
1
h
1
1
1 2
( 1)2 (0.2)2
3
33
y 0 2 y 0 + 3 y 0 sehingga
y ' (x0 ) =
1
h
y ' (1.7 ) =
1
0.2
1
1
( 1)3 (0.2)3
Error =
f (4 ) ( ) , 1.7 2.3
y 0 2 y 0 + 3 y 0 4 y 0 sehingga
y ' ( x0 ) =
1
h
y ' (1.7 ) =
1
0.2
Error =
1
1
1
( 1)4 (0.2)4
5
f (5 ) ( ) , 1.7 2.5
1
12s 36s + 22 4
= 2 2 f 0 + (s 1)3 f 0 +
f 0 + ...
24
h
1 2
11
5
f 0 3 f 0 + 4 f 0 5 f 0 .......
h
12
6
Demikian juga untuk memperoleh derivatif ketiga didapatkan dari derivatif kedua
diturunkan lagi, derivatif keempat diperoleh dari derivatif ketiga diturunkan lagi.
Demikian seterusnya.
34
Contoh :
Dari tabel diatas tentukan y ' ' (1.7 ) sampai suku kedua dan hitung errornya !
Penyelesaian :
y ' ' (x0 ) =
Error =
1
1
[0.268 0.060] = 5.200
2 y 0 3 y 0 sehingga y ' ' (1.7 ) =
2
h
(0.2)2
1
h2
11 4 (4 )
12 h y ( ) , 1.7 2.1
35
BAB 7
INTEGRASI NUMERIK
f ( x ) dx = Pn ( x s ) dx
a
Formula ini tidak eksak karena polinomialnya tida identik dengan f ( x ) dan ada errornya,
yaitu sebesar :
b
Error =
s n +1 (n +1)
h f
( ) dx
n + 1
Akan dibangun formula Newton Cotes dengan mengubah variabel integrasi x menjadi
variabel s . Dari s =
x x0
h
maka dx = ds
Untuk n = 1
x1
x0
x1
f (x ) dx = ( f 0 + sf 0 ) dx = h ( f 0 + s f 0 ) ds = h s f 0 + s 2 f 0
2
x0
s =0
1
=
0
h
( f 0 + f1 )
2
s (s 1) 2 ''
s2 s
1 3
3
(
)
(
)
h
f
dx
=
h
f
'
'
x 2
s=0 2 ds = 12 h f ' ' ( ); x0 x1
0
x1
error =
Untuk n = 2
x2
x0
s (s 1) 2
s2 s
h
ds = ( f 0 + 4 f1 + f 2 )
f (x ) dx = f 0 + sf 0 +
f 0 dx = h f 0 + s f 0 +
2
2
3
x0
s =0
x21
s (s 1)(s 2 ) 3 '''
h f ( ) dx = 0 maka diambil suku berikutnya sehingga :
6
x0
x2
Karena error =
s (s 1)(s 2 )(s 3) 4 (4 )
1
h f ( ) dx = h 5 f (4 ) ( ); x0 x 2
24
90
x0
x2
error =
36
Untuk n = 3
x3
x0
3
s (s 1) 2
s (s 1)(s 2) 3
3h
( f 0 + 3 f1 + 3 f 2 + f 3 )
f ( x ) dx = f 0 + s f 0 +
f0 +
f 0 dx =
2
6
8
x0
error =
3 5 (5 )
h f ( ); x 0 x3
80
y = f (x )
a = x0
xn = b
x1
Untuk menghitung
f (x ) dx
f (x ) dx =
xi
f ( xi ) + f (xi +1 )
h
x = ( f i + f i +1 )
2
2
37
Dengan demikian untuk semua integral antara [a, b] dengan n subinterval diperoleh :
b
n 1
f (x ) dx =
i =0
error =
h
( f i + f i +1 ) = h [ f 0 + 2 ( f1 + f 2 + ...... + f n1 ) + f n ]
2
2
ba 2
h f ' ' ( ) ; a b
12
Contoh :
Pada tabel berikut diberikan nilai nilai dari x dan f (x ) :
x
f (x )
f (x )
1.6
4.953
2.8
16.445
1.8
6.050
3.0
20.086
2.0
7.389
3.2
24.533
2.2
9.025
3.4
29.964
2.4
11.023
3.6
36.598
2.6
13.464
3.8
44.701
f (x ) dx =
1.8
0.2
[6.050 + 2 (7.389 + 9.025 + 11.023 + 13.464 + 16.445 + 20.086 + 24.553) + 29.964]
2
= 23.9944
error =
3.4 1.8
(0.2) 2 f ' ' ( ) ; 1.8 3.4
12
38
1
3
1
3
Untuk menghitung
f (x ) dx
1
.
3
Andaikan h = x maka :
xi + 2
f (x ) dx =
xi
f ( xi ) + 4 f ( xi +1 ) + f ( xi + 2 )
h
x = ( f i + 4 f i +1 + f i + 2 )
3
3
Dengan demikian untuk semua integral antara [a, b] dengan n genap subinterval
diperoleh :
b
n2
f ( x ) dx =
i =0
error =
h
( f i + 4 f i +1 + f i + 2 ) = h [ f 0 + 4 ( f1 + f 3 + ... + f n2 ) + 2 ( f 2 + f 4 + ...... + f n1 ) + f n ]
3
3
b a 4 (4 )
h f ( ) ; a b
180
Contoh :
Tentukan integral f ( x ) dari x = 1.8 sampai x = 3.4 dari tabel diatas jika menggunakan
Aturan Simpson
1
3
Penyelesaian :
3.4
f (x ) dx =
1.8
0.2
[6.050 + 4 (7.389 + 11.023 + 16.445 + 24.553) + 2 (9.025 + 13.464 + 20.086) + 29.964]
3
= 23.9149
39
3
8
3
8
Untuk menghitung
f (x ) dx
3
.
8
Andaikan h = x maka :
x3
f (x ) dx =
xi
f (xi ) + 4 f (xi +1 ) + f ( xi + 2 ) + f ( xi +3 )
3h
( f i + 3 f i +1 + 3 f i + 2 + f i +3 )
3x =
8
8
Dengan demikian untuk semua integral antara [a, b] dengan n kelipatan tiga subinterval
diperoleh :
b
n 3
f (x ) dx =
i =0
=
error =
3h
( f i + 3 f i +1 + 3 f i + 2 + f i +3 )
8
3h
[ f 0 + 3( f1 + f 2 + f 4 + f 5 + ... + f n1 ) + 2( f 3 + f 6 + ...... + f n3 ) + f n ]
8
b a 4 (4 )
h f ( ) ; a b
80
Contoh :
Tentukan integral f ( x ) dari x = 1.6 sampai x = 3.4 dari tabel diatas jika menggunakan
Aturan Simpson
3
8
Penyelesaian :
3.4
f (x ) dx =
1.6
3 (0.2)
[4.953 + 3 (6.050 + 7.389 + 11.023 + 13.464 + 20.086 + 24.533) + 2 (9.025 + 16.455) + 29.964]
8
= 25.013
40
f (t ) dt = af (t ) + bf (t ) + cf (t ) + ......
1
dimana a, b, c, ..... adalah pemberat dan t1 , t 2 , t 3 , .... nilai-nilai t yang akan ditentukan.
Sebagai contoh akan ditentukan parameter parameter pada formula dua suku yang
mengandung empat parameter yang tidak diketahui.
1
f (t ) dt = af (t ) + bf (t )
1
Formula ini berlaku untuk polinomial derajad tiga sehingga bila dimasukkan :
1
f (t ) = t 3 maka
dt = 0 = at13 + bt 23
dt =
1
1
f (t ) = t 2 maka
f (t ) = t
2
= at12 + bt 22
3
maka
dt = 0 = at1 + bt 2
1
1
f (t ) = 1 maka
1dt = 2 = a + b
1
3
= 0.5773 , t 2 =
1
3
= 0.5773
Andaikan batas integrasinya dari a sampai b bukan dari -1 sampai 1 maka batas
integrasinya harus diubah menjadi -1 sampai 1.
x=
b
(b a )t + b + a
f (x ) dx =
2
ba
2
sehingga dx =
ba
dt . Dengan demikian :
2
(b a )t + b + a
dt
2
41
Contoh :
Penyelesaian :
0 t + + 0
t +
2
2
x=
=
sehingga dx = dt . Dengan demikian :
2
4
4
I = sin x dx =
0
t +
dt = (sin 0.10566 + sin 0.39434 ) = 0.99847
4
4
sin
4
error = 0.00153
1
3
3 x L1 ( x ) L0 ( x ) 3 2 1
= x
2
2
2
42
Jumlah Suku
2
Nilai t
Faktor pemberat
-0.57735027
1.00000000
0.57735027
1.00000000
-0.77459667
0.55555555
0.88888889
0.77459667
0.55555555
-0.86113631
0.34785485
-.033998104
0.65214515
033998104
0.65214515
0.86113631
0.34785485
-0.90617985
0.23692688
-0.53846931
0.47862867
0.56888889
0.53846931
0.47862867
0.90617985
0.23692688
-0.93246951
0.17132449
-0.66120939
0.36076157
-0.23861919
0.46791393
0.23861919
0.46791393
0.66120939
0.36076157
0.93246951
0.17132449
Derajad Polinomial
3
11
Contoh :
1.5
0.2
43
Penyelesaian :
x=
1.5
0.2
= 0.65 0.55555555 e [0.65(0.77459667 )+ 0.85 ] + 0.88888889 e [0.65(0 )+ 0.85 ] + 0.55555555 e [0.65(0.77459667 )+ 0.85]
2
= 0.6586
44
BAB 8
PENCOCOKAN KURVA
x1
x2
...........
x n 1
xn
Y1
Y2
........
Yn 1
Yn
Dari data data tersebut jika diplot dan akan dicari garis lurus terbaik y = ax + b yang
mendekati data data tersebut seperti tampak pada gambar dibawah ini :
y = ax + b
Y
en
Y3
Y2
e2
Y1
e1
x1
xn
x2
ei = Yi y i
bernilai positip maupun negatip. Metode kuadrat terkecil digunakan untuk mendapatkan
konstanta a dan b diatas. Metode ini didasarkan bahwa garis lurus terbaik diperoleh jika
jumlah kuadrat errornya minimum.
45
i =1
i =1
2 (Y
axi b )( xi ) = 0 dan
axi b )( 1) = 0
i =1
n
2 (Y
i =1
i =1
i =1
a x i2 + b x i =
n
a xi + n b =
i =1
i =1
x i Yi
Yi
i =1
i =1
n
a =
xi Yi
Y
i =1
i =1
n
i =1
xi
i =1
xi
xY
i i
i =1
n
x x
xi
i =1
i =1
n
i =1
dan b =
xi2
i =1
n
x i2
i =1
n
2
i
i =1
i =1
Contoh :
Dengan Metode kuadrat terkecil dapatkan garis lurus terbaik yang mendekati data data
dalam tabel berikut :
x
20.5
32.7
51.0
73.2
95.7
765
826
873
942
1032
46
Penyelesaian :
xi Yi
i =1
5
a=
Y
i =1
x
i =1
4438
18607.27 273.1
273.1
5
= 3.39
5
5
xY
i =1
5
i =1
5
18607.27 254923.5
i =1
2
i
x
i =1
i =1
x i2
i =1
5
254932.5 273.1
2
i
i =1
i =1
5
b=
i =1
i =1
273.1
4438
= 702
18607.27 273.1
273.1
Secara umum untuk pencocokan kurva terbaik yang berbentuk polinomial derajad
n yang berbentuk y = a 0 + a1 x + a 2 x 2 + ........ + a n x n dilakukan dengan cara yang identik
seperti mencari garis lurus terbaik diatas. Nilai ai , i = 1,2,3,...., n dapat dicari dengan
menyelesaikan SPL :
n
xi
A=
i =1
nM
xn
i
i =1
i =1
n
x
i =1
i =1
2
i
i =1
n
n +1
L xi
i =1
M
M
n
L xi2 n
i =1
n +1
i
a0
a1
M
a
n
n
Yi
i =1
n
xi Yi
=
i =1
n M
x nY
i i
i =1
47
1.00
1.25
1.50
1.75
2.00
5.10
5.79
6.53
7.45
8.46
Data data ini jika diplot pada kertas semilog akan berbentuk linear. Tentukanlah fungsi
terbaik berbentuk y = b e ax
Penyelesaian :
y = b e ax setelah dilogaritmakan akan berbentuk ln y = ln b + a x . Akan dicari nilai a
dan ln b dengan Metode Kuadrat Terkecil.
i
xi
Yi
ln Yi
xi2
xi ln Yi
1.00
5.10
1.629
1.0000
1.629
1.25
5.79
1.756
1.5625
2.195
1.50
6.53
1.876
2.2500
2.814
1.75
7.45
2.008
3.0625
3.514
2.00
8.46
2.135
4.0000
4.270
n=5
xi = 7.50
i =1
ln Yi = 9.404
i =1
48
xi2 = 11.875
i =1
x ln Y
i =1
= 14.422
xi ln Yi
i =1
5
a=
i =1
ln Y
5
xi2
i =1
5
i =1
xi2
i =1
5
ln b =
x
i =1
i =1
14.422 7.50
9.404
5
=
= 0.5056
11.875 7.50
7.50
5
i =1
x
i =1
ln Yi
ln Y
i =1
xi2
i =1
5
i =1
i =1
11.875 14.422
7.50
9.404
=
= 1.122
11.875 7.50
7.50
5
49
DAFTAR PUSTAKA
50