STMIK CILEGON
PENGANTAR NUMERIK
Masalah nyata
Model
matematika
Rumusan masalah
Solusi
Eksak
Pendekatan
Contoh kasus.
b = basis
Jumlahkan/kurangkan
Sumber-sumber galat :
• Galat yang ada pada input :
– Chopping error
– Rounding error
– Bilangan yang dimasukkan bukan bilangan
eksak
Galat yang ada pada proses :
Rambatan galat
Rumus/metode/algoritma tidak tepat
Kesalahan alat
Human error
1. Chopping error
Galat yang terjadi akibat proses pemenggalan
angka sesuai desimal yang diminta
Contoh.
x = 0.378456x103 dipenggal hingga tiga desimal
x* = 0.378x103
galat a = |x – x*| = |0.378456x103 – 0.378x103|
= 0.000456x103 = 0.456
2. Round off error
Galat yang terjadi akibat membulatkan suatu
nilai
Contoh.
x = 0.378546x103 dibulatkan menjadi 3 desimal
x* = 0.379x103
galat a = |x – x*|
= |0.378546x103 – 0.379x103|
= 0.000454x103 = 0.454
3. Truncation error
Galat yang muncul akibat pemotongan
proses hitung tak hingga, misal deret
Taylor, deret MacLaurin
Contoh.
x3 x5 x7
sin x x ...
3! 5! 7!
x3 x5
sin x x
3! 5!
Nested form
Nested form menjadikan operasi perhitungan
lebih efisien dan dapat meminimalisasi galat
Contoh. f(x) = 3 + 2.5x + 5.35x2 – 4x3
f(0.25) = 4.521875
Nested form f(x) = 3 + x(2.5+x(5.35+x(-4)))
f(0.25)=3.896875
Galat yang terjadi 0.625
Hilangnya angka signifikan
Hilangnya angka signifikan terjadi jika dua
buah bilangan yang hampir sama
dibandingkan. Hilangnya angka signifikan
sering berakibat fatal bagi perhitungan
numerik
Contoh.
13 = 13.0000 6 a.s
168 12.9615 6 a.s
0.0385 3 a.s
Deret Taylor & Deret MacLaurin
f’’(x) = - sin x
f’’’(x) = -cos x
Dst….
Deret MacLaurin
cos 0 2 sin 0 3 cos 0
f ( x) x. x . x . ...
1! 2! 3!
x3 x5
f ( x) x ...
6 120
• Deret Taylor dan deret MacLaurin dapat digunakan
dalam perhitungan untuk mencegah hilangnya angka
signifikan
• Contoh.
x3 x5 x3 x3
sin x x x x
6 120 6 120
• Untuk x = 0.5 maka sin 0.5 – 0.5 = 0.02057 (4 a.s)
x3 x3 1 x
x x x
6 120 6 120
• Diperoleh 0.02031 (4 a.s)
Fungsi Pendekatan
Pendahuluan
Masalah yang sulit dievaluasi
Fungsi yang “rumit”
Fungsi pendekatan dengan menyederhanakan fungsi
Didefinisikan fungsi
x x0 x x1 ... x xi 1 x xi x xi 1 ... x x
Li x n
Jawab.
Misal x0 = -1, x1 = 0 dan x2 = 1
9 5
f 1 1
2
16 4
9 3
f 0 0
2
16 4
9 5
f 1 12
16 4
L0 x
x x1 x x2
1
x x 1
x0 x1 x0 x2 2
x x0 x x2
L1 x x 1 x 1
x1 x0 x1 x2
x x0 x x1 1
L2 x x x 1
x 2 x0 x2 x1 2
Diperoleh polinomial interpolasi
p2(x)=f0L0(x)+f1L1(x)+f2L2(x)
= 5 1 3 5 1
. x x 1 . x 1 x 1 . x x 1
4 2 4 4 2
5 2 5 3 2 3 5 2 5 1 2 3
= x x x x x x
8 8 4 4 8 8 2 4
Formula Pembagian Selisih Newton
f[xi,xi+1,xi+2]
xi f(xi) f[xi,xi+1]
x0 f ( x0 )
f x1 f x0
f x0 , x1
x1 x0 f x1 , x 2 f x 0 , x1
f ( x1 ) f x0 , x1 , x 2
x1 x2 x0
f x 2 f x1
f x1 , x 2
x 2 x1 f x 2 , x3 f x1 , x 2
x2 f ( x2 ) f x1 , x 2 , x3
x3 x1
f x3 f x 2
f x 2 , x3
x3 x 2
x3 f ( x3 ) f x3 , x 4 f x 2 , x3
f x 2 , x3 , x 4
x4 x2
f x 4 f x3
f x3 , x 4
x 4 x3
x4 f x 4 , x 5 f x3 , x 4
f ( x4 ) f x3 , x 4 , x5
x5 x3
f x5 f x 4
f x 4 , x5
x5 f ( x5 ) x5 x 4
Dari langkah-langkah di atas diperoleh polinomial
interpolasi
pn(x) = f(x0)+(x - x0)f[x0,x1]+(x - x0)(x-x1)f[x0,x1,x2]+…+
(x - x0)…(x - xn-1)f[x0,x1,…,xn]
Contoh.
Gunakan formula pembagian selisih Newton
untuk menginterpolasi x di titik x = 2, 3, 4 dan 6
Jawab.
xi f(xi)
2 1.414214
0.317837
3 1.732051 -0.024944
0.267949 0.002636
4 2.000000 -0.014401
0.224745
6 2.449490
Polinomial interpolasi
pn(x) = 1.414214 + (x – 2){0.317837 + (x – 3){-0.024944 +
(x – 4)(0.002636)}}
Galat dari polinomial interpolasi
Misal polinom pn(x) dengan derajat ≤ n yang
menginterpolasi fungsi f di xi [a,b],
i = 0,1,2…, n
Jika derivatif fungsi ke - n+1 kontinu pada [a,b]
maka galat
f n 1 x
f ( x) p n ( x) x x0 x x1 ... x x n
n 1!
Dengan x berada dalam interval yang memuat
x,x0,x1, … ,xn
Contoh.
Tentukan error di titik x = 5 dari polinomial
interpolasi x di titik x = 2, 3, 4 dan 6
Jawab.
f ( x) x f 5 5 2.236068
p n x 2.368575
error 0.13251 0.13251
PERSAMAAN
NONLINIER
Persamaan nonlinier
Pada umumnya persamaan nonlinier f(x) = 0
tidak dapat mempunyai solusi eksak
Jika r suatu bilangan real sehingga f(r) = 0
maka r disebut sebagai akar dari persamaan
nonlinier f(x)
Solusi dari persamaan nonlinier dapat
ditentukan dengan menggunakan metode
iterasi
• Persamaan nonlinier f(x) = 0
– Tidak mempunyai akar
– Mempunyai beberapa akar
– Mempunyai banyak akar
• Metode pencarian akar dari persamaan nonlinier
– Metode biseksi (Bisection Method)
– Iterasi titik tetap (Fixed Point Iteration)
– Metode Newton (Newton Method)
Metode biseksi
Jika f(x) kontinu pada interval [a,b] dan f(a).f(b) < 0
maka terdapat minimal satu akar.
Algoritma sederhana metode biseksi
1. Mulai dengan interval [a,b] dan toleransi
2. Hitung f(b)
3. Hitung c = (a - b)/2 dan f(c)
4. Jika b – c ≤ maka STOP ( akar = c)
5. Jika f(b).f(c) < 0 maka a = c jika tidak b = c dan
f(b) = f(c)
6. Ulangi langkah 3
Contoh.
Gunakan metode biseksi untuk mencari
akar dari x – 1 = e-x pada interval [1,1.4]
dengan toleransi = 0.02
Jawab.
a b c f(b) f(c) f(b).f(c) action error
0 B–a
1 (b – a)/2
2 (b – a)/4
. .
n (b – a)/2n
1 b a b a
Error maksimum . n
n 1
2 2 2
b a
b a
2 n 1
2 n 1
b a n 1
log 2 log
ba
n 1 log 2
log
ba ba
log log
n 1 n 1
log 2 log 2
ba
Banyaknya iterasi log
n 1
log 2
Contoh.
Berapa iterasi yang diperlukan agar error
maksimum pada metode biseksi lebih kecil
dari 10-5 pada interval [0,1]?
Jawab.
b a 1 0
log log 10 5 1 log 10 5
n 1
1 15.6 16
log 2 log 2 log 2
Iterasi titik tetap
Iterasi xn xn+1
0 2 4.5
1 4.5 46…
2 46….
Penentuan fungsi baru yang lain
x3 – 2x + 1 = 0
1
x 2 x 1 2 x 1
3
3
1
x n 1 3 2 x n 1 2 x n 1 3
Iterasi xn xn+1
0 2 1.4422
1 1.4422 1.225
2 1.225 1.137
0 3 -5 4
3 4.00
y1 y 0 hf x0 , y 0
Dalam menentukan penyelesaian dilakukan
dengan iterasi
y n 1 y n hf x n , y n
xn = a + nh
Contoh.
y
Tentukan penyelesaian dari y , y (1) 4
'
yx
di x = 2 dengan h = 0.5
Jawab.
Diketahui x0 = 1 dan y0 = 4 berada di interval [1,2]
dengan h = 0.5 diperoleh N = 2 (yang berarti ada 2
iterasi)
y
f x, y
yx
y n 1 y n hf x n , y n
yn
y n 1 y n h
y n xn
Untuk iterasi awal n = 0
y0
y1 y 0 h
y 0 x0
4
y1 4 0.5 4.666667
4 1
x1 x0 h 1 0.5 1.5
Iterasi kedua
y1
y 2 y1 h
y1 x1
4.666667
y 2 4.66667 0.5 5.403509
4.666667 1.5
x 2 x1 h 1.5 0.5 2
y"
y x y ' y '
1 y
y xy '
"
yn
y n xn y n
'
y x 2
y x 2
y n xn 2
• Dari soal diketahui h = 0.5, x0= 1 dan y0= 4
y0 4
y0 ' 1.333333
y 0 x0 4 1
4 1.1.333333
'
" y 0 x0 y 0
y0 0.296296
y 0 x0 2 4 1 2
y x1 y x0 h. y x0
' h2 "
y x0 4 0.5.1.33333
0.5 2
0.296296 4.703704
2 2
x1 x0 h 1 0.5 1.5
y1 4.703704
y1 ' 1.468208
y1 x1 4.703704 1.5
4.703704 1.5.1.468208
'
" y1 x1 y1
y1 0.243712
y1 x1 2
4.703704 1.5 2
y x2 y x1 h. y x1
' h2 "
y x1 4703704 0.5.1.468208
0.5 2
0.243712 5.468272
2 2
x2 x1 h 1.5 0.5 2
Di titik x = 2 diperoleh y(2) = 5.468272
Metode Runge Kutta
Pada metode ini, tidak perlu evaluasi derivatif orde
tinggi
Bentuk umum
h
y n 1 y n f xn , y n f xn h, y n hf xn , y n
2
Atau h
y n 1 y n k1 k 2
2
Dengan k1 f x n , y n
k 2 f x n h, y n hk1
Contoh.
Gunakan metode Runge Kutta untuk menghitung nilai y(2)
dengan h = 0.5 dari y ' y , y (1) 4
yx
Jawab.
Dari soal diketahui h = 0.5, x0= 1 dan y0= 4
Iterasi awal n = 0
h
y1 y 0 k1 k 2
2
4
k1 f x 0 , y 0 1.333333
4 1
4.666667
k 2 f x0 h, y 0 hk1 f 1.5,4.666667 1.473684
4.666667 1.5
h 0.5
y1 y 0 k1 k 2 4 1.333333 1.473684 4.701754
2 2
x1 x0 h 1 0.5 1.5
Iterasi kedua n = 1
4.701754
k1 f x1 , y1 1.468493
4.701754 1.5
5.436001
k 2 f x1 h, y1 hk1 f 2,5.436001 1.582072
5.436001 2
h
y2 y1 k1 k2 4.701754 0.5 1.468493 1.582072 5.464395
2 2
x2 x1 h 1.5 0.5 2
Di titik x = 2 diperoleh y(2) = 5.464395