BAB I

PENDAHULUAN
Analisis numerik adalah studi algoritma untuk memecahkan masalah
dalam matematika kontinu (sebagaimana dibedakan dengan matematika
diskret)
Salah satu tulisan matematika terdini adalah tablet Babilonia YBC
7289, yang memberikan hampiran numerik seksagesimal dari

panjang diagonal dari persegi satuan.

Kemampuan untuk dapat menghitung sisi segitiga (dan berarti mampu
menghitung akar kuadrat) sangatlah penting, misalnya, dalam
pertukangan kayu dan konstruksi.
Analisis numerik melanjutkan tradisi panjang perhitungan praktis
matematika ini. Seperti hampiran orang Babilonia terhadap

analisis numerik modern tidak mencari jawaban eksak, karena jawaban

eksak dalam praktiknya tidak mungkin diperoleh. Sebagai gantinya,
kebanyakan analisis numerik memperhatikan bagaimana memperoleh
pemecahan hampiran, dalam batas galat yang beralasan.
Analisis numerik secara alami diterapkan di semua bidang rekayasa dan
ilmu-ilmu fisis, namun pada abad ke-21, ilmu-ilmu hayati dan seni
mulai mengadopsi unsur-unsur komputasi ilmiah. Persamaan diferensial
biasa muncul dalam pergerakan benda langit (planet, bintang dan
galaksi. Optimisasi muncul dalam pengelolaan portofolio. Aljabar

linear numerik sangat penting dalam psikologi kuantitatif. Persamaan

diferensial stokastik dan rantai Markov penting dalam mensimulasikan
sel hidup dalam kedokteran dan biologi
Sebelum munculnya komputer modern metode numerik kerap kali
tergantung pada interpolasi menggunakan pada tabel besar yang
dicetak. Sejak pertengahan abad ke-20, sebagai gantinya, komputer
menghitung fungsi yang diperlukan. Namun algoritma interpolasi
mungkin masih digunakan sebagai bagian dari peranti lunak untuk
memecahkan persamaan diferensial.

BAB II
PEMBAHASAN
A. Pengertian Analisa Numerik
Metode Analisis Numerik adalah teknik-teknik yang digunakan
untuk memformulasi kan masalah matematis agar dapat diselesaikan
dengan operasi perhitungan. Kemampuan untuk dapat menghitung sisi
segitiga (dan berarti mampu menghitung akar kuadrat) sangatlah
penting, misalnya, dalam pertukangan kayu dan konstruksi.

Sebelum komputer digunakan untuk penyelesaian komputasi, dilakukan

dengan berbagai metode yang memiliki kendala-kendala. Metode yang
digunakan

antara

lain:

Metode Analitik, Solusi ini sangat berguna namun terbatas pada

masalah sederhana. Sedangkan Masalah real yang komplek dan
non linier tidak dapat diselesaikan.

Metode Grafik, metode ini digunakan Sebagai pendekatan

penyelesaian yang kompleks. Kendalanya bahwa metode ini Tidak
akurat, sangat lama, dan banyak membutuhkan waktu.

Kalkulator dan Slide Rules, Penyelesaian numerik secara

manual. Cara ini cukup lama dan mungkin bisa terjadi kesalahan
pemasukan data.

Penggunaan metode numerik diharapkan dapat mengatasi berbagai

kelemahan-kelemahan metode yang ada sebelumnya. Dapat dipahami
pula bawa pada umumnya permasalahan dalam sains dan teknologi
digambarkan dalam persamaan matematika. Persamaan ini sulit
diselesaikan dengan model analitik sehingga diperlukan penyelesaian
pendekatan numerik. Dengan metode numerik, manusia terbebas dari
hitung menghitung manual yang membosankan . Sehinggga waktu
dapat lebih banyak digunakan untuk tujuan yang lebih kreatif, seperti
penekanan pada formulasi problem atau interpretasi solusi dan tidak
terjebak dalam rutinitas hitung menghitung.
Analisis numerik secara alami diterapkan di semua bidang rekayasa dan
ilmu-ilmu fisis, namun pada abad ke-21, ilmu-ilmu hayati dan seni
mulai mengadopsi unsur-unsur komputasi ilmiah. Persamaan diferensial
biasa muncul dalam pergerakan benda langit (planet, bintang dan

galaksi. Optimisasi muncul dalam pengelolaan portofolio. Aljabar linear

numerik sangat penting dalam psikologi kuantitatif. Persamaan
diferensial stokastik dan rantai Markov penting dalam mensimulasikan
sel hidup dalam kedokteran dan biologi
Sebelum munculnya komputer modern metode numerik kerap kali
tergantung pada interpolasi menggunakan pada tabel besar yang
dicetak. Sejak pertengahan abad ke-20, sebagai gantinya, komputer
menghitung fungsi yang diperlukan. Namun algoritma interpolasi
mungkin masih digunakan sebagai bagian dari peranti lunak untuk
memecahkan

persamaan

diferensial.

Manfaat Mempelajari Metode Numerik

Manfaat mempelajari metode numerik diharapkan mahasiswa mampu:
1.

Mampu menangani sistem persamaan besar, Ketaklinieran dan

geometri yang rumit, yang dalam masalah rekayasa tidak
mungkin dipecahkan secara analitis.

2.

Mengetahui secara singkat dan jelas teori matematika yang

mendasari paket program.

3.

Mampu merancang program sendiri sesuai permasalahan yang

dihadapi pada masalah rekayasa.

4.

Metode numerik cocok untuk menggambarkan ketang guhan

dan keterbatasan komputer dalam menangani masalah rekayasa
yang tidak dapat ditangani secara analitis.

5.

Menangani galat (error) suatu nilai hampiran (aproksimasi) dari

masalah rekayasa yang merupakan bagian dari paket program
yang bersekala besar.

6.

Menyediakan
mahasisw.

sarana

Karena

memperkuat
salah

satu

pengertian

matematika

kegunaannya

adalah

menyederhanakan matematika yang lebih tinggi menjadi operasioperasi matematika yang mendasar.
Metode analitik disebut juga metode sejati karena memberikan solusi
sejati (exact solution) atau solusi yang sesungguhnya, yaitu solusi yang
memiliki galat (error) sama dengan nol! Sayangnya, metode analitik
hanya unggul untuk sejumlah persoalan yang terbatas, yaitu persoalan
yang memiliki tafsiran geometri sederhana serta bermatra rendah.
Padahal persoalan yang muncul dalam dunia nyata seringkali nirlanjar
serta melibatkan bentuk dan proses yang rumit. Akibatnya nilai praktis
penyelesaian metode analitik menjadi terbatas.
Bila metode analitik tidak dapat lagi diterapkan, maka solusi persoalan
sebenarnya masih dapat dicari dengan menggunakan metode numerik.
Metode numerik adalah teknik yang digunakan untuk memformulasikan

persoalan matematik sehingga dapat dipecahkan dengan operasi

perhitungan/aritmetika biasa (tambah, kurang, kali, dan bagi). Metode
artinya cara, sedangkan numerik artinya angka. Jadi metode numerik
secara harafiah berarti cara berhitung dengan menggunakan angkaangka.
Perbedaan utama antara metode numerik dengan metode analitik
terletak pada dua hal. Pertama, solusi dengan menggunakan metode
numerik selalu berbentuk angka. Bandingkan dengan metode analitik
yang biasanya menghasilkan solusi dalam bentuk fungsi matematik
yang

selanjutnya

fungsi

mateamtik

tersebut

dapat

dievaluasi untuk menghasilkan nilai dalam bentuk angka.

Kedua, dengan metode numerik, kita hanya memperoleh solusi yang
menghampiri atau mendekati solusi sejati sehingga solusi numerik
dinamakan juga solusi hampiran (approxomation) atau solusi
pendekatan, namun solusi hampiran dapat dibuat seteliti yang kita
inginkan. Solusi hampiran jelas tidak tepat sama dengan solusi sejati,
sehingga ada selisih antara keduanya.

Pengenalan Metode Numerik

12/09/11 Mulai kembali aktivitas perkuliahan yang sebelumnya masih
dibingungkan dengan konversi mata kuliah akibat dari perubahan
kurikulum di green campus. Semangat yang tak pernah pudar setiap
hari datang ke kampus untuk menimbah ilmu baru di semester 3 ini
dengan tanpa meninggalkan semangat bermain DOTA yang masih
melekat meski sudah sebulan kami (teman sekelas) tidak bertemu :)
Hari pertama perkuliahan ini merupakan debut awal kami di semester 3
ini, Hari itu kami dikenalkan dengan Mata Kuliah "Metode Numerik",
meski fasilitas kelas sedang bermasalah sudah tentu tidak menyurutkan
semangat kami. Ir.Sutiyono, ya beliau yang akan memberikan salam
perkenalan terhadap Materi Metode Numerik, orang yang lupa
mengenalkan dirinya sebelum memulai mengenalkan materi yang akan
beliau bawakan kepada kami :)
Meski sedikit yang beliau sampaikan kepada kami, inilah materi
metode numerik, apa itu metode numerik? kenapa harus metode
numerik? Apa itu Metode Numerik? Definisi dan Prinsip Metode
Numerik serta Pemakaian Metode Numerik.

"Metode Numerik adalah teknik untuk menyelesaikan problem-problem

yang

diformulasikan

secara

matematis

dengan

cara

operasi

perhitungan." - Ir. Sutiyono

Meski sedikit bingung pada awalnya, akhirnya saya mengerti, kenapa
ada Mata Kuliah Metode Numerik? Metode Numerik ini merupakan
pemberhentian terakhir atau finishing dari Aljabar Linier, Kalkulus dan
Matematika Diskrit (Meski kami belum mencicipi Matematika Diskrit
di

semester2

sebelumnya

dikarenakan

perubahan

kurikulum

yang menyesatkan baru). Rasanya seperti beban terlalu banyak pada

semester iniPada akhirnya semua Mata Kuliah saling terhubung dan saling
mendukung yang sampai pada kecerdasan dibuat-buat buatan. Berikut
ini akan saya berikan sedikit informasi yang telah saya katakan tadi di
atas, tentang apa yang saya dapatkan dari googling dan saya kumpulkan
menjadi satu dari berbagai sumber yang akan selalu saya sertakan
sebagai pusat informasi (Anda tidak perlu googling lagi setelah
menemukan Artikel ini, karena saya rasa materi yang saya kumpulkan
di bawah ini sudah lumayan lengkap untuk pengenalan Metode
Numerik).

1. Definisi Metode Numerik

Metode Numerik adalah teknik untuk menyelesaikan permasalahanpermasalahan yang diformulasikan secara matematik dengan cara
operasi hitungan (arithmetic).
Mengapa Harus Metode Numerik ?
Alasan

pemakaian

metode

numerik

ini

karena

tidak

semua

permasalahan matematis atau perhitungan matematis dapat diselesaikan

dengan mudah. Bahkan dalam prinsip matematik, suatu persoalan
matematik yang paling pertama dilihat adalah apakah persoalan itu
memiliki penyelesaian atau tidak.
Jadi, Jika suatu persoalan sudah sangat sulit atau tidak mungkin
diselesaikan dengan metode matematis (analitik) maka kita dapat
menggunakan metode numerik sebagai elternative penyelesaian
persoalan tersebut.
2. Prinsip-Prinsip Metode Numerik

Digunakan jika metode analitik tidak dapat digunakan lagi

Metode Numerik merupakan pendekatan untuk mendapatkan

pemecahan masalah yang dapat dipertanggung jawabkan secara
analitik

Pendekatannya merupakan analisis matematis

Metode Numerik terdiri atas algoritma-algoritma yang dapat

dihitung secara cepat dan mudah

Karena berasal dari alogaritma pendekatan, maka Metode

Numerik ini akan memakai iterasi (pengulangan)

Nilai kesalahan merupakan hal paling utama untuk mengetahui

seberapa baik metode yang digunakan.

3. Pemakaian Metode Numerik

Pemakaian Metode Numerik biasanya dilakukan untuk menyelesaikan
persoalan matematis yang penyelesaiannya sulit didapatkan dengan
menggunakan metode analitik, yaitu :
1. Menyelesaikan persamaan non linier
2. Menyelesaikan persamaan simultan
3. Menyelesaikan differensial dan integral
4. Interpolasi dan Regresi
5. Menyelesaikan persamaan differensial

6. Masalah multi variable untuk menentukan nilai optimal yang tak

bersyarat

Manfaat Mempelajari Metode Numerik

Dengan mempelajari metode numerik kita diharapkan bisa :
1. Bisa menangani sistem persamaan besar, Ketaklinieran serta
geometri yang rumit, yang ada di masalah rekayasa tidak
mungkin dipecahkan dengan cara analitis.
2. Memahami secara singkat serta jelas teori matematika yang
mendasari paket program.
3. Bisa

merancang

program

sendiri

disesuaikan

dengan

permasalahan yang dihadapi dalam masalah rekayasa.

4. Metode numerik cocok buat melukiskan ketangguhan serta
keterbatasan komputer saat menangani masalah rekayasa yang
tak dapat ditangani secara analitis.
5. Menangani galat (error) suatu nilai hampiran (aproksimasi) atas
masalah rekayasa yang menjadi bagian atas paket program yang
bersekala besar.

6. Menghadirkan sarana memperkuat pengertian matematika.

Karena salah satu kegunaannya yaitu menyederhanakan
matematika

yang

lebih

tinggi

sebagai

operasi-operasi

matematika yang mendasar

Thanks

to:

bloggersragen

url:

http://www.bloggersragen.com/2011/09/pengantar-metode-numeriksecara-umum.html
Pengertian Metode Numerik
Metode

Numerik adalah teknik-teknik yang digunakan untuk

memformulasi kan masalah matematis agar dapat dipecahkan dengan

operasi perhitungan.

Tujuan Metode Numerik

Sebelum komputer digunakan untuk penyelesaian komputasi, dilakukan

dengan berbagai metode yang memiliki kendala-kendala. Metode yang
digunakan antara lain:

Metode Analitik, Solusi ini sangat berguna namun terbatas

pada masalah sederhana. Sedangkan Masalah real yang komplek
dan non linier tidak dapat diselesaikan.

Metode Grafik, metode ini digunakan Sebagai pendekatan

penyelesaian yang kompleks. Kendalanya bahwa metode ini
Tidak akurat, sangat lama, dan banyak membutuhkan waktu.

Kalkulator dan Slide Rules, Penyelesaian numerik secara

manual. Cara ini cukup lama dan mungkin bisa terjadi kesalahan
pemasukan data.

Penggunaan metode numerik diharapkan dapat mengatasi berbagai

kelemahan-kelemahan metode yang ada sebelumnya. Dapat dipahami
pula bawa pada umumnya permasalahan dalam sains dan teknologi
digambarkan dalam persamaan matematika. Persamaan ini sulit
diselesaikan dengan model analitik sehingga diperlukan penyelesaian
pendekatan numerik. Dengan metode numerik, manusia terbebas dari
hitung menghitung manual yang membosankan . Sehinggga waktu
dapat lebih banyak digunakan untuk tujuan yang lebih kreatif, seperti

penekanan pada formulasi problem atau interpretasi solusi dan tidak

terjebak dalam rutinitas hitung menghitung
Manfaat Mempelajari Metode Numerik
Dengan mempelajari metode numerik diharapkan mahasiswa mampu:

Mampu menangani sistem persamaan besar, Ketaklinieran dan

geometri yang rumit, yang dalam masalah rekayasa tidak
mungkin dipecahkan secara analitis.

Mengetahui secara singkat dan jelas teori matematika yang

mendasari paket program.

Mampu merancang program sendiri sesuai permasalahan yang

dihadapi pada masalah rekayasa.

Metode numerik cocok untuk menggambarkan ketang guhan

dan keterbatasan komputer dalam menangani masalah rekayasa
yang tidak dapat ditangani secara analitis.

Menangani galat (error) suatu nilai hampiran (aproksimasi) dari

masalah

rekayasa yang

merupakan

bagian

dari

paket

program yang bersekala besar.

Menyediakan
mahasisw.

sarana

Karena

memperkuat
salah

satu

pengertian

matematika

kegunaannya

adalah

menyederhanakan matematika yang lebih tinggi menjadi

operasi-operasi matematika yang mendasar
Metode Analitik versus Metode Numerik

Metode analitik disebut juga metode sejati karena memberikan solusi

sejati (exact solution) atau solusi yang sesungguhnya, yaitu solusi yang
memiliki galat (error) sama dengan nol! Sayangnya, metode analitik
hanya unggul untuk sejumlah persoalan yang terbatas, yaitu persoalan
yang memiliki tafsiran geometri sederhana serta bermatra rendah.
Padahal persoalan yang muncul dalam dunia nyata seringkali nirlanjar
serta melibatkan bentuk dan proses yang rumit. Akibatnya nilai praktis
penyelesaian metode analitik menjadi terbatas.
Bila metode analitik tidak dapat lagi diterapkan, maka solusi persoalan
sebenarnya masih dapat dicari dengan menggunakan metode numerik.
Metode numerik adalah teknik yang digunakan untuk memformulasikan
persoalan matematik sehingga dapat dipecahkan dengan operasi
perhitungan/aritmetika biasa (tambah, kurang, kali, dan bagi). Metode
artinya cara, sedangkan numerik artinya angka. Jadi metode numerik
secara harafiah berarti cara berhitung dengan menggunakan angkaangka.

Perbedaan utama antara metode numerik dengan metode analitik

terletak pada dua hal. Pertama, solusi dengan menggunakan metode
numerik selalu berbentuk angka. Bandingkan dengan metode analitik
yang biasanya menghasilkan solusi dalam bentuk fungsi matematik
yang selanjutnya fungsi mateamtik tersebut dapat
dievaluasi untuk menghasilkan nilai dalam bentuk angka.
Kedua, dengan metode numerik, kita hanya memperoleh solusi yang
menghampiri atau mendekati solusi sejati sehingga solusi numerik
dinamakan juga solusi hampiran (approxomation) atau solusi
pendekatan, namun solusi
hampiran dapat dibuat seteliti yang kita inginkan. Solusi hampiran jelas
tidak tepat sama dengan solusi sejati, sehingga ada selisih antara
keduanya. Selisih inilah yang disebut dengan galat (error).
Pemodelan Matematik dan Pemecahan Masalah Rekayasa
Pemodelan matematik diperlukan untuk membantu menyelesaikan
permasalahan

rekayasa (permasalahan

riil). Gambaran

tahapan

pemrosesan masalah rekayasa yang secara analitis sulit diselesaikan

selanjutnya dibawa ke bentuk model matematik dan diselesaikan

secara matematis, aljabar atau statistik dan komputasi.
Apabila telah diperoleh penyelesaian matematik proses selanjutnya
mengimplementasikan hasil matematis ke masalah rekayasa sbb:

Dalam

menangani

masalah

rekayasa(masalah

riil)

perlu

melakukan :

Membawa permasalahan rekayasa kedalam teori matematika

(model matematika)

Model matematika yang diperoleh diselesaikan dengan cara

matematika

yaitu

digunakan

komputasi,

statistika

matematika yang disebut dengan alat pemecah masalah.

dan

Hasil dari pemecah masalah masih berupa nilai

numeris

atau grafik

Hasil numeris yang diperoleh diimplementasikan kembali ke

permasalah

semula

(masalah

rekayasa)

sehingga

dapat

dipublikasikan sesuai dengan permasalahan yang dimaksud.

Tahap-Tahap Memecahkan Persoalan Secara Numerik yang dilakukan
dakam pemecahan persoalan dunia nyata dengan metode numerik,
yaitu:
1. Pendefinisian masalah (apa yang diketahui dan apa yang
diminta).
2. Pemodelan, Persoalan dunia nyata dimodelkan ke dalam
persamaan matematika
3. Penyederhanaan model, Model matematika yang dihasilkan
dari tahap sebelumnya mungkin saja terlalu kompleks, yaitu
memasukkan banyak peubah (variable) atau parameter. Semakin
kompleks

model

matematikanya,

semakin

rumit

penyelesaiannya. Mungkin beberapa andaian dibuat sehingga

beberapa parameter dapat diabaikan. Model matematika yang
diperoleh dari penyederhanaan menjadi lebih sederhana
sehingga solusinya akan lebih mudah diperoleh.

4. Formulasi numerik, Setelah model matematika yang sederhana

diperoleh, tahap selanjutnya
5. adalah memformulasikannya secara numerik
6. Pemrograman, Tahap selanjutnya adalah menerjemahkan
algoritma ke dalam program komputer
7. dengan menggunakan salah satu bahasa pemrograman yang
dikuasai.
8. Operasional, Pada tahap ini, program komputer dijalankan
dengan data uji coba sebelum data yang sesungguhnya.
9. Evaluasi, Bila program sudah selesai dijalankan dengan data
yang sesungguhnya, maka hasil yang diperoleh diinterpretasi.
Interpretasi meliputi analisis hasil run dan membandingkannya
dengan prinsip dasar dan hasil-hasil empirik untuk menaksir
kualitas solusi numerik, dan keputusan untuk menjalankan
kembali program dengan untuk memperoleh hasil yang lebih
baik.
Desain Algoritma
Algoritma adalah merupakan sederetan(sequence) langkah logika yang
diperlukan

untuk

pemecahan masalah.

melakukan

suatu

tugas

tertentu

seperti

Algoritma yang baik mempunyai sejumlah kriteria berikut :

Setiap langkah harus determinestik.

Proses harus berakir setelah sejumlah berhingga langkah.

Hasil akhir tidak boleh tergantung kepada siapa yang menjalani

algoritma tersebut.

Suatu algoritma tidak boleh berakhir terbuka.

Algoritma harus cukup umum untuk menangani keperluan

apapun.

Bagan Alir ( flowchart)

Bagan alir merupakan pernyataan visual atau grafis suatu algoritma.
Bagan alir menggunakan deretan blok dan anak panah, yang
masing-masing menyatakan operasi atau langkah tertentu dalam
algoritma. Anak panah menyatakan urutan bagaimana

seharusnya

operasi dijalankan.
Manfaat Bagan Alir

Dipakai

untuk

menyatakan

dan

mengkomunikasikan

algoritma.

Dapat membantu dalam perencanaan, menyelesaikan keruwetan.

Mengkomunikasikan logika program.

Merupakan wahana yang menarik untuk memvisualisasikan

beberapa struktur yang mendasar yang diterapkan dalam
pemrograman Komputer.

Peranan Komputer dalam Metode Numerik

Komputer berperan besar dalam perkembangan bidang metode
numerik. Hal ini mudah dimengerti karena perhitungan dengan metode
numerik

adalah

berupaoperasi

aritmetika

seperti

penjumlahan,

perkalian, pembagian, plus membuat perbandingan. Sayangnya, jumlah

operasi aritmetika ini umumnya sangat banyak
dan berulang, sehingga perhitungan secara manual sering menjemukan.
Manusia (yang melakukan perhitungan manual ini) dapat membuat

kesalahan dalam melakukannya. Dalam hal ini, komputer berperanan

mempercepat proses perhitungan tanpa membuat kesalahan.
Penggunaan komputer dalam metode numerik antara lain untuk
memprogram. Langkah-langkah metode numerik diformulasikan
menjadi

program

komputer.

Program

ditulis

dengan

bahasa

pemrograman tertentu, seperti FORTRAN, PASCAL, C, C++, BASIC,

dan sebagainya.
Sebenarnya, menulis program numerik tidak selalu diperlukan. Di
pasaran terdapat banyak program aplikasi komersil yang langsung dapat
digunakan. Beberapa contoh aplikasi yang ada saat ini adalah MathLab,
MathCad, Maple, Mathematica, Eureka, dan sebagainya. Selain itu,
terdapat juga library yang berisi rutin-rutin yang siap digabung dengan
program utama yang ditulis pengguna, misalnya IMSL (International
Mathematical and Statistical Library) Math/Library yang berisi ratusan
rutin-rutin metode numerik. Selain mempercepat perhitungan numerik,
dengan komputer kita dapat mencoba berbagai kemungkinan solusi
yang terjadi akibat perubahan beberapa parameter. Solusi yang
diperoleh juga dapat ditingkatkan ketelitiannya dengan mengubahubah
nilai parameter.

Kemajuan komputer digital telah membuat bidang metode numerik

berkembang secara dramatis. Tidak ada bidang matematika lain yang
mengalami kemajuan penting secepat metode numerik. Tentu saja
alasan utama penyebab kemajuan ini adalah perkembangan komputer
itu sendiri, dari komputer mikro sampai
komputer Cray, dan kita melihat perkembangan teknologi komputer
tidak pernah berakhir. Tiap generasi baru komputer menghadirkan
keunggulan

seperti

waktu,

memori,

ketelitian,

dan

kestabilan

perhitungan. Hal ini membuat ruang penelitian semakin terbuka luas.

Tujuan utama penelitian itu adalah pengembangan algoritma
numerik yang lebih baik dengan memanfaatkan keunggulan komputer
semaksimal mungkin. Banyak algoritma baru lahir atau perbaikan
algoritma yang lama didukung oleh komputer.
Bagian mendasar dari perhitungan rekayasa yang dilakukan saat ini
adalah perhitungan waktu nyata (real time computing), yaitu
perhitungan keluaran (hasil) dari data yang diberikan dilakukan secara
simultan dengan event pembangkitan data tersebut, sebagaimana yang
dibutuhkan dalam mengendalikan proses kimia atau reaksi nuklir,
memandu pesawat udara atau roket dan sebagainya. Karena itu,

kecepatan perhitungan dan kebutuhan memori komputer adalah

pertimbangan yang sangat penting. Jelaslah bahwa kecepatan tinggi,
keandalan, dan fleksibilitas komputer memberikan akses untuk
penyelesaian masalah praktek. Sebagai contoh, solusi sistem persamaan
lanjar yang besar menjadi lebih mudah dan lebih cepat diselesaikan
dengan komputer. Perkembangan yang cepat dalam metode numerik
antara lain ialah penemuan metode baru, modifikasi metode yang sudah
ada agar lebih mangkus, analisis teoritis dan praktis algoritma untuk
proses perhitungan baku, pengkajian galat, dan penghilangan jebakan
yang ada pada metode.
Perbedaan Metode Numerik dengan Analisis Numerik
Untuk persoalan tertentu tidaklah cukup kita hanya menggunakan
metode untuk memperoleh hasil yang diinginkan; kita juga perlu
mengetahui apakah metode tersebut memang memberikan solusi
hampiran, dan seberapa bagus hampiran itu . Hal ini melahirkan kajian
baru, yaitu analisis numerik.
Metode numerik dan analisis numerik adalah dua hal yang berbeda.
Metode adalah algoritma, menyangkut langkah-langkah penyelesaian
persoalan secara numerik, sedangkan analisis numerik adalah terapan

matematika untuk menganalisis metode. Dalam analisis numerik, hal

utama yang ditekankan adalah analisis galat dan kecepatan konvergensi
sebuah metode. Teorema-teorema matematika banyak dipakai dalam
menganalisis suatu metode. Di dalam perkuliahan ini, kita akan
memasukkan beberapa materi analisis numerik seperti galat metode dan
kekonvergenan

metode.

Tugas

para

analis

numerik

ialah

mengembangkan dan menganalisis metode numerik. Termasuk di

dalamnya

pembuktian

apakah

suatu

metode

konvergen,

dan

menganalisis batas-batas galat solusi numerik.Terdapat banyak sumber

galat, diantaranya tingkat ketelitian model matematika, sistem aritmetik
komputer, dan kondisi yang digunakan untuk menghentikan proses
pencarian solusi. Semua ini harus dipertimbangkan untuk menjamin
ketelitian solusi akhir yang dihitung.
Materi Metode Numerik
Pendahuluan Metode Numerik
Galat
Solusi Persamaan Non-Linier

Persamaan Non-Linier

Metode Biseksi

Metode Regula Falsi

Metode Sekan

Metode Iterasi Titik Tetap

Metode Newton Raphson

Solusi Persamaan Linier Simultan

Sistim Persamaan Linier

Metode Eliminasi Gauss.

Metode Gauss-Jordan.

Iterasi Gauss-Seidel.

Interpolasi

Pengertian Interpolasi

Polinomial (linier dan kuadrat)

Lagrange

Interpolasi Newton Selisih hingga

Newton Selisih bagi

Integrasi Numerik

Pengertian Integrasi

Metode Empat Persegi Panjang.

Metode Titik Tengah

Trapesium

Simpson

Kwadratur Gauss

Thank

You

So

Much

to:

Fairuz

el

Said

| https://fairuzelsaid.wordpress.com/2010/10/13/metode-numerik-01pengantar-metode-numerik/#more-2623
At least, saya juga sertakan download materi Metode Numerik:
http://www.4shared.com/file/xENnMpF1/materi_Metode_Numerik.htm
l
Dan buku yang recommended lah! (tapi saya belum beli :") mungkin
segera.. :) berikut review buku dan daftar isinya: http://penerbitinformatika.com/buku-metode_numerik_(edisi_revisi_ke_2)-13.html
Tags: Materi Metode Numerik, mata kuliah metode numerik, apa itu
metode numerik, definisi metode numerik, metode numerik adalah,
pengertian metode numerik, pengenalan metode numerik, manfaat
belajar metode numerik, prinsip metode numerik, kenapa harus belajar
metode numerik.
BAB I
ANALISA NUMERIK

1.1 Mengapa Menggunakan Analisa Numerik

Tidak semua permasalahan matematis atau perhitungan dapat
diselesaikan dengan mudah atau dapat diselesaikan dengan
menggunakan perhitungan biasa. Contohnya dalam persoalan yang
melibatkan model matematika yang sering muncul dalam berbagai
disiplin ilmu pengetahuan, bidang fisika, kimia, ekonomi, atau pada
persoalan rekayasa. Seringkali model matematika tersebut muncul
dalam bentuk yang tidak idealis atau rumit. Model matematika yang
rumit ini adakalanya tidak dapat diselesaikan dengan metode
analitik yang sudah umum untuk mendapatkan solusinya. Sebagai
contoh, perhatikan sekumpulan persoalan matematik berikut dan
bagaimana cara menyelesaikannya?
a. Tentukan akar akar persamaan polinom
23.4 x 7 1.25 x 6 120 x 4 15 x 3 120 x 2 x 100 0

b. Tentukan harga x yang memenuhi persamaan

27.8e 5 x

1
(120 x 2 2 x )
cos 1
x
17 x 65

c. Hitung integral
1

sin x
dx
x
0

Contoh contoh diatas memperlihatkan bahwa kebanyakan

persoalanmatematik tidak dapat diselesaikan dengan metode
analitik. Metode analitik disebut juga metode sejati karena

memberi solusi sejati atau solusi yang sesungguhnya, yaitu solusi

yang memiliki galat ( error ) sama dengan nol. Metode analitik
seringkali hanya unggul untuk sejumlah persoalan yang memiliki
tafsiran geometri sederhana, padahal persoalan yang mincul dalam
dunia nyata sering melibatkan bentuk dan proses yang rumit.
Akibatnya nilai praktis penyelesaian metode analitik menjadi
terbatas.
Bila metode analitik tidak dapat lagi diterapkan, maka solusi
persoalan sebenarnya dapat dicari dengan metode numerik.
Metode

numerik

adalah

teknik

yang

digunakan

untuk

memformulasikan persoalan matematik sehingga dapat dipecahkan

dengan operasi perhitungan / aritmatik biasa ( tambah, kurang, kali
dan bagi ). Secara harafiah metode numerik memiliki arti sebagai
cara berhitung dengan menggunakan angka angka. Metode
numerik yang berangkat dari pemakaian alat bantu hitung
merupakan alternatif yang baik dalam menyelesaikan persoalan
persoalan perhitungan yang rumit, saat inipun telah banyak yang
menawarkan program program numerik sebagai alat bantu
perhitungan.
Dalam penerapan matematis untuk menyelesaikan persoalan
persoalan perhitungan dan analisis, terdapat beberapa keadaan
dan metode yang baik :

 Bila persoalan merupakan persoalan yang sederhana atau terdapat

theorem analisa matematika yang dapat digunakan untuk
menyelesaiakan persoalan tersebut, maka penyelesaian matematis
( metode analitik ) yang digunakan adalah ppenyelesaian excat
yang harus digunakan. Penyelesaian ini menjadi acuan bagi
pemakaian metode pendekatan.
Bila persoalan sudah sangat sullit atau tidak mungkin
diselesaiakan secara matematis ( analitik ) karena tidak ada
theorema analisa matematika yang dapat digunakan , maka
dapat digunakan metode numerik.
Bila persoalan sudah merupakan persoalan yang mempunyai
kompleksitas tinggi, sehingga metode numerikpun tidak dapat
menyajikan penyelesaian dengan baik, maka dapat digunkana
metode-metode simulasi.
1.2 Prinsip prinsip Metode numerik
Metode numerik berangkat dari pemikiran bahwa permasalahan
dapat diselesaikan menggunakan pendekatan pendekatan yang
dapat dipertanggungjawabkan secara analitik. Metode numerik ini
disajikan dalam bentuk algoritma - algoritma yang dapat dihitung
secara cepat dan mudah.
Pendekatan yang digunakan dalam metode numrik merupakan
pendekatan analisis matematis. Sehingga dasar pemikirannya tidak
keluar dari dasar pemikiran analitis, hanya saja pemakaian grafis

dan teknik perhitungan yang mudah merupakan pertimbangan

dalam pemakaian metode numerik. Mengingat algoritma yang
dikembangkan dalam metode numrik merupakan algoritma
pendekatan, maka dalam algoritma tersebut akan muncul istilah
iterasi yaitu pengulangan proses perhitungan. Dengan kata lain,
perhitungan dalam metode numerik adalah perhitungan yang
dilakukan berulang-ulang untuk terus menerus memperoleh hasil
yang mendekati nilai penyelesaian exact.
Dengan menggunakan metode pendekatan semacam ini , tentukan
bahwa setiap nilai hasil perhitungan akan mempunyai nilai error
( nilai kesalahan ). Dalam analisa metode numerik, kesalahan ini
menjadi penting artinya. Karena kesalahn dalam pemakaian
algoritma pendekatan akan menyebabkan nilai kesalahan yang besar
, dimana tentunya kesalahan ini tidak diharapkan. Sehingga
pendekatan metode analitik selalu membahas tingkat kesalahan dan
tingkat kecepatan proses yang akan terjadi.
Perbedaan utama antara metode numerik dan metode analitik
Metode Numerik
1. Solusi selalu berbentuk angka

Metode Analitik
1. Solusi biasanya dalam bentuk
fungsi
selanjutnya

matematik
dapat

yang
dievaluasi

untuk menghasilkan nilai dalam

bentuk angka

2. Diperoleh

solusi

menghampiri
sehingga
dinamakan

yang2. Diperoleh solusi sejati

solusi

solusi
juga

sejati
numerik
solusi

hampiran/ solusi pendekatan

Persoalan persoalan yang biasa diangkat dalam metode numerik
adalah:
Menyelesaiakan persamaan non linier
Menyelesaiakan persamaan simultan dan multi variabel
Menyelesaiakan diferensial dan integral
Interpolasi dan regresi
Masalah multi variabel untuk menentukan nilai optimal yang
tidak bersyarat
1.3 Tahap tahap memecahkan persoalan secara Numerik
Ada enam tahap yang dilakukan dalam pemecahan persoalan dunia
nyata dengan metode numerik
1. Pemodelan
2. Penyederhanaan model
3. Formulasi numerik

4. Pemrograman
5. Operasional
6. Evaluasi

BAB II
MODEL MATEMATIKA
Model matematika secara luas dapat didefinisikan sebagai perumusan
atau persamaan yang mengekspresikan feature pokok dari sistem atau
proses fisis dalam istilah matematis. Dalam penalaran yang sangat
umum , model matematis dapat dinyatakan sebagai suatu hubungan
fungsional yang berbentuk
Peubah tak bebas = f

peubah

bebas,

parameter, fungsi

pemaksa ) ..................................( 2. 1 )
peubah tak bebas : suatu karakteristik yang biasanya

mencerminkan keadaan atau perilaku sistem

peubah bebas : dimensi, seperti waktu dan ruang, sepanjang

mana perilaku sistem sedang ditentukan

parameter : pencerminan sifat sifat atau komposisi sistem
fungsi pemaksa : pengaruh eksternal yang bekerja padanya
Ekspresi matematis yang sebenarnya dari persamaan 2. 1 dapat berkisar
dari suatu hubungan aljabar sederhana sampai himpunan persamaan
diferensial besar yang rumit.

Sebagai contohnya perhatikan model

matematis dari hukum kedua Newton dalam persamaan

F
=

m.a

...................................................................................................................
...............( 2. 2 )
Persamaan 2.2 mempunyai sejumlah ciri yang khas dari model
matematis di dunia fisik

1. persamaan tersebut menggambarkan suatu proses atau sistem

biasa dalam istilah istilah matematis.
2. Persamaan tersebut menyatakan suatu

idealisasi

dan

penyedderhanaan dari keadaan yang sebenarnya. Yakni rincian

yang sederhana dari proses almiah diabaikan dan perhatian
dipusatkan pada manifestasi yang penting.
3. Persamaan tersebut memberikan hasil yang dapat direproduksi,
sehingga dapat dipakai untuk tujuan peramalan.
Contoh 2.1
Pernyataan masalah : seorang penerjun payung dengan massa 68.100
gram

melompat

v(t )

gm
1 e (c / m)t
c

keluar

dari

pesawat.

Gunakan

persamaan

untuk menghitung kecepatan ( velocity ) sebelum

parasutnya terbuka. Koefisien hambat c kira kira sama dengan 12.500

gram/det
Penyelesaian : Pemasukan parameter parameter ke dalam persamaan

gm
v(t )
1 e (c / m)t
c

Menghasilkan :
v(t )

980(68.100)
[1 e (12.500 / 68.100)t ]
12.500

t1 det

v1 cm/det

0
2
4
6
10

0,00
1640,00
2777,00
3564,00
4487,00
5339,00

v(t ) 5339,0[1 e 0,18355t ]

=
Menurut model tersebut, penerjun itu melaju dengan cepat. Kecepatan
sebesar 4487,00 cm / det dicapai setelah 10 detik. Setelah waktu yang
cukup lama, dicapai kecepatan konstanta ( dinamakan kecepatan akhir )
v(t )

sebesar 5339,00 cm / det. Persamaan

gm
1 e ( c / m ) t
c

disebut

penyelesaian analitis atau eksak. Sayang sekali terdapat banyak model

matematika yang tidak dapat diselesaikan secara eksak. Dalam
kebanyakan kasus kasus seperti itulah alternatifnya adalah
mengembangkan suatu penyelesaian numerik yang menghampiri
( mengakprosimasi ) penyelesaian yang eksak.
Penyelesaian Numerik
Pernyataan masalah : lakukan komputasi yang sama seperti contoh di
v(t )

atas namun gunakan persamaan

gm
1 e ( c / m )t
c

untuk menghitung

kecepatan dengan pertambahan waktu sama dengan 2 detik.

Penyelesaian : pada saat memulai perhitungan (

t1 0

), kecepatan

penerjun payung sama dengan nol. Dengan memakai informasi ini dan

v(t )

nilai nilai parameter dari contoh maka persamaan

gm
1 e (c / m)t
c

t i 1 2 detik

dapat digunakan untuk menaksir kecepatan pada

v 0 [9,8

12,5
(0)]2 19,60 m/det
68,1

Untuk selang (interval) berikutnya dari (t=2 sampai 4 detik ), komputasi

diulang dengan hasil
v 19,6 [9,8

12,5
(19,60)]2 32,00 m/det
68,1

Komputasi dilanjutkan dengan cara sama untuk memperoleh nilai

nilai tambahan

t1 det

v1 m/det

0
2
4
6
10

0,00
19,60
32,00
39,85
47,97
53,39

GAMBAR
2.1 dengan
Hasil- hasilnya dilukiskan dalam Gambar 2.1
bersamaan

penyelesaian eksak. Dapat dilihat bahwa secara cermat metode numerik

mencakup segi segi utama dari penyelesaian eksak. Tetapi karena
digunakan ruas ruas garis lururs untuk mengaproksimasi suatu fungsi
melengkung yang kontinu maka terdapat ketidakcocokan antara kedua
hasil tersebut. Satu cara untuk meminimumkan ketidakcocokan yang
demikian adalah dengan menggunakan selang komputasi yang lebih
kecil. Misalnya dengan menerapkan pada masalah penerjun payung
diatas dengan selang 1 detik akan menghasilkan galat yang lebih kecil,
karena lintasan ruas-ruas garis lurus lebih dekat ke penyelesaian
sebenarnya.

BAB III
APROKSIMASI DAN GALAT
3.1 Kekeliruan , Kesalahan perumusan dan Ketidakpastian
Data
Walau sumber kesalahan di bawah ini secara langsung

tak dihubungkan dalam metode numerik, dampak dari

kesalahan ini cukup besar.
Kekeliruan.
Kesalahan bruto/kekeliruan.
Tahun awal penggunaan komputer, komputer sering kali
gagal pakai (malfunction).
Sekarang

kekeliruan

ini

dihubungkan

dengan

ketidaksempurnaan manusianya.
Kekeliruan
langkah

proses

dapat

pemodelan

terjadi

pada

matematika

sembarang
dan

dapat

mengambil bagian terhadap semua komponen kesalahan

lainnya. Ia hanya dapat dicegah oleh pengetahuan yang
baik tentang prinsip dasar dan berhati-hatilah dalam
melakukan pendekatan dan mendesain solusi untuk
masalah anda.
Biasanya

tak

dianggap

dalam

pembahasan

metode

numerik. Ini terjadi, karena kesalahan bruto sampai taraf

tertentu tak dapat dihindari. Tapi tentu saja pasti ada
cara untuk memperbaiki keadaan ini.
Misalnya: kebiasaan pemrograman yang baik, seperti
yang

dibahas

dalam

bab

2,

sangat berguna untuk

mengurangi kekeliruan pemrograman. Sebagai tambahan,

terdapat juga cara-

cara

sederhana

untuk

memeriksa

apakah

suatu

metode numerik tertentu bekerja secara sempurna.

Kesalahan Perumusan.
Kesalahan

perumusan

model

dihubungkan

dengan

penyimpangan yang dapat dianggap berasal dari model

matematika yang tak sempurna.
Contoh:

fakta

bahwa

hukum

Newton

kedua

tak

menghitung efek relativistik. Ini tak mengurangi

kelayakan

solusi

pada

contoh

sebelumnya,

karena

kesalahan-kesalahan ini adalah minimal pada skala waktu

dan ruang dari seorang penerjun payung.
Anggap bahwa tahanan udara bukan proporsi linier
terhadap

kecepatan

jatuh

seperti

dalam persamaan

tetapi merupakan sebuah fungsi kuadrat kecepatan. Kalau

hal ini benar, baik
kedua solusi analitis maupun numerik yang diperoleh
dalam bab 1 hasilnya menjadi salah
karena kesalahan perumusan.
Ketidakpastian Data.
Kesalahan-kesalahan seringkali masuk ke dalam suatu
analisis karena ketidakpastian data fisika yang mendasari
suatu model.
Misalnya kita ingin menguji model penerjun payung

dengan

loncatan-loncatan

berulang

yang

dibuatnya,

mengukur kecepatan orang tersebut setelah interval waktu

tertentu.
Ketidakpastian yang menyertai pengukuran-pengukuran
ini

tak

cepat

diragukan,
selama

karena

beberapa

penerjun akan
loncatan

jatuh

daripada

lebih

loncatan

lainnya. Kesalahankesalahan ini dapat memunculkan ketidak akuratan dan

ketidak presisian.
Jika

instrumen

terlalu

tinggi

kita

menaksir

terhadap

terlalu

kecepatan,

rendah

atau

kita menghadapi

suatu alat yang tak akurat atau menyimpang.

Pada keadaan lainnya, jika pengukuran tinggi dan rendah
secara

acak,

kita

akan

berhadapan

dengan

sebuah

pertanyaan mengenai kepresisian.

Kesalahan-kesalahan pengukuran dapat dikuantifikasikan
dengan meringkaskan data dengan
satu atau lebih statistik yang dipilih yang membawa
sebanyak

mungkin

informasi

mengenai sifat-sifat data

tertentu.
Statistik yang deskriptif ini kebanyakan sering dipilih
untuk menyatakan (1) letak pusat distribusi data, dan
(2) tingkat penyebaran data. Hal demikian memberikan

suatu ukuran penyimpangan dan ketidakpresisian.

3.2 Analisis Galat

Menganalisis galat sangat penting di dalam perhitungan yang
menggunakan metode numerik. Galat berasosiasi dengan
seberapa dekat solusi hampiran terhadap solusi sejatinya.
Semakin kecil galatnya, semakin teliti solusi numerik yang
didapatkan.
Nilai sejati ( true value ) = Hampiran (aproksimasi) + Galat

a
Misalkan

adalah nilai hampiran terhadap nilai sejatinya a ,

maka selisih

aa

disebut Galat. Jika tanda Galat ( positif atau negatif ) tidak

dipertimbangkan , maka Galat mutlak

aa

Ukuran galat

kurang bermakna karena tidak menceritakan

seberapa besar galat itu dibandingkan dengan nilai sejatinya.

Untuk mengatasi interpretasi nilai galat tersebut , maka galat

harus dinormalkan terhadap nilai sejatinya. Gagasan ini

melahirkan apa yang dinamakan galat relatif.
Galat Relatif didefinisikan sebagai

Atau dalam persentase

x100%
a

Karena galat dinormalkan terhadap nilai sejati, maka galat

relatif tersebut dinamakan juga relatif sejati. Dalam praktek
ketika kita tidak mengetahui nilai sejati a, karena itu galat

sering dinormalkan terhadap solusi hampirannya, sehingga

galat relatifnya dinamakan galat relatif hampiran

RA

Salah satu tantangan metode numerik adalah menentukan

taksiran galat tanpa mengetahui nilai sejatinya. Misalnya,
metode numerik tertentu memakai pendekatan secara iterasi
untuk menhitung jawaban. Dalam pendekatan yang demikian,
suatu aproksimasi sekarang dibuat berdasarkan aproksimasi

sebelumnya. Proses ini dilakukan secara berulang , atau

secara iterasi dengan maksud secara beruntun menghitung
aproksimasi yang lebih dan lebih baik. Jadi, persen galat
relatif :

aproksimas i sekarang - aproksimas i sebelumnya

100%
aproksimas i sekarang

a s
Komputasi diulang sampai

s
Nilai

menentukan ketelitian solusi numerik. Semakin kecil

s
nilai

semakin teliti solusinya.

Soal
1. Misalkan nilai sejati = 10/3 dan nilai hampiran = 3.333.
hitunglah

galat,

galat

mutlak,

dan

galat

relatif

hampiran.
2. Prosedur iterasi sebagai berikut
1, 2, 3, ...

x0 0.5
dan

= 0.00001

Sumber Utama Galat Numerik

x r 1 ( x r3 3) / 6

r = 0,

Secara umum terdapat dua sumber utama penyebab galat

dalam perhitungan numerik
1. Galat pembulatan ( round-off error )
2. Galat Pemotongan ( truncation error )
Selain kedua galat ini, terdapat sumber galat lain :
1. Galat eksperimental , galat yang timbul dari data yang
diberikan,

misalnya karena kesalahan pengukuran,

ketidaktelitian alat ukur dan sebagainya.

2. Galat pemrograman. Galat yang terdapat di dalam
program sering dinamakan dengan bug. Dan proses
penghilangan galat dinamakan debugging.

3.3 Algoritma
Algoritma merupakan rentetan langkag langkah logika yang
diperlukan untuk melakukan suatu tugas tertentu seperti pemecahan
masalah.
Ciri ciri suatu algoritma yang baik
1. Aksi yang dilaksanakan harus dirinci secara jelas untuk tiap
kasus. Hasil akhir tidak boleh tergantung kepada yang
mengalami algoritma
2. Proses algoritma harus selalu berakhir setelah sejumlah
berhingga langkah tidak boleh berakhir terbuka ( oppen
ended )

3. Algoritma harus cukup umum untuk menangani keperluan yang

lebih banyak.
Cara pembuatan algoritma
1. Flow chart ( diagram alir )
2. Kode psudo ( menggunakan kalimat kalimat yang katakatanya sudah punya aturan aturan tertentu )
3.4 Hitungan Langsung dan Tak Langsung
a. Hitungan langsung
Hitungan melalui serangkaian operasi hitung untuk memperoleh
hasil
b. Hitungan Tak langsung ( hitungan iterasi )
Solusi diperoleh dengan melakukan pengulangan pada suatu
perhitungan langsung dimulai dengan suatu tebakan awal untuk
memperoleh suatu nilai hampiran sebagai perbaikan atas nilai
tebakan awal sampai diperoleh nilai hampiran yang diinginkan.
x0 1
Soal 3.2 : Gunakan tebakan awal
untuk menghitung

xi 1

( x1 2 / xi )
2

i 0,1,2,...

untuk

BAB 4
METODE PENGURUNG (BRACKETING METHOD)
Salah satu masalah yang sering terjadi pada bidang ilmiah
adalah

masalah

untuk

mencari

akar-akar

persamaan

berbentuk f(x) = 0 .(1)

Fungsi f di sini adalah fungsi atau persamaan tak linear. Nilai x
= x0 yang memenuhi (1) disebut akar persamaan fungsi
tersebut. Sehingga x0 di sini menggambarkan fungsi tersebut
memotong sumbu-x di x = x0.
Persamaan atau fungsi f dapat berbentuk sebagai berikut:
Persamaan aljabar atau polinomial
f(x)

pn(x)

anx n

.(2)

an-1xn-1

a 1x

a0

Persamaan transenden
Yaitu

persamaan

yang

mengandung

fungsi

antara

lain

trigonometri, logaritma, atau eksponen

Contoh: (i) ex + cos(x) = 0 (ii) ln(x) + log(x2) = 0
Persamaan campuran
Contoh: (i) x3 sin(x) + x = 0 (ii) x2 + log(x) = 0
Untuk

polinomial

derajat

dua,

persamaan

dapat

diselesaikan dengan rumus akar persamaan kuadrat. Misalkan

bentuk persamaan kuadrat adalah: ax2 + bx + c = 0
dapat dicari akar-akarnya secara analitis dengan rumus
berikut.

X 1, 2

b b 2 4ac
2a

Untuk polinomial derajat tiga atau empat, rumus-rumus yang

ada sangat kompleks dan jarang digunakan. Sedangkan untuk
menyelesaikan polinomial dengan derajat yang lebih tinggi
atau persamaan tak linear selain polinomial, tidak ada rumus
yang dapat digunakan untuk menyelesaikannya. Metode
Numerik memberikan cara-cara untuk menyelesaikan bentuk
tersebut, yaitu metode hampiran. Penyelesaian numerik
dilakukan dengan hampiran yang berurutan (metode iterasi),
sedemikian sehingga setiap hasil adalah lebih teliti dari

perkiraan sebelumnya. Dengan melakukan sejumlah prosedur

iterasi yang dianggap cukup, akhirnya didapat hasil perkiraan
yang mendekati hasil eksak (hasil yang benar) dengan
toleransi kesalahan yang diijinkan. Metode iterasi mempunyai
keuntungan bahwa umumnya tidak sangat terpengaruh oleh
merambatnya error pembulatan.
4.1 LOKALISASI AKAR
Lokasi

akar

persamaan

tak

linear

diselidiki

untuk

memperoleh tebakan awal, yaitu:

Metode Grafik.
Untuk memperoleh taksiran akar persamaan f(x) = 0 ialah
dengan membuat grafik fungsi itu dan mengamati dimana
ia memotong sumbu x. Titik ini, yang menyatakan harga x
untuk f(x) = 0, memberikan suatu pendekatan kasar dari
akar tersebut.
Contoh 4.1. Pendekatan Grafik.
Gunakan pendekatan grafik untuk memperoleh suatu akar
persamaan dari f(x) = e-x x.
Solusinya adalah sebagai berikut:

X
0,0

f(x)
1,000
0,619

0,4

0,270

0,6

-0,051

Gambar 4.1
Gambar

4.1.

Ilustrasi

pendekatan

grafik

untuk

memecahkan persamaan aljabar dan transendental.

Grafik f(x) = e-x x terhadap x. Akar sesuai dengan
harga x dimana
f(x) = 0, yaitu titik dimana fungsi memotong sumbu x.

Pemeriksaan secara visual mengenai plot memberikan

taksiran

kasar

0,57.

Harga

sebenarnya

adalah

0,56714329
Teknik grafik praktis digunakan, dan dapat memberikan
taksiran akar secara kasar, tapi tidak presisi.
Ia dapat digunakan sebagai tebakan awal dalam
metode numerik.
Interpretasi grafik penting untuk memahami sifatsifat fungsi dan dapat memperkirakan jebakan pada
metode numerik, seperti terlihat pada gambar 4.2 di
bawah ini.
Gambar 4.2 memperlihatkan sejumlah cara dimana
akar bisa berada dalam interval yang dijelaskan oleh
suatu batas bawah a dan batas atas b.
Gambar 4.2b memperlihatkan kasus dmana sebuah
akar tunggal dikurung oleh harga-harga positif dan
negatif dari f(x).

Gambar 4.2
Gambar 4.2. Ilustrasi sejumlah cara yang umum bahwa
sebuah akar bisa terjadi dalam sebuah interval yang
dijelaskan oleh batas bawah a dan batas atas b. Bagian
(a) dan (c) menunjukkan bahwa bila f(a) dan f(b)
mempunyai tanda yang sama, tidak akan ada akar-akar
atau akar dalam jumlah genap pada interval. Bagian (b)

dan (d) menunjukkan bahwa bila fungsi mempunyai

tanda yang berbeda pada kedua titik ujung, akan
terdapat akar dalam jumlah ganjil pada interval. Tetapi
gambar
tanda

4.2d,
terhadap

dimana f(a) dan

sumbu

f(b)

berlawanan

x, memperlihatkan 3 akar

yang berada di dalam interval. Umumnya jika f(a) dan

f(b) mempunyai tanda yang berbeda akan terdapat
akar yang jumlahnya ganjil dalam interval.
Seperti ditunjukkan oleh gambar 4.2 a dan c, jika f(a)
dan f(b) mempunyai tanda yang sama, tidak terdapat
akar-akar atau akar yang jumlahnya genap berada
diantara harga-harga itu.
Meskipun
terdapat

generalisasi
kasus-kasus

ini

biasanya

dimana

hal

benar,
itu

tak

namun
dapat

dipegang.
Misalnya

akar

ganda.

Yakni

fungsi

yang

menyinggung sumbu x (gambar 4.3a) dan fungsifungsi diskontinu (gambar 4.3b) bisa menyalahi prinsip
ini.

Gambar 4.3. Ilustrasi beberapa perkecualian terhadap

kasus-kasus umum yang ditunjukkan dalam gambar
4.2. (a) Akar ganda yang terjadi sewaktu fungsi
menyinggung sumbu x. Dalam hal ini, walaupun titiktitik ujungnya berlawanan tanda, terdapat akar-akar
dalam jumlah genap untuk interval tersebut. (b) Fungsi
diskontinu

dimana

titik-titik

ujung

tanda

yang

berlawanan juga mengurung akar-akar dalam jumlah

genap.
Strategi khusus dibutuhkan untuk penentuan akar-akar

dalam

kasus

ini.

Sebagai

contoh

fungsi

yang

mempunyai akar ganda adalah persamaan kubik

f(x) = (x 2) (x 2) (x 4). Perhatikan bahwa x = 2
membuat kedua suku polinomial itu sama dengan 0.
Jadi x = 2 disebut sebuah akar ganda.
Cara Tabulasi
Nilai-nilai fungsi pada interval yang diminati dihitung
dengan membagi interval tersebut menjadi sub interval
sub interval, dan nilai-nilai tersebut ditulis dalam
bentuk tabulasi. Jika pada suatu interval nilai fungsi
berubah tanda, maka pada interval tersebut ada akar.
Lokasi Akar Untuk Persamaan Polinomial
Persamaan polinomial mempunyai bentuk umum sbb.
f(x) = pn(x) = anxn + an-1xn-1 + + a1x + a0
.(3)
Jika pn(x) = 0, maka persamaan tersebut mempunyai
tepat n akar, antara lain akar bilangan real dan juga
termasuk

akar

bilangan

kompleks.

Akar

bilangan

kompleks selalu muncul berpasangan. Yang disebut

bilangan kompleks adalah:
a + b i . dimana a, b bilangan real, i =

Untuk melokasikan akar-akar real, digunakan beberapa

aturan:
(a) aturan tanda koefisien
(i) akar real positif
u

banyaknya

pergantian

tanda

pada

koefisien ai dari pn(x)

np = banyaknya akar real positif
maka berlaku: np < u (4)
u np = 0, 2, 4, 6,
(ii) akar real negatif
v = banyaknya pergantian tanda pada koefisien
ai dari pn(-x)
ng

= banyaknya akar real negative, maka

berlaku:
ng

<

..........................................................................(5)
v ng = 0, 2, 4, 6,
(b) batas interval akar

r 1 maks
1 k n

ak
an

maka semua akar real pn(x) terletak pada interval [r, r].

Sebuah fungsi berdasarkan jenisnya akan berubah

tanda di sekitar suatu harga akar.
Teknik ini dinamakan metode akoladi (bracketing
method), karena dibutuhkan 2 tebakan awal untuk
akar.
Sesuai namanya, tebakan tersebut harus dalam
kurung atau berada pada kedua sisi nilai akar.
4.2.

Metode Bagidua (Biseksi).

Pada teknik grafik sebelumnya, terlihat bahwa f(x)
berganti tanda pada kedua sisi yang berlawanan dari
kedudukan akar. Pada umumnya, kalau f(x) nyata (real)
dan kontinu dalam interval dari xl hingga xu, serta f(xl)
dan f(xu) berlainan tanda, yakni:
f(xl) f(xu) < 0
Maka

terdapat

sekurang-kurangnya

akar

nyata

diantara xl dan xu.

dengan penempatan sebuah interval dimana fungsi
tersebut bertukar tanda.
Lalu penempatan perubahan tanda (tentunya harga
akar)

ditandai

interval
Setiap

lebih

tersebut
subinterval

teliti

dengan

menjadi
itu

dicari

cara membagi

sejumlah

subinterval.

untuk menempatkan

perubahan

tanda.

Proses

tersebut

diulangi

dan

perkiraan akar diperhalus dengan membagi subinterval

menjadi lebih halus lagi.
Metode Bagidua (biseksi), disebut juga pemotongan
biner

(binary

chopping),

pembagian

2 (interval

halving) atau metode Bolzano.

Letak akarnya kemudian ditentukan ada di tengahtengah subinterval dimana perubahan tanda terjadi.
Proses ini diulangi untuk memperoleh taksiran yang
diperhalus.
Step 1: Pilih taksiran terendah xl
untuk

akar

agar

fungsi

dan tertinggi xu
berubah

tanda

sepanjang interval. Ini dapat diperiksa dengan:

f(xl) f(xu) < 0.
Step 2 : Taksiran pertama akar xr ditentukan oleh:

xr

xl xu
2
Step 3 :

Buat

evaluasi

yang

berikut

untuk

menentukan subinterval, di dalam mana akar

terletak:

a.

Jika f(xl) f(xr) < 0, akar terletak pada

subinterval pertama, maka xu

= xr, dan

lanjutkan ke step 2.
b. Jika f(xl) f(xr) > 0, akar terletak pada
subinterval kedua, maka xl

= xr, dan

lanjutkan ke step 2.
c.

f(xl) f(xr) = 0, akar = xr, komputasi selesai.

Contoh Metode Bagidua.

Gunakan Bagidua untuk menentukan akar dari f(x) = ex - x.
Dari grafik fungsi tersebut (gambar 4.1) terlihat bahwa
harga akar terletak diantara 0 dan 1.
Karenanya

interval awal dapat dipilih dari xl

= 0

hingga xu = 1. Dengan sendirinya,

taksiran awal akar terletak di tengah interval tersebut:

xr

0 1
0,5
2

Taksiran

ini

menunjukkan

kesalahan

sebenarnya adalah 0,56714329):

Et =

0,5 = 0,06714329

dari

(harga

atau dalam bentuk relatif:

0,56714329
x100% 11,8%
0,06714329
dimana indeks t menunjukkan
bahwa kesalahan diacu terhadap harga sebenarnya.
Lalu:
f(0) f(0,5) = (1) (0,10653) = 0,10653

yang lebih besar dari nol, dengan sendirinya tak ada

perubahan tanda terjadi antara xl dan xr.
Karena itu, akar terletak pada interval antara x = 0,5 dan 1,0.
Batas bawah didefinisikan lagi

xr

0,5 1
0,75
2

Taksiran ini menunjukkan kesalahan dari (harga sebenarnya

adalah 0,56714329):
Et =

0,5 = 0,06714329

atau dalam bentuk relatif:

f(0,5) f(0,75) = -0,030 < 0
Karenanya akar terletak diantara 0,5 dan 0,75:
xu = 0,75
Dan iterasi seterusnya
4.3.

Metode Regula Falsi (False Position).

x r xu

f ( x u )( x u x1 )
f ( x u ) f ( x1 )
Disebut juga metode interpolasi linier.

Penjelasan grafiknya adalah sebagai berikut:

Penjelasan grafik dari metode Regula Falsi. Segitiga serupa

yang digunakan untuk menurunkan rumus buat metode
tersebut adalah yang diarsir.
Contoh Metode Regula Falsi.
Gunakan Regula Falsi untuk menentukan akar
dari

f(x)

-x

x.

Akar

sesungguhnya

0,56714329.
xl = 0 dan xu = 1.
Iterasi pertama:

xl = 0

f(xl) = 1

xu = 1

f(xu) = -0,63212

xr 1

(0,63212)(1 0)
0,6127
0,63212 1

0,56714329 0,6127
x100% 8%
0,56714329

Iiterasi ke-2
f(xl) f(xr) = -0,0708
akar pada subinterval I. xr di batas atas
berikutnya
xl = 0

f(xl) = 1

63

x r 0,6127

(0,0708)( 0,6127 0)
0,572179
0,63212 1

xu = 0,6127 f(xu) = -0,0708

0,572179 0,6127
x100% 7,8%
0,572179

Kesalahan

untuk

Regula

Falsi

berkurang

lebih

cepat

daripada Bagidua disebabkan rancangan yang lebih efisien

untuk penempatan akar dalam Regula Falsi.

Perbandingan t pada metode Bagidua dan Regula Falsi untuk

64

f(x) = e-x x
Pada Bagidua, interval antara xl
kecil selama komputasi. Interval,

dan xu

muncul semakin

x/2 = |xu

xl| / 2,

merupakan ukuran error untuk pendekatan ini.

Pada Bagidua, hal di atas tak terjadi, karena salah satu
tebakan awal kondisinya tetap selama komputasi, sedangkan
tebakan lainnya konvergen terhadap akar.
Pada contoh metode regulasi falsi di atas, xl tetap pada 0,
sedangkan xu konvergen terhadap akar. Didapat, interval
tak mengkerut, tapi agak mendekati suatu harga konstan.
4.3.1.Jebakan pada Metode Regula Falsi.
Contoh 4.5. Bagidua lebih baik dari Regula Falsi.
Gunakan Bagidua dan Regula Falsi untuk menempatkan akar
di antara x = 0 dan 1,3 untuk:
f(x) = x10 1.
Dengan Bagidua, didapat:
Itera xl
1
0
2
0,65
3
0,975
4
0,975
5
0,975

Xu
1,3
1,3
1,3
1,1375
1,05625

Xr
0,65
0,975
1,1375
1,05625
1,015625

Setelah 5 iterasi, t < 2%.

Kemudian dengan Regula Falsi, didapat:

65

| t|%
35
2,5
13,8
5,6
1,6

| a|%
33,3
14,3
7,7
4,0

Iteras xl
1
0
2
0,09430
3
0,18176
4
0,26287
5
0,33811
Setelah 5 iterasi, t

Xu
1,3
1,3
1,3
1,3
1,3
< 60%.

Xr
0,09430
0,18176
0,26287
0,33811
0,40788

| t|%
90,6
81,8
73,7
66,2
59,2

| a|%
48,1
30,9
22,3
17,1

Juga | a| < | t|
Ternyata dengan Regula Falsi, a ternyata meleset. Lebih jelas
terlihat dalam grafik:

Grafik dari f(x) = x10 1, menunjukkan konvergensi metode

66

Regula Falsi yang lambat

Terlihat,

kurva

menyalahi

perjanjian

yang

mendasar

Regula Falsi, yakni jika f(xl) lebih mendekati 0 dibanding

f(xu), sehingga akan lebih dekat ke xl daripada ke xu
Karena bentuk fungsi yang sekarang, kebalikannya tentu juga
benar. Yang harus dilakukan adalah memasukkan taksiran
akar ke dalam persamaan semula dan ditentukan apakah
hasil itu mendekati nol. Pengecekan semacam ini juga harus
dilakukan pada program komputer untuk penempatan akar.

4.4.

Metode Newton-Raphson.

Gmbar 5.2
Metode Newton Rapson adalah metode pendekatan yang

67

menggunakan satu titik awal, dan mendekatinya dengan

memperhatikan

kemiringan

pada

titik

tersebut.

Secara

geometri metode ini menggunakan garis lurus sebagai

hampiran fungsi pada suatu selang, dengan menggunakan
suatu nilai xi sebagai tebakan awal yang diperoleh dengan
melokalisasi akar-akar dari f(x) terlebih dahulu, metode ini
paling banyak digunakan untuk menarik akar-akar dari
persamaan f(x) = 0 dengan asumsi f(x), f(x), f(x) kontinu
dekat satu akar p. akar dari persamaan adalah titik potong
garis singgung pada titik (xi, f(xi))

xi 1 xi

f xi
f ' xi

Dimana i = 0,1,2,3,
Syarat f(xi) 0
f(xi) = 0 maka garis singgung sejajar sumbu x
Algoritma Metode Newton Rapson
Masukan:

f(x),

f(x),

x0

(tebakan

penghentian), M (maksimum iterasi

Keluaran

: akar

Langkah-langkah
Iterasi

68

awal),

(criteria

xbaru x0
Jika f(x0) = 0, proses gagal, stop
1.

jika

xbaru x0
, maka stopdan x( akar) x baru
xbaru
2.
3. x0 = xbaru
4. Iterasi: I = i + 1
5. Jika iterasi I M kembali ke langkah 2
6. Prosesnya konvegen atau divergen

4.4.1 Iterasi N-R untuk menentukan

A 0, N genap

l
A0
A R, N ganji

Ambil N = 2
andaikan bahwa A>0 suatu bil real dan misal x 0 > 0

A
adalah tebakan awal untuk

69

f x0
f ' x0

 xk k 0
barisan

xk

p x 1

A
xk 1

didefenisikan dengan rumus rekursif sebagai

berikut:

lim x
x

x k k 0

akar barisan

A
konvergen ke

A
yaitu

Bukti

: A>0

A
Missal x

X2

X2 A

0, f(x) = 0 maka f(x) = x2 - A

70

g x x

f x
f ' x

A
2x
2x 2 x 2 A
g x x
2x
x A
g x x
2 2x
x A
g x
2 2x
1
A
g x x
2
x
x Ax
g ( x)
2
g x x

F(x)
F(x)

2x

Defenisi fungsi iterasi Newton Rapson

71

x2-A

xk 1 g xk
pk

4.5.

pk 1 A

pk 1

, K 1,2,3,...
Atau

Metode Secant.
Masalah
adalah

yang

didapat

terkadang

sulit

dalam

metode

Newton-Raphson

mendapatkan turunan pertama,

yakni f(x). Sehingga dengan jalan pendekatan

f ' x

f xn f xn 1
xn xn 1

xi 1 xi yi

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

Persamaan

di

awal

tetapi

x,

atas

memang
karena

memerlukan
f(x)

perubahan tanda diantara taksiran

metode Alokade.

72

taksiran

tidak membutuhkan
maka Secant bukan

Gambar 5.3

Teknik ini serupa dengan teknik Newton-Raphson dalam arti

bahwa suatu taksiran akar diramalkan oleh ekstrapolasi
sebuah garis singgung dari fungsi terhadap sumbu x. Tetapi
metode

Secant

lebih

menggunakan

diferensi

turunan untuk memperkirakan kemiringan/slope

73

daripada

4.5.1 Perbedaan Metode Secant dan Regula Falsi.

Persamaan di metode Secant maupun Regula Falsi identik suku demi suku.
Keduanya

menggunakan

aproksimasi

slope

fungsi

taksiran

awal

untuk

menghitung

yang digunakan untuk berproyek terhadap

sumbu x untuk taksiran baru akar.

Perbedaannya pada harga awal yang digantikan oleh taksiran baru.
Dalam
asli

Regula

mana

yang

saja

sama

Falsi,

taksiran

terakhir

akar

menggantikan

harga

yang mengandung suatu harga fungsi dengan tanda

seperti

f(xr). Sehingga

2 taksiran senantiasa mengurung

akar.
Secant mengganti harga-harga dalam deretan yang ketat, dengan
harga

baru

xi+1 menggantikan

xi,

dan

xi

menggantikan

xi-1.

Sehingga 2 harga terkadang dapat terletak pada ruas akar yang sama.
Pada kasus tertentu ini bisa divergen.
Pada gambar grafik di bawah ini disajikan penggunaan metode Regula
Falsi dan Secant untuk
menaksir akar f(x) = ln x, dimulai dari harga x1 = xi-1 = 0,5 dan
xu = xi = 5,0:

Gambar 5.3.1
Perbandingan metode Regula Falsi dan Secant. Iterasi pertama (a) dan (b)

untuk iterasi kedua metode adalah identik. Tetapi pada iterasi kedua (c)
dan (d), titik yang dipakai berbeda.

Gambar 5.3.2
4.6.

Akar Ganda.
Satu akar ganda berhubungan dengan suatu titik dimana sebuah fungsi
menyinggung sumbu x.
Misal akar dobel dihasilkan dari:
f(x) = (x - 3)(x - 1)(x - 1)
atau dengan pengalian suku-suku:
f(x) = x3 - 5x2 + 7x - 3
Persamaan diatas memiliki akar dobel, karena 1 akar x membuat kedua
suku dalam persamaan itu sama dengan nol. Secara grafik, ini sesuai
dengan kurva yang menyentuh sumbu x secara tangensial pada akar
dobel. Ini dapat dilihat pada gambar 5.4a di bawah ini pada
x = 1.

Gambar 5.4
Gambar 5.4 Contoh akar ganda yang menyinggung sumbu x. Perhatikan
bahwa fungsi tak memotong sumbu pada kedua sisi akar ganda genap (a)
dan (c), sedangkan ia memotong sumbu untuk kasus ganjil (b) ([CHA1998]
hal. 159).
Akar tripel untuk kasus dimana satu harga x membuat 3 suku dalam
suatu persamaan menjadi nol, misal:
f(x) = (x 3)(x 1)(x 1)(x 1)
atau dengan pengalian suku-suku:
f(x) = x4 6x3 + 12x2 10x + 3

Kesulitan yang ditimbulkan oleh akar ganda:

Hasil dari metode Akolade berkurang kepercayaannya dengan adanya
kenyataan bahwa fungsi tak berubah tanda pada akar ganda genap.
Pada metode Terbuka, ini bisa menyebabkan divergensi.
Tak hanya f(x) tapi juga f(x) menuju nol pada akar.
Pada

metode

mengandung

Newton-Raphson
turunan

dan

(atau taksiran)

Secant,
di

dimana

bagian

keduanya

penyebut

pada

rumusnya, terjadi pembagian dengan nol jika solusi konvergen sangat

mendekati akar.
Menurut Ralston dan Rabinowitz [RAL1978], f(x) selalu mencapai nol
sebelum f(x). Sehingga kalau pemeriksaan nol untuk f(x) disertakan dalam

program, maka komputasi berhenti sebelum f(x) mencapai nol.

Metode Newton-Raphson dan Secant konvergen secara linier (bukan
kuadratik),

konvergen untuk akar-akar ganda (Ralston dan Rabinowitz

[RAL1978]).
Soal A.
1. Tentukan batas selang akar dari :

P ( x) x 2 x 2

P( x ) x 3 x 3

2. Tentukan lokasi akar

P ( x) x x

P( x) x 4 2 x 3 5 x 2 4 x 3

f ( x) x 5 x 2
3. Tentukan akar

di dalam selang (0,1) dan

0.00001

dengan

metode Bagi Dua dan Regula Falsi

4. Tahun

1225

Leonardo

da

Pissa

mencari

akar

persamaa

f ( x) x 3 2 x 2 10 x 20 0
dan menemukan x = 1.368808107

tidak

seorangpun tahu cara Leonardo menemukan niai ini. Gunakan metode

Bagidua dan metode Regula Falsi untuk menemukan akar persamaa

x0 1
Leonardo dalam selang ( 1, 1.5 ) dan juga metode Newton Raphson,

x0 1 x1 1.5
dan metode Secant

. Untuk semua metode

10 6

5. Dapatkah metode Newton-Raphson digunakan memecahkan

f ( x) x 1 / 3

f ( x) 0

jika

f ( x ) x 3

f ( x) 0

jika

x0 4

1/ 2

dan tebakan awal

. Mengapa?

(47)1 / 4
6.

Gunakan metode Newton-Raphson untuk menghitung

angka bena.

sampai enam

f ( x) cos x
7.

Misalkan

Tentukan prosedur iterasi Newton Raphsonnya.

Jika kita ingin menghitung akar

x 3 / 2

, dapatkah kita gunakan

x0 3
tebakan awal
8.

. Mengapa ?

Masalah : gunakan pendekatan grafis untuk menentukan koefisien

hambatan c yang diperlukan oeh penerjun payung dengan massa m =
68.1 kg agar mempunyai kecepatan 40 m / det setelah jatuh bebas untuk
waktu t = 10 detik. Catatan : percepatan yang disebabkan gravitasi : 9,8
m / det2.
Masalah ini dapat dipecahkan dengan cara menentukan akar persamaan
dengan memakai parameter t=10, g=9.8, v=40, dan m=68.1

f (c )
9.

9.8(68.1)
(1 e ( c / 68.1) / 10 ) 40
c

Gunakan metode bagi dua untuk memecahkan masalah pada no. 8

10.Tentukan akar akar real dari

f ( x) 2.0 6.2 x 4.0 x 2 0.70 x 3

Secara grafis

Dengan memakai metode bagi dua untuk menemukan akar-akar

persamaan. Gunakan terkaan awal 0.4 dan 0.6, serta iterasikan

a
sampai taksiran galat

s 10%
berada dibawah

f ( x) 24 80 x 90 x 2 42 x 3 8.7 x 4 0.66 x 5
11.Tentukan akar akar riil dari

s 1%
secara grafis dan dengan metode bagidua samapai

dengan

tebakan awal 4.5 dan 5

f ( x ) 9.34 21.97 x 16.3 x 2 3.704 x 3

12.Tentukan akar akar riil dari

secara

s
grafis dan memakai metode regula falsi dengan nilai
samapi dengan dua angka bena.

yang berpadanan

f ( x)
13.Tentukan akar akar riil dari

1 0.61x
x

secara analitis, grafis dan

memakai tiga iterasi dari metode Regua Falsi, dengan tebakan awal 1.5
dan 2.
14.Tentukan akar akar persamaan

x0 0
) dan metode Secant (

ex x

x 1 0

dengan metode Newton Raphson (

x 0 1,0
dan

15.Tentukan akar akar riil berikut dengan metode Newton raphson

f ( x) 0.9 x 2 1.7 x 2.5

( tebakan awal 3.1 )

f ( x) 0.51x sin x

( tebakan awal 2.0 )

f ( x)
16.Tentukan akar riil dari

1 0.61x
x

dengan menggunakan tiga iterasi

xi 1 1.5
metode Secant dan tebakan awal

x1 2.0
dan

hitung hampiran

galat setelah iterasi yang kedua dan ketiga

f ( x ) 5.9 11x 6 x 2 x 3
17.Tentukan akar riil dari

Secara grafis

Metode Bagi Dua ( tebakan awal 2.5 dan 3.5 )

Metode Posisi Palsu ( tebakan awal 2.5 dan 3.5 )

Metode Newton Raphson ( tebakan awal 3.5 )

xi 1 2.5
Metode Secant ( tebakan awal

x1 3.5
dan

s 1%

f ( x) x 3 98
18.Tentukan akar riil dari
19.Gunakan

baik

metode

dengan metode Secant sampai

Newton

Rapson

yang

baku

maupun

yang

f ( x) 3 7 x 5 x 2 x 3
dimodifikasi untuk menghitung akar ganda dari
dengan tebakan awal 0

f ( x) 12.5 3.75 x 7 x 2 x 3
20.Tentukan akar dari

Secara grafis

s 1%

Dengan menggunakan metode paling efisien sampai

Soal.B
1. Dari metode metode yang telah ada , temukanlah metode mana yang
lebih cepat atau efisien dalam mendapatkan akar akar persamaan .
2. Temukanlah persamaan dan perbedaan perbedan dari metode metode
yang telah dipelajari.
3. Temukan kasus / masalah dalam bidang ilmu tertentu yang dapat
diselesaikan dengan metode metode dalam menentukan akar akar
persamaan diatas.

BAB IV
SISTEM PERSAMAAN LINIER
Bentuk Umum :

a11 x1 a12 x 2 ... a1n x n b1

a 21 x1 a 22 x 2 ... a 2 n x n b2
.
.
a m1 x1 a m 2 x 2 ... a mn x n bm
Bentuk Matriks

a11
a
21
.

a m1

a12
a 22
.
.

. a1n
. a 2 n
. .

. a mn

x1
x
2
.

xm

b1
b
2
.

bm
=

Metode metode untuk mendapatkan Solusi SPL :

1. Eliminasi Gauss
2. Eliminasi Gauss Jordan
3. Dekomposisi LU
4. Jacobi
5. Gauss Seidel
A. Dekomposis LU
Jika terdapat matriks A non singular maka dapat difaktorkan / diuraikan /
dikomposisikan menjadi matriks Segitiga Bawah L ( Lower ) dan matriks Segitiga
atas U ( Upper ).
A = LU

a11
a
21

a m1

a12
a 22
.
.

. a1n
. a 2 n
. .

. a mn

1
l
21

l m1

0 . 0
1 . 0
. . .

. . 1

u11 u12 . u1n

0 u
. u 2 n
22

.
. . .

. . u mn
0

=
Penyelesaian SPL Ax = b dengan metode LU

Ax b

A LU

LUx b

misalnya y Ux

Ly b

y1 , y 2 , y 3 ,........ y n
Untuk mendapatkan nilai

( penyulihan maju )

Ly b

1
l
21

l m1

0 . 0
1 . 0
. . .

. . 1

y1
y
2
.

ym

b1
b
2
.

bm
=

x1 , x 2 , x3 ,........x n
Untuk mendapatkan nilai

( penyulihan mundur )

Ux y

u11 u12 . u1n

0 u
. u 2 n
22

.
. . .

x1
x
2
.

y1
y
2
.

. u mn x m

ym
=

Dua Metode untuk menyatakan A dalam L dan U :

1. Metode LU Gauss
Langkah langkah Pembentukan L dan U dari Matriks A
a. Nyatakan A = IA

a11
a
21
.

a m1

a12
a 22
.
.

. a1n
. a 2 n
. .

. a mn

b.

a11
a
21
.
a
. . 1 m1

1 0 . 0
0 1 . 0

. . . .
0

a12
a 22
.
.

. a1n
. a 2 n
. .

. a mn

Eliminasikan matriks A di ruas kanan menjadi matriks segitiga atas U

c. Setelah proses Eliminasi gauss selesai pada matriks A ( elemen-elemen

dibawah diagonal utama adalah nol ). Matriks I menjadi matriks l dan
matriks A menjadi matriks U
Soal .
Tentukan solusi dari :

4 x1 3 x 2 x3 2
2 x1 4 x 2 5 x3 20
x1 2 x 2 6 x3 7

2. Metode Reduksi Crout

Karena LU = A maka hasil perkalian LU dapat ditulis

u12
u11
l u
21 11 l 21u12 u 22
l 31u13 l31u12 l 32 u 22

u13
a11
a
l 21u13 u 23
21
l 31u13 l 32 u 23 u 33 a31

Tinjau untuk Matriks 3x3

Dari kesamaan diatas diperoleh

u11 a11
l 21u11 a 21

u13 a13

u12 a12
l 21

a 21
u11

Dst.......
B. Iterasi Jacobi dan Seidel

a11 x1 a12 x 2 ... a1n x n b1

a 21 x1 a 22 x 2 ... a 2 n x n b2
.
.
a m1 x1 a m 2 x 2 ... a mn x n bm
Iterasi Jacobi

x1

k 1

x2

k 1

xn

k 1

b1 a12 x 2

(k )

... a1n x n
a11

b2 a 21 x1

(k )

(k )

... a 2 n x n
a 22

bm a m1 x1

(k )

(k )

... a mn1 x n 1
a mn

Iterasi Seidel

x1

k 1

x2

k 1

b1 a12 x 2

(k )

b2 a 21 x1

... a1n x n
a11

( k 1)

(k )

... a1n x n

a 22

(k )

(k )

a12
a 22
a32

a13
a 23
a33

xn

k 1

bm a m1 x1

( k 1)

... a mn1 x n 1
a mn

(k )

Dengan k = 0, 1, 2, ....
Untuk menghitung kekonvergenan atau berhentinya iterasi digunakan galat
relative

xi

( k 1)

xi

xi

(k )

( k 1)

i= 1, 2, 3, ....n
Syarat cukup iterasi konvergen : Dominan secara diagonal.

aij

j 1, j i

ij

i= 1, 2, 3, ... n
Agar iterasi konvergen , cukup dipenuhi syarat ini. Jika dipenuhi pasti
konvergen. Kekonvergenan juga ditentukan oleh pemilihan tebakan awal.

4 1 3
4 8 1

2 1 5
Contoh :

4 1 3

8 4 1
5 2 1
Kekonvergenan iterasi Seidel lebih cepat karena langsung menggunakan nilai
baru.

Soal A.
1. Selesaikan SPL berikut dengan iterai Jacobi dan Seidel

2 x1 8 x 2 x3 1

4x y z 7

5 x1 x 2 x3 10

4 x 8 y z 21

x1 x 2 4 x3 3

2 x y 5 z 15

( x , x , x ) (0,0,0)
0
1

0
2

0
3

a.

( x0, y 0, z 0) (1,2,2)
b.

2. Faktorkan matriks A dan B dengan metode LU lalu pecahkan sistem Bx = c

3 1
4

A 2 4 5
1
2
6

1 1 1
B 2 2 1
1 1

1
c 5
1

3. Selesaikan sistem persamaan berikut dengan metode LU

4x y z 1
2x 2 y z 5
x y z 1
4. Diberi sistem persamaan linier Ax=b dengan A dan b sebagai berikut

1
2
A
4

2 3 1
5 4
8
2 2
1

4 1 2

10
8

b
2

a. Tentukan solusi dengan metode iterasi Jacobi

b. Tentukan solusi dengan metode iterasi Seidel
c. Tentukan solusi dengan metode LU
5. Selesaikan sistem persamaan berikut dengan metode Reduksi Crout

8 x y 3 z 2w 0
2 x 9 y z 2w 1
x 3y 2z w 2
x

6 z 4w 3

Soal B
Dapatkah sistem persamaan inier berikut

2x y 5z 9

a.

5x 3 y 6

5x 3 y 6

x 5 y z 14

4x 2 y 8

6 x 8 y 4

7 x y 3z 26

b.

c.

Diselesaikan dengan metode iterasi Jacobi dan iterasi seidel? Mengapa ?

BAB V
INTERPOLASI DAN EKSTRAPOLASI
5.1

Interpolasi
Interpolasi dapat digunakan untuk menghitung prakiraan nilai yang terletak
dalam rentangan titik-titik data, (Chapra, 1990). Bentuk interpolasi yang
paling banyak digunakan adalah interpolasi polinom orde n.
Bentuk umum persamaan polinom orde n adalah sebagai berikut:

f ( x) a 0 a1 x a 2 x 2 a3 x 3 ..... a n x n , a n 0
..................................(11)
Untuk n+1 titik data hanya terdapat satu polinom orde n atau kurang yang
melalui sebuah titik. Misal polinom orde (1) terdapat 2 titik data dengan
grafik garis lurus, dan polinom orde 2 terdapat 3 titik data dengan grafik
berbentuk

parabol.

Di

dalam

operasi

interpolasi

ditentukan

suatu

persamaan polinom orde n yang melalui n+1 titik data yang kemudian
digunakan untuk menentukan suatu nilai di antara titik-titik data tersebut.
a. Interpolasi Linier
Interpolasi linier merupakan bentuk interpolasi yang paling sederhana,
yang hanya membutuhkan dua titik data.

f(x1)
f(x)
f(x0)

C
A B

X
1

Karena segitiga ABC sebangun dengan segitiga ADE maka

BC DE

AB AD

sehingga

f 1 ( x) f ( x 0 ) f ( x1 ) f ( x0 )

x x0
x1 x 0
f 1 ( x) f ( x 0 )

f ( x1 ) f ( x 0 )
x x0
x1 x 0

f ( x0 )

f 1 ( x)

f ( x1 ) f ( x 0 )
x x0 .......................................(12)
x1 x 0

rumus umum interpolasi linier polinom orde I

f ( x1 ) f ( x0 )
x1 x0
yaitu gradien garis melalui 2 titik.
Semakin kecil interval atau titik data maka hasil perkiraan semakin baik.
b. Interpolasi kuadrat
Interpolasi

kuadrat

membutuhkan

titik

data,

dan

persamaan

polinomnya ditulis sebagai berikut:

f 2 ( x) b0 b1 ( x x 0 ) b2 ( x x0 )( x x1 )
.........................................(13)

f 2 ( x)
merupakan polinom orde dua sehingga fungsinya merupakan
fungsi kuadrat.

( x0 , f ( x 0 )), ( x1 , f ( x1 )), ( x 2 , f ( x 2 )),

dari titik data yang diketahui

b0 , b1 ,
untuk mencari

digunakan

b2
dan

. dengan cara perhitungan sebagai berikut:

b0
o

Hitung

x x0
Dari persamaan (13) dengan mensubtitusi

maka

f ( x0 ) b0 b1 ( x0 x 0 ) b2 ( x0 x0 )( x 0 x1 )
f ( x0 ) b0
..................................................................................... (14)

b0

f ( x0 )

b1
o

Hitung
Dengan mensubtitusi persamaan (14) ke persamaan (13) dan

x x1
subtitusi

ke persamaan (13) diperoleh

f ( x1 ) f ( x0 ) b1 ( x1 x 0 ) b2 ( x1 x0 )( x1 x1 )
f ( x1 ) f ( x0 ) b1 ( x1 x 0 ) 0
b1 ( x1 x0 ) f ( x1 ) f ( x 0 )

b1

f ( x1 ) f ( x0 )
f x1, x0 .........................................................(15)
x1 x 0

b2
o

Hitung

Substitusi persamaan 14 ke persamaan 15 dan juga subtitusi x=x 2 ke

persamaan

f ( x2 ) f ( x0 )

f ( x1 ) f ( x0 )
x 2 x0 b2 ( x2 x0 )( x 2 x1 )
x1 x 0

b2 ( x 2 x 0 )( x 2 x1 ) f ( x 2 ) f ( x0 )

f ( x1 ) f ( x0 )
x 2 x0
x1 x 0

f ( x2 ) f ( x0 )

f ( x1 ) f ( x 0 )
x2 x1 x1 x0
x1 x0

f ( x 2 ) f ( x0 )

f ( x1 ) f ( x 0 )
x 2 x1 f x1 f x0
x1 x 0

f ( x 2 ) f ( x1 )

f ( x1 ) f ( x0 )
x 2 x1
x1 x 0

f ( x1 ) f ( x0 )
x2 x1
x1 x 0
( x 2 x 0 )( x 2 x1 )

f ( x 2 ) f ( x1 )
b2

b2

f ( x2 ) f ( x1 )
( x2 x1 )

f ( x1 ) f ( x0 )
x1 x0

x2 x 0

f x 2, x1 f x1 , x 0
x 2 x0

.............................................................(16)

 f x 2 , x1 , x0 maka

atau b2

f ( x0 ) f x1 , x0 ( x x0 ) f x 2 , x1 , x0 ( x x0 )( x x1 )

f 2 ( x)

b0 b1 ( x x0 ) b2 ( x x0 )( x x1 )
f x1 , x0

f x 2 , x1 , x0

f x3, x 2 , x1 , x0

f ( x1 ) f ( x0 )
x1 x0

f x 2 , x1 f x1 , x0
x 2 x0
f ( x2 ) f ( x1 )
( x2 x1 )

f ( x1 ) f ( x0 )
x1 x0

( x 2 x0 )

f x3 , x 2 , x1 f x 2 , x1 , x0
x3 x 0

f x3, x 2 f x 2 , x1 f x 2 , x1 , x0
x3 x 0

c. Interpolasi Polinomial
Untuk polinomial orde n digunakan

n 1

titik data. Bentuk umum Polinom

orde n adalah

f n ( x) b0 b1 ( x x 0 ) b2 ( x x0 )( x x1 )
....bn ( x x 0 )( x x1 )...( x x n 1 )..................................................17
b0 , b1 ,..........., bn
Koefisien

di evaluasi dengan menggunakan:

b0 f ( x )
...................................................................................18

b1 f [ x1 , x 0 ]
............................................................................19

b2 f [ x 2 , x1 , x0 ]
........................................................................20

bn f [ x n , x n 1 .....x1 , x 0 ]
.............................................................21

[]
Dengan

n3

adalah pembagian beda hingga

maka

f 3 ( x) b0 b1 ( x x 0 )( x x1 ) b3 ( x x 0 )( x x1 )( x x 2 ).......................22

b0 f ( x 0 )
Dengan

f ( x1 ) f ( x 0 )
b1 f [ x1 , x 0 ]
x1 x0
f [ x 2 , x1 ] f [ x1 , x0 ]
b2 f [ x 2 , x1 , x0 ]
x2 x0
f [ x3 , x 2 , x1 ] f [ x 2 , x1 , x 0 ]
b3 f [ x3 , x 2 , x1 , x0 ]
x3 x 0
( f [ x3 , x 2 f [ x 2 , x 0 ]) f [ x 2 , x1 , x0 ]
x3 x 0
=
Misal pembagian beda hingga pertama

f [ xi ] f [ x j ]
f [ xi , x j ]

xi x j
..............................................................................23

Pembagian beda hingga kedua

f [ xi , x j ] f [ x j , x k ]
f [ xi , x j , x k ]

xi x k
..............................................................24

Pembagian beda hingga ketiga

f [ xi , x j , x k ] f [ x j , x k , xl ]
f [ xi , x j , x k , xl ]

xi xl
...............................................25

Pembagian beda hingga ke-n

f [ x n , x n 1 ,....x1 ] f [ x n 1 ,....x1 , x 0 ]
................................
f [ x n , x n 1, ...x1 , x0 ]
xn x0
...26
Bentuk pembagian beda hingga digunakan untuk menghitung koefisien b 0,
b1,...,bn

kemudian

disubstitusikan

ke

dalam

persamaan

(17).

mendapatkan interpolasi polinomial ordo n.

f ( x 0 ) f [ x1 , x 0 ]( x x0 ) f [ x 2 , x1 , x0 ]( x x 0 )( x x1 ) f [ x3 , x 2 , x1 , x 0 ]

fn(x )
=

( x x0 )( x x1 )( x x 2 ) ... f [ x n , x n 1 ,...x1 x 0 ]( x x 0 )( x x1 )... x x n 1

untuk

persamaan 23-25

Konstanta

artinya PBH yang lebih tinggi terdiri dari PBH yang lebih rendah
PBH

xi

f ( xi )

Pertama

x0

f ( x0 )

f [ x1 , x0 ]

f [ x 2 , x1 , x0 ]

f [ x3 , x 2 , x1 , x 0 ]

x1

f ( x1 )

f [ x 2 , x1 ]

f [ x3 , x 2 , x1 ]

f [ x 4 , x3 , x 2 , x1 ]

Kedua

Ketiga

x2

f ( x2 )

f [ x3 , x 2 ]

x3

f ( x3 )

f [ x 4 , x3 ]

x4

f ( x4 )

f [ x 4 , x3 , x 2 ]

c. Interpolasi Polinomial Lagrange (IPL)

Hampir sama dengan polinomial Newton, tetapi tidak menggunakan
bentuk PBH.
IPL dapat diturunkan dari persamaan Newton
IPL orde 1

f 1 ( x) f ( x0 ) f [ x1 , x0 ]( x x 0 )
...........................................................27

f 1 [ x1 , x 0 ]

f ( x1 ) f ( x 0 )
x1 x 0
f ( x1 )
f ( x0 )

x1 x0 x0 x1

f x1 , x0
Atau
................................................................28
Substitusi 27 ke 28

f 1 ( x) f ( x0 )

x x0
x x0
f ( x1 )
f ( x0 )
x1 x 0
x 0 x1

x0 x1 x x0
x x0
f ( x 0 )

f ( x1 )
x1 x 0
x0 x1 x 0 x1

f 1 ( x 0 )

x x1
x x0

f ( x0 )
x x
x x
1
0
0
1

f ( x1 )

.......................................................29

Dengan prosedur yang sama diperoleh IPL orde-orde sebagai berikut

f 2 ( x)

x x0 x x2
( x x1 )( x x 2 )
f ( x0 )
f (x )
( x 0 x1 )( x0 x 2 )
x1 x0 x1 x2 1

( x x 0 )( x x1 )
f ( x2 )
( x 2 x 0 )( x 2 x1 )
.....................................................................30
1971
(x
x1 )(fx(x 0x)2 )( 2295279
x x3 )
( x x0 )( x x 2 )( x x3 )
f
(
x
)

f
(
x
)

3
0
x1
(1990
f ( x1 ) 3268644
x 0 x
( x1 x 0 )( x1 x 2 )( x1 x3 )
1 )( x 0 x 2 )( x 0 x3 )
x0

1980 f 1( x) ........... ?

( x x 0 )( x x1 )( x x3 )
( x x 0 )( x x1 )( x x 2 )
f (x2 )
f ( x3 )
f ( x1 ) f ( x0 )
f 1( x) f (( x
x 02 )x 0 )( xx2 xx1 )( x 2 xx 3 ) x 0
( x 3 x 0 )( x 3 x1 )( x 3 x 2 )
f ( x1 )

3268644 2295279
2295279
orde n
(1980 1971)
Bentuk
umum IPL
1990 1971
n
2756346
,63
f
(
x
)

L
(
x
)
n
selisih
2756,i347 f ( xi )
i 0
2756346,63 2737166
.........................................................................31
RE

x100
2737166
n
0,7%x x j
Li ( x)
x0
1971
f 1971 2295279
j 0 x
i xj

x1
x

atau 2000 f 2000 3808477

1990
f1 x
n
n

........... ?

x xi
3808477
f
(
x
)

f ( xi ) 2295279 (1990 1971)

n
f 1 ( x ) 2295279

i 0 j 0 x i x j 2000 1971
j i 3286684,59

18040,59
3286684,59 - 3268644
RE

x100
3268644
2.5.1.Ekstrapolasi
0,5%
Ekstrapolasi
penaksiran
2737166nilai f(x) untuk x yang terletak di luar
x0
1980adalah
f 1980
selisih

3808477
x1
2000
f dan
2000analisis
selang
titik
data,
kecendrungan dari masalah ekstrapolasi
x
1990 f 1 x
........... ?
diarahkan
dengan menggunakan
polinomial interpolasi.

4.2.1.3.

3808477 2737166

f 1 (Polinomial
x ) 2737166

Interpolasi
Newton
2000 1980

(1990 1980)

3272821,5
4.2.1.1 Manual

4177,5
3272821,5 - 3268644
RE

x100
Interpolasi
dan
ekstrapolasi
polinomial orde I
3268644
0,3%

selisih

Model pertumbuhan penduduk NTT berdasarkan Teknik Ekstrapolasi

yang diarahkan dengan polinom interpolasi

x0

1980 f 1980 2737166

x1

1990 f 1990 3268644

b1

3268644 2737166
10
53147.8

Model

pertumbuhan

penduduk

NTT

didapatkan

dengan

mensubtitusikan nilai b1 ke bentuk umum polinom Newton

Yaitu sebagai berikut:
f1(x) = 2737166 +53147,8(x-x0),
sehingga model pertumbuhan penduduk NTT berdasarkan teknik
interpolasi polinom Newton orde I, dengan menggunakan tahun 1980
sebagai x0 adalah sebagai berikut:
f1(x) = 2737166 +53147,8(x-x0),
maka jumlah penduduk NTT pada tahun 2000

f1 x

2737166 53147.8(20)
3800122

Selisih = - 8355
Gallat

=0,2%

 Interpolasi dan ekstrapolasi polinomial orde 2

Ekstrapolasi

kuadrat

diarahkan

interpolasi orde 2

x 0 1971 f 1971 2295279

x1 1980 f 1980 2737166

x 2 1990 f (1990) 3268644
x 2000 f (2000) ................ ?

b0 f x 0 2295279
b1 f x1, x0

f ( x1 ) f ( x0 )
x1 x0

2737166 2295279
1980 1971
49098,5

f x2 , x1

f ( x2 ) f ( x1 )
x2 x1

3268644 2737166
1990 1980
53147,8

f x3 , x2

f ( x3 ) f ( x2 )
x3 x2

3808477 3268644
2000 1990
53983,3

dengan

menggunakan

polinomial

 f x 2 , x1 , x 0

b2

f x 2 , x1 f x1 , x 0
x 2 x0

53147,8 49098,5
1990 1971
4049,3

19
213,12

Model pertumbuhan penduduk NTT

berdasarkan teknik interpolasi

polinomial Newton orde ke II, didapatkan dengan mensubtitusikan nilai b 0,

b1, b2 ke rumus umum polinomial Newton maka sebagai berikut:
F2(x)

= 2295279 + 49098,5 (x-x0) + 213,12 (x-x0)(x-x1)

F2(x)

= 2295279 + (x-x0) (49098,5 + 213,12 (x-x1))

Dengan menggunakan model di atas, maka jumlah penduduk NTT pada

Tahun 2000 adalah sebagai berikut:
Maka f2(x)

= 2295279 + 49098,5 (29) + 213,12 (29) (20)

= 3842745.745,1

Selisih

= 34268,1

RE

= 0,8%

Interpolasi Polinomial Orde 3

Prediksi jumlah penduduk pada tahun 2004

xi

f ( xi )

Pertama

Kedua

Ketiga

197

22952

49098,5

213,12

-5.908

1
198

79
27371

53147,8

41,775f

0
199

66
32686

53983,3

0
200

44
38084

77

b1 f x1, x0

f ( x1 ) f ( x0 )
x1 x0

2737166 2295279
1980 1971
49098,5
f ( x2 ) f ( x1 )

x2 x1

f x2 , x1

3268644 2737166
1990 1980
53147,8

 f x2 , x1 , x0

b2

f x2 , x1 f x1 , x0
x2 x0

53147,8 49098,5
1990 1971
4049,3

19
213,12

f x3 , x2 , x1

f x3 , x2 f x2 , x1
x3 x1

53983,3 53147,8
2000 1980
41,775

b3 f x3 , x2 , x1 , x0

f x3 , x2 , x1 x2 , x1 , x0
x3 x0

41,775 213,12
2000 1971
5,908

Sehingga model pertumbuhan penduduk NTT dengan menggunakan

tehnik interpolasi polinom Newtonl orde 3
F3(x)

= 2295279 + 49098,5 (x-x0) + 213,12 (x-x0)(x-x1)+(-5,908)(x-x0)

(x-x1)(x-x2)

F3(x)

= 2295279 + (x-x0) (49098,5 + 213,12 (x-x 1)+(-5,908)(x-x1)(x-

x2))
Berdasarkan model di atas, maka jumlah penduduk NTT pada tahun 2004
F3(x)

= 2295279 + 49098,5 (33) + 213,12 (33)(24)+(-5,908)(33)(24)

(14)

RE

4018812,6 4188774
4188774
4%

= 4018717,596

Maka prediksi terhadap jumlah penduduk NTT tahun 2004 dengan

menggunakan teknik polinomial Newton orde ke- 3 adalah

4.2.2

4018718

Interpolasi Polinomial Langrange

4.2.2.1 Manual

Model pertumbuhan penduduk NTT berdasarkan interpolasi polinom

langrange

x0 1971 f 1971 2295279

x1 1980 f 1980 2737166

x 2 1990 f (1990) 3268644
x3 2000 f (2000) 3808477

Sehingga model pertumbuhan penduduk NTT berdasarkan

polinom Langrange orde ke II

f 2 ( x)

x x0 x x 2
( x x1 )( x x 2 )
2295279
2737166
( x 0 x1 )( x0 x 2 )
x1 x0 x1 x 2

( x x 0 )( x x1 )
3268644
( x 2 x 0 )( x 2 x1 )
.....................................................................30
Sedangkan

model pertumbuhan penduduk NTT berdasarkan

polinom Langrange orde ke III

f 3 ( x)

2737166

( x x1 )( x x 2 )( x x3 )
( x x 0 )( x x 2 )( x x3 )
2295279
( x 0 x1 )( x 0 x 2 )( x0 x3 )
( x1 x 0 )( x1 x 2 )( x1 x3 )
( x x 0 )( x x1 )( x x 3 )
( x x 0 )( x x1 )( x x 2 )
3268644
3808477
( x 2 x 0 )( x 2 x1 )( x 2 x 3 )
( x 3 x 0 )( x 3 x1 )( x3 x 2 )

Sehingga jumlah penduduk tahun 2004 berdasarkan model ini adalah

RE

4018809 4188774
4188774
4.5%

2004 1980 2004 1990 2004 2000

1971 1980 1971 19901971 2000
2004 19871 2004 1990 2004 2000
2737166
1980 19711980 19901980 2000
2004 1971 2004 1980 2004 2000
3268644
1990 19711990 19801990 2000
2004 1971 2004 1980 2004 1990
3808477
2000 1971 2000 1980 2000 1990
2414 4 2737166 3314 4
2295279
9 19 29
9 10 10
33 24 4 3808477 33 2414
3268644
1910 10
29 2010

p3 x 2295279

622071.985 2810157.093 5450033.785 7280757.410

4018808,733
4018809

Soal A.
1. Taksirlah logaritma asli dari 2 ( ln 2) dengan memakai interpolasi linier.
Pertama , lakukan komputasi dengan menginterpolasi antara ln 1 = 0 dan
ln

1.7917595.

menggunakan

selang

kemudian
yang

ulangi

lebih

kecil

prosedurnya
mulai

ln

tetapi

dengan

sampai

ln

( 1.3862944 ). Perhatikan bahwa nilai sejati ( true value ) dari ln 2 adalah

0.69314718
2. Cocokkan polinom orde kedua terhadap tiga titik yang dipakai dalam
nomor 1.
3. Dengan menambahkan titik keempat ln 5 = 1.6094379. taksirlah ln 2
dengan polinom interpolasi beda terbagi newton orde ketiga.
4. Gunakan polinom interpolasi langrange orde pertama dan kedua untuk
menghitung ln 2 berdasar data pada no 1.
5. Taksirlah logaritma bilangan pokok 10 dari 4 ( log 4 ) dengan memakai
interpolasi linear
a. Interpolasikan antara log 3 dan log 5
b. Interpolasikan antara log 3 dan log 4.5 untuk setiap interpolasi hitung
persen galat relatif berdasar nilai sejati log 4.
6.

Cocokkan polinom interpolasi newton orde kedua untuk menaksir log 4

dengan memakai data no. 5. Hitung persen galat relatif

7. Cocokkan polinom interpolasi newton orde ke tiga untuk menaksir log 4

dengan data pada no 5 dengan titik tambahan log 3.5 . Hitung persen
galat relatif
8. Ulangi soal 5 - 7 dengan memakai polinom Langrange
9. Diberi data
x
f(x)

1
2
3
5
6
4.75
4
5.25
19.75
36
Hitung f(3.5) dengan memakai polinom polinom interpolasi newton
orde 1 sampai 4. Pilih urutan titik titik untuk taksiran anda untuk
mencapai ketelitian yang bagus.

10.Ulangi soal nomor 9 dengan memakai polinom langrange.

Soal B.

x 0 1971 f 1971 2295279

x1 1980 f 1980 2737166

x 2 1990 f (1990) 3268644
x3 2000 f (2000) 3808477

1.

Prediksikan jumlah penduduk NTT pada

tahun 2012 berdasarkan data jumlah penduduk pada tahun 1971, 1980,
1990, dan 2000

2. Buatlah program dalam bahasa pemrograman Pascal untuk interpolasi

Langrange