TUGAS RANGKUMAN

METODE NUMERIK

Materi :
- Persamaan linier simultan
- Diferensiasi numerik
Disusun oleh :
Miftahul Janna

(F1D113016)

PROGRAM STUDI TEKNIK PERTAMBANGAN

JURUSAN TEKNIK KEBUMIAN
FAKULTAS SAINS DA TEKNOLOGI
UNIVERSITAS JAMBI
SEMESTER GENAP 2015

1. Persamaan linear simultan

Persamaan linier simultan adalah suatu bentuk persamaan-persamaan yang secara
bersama-sama menyajikan banyak variabel bebas. Untuk mencari akar (solusi) persamaan

linier simultan, metode numerik yang digunakan adalah :

Eliminasi Gauss
-

Algoritma eliminasi gaus

1. Membagi persamaan pertama dengan koefisien a11. Langkah tersebut disebut

normalisasi. Tujuan normalisasi ini adalah agar koefisien dari x1 berubah menjadi 1.
2. Kalikan persamaan yang telah dinormalisasi (dalam hal ini persamaan pertama)
dengan koefisien pertama dari persamaan kedua (yaitu a21).
3. Mengurangkan baris kedua dan ketiga dengan baris pertama.
4. Kalikan persamaan pertama yang sudah dinormalisasi dengan koefisien tertentu
sehingga a11= a31.
5. Kurangkan persamaan ketiga dengan hasil dari yang didapat dari langkah 4.
6. Baris kedua dibagi dengan koefisien a22. Langkah ini disebut NORMALISASI untuk
persamaan kedua. Tujuannya adalah agar koefisien x2berubah menjadi 1.
7. Kalikan persamaan kedua yang sudah dinormalisasi pada langkah ke-6 dengan suatu
koefisien tertentu sehingga a22= a32.
8. Kurangkan persamaan ketiga dengan persamaan kedua hasil dari langkah ke-7.

- Algoritma eliminasi gaus

FOR i = 1 to n
FOR j = 1 to n + 1
INPUT (aij)
NEXT j
NEXT I
FOR k = 1 to n 1

FOR i = k + 1 to n
u = aik/akk
FOR j = k to n + 1
aij = aij u * akj
NEXT j
NEXT I

NEXT k
xn = an n+1/ann
FOR i = n 1 DOWNTO 1
sum = 0
FOR j = i + 1 to n
sum = sum + aij * xj

NEXT j
xi = (ai n+1 sum)/aii
NEXT i
FOR i = 1 to n
OUTPUT (xi)
NEXT i

Algoritma Pivoting

FOR k = 1 to n-1
max = abs(akk)
p=k
FOR m = k + 1 to n
IF abs(amk) > max
THEN
max = abs(amk)
p=m
ENDIF
NEXT m
IF max THEN
OUTPUT (ILLCONDITION)
STOP

ENDIF
IF p k THEN
FOR i = k TO n+1
temp = akl
akl = apl
apl = temp
NEXT i
ENDIF
FOR i = k+1 TO n
u = aik/akk
FOR j = k TO n+1
aij = aij u * akj
NEXT j
NEXT i
NEXT k

Eliminasi Gauss-Jourdan

Untuk mencari solusi SPL, dilakukan dalam 3 langkah utama :

1. Transformasikan A dari Ax = b menjadi A* (segitiga atas) dari A*x = b*
2. Transformasikan A* (hasil dari langkah 1) menjadi A** (matriks diagonal) dari A**x
= b**
3. Tentukan xi i = 1,2, ,n berdasarkan hasil langkah 2. xi = b**i/a**i i = 1,2,..,n
Metode ini jarang digunakan karena sangat mahal (n3)

Eliminasi Gauss-Seidel

Sering dipakai untuk menyelesaikan persamaan yang berjumlah besar. Dilakukan

dengan suatu iterasi yang memberikan harga awal untuk x1= x2= x3 = ... = xn= 0.
Metode ini berlainan dengan metode Gauss Jordan dan Gauss Naif karena metode ini
menggunakan iterasi dalam menentukan harga x1, x2,x3, ..., xn.
Kelemahan metode eliminasi dibandingkan metode iterasi adalah metode eliminasi
sulit untuk digunakan dalam menyelesaikan SPL berukuran besar.
Algoritma Gauss Seidel
Bila diketahui SPL dengan n persamaan dan n variabel, sebagai berikut :

a11x1 + a12x2 + + a1nxn = a1(n+1) .. (1)

a21x1 + a22x2 + + a2nxn = a2(n+1) .. (2)
:
an1x1 + an2x2 + + annxn = an(n+1) .. (n)

Maka solusinya dapat diperoleh dengan cara :

1. Tebak sebarang nilai awal untuk variabel x 2 , x3 , ... , xn . Namakan nilai awal
tersebut x20 , x30 , , xn0 .
2. Substitusikan x20 , x30 , , xn0 ke SPL (1) untuk memperoleh nilai x1 lalu
namakan dengan x11 .
3. Substitusikan x11 , x30 , x40 , , xn0 ke SPL (2) untuk memperoleh nilai x2 lalu
namakan dengan x21 .
4. Substitusikan x11 , x21 , x40 , x50 , , xn0 ke SPL (3) untuk memperoleh nilai x3
lalu namakan dengan x31 .
5. Dan seterusnya, sampai diperoleh x 11 , x21 , x31 , , xn-11 , selanjutnya
substitusika ke SPL (n) untuk memperoleh nilai x n lalu namakan dengan xn1 .(
Iterasi ke-1 selesai dengan diperolehnya nilai : x11 , x21 , x31 , , xn-11 , xn1 . )
6. Ulangi langkah ke-2 s/d ke-5 (substitusikan x 21 , x31 , , xn1 ke SPL (1)
untuk memperoleh nilai x1 lalu namakan dengan x12 ). Sampai nanti diperoleh
nilai x12 , x22 , x32 , , xn-12 , xn2 .
7. Iterasi berakhir pada iterasi ke-k, bila :| xjk xjk+1 | < T dengan T nilai
toleransi kesalahan yang sudah ditetapkan sebelumnya.
8. Algoritma tersebut BELUM TENTU KONVERGEN !!!
9. Syarat Konvergensi :

i dengan

aii

j 1; j i

ij

aii

j 1; j i

ij

i
Matriks koefisiennya (A)

harus bersifat DIAGONALLY DOMINANT

DAN

Algoritma IGS
INPUT A(n,n+1), e, maxit
INPUT xi
(nilai awal)
k 1 ; big 1
WHILE (k maxit and big e) DO
big 0
FOR i = 1 TO n
sum 0
FOR j = 1 TO n
IF j i THEN
sum sum + aij NEXT j
temp (ai n+1 sum) / aii
relerror abs((xi temp) / temp)

IF relerror big THEN

big relerror
xi temp
NEXT I
k k+1
ENDWHILE
IF k > maxit THEN
OUTPUT(TDK KONVERGEN)
ELSE OUTPUT (KONVERGEN)
ENDIF
OUTPUT(xi
2. Diferensiasi numeric
Salah satu perhitungan kalkulus yang banyak digunakan adalah
differensial, dimana differensial ini banyak digunakan untuk keperluan
perhitungan geometrik.Dan perhitungan-perhitungan yang berhubungan dengan
perubahan nilai per-satuan waktu atau jarak.Secara kalkulus, differensial
didefinisikan sebagai perbandingan perubahan tinggi (selisih tinggi) dan
perubahan jarak, dan dituliskan dengan :

Hampir semua fungsi kontinu dapat dihitung nilai differensialnya secara

mudah, sehingga dapat dikatakan metode numerik dianggap tidak perlu
digunakan untuk keperluan perhitungan differensial ini.Masalahnya seiring
dengan perkembangannya pemakaian komputer sebagai alat hitung dan pada
banyak permasalahan differensial adalah salah satu bagian dari penyelesaian,
sebagai contoh metode newton raphson memerlukan differensial sebagai
pembagi nilai perbaikan errornya, sehingga metode newton raphson ini hanya
bisa dilakukan bila nilai differensialnya bisa dihitung.
Contoh lainnya adalah penentuan titik puncak kurva y = f(x) yang
dinamakan titik maksimal dan titik minimal, juga memerlukan titik differensial
sebagai syarat apakah titik tersebut sebagai titik puncak. Menghitung differensial
ini tidak mudah, disinilah metode numerik dapat digunakan. Hubungan antara
nilai fungsi dan perubahan fungsi untuk setiap titiknya didefinisikan dengan :
y = f(X) + f1(x).h(x)

Dari formulasi ini dapat diturunkan beberapa metode differensiasi

numerik, antara lain :
- Metode Selisih Maju
- Metode Selisih Tengahan
- Metode selisih mundur
-

Metode selisih mundur merupakan kebalikan dari metode selisih maju. Rumus metode selisih
mundur :

3.
Tafsiran geometri untuk metode selisih mundur :

4.
Contoh kode program C++ penyelesaian metode selisih mundur untuk persamaan f = x^x^x.
-

Metode selisih tengahan merupakan metode yang mengambil nilai dari dua titik sekitar dari
titik yang akan diukur. Rumus metode selisih tengahan :

Tafsiran geometri metode selisih tengahan :

Contoh kode program C++ penyelesaian metode selisih tengahan untuk persamaan f = x^x^x.
-

Metode selisih maju merupakan metode yang mengadopsi secara langsung rumus diferensial :

Pemberian nilai h diharapkan pada nilai yang kecil agar errornya kecil, kemudian untuk
menghitung error yang dihasilkan menggunakan rumus dibawah ini :