Metode Numerik

LOGO
METODE KOMPUTASI & ANALISIS NUMERIK

Tri Istanto, ST. MT
Contents
Bab I. Pendahuluan
Bab II. Akar - Akar Persamaan
Bab III. Sistem Persamaan Linear
Bab IV. Analisis Regresi
Bab V. Interpolasi
Metode Numerik adalah teknik untuk menyelesaikan
permasalahan-permasalahan yang diformulasikan secara
matematis dengan cara operasi hitungan (arithmetic).
Metode numerik mampu menangani sistem persamaan
besar, ketaklinearan, dan geometri yang rumit yang lazim
dalam praktek rekayasa yang tidak mungkin dipecahkan
secara analitis.
[Konsep Metode Numerik]
BAB I PENDAHULUAN
[A
plikasi]
Ilmu metode numerik adalah milik
semua ahli dari berbagai bidang,
seperti bidang teknik (sipil, mesin,
elektro, kimia, dsb), kedokteran,
ekonomi, sosial dan bidang ilmu
lainnya.
Berbagai masalah dalam berbagai
disiplin ilmu pengetahuan dapat
digambarkan dalam bentuk
matematika dari berbagai
fenomena yang berpengaruh.
[1.1. Kesalahan / Galat / Error]
Penyelesaian analitis mampu menghitung galat dengan tepat, dengan kata
lain penyelesaian analitis menghasilkan nilai eksak (yang benar).
Penyelesaian numeris dari suatu penyelesaian matematik hanya
memberikan nilai perkiraan yang mendekati nilai eksak dari penyelesaian
analitis.
Berarti dalam penyelesaian numerik terdapat kesalahan (galat) terhadap nilai
eksak dari penyelesaian analitis.
Tiga bentuk
galat utama
dalam metode
numerik
Galat bawaan (Kecerobohan data)
Galat pembulatan (round off error)
Galat pemotongan (truncation error)
[1.2. Kesalahan Absolut dan Relatif ]
Hubungan antara nilai eksak, nilai perkiraan dan kesalahan :
P = P
*
+ E
e
Dimana :
P = nilai eksak
P
*
= nilai perkiraan
E
e
= kesalahan terhadap nilai eksak
Kesalahan Absolut adalah perbedaan antara nilai eksak dan nilai perkiraan
atau :
E
e
= P P
*
Kesalahan absolut ini tidak menunjukkan tingkat kesalahan.
Kesalahan Relatif menyatakan besarnya tingkat kesalahan, yaitu
dengan membandingkan kesalahan yang terjadi dengan nilai eksak.
e
=
dimana
e
adalah kesalahan terhadap nilai eksak
Karena nilai eksak hanya dapat diketahui dari penyelesaian analitis
(biasanya tidak diketahui), maka kesalahan relatif biasanya berdasarkan
nilai perkiraan terbaik dari nilai eksak, sehingga :
% 100 x
P
E
e
Kesalahan Relatif terhadap nilai perkiraan terbaik (
a
):
a
=
dimana :
E
a
= kesalahan terhadap nilai perkiraan terbaik
P
*
= nilai perkiraan terbaik
% 100
*
x
P
E
a
Dalam kasus metode numerik dengan penyelesaian secara iterasi,
kesalahan relatif dinyatakan dalam bentuk :
dimana :
P
*
n
= nilai perkiraan pada iterasi ke n
P
*
n+1
= nilai perkiraan pada iterasi ke n+1
% 100
1
*
*
1
*
x
P
P P
n
n n
a
+
+
=
Contoh :
Hitung kesalahan yang terjadi dari nilai e
x
dengan x = 0,5 apabila hanya
diperhitungkan beberapa suku pertama saja. Nilai eksak dari e
0,5
=
1,648721271
Jawab :
Nilai e
x
dapat dihitung berdasarkan deret sebagai berikut :
Jawab :
Jawab :
BAB II AKAR-AKAR PERSAMAAN
Mencari akar dari suatu fungsi persamaan f(x) = 0
Metode Grafis (Grafical Method)
Metode ini paling sederhana dalam
memperoleh taksiran akar persamaan
f(x) = 0. Nilai x dimana f(x) = 0
memberikan aproksimasi (pendekatan)
kasar dari akar.
Nilai praktis dari metode grafis ini sangat terbatas karena kurang
tepat, namun dapat dimanfaatkan untuk memperoleh taksiran kasar
dari akar.
2.1. Metode Pengurung (Bracketing Method)
Suatu fungsi f(x) akan berganti tanda di sekitar suatu akar.
Diperlukan dua terkaan awal untuk akar, dimana terkaan ini harus mengurung atau
berada pada kedua sisi akar.
2.1.1. Metode Bagi Dua / Setengah Interval (Bisection Method)
Langkah 1. Pilih x
a
bawah dan x
b
puncak taksiran untuk
akar, dimana harus dipastikan bahwa f(x
a
).f(x
b
) < 0.
Langkah 2. Taksiran akar x
c
ditentukan oleh :
Langkah 3. a) Jika f(x
a
).f(x
c
) < 0, akar berada pada bagian
interval bawah, maka x
b
= x
c
dan kembali ke langkah 2.
b) Jika f(x
a
).f(x
c
) > 0, akar berada pada bagian
interval atas, maka x
a
= x
c
dan kembali ke langkah 2
c) Jika f(x
a
).f(x
b
) = 0 , akar setara x
c
, hentikan
komputasi
2
b a
c
x x
x
+
=
Contoh metode bisection :
Hitung salah satu akar dari persamaan pangkat 3 berikut ini
f(x) = x
3
+ x
2
3x 3 = 0
Jawab :
Diambil 2 titik, misalnya x = 1 dan x = 2.
Untuk x = 1, f(x =1) =(1)
3
+ (1)
2
3(1) 3 = - 4
Untuk x = 2, f(x =2) =(2)
3
+ (2)
2
3(2) 3 = 3
Karena f(1).f(2) < 0, maka pemisalan 2 titik valid.
Menghitung taksiran akar (x
t
)
Cek f(1,5) = (1,5)
3
+ (1,5)
2
3(1,5) 3 = -1,875
Oleh karena fungsi berubah tanda antara x = 1,5 dan x =2,
akar persamaan terletak diantara 2 nilai tersebut.
5 , 1
2
2 1
2
2 1
=
+
=
+
=
x x
x
t
Tabulasi komputasi contoh soal bisection
2.1.2 Metode Interpolasi Linear / Posisi Palsu (False Position)
Sebagai metode yang dikembangkan akibat metode bisection yang relatif kurang efisien.
Metode ini menghubungkan 2 titik-titik awal dalam sebuah garis lurus. Perpotongan garis ini
dengan sumbu-x merupakan taksiran akar.
Memisalkan 2 titik awal x
a
dan x
b
dimana
dipastikan bahwa f(x
a
).f(x
b
) < 0
Menggunakan segitiga sebangun
Taksiran akar x
1
menjadi :
1 1
x x
f
x x
f
b
b
a
a
) (
1 a b
a b
b
b
x x
f f
f
x x
=
Contoh metode interpolasi linear
f(x) = x
3
+ x
2
3x 3 = 0
Jawab :
Diambil 2 titik, misalnya x = 1 dan x = 2.
Untuk x = 1, f(x =1) =(1)
3
+ (1)
2
3(1) 3 = - 4
Untuk x = 2, f(x =2) =(2)
3
+ (2)
2
3(2) 3 = 3
Karena f(1).f(2) < 0, maka pemisalan 2 titik valid.
Menghitung taksiran akar (x
t
)
Nilai f(x
t
) = -1,36449, karena f(x
t
) bertanda negatif, maka
akar terletak antara x = 1,57142 dan x = 2, selanjutnya
taksiran akar
Nilai f(x
t
) = -0,24784, dan seterusnya.(lihat tabel)
[ ]
57142 , 1 ) 1 2 (
) 4 ( 3
3
2 =

=
t
x
[ ]
70540 , 1 ) 57142 , 1 2 (
) 36449 , 1 ( 3
3
2 =

=
t
x
Tabulasi hasil contoh metode interpolasi linear
www.themegallery.com
2.2. Metode Terbuka (Open Method)
Memerlukan satu atau dua nilai x yang tidak perlu mengurung akar.
Metode ini kadang divergen (menjauhi akar), tetapi kalau konvergen metode ini akan lebih cepat
daripada metode pengurung
2.2.1 Metode Newton Raphson
Metode ini paling banyak dipakai untuk mencari
akar suatu persamaan.
Diperlukan satu titik awal, x
0
kemudian dibuat
garis singgung lewat (x
0
,f
0
), dimana garis singgung
ini memotong sumbu-x di x
1
yang merupakan
perkiraan nilai akar.
Dimana nilai x
1
) ( '
) (
0
0
0 1
x f
x f
x x =
Contoh metode newton raphson
f(x) = x
3
+ x
2
3x 3 = 0
Jawab :
Turunan pertama dari persamaan tersebut
f(x) = 3x
2
+ 2x -3
Ditentukan nilai x
0
sembarang, misalkan x
0
= 1
Didapat : f(1) = (1)
3
+ (1)
2
3(1) 3 = -4
f(1) = 3(1)
2
+ 2(1) 3 = 2
Taksiran akar
Hitungan berikutnya :
f(3) = (3)
3
+ (3)
2
3(3) 3 = 24
f(3) = 3(3)
2
+ 2(3) 3 = 30
Taksiran akar
3
2
4
1
1
=
= x
2 , 2
30
24
3
2
= = x
dan seterusnya (lihat tabel)
Tabel hasil perhitungan dengan newtonraphson
2.2.2 Metode Secant
Metode ini pada dasarnya sama dengan metode
newton raphson, hanya saja turunan pertama
dalam newton raphson didekati dengan beda hingga
(kadang-kadang sulit mencari turunan pertama dari
persamaan yang diselesaikan) :
Sehingga rumus taksiran akar menjadi :
1
1
) ( ) (
) ( '
=
n n
n n
n
x x
x f x f
x f
) (
) ( ) (
) (
1
1
1 n
n n
n n
n n
x f
x f x f
x x
x x
=
Metode ini memerlukan 2 nilai awal x
0
dan x
1
Contoh metode secant
f(x) = x
3
+ x
2
3x 3 = 0
Jawab :
Iterasi pertama diambil dua nilai awal x
1
= 1 dan x
2
= 2
Didapat : x
1
=1 , f(1) = (1)
3
+ (1)
2
3(1) 3 = -4
x
2
=2 , f(2) = (2)
3
+ (2)
2
3(2) 3 = 3
Taksiran akar
Hitungan berikutnya, berdasar x
2
= 2 dan x
3
= 1,57142
Didapat x
2
= 2 , f(2) = 3
x
3
= 1,57142 , f(1,57142) = -1,36449
Taksiran akar
dst lihat tabel
57142 , 1 3
) 4 ( 3
) 1 2 (
2 ) (
) ( ) (
2
1 2
1 2
2 3
=

= x f
x f x f
x x
x x
70540 , 1 ) 36449 , 1 (
3 36449 , 1
) 2 57142 , 1 (
57142 , 1
4
=

= x
Tabel hasil komputasi metode secant
2.2.3 Metode Iterasi
Menggunakan suatu persamaan yang dikembangkan dari fungsi f(x) = 0 sehingga parameter x
berada di sisi kiri dari persamaan.
Nilai x merupakan fungsi dari x, diberikan nilai perkiraan awal dari akar x
i
dapat dihitung
perkiraan akar baru x
i+1
dengan rumus iteratif sebagai berikut :
Besarnya kesalahan dihitung dengan rumus :
Transformasi ini dapat dilakukan dengan manipulasi aljabar atau dengan menambahkan
parameter x pada kedua sisi persamaan aslinya.
Dalam proses transformasi harus hati-hati bisa terjadi divergensi (menjauhi akar)
) (
1 i i
x g x =
+
% 100
1
1
x
x
x x
i
i i
a
+
+

=
) (x g x =
Contoh metode iteratif
f(x) = x
3
+ x
2
3x 3 = 0
Jawab :
a) Penyelesaian yang konvergen
Persamaan diatas dapat ditulis dalam bentuk :
x
3
= -x
2
+ 3x + 3, atau x = (-x
2
+ 3x + 3)
1/3
Sehingga :
x
i+1
= (-x
i
2
+ 3x
i
+ 3)
1/3
Jika ditentukan perkiraan awal x
1
= 2 didapatkan
x
2
= (-x
1
2
+ 3x
1
+ 3)
1/3
= (-2
2
+ 3.2 + 3)
1/3
= 1,70998
Besar kesalahan :
% 9607 , 16 % 100
70998 , 1
2 70998 , 1
% 100
2
1 2
=
= x x
x
x x
a
Iterasi berikutnya x
2
= 1,70998 digunakan untuk
menghitung x
3
x
3
= (-1,70998
2
+ 3.1,70998 + 3)
1/3
1,73313
% 34 , 1 % 100
73313 , 1
70998 , 1 73313 , 1
=
= x
a
b) Penyelesaian yang divergen
Persamaan diatas dapat ditulis dalam bentuk :
Sehingga dalam bentuk iterasi :
Jika ditentukan perkiraan awal x
1
= 2 didapatkan
Besar kesalahan :
3
3
2 3
+
=
x x
x
3
3
2 3
1
+
=
+
i i
i
x x
x
3
3
3 2 2
3
3
2 3 2
1
3
1
2
=
+
=
+
=
x x
x
% 3333 , 33 % 100
3
2 3
% 100
2
1 2
=
= x x
x
x x
a
Dari tabel diatas terlihat bahwa pada

iterasi yang lebih tinggi ternyata hasil
komputasi malah menjauhi nilai akar
persamaan yang benar.
Ada syarat supaya persamaan iteratif
yang dibentuk menghasilkan
penyelesaian yang konvergen
(mendekati akar persamaan)
Konvergensi dan Divergensi dalam Metode Iterasi
Persamaan x = g(x) dapat ditulis dalam sepasang persamaan y
1
= x dan y
2
= g(x), dimana keduanya
digambarkan dalam satu bidang koordinat (lihat gambar a-d).
Akar persamaan adalah sama dengan nilai absis dari titik potong antara kedua kurva. Sehingga
penyelesaian akan konvergen jika perkiraan x bergerak mendekati perpotongan kedua kurva.
Disimpulkan bahwa konvergensi akan terjadi jika nilai absolut kemiringan (gradien) y
2
= g(x) adalah
lebih kecil dari kemiringan y
1
= x, atau : jadi gambar a,b konvergen, sedang c dan d
divergen.
1 ) ( ' < x g
BAB III SISTEM PERSAMAAN LINEAR
Bentuk umum sistem persamaan linear
a
11
x
1
+ a
12
x
2
+ ..+ a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ ..+ a
2n
x
n
= b
2
a
31
x
1
+ a
32
x
2
+ ..+ a
3n
x
n
= b
3
.
.
a
n1
x
1
+ a
n2
x
2
+ ..+ a
nn
x
n
= b
n
dengan a adalah koefisien konstan, b adalah
konstan, n adalah jumlah persamaan , dan x
1
,
x
2
, ..,x
n
adalah bilangan yang tak diketahui
Sistem persamaan linear dapat ditulis dalam
bentuk matriks.
Dalam bentuk matriks
(
(
(
(
=
(
(
(
(
(
(
(
(
n n nn n n
n
n
b
b
b
x
x
x
a a a
a a a
a a a
. .
...
. ... . .
...
...
2
1
2
1
2 1
2 22 21
1 12 11
atau
AX = B
dengan :
A = matriks koefisien n x n
X = kolom vektor n x 1 dari bilangan tak
diketahui
B = kolom vektor n x 1 dari konstanta
Metode Penyelesaian Sistem Persamaan Linear
3.1 Metode Langsung
3.1.1. Metode Eliminasi Gauss
Metode paling awal yang dikembangkan dalam
penyelesaian sistem persamaan linear
Terdiri dari dua tahap/langkah pokok, yaitu :
a. Eliminasi maju ( forward elimination)
b. Substitusi mundur (Back substitution)
Prosedur dalam metode ini adalah mengubah
matrik koefisien menjadi matrik segitiga atas
Dua tahap eliminasi gauss
( )
( )
11 3 13 2 12 2 1
'
22 3
'
23
'
2 2
' '
33
' '
3 3
' '
3
' '
33
'
2
'
23
'
22
1 13 12 11
3 33 32 31
2 23 22 21
1 13 12 11
/
/
/

I
I
I
I
I
I
a x a x a b x
a x a b x
a b x
b a
b a a
b a a a
b a a a
b a a a
b a a a
=
=
=
(
(
(

(
(
(
}
Eliminasi
maju
(Forward
Elimination)
}
Substitusi
mundur
(Back
Substitution)
Prosedur Eliminasi Maju
Sebagai contoh suatu sistem persamaan linear 3
persamaan.
a
11
x
1
+ a
12
x
2
+ a
13
x
3
= b
1
(1)
a
21
x
1
+ a
22
x
2
+ a
23
x
3
= b
2
(2)
a
31
x
1
+ a
32
x
2
+ a
33
x
3
= b
3
(3)
Pers. (1) disebut sebagai persamaan tumpuan
(pivoting equation), sedangkan konstanta a
11
disebut koefisien tumpuan.
Langkah 1. Menghilangkan komponen a
21
x
1
Kalikan pers. (1) dengan a
21
/a
11
, sehingga
menghasilkan :
Kurangkan pers. (2) dengan pers.(4), sehingga
didapatkan :
) 4 (
11
1
21 3
11
13
21 2
11
12
21 1 21
a
b
a x
a
a
a x
a
a
a x a = + +
) 5 (
11
1
21 2 3
11
13
21 23 2
11
12
21 22
|
|
\
|
=
|
|
\
|
+
|
|
\
|
a
b
a b x
a
a
a a x
a
a
a a
Atau : a
22
x
2
+ a
23
x
3
= b
2
31
x
1
Analogi seperti pada langkah 1., kalikan pers. (1)
dengan a
31
/a
11
Hasilnya kurangkan ke pers.(3), didapat :
Atau : a
32
x
2
+ a
33
x
3
= b
3
Sehingga didapat persamaan baru sbb :
a
11
x
1
+ a
12
x
2
+ a
13
x
3
= b
1
(7)
a
22
x
2
+ a
23
x
3
= b
2
(8)
a
32
x
2
+ a
33
x
3
= b
3
(9)
) 6 (
11
1
31 3 3
11
13
31 33 2
11
12
31 32
|
|
\
|
=
|
|
\
|
+
|
|
\
|
a
b
a b x
a
a
a a x
a
a
a a
Prosedur Eliminasi Maju
32
x
2
Ambil pers.(8) sebagai persamaan tumpuan dan
konstanta a
22
sebagai koefisien tumpuan
Kalikan pers.(8) dengan a
32
/a
22
, hasilnya
kurangkan ke pers.(9), sehingga didapatkan :
Atau : a
33
x
3
= b
3
Dengan demikian persamaan akhir menjadi :
a
11
x
1
+ a
12
x
2
+ a
13
x
3
= b
1
(11)
a
22
x
2
+ a
23
x
3
= b
2
(12)
a
33
x
3
= b
3
(13)
) 10 (
'
22
'
2
'
32
'
3 3
'
22
'
23
'
32
'
33
|
|
\
|
=
|
|
\
|
a
b
a b x
a
a
a a
"
33
"
3
3
a
b
x =
'
22
3
'
23
'
2
2
a
x a b
x

=
Prosedur Substitusi Mundur
Setelah tahap eliminasi maju selesai, dimana
menghasilkan pers.(11-13), maka tahap
berikutnya adalah substitusi mundur, artinya nilai
x diketahui dari x
3
terlebih dahulu baru x
2
dan x
1
Mencari x
3
Mencari x
2
Mencari x
1
11
3 13 2 12 1
1
a
x a x a b
x

=
Contoh metode Eliminasi Gauss
Selesaikan sistem persamaan berikut ini :
3x
1
0,1x
2
0,2x
3
= 7,85
0,1x
1
+ 7x
2
0,3x
3
= -19,3
0,3x
1
0,2x
2
+ 10x
3
= 71,4
Jawab
Proses eliminasi maju
(i) 3x
1
0,1x
2
0,2x
3
= 7,85
7,00333x
2
0,293333x
3
= -19,5617
-0,190000x
2
+ 10,0200x
3
= 70,6150
(ii) 3x
1
0,1x
2
0,2x
3
= 7,85
7,00333x
2
0,293333x
3
= -19,5617
10,0120x
3
= 70,0843
Proses substitusi balik
Dari persamaan (ii) didapatkan nilai-nilai x
1
, x
2
, dan
x
3
dengan substitusi balik
x
3
= 7,00003
x
2
= -2,50000
x
1
= 3,00000
Proses Pivoting
Apabila koefisien tumpuan (elemen pivot) berharga nol,
maka langkah penormalan/pembagian menyebabkan
pembagian dengan nol, ini akan menimbulkan masalah.
Masalah juga akan timbul jika elemen pivot mendekati
nol, karena jika elemen pivot sangat kecil dibandingkan
elemen yang lain, maka galat pembulatan dapat muncul.
Diusahakan elemen pivot merupakan koefisien terbesar.
Ini dapat dilakukan dengan menukarkan baris-baris
dalam sistem persamaan linear yang disebut dengan
pivoting sebagian (partial pivoting).
Disamping menukarkan baris-baris, kolom juga dapat
dipertukarkan untuk mencari elemen terbesar, ini
disebut dengan pivoting lengkap (completing pivoting),
tetapi jarang dilakukan.
Contoh proses pivoting
Misal suatu sistem persamaan liear yang
akan diselesaikan sebagai berikut :
2x
2
+ 3x
3
= 8 (i)
4x
1
+ 6x
2
+ 7x
3
= -3 (ii)
2x
1
+ x
2
+ 6x
3
= 5 (iii)
Karena koefisien pivot dari pers.(i)
berharga nol, maka dapat dilakukan
proses pivoting sebagian, misalkan
dengan menukarkan pers.(i) dengan
pers.(ii), sehingga pers menjadi :
4x
1
+ 6x
2
+ 7x
3
= -3 (i)
2x
2
+ 3x
3
= 8 (ii)
2x
1
+ x
2
+ 6x
3
= 5 (iii)
3.1.2. Metode Gauss Jordan
Mirip metode Eliminasi Gauss
Dapat digunakan untuk menghitung matrik invers
Prosedur dalam metode ini adalah mengubah
matrik koefisien menjadi matrik identitas
Nilai x
1
, x
2
, x
3
, ..x
n
dapat diketahui secara
bersamaan (tidak ada proses substitusi)
Algoritma metode Gauss Jordan
(
(
(
=
=
=
(
(
(
(
(
(
*
3 3
*
2 2
*
1 1
*
3
*
2
*
1
3 33 32 31
2 23 22 21
1 13 12 11
I 1 0 0
I 0 1 0
I 0 0 1
I
I
I
b x
b x
b x
b
b
b
b a a a
b a a a
b a a a
Jadi nilai x yang dicari dapat diketahui secara bersamaan yaitu ; x
1
= b
1
*
, x
2
= b
2
*
, x
3
= b
3
*
Transformasi Matrik Koefisien ke Matrik Identitas
Continued ...
Transformasi Matrik Koefisien ke Matrik Identitas.
Continued ...
Continued ...
Continued ...
Contoh metode Gauss Jordan
Selesaikan sistem persamaan berikut :
3x + y z = 5
4x + 7y 3z = 20
2x 2y + 5z = 10
Jawab
Sistem persamaan diatas dapat ditulis
dalam bentuk matrik ;
) 2 (
10
20
5
5 2 2
3 7 4
1 1 3
3
2
1
(
(
(
=
(
(
(
(
(
(
x
x
x
Continued ..
Continued Answer ..
Continued .
Continued Answer ..
3.1.3. Metode Invers Matrik
Dalam sebuah matrik bujursangkar A terdapat
matrik lain yaitu A
-1
yang disebut matrik invers
A.
Berlaku sifat bahwa :
A.A
-1
= A
-1
.A = I
dimana I adalah matrik identitas.
Dari sifat diatas, matrik invers dapat digunakan
untuk menyelesaikan sistem persamaan linear.
A.X = C
A
-1
.A.X = A
-1
.C
I.X = A
-1
.C
X = A
-1
.C
Matrik invers A
-1
dapat diketahui salah satunya
dengan menggunakan metode Gauss Jordan
Mencari matrik invers dgn Gauss Jordan
Prinsipnya adalah meningkatkan matrik
koefisien dengan matrik indentitas.
1 -
1
33
1
32
1
31
1
23
1
22
1
21
1
13
1
12
1
11
33 32 31
23 22 21
13 12 11
A I
I 1 0 0
I 0 1 0
I 0 0 1

I A
1 0 0 I
0 1 0 I
0 0 1 I
(
(
(

(
(
(

a a a
a a a
a a a
a a a
a a a
a a a
Contoh Mencari Invers Matrik
Cari matrik invers dari matrik :
(
(
(
=
5 2 2
3 7 4
1 1 3
A
(
(
(
(
(
(
1 0 6667 , 0 I 6667 , 5 6667 , 2 0

0 1 3333 , 1 I 6667 , 1 6667 , 5 0
0 0 0,3333 I 3333 , 0 0,3333 1

1 0 0 I 5 2 2
0 1 0 I 3 7 4
0 0 1 I 1 1 3
(
(
(

(
(
(
0,2048 0,0964 0,2651 - I 1 0 0

0,0602 0,2048 0,3133 - I 0 1 0
0,0482 0,0361 - 0,3494 I 0 0 1

1 0,4706 1,2941 - I 8824 , 4 0 0
0 0,1765 0,2353 - I 2941 , 0 1 0
0 0,0588 - 0,4118 I 2353 , 0 0 1
Jawab
Jadi matrik inversnya A
-1
, adalah :
(
(
(
2048 , 0 0964 , 0 2651 , 0

0602 , 0 2048 , 0 3133 , 0
0482 , 0 0361 , 0 3494 , 0
1
A
3.1.4. Metode LU Dekomposisi
Sistem persamaan linear dengan 4
persamaan dengan 4 bilangan yang tak
diketahui :
Persamaan dapat ditulis dalam bentuk matrik
Persamaan diatas dapat juga ditulis sebagai :
4 4 44 3 43 2 42 1 41
3 4 34 3 33 2 32 1 31
2 4 24 3 23 2 22 1 21
1 4 14 3 13 2 12 1 11
c x a x a x a x a
c x a x a x a x a
c x a x a x a x a
c x a x a x a x a
= + + +
= + + +
= + + +
= + + +
[ ]{ } { } ) 1 ( C X A =
[ ]{ } { } ) 2 ( 0 = C X A
Andaikan pers.(1) dapat dinyatakan ulang
sebagai sistem segitiga atas dengan angka 1 pada
diagonal
Dalam notasi matrik juga dapat ditulis ulang
sebagai
Andaikan terdapat matrik diagonal bawah :
) 3 (
1 0 0 0
1 0 0
1 0
1
4
3
2
1
4
3
2
1
34
24 23
14 13 12
(
(
(
(
d
d
d
d
x
x
x
x
u
u u
u u u
[ ]{ } { } ) 4 ( 0 = D X U
[ ] ) 5 (
0
0 0
0 0 0
44 43 42 41
33 32 31
22 21
11
(
(
(
(
=
l l l l
l l l
l l
l
L
3.1.4. Metode LU Dekomposisi
Matrik L mempunyai sifat bilamana dikalikan
dari depan dengan persamaan (4), maka
hasilnya adalah pers. (2), sehingga :
Jika persamaan ini berlaku, maka :
Pers.(7) disebut sebagai LU dekomposisi
dari [A].
Proses LU dekomposisi ini dapat
menggunakan metode Eliminasi Gauss atau
dengan menggunakan Dekomposisi Crout
[ ] [ ]{ } { } { } [ ]{ } { } ) 6 ( C X A D X U L =
[ ][ ] [ ]
[ ][ ] { } ) 8 (
) 7 (
C D L
dan
A U L
=
=
Langkah-langkah dekomposisi LU
a. Dekomposisi LU menggunakan Eliminasi Gauss
Eliminasi Gauss dapat dipakai untuk memecah
(dekomposisi) [A] menjadi [L] dan [U]
Ilustrasi untuk sistem 3 persamaan :
Matrik [U] merupakan hasil dari tahap eliminasi
maju pada metode Eliminasi Gauss, sehingga :
(
(
(
3
2
1
3
2
1
33 32 31
23 22 21
13 12 11
c
c
c
x
x
x
a a a
a a a
a a a
[ ]
(
(
(
=
"
33
'
23
'
22
13 12 11
0 0
0
a
a a
a a a
U
[ ]
(
(
(
=
1
0 1
0 0 1
32 31
21
f f
f L
Sedangkan matrik [L] mempunyai elemen-
elemen :
Dimana nilai-nilai f
21
, f
31
dan f
32
'
22
'
32
32
11
31
31
11
21
21
a
a
f
a
a
f
a
a
f
=
=
=
Contoh Dekomposisi LU by Eliminasi Gauss
Turunkan dekomposisi LU dari matrik [A] berikut ini
[ ]
(
(
(

=
10 2 , 0 3 , 0
3 , 0 7 1 , 0
2 , 0 1 , 0 3
A
[ ]
(
(
(

=
0120 , 10 0 0
293333 , 0 00333 , 7 0
2 , 0 1 , 0 3
U
02713 , 0
00333 , 7
19 , 0
1 , 0
3
3 , 0
0333333 , 0
3
1 , 0
32 31 21
=
= = = = = f f f
Jawab
1.Setelah di eliminasi maju, diperoleh matrik
segitiga atas, matrik [U]
2. Menghitung elemen-elemen matrik [L]
3. Jadi matrik [L]
4. Dekomposisi LU adalah :
5. Cek hasil dekomposisi LU :
[ ]
(
(
(
=
1 0271300 , 0 1 , 0
0 1 0333333 , 0
0 0 1
L
[ ] [ ][ ]
(
(
(
(
(
(
= =
0120 , 10 0 0
293333 , 0 00333 , 7 0
2 , 0 1 , 0 3
1 02713 , 0 1 , 0
0 1 0333333 , 0
0 0 1
U L A
[ ][ ]
(
(
(

=
99996 , 9 2 , 0 3 , 0
3 , 0 7 0999999 , 0
2 , 0 1 , 0 3
U L
Terjadi penyimpangan karena pembulatan
b. Dekomposisi LU menggunakan Dekomposisi Crout
Dekomposisi Crout merupakan suatu algoritma yang efisien untuk memecah [A] menjadi [L] dan [U]
Dalam dekomposisi Crout :
[L] [U] = [A]
Untuk sistem persamaan dengan n = 4, dituliskan
Mencari elemen-elemen matrik [L] dan matrik [U]
a. Mengalikan baris 1-4 matrik [L] dengan kolom 1 matrik [U], didapatkan :
Dalam bentuk umum : l
i1
= a
i1
untuk I = 1, 2, n
(
(
(
(
=
(
(
(
(
(
(
(
(
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
34
24 23
14 13 12
44 43 42 41
33 32 31
22 21
11
1 0 0 0
1 0 0
1 0
1
0
0 0
0 0 0
a a a a
a a a a
a a a a
a a a a
u
u u
u u u
l l l l
l l l
l l
l
41 41 31 31 21 21 11 11
a l a l a l a l = = = =
b. Mengalikan baris 1 matrik [L] dengan kolom
matrik [U], menghasilkan :
l
11
= a
11
l
11
u
12
= a
12
l
11
u
13
= a
13
l
11
u
14
=a
14
Sehingga :
Secara umum dinyatakan sebagai :
c. Mengalikan baris 2-4 matrik [L] dengan kolom
2 matrik [U], menghasilkan
l
21
u
12
+ l
22
= a
22
l
31
u
12
+ l
32
= a
32
l
41
u
12
+ l
42
= a
42
Secara umum :
11
14
14
11
13
13
11
12
12
l
a
u
l
a
u
l
a
u = = =
n ..., 3, 2, j untuk
11
1
= =
l
a
u
i
ij
2,3,..n i untuk
12 1 2 2
= = u l a l
i i i
d. Mengalikan baris ke 2 matrik [L] dengan kolom
ke 3 dan 4 matrik [U], menghasikan :
l
21
u
13
+ l
22
u
23
= a
23
l
21
u
14
+ l
22
u
24
= a
24
Sehingga :
Secara umum dinyatakan :
e. Proses diulang untuk menghitung elemen yang
lain, dihasilkan rumus umum :
22
14 21 24
24
22
13 21 23
23
l
u l a
u
l
u l a
u

=
=
3,4,..n j untuk
22
1 21 2
2
=
=
l
u l a
u
j j
j
4,5,...n i untuk
4,5,...n j untuk
3,4,...n i untuk
34 3 24 2 14 1 4 4
33
2 32 1 31 3
3
23 2 13 1 3 3
= =
=

=
= =
u l u l u l a l
l
u l u l a
u
u l u l a l
i i i i i
j j j
j
i i i i
Contoh Dekomposisi LU
Selesaikan sistem persamaan ini dengan metode
dekomposisi LU menggunakan dekomposisi Crout
2x
1
5x
2
+ x
3
= 12
-x
1
+ 3x
2
x
3
= -8
3x
1
4x
2
+ 2x
3
= 16
Jawab
Dalam bentuk matrik :
Memecah matrik [A] menjadi matrik [L] dan [U].
Elemen kolom pertama matrik [L] sama dengan
kolom pertama matrik [A]
(
(
(
=
(
(
(
(
(
(
16
8
12
2 4 3
1 3 1
1 5 2
3
2
1
x
x
x
L
11
= 2 l
21
= -1 l
31
= 3
Menghitung baris 1 matrik [U].
Menghitung kolom 2 matrik [L]
l
22
= a
22
l
21
u
12
= 3 (-1)(-2,5) = 0,5
l
32
= a
32
l
31
u
12
= -4 (3)(-2,5) = 3,5
5 , 0
2
1
5 , 2
2
5
11
13
13
11
12
12
= = =
=
= =
l
a
u
l
a
u
Continued .
Jawab
Menghitung elemen terakhir dari matrik [U] :
Menghitung elemen terakhir dari matrik [L] :
L
33
= a
33
l
31
u
13
l
32
u
23
= 2 3(0,5) 3,5(-1) = 4
Jadi dekomposisi LU adalah :
Dari persamaan (8), diketahui bahwa :
[L] [D] = [C]
1
5 , 0
) 5 , 0 )( 1 ( 1
22
13 21 23
23
=

=
=
l
u l a
u
[ ] [ ]
(
(
(
=
(
(
(
=
1 0 0
1 1 0
5 , 0 5 , 2 1
4 5 , 3 3
0 5 , 0 1
0 0 2
U L
(
(
(
16
8
12
4 5 , 3 3
0 5 , 0 1
0 0 2
3
2
1
d
d
d
[L] [D] = [C]
Dengan substitusi maju dipecahkan untuk mencari d
1
-d
3
Dari persamaan (4), didapat :
[U][X] - [D] = 0 atau [U][X] = [D]
3
4
) 4 ( 5 , 3 ) 6 ( 3 16
4
5 , 0
6 ) 1 ( 8
6
2
12
33
2 32 1 31 3
3
22
1 21 2
2
1
=

=

=
=

=
=
= =
l
d l d l c
d
l
d l c
d
d
Continued .
Jawab
Karena [U][X] = [D], maka :
Untuk memecahkan nilai x
,
dilakukan prosedur substitusi
mundur
x
3
= d
3
= 3
x
2
= d
2
u
23
x
3
= - 4 (-1)3 = -1
x
3
= d
1
u
12
x
2
u
13
x
3
= 6 (- 2,5) (-1) 0,5 (3) = 2
(
(
(
=
(
(
(
(
(
(
3
4
6
1 0 0
1 1 0
5 , 0 5 , 2 1
3
2
1
x
x
x
The end of computation
3.2 Metode Iteratif
3.2.1. Metode Jacobi
Pandang sistem 3 persamaan dengan 3 bilangan
tak diketahui :
a
11
x
1
+ a
12
x
2
+ a
13
x
3
= b
1
a
21
x
1
+ a
22
x
2
+ a
23
x
3
= b
2
a
31
x
1
+ a
32
x
2
+ a
33
x
3
= b
3
Untuk menghitung x
1
, x
2
dan x
3
persamaan diatas
diubah menjadi :
( )
( )
( )
33
1
2 32
1
1 31 3
3
22
1
3 23
1
1 21 2
2
11
1
3 13
1
2 12 1
1
a
x a x a b
x
a
x a x a b
x
a
x a x a b
x
n n
n
n n
n
n n
n

=

=

=
n n n n n n
x x x x x x
3
1
3 2
1
2 1
1
1
dan , ,

Hitungan dimulai dengan nilai perkiraan awal
biasanya semua variabel diambil sama dengan
nol.
Hasil perhitungan dengan nilai perkiraan
awal, dipakai lagi untuk mendapatkan nilai
perkiraan kedua.
Iterasi berakhir setelah :
atau telah dipenuhi kriteria yang dikehendaki (
s
)
s
n
i
i n
i
n
i
a
x
x
x x
<
% 100
Contoh Metode Jacobi
Jawab
3x + y z = 5
4x + 7y 3z = 20 (1)
2x 2y + 5z = 10
Diambil nilai x = y = z = 0, dihitung nilai x, y, dan z
Continued .
Ingat dalam soal ini :
x
1
= x
x
2
= y
x
3
= z
Jawab
Continued
Jawab
Iterasi hitungan metode Jacobi
x y z
x

y
z
3.2.2. Metode Gauss Seidel
Pandang sistem 3 persamaan dengan 3 bilangan
tak diketahui :
a
11
x
1
+ a
12
x
2
+ a
13
x
3
= b
1
a
21
x
1
+ a
22
x
2
+ a
23
x
3
= b
2
a
31
x
1
+ a
32
x
2
+ a
33
x
3
= b
3
Untuk menghitung x
1
, x
2
dan x
3
persamaan diatas
diubah menjadi :
( )
( )
( )
) 3 (
) 2 (
) 1 (
33
1
2 32
1
1 31 3
1
3
22
0
3 23
1
1 21 2
1
2
11
0
3 13
0
2 12 1
1
1
a
x a x a b
x
a
x a x a b
x
a
x a x a b
x

=

=

=
Hitungan dimulai dengan nilai perkiraan awal
biasanya variabel diambil sama dengan nol.
Nilai x
1
yang dihasilkan dari perhitungan
pertama digunakan untuk menghitung nilai
x
2
dari persamaan kedua, demikian juga
nilai x
1
dan x
2
dari hasil perhitungan
pertama digunakan untuk menghitung nilai
x
3
dari persamaan ketiga.
Iterasi berakhir setelah dipenuhi kriteria yang
dikehendaki (
s
)
s
n
i
i n
i
n
i
a
x
x
x x
<
% 100
Contoh Metode Gauss Seidel
3x + y z = 5
4x + 7y 3z = 20 (1)
2x 2y + 5z = 10
Jawab
( )
( )
( )
) 29 . 3 (
) 29 . 3 (
) 29 . 3 (
33
1
2 32
1
1 31 3
1
3
22
0
3 23
1
1 21 2
1
2
11
0
3 13
0
2 12 1
1
1
c
a
x a x a b
x
b
a
x a x a b
x
a
a
x a x a b
x

=

=

=
Diambil y = z = 0, untuk menghitung x
menggunakan pers. 3.29a
Ingat dalam soal ini :
x
1
= x
x
2
= y
x
3
= z
Continued
Jawab
Continued
Jawab
Iterasi hitungan metode gauss seidel
x y z
x

y
z
BAB IV. ANALISIS REGRESI
Pendahuluan
Dalam analisis regresi akan dibuat kurva atau
fungsi berdasarkan sebaran titik-titik data,
dimana diharapkan mewakili titik-titik data
tersebut.
Penetapan bentuk kurva, apakah kurva linear
(garis lurus) atau lengkung (logaritmik atau
berpangkat) tergantung dari kecenderungan
(trend) penyebaran titik data (lihat gambar).
Metode yang digunakan untuk membuat kurva
tersebut adalah Metode Kuadrat Terkecil (Least
Square Method).
Metode ini memungkinkan untuk membuat kurva
yang paling mendekati titik-titik data.
Jika ditemui data
yang mempunyai
kesalahan yang
besar, misal data A
dan B dalam
sebaran data, maka
data tersebut bisa
dihilangkan, disebut
dengan error data.
Metode Kuadrat Terkecil
Dalam analisis regresi, diinginkan membuat
kurva yang meminimalkan selisih antara
titik-titik data dengan kurva yang dibuat.
Teknik yang dapat membuat kurva dengan
selisih minimal antara titik-titik data dengan
kurva adalah metode kuadrat terkecil.
Prosedur metode kuadrat terkecil
1. Titik-titik data digambarkan pada sistem
koordinat, untuk mengetahui trend sebaran
data (linear atau garis lengkung).
2. Dipilih suatu fungsi g(x) yang dianggap bisa
mewakili f(x). Bentuk umum g(x) :
g(x) = a
0
+ a
1
x + a
2
x
2
+ + a
r
x
r
dimana a
0
, a
1
, a
2
, a
r
adalah konstanta.
3.Dipilih g(x) yang mempunyai kesalahan
ordinat E
i
terkecil. Jumlah kuadrat dari
kesalahan adalah terkecil (D
2
).
E
i
= M
i
g(x
i
) = y
i
g(x
i
)
4. Dicari konstanta a
0
, a
1
, ..a
r
dengan cara
menurunkan D
2
tersebut terhadap konstanta
tersebut adalah minimum. Jika konstanta
sudah diketahui maka fungsi g(x) diketahui.
{ }
2
1 1
2 2
) (

= =
= =
n
i
i i
n
i
i
x g y E D
4.1 Regresi Linear
Kurva yang mewakili titik-titik data
merupakan garis lurus.
Persamaan fungsi umum :
dalam hal ini a
0
= a dan a
1
= b
Jumlah kuadrat dari kesalahan D
2
Dengan menurunkan D
2
terhadap a dan b,
maka dapat diketahui nilai a dan b, dimana :
{ }

= =
n
i
i i
n
i
i
bx a y E D
2
2 2
( )

=
=
2
2
i i
i i i i
x x n
y x y x n
b
x b y a
bx a x g + = ) (
dimana : n = jumlah data
Untuk mengetahui derajad kesusaian dari
persamaan yang didapat, dihitung nilai koefisien
korelasi ( r ) yang berbentuk :
Nilai r bervariasi antara 0 dan 1. Untuk r = 1
perkiraan fungsi sempurna, sedangkan r=0
perkiraan fungsi jelek.
y nilai rata - rata y
x nilai rata - rata
= =
= =
n
y
n
x
x
i
i
( )
( )
=
=
=
=
=
n
i
i
n
i
i t
t
t
x a a y D
y y D
D
D D
r
1
2
1 0
2
2
1
2
2
2 2
: dimana
Contoh Regresi Linear
Tentukan persamaan garis yang mewakili data berikut :
26 24 22 20 16 14 10 8 6 4 y
10 9 8 7 6 5 4 3 2 1 x
Jawab
Persamaan garis yang mewakili titik-titik
data :
y = a + bx
Continued
Jawab
Dari hasil hitungan ditabel dapat dihitung nilai rata-rata x dan
y :
Menghitung konstanta a dan b :
6 , 18
10
186
2 , 15
10
152
= = =
= = =
n
y
y
n
x
x
( )
5849 , 28 2 , 15 6569 , 0 6 , 18
6569 , 0
6016
3952
) 152 ( 2912 10
186 152 2432 10
2
2
2
= + = =
= =
=

x x b y a
x
x x
b
x x n
y x y x n
b
i i
i i i i
Jadi persamaan garisnya :
y = 28,5849 0,6569x
Jika dihitung nilai koefisien korelasi ( r ),
maka nilainya adalah :
r = 0,7232
4.2. Terapan Regresi Linear Pelinearan Hubungan Taklinear
Jika sebaran titik-titik data menunjukkan trend
berupa kurva lengkung, maka pendekatan
kurva lengkung memberikan hasil yang lebih
baik.
Regresi linear dapat digunakan untuk
mempresentasikan kurva lengkung dengan
cara memtransformasi koordinat
sedemikian rupa sehingga sebaran titik dapat
dinyatakan dinyatakan dalam kurva linear.
Ada 2 fungsi yang biasa ditransformasikan
datanya sehingga dapat dinyatakan dalam kurva
linear, yaitu :
a. Fungsi berpangkat :
b. Fungsi eksponensial :
2
2
b
x a y =
x b
e a y
1
1
=
Pendekatan
sebaran data
dengan kurva
lengkung (b)
lebih baik dari
kurva linear (a)
4.2. Terapan Regresi Linear Pelinearan Hubungan Taklinear
a. Fungsi berpangkat
Persamaan dilinearkan dengan menggunakan
fungsi logaritmik :
log y = b
2
log x + log a
2
b. Fungsi eksponensial :
Persamaan dilinearkan dengan fungsi logaritmik
natural :
ln y = ln a
1
+ b
1
x
2
2
b
x a y =
x b
e a y
1
1
=
Contoh Linearisasi Kurva Tak Linear
Tentukan persamaan lengkung yang mewakili
data berikut :
8,4 5,7 3,4 1,7 0,5 y
5 4 3 2 1 x
Jawab
Akan dicoba menggunakan 2 bentuk transformasi :
a.Transformasi log.
Misalkan persamaan kurva y = ax
b
Transformasi menggunakan fungsi log, didapat :
log y = log a x
b
log y = log a + b log x
Dilakukan transformasi berikut :
p = log y B = b A = log a q = log x
Sehingga pers menjadi : p = A + Bq
Jawab
Dari hitungan di tabel didapat :
Koefisien A dan B dihitung :
42822 , 0
5
1411 , 2
log
4158 , 0
5
0791 , 2
log
= = =
= = =
n
y
p
n
x
q
i
i
( )
3024 , 0
4158 , 0 7572 , 1 42822 , 0
7572 , 1
0791 , 2 0791 , 2 1692 , 1 5
) 1411 , 2 )( 0791 , 2 ( ) 4240 , 1 ( 5
2
2
=
= =
=
=

A
x q B p A
x x
B
q q n
p q p q n
B
i i
i i i i
Dengan demikian persamaan transformasi :
p = -0,3024 + 1,7572q
Karena :
A = log a -0,3024 = log a a = 0,4984
B = b b = 1,7572
Maka persamaan yang dicari dengan
transformasi log :
y = 0,4984x
1,7572
b. Transformasi ln.
Misalkan persamaan kurva mempunyai
bentuk :
y = ae
bx
Transformasi dengan fungsi ln, didapat :
ln y = ln a e
bx
= ln a + ln e
bx
ln y = ln a + bx
Jawab
Dilakukan transformasi :
p = ln y A = ln a q = x B = b
Sehingga persamaan dalam bentuk :
p = A + Bq
Dari hitungan tabel didapat :
986 , 0
5
93 , 4
3
5
15
= = =
= = =
n
p
p
n
q
q
i
i
Menghitung koefisien A dan B :
Dengan demikian pers. Menjadi :
p = -1.06975 + 0,68525q
Karena :
A = ln a -1,06575 = ln a a = 0,3431
B = b b = 0,68525
Maka persamaan yang dicari adalah :
y = 0,3431e
0,68525x
( )
06975 , 1
0 , 3 68525 , 0 986 , 0
68525 , 0
) 15 ( 55 5
93 , 4 15 6425 , 21 5
2
2
2
=
= =
=
=

A
x q B p A
x
x x
B
q q n
p q p q n
B
i i
i i i i
Jawab
Untuk menentukan pendekatan transformasi mana
yang terbaik, dapat dilihat dari nilai koefisien
korelasi ( r ) :
Nilai r untuk masing-masing transformasi :
92751 , 0
132 , 40
60746 , 5 132 , 40
99997 , 0
132 , 40
00238 , 0 132 , 40
2
2 2
ln
2
2 2
log
=
=
=
=
t
t
t
t
D
D D
r
D
D D
r
Karena nilai koefisien korelasi untuk
transformasi log lebih besar dari
transformasi ln, maka dapat disimpulkan
bahwa persamaan yang didapat dari
transformasi log lebih baik.
4.3 Regresi Polinomial
Digunakan untuk menurunkan persamaan kurva
lengkung.
Penurunan menggunakan metode kuadrat
terkecil
Persamaan polinomial orde r mempunyai
bentuk :
y = a
0
+ a
1
x + a
2
x
2
+ +a
r
x
r
Jumlah kuadrat kesalahan D
2
:
Persamaan D
2
diatas diturunkan terhadap tiap
koefisien dari persamaan polinomial dan
disamakan nol.
Dari hasil penurunan ini persamaan-persamaan
yang dihasilkan dapat disusun ulang yang
nantinya digunakan untuk mencari konstanta a
0
,
a
1
, a
2
.a
r
.
( )
=
+ + + + =
n
i
r
r
x a x a x a a y D
1
2
2 1 0 1
2
... (
Hasil susunan persamaan-persamaan dapat
ditulis dalam bentuk matrik.
Pemecahan persamaan matrik diatas dapat
dilakukan dengan berbagai metode yang telah
dibahas pada bab III (sistem persamaan linear)
Contoh Regresi Polinomial
Tentukan persamaan kurva polinomial orde 2
yang mewakili data berikut :
40,9
4
61,1 27,2 13,6 7,7 2,1 y
i
5 3 2 1 0 x
i
Jawab
Persamaan polinomial orde 2 mempunyai
bentuk
g(x) = a
0
+ a
1
x + a
2
x
2
Untuk polinomial orde 2, persamaan dalam
bentuk matrik :
(
(
(
=
(
(
(
(
(
(

i i
i i
i
i i i
i i i
i i
y x
y x
y
a
a
a
x x x
x x x
x x n
2
2
1
0
4 3 2
3 2
2
Dari hasil perhitungan di tabel, persamaan menjadi:
6a
0
+ 15a
1
+ 55a
2
= 152,6
15a
0
+ 55a
1
+ 225a
2
= 585,6
55a
0
+ 225a
1
+ 275a
2
= 2488,8
Dari penyelesaian persamaan diatas, didapatkan :
a
2
= 1,860714 a
1
= 2,359286 a
0
= 2,478571
Sehingga persamaan polinomial orde 2 :
y = 2,478571 + 2,359286x + 1,860714x
2
4.4 Regresi Linear Multi Variabel
Kasus dimana y adalah fungsi linear dari 2 atau
lebih variabel. Misal y merupakan fungsi linear
terhadap x
1
dan x
2
.
Secara umum persamaan regresi linear dengan
m variabel mempunyai bentuk :
y = a
0
+ a
1
x + a
2
x
2
+ +a
m
x
m
Jumlah kuadrat kesalahan D
2
:
Persamaan D
2
diatas diturunkan terhadap tiap
koefisien dari persamaan regresi linear dan
disamakan nol.
Dari hasil penurunan ini persamaan-persamaan
yang dihasilkan dapat disusun ulang yang
nantinya digunakan untuk mencari konstanta a
0
,
a
1
, a
2
.a
m
.
( )
=
+ + + + =
n
i
m m
x a x a x a a y D
1
2 2 1 1 0 1
2
... (
Koefisien-koefisien a
0
, a
1
. a
2
, .a
m
dihitung dari
sistem persamaan berikut :
Pemecahan persamaan matrik diatas dapat
dilakukan dengan berbagai metode yang telah
dibahas pada bab III (sistem persamaan linear)
Contoh Regresi Linear Multi Variabel
Tentukan persamaan kurva yang mewakili data
berikut :
2 6 3 2 1 0 x
2
3
4
27 0 9 10 5 y
7 1 2,5 2 0 x
i
(
(
(
=
(
(
(
(
(
(

i i
i i
i
i i i i
i i i i
i i
y x
y x
y
a
a
a
x x x x
x x x x
x x n
, 2
, 1
2
1
0
2
, 2 , 2 , 1 , 2
, 2 , 1
2
, 1 , 1
, 2 , 1
Jawab
Hasil perhitungan ditabelkan :
Dalam bentuk matrik :
Dari hasil di tabel diperoleh :
(
(
(
=
(
(
(
(
(
(
101
5 , 243
54
54 48 14
48 25 , 76 5 , 16
14 5 , 16 6
2
1
0
a
a
a
Persamaan diatas diselesaikan didapatkan
a
0
= 5, a
1
= 4 dan a
2
= -3
Sehingga persamaan kurva yang
dihasilkan :
y = 5 + 4x
1
3x
2
BAB V. INTERPOLASI
Pendahuluan
Perbedaan Analisis Regresi dan Interpolasi
Analisis Regresi : membuat kurva atau fungsi
yang mempresentasikan suatu rangkaian titik data
dalam koordinat x-y, dimana kurva yang terbentuk
tidak melalui semua titik data tetapi hanya
mengikuti trend/kecenderungan dari sebaran data.
Lihat gambar (a)
Interpolasi : mencari suatu nilai yang berada
diantara beberapa titik data yang telah diketahui
nilainya. Lihat gambar (b) dan (c).
Dalam interpolasi untuk memperkirakan nilai
tersebut pertama kali harus dibuat suatu fungsi atau
persamaan yang melewati titik-titik data, kemudian
nilai perkiraan dihitung berdasarkan persamaan
garis atau kurva yang terbentuk.
Pada gambar (b) titik-titik data dihubungkan dengan
garis lurus, disebut dengan interpolasi linear,
sedangkan pada gambar (c), titik-titik data
dihubungkan dengan kurva.
BAB V. INTERPOLASI
Metode Interpolasi
Dalam interpolasi metode yang paling banyak
digunakan adalah interpolasi polinomial.
Persamaan polinomial adalah persamaan aljabar
yang mengandung jumlah dari variabel x berpangkat
bilangan bulat (integer).
Bentuk umum persamaan polinomial :
f(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
+ .+ a
n
x
n
dimana :
a
0
, a
1
, a
2
,a
n
adalah konstanta yang akan dicari
n adalah derajad (order) dari persamaan polinomial
x adalah variabel bebas
Untuk n+1 titik data, hanya terdapat satu
polinomial order n atau kurang yang melalui
semuai titik data (lihat gambar a,b,c)
Setelah ditentukan suatu persamaan polinomial
order n dari n+1 titik data, kemudian digunakan
untuk menentukan suatu nilai diantara titik data
tersebut.
BAB V. INTERPOLASI
5.1. Interpolasi Linear
Adalah interpolasi polinomial order satu.
Menghubungkan dua buah titik data dengan
garis lurus.
Mempunyai bentuk yang sederhana dan mudah
dipahami
Memberikan hasil yang kurang teliti.
Lihat gambar, akan dicari nilai fungsi di titik x,
yaitu f
1
(x), dimana diketahui nilai di titik x
0
dan x
1
,
yaitu f(x
0
) dan f(x
1
).
Dari gambar dengan menggunakan segitiga
sebangun AB dan ADE, didapat hubungan :
Sehingga :
Perhatikan bahwa suku [f(x
1
) f(x
0
)] / (x
1
x
0
)
adalah gradien garis yang menghubungkan dua
titik data.
Semakin kecil interval antara titik data, ilai
perkiraan akan semakin baik.
0 1
0 1
0
0 1
) ( ) ( ) ( ) (
x x
x f x f
x x
x f x f
AD
DE
AB
BC
=
) (
) ( ) (
) ( ) (
0
0 1
0 1
0 1
x x
x x
x f x f
x f x f
+ =
BAB V. INTERPOLASI
Contoh Interpolasi Linear
Cari nilai ln 2 dengan metode interpolasi linear, jika ln 1 = 0 dan
ln 6 = 1,7917595. Hitung juga nilai tersebut jika data awal
adalah ln 1 dan ln 4 = 1,3862944. Bandingkan hasil yang
diperoleh jika nilai eksak ln 2 = 0,69314718
Jawab
Menghitung nilai ln 2 berdasar data ln 1 dan ln 6 :
Menghitung nilai ln 2 berdasar data ln 1 dan ln 4 :
Dari contoh ini, terlihat bahwa dengan
menggunakan interval data yang lebih
kecil diperoleh hasil yang lebih baik.
Gambar dibawah menunjukkan
perhitungan secara grafis.
BAB V. INTERPOLASI
5.2. Interpolasi Kuadrat
Adalah interpolasi polinomial order dua.
Menghubungkan tiga buah titik data dengan
garis lengkung.
Persamaan polinomial order dua ditulis dalam
bentuk :
f
2
(x) = b
0
+ b
1
(x x
0
) + b
2
(x x
0
)(x x
1
)..(i)
Apabila persamaan diatas dijabarkan, maka :
f
2
(x) = b
0
+ b
1
x - b
1
x
0
+ b
2
x
2
+ b
2
x
0
x
1
- b
2
xx
0
- b
2
xx
1
Atau jika dibandingkan dengan persamaan :
f
2
(x) = a
0
+ a
1
x + a
2
x
2
Maka didapatkan kesamaan, dimana :
a
0
= b
0
b
1
x
0
+ b
2
x
0
x
1
a
1
= b
1
b
2
x
0
b
2
x
1
a
2
= b
2
Selanjutnya menentukan nilai b
0
, b
1
dan b
2
:
Menentukan nilai b
0
, dengan cara memasukkan
nilai x = x
0
pada persamaan (i), sehingga didapatkan
:
b
0
= f (x
0
) (ii)
Menentukan nilai b
1
dengan cara seperti diatas,
dengan memasukkan x = x
1
pada pers. (i),
menghasilkan :
Menentukan b
2
dengan cara memasukkan nilai
x = x
2
pada persamaan (i), sehingga diperoleh :
) (
) ( ) (
0 1
0 1
1
iii
x x
x f x f
b
=
( ) iv
x x
x x
x f x f
x x
x f x f
b
0 2
0 1
0 1
1 2
1 2
2
) ( ) ( ) ( ) (
=
BAB V. INTERPOLASI
Contoh Interpolasi Kuadrat
Carilah nilai ln 2 dengan menggunakan interpolasi
kuadrat, jika diberikan data sebagai berikut :
x
0
= 1 f(x
0
) = 0
x
1
= 4 f(x
1
) = 1,3862944
x
2
= 6 f(x
2
) = 1,7917595
Jawab
Dengan menggunakan persamaan (ii), diperoleh b
0
:
b
0
= 0
Koefisien b
1
dihitung dengan menggunakan pers.(iii)
Pers.(iv) digunakan untuk menghitung b
2
:
46209813 , 0
1 4
0 3862944 , 1
1
=
= b
051873116 , 0
1 6
46209813 , 0
4 6
3862944 , 1 7917595 , 1
2
2
=
=
b
b
Nilai-nilai tersebut disubstitusikan ke pers.(i)
f
2
(x) = 0 + 0,46209813(x-1) -0,051873116(x-1)(x-4)
Untuk nilai x = 2, diperoleh :
f
2
(x) = 0,56584436
Besar kesalahan adalah :
Jadi dengan interpolasi kuadrat didapat hasil yang
lebih baik.
% 4 , 18 % 100
69314718 . 0
56584436 , 0 69314718 , 0
=
= x E
t
BAB V. INTERPOLASI
5.3. Bentuk umum Interpolasi Polinomial
Bentuk umum polinomial order n dari n+1 data :
f
n
(x) = b
0
+ b
1
(x-x
0
) ++ b
n
(x-x
0
)(x-x
1
)..(x-x
n-1
)
Untuk polinomial order n, diperlukan n+1 titik data x
0
,
x
1
, x
2
,x
3
,.x
n
)
Menentukan koefisien b
0
, b
1
, b
2
, ., b
n
b
0
= f(x
0
)
b
1
= f[x
1
,x
0
]
b
2
= f[x
2
,x
1
,x
0
]
.
.
b
n
= f[x
n
,x
n-1
,,x
1
,x
0
]
dengan definisi fungsi berkurung [(.)] adalah
pembagian beda hingga.
Misalkan pembagian beda hingga pertama :
Pembagian beda hingga kedua adalah :
Pembagian beda hingga ke-n :
Secara skematis pembagian beda hingga dari
yang rendah ke tinggi diberikan dalam tabel
berikut :
BAB V. INTERPOLASI
Contoh Interpolasi Polinomial Order 3
Hitunglah nilai ln 2 dengan menggunakan
pendekatan interpolasi polinomial order 3, jika
diketahui data sebagai berikut :
x
0
= 1 f(x
0
) = 0
x
1
= 4 f(x
1
) = 1,3862944
x
2
= 6 f(x
2
) = 1,7917595
x
3
= 5 f(x
3
) = 1,6094379
Jawab
Persamaan interpolasi polinomial order 3 :
Pembagian beda hingga pertama :
Pembagian beda hingga kedua :
Pembagian beda hingga ketiga dihitung sbb:
BAB V. INTERPOLASI
Nilai f[x
1
,x
0
], f[x
2
,x
1
,x
0
] dan f[x
3
,x
2
,x
1
,x
0
] berturut-turut adalah nilai-
nilai koefisien b
1
, b
2
, dan b
3
.
Sedangkan nilai b
0
adalah nilai f(x
0
) = 0
Dengan memasukkan nilai-nilai koefisien b
0
, b
1
, b
2
, b
3
dan nilai-
nilai x
0
, x
1
, x
2
, x
3
persamaan interpolasi polinomial order 3 menjadi
Hasil interpolasi polinomial order 3 di titik x = 2, didapat dengan
memasukkan nilai x = 2 ke persamaan diatas :
f
3
(2) = 0,62876869
Besar kesalahan dengan menggunakan interpolasi polinomial
order 3 :
BAB V. INTERPOLASI
5.4. Interpolasi Polinomial Lagrange
Hampir sama dengan polinomial Newton, tetapi
tidak menggunakan bentuk pembagian beda
hingga.
Interpolasi polinomial Lagrange dapat
diturunkan dari persamaan Newton. Bentuk
polinomial Newton order satu :
f
1
(x) = f(x
0
) + (x
1
-x
0
)f[x
1
,x
0
] ..(i)
Pembagian beda hingga pada persamaan diatas
Substitusi pers.(ii) ke pers.(i), menghasilkan :
.(ii)
Persamaan ditata ulang dengan mengelompokkan
suku-suku di ruas kanan, menghasilkan :
atau :
Persamaan diatas adalah persamaan interpolasi
polinomial Lagrange order satu.
Dengan cara yang sama, diperoleh persamaan
interpolasi polinomial Lagrange order dua, sbb :
BAB V. INTERPOLASI
Secara umum bentuk interpolasi polinomial
Lagrange order n adalah :
dimana :
dimana simbol merupakan perkalian
Untuk interpolasi Lagrange order 3, persamaan
tersebut menjadi :
f
3
(x) = L
0
(x)f(x
0
) + L
1
(x)f(x
1
) + L
2
(x)f(x
2
) + L
3
(x)f(x
3
)
Dimana L
0
, L
1
, L
2
dan L
3
adalah sebagai berikut :
Sehingga bentuk interpolasi polinomial Lagrange
order 3 adalah :
BAB V. INTERPOLASI
Contoh Interpolasi Polinomial Lagrange
Gunakan interpolasi polinomial Lagrange order satu dan dua
untuk menghitung ln 2 dengan menggunakan data sebagai
berikut :
x
0
= 1 f(x
0
) = 0
x
1
= 4 f(x
1
) = 1,3862944
x
2
= 6 f(x
2
) = 1,7917595
Jawab
Penyelesaian interpolasi polinomial Lagrange order satu :
Penyelesaian interpolasi polinomial Lagrange orde dua :
Terlihat bahwa kedua hasil di atas memberikan hasil yang
hampir sama dengan contoh sebelumnya.

Metode Numerik

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Metode Numerik

Diunggah oleh

Hak Cipta:

Format Tersedia

LOGO

METODE KOMPUTASI & ANALISIS NUMERIK

Dari tabel diatas terlihat bahwa pada

1 0 6667 , 0 I 6667 , 5 6667 , 2 0

0,2048 0,0964 0,2651 - I 1 0 0

2048 , 0 0964 , 0 2651 , 0

Anda mungkin juga menyukai