Anda di halaman 1dari 98

BAB I PENDAHULUAN

1.1

UMUM

Metoda numerik adalah teknik untuk menyelesaikan permasalahan-permasalahan


yang diformulasikan secara matematik dengan cara operasi hitungan (arithmatic).
Berbagai permasalahan dalam bidang ilmu pengetahuan dan teknologi dapat
digambarkan dalam bentuk persamaan matematik. Apabila persamaan tersebut
mempunyai bentuk sederhana, penyelesaiannya dapat dilakukan secara analitis.
Tetapi pada umumnya bentuk persamaan sulit diselesaikan secara analitis, sehingga
penyelesaiannya dilakukan secara numeris. Hasil dari penyelesaian numeris
merupakan nilai perkiraan atau pendekatan, maka terdapat kesalahan terhadap nilai
eksak. Nilai kesalahan tersebut harus cukup kecil terhadap tingkat kesalahan yang
ditetapkan.
Dalam metoda numerik terdapat beberapa bentuk proses hitungan atau algoritma
untuk menyelesaikan suatu persamaan matematis. Hitungan numerik dapat
dilakukan dengangan menggunakan salah satu dari bentuk proses hitungan yang
paling efisien yang memerlukan waktu hitung paling cepat. Operasi hitungan
dilakukan dengan iterasi dalam jumlah yang sangat banyak dan berulang-ulang.
Oleh karena itu diperlukan bantuan komputer untuk melaksanakan operasi
hitungan tersebut. Tanpa bantuan komputer metoda numerik tidak banyak
memberikan manfaat.
Meskipun metoda numerik banyak dikembangkan oleh para ahli matematika, tetapi
ilmu tersebut bukan hanya milik mereka. Ilmu metoda numerik adalah milik semua
ahli dari berbagai bidang, seperti bidang teknik (sipil, mesin, elektro, kimia,
aeronotika dan sebagainya), kedokteran, ekonomi, sosial dan bidang ilmu lainnya.
Berbagai masalah yang ada dalam berbagai disiplin ilmu pengetahuan dapat
digambarkan dalam bentuk matematik dari berbagai fenomena yang berpengaruh.
Misalnya gerak air dan polutan di saluran, sungai dan laut, aliran udara, perambatan
panas, defleksi suatu pelat dan balok, dan sebagainya dapat digambarkan dalam
bentuk matematik. Biasanya fenomena yang berpengaruh tersebut cukup banyak
dan sangat kompleks, dan untuk menyederhanakannya dilakukan anggapan
sehingga beberapa fenomena yang kurang berpengaruh dapat diabaikan. Meskipun
telah dilakukan penyederhanaan, namun sering persamaan tersebut tidak bisa
diselesaikan secara analitis. Untuk itu diperlukan metoda numerik untuk
menyelesaikan persamaan tersebut.
1.2

KESALAHAN (ERROR)

Penyelesaian secara numeris dari suatu persamaan matematik hanya memberikan


nilai perkiraan yang mendekati nilai eksak (yang sebenarnya) dari penyelesaian
analitis. Berarti dalam penyelesaian numerik tersebut terdapat kesalahan terhadap
nilai eksak. Ada tiga macam kesalahan yaitu kesalahan bawaan, kesalahan
pembulatan dan kesalahan pemotongan.

I-1

Kesalahan bawaan adalah kesalahan dari nilai data. Kesalahan tersebut bisa terjadi
karena kekeliruan dalam menyalin data, salah membaca skala atau kesalahan karena
kurangnya pengertian mengenai hukum-hukum fisik dari data yang diukur.
Kesalahan pembulatan terjadi karena tidak diperhitungkannya beberapa angka
terakhir dari suatu bilangan. Kesalahan ini terjadi apabila bilangan perkiraan
digunakan untuk menggantikan bilangan eksak. Suatu bilangan dibulatkan pada
posisi ke n dengan membuat semua angka di sebelah kanan dari posisi tersebut nol.
Sedang angka pada posisi ke n tersebut tidak berubah atau dinaikkan satu digit yang
tergantung apakah nilai tersebut lebih kecil atau lebih besar dari setengah dari angka
posisi ke n.
Sebagai contoh, nilai :
3,1415926

dibulatkan menjadi 3,14

2,7182818

dibulatkan menjadi 2,72

Kesalahan pemotongan terjadi karena tidak dilakukannya hitungan sesuai dengan


prosedur matematika yang benar. Sebagai contoh suatu proses tak terhingga diganti
dengan proses berhingga. Di dalam matematika, suatu fungsi dapat dipresentasikan
dalam bentuk deret tak terhingga, misalkan :

+ + +
2! 3! 4!
Nilai eksak dari ex diperoleh apabila semua suku dari deret tersebut diperhitungkan.
Dalam praktek, sulit memperhitungkan semua suku samapai tak terhingga. Apabila
hanya diperhitungkan beberapa suku pertama saja, maka hasilnya tidak sama
dengan nilai eksak. Kesalahan karena hanya memperhitungakan beberapa suku
pertama disebut dengan kesalahan pemotongan. Kesalahan pemotongan ini akan
dijelaskan lebih mendalam dalam Sub bab 1.4 tentang deret Taylor.
= 1 + +

1.3

KESALAHAN ABSOLUT DAN RELATIF

Hubungan antara nilai eksak, nilai perkiraan dan kesalahan dapat diberikan dalam
bentuk berikut ini.
= +
Dengan :
p

= nilai eksak

p*

= nilai perkiraan

Ee

= kesalahan terhadap nilai eksak

Indeks e menunjukkan bahwa kesalahan dibandingkan terhadap nilai eksak. Dari


bentuk persamaan di atas dapat disimpulkan bahwa kesalahan adalah perbedaan
antara nilai eksak dan nilai perkiraan, yaitu :

Ee = p p *

(I-1)

I-2

Bentuk kesalahan seperti diberikan oleh Persamaan Ee = p p *


(I-1)
disebut
dengan kesalahan absolut. Kesalahan absolut tidak menunjukkan besarnya tingkat
kesalahan. Sebagai contoh, kesalahan satu sentimeter pada pengukuran panjang
pensil akan sangat terasa dibanding dengan kesalahan yang sama pada pengukuran
panjang jembatan.
Besarnya tingkat kesalahan dapat dinyatakan dalam bentuk kesalahan relatif, yaitu
dengan membandingkan kesalahan yang terjadi dengan nilai eksak.

e =

Ee
p

(I-2)

Dengan e adalah kesalahan relatif terhadap nilai eksak.


Kesalahan relatif sering diberikan dalam bentuk persen seperti berikut ini.

e =

Ee
100 %
p

(I-3)

Dalam persamaan Ee = p p *
(I-1), (I-2) dan (I-3) kesalahan dibandingkan
terhadap nilai eksak. Nilai eksak tersebut dapat diketahui apabila suatu fungsi bisa
diselesaikan secara analitis. Dalam metoda numerik, biasanya nilai tersebut tidak
diketahui. Untuk itu kesalahan dinyatakan berdasarkan nilai perkiraan terbaik dari
nilai eksak, sehingga kesalahan mempunyai bentuk berikut :

a =

Ea
100 %
p

........................................................................................... (I-4)

Dimana :
Ea

= kesalahan terhadap nilai perkiraan terbaik

p*

= nilai perkiraan terbaik

Indeks a menunjukkan bahwa kesalahan dibandingkan terhadap nilai perkiraan


(approximate value).
Dalam metode numerik sering dilakukan pendekatan secara iteratif. Pada
pendekatan tersebut nilai perkiraan sekarang dibuat berdasarkan nilai perkiraan
sebelumnya. Dalam hal ini, kesalahan adalah perbedaan antara perkiraan
sebelumnya dan perkiraan sekarang dan kesalahan relatif diberikan oleh bentuk
berikut :

a =

p*

n +1

P*n

p*n+1

100 %

.................................................................................... (I-5)

Dimana :
p*n

= nilai perkiraan pada iterasi ke-n

p*n +1

= nilai perkiraan pada iterasi ke-n+1

I-3

Contoh 1
Pengukuran jembatan dan pensil memberikan hasil 9999 cm dan 9 cm. Apabila
panjang yang sebenarnya (eksak) berturut-turut adalan 10000 cm dan 10 cm, hitung
kesalahan absolut dan relatif.
Penyelesaian
a. Kesalahan absolut
Jembatan :
Ee = 10000 9999 = 1 cm
Pensil :
E e = 10 9 = 1 cm
b. Kesalahan relatif
Jembatan :
E
1
e = e 100 % =
100 % = 0,01%
p
10.000
Pensil
E
1
e = e 100 % = 100 % = 10 %
p
10
Contoh tersebut menunjukkan bahwa meskipun kedua kesalahan adalah sama yaitu
1 cm, tetapi kesalahan relatif pensil adalah jauh lebih besar. Kesimpulan yang dapat
diambil bahwa pengukuran jembatan memberikan hasil yang baik (memuaskan),
sementara hasil pengukuran pensil tidak memuaskan.
Contoh 2
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.
Penyelesaian
Untuk menunjukkan pengaruh hanya diperhitungkan beberapa suku pertama dari
deret terhadap besarnya pemotongan, maka hitungan dilakukan untuk beberapa
keadaan. Keadaan pertama apabila hanya diperhitungkan suku pertama, keadaan
kedua hanya diperhitungkan dua suku pertama, dan seterusnya sampai
diperhitungkan 6 suku pertama. Nilai e x dapat dihitung berdasarkan deret berikut
ini.

ex = 1+ x +

x2 x3 x4
+
+
+ .......
2! 3! 4!

a. Diperhitungkan satu suku pertama :


ex = 1
Kesalahan relatif terhadap nilai eksak dihitung dengan persamaan (I.3)
E
1,648721271 1
e = e 100 % =
100 % = 39,35 %
p
1,648721271
b. Diperhitungkan dua suku pertama :
ex = 1+ x
I-4

Untuk x = 0,5 maka :


e 0,5 = 1 + 0,5 = 1,5
Kesalahan relatif terhadap nilai eksak adalah :
E
1,648721271 1,5
e = e 100 % =
100 % = 9,02 %
p
1,648721271
Kesalahan berdasarkan perkiraan terbaik dihitung dengan Persamaan (I-4) :
E
1,5 1
a = a 100 % =
100 % = 33,3 %
p*
1,5
c. Diperhitungkan 3 suku pertama :
x2
0,5 2
ex = 1+ x +
= 1 + 0,5 +
= 1,625
2!
2
E
1,648721271 1,625
e = e 100 % =
100 % = 1,44 %
p
1,648721271
E
1,625 1
a = a 100 % =
100 % = 7,69 %
p*
1,625
Hitungan dilanjutkan dengan memperhitungkan sampai 6 suku pertama, dan
hasilnya diberikan dalam Tabel 1.1.
Tabel I-1 Hasil hitungan kesalahan

1.4

Suku

Hasil

e (%)

a (%)

1
2
3
4
5
6

1
1.5
1.625
1.645833333
1.648437500
1.648697917

39.3469
9.0204
1.4388
0.1752
0.0172
0.0014

33.3333
7.6923
1.2658
0.1580
0.0158

DERET TAYLOR

1.4.1 Persamaan Deret Taylor


Deret Taylor merupakan dasar untuk menyelesaikan masalah dalam metode
numerik, terutama penyelesaian persamaan diferensial. Jika suatu fungsi f(x)
diketahui di titik xi dan semua turunan dari f terhadap x diketahui pada titik
tersebut, maka dengan deret Taylor (Persamaan 1-6) dapat dinyatakan nilai f pada
titik xi+1 yang terletak pada jarak x dari titik xi. Gambar I-1 menunjukkan perkiraan
suatu fungsi dengan deret Taylor secara grafis.

I-5

y
f(x)
orde 2
orde 1

orde 0

f ( xi +1 ) = f ( xi ) + f ( xi )

i+1

x
x 2
x 3
+ f ( xi )
+ f ( xi )
1!
2!
3!
n
x
+ K + f n ( xi )
+ Rn
n!

.................................... (I-6)

Gambar I-1 Perkiraan suatu fungsi dengan Deret Taylor

Dimana :

f ( xi ) = fungsi di titik xi
f ( xi +1 ) = fungsi di titik xi +1
f , f , ..., f n = turunan pertama, kedua, , ke n dari fungsi

x = langkah ruang, yaitu jarak antara xi dan xi +1


Rn = kesalahan pemotongan
! = operator faktorial
Dalam persamaan (I-6) kesalahan pemotongan Rn diberikan oleh bentuk berikut ini.
Rn = f

n +1

( xi )

x n+1
+ f
(n + 1)!

n+ 2

( xi )

x n + 2
+L
(n + 2)!

..................................................... (I-7)

Persamaan (I-6) yang mempunyai suku sebanyak tak terhingga akan memberikan
perkiraan nilai suatu fungsi sesuai dengan penyelesaian eksaknya. Dalam praktek
sulit memperhitungkan semua suku tersebut dan biasanya hanya diperhitungkan
beberapa suku pertama saja.
1. Memperhitungkan satu suku pertama (orde 0)
Apabila hanya diperhitungkan satu suku pertama dari ruas kanan dari
persamaan (I-6) maka persamaannya menjadi :
I-6

f ( xi +1 ) f ( xi ) ................................................................................................... (I-8)
Pada persamaan (I-8) yang disebut sebagai perkiraan orde nol, nilai f pada titik
xi + 1 sama dengan nilai xi . Perkiraan tersebut adalah benar jika fungsi yang
diperkirakan adalah konstan. Jika fungsi tidak konstan, maka harus
diperhitungkan suku-suku berikutnya dari deret taylor.
2. Memperhitungkan dua suku pertama (orde 1)
Bentuk deret Taylor orde satu, yang memperhitungkan dua suku pertema, dapat
ditulis dalam bentuk :
f ( x i +1 ) = f ( x i ) + f ( x i )

x
1!

................................................................................. (I-9)

Yang merupakan bentuk persamaan garis lurus (linier).


3. Memperhitungkan tiga suku pertama (orde 2)
Bentuk deret Taylor yang memperhitungkan tiga suku pertama dari ruas kanan
dapat ditulis sebagai berikut :

f ( xi +1 ) = f ( xi ) + f ( xi )

x
x 2
+ f ( xi )
1!
2!

.......................................................... (I-10)

Persamaan (I-10) disebut perkiraan orde dua.


1.4.2 Kesalahan Pemotongan (Truncation error)
Seperti dijelaskan sebelumnya bahwa penggunaan deret Taylor akan benar jika
semua suku dari deretnya diperhitungkan. Apabila hanya menggunakan beberapa
suku pertama saja, maka terjadi ketidak-tepatan perkiraan. Kesalahan yang terjadi
ini adalah merupakan kesalahan pemotongan (truncation error, Rn ), yang dapat
ditulis dalam bentuk :

Rn = O x n +1

Indeks n menunjukkan deret yang diperhitungkan adalah sampai pada suku ke n,


sedangkan indeks n + 1 menunjukkan bahwa kesalahan pemotongan mempunyai
orde n + 1. Notasi O x n +1 berarti bahwa kesalahan pemotongan mempunyai orde
x n +1 ; atau kesalahan adalah sebanding dengan langkah ruang pangkat n + 1.
Kesalahan pemotongan tersebut adalah kecil apabila :

1. Interval x adalah kecil.


2. Memperhitungkan lebih banyak suku dari deret Taylor
Pada perkiraan orde satu, besarnya kesalahan pemotongan adalah :

( )

O x 2 = f (xi )

x 2
x 3
+ f (xi )
+ L ............................................................ (I-11)
2!
3!

I-7

1.5

DIFERENSIAL NUMERIK

Diferensial numerik digunakan untuk memperkirakan bentuk diferensial kontinu


menjadi bentuk diskret. Diferensial numerik banyak digunakan untuk
menyelesaikan persamaan diferensial. Bentuk tersebut dapat diturunkan
berdasarkan deret Taylor.
1.5.1 Diferensial Turunan Pertama
Deret Taylor (Persamaan I-6) dapat ditulis dalam bentuk :
f ( x i +1 ) = f ( x i ) + f ( x i )

x
+ O x 2
1!

................................................................ (I-12)

Atau,
f ( xi +1 ) f ( xi )
f
= f ( xi ) =
O(x ) .............................................................. (I-13)
x
x

Seperti yang terlihat pada Gambar I-2 dan persamaan (I-13), turunan pertama dari f
terhadap x di titik xi didekati oleh kemiringan garis yang melalui titik B ( xi , f( xi ))
dan titik C ( xi +1 , f( xi +1 )).
y

f(x)

A
B

i-1

i+1

Gambar I-2 Perkiraan garis singgung suatu fungsi

Bentuk diferensial dari persamaan (I-13) disebut diferensial maju orde satu. Disebut
diferensial maju karena menggunakan data pada titik xi dan xi +1 untuk
memperhitungkan diferensial. Jika data yang digunakan adalah di titik xi dan xi 1 ,
maka disebut diferensial mundur, dan deret Taylor menjadi :

f ( xi 1 ) = f ( xi ) f ( xi )

x
x 2
x 3
+ f ( xi )
f ( xi )
+ L .............................. (I-14)
1!
2!
3!

Atau,
I-8

( )

f ( x i 1 ) = f ( x i ) f ( x i )x + O x 2

................................................................. (I-15)

f ( xi ) f ( xi 1 )
f
= f ( xi ) =
+ O (x ) .............................................................. (I-16)
x
x

Apabila data yang digunakan untuk memperkirakan diferensial dari fungsi adalah
pada titik xi 1 dan xi +1 , maka perkiraannya disebut diferensial terpusat. Jika
persamaan (I-6) dikurangi persamaan (I-14) didapat :

f ( xi +1 ) f ( xi 1 ) = 2 f ( xi )x + 2 f ( xi )

x 3
+L
3!

Atau,

f ( xi +1 ) f (xi 1 )
f
x 3
= f ( xi ) =
f ( xi )
+L
x
2x
6
Atau,
f (xi +1 ) f ( xi 1 )
f
= f ( xi ) =
+ O x 2 L
x
2x

( )

.................................................. (I-17)

Dari persamaan (I-17) terlihat bahwa kesalahan pemotongan berorde x 2 , sedang


pada diferensial maju dan mundur berorde x . Untuk interval x kecil, nilai
kesalahan pemotongan yang berorde 2 x 2 lebih kecil dari orde 1(x ) . Hal ini
menunjukkan bahwa perkiraan diferensial terpusat lebih teliti dibanding diferensial
maju atau mundur. Keadaan ini juga dapat dilihat pada Gambar I-2 Kemiringan
garis yang melalui titik A dan C (diferensial terpusat) hampir sama dengan
kemiringan garis singgung di titik xi dibanding dengan kemiringan garis singgung
yang melalui titik A dan B (diferensial mundur) atau titik B dan C (diferensial maju).

( )

1.5.2 Diferensial Turunan Kedua


Turunan kedua dari suatu fungsi dapat diperoleh dengan menjumlahkan persamaan
(I-6) dengan persamaan (I-14) sebagai berikut :

f ( xi +1 ) + f ( xi 1 ) = 2 f ( xi ) + 2 f (xi )

x 2
x 4
+ 2 f ( xi )
+L
2!
4!

Atau,

f ( xi ) =

f ( xi +1 ) 2 f ( xi ) + f ( xi 1 )
x 2

f
(
x
)
L
i
12
x 2

Atau,

f ( xi +1 ) 2 f ( xi ) + f (xi 1 )
2 f
= f ( xi ) =
O x 2
2
x
x 2

( )

........................................ (I-18)

Dari uraian diatas disimpulkan bahwa bentuk diferensial (biasa ataupun parsial)
dapat diubah dalam bentuk diferensial numerik (beda hingga).

I-9

1.5.3 Diferensial Turunan Lebih Tinggi


Dengan cara serupa seperti yang telah diberikan di depan, dapat diturunkan
diferensial yang lebih tinggi seperti diberikan berikut ini :
1. Diferensial turunan ketiga :

f ( xi + 2 ) 2 f ( xi +1 ) + 2 f ( xi 1 ) f ( xi 2 )
3 f
= f ( xi ) =
3
x
2x 3

......................................... (I-19)

2. Diferensial turunan keempat :

f ( xi + 2 ) 4 f (xi +1 ) + 6 f ( xi ) 4 f (xi 1 ) + f ( xi 2 )
4 f
= f (xi ) =
........................... (I-20)
4
x
x 4
1.5.4 Turunan Terhadap Variabel Lain
Telah dipelajari di depan deret Taylor untuk suatu fungsi yang hanya mengandung
satu variabel bebas. Apabila fungsi mengandung lebih dari satu variabel bebas,
seperti f(x, y), maka bentuk deret Taylor menjadi :

f (xi +1 , y j +1 ) = f (xi , y j ) +

f x f y 2 f x 2 2 f y 2
+
+
+ 2
+L
x 1! y 1! x 2 2!
y 2!

.............. (I-21)

Dengan cara yang sama seperti telah dijelaskan di depan, turunan pertama terhadap
variabel x dan y berturut-turut dapat ditulis dalam bentuk (diferensial maju) :

f (xi +1 , y j ) f (xi , y j )
f

x
x

.............................................................................. (I-22)

f (xi , y j +1 ) f (xi , y j )
f

y
y

............................................................................. (I-23)

Untuk menyederhanakan penulisan, selanjutnya bentuk f (x i , y j ) ditulis menjadi f i , j


dengan subskrip i dan j menujukkan komponen dalam arah sumbu x dan y. Apabila
fungsi berada dalam sistem tiga dimensi (sistem koordinat x, y, z); maka f (xi , y j , z k )
ditulis menjadi f i , j , k . Dengan cara seperti itu maka persamaan (I-22) dan (I-23) dapat
ditulis menjadi :

f i +1, j f i , j
f

x
x

.............................................................................................. (I-24)

f i , j +1 f i , j
f

y
y

.............................................................................................. (I-25)

Untuk diferensial terpusat bentuk di atas menjadi :

f i +1, j f i 1, j
f

x
2x

............................................................................................ (I-26)

f i , j +1 f i , j 1
f

y
2y

............................................................................................ (I-27)

I-10

Dengan cara yang sama, turunan kedua terhadap x dan y dapat ditulis menjadi :

f i 1, j 2 f i , j + f i +1, j
2 f

2
x
x 2

.............................................................................. (I-28)

f i , j 1 2 f i , j + f i , j +1
2 f

y 2
y 2

.............................................................................. (I-29)

Gambar I-3 menunjukkan jaringan titik hitungan untuk fungsi yang berada dalam
koordinat x dan y (dua dimensi).
y

j+1
(i, j+1)

j
(i-1, j)

(i, j)

(i+1, j)

j-1
(i, j-1)

i-1

i+1

Gambar I-3 Jaringan titik hitungan dalam sistem dua dimensi (x, y)

Sering dijumpai permasalahan di mana suatu fungsi selain tergantung pada ruang
juga tergantung pada waktu, misalnya pada aliran tidak permanen seperti banjir
atau pasang surut dan perambatan panas. Dalam hal ini turunan fungsi f ( x, t )
terhadap waktu (t) dapat ditulis dalam bentuk :

f n +1 f i n
f
i
t
t

............................................................................................... (I-30)

Dalam persamaan (I-30) superskrip n menunjukkan bahwa variabel f merupakan


fungsi dari waktu. Gambar I-4 adalah jaringan titik hitungan yang digunakan untuk
memperkirakan diferensial pasial fungsi f terhadap x dan t.

I-11

n+1
t
n

n-1

x
i-1

x
i

i+1

Gambar I-4 Jaringan titik hitungan sistem ruang-waktu (x-t)

Contoh 3
Diketahui suatu fungsi f ( x ) = 0,25x 3 + 0,5 x 2 + 0,25x + 0,5 . Dengan menggunakan
deret Taylor ordo nol, satu, dua dan tiga, perkirakan fungsi tersebut pada titik
xi +1 = 1 , berdasarkan nilai fungsi pada titik xi = 0 . Titik xi +1 = 1 berada pada jarak

x = 1 dari titik xi = 0 .
Penyelesaian
Karena bentuk fungsi sudah diketahui, maka dapat dihitung nilai f ( x ) antara 0 dan
1. Gambar I-5 menunjukkan fungsi tersebut.
3

Untuk xi = 0

maka f ( x = 0 ) = 0,25(0 ) + 0,5(0) + 0,25(0) + 0,5 = 0,5

Untuk xi +1 = 1

maka f ( x = 1) = 0,25(1)3 + 0,5(1)2 + 0,25(1) + 0,5 = 1,5

Jadi nilai eksak untuk f ( x = 1) adalah 1,5. Apabila digunakan deret Taylor ordo nol,
maka berdasarakan persamaan (I-8) didapat :

f ( xi +1 = 1) f ( xi = 0) 0,5
Seperti terlihat pada Gambar I-5, perkiraan ordo nol adalah konstan, dan kesalahan
pemotongannya adalah :

E e = p p* = 1,5 0,5 = 1,0


Apabila digunakan deret Taylor ordo satu, nilai f ( xi +1 = 1) dapat dihitung dengan
menggunakan persamaan (I-9). Pertama kali dihitung turunan fungsi di titi xi = 0 :

f (xi = 0 ) = 0,75 x 2 + x + 0,25 = 0,75(0 ) + 0 + 0,25 = 0,25


2

I-12

Sehingga diperoleh :
f ( x i +1 ) f ( x i ) + f ( x i )

x
1
0,5 + 0,25 = 0,75
1!
1

Dalam Gambar I-5 perkiraan ordo satu adalah garis lurus, dan kesalahan
pemotongannya adalah :

E e = p p* = 1,5 0,75 = 0,75


Apabila digunakan deret Taylor ordo dua, maka nilai f ( xi +1 = 1) dapat dihitung
dengan menggunakkan persamaan (I-10). Dihitung turunan ke-dua dari fungsi di
titik xi = 0 :

f ( xi = 0) = 1,5 x + 1 = 1,5(0) + 1 = 1,0


Sehingga diperoleh :

f ( xi +1 ) f ( xi ) + f ( xi )

x
x 2
1
12
+ f ( xi )
0,5 + 0,25 + 1,0
= 1,25
1!
2!
1
1 2

Dalam Gambar I-5 perkiraan ordo dua adalah garis lengkung, dan kesalahan
pemotongannya adalah :

E e = p p* = 1,5 1,25 = 0,25


Apabila digunakan deret Taylor ordo tiga, nilai f ( xi +1 = 1) dapat dihitung dengan
menggunakkan persamaan (I-6) menjadi :

f ( xi +1 ) f ( xi ) + f ( xi )

x
x 2
x 3
+ f ( xi )
+ f ( xi )
1!
2!
3!

Turunan ketiga dari fungsi pada xi = 0 adalah :

f ( xi = 0) = 1,5
Sehingga diperoleh :

1
12
13
f ( xi +1 = 1) 0,5 + 0,25 + 1,0
+ 1,5
= 1,5
1
1 2
1 2 3
Kesalahan pemotongannya adalah :

E e = p p* = 1,5 1,5 = 0,0


Terlihat bahwa dengan menggunakan deret Taylor ordo tiga, hasil penyelesaian
numerik sama dengan penyelesaian eksak.

I-13

Gambar I-5 Perkiraan fungsi dengan deret Taylor

Contoh 4
Diketahui suatu fungsi f ( x ) = 0,25x 3 + 0,5 x 2 + 0,25x + 0,5 . Perkirakan turunan
pertama (kemiringan kurva) dan turunan kedua dari persamaan tersebut di titik x =
0,5 dengan menggunakan langkah ruang x =0,5.
Penyelesaian
Secara analitis turunan pertama dan kedua dari fungsi adalah :

f (xi = 0,5) = 0,75 x 2 + x + 0,25 = 0,75(0,5) + 0,5 + 0,25 = 0,9375


2

f ( xi = 0,5) = 1,5 x + 1 = 1,5(0,5) + 1 = 1,75


Dengan x = 0,5 dapat dihitung nilai fungsi pada titik xi 1 , xi dan xi +1 :
xi 1 = 0

f ( xi 1 ) = 0,5

xi = 0,5

f (xi ) = 0,78125

xi +1 = 1,0

f (xi +1 ) = 1,5

Perkiraan turunan pertama dengan diferensial mundur :


f ( x i = 0,5)

f ( xi ) f ( xi 1 ) 0,78125 0,5
=
= 0,5625
x
0,5

Kesalahan terhadap nilai eksak :

e =

Ee
0,9375 0,5625
100 % =
100 % = 40 %
p
0,9375

Perkiraan turunan pertama dengan diferensial maju :

I-14

f (xi = 0,5)

f (xi +1 ) f (xi ) 1,5 0,78125


=
= 1,4375
x
0,5

Kesalahan terhadap nilai eksak :

e =

0,9375 1,4375
100 % = 53,3 %
0,9375

Perkiraan turunan pertama dengan diferensial terpusat :

f ( xi = 0,5)

f ( xi +1 ) f (xi 1 ) 1,5 0,5


=
= 1,0
2x
2 0,5

Kesalahan terhadap nilai eksak :

e =

0,9375 1,0
100 % = 6,7 %
0,9375

Perkiraan turunan kedua :

f ( xi )

f ( xi +1 ) 2 f ( xi ) + f ( xi 1 ) 1,5 2 0,78125 + 0,5


=
= 1,75
x 2
(0,5)2

Kesalahan terhadap nilai eksak :

e =

1,75 1,75
100 % = 0,0 %
0,9375

Gambar I-6 menunjukkan kemiringan analitis di titik x = 0,5 dan perkiraan turunan
fungsi di titik tersebut.

I-15

Gambar I-6 Perkiraan kemiringan fungsi

Contoh 5
Tulis bentuk persamaan diferensial parsial berikut, yang merupakan persamaan
perambatan panas pada batang, dalam bentuk persamaan diferensial numerik.

T
2T
=K 2
t
x
Penyelesaian
Dengan menggunakan cara seperti telah dijelaskan di depan, bentuk turunan
pertama terhadap t dan turunan kedua terhadap x dapat ditulis dalam bentuk :

T Ti n+1 Ti n

t
t
2T Ti n1 2Ti n + Ti +n1

x 2
x 2
Sehingga persamaan awal menjadi :

Ti n+1 Ti n
T n 2Ti n + Ti +n1
= K in i 1
t
x 2
Atau,

Ti n+1 = Ti n +

K i , j t
x 2

(T

n
i 1

2Ti n + Ti +n1

Penjelasan lebih rinci mengenai penyelesaian persamaan diferensial parsial akan


diberikan pada bab selanjutnya.

I-16

BAB II
PENYELESAIAN NUMERIK
PERSAMAAN NON LINEAR

2.1

UMUM

Dalam bab ini akan dipelajari beberapa metode mencari akra-akar persamaan. Secara
analitis akar persamaan polinom berderajad dua atau persamaan kuadrat, dapat
dicari dengan menggunakan rumus sbb:
x1, 2 =

b b2 4 a c
2a

................................................................................................ ( II-1)

Untuk persamaan polinom berpangkat tiga atau empat, rumus-rumus yang ada
sangat kompleks dan jarang sekali digunakan. Sedangkan untuk persamaan polinom
berderajad lebih tinggi tidak ada rumus yang dapat digunakan untuk
menyelesaikannya. Untuk menyelesaikan persamaan polinom tersebut digunakan
metoda numerik yang menghasilkan solusi pendekatan dari solusi eksak.
Beberapa metoda untuk menyelesaikan permasalahan tersebut diatas adalah sebagai
berikut :
1. Metoda Setengah Interval (Bisection)
2. Meroda Interpolasi Linier (Regula Falsi)
3. Metoda Newton-Raphson
4. Metoda Secant
Metoda-metoda tersebut di atas akan dijelaskan pada subab berikut ini.
2.2

METODA SETENGAH INTERVAL (BISECTION)

Metoda ini merupakan metoda yang paling sederhana dan paling mudah digunakan
dari metoda-metoda yang akan dipelajari. Logika prosedur perhitungan metoda ini
dapat dilihat pada Gambar II-1 dan diagram alir Gambar II-2 berikut. Harga xt
dihitung dengan rumus berikut :

xt =

xi + xi +1
...................................................................................................................... ( II-2)
2

Prosedur perhitungan dengan metoda setengah interval adalah sebagai berikut :


1. Tentukan harga xi , xi +1 , dan toleransi ketelitian (tol)
2. Kemudian hitung f ( xi ) dan f ( xi +1 ) .

II-17

3. Cek apakah
nomor 1.
4. Hitung xt =

f ( xi ) f ( xi +1 ) < 0 , jika

f ( xi ) f ( xi +1 ) > 0 kembali ke langkah

xi + xi +1
dan f ( xt )
2

5. Cek apakan f ( xt ) < tol , jika ya hitungan selesai dan solusi adalah xt , jika
tidak dilanjutkan ke langkah ke 6.
6. Buat evaluasi sebagai berikut untuk menentukan di dalam sub interval mana
akar persamaan berada :
a. Jika f (xt ) f ( xi ) < 0 , maka solusi persamaan berada pada interval xt dan

xi , kemudian xi +1 = xt dan f ( xi +1 ) = f ( xt ) kembali ke langkah nomor 4.


b. Jika f ( xt ) f ( xi ) > 0 , maka solusi persamaan berada pada interval xt dan

xi +1 , kemudian xi = xt dan f ( xi ) = f ( xt ) kembali ke langkah nomor 4.

Gambar II-1 Prosedur Perhitungan Metoda Setengah Interval

II-18

II-19

Mulai
Tentukan xa,
xb dan tol
Hitung f(xa) dan f(xb)

tidak

f(xa) f(xb) < 0


ya
Hitung

xt =

xa + xb
dan f ( xt )
2
ya

|f(xt)| < tol

Tulis hasil
xt ; f(xt)

tidak
ya

Selesai

f(xt) f(xa) < 0

Solusi persamaan pada interval xa dan xt.


Maka :
xb = xt
f(xb) = f(xt)

tidak

Solusi persamaan pada interval xt dan xb.


Maka :
xa = xt
f(xa) = f(xt)

Gambar II-2 Diagram Alir Prosedur Perhitungan Metoda Setengah Interval

Contoh perhitungan metoda setengah interval:


Hitung solusi persamaan non linear berikut ini.
f ( x ) = x 3 + x 2 3x 3 = 0

Penyelesaian
Langkah iterasi ke-1
Misal diambil x1b = 1 , x1a = 2 dan toleransi ketelitian (tol) = 0,0001

( )

( )

Hitung f x b1 dan f x1a

f xb1 = 1 = 13 + 12 3 3 = 4

II-20

( )
f (x ) f (x )
f (x ) f (x ) = 4 3 = 12 < 0
f x1a = 2 = 2 3 + 2 2 6 3 = 3

Cek

1
b

1
a

1
b

1
a

ok!

Hitung xt1
xb1 + x1a 1 + 2
=
= 1,5
2
2

x1t =

( )

Hitung f x1t

(
)
f (x = 1,5) = 1,875 > 0,0001 Not ok!
Hitung f (x ) f (x )
f (x ) f (x ) = 1,875 ( 4 ) = 7,5 > 0

f xt1 = 1,5 = 1,53 + 1,5 2 3 1,5 3 = 1,875


1
t

1
t

1
b

1
t

1
b

Berarti solusi persamaan berada pada interval xt1 dan x1a maka xb2 = xt1 dan

( ) ( )

f xb2 = f xt1 = 1,875 . Interval berubah menjadi xb2 = 1,5 dan xa2 = x1a = 2 untuk

langkah iterasi ke-2.


Langkah iterasi ke-2
Hitung kembali xt2
xt2 =

xb2 + xa2 1,5 + 2


=
= 1,75
2
2

( )

Hitung f xt2

(
f (x

)
= 1,75) = 0,17188 > 0,0001 Not ok!
Hitung kembali f (x ) f (x )
f (x ) f (x ) = 0,17188 ( 1,875 ) = 0,32227 < 0

f xt2 = 1,75 = 1,75 3 + 1,75 2 3 1,75 3 = 0,17188


2
t

2
t

2
t

2
b

2
b

Berarti solusi persamaan berada pada interval xb2 dan xt2 maka xa3 = xt2 dan

( ) ( )

f xa3 = f xt2 = 0,17188 . Interval berubah menjadi xb3 = xb2 = 1,5 dan xa3 = xt2 = 1,75

untuk langkah iterasi ke-3.


Kemudian

( )
xtn

dihitung

kembali

xt3

dan

f
< 0,0001 dan solusi persamaan adalah
di tabelkan seperti pada Tabel II-1 berikut.

seterusnya
xtn .

sehingga

mendapatkan

Untuk mempermudah, perhitungan

Tabel II-1 Solusi Perhitungan Dengan Metoda Setengah Interval

II-21

xbn

1
2
3
4
5
6
7
8
9
10
11
12
13

1.00000
1.50000
1.50000
1.62500
1.68750
1.71875
1.71875
1.72656
1.73047
1.73047
1.73145
1.73193
1.73193

xan
2.00000
2.00000
1.75000
1.75000
1.75000
1.75000
1.73438
1.73438
1.73438
1.73242
1.73242
1.73242
1.73218

x tn
1.50000
1.75000
1.62500
1.68750
1.71875
1.73438
1.72656
1.73047
1.73242
1.73145
1.73193
1.73218
1.73206

f xbn

( )

f xbn

( )

f xtn

( )

-4.00000
-1.87500
-1.87500
-0.94336
-0.40942
-0.12479
-0.12479
-0.05176
-0.01496
-0.01496
-0.00573
-0.00111
-0.00111

3.00000
3.00000
0.17188
0.17188
0.17188
0.17188
0.02203
0.02203
0.02203
0.00351
0.00351
0.00351
0.00120

-1.87500
0.17188
-0.94336
-0.40942
-0.12479
0.02203
-0.05176
-0.01496
0.00351
-0.00573
-0.00111
0.00120
0.00005

( )

= 0,00005 < 0,0001 dengan


Setelah langkah irterasi ke-13 (n = 13) di dapatkan f x13
t
= 1,73206 dan solusi numerik untuk persamaan f ( x ) = x 3 + x 2 3 x 3 = 0 adalah
x = 1,73206
x13
t

2.3

METODA INTERPOLASI LINIER (REGULA FALSI)

Metoda interpolasi linier merupakan perbaikan dari metoda setengah interval


sebelumnya. Dengan metoda ini nilai akar dari suatu fungsi dapat lebih cepat
diperoleh dibanding dengan menggunakan metoda setengah interval. Metoda
interpolasi linier di dasarkan pada interpolasi antara dua nilai dari fungsi yang
mempunyai tanda berlawanan.
Prosedur perhitungan dengan metoda interpolasi linier hampir sama dengan metoda
setengah interval. Perbedaannya adalah cara mendapatkan xt , yaitu dengan
menginterpolasi dua nilai f ( xa ) dan f ( xb ) yang memotong sumbu-x (lihat Gambar
II-3). Dengan menggunakan sifat segitiga sebangun, di dapat persamaan berikut :
xa xt
f ( xa )
.............................................................................................. ( II-3)
=
xa xb f ( xa ) f ( xb )

Sehingga xt dapat dicari dengan merekomposisi persamaan tersebut diatas sebagai


berikut :
xt = xa

f ( xa ) ( xa xb )
............................................................................................ ( II-4)
f ( xa ) f ( xb )

II-22

Gambar II-3 Metoda Interpolasi Liniear (Regula Falsi)

Prosedur perhitungan secara lengkap adalah sebagai berikut :


1. Tentukan harga x a , xb dan toleransi ketelitian (tol)
2. Hitung f ( xa ) dan f ( xb ) .
3. Cek apakah f ( x a ) f ( xb ) < 0 , jika f ( xa ) f ( xb ) > 0 kembali ke nomor 1.
4. Hitung xt = xa

f ( xa ) ( xa xb )
dan f ( xt ) .
f ( xa ) f ( xb )

5. Cek apakan f ( xt ) < tol , jika ya hitungan selesai dan solusi adalah xt , jika tidak
dilanjutkan ke langkah ke 6.
6. Buat evaluasi sebagai berikut untuk menentukan di dalam sub interval mana
akar persamaan berada :
c. Jika f ( xt ) f ( xa ) < 0 , maka solusi persamaan berada pada interval xt dan
x a , maka xb = xt dan f ( xb ) = f ( xt ) , kembali ke langkah nomor 4.
d. Jika f ( xt ) f ( xa ) > 0 , maka solusi persamaan berada pada interval xt dan
x a , maka xa = xt dan f (xa ) = f (xt ) , kembali ke langkah nomor 4.
Diagram alir prosedur perhitungan dengan metoda interpolasi linier dapat dilihat
pada Gambar II-4.

II-23

Mulai
Tentukan xa,
xb dan tol
Hitung f(xa) dan f(xb)

f(xa) f(xb) < 0

tidak

ya
Hitung

xt = xa

f ( xa ) ( xa xb )
dan f ( xt )
f ( xa ) f ( xb )
Tulis hasil
xt ; f(xt)

ya

|f(xt)| < tol


tidak
ya

Selesai

f(xt) f(xa) < 0

tidak

Solusi persamaan pada interval xt dan xb.


Maka :
xa = xt
f(xa) = f(xt)

Solusi persamaan pada interval xa dan xt.


Maka :
xb = xt
f(xb) = f(xt)

Gambar II-4 Diagram Alir Prosedur Perhitungan Metoda Interpolasi Linier

Contoh perhitungan dengan metoda interpolasi linier:


Hitung solusi numerik persamaan non linear berikut ini.

f ( x ) = x 3 + x 2 3x 3 = 0
Penyelesaian
Langkah iterasi ke-1
Misal diambil x1a = 2 dan xb1 = 1 serta toleransi ketelitian (tol) = 0,0001

( )

( )

Hitung f x1a dan f xb1

( )
f (x ) f (x )

f x1a = 2 = 23 + 2 2 6 3 = 3 dan

Cek

1
a

f xb1 = 1 = 13 + 12 3 3 = 4

1
b

II-24

( ) ( )

f x1a f xb1 = 3 4 = 12 < 0 ok!

Hitung x1t

x1t = x1a

( )(
)
( ) ( )

f x1a x1a xb1


3 (2 1)
= 2
= 1,57143
1
1
3 ( 4 )
f xa f xb

( )

Hitung f xt1

(
)
f (x = 1,57143) = 1,36443 > 0,0001 Not ok!
Hitung f (x ) f (x )
f (x ) f (x ) = 3 ( 1,36433 ) = -4.09299 < 0

f xt1 = 1,57143 = 1,57143 3 + 1,57143 2 3 1,57143 3 = 1,36443


1
t

1
a

1
a

1
t

1
t

Berarti solusi persamaan berada pada interval xt1 dan x 1a , yang berarti xb2 = x 1t dan

( ) ( )

f xb2 = f xt1

Langkah iterasi ke-2


x a2 = x1a = 2

xb2 = xt1 = 1,57143

( ) ( )

f x a2 = f x 1a = 3

( ) ( )

f x b2 = f xt1 = 1,36443

Hitung xt2

xt2 = x a2

( )(
) = 2 3 (2 1,57143) = 1,70541
3 ( 1,36443)
f (x ) f (x )

f xa2 xa2 xb2


2
a

2
b

( )

Hitung f xt2

(
)
f (x = 1,70541) = 0,24775 > 0,0001 Not ok!
Hitung f (x ) f (x )
f (x ) f (x ) = 3 ( 0,24775 ) = 0,74324 <

f xt2 = 1,70541 = 1,705413 + 1,705412 3 1,70541 3 = 0,24775


2
t

2
a

2
a

2
t

2
t

Berarti solusi persamaan berada pada interval xa2 dan xt2 , yang berarti xb3 = xt2 dan

( ) ( )

f xb3 = f xt2 .

Langkah iterasi ke-3


x a3 = x a2 = 2 ;

( ) ( )

f x a3 = f x a2 = 3 ;

xb3 = xt2 = 1,70541

( ) ( )

f xb3 = f xt2 = 0,24775

II-25

( )

Perhitungan di lanjutkan sampai didapat f xtn < 0,0001 , dimana n adalah langkah
iterasi ke-n. Untuk mempermudah penyelesaian, perhitungan di lakukan dengan
menggunakan tabel berikut.
Tabel II-2 Perhitungan dengan metoda interpolasi linier

xbn

1
2
3
4
5
6
7

1.00000
1.57143
1.70541
1.72788
1.73140
1.73195
1.73204

xan
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000

( )

xtn
1.57143
1.70541
1.72788
1.73140
1.73195
1.73204
1.73205

f xbn

f xan

( )

f xtn

( )

-4.00000
-1.36443
-0.24775
-0.03934
-0.00611
-0.00095
-0.00015

3.00000
3.00000
3.00000
3.00000
3.00000
3.00000
3.00000

-1.36443
-0.24775
-0.03934
-0.00611
-0.00095
-0.00015
-0.00002

( )

Setelah langkah iterasi ke 7 di dapatkan f xt7 = 0,00002 < 0,0001 dengan xt7 = 1,73205
dan solusi numerik untuk persamaan f ( x ) = x 3 + x 2 3 x 3 = 0 adalah x = 1,73205
2.4

METODA NEWTON-RAPHSON

Jika harga perkiraan awal solusi persamaan adalah xi , maka didapatkan titik
(xi , f (xi )) atau titik A lihat Gambar II-5. Dari titik tersebut dapat di tarik suatu garis
singgung terhadap kurva pada titik tersebut. Titik dimana garis singgung tersebut
memotong sumbu-x akan memberikan nilai perkiraan baru dari solusi persamaan
yang lebih dekat ke solusi eksak.
Seperti yang di perlihatkan pada Gambar II-5,. Turunan pertama pada xi adalah
ekivalen dengan kemiringan.
f ' ( xi ) =

f ( xi ) 0
xi xi +1

atau xi +1 = xi

f ( xi )
f ' (xi )

............................................................ (II-5)

Prosedur perhitungan dengan metoda Newton-Raphson dapat dilihat pada diagram


alir di Gambar II-6 berikut.

II-26

Gambar II-5 Prosedur metode Newton-Raphson

f ( xi ) dan f ( xi )

xi +1 = xi

f ( xi )
dan f ( xi +1 )
f ' (xi )

x i = xi + 1

xi +1 dan f ( xi +1)

Gambar II-6 Diagram alir prosedur perhitungan metoda Newton-Raphson

II-27

Contoh perhitungan dengan metoda Newton-Raphson:


Hitung salah satu akar persamaan pangkat tiga berikut ini.
f (x ) = x 3 + x 2 3x 3 = 0

Penyelesaian
Turunan pertama dari persamaan tersebut adalah:
f ' (x ) = 3x 2 + 2 x 3

Langkah iterasi ke-1 i = 1


Misal harga awal xi = x1 = 1
Hitung f ( x1 ) dan f ( x1 )
2

f ( x1 = 1) = 13 + 12 3 1 3 = 4

Hitung xi +1 = x 2

xi +1 = x2 = x1

f ( x1 = 1) = 3 (1) + 2 (1) 3 = 2

f ( x1 )
4
= 1
=3
2
f ( x1 )

Hitung f ( xi +1 ) = f ( x2 ) f ( x2 = 3) = 33 + 32 3 3 3 = 24,0000 > 0,0001 Not Ok!

Langkah iterasi ke-2 i = 2

f (x2 = 3) = 24,0000
2

f ' ( x 2 = 3) = 3 (3) + 2 (3) 3 = 30,0000

Hitung xi +1 = x3 xi +1 = x3 = x2
Hitung f (xi +1 ) = f ( x3 )
Ok!

f ( x2 )
24
= 3
= 2,2
30
f ' ( x2 )

f (x3 = 2,2 ) = 2,2 3 + 2,2 2 3 2,2 3 = 5,888

> 0,001 Not

Untuk langkah selanjutnya digunakan tabel perhitungan sebagai berikut:

II-28

Tabel II-3 Perhitungan akar persamaan dengan metoda Newton-Rapson

Iterasi

xi

1
2
3
4
5
6

1.00000
3.00000
2.20000
1.83015
1.73780
1.73207

xi +1

f ( xi )

f ' ( xi )

f ( xi +1 )

3.00000 -4.00000 2.00000 24.00000


2.20000 24.00000 30.00000 5.88800
1.83015 5.88800 15.92000 0.98900
1.73780 0.98900 10.70866 0.05457
1.73207 0.05457 9.53539 0.00020
1.73205 0.00020 9.46437 2.860E-09

Setelah langkah iterasi ke 6 di dapatkan

f ( xi +1 ) = 2,860 10 9 < 0,0001 dengan

xi +1 = 1,73205 dan solusi numerik untuk persamaan f ( x ) = x 3 + x 2 3 x 3 = 0 adalah


x = 1,73205 .
2.5

METODA SECANT

Metoda Secant merupakan perbaikan dari metoda Newton-Raphson. Dalam metoda


Newton-Raphson diperlukan turunan pertaman dari persamaan yang dihitung.
Kadang-kadang sulit untuk mencari turunan dari persamaan yang diselesaikan.
Untuk mempermudah penyelesaian, dalam metoda secant, turunan pertama dari
persamaan yang diselesaikan didekati dengan metoda diferensial beda hingga
sebagai berikut :

f ' ( xi ) =

f ( xi ) f ( xi 1 )
................................................................................................ (II-6)
xi xi 1

Seperti terlihat dalam Gambar II-7 garis singgung di titik xi didekati dengan
persamaan (II-6), dan jika persamaan (II-6) disubtitusikan ke persamaan (II-5) ,
didapat:
xi +1 = xi

f ( xi )(xi xi 1 )
.............................................................................................. (II-7)
f (xi ) f ( xi 1 )

Dalam metoda ini membutuhkan dua nilai awal xi dan xi-1, yang digunakan untuk
memperkirakan kemiringan dari fungsi. Prosedur penggunaan metoda secant ini
dapat dilihat pada diagram alir pada Gambar II-8.

II-29

Gambar II-7 Metoda Secant


Mulai

Tentukan xi, xi-1 dan tol

Hitung :

f ( xi ) dan f ( xi 1 )
Hitung :

xi+1 = xi

f (xi )( xi xi1 )
dan f ( xi+1 )
f (xi ) f (xi1 )

|f(xi+1)| < tol

tidak

x i = xi + 1

ya
Tulis hasil

xi +1 dan f ( xi +1)

Selesai

Gambar II-8 Diagram alir metoda Secant

II-30

Contoh perhitungan dengan metoda Secant


Hitung salah satu akar persamaan pangkat tiga berikut ini.
f (x ) = x 3 + x 2 3x 3 = 0

Penyelesaian
Langka iterasi ke-1 i = 2
Diambil harga xi 1 = x1 = 1 dan xi = x2 = 2
Hitung f ( x1 ) dan f ( x2 )
f ( x1 = 1) = 13 + 12 3 3 = 4 dan

f ( x2 = 2 ) = 2 3 + 2 2 6 3 = 3

Hitung xi +1 dengan persamaan (II-7)


xi +1 = xi

f ( xi )( xi xi 1 )
f ( x2 )( x2 x1 )
2(2 1)
x3 = x2
= 2
= 1,57143
f ( xi ) f ( xi 1 )
f ( x2 ) f (x1 )
3 ( 4 )

Hitung f ( xi +1 )
f (x3 = 1,57143 ) = 1,57143 3 + 1,57143 2 3 (1,57143 ) 3 = 1,36443

f ( x3 ) > 0,0001 Not Ok!


Langkah iterasi ke-2 i = 3

xi 1 = x2 = 2 dan xi = x3 = 1,57143
Hitung f ( x2 ) dan f ( x3 )

f (x2 = 2) = 3

dan

f (x3 = 1,57143) = 1,36443

Hitung xi +1 dengan persamaan (II-7)


xi +1 = xi

x 4 = x3

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

f ( x3 )( x3 x2 )
1,36443 (1,57143 2 )
= 1,57143
= 1,70541
f ( x3 ) f ( x 2 )
1,36443 3

Hitung f ( xi +1 )
f (x 4 = 1,70541) = 1,705413 + 1,705412 3 (1,70541) 3 = 0,24775

f ( x4 ) > 0,0001 Not Ok!


Perhitungan dilanjutkan sampai f (xi +1 ) < 0,0001, hasil perhitungan dapat dilihat
pada tabel berikut.
Tabel II-4 Perhitungan dengan metoda Secant

II-31

Iteraasi

xi 1

xi

xi +1

f ( xi 1 )

1
2
3
4
5

1.00000
2.00000
1.57143
1.70541
1.73514

2.00000
1.57143
1.70541
1.73514
1.73200

1.57143
1.70541
1.73514
1.73200
1.73205

-4.00000
3.00000
-1.36443
-0.24775
0.02926

Setelah langkah iterasi ke 5 di dapatkan

f ( xi )

f ( xi +1 )

3.00000 -1.36443
-1.36443 -0.24775
-0.24775
0.02926
0.02926 -0.00052
-0.00052 -1.039E-06

f (xi +1 ) = 1,039 10 6 < 0,0001 dengan

xi +1 = 1,73205 dan solusi numerik untuk persamaan f ( x ) = x 3 + x 2 3x 3 = 0 adalah


x = 1,73205

II-32

BAB III
PERSAMAAN LINEAR SIMULTAN

3.1

UMUM

Bentuk umum dari sistem persamaan linier dari m persamaan dan n variable adalah :

+ + + + =
+ + + + =
............................................................. ( III-1)
+ + + + =

+ + + + =

Dimana koefisien-koefisien amn dan bm di ketahui, sendangkan yang dicari adalah x1,
x2, x3, , xn. Jika banyaknya variabel yang dicari sama dengan banyaknya
persamaan, maka sistem persamaan tersebut disebut sistem persamaan linier
simultan. Ada tiga cara untuk menyelesaikan persamaan tersebut, yaitu :
-

Metode Eliminasi

Metode Iterasi dan

Metode Operasi Matrik

Persamaan linier simulatan pada persamaan (II-1) dapat ditulis dalam bentuk matrik
sebagai berikut :

3.2


=
............................................................. ( III-2)


CARA ELIMINASI

Penyelesaian secara eliminasi untuk sistem persamaan linear simultan merupakan


proses eliminasi bertahap dari variabel yang dicari pada persamaan simultan sampai
diperoleh bentuk persamaan dengan satu variabel.
3.2.1 Metoda Eliminasi Gauss
Metode eliminasi Gauss adalah salah satu metode yang paling awal dikembangkan
dan banyak digunakan dalam penyelesaian sistem persamaan linier. Prosedur
penyelesaian dari metode ini adalah mengurangi sistem persamaan ke dalam bentuk
segitiga atas sedemikian sehingga salah satu dan persamaan-persamaan tersebut
hanya mengandung satu bilangan tak diketahui, dan setiap persamaan berikutnya
hanya terdiri dan satu tambahan bilangan tak diketahui baru. Dalam hitungan
dengan tangan, bentuk segitiga diselesaikan dengan penambahan dan pengurangan
dari beberapa persamaan, setelah persamaan tersebut dikalikan dengan suatu faktor
(konstan).

III-33

Untuk memudahkan penjelasan, lihat suatu sistem persamaan linear dari 3


persamaan dengan 3 variabel tak diketahui berikut ini.
+ + =

(1)

+ + =

(2)

+ + =

(3)

Persamaan tersebut datas dirubah menjadi bentuk segi tiga atas


+ + =

(1)

0 +
+
=

(2)

+
=

(3)

0 +

Sehingga didapat satu persamaan dengan satu variabel yang tidak diketahui yaitu
persamaan yang terakhir.
1)
2)
3)

+ + =
+ + =
+ + =

Persamaan pertama dari sistem dibagi koefisien pertama dari persamaan pertama,
yaitu a11, sehingga menjadi :
4)

a
a11
a
b
x1 + 12 x 2 + 13 = 1
a11
a11
a11 a11

Persamaan (4) dikalikan dengan koefisien pertama dari persamaan kedua.


a 21

a
a11
a
b
x1 + a 21 12 x 2 + a 21 13 = a 21 1
a11
a11
a11
a11

Misal digunakan suatu koefisien 21 sebagai berikut,


21 =

5)

a 21
a11

21a11 x1 + 21a12 x2 + 21a13 = 21b1

Persamaan (2) dikurangi dengan prsamaan (5) sehingga didapat :

(a21 21a11 )x1 + (a22 21a12 )x2 + (a23 21a13 ) = (b2 21b1 )
Atau,
6)

0 + a'22 x 2 + a'23 x 3 = b'2

Dimana :

a21 21a11=0

a' 22 = a22 21a12

a ' 23 = a 23 21 a13

b' 2 = b2 21b1

Langkah berikutnya, persamaan yang telah dinormalkan (Persamaan 4) dikalikan


dengan koefisien pertama dari persamaan ketiga.
III-34

a31

a
b
a11
a
x1 + a31 12 x 2 + a31 13 = a31 3
a11
a11
a11
a11

Misal digunakan suatu koefisien 31 sebagai berikut,


31 =

7)

a31
a11

31a11 x1 + 31a12 x2 + 31a13 = 31b1

Persamaan (3) dikurangi dengan prsamaan (7) sehingga didapat :

(a31 31a11 )x1 + (a32 31a12 )x2 + (a33 31a13 ) = (b3 31b1 )
Atau,
8)

0 + a ' 32 x 2 + a ' 33 x 3 = b ' 3

Dimana :

a31 31a11 =0

a ' 32 = a 32 31 a12

a ' 33 = a 33 31 a13

b ' 3 = b3 31b1

Dengan melakukan prosedur hitungan tersebut di atas, akhirnya didapat sistem


persamaan berikut ini.
9)

a11 x1 + a12 x2 + a13 x3 = b1

10)

a ' 22 x 2 + a ' 23 x3 = b' 2

11)

a ' 32 x 2 + a ' 33 x 3 = b ' 3

Persamaan (9 s/d 11) ekivalen dengan persamaan aslinya, tetapi variabel x1 hanya
muncul pada persamaan pertama. Dua persamaan terakhir hanya mengandung dua
bilangan tak diketahui. Apabila kedua persamaan terakhir dapat diselesaikan untuk
nilai x2 dan x3 , maka hasilnya dapat disubstitusikan ke dalam persamaan pertama
untuk mendapatkan nilai x1. Permasalahan menjadi lebih sederhana, dari
menyelesaikan 3 persamaan dengan 3 bilangan tak diketahui menjadi penyelesaian 2
persamaan dengan 2 bilangan tak diketahui.
Prosedur berikutnya adalah mengeliminasi x2 dari salah satu dari dua persamaan
terakhir. Untuk itu Persamaan (10) dibagi dengan koefisien pertama dan Persamaan
(10), yaitu a 22 sehingga menjadi :
12)

a ' 22
a ' 22

x2 +

a '32
a ' 22

b' 2
a ' 22

Persamaan (12) dikalikan dengan koefisien pertama dan Persamaan (11):

a '32

a ' 22
a ' 22

x 2 + a '32

a '32
a ' 22

x3 = a '32

b' 2
a ' 22

Misal digunakan suatu koefisien 32 sebagai berikut,


III-35

a '32

32 =
13)

a ' 22

32 a ' 22 x 2 + 32 a ' 32 x 3 = 32 b ' 2

Persamaan (11) dikurangi Persamaan (13), sehingga menjadi :

(a'

32 32 a ' 22

)x + (a'
2

33 32 a ' 32

)x

= b' 3 32 b ' 2

Atau,
14)

0 + a"33 x 3 = b"3

Dimana,
a ' 32 32 a ' 22 = 0

a"33 = a ' 33 32 a ' 32

b"3 = b ' 3 32 b' 2

dengan demikian sistem persamaan menjadi :


15)

a11 x1 + a12 x2 + a13 x3 = b1

16)

+ a ' 22 x 2 + a ' 23 x 3 = b' 2

17)

+ a"33 x 3 = b"3

Sistem persamaan di atas mempunyai koefisien matriks yang berbentuk segitiga atas
(amn = 0 untuk m > n). Dan sistem persamaan tersebut dapat dihitung nilai x1 , x2 dan
x3, yaitu :

x3 =
x2 =
x1 =

b"3
a"33
b' 2 a ' 23 x3
a' 22
b1 a12 x 2 a13 x3
a11

Untuk memperjelas langkah penyelesaian sistem persamaan linier simultan pada


persamaan (1 s/d 3) diatas, Persaman (1 s/d 3) dapat di rubah dalam betuk matrik
sebagai berikut :
a11
a
21
a31

a12
a 22
a32

a13 x1 b1

a 23 x 2 = b2

a33
x3 b3

Langkah pertama adalah mengeliminasi a21 dengan cara menggunakan koefisiean 21


sebagai berikut :
21 =

a 21
a11

III-36

Kemudian dihitung :

a' 21 = a21 21a11 = 0

a' 22 = a22 21a12


a' 23 = a23 21a13

b'2 = b2 21b1
Sehingga sistem persamaan menjadi :
a11
0

a31

a12
a' 22
a32

a13 x1 b1

a ' 23 x 2 = b' 2

a33
x3 b3

Langkah kedua adalah mengeliminasi a31 dengan cara menggunakan koefisiean 31


sebagai berikut :
31 =

a31
a11

Kemudian dihitung :

a'31 = a31 31a11 = 0


a'32 = a32 31a12
a'33 = a33 31a13
b'3 = b3 31b1
Sehingga sistem persamaan menjadi :
a11
0

a12
a ' 22
a '32

a13 x1 b1

a ' 23 x 2 = b' 2

a '33
x 3 b ' 3

Langkah ketiga adalah mengeliminasi a32 dengan cara menggunakan koefisiean 32


sebagai berikut :
32 =

a ' 32
a ' 22

Kemudian dihitung :

a"32 = a'32 32 a' 22 = 0


a"33 = a'33 32 a' 23
b"3 = b'3 32b' 2
Sehingga sistem persamaan menjadi :

III-37

a11
0

a12
a ' 22
0

a13 x1 b1

a ' 23 x 2 = b' 2

a"33
x3 b"3

Dari hasil eliminasi diatas nilai x1, x2 dan x3 dapat di hitung dengan cara subtitusi
kebelakang sbb.

x3 =
x2 =
x1 =

b"3
a"33
b' 2 a' 23 x3
a ' 22
b1 a12 x2 a13 x3
a11

Untuk pengecekan harga x1, x2 dan x3 yang di dapat di coba dimasukan pada
persamaan (1 s/d 3), untuk mengetahui nilai-nilai x1, x2 dan x3 tersebut benar.

Contoh III-1.
Selesaikanlah permasalahan persamaan liner simultan berikut dengan metoda
Gauss.

3x1 + 4 x2 2 x3 + 4 x4 = 22
x1 + 6 x2 + 4 x3 + 5 x4 = 50
2 x1 + 9 x2 + 2 x3 + x4 = 45
4 x1 + 2 x2 + x3 + 3x4 = 66
Penyelesaian
Dalam bentuk matrik [a]{x}={b}
3
1

4 2
6 4
9 2
2 1

4 x 1 22
5 x 2 50
=
1 x 3 45

3 x 4 66

Baris pertama merupakan baris pivot dengan a11 = 3 sebagai elemen pivotnya, maka :
Baris 2
21 =

a 21 1
= = 0.333
a11 3

a'21 = a21 21a11 = 1 0.3333 3 = 0


a' 22 = a22 21a12 = 6 0.3333 4 = 4.667
III-38

a ' 23 = a 23 21a13 = 4 0.3333 ( 2) = 4.667

a'24 = a24 21a14 = 5 0.3333 4 = 3.667


b'2 = b2 21b1 = 50 0.3333 22 = 42.667
Baris 3
31 =

a31 2
= = 0.667
a11 3

a'31 = a31 31a11 = 2 0.667 3 = 0


a'32 = a32 31a12 = 9 0.667 4 = 6.333
a'33 = a33 31a13 = 2 0.667 ( 2) = 3.333
a'34 = a34 31a14 = 1 0.667 4 = 1.667
b'3 = b3 31b1 = 45 0.667 22 = 30.333
Baris 4
41 =

a 41 4
= = 1.333
a11 3

a'41 = a41 41a11 = 4 1.333 3 = 0


a'42 = a42 41a12 = 2 1.333 4 = 3.333
a' 43 = a43 41a13 = 1 1.333 ( 2) = 3.667

a'44 = a44 41a14 = 3 1.333 4 = 2.333


b'4 = b4 41b1 = 66 1.3333 22 = 36.667
Sehingga persamaan menjadi :

3.000 4.000 2.000 4.000 x1 22.000


0.000 4.667
4.667
3.667 x2 42.667

0.000 6.333
3.333 1.667 x3 30.333

0.000 3.333 3.667 2.333 x4 36.667


Baris kedua merupakan baris pivot dengan a22 = 4.667 sebagai elemen pivotnya,
maka :
Baris 3
32 =

a' 32 6.333
=
= 1.357
a'22 4.667

a"31 = a'31 32a'21 = 0 1.357 0 = 0


a"32 = a'32 32a'22 = 6.333 1.357 4.667 = 0

III-39

a"33 = a'33 32a'23 = 3.333 1.357 4.667 = 3.000


a"34 = a'34 32a'24 = 1.667 1.357 3.667 = 6.643
b"3 = b'3 32b2 = 30.333 1.357 42.667 = 27.571
Baris 4
42 =

a' 42 3.333
=
= 0.714
a'22
4.667

a" 41 = a' 41 42 a21 = 0 ( 0.714 0) = 0


a" 42 = a' 42 42a22 = 3.333 ( 0.714 4.667) = 0

a"43 = a'43 42a23 = 3.667 ( 0.714 4.667) = 7.000


a" 44 = a' 44 42a24 = 2.333 ( 0.714 3.667) = 0.286
b" 4 = b' 4 42 b'2 = 36.667 ( 0.714 42.667) = 67.143
Sehingga persamaan menjadi :
3.000
0.000

0.000

0.000

4.000 2.000 4.000 x1 22.000


4.667 4.667
3.667 x 2 42.667
=

0.000 3.000 6.643 x 3 27.571

0.000 7.000
0.286 x 4 67.143

Baris kedua merupakan baris pivot dengan a33 = -3.000 sebagai elemen pivotnya,
maka :
Baris 4
43 =

a"43
7.000
=
= 2.333
a"33 3.000

= a"41 43 a31
= 0 ( 2.333 0) = 0
a41
= a"42 43 a32
= 0 ( 2.333 0 ) = 0
a 42

= a"43 43 a33
= 7.000 ( 2.333 ( 3.000)) = 0.000
a43

= a"44 43a34
= 0.286 ( 2.333 ( 6.643)) = 15.214
a44
b4 = b4 43b3 == 67.143 (2.333 ( 27.571)) = 2.810
Sehingga persamaan menjadi :

3.000
0.000

0.000

0.000

4.000 2.000

4.000 x1 22.000
4.667 4.667
3.667 x2 42.667
=

0.000 3.000 6.643 x3 27.571

0.000 0.000 15.214 x4 2.810

Maka didapat :

III-40

2.810
 0.185
15.214
27.571  6.643  0.185
 
 9.599
3.000
42.667  4.667  9.599  3.667  0.185
 
 0.311
4.667
22  4  0.311  2  9.599  4  0.185
 
 14.394
3
Dengan penjelasan di atas, algoritma program mengubah bentuk umum persamaan
liniear simultan :
 

a11
a
21
a31

M
am1

a12

a13

a22

a23

a32

a33

am 2

am3

L a1n x1 b1
L a2 n x2 b2

L a3n x3 = b3

O M M M

L amn xm bm

di rubah menjadi matrik triangulasi berikut,

a11 a12
0 a
22

0
0

M
M
0
0

a13 L a1n x1 b1
a23 L a2 n x2 b2

a33 L a3n x3 = b3

M O M M M

0 L amn xm bm

Hal ini dilakukan melalui proses me-nol-kan kolom 1 sampai kolom n-1 di bawah
posisi diagonal. Untuk tujuan ini dibutuhkan (n-1) tahapan proses. Setiap tahap k,
k = 1, 2, ..., n-1 akan menghasilkan nilai 0 pada kolom k tanpa mengubah nilai 0 yang
sudah ada pada kolom sebelumnya. ini berarti bahwa pada setiap tahap dicari suatu
pengali 1k, dan kemudian dilakukan pengurangan hasil pengali dari baris
persamaan pivoting yang ditinjau dengan persamaan dari baris lainnya sedemikian
rupa sehingga diperoleh nilai nol.
Secara umum :

 



      ,

  1, 2, 


      ,      1,   2,     1, 2,   1

3.2.2 Metoda Eliminasi Gauss-Jordan


Metode Gauss Jordan adalah mirip dengan metode eliminasi Gauss. Metode ini
selain untuk menyelesaikan sistem persamaan linier, juga dapat digunakan untuk
menghitung matriks inversi. Dalam metode Gauss-Jordan, bilangan tak diketahui
dieliminasi dari semua persamaan, yang dalam metode Gauss bilangan tersebut
III-41

dieliminasi dari persamaan berikutnya. Dengan demikian langkah-langkah eliminasi


menghasilkan matriks identitas, seperti ditunjukkan berikut ini.


1
0

0

0 0
1 0 0
0
0 1

0
0

Penjelasan metode ini dilakukan dengan menggunakan contoh suatu sistem dari 3
persamaan dengan 3 bilangan tak diketahui.

+ + =
+ + = .......................................................................................... (III-3)
+ + =

Persamaan tersebut dapat ditulis dalam bentuk matriks sbb:

Di dalam metode Gauss-Jordan, dipilih secara berurutan elemen pertama tidak nol
dan setiap baris matriks.
1. Pertama kali baris pertama dari Persamaan (III-3) dibagi dengan elemen pertama
dari persamaan pertama, yaitu a11, sehingga didapat :
1
a
21
a31

a '12
a 22
a32

a '13 x1 b1

a 23 x 2 = b2 ..................................................................................... (III-4)

a33
x3 b3

Elemen pertama dari semua baris lainnya dihilangkan dengan cara berikut ini.
a) Persamaan pertama dikalikan elemen pertama dari persamaan kedua (a21)
dan kemudian dikurangkan terhadap persamaan kedua.
b) Persamaan pertama dikalikan elemen pertama dari persamaan ketiga (a31)
dan kemudian dikurangkan terhadap persamaan ketiga.
Operasi ini menghasilkan :
1
0
0

= ......................................................................................... (III-5)

2. Kemudian dipilih elemen pertama tidak nol dari baris kedua yaitu a22, dan
prosedur di atas diulangi lagi untuk baris kedua.
Baris kedua dari persamaan di atas dibagi dengan elemen a22, sehingga didapat :
1

1
" = "
0
0

Elemen kedua dari semua baris lainnya dihilangkan dengan cara:


a) Persamaan kedua dikalikan elemen kedua dari persamaan pertama (a 12) dan
kemudian dikurangkan terhadap persamaan pertama.
III-42

b) Persamaan kedua dikalikan elemen kedua dari persamaan ketiga (a32) dan
kemudian dikurangkan terhadap persamaan ketiga.
Operasi mi menghasilkan sistem persamaan berikut:

1 0 " 
"

0 1 "  
 " ............................................................................................. (III-6)
"
0 0 " 

3. Langkah selanjutnya dipilih elemen pertama tidak nol dari baris ketiga yaitu a33
dan prosedur di atas diulangi lagi untuk baris ketiga. Dengan prosedur seperti
diberikan sebelumnya, akhirnya didapat sistem persamaan berikut:

1 0 0 
0 1 0 

0 0 1 

................................................................................................ (III-7)

Dan sistem Persamaan (II-5) dapat dihitung nilai x1, x2, dan x3:
  
  
  
Contoh III-2
Selesaikan sistem persamaan berikut dengan metode Gauss-Jordan:
3   !  5

4  7  3!  20
2  2  5!  10
Penyelesaian:
Sistem persamaan di atas dapat ditulis dalam bentuk matriks berikut:
3 1 1 
5
4 7 3 
20
2 2 5 
10

............................................................................................(III-8)

Baris pertama dari persamaan (III-8) dibagi dengan elemen pertama dari persamaan
pertama, yaitu 3, sehingga persamaan menjadi:
1 0.333 0.333 
1.6667
"4
7
3 # $ %  & 20 '
!
2
2
5
10
Persamaan pertama dikalikan elemen pertama dari persamaan kedua, yaitu 4, dan
kemudian dikurangkan terhadap persamaan kedua. Dengan cara yang sama untuk
persamaan ketig, sehingga didapat:
1.667
1 0.333 0.333 
"0 5.667 1.667# $ %  &13.333'
0 2.667 5.667 !
1.6667
III-43

Baris kedua dari persamaan di atas dibagi dengan elemen pertama tidak nol dari
baris kedua, yaitu 5,667, sehingga sistem persamaan menjadi:
1 0.333 0.333
1.667

1
0.294
2.353
0 2.667 5.667
1.667
Persamaan kedua dikalikan dengan elemen kedua dari persamaan pertama (0,333)
dan kemudian dikurangkan terhadap persamaan pertama.Kemudian dengan cara
yang sama untuk persamaan ketiga, sehingga didapat:
0.882
1 0 0.235
0 1 0.294 = 2.353
7.941
0 0 4.882
Persamaan ketiga dibagi dengan elemen pertama tidak nol dari baris ketiga yaitu
4,882 sehingga persamaan menjadi:

0.882
1 0 0.235

0 1 0.294 = 2.353

1.651
0 0
1
Persamaan ketiga dikalikan elemen ketiga dari persamaan pertama dan kemudian
dikurangkan terhadap persamaan pertama. Kemudian dengan cara yang sama untuk
persamaan kedua, sehingga didapat:
1 0 0
1.265
0 1 0 = 2.831
1.626
0 0 1
Dan sistem persamaan di atas, didapat nilai x, y dan z benikut ini.
x = 1.265
y = 2.831
z = 1.626
3.3

CARA ITERASI

Beberapa metode yang menggunakan penyelesaian sistim persamaan linier dengan


proses iteratif adalah metode Jacobi dan metode Gauss-Seidel.
3.3.1 Metode Jacobi
Lihat sistim persamaan linier berikut ini,
+ + =
+ + =
+ + =

......................................................................... (III-9)

Persamaan pertama dari sistem di atas dapat digunakan untuk menghitung x1


sebagai fungsi dari x2 dan x3, demikian juga persamaan kedua dan ketiga untuk
menghitung x2 dan x3 sehingga didapat :

III-44

..................................................................................... (III-10)

Hitungan dimulai dengan nilai perkiraan awal sembarang untuk variabel yang dicari
(biasanya semua variabel diambil sama dengan nol). Nilai perkiraan awal tersebut di
substitusikan ke dalam ruas kanan dari persamaan (III-10). Selanjutnya nilai variabel
yang didapat tersebut disubstitusikan kembali ke dalam ruas kanan persamaan (III10) untuk mendapatkan nilai perkiraan kedua. Prosedur tersebut diulangi lagi
sampai nilai disetiap variabel pada iterasi ke n mendekati nilai pada iterasi ke n-1.
Apabila superskrip n menunjukkan jumlah iterasi, maka persamaan (III-10) dapat
ditulis menjadi :

............................................................................. (III-11)

Itersai hitungan berakhir setelah :

; ;

Atau telah dipenuhi kriteria berikut :



100% <
=

Dengan s adalah batasan ketelitian yang dikehendaki


Contoh III-3
Selesaikanlah sistem persamaan linier simultan berikut ini dengan metoda iterasi
Jacobi.
3 + = 5

4 + 7 3 = 20

(1)

2 2 + 5 = 10
Penyelesaian
Sistem persamaan linier di atas dapat ditulis dalam bentuk sebagai berikut :
=

5+
3

III-45

20 4 + 3
(2)
7
10 2 + 2
=
5
Langkah pertama dicoba nilai x = y = z = 0 dan kemudian hitung nilai x1, y1, dan z1.
=

50+0
= 1.66667
3
20 4(0) + 3(0)
= 2.85714
=
7
10 2(0) + 2(0)
=2
=
5
nilai x1, y1, dan z1 yang diperoleh tidak sama dengan nilai pemisalan. Iterasi
dilanjutkan dengan memasukan nilai tersebut diatas kedalam persamaan (2) untuk
mendapatkan x2, y2, dan z2 dan kesalahan yang terjadi.
=

5 1.66667 + 2
= 1.38095
3
1.38095 1.66667
=
100% = 20.69%
1.38095
20 4(2.85714) + 3(2)
= 2.76190
=
7
2.76190 2.85714
=
100% = 3.45%
2.76190
10 2(1.66667) + 2(2)
=
= 2.13333
5
2.13333 2
=
100% = 6.25%
2.13333
Hitungan dilanjutkan dengan prosedur di atas, sampai akhirnya diperoleh kesalahan
yang relatif kecil (terhadap ketelitian yang diharapkan). Proses hitungan tersebut
diatas dapat di buat dalam bentuk tabel sebagai berikut :

III-46

Iterasi

x %

y %

z %

Ket

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

0
1.66667
1.38095
1.57143
1.47438
1.52336
1.49754
1.51059
1.50376
1.50723
1.50542
1.50634
1.50586
1.50611
1.50598
1.50605
1.50601
1.50603
1.50602

0
2.85714
2.76190
3.12925
3.05306
3.13884
3.11443
3.13549
3.12827
3.13355
3.13150
3.13284
3.13228
3.13262
3.13247
3.13256
3.13251
3.13254
3.13253

0
2.00000
2.47619
2.55238
2.62313
2.63147
2.64619
2.64675
2.64996
2.64981
2.65053
2.65043
2.65060
2.65057
2.65061
2.65059
2.65060
2.65060
2.65060

100.0
20.68966
12.12121
6.58259
3.21524
1.72359
0.86350
0.45438
0.23043
0.12025
0.06134
0.03187
0.01631
0.00845
0.00434
0.00224
0.00115
0.00060

100.0
3.44828
11.73913
2.49554
2.73283
0.78384
0.67160
0.23060
0.16844
0.06546
0.04290
0.01817
0.01105
0.00497
0.00287
0.00135
0.00075
0.00036

100.0
19.23077
2.98507
2.69710
0.31711
0.55626
0.02115
0.12097
0.00575
0.02724
0.00362
0.00634
0.00135
0.00152
0.00043
0.00037
0.00013
0.00009

Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Ok!

3.3.2 Metoda Gauss-Seidel


Dalam metoda Jacobi, nilai x1 yang dihitung dari persamaan pertama tidak
dimanfaatkan untuk menghitung nilai x2 dengan persamaan persamaan kedua.
Demikian juga nilai x1 dan x2 tidak digunakan untuk mengitung x3. Sebenarnya nilainilai baru tersebut lebih baik dari nilai-nilai yang lama.
Dalam metoda Gauss-Seidel nilai-nilai tersebut dimanfaatkan untuk menghitung
variabel berikutnya.
Seperti dalam metode Jacobi sistem persamaan III-9 di rubah menjadi sistem
persamaan III-10.
+ + =
+ + =
+ + =

III-47

Kemudian ke dalam persamaan pertama dari sistem persamaan III-10 di


substitusikan nilai sembarang x01, x02 (biasanya diambil nol), sehingga :
=

....................................................................................(III-12)

....................................................................................(III-13)

....................................................................................(III-14)

Nilai baru x11 tersebut kemudian disubstitusikan ke dalam persamaan kedua dari
sistem persamaan III-10, sehingga
=

Demikian juga ke dalam persamaan ketiga dari sistem persamaan III-10


disubstitusikan nilai baru dan , sehingga di dapat :
=

Dengan cara seperti ini nilai , , akan diperoleh lebih cepat dari pada metode
Jacobi.
Contoh III-4
Selesaikan soal dalam contoh III-3 dengan metoda iterasi Gauss-Seidel.
Penyelesaian.
Langkah pertama dicoba nilai y = z = 0 kemudian hitung x1 dengan menggunakan
persamaan III-12.
=

500
= 1.66667
3
Nilai y1 di hitung dengan persamaan III-13.
=

20 41.66667 + 30
= 1.90476
7
Kemudian z1 dihitung dengan dari persamaan III-14

10 21.66667 + 21.90476
= 2.09524
5
Nilai y1 dan z1 yang diperoleh tidak sama dengan nilai pemisalan. Iterasi dilanjutkan
dengan prosedur di atas untuk menghitung x2, y2 dan z2 dan kesalahan yang terjadi.
=

5 1.90476 + 2.09524
= 1.73016
3
1.73016 1.66667
=
= 3.67%
1.73016
20 41.73016 + 32.09524
=
= 2.76644
7

III-48

2.76644 1.90476
= 31.15%
2.76644
10 21.73016 + 22.76644
=
= 2.41451
5
2.41451 2.09524
= 13.22%
=
2.41451

Hitungan dilanjutkan dengan prosedur di atas, sampai akhirnya diperoleh kesalahan


yang relatif kecil (terhadap ketelitian yang di harapkan). Perhitungan tersebut dapat
dilihat pada tabel berikut ini.
Iterasi

x %

y %

z %

Ket

0
1
2
3
4
5
6
7
8
9
10
11
12

0
1.66667
1.73016
1.54936
1.52543
1.51146
1.50796
1.50663
1.50623
1.50609
1.50605
1.50603
1.50603

0
1.90476
2.76644
3.00659
3.09242
3.11922
3.12821
3.13111
3.13207
3.13238
3.13248
3.13251
3.13252

0
2.09524
2.41451
2.58289
2.62679
2.64311
2.64810
2.64979
2.65034
2.65052
2.65057
2.65059
2.65060

100
3.66972
11.66943
1.56824
0.92473
0.23189
0.08838
0.02674
0.00913
0.00292
0.00097
0.00031

100
31.14754
7.98736
2.77558
0.85925
0.28735
0.09266
0.03051
0.00994
0.00326
0.00106
0.00035

100
13.22314
6.51902
1.67132
0.61713
0.18860
0.06390
0.02050
0.00677
0.00220
0.00072
0.00024

Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Not Ok!
Ok!

III-49

BAB IV ANALISA REGRESI

4.1

UMUM

Dalam analisis data sering dilakukan pembuatan suatu kurva yang dapat mewakili
suatu rangkaian data yang diberikan dalam sistem koordinat x-y. Data tersebut
dapat berupa hasil percobaan di laboratorium atau pengamatan di lapangan seperti :
1. Pengujian kuat tarik tulangan baja yang memberikan hubungan antara
besaran gaya dan perpindahan.
2. Pengukuran debit sungai yang memberikan hubungan antara kedalaman
aliran dan debit sungai.
3. Hubungan antara data hujan dan debit di sungai, dll.
Karena adanya kesalahan atau ketidak pastian dalam pengujian atau pengukuran
maka titik-titik data tersebar dalam koordinat x-y. Sebagai contoh dalam percobaan
benda uji tulangan baja untuk mendapatkan hubungan antara besaran gaya dan
perpindahan, sehubungan dengan penentuan sifat bahan, diperoleh data sebagai
berikut.
Tabel IV-1 Percobaan Kuat Tarik Tulangan Baja

Pengamatan gaya
aksial (ton)

Pengamatan
perpanjangan
(mm)

7.7

2.4

10.0

3.4

18.5

7.0

23.9

11.1

28.5

19.6

Jika absis-x menyatakan perpanjangan dan ordinat-y menyatakan besaran gaya


aksial, maka data tersebut dapat kita plot ke dalam grafik seperti pada gambar 1.
Kemudian ditentukan suatu fungsi kurva yang dapat mewakili sebaran data tersebut
yang memiliki simpangan (e) seminimum mungkin. Simpangan atau deviasi
minimum antara harga fungsi dan data diperoleh dengan metode Kuadrat Terkecil
(least square).
Proses penentuan suatu fungsi dekatan yang menggambarkan kecenderungan data
dengan simpangan minimum antara nilai fungsi dengan data, disebut regresi.
Regresi linier adalah salah satu cara penyajian data dengan fungsi pendekatan fungsi
linier.

III-50

35
fi
30

kurva
en

ei

Gaya Aksial

25

fn

20
e2

f1

15

f2

e1
10
e0

f0
0
0

10

15

20

Perpanjangan

Gambar IV-1 Analisis kurva data pengamatan

Apabila fungsi dekatan yang diambil adalah fungsi linier (Regresi Linier) maka nilai
data ke-i adalah :


Dengan :
a0 dan a1
e

   (  ) atau

    (  )

.............................................. (IV-1)

= koefisien fungsi
= simpangan kesalahan

Jika fungsi dekatan yang diambil adalah fungsi polinom berderajat n sebagai berikut
*                  ,   


....... (IV-2)



maka simpangan kesalahan yang terjadi antara setiap data dengan nilai fungsi
dekatan adalah :
)  *   

 ; 

 1, 2, 3, .

....... (IV-3)

Apabila total simpangan adalah

/  , )




Maka S adalah fungsi dari koefisien polinomial Pn(x), yaitu S = S(a0, a1, a2, , an).
Supaya nilai S minimum, maka harus ditetapkan koefisien ai sehingga turunan
parsial S terhadap setiap koefisien sama dengan nol.

III-51

0/
0/
0/
0/
 0;
 0;
 0; ;
 0;   1,2,3 .
0
0
0
0

....... (IV-4)

Untuk menurunkan rumus regresi, ditinjau fungsi polinom berderajat tiga sebagai
fungsi dekatan, yaitu :
 *               

....... (IV-5)

Fungsi simpangan S menjadi


/  1*   

 1*     2  1*   
 1*     2

2


2

....... (IV-6)

dimana i = 1, 2, 3, , m (jumlah data).


Atau,

/                          


              


       
  
  



Untuk mendapatkan simpangan yang minimum fungsi simpangan S tersebut


diturunkan secara parsial terhadap setiap koefisien persamaan (IV-4) dan
disamanakan dengan nol.
Turunan parsial S terhadapat a0

0/
 0
0

2              1  2           


 2              1 


 2       
  
   1  0

  1

Sehingga memberikan

 .   ,  




 , 



Turunan parsial S terhadapat a1

 , 



,


....... (IV-7)



0/
 0
0

2                 2           


 2                


 2       
  
      0

   

Sehingga memberikan

 ,    ,    ,    ,   , 














....... (IV-8)

III-52

Turunan parsial S terhadapat a2

=0

2 + + + + 2 + + +
+ 2 + + + +

+ 2 + +
+

=0

Sehingga memberikan

Turunan parsial S terhadapat a3

....... (IV-9)

=0

2 + + + + 2 + + +
+ 2 + + + +

+ 2 + +
+

=0

Sehingga memberikan

+ + + =

..... (IV-10)

Dari persamaan (IV-7), (IV-8), (IV-9) dan (IV-10) dapat ditulis dalam bentuk matrik
sebagai berikut

..... (IV-11)

Secara umum dengan prosedur yang sama seperti diatas, maka untuk polinom
berderajat n dapat kita turunkan sebagai berikut :

III-53



4.2

(IV-12)

REGRESI LINIER

Untuk regresi linier digunakan fungsi polinom berderajat satu (n = 1) sebagai


berikut:
= = +

..... (IV-13)

Fungsi simpangan (S) menjadi


=

Dimana i = 1, 2, 3, m (jumlah data)


Atau
= +

Turunan parsial S terhadap a0 :

=0

2 + 2 2 = 0

Sehingga memberikan :
+ =

..... (IV-14)

III-54

Turunan parsial S terhadap a1 :


0/
0
0

2 ,  

2 , 


 2 , 



0



Sehingga memberikan :
 ,  




 , 



 , 


..... (IV-15)



Kita mendapatkan dua persamaan dengan dua sesuatu yang tidak diketahui,
persamaan tersebut adalah persamaan (IV-14) dan (IV-15) sebagai berikut :
 .   ,   ,






 ,  




 , 



 , 




Persamaan (IV-14) dapat ditulis dalam bentuk lain menjadi :


 .  ,


  , 






atau,
1
  3,
.




1
,
   ,  4 
.






1
, 
  
.


..... (IV-16)



Sehingga

  5   

..... (IV-17)

Substitusikan persamaan (IV-16) ke persamaan (IV-17) sebagai berikut :


1
3,
.




,  ,






  ,  4 ,  






  3,  4 


 7. , 





 , 



. , 



 3,  4 8  . , 






 , 




 . , 




 ,  ,






Atau
III-55

a1 =

m x i y i x i y i
i =0

i =0

i =0
2

..... (IV-18)

m x x i
i =0
i =0
m

2
i

Persamaan (IV-18) dapat diselesaikan sehingga koefisien a1 di dapat kemudian


disubtitusikan ke persamaan (IV-17) untuk mendapatkan koefisien a0. Setelah
koefisien a0 dan a1 didapat kemudian disubtitusikan kepersamaan (IV-13) untuk
mendapatkan fungsi garis yang mewakili sebaran data.
Contoh 3.1
Data hasil percobaan yang disajikan pada tabel 3.1 kemudian dihitung seperti tabel
berikut
Tabel IV-2 Perhitungan Regresi Linier

No
1
2
3
4
5

xi

yi

2.4
3.4
7.0
11.1
19.6
43.5

7.7
10.0
18.5
23.9
28.5
88.6

x i2

xi y i

5.76
11.56
49.00
123.21
384.16
573.69

18.48
34.00
129.50
265.29
558.60
1005.87

Dari persamaan (IV-18) dapat di tulis sbb :


 

. 
 


 
  



. 
   :  ;


5  1005.87  43.5  88.6


 1.2039
5  573.69  43.5

Kemudian subtitusikan kepersamaan (IV-17) sebagai berikut


1
  5     ,
.




1
88.6
43.5
,  
 1.2039
 7.24607
  
.
5
5




Jadi persamaan garis yang mewakili sebaran data adalah :


 *         7.24607  1.2039 

Selanjutnya diplot kedalam grafik

III-56

35.0
y = 1.204x + 7.246

Gaya Aksial (ton)

30.0
25.0
20.0
15.0
10.0
5.0
0.0
0

10

15

20

25

Perpanjangan (mm)

Gambar IV-2 Grafik hasil perhitungan regresi linier

Kemudian di cek besarnya simpangan (error) yang terjadi sebagai berikut :


Tabel IV-3 Perhitungan rata-rata simpangan kesalahan (MSE) untuk regresi linier dengan
menggunakan fungsi polinom berderajat satu

No
1
2
3
4
5

xi

yi

2.4
3.4
7.0
11.1
19.6

7.7
10.0
18.5
23.9
28.5

Err

10.135
11.339
15.673
20.609
30.843

5.9
1.8
8.0
10.8
5.5
32.0

SE

4.3

LINIERISASI KURVA TIDAK LINIER

Sering dijumpai sebaran titik-titik data pada sistem koordinat mempunyai


kecendrungan (trend) berbentuk kurva lengkung, sehingga persamaan (IV-13) tidak
dapat langsung digunakan. Gambar IV-3 memperlihatkan sebaran titik data pada
sistem koordinat x-y. Pada Gambar IV-3 (A) titik data di dekati dengan garis lurus
menggunakan regresi linier sedangkan pada Gambar IV-4 (B) titik data di dekati
dengan kurva lengkung yang memberikan hasil yang lebih baik dari garis lurus
(regresi linier). Agar persamaan regresi linier dapat digunakan untuk
mempresentasikan kurva lengkung, maka perlu dilakukan transformasi koordinat
sedemikian sehingga sebaran titik data bisa dipresentasikan dengan regresi linier.

III-57

(A)

(B)

Gambar IV-3 Titik-titik data di dekati dengan garis lurus dan lengkung

Berikut ini diberikan dua fungsi transformasi data yang bisa digunakan, yaitu fungsi
eksponensial dan fungsi berpangkat.
4.3.1 Fungsi Berpangkat
Persamaan fungsi berpangkat diberikan sebagai berikut :
  

..... (IV-19)

Dengan a & b adalah konstanta


Persamaan (IV-19) dapat dilinierkan dengan menggunakan fungsi logaritmik sebagai
berikut.
log

 log    log 

..... (IV-20)

log y

Yang merupakan hubungan log-log antara log x dan log y. Persamaan tersebut
mempunyai bentuk garis lurus dengan kemiringan b dan memotong sumbu log y
pada log a . Gambar IV-4 memperlihatkan transformasi dari fungsi asli menjadi
fungsi logaritmik.
y

y = a xb
b
1

log a
x

log x

Gambar IV-4 Transformasi fungsi logaritma

III-58

Contoh 3.2
Kita akan mencari persamaan kurva lengkung yang mewakili sebaran data
percobaan pada Tabel IV-1. Fungsi kurva lengkung tersebut kita gunakan fungsi
kurva berpangkat seperti pada persamaan (IV-19) sebagai berikut :
=

Dengan menggunakan transformasi fungsi logaritma kita dapatkan sebagai berikut:


log = log = log + log

Misal,

= log
=

= log
= log

Sehingga persamaan (IV-20) dapat ditulis dalam bentuk,


= +

Selanjutnya perhitungan dilakukan dengan menggunakan Tabel IV-4 sebagai


berikut.
Tabel IV-4 Perhitungan Regresi Linier dengan Transformasi Logaritma

No
1
2
3
4
5

xi

yi

2.4
3.4
7.0
11.1
19.6
43.5

7.7
10.0
18.5
23.9
28.5
88.6

qi = log xi

pi = log yi

qi pi

qi2

0.380
0.531
0.845
1.045
1.292
4.094

0.886
1.000
1.267
1.378
1.455
5.987

0.337
0.531
1.071
1.441
1.880
5.260

0.145
0.282
0.714
1.093
1.670
3.904

Kemudain koefisien A dan B dihitung dengan persamaan (IV-18) dan persamaan


(IV-17) sebagai berikut :

B=

i =1

i =1

i =1

m qi pi qi pi
m
m qi2 qi
i =1
i =1
m

A = p Bq =

5 (5.260) (4.094)(5.987)
5(3.904) (4.094)

= 0.6493

1 m
1 m
5.987
4.094
pi B qi =
0.6493
= 0.6657

m i =1
m i =1
5
5

Dengan deminikan persamaan transformasi adalah:

p = A + B q = 0.6657 + 0.6493q

III-59

Mengingat :

A = log a 0.6657 = log a a = 4.6313


B = b b = 0.6493
Maka persamaan kurva lengkung yang mendekati titik data adalah :

y = a x b = 4.6313 x 0.6493
Kemudian diplot kedalam grafik
35.0
0.6493

y = 4.6313x
30.0

Gaya Aksial (ton)

25.0
20.0
15.0
10.0
Titik Data

5.0

Kurva Lengkung

0.0
0

10

15

20

Perpanjangan (mm)
Gambar IV-5

Hasil regresi linier dengan menggunakan kurva lengkung fungsi


berpangkat

Rata-rata simpangan kesalahan dihitung pada Tabel IV-5:


Tabel IV-5

Perhitungan rata-rata simpangan kesalahan (MSE) untuk regresi linier dengan


menggunakan pendekatan fungsi berpangkat

No
1
2
3
4
5

xi

yi

2.4
3.4
7.0
11.1
19.6

7.7
10.0
18.5
23.9
28.5

y
8.177
10.252
16.384
22.102
31.972
MSE

Err
0.23
0.06
4.48
3.23
12.05
20.05

III-60

Dengan menggunakan pendekatan fungsi berpangkat untuk regresi linier kita


mendapatkan MSE yang lebih baik dibanding dengan menggunakan pendekatan
fungsi polinom berderajat satu.
4.3.2 Fungsi Eksponensial
Contoh lain dari kurva tak linier adalah fungsi eksponensial seperti berikut ini :
    

..... (IV-21)

Dengan a dan b adalah konstanta. Persamaan tersebut dapat dilinerkan dengan


menggunakan logaritma natural sehingga menjadi :

ln y = ln a + b x ln e ln e = 1 maka,
..... (IV-22)

ln   ln  

ln y

Persamaan (IV-22) merupakan hubungan semi logaritmik antara ln y dan x.


Persamaan tersebut mempunyai bentuk garis lurus dengan kemiringan b dan
memotong sumbu ln y pada ln a, seperti yang di perlihatkan pada gambar III.6
berikut.
y = a e bx

b
1

ln a
x

Gambar IV-6 Transformasi fungsi eksponensial

Contoh 3.3
Persamaan kurva lengkung yang merepresentasikan data percobaan pada tabel III.1
di cari dengan menggunakan persamaan eksponensial seperti pada persamaan (3.21)
sebagai berikut:

y = a eb x
Kemudian dilakukan transformasi logaritma natural seperti sebagai berikut :

ln y = ln a e b x = ln a + b x ln e
Karena ln e = 1 maka persamaan diatas menjadi :

ln y = ln a + b x
III-61

Dimisalkan,

p = ln y

A = ln a

q=x

B=b

Sehingga persamaan menjadi:

p = A+ Bq
Selanjutnya perhitungan dilakukan seperti pada tabel berikut :
Tabel IV-6 Perhitungan regresi linier dengan transformasi logaritma natural

No

xi = qi

1
2
3
4
5

2.4
3.4
7.0
11.1
19.6
43.5

yi

7.7
10.0
18.5
23.9
28.5
88.6

qi2 = xi2

pi = ln yi

2.04
2.30
2.92
3.17
3.35
13.785

5.76
11.56
49.00
123.21
384.16
573.69

qi pi

4.899
7.829
20.424
35.230
65.658
134.040

Kemudain koefisien A dan B dihitung dengan persamaan (IV-18) dan persamaan


(IV-17) sebagai berikut :

B=

i =1

i =1

i =1

m qi pi qi pi
m
m q qi
i =1
i =1
m

5 (134.040) (43.5)(13.785)

2
i

A = p Bq =

5 (573.69) (43.5)

= 0.0723

1 m
1 m
13.785
43.5
pi B qi =
0.0723
= 2.1284

m i =1
m i =1
5
5

Dengan deminikan persamaan transformasi adalah:

p = A + B q = 2.1284 + 0.0723q
Mengingat :

A = ln a 2.1284 = ln a a = 8.4016
B = b b = 0.0723
Maka persamaan kurva lengkung yang mendekati titik data adalah :

y = a e b x = 8.4016 e 0.0723 x
Kemudian diplot kedalam grafik

III-62

40.0
35.0

y = 8.4016e

0.0723x

Gaya Aksial (ton)

30.0
25.0
20.0
15.0
10.0
Titik Data

5.0

Kurva Lengkung

0.0
0

10

15

20

Perpanjangan (mm)
Gambar IV-7

Hasil regresi linier dengan menggunakan kurva lengkung fungsi


eksponensial

Rata-rata simpangan kesalahan dihitung pada Tabel IV-7 :


Tabel IV-7

Perhitungan rata-rata simpangan kesalahan (MSE) untuk regresi linier dengan


menggunakan pendekatan fungsi eksponensial

No
1
2
3
4
5

xi

yi

2.4
3.4
7.0
11.1
19.6

7.7
10.0
18.5
23.9
28.5

y
9.993
10.741
13.933
18.737
34.629
MSE

Err
5.3
0.5
20.9
26.7
37.6
18.2

Dengan menggunakan pendekatan fungsi eksponensial untuk regresi linier kita


mendapatkan MSE yang lebih baik dibanding dengan menggunakan pendekatan
fungsi polinom berderajat satu.

III-63

BAB V INTERPOLASI

5.1

PENDAHULUAN

Dalam bab sebelumnya telah dipelajari analisis regresi, di mana dibuat sutau kurva
atau fungsi yang mewakili suatu sebaran data dalam koordinat x-y. Kurva yang
terbentuk tidak selalu melalui semua titik data, tetapi hanya mengikuti
kecendrungan dari sebaran data.
Dalam interpolasi dicari suatu nilai yang berada di antara beberapa titik data yang
telah diketahui. Untuk memperkirakan nilai tersebut terlebih dahulu dibuat suatu
fungsi yang melalui titik-titik data tersebut, kemudian dihitung nilai fungsi yang
berada di antara titik-titik data tersebut. Gambar V-1 memperlihatkan gambar kurva
dari data yang sama dimana Gambar V-1(a) kurva dari cara regresi dan Gambar
V-1(b dan c) kurva dari interpolasi. Kurva linier gambar (a) tidak melalui semua
titik-titik data, hanya mengikuti kecendrungan sebaran data. Kurva gambar (b)
menggunakan segmen garis lurus atau interpolasi linier untuk menghubungkan
titik-titik data. Kurva gambar (c) menggunakan kurva non liner untuk
menghubungan titik-titik data.

Gambar V-1 Perbedaan Regresi (a) dan Interpolasi (b,c)

Metoda interpolasi yang paling banyak digunakan adalah interpolasi polinomial.


Persamaan polinomial adalah persamaan aljabar yang mengandung jumlah dari
III-64

variabel x berpangkat bilangan bulat (integer). Bentuk persamaan polinomial adalah


sebagai berikut :
= + + + +

.........(V-1)

Dengan a0, a1, a2 an adalah parameter yang akan dicari berdasarkan titik-titik data;
n adalah derajad (ordo) dari persamaan polinomial, dan x adalah variabel bebas.
Untuk n+1 titik data, hanya terdapat satu polinomial ordo n atau kurang yang
melalui semua titik. Contoh (lihat Gambar V-2), (a) hanya ada satu garis lurus yang
menghubungkan dua titik (polinomial ordo-1), (b) tiga buah titik dihubungkan
dengan fungsi parabola (polinomial ordo-2), (c) empat buah titik dihubungkan
dengan fungsi polinomial ordo-3.

Gambar V-2 Interpolasi Polinomial

Operasi interpolasi pertama sekali dilakukan dengan menentukan persamaan


polinomial ordo-n yang melalui n+1 titik data, kemudian digunakan untuk
menentukan suatu nilai di antara titik data tersebut.
Sebelum mempelajari bentuk umum interpolasi polinomial, terlebih dahulu kita
pelajari interpolasi polinomial ordo-1 (linier) yang mempunyai bentuk sederhana
dan mudah di pahami.
5.2

INTERPOLASI LINIER

Bentuk yang paling sederhana dari interpolasi adalah menghubungkan dua titik data
dengan garis lurus. Metode ini disebut dengan interpolasi linier yang dapat
dijelaskan dengan menggunakan

III-65

Gambar V-3 Interpolasi Linier

Dekatahui nilai suatu fungsi di titik x0 dan x1, yaitu f(x0) dan f(x1). Dengan metoda
interpolasi linier akan dicari nilai fungsi di titik x, yaitu f1(x). Indeks 1 pada f1(x)
menunjukkan bahwa interpolasi dilakukan dengan interpolasi polinomial orde-1.
Dari Gambar V-3 dapat dilihat ada dua segitiga sebangun ABC dan ADE, sehingga
terdapat hubungan sebagai berikut :

=


=

= +

.........(V-2)

Persamaan (V-2) adalah rumus interpolasi linier, yang merupakan bentuk interpolasi
polinomial ordo-1. Suku

Adalah kemiringan garis yang menghubungkan dua titik data dan merupakan
perkiraan beda hingga turunan pertama. Semakin kecil interval antara titik data hasil
perkiraan akan semakin baik.
Contoh 1
Akan dicari nilai ln 2 dengan metoda interpolasi linier berdasar data ln 1 = 0 dan ln 6
= 1.7917595. Hitung juga nilai tersebut berdasarkan data ln 1 dan ln 4 = 1.3862944.
Untuk membandingkan hasil yang diperoleh, diketahui nilai eksak dari ln 2 =
0.6931472.
Penyelesaian

III-66

Dengan menggunakan Persamaan (V-2), dihitung dengan interpolasi linier nilai ln x


pada x = 2 berdasarkan nilai ln x di x0 = 1 dan x1 = 6.
2 = 0 +

1.7917595 0
2 1 = 0.35835190
61
Besar kesalahan adalah
=

0.69314718 0.35835190
100% = 48.3%
0.69314718
Apabila digunakan interval yang lebih kecil, yaitu nilai x0 = 1 dan x1 = 4, maka :
2 = 0 +

1.3862944 0
2 1 = 0.46209813
41
Besar kesalahan adalah
=

0.69314718 0.46209813
100% = 33.3%
0.69314718
Dari contoh tersebut terlihat bahwa dengan menggunakan interval yang lebih kecil
diperoleh hasil yang lebih baik (kesalahan lebih kecil).
5.3

INTERPOLASI KUADRAT

Kesalahan yang terjadi dalam contoh-1 adalah karena kurva dari fungsi didekati
dengan garis lurus. Untuk mengurangi kesalahan tersebut maka perkiraan dilakukan
dengan menggunakan garis lengkung yang menghubungkan titik-titik data. Apabila
terdapat tiga titik data, maka perkiraan dapat dilakukan dengan polinomial ordo
dua. Untuk itu persamaan polinomial ordo-2 di tulis dalam bentuk :
= + +

.........(V-3)

Sepertinya persamaan (V-3) berbeda dengan persamaan (V-1), tetapi sebenarnya


kedua persamaan adalah sama. Hal ini dapat ditunjukkan dengan mengalikan sukusuku dari persamaan (V-3) sehingga menjadi :
Atau

= + + +

= + +

Dengan

= +
=

Terlihat bahwa persamaan (V-3) sama dengan persamaan (V-1).


Selanjutnya untuk keperluan interpolasi, persamaan polinomial ordo-2 ditulis dalam
bentuk persamaan (V-3). Berdasarkan titik data yang ada kemudian dihitung
koefisien b0, b1 dan b2. Prosedur penentuan nilai koefisien-koefisien tersebut dapat
dilihat sebagai berikut :
III-67

Koefisien b0, dihitung dari persamaan (V-3) dengan memasukan nilai (x = x0) :
= + +

.........(V-4)

Apabila persamaan (V-4) disubtitusikan ke dalam persamaan (V-3), dan kemudian


dimasukkan nilai x = x1, maka akan diperoleh koefisien b1 :
= ( ) + +
=

.........(V-5)

Apabila persamaan (V-4) dan (V-5) disubstitusikan ke dalam persamaan (V-3) dan
untuk x = x2 maka akan diperoleh koefisien b2 :
= +

=
=
Atau
=

.........(V-6)

Dengan memperhatikan persamaan (V-3), (V-4), (V-5) dan (V-6) terlihat bahwa dua
suku pertama dari persamaan (V-3) adalah ekivalen dengan interpolasi linier dari
titik x0 ke x1 sepeti pada persamaan (V-2). Sedang suku terakhir,

Merupakan tambahan karena digunakannya kurva ordo-2. Koefisien b1 dan b2 dari


interpolasi polinomial ordo-2 (persamaan (V-5) dan (V-6)) adalah mirip dengan
bentuk beda hingga untuk turunan pertama dan ke dua.
Contoh 2
Gunakan polinomial ordo dua dengan data seperti pada contoh 1, yaitu :
x0 = 1

f(x0) = 0

x1 = 4

f(x1) = 1.3862944
III-68

x2 = 6

f(x2) = 1.7917595

untuk mencari ln 2
Penyelesaian
Interpolasi polinomial dihitung dengan menggunakan persamaan (V-3), dan
koefisien b0, b1 dan b2 dihitung dengan persamaan (V-5), (V-5) dan (V-6).
Dengan menggunakan persamaan (V-4) diperoleh nilai b0 :
b0 = 0
Koefisien b1 dapat dihitung dengan persamaan (V-5) :
=

1.3862944 0
= 0.46209813
41
Koefisien b2 dihitung dengan persamaan (V-6) :
1.7917595 1.3862944
0.46209813
64
=
= 0.051873116
61
Nilai-nilai tersebut disubstitusikan ke persamaan (V-3) :

= 0 + 0.46209813 1 0.051873116 1 4

Untuk x = 2, maka diperoleh nilai fungsi interpolasi :


2 = 0.56584436

Besar kesalahan adalah :


=

0.69314718 0.56584436
100% = 18.4%
0.69314718
Dari contoh terlihat bahwa dengan menggunakan interpolasi polinomial ordo dua
diperoleh hasil yang lebih baik.
5.4

BENTUK UMUM INTERPOLASI POLINOMIAL

Prosedur seperti dijelaskan di atas dapat digunakan untuk membentuk polinomial


ordo-n dari n + 1 titik data. Bentuk umum polinomial ordo-n adalah :
= + +
+

.........(V-7)

Seperti yang dilakukan dengan interpolasi linier dan kuadrat, titik-titik data dapat
digunakan untuk mengevaluasi koefisien b0, b1, , bn. Untuk polinomial orde-n,
diperlukan n + 1 titik data x0, x1, x2, , xn. Dengan menggunakan titik-titik data
tersebut, persamaan berikut digunakan untuk mengevaluasi koefisien b0, b1, , bn :
=

= ,

.........(V-8)
.........(V-9)

III-69

= , ,

....... (V-10)

= , , , ,

....... (V-11)

Dengan definisi fungsi berkurung ([ ]) adalah pembagian beda hingga.


Misalnya, pembagian beda hingga pertama adalah :
, =

( )

....... (V-12)

Pembagian beda hingga kedua adalah :


, , =

, ,

....... (V-13)

Pembagian beda hingga ke n adalah :


, , , , =

, , , , , ,

...... (V-14)

Bentuk pembagian beda hingga tersebut dapat digunakan untuk mengevaluasi


koefisien-koefisien dalam persamaan (V-8) s/d (V-11), yang kemudian
disubtitusikan ke dalam persamaan (V-7) untuk mendapatkan interpolasi polinomial
orde-n.
= + , + , ,
+
+ , , , ,

...... (V-15)

Persamaan (V-12) s/d (V-14) adalah berurutan, artinya pembagian beda hingga yang
lebih tinggi terdiri dari pembagian beda hingga lebih rendah. Secara skematis bentuk
yang berurutan tersebut ditunjukkan dalam
Tabel V-1 Langkah Skematis Pembagian Beda Hingga

xi

f(x i )

Pertama

Kedua

Ketiga

x0

f(x 0 )

  , 

 ,  , 

 ,  ,  , 

x1

f(x 1 )

  , 

 ,  , 

x2

f(x 2 )

  , 

x3

f(x 3 )

III-70

Contoh 3
Dalam contoh 2, titik data x0 = 1, x1 = 4 dan x2 = 6 digunakan untuk memperkirakan
ln 2 dengan fungsi parabola. Sekarang dengan menambah titik ke empat yaitu x3 = 5
dengan nilai f(x3 = 5) = 1.6094379, hitung ln 2 dengan interpolasi polinomial orde
tiga.
Penyelesaian
Data yang diketahui :
x0 = 1

f(x0) = 0

x1 = 4

f(x1) = 1.3862944

x2 = 6

f(x2) = 1.7917595

x3 = 5

f(x3) = 1.6094379

Persamaan polinomial orde tiga diperoleh dengan memasukkan nilai n = 3 ke dalam


persamaan (V-7) :
                              

Pembagian beda hingga pertama dihitung dengan persamaan (V-12) :


1.3862944  0
 0.46209813
41
1.7917595  1.3862944
  ,  
 0.20273255
64
1.6094379  1.7917595
  ,  
 0.18232160
56
Pembagian beda hingga kedua dihitung dengan persamaan (V-13) :
  ,  

0.20273255  0.46209813
 0.051873116
61
0.18232160  0.20273255
  ,  ,  
 0.020410950
51
Pembagian beda hingga ketiga dihitung dengan persamaan (V-14) :
  ,  ,  

0.020410950  0.051873116
 0.0078655415
51
Nilai f[x1, x0], f[x2,x1, x0] dan f[x3,x2,x1, x0] adalah koefisien b1, b2 dan b3 dari
persamaan (V-7). Dengan nilai-nilai tersebut dan b0 = f(x0) = 0, maka persamaan (V-7)
menjadi :
  ,  ,  ,  

    0  0.46209813  1

0.051873116  1  4

0.0078655415  1  4  6

Hasil interpolasi polinimial ordo-3 di titik x = 2 di peroleh dengan memasukan nilai


x = 2 ke dalam persamaan tersebut diatas sehingga didapat :
 2  0.62876869

III-71

Besar kesalahan dengan menggunakan interpolasi polinomial ordo 3 adalah :


 
5.5

0.69314718  0.62876869
 9.3%
0.62876869

INTERPOLASI POLINOMIAL LANGRANGE

Interpolasi polinomial Langrange adalah hampir sama dengan polinomial Newton,


tetapi tidak menggunakan bentuk pembagian beda hingga. Interpolasi polinomial
Langrange dapat diturunkan dari persamaan Newton. Bentuk polinomial Newton
ordo satu:
           , 

...... (V-16)

Pembagian beda hingga yang ada dalam persamaan diatas mempunyai bentuk :
  ,  
  ,  

    
  

  
 

     

...... (V-17)

Substitusikan persaman (V-17) ke dalam persamaan (V-16) memberikan:


  
  
      
  
 
  
  

Dengan mengelompokan suku-suku di ruas kanan maka persamaan di atas menjadi:


     
  
    

   
 
     
  
Atau

   

  
  
   
  
  
  

...... (V-18)

Persamaan (V-18) di kenal dengan interpolasi polinomial Langrange orde satu.


Dengan prosedur yang sama, untuk interpolasi orde dua di dapat:
  

     
     

  

 
     
     
     


  
     

...... (V-19)

Secara umum bentuk interpolasi polinomial Langrange ordo-n adalah:




         

...... (V-20)



Dengan

III-72

   




  
  

...... (V-21)

Dimana simbol merupakan perkalian.


Dengan menggunakan persamaan (V-20) dan (V-21) dapat dihitung interpolasi
Langrange ordo yang lebih tinggi. Misalnya untuk interpolasi Langrange ordo-3,
persamaan tersebut adalah:


         


                    


        

  
        
        
  

        
        
  

        
        
  

        

Sehingga bentuk interpolasi Langrange orde-3 adalah:


   

        
     

  

        
     
  
     

  

  
     
  
     

   

  
     
  

 
  

...... (V-22)

Contoh 4
Gunakan interpolasi polinomial Langrange ordo satu dan dua untuk menghitung ln
2 dengan menggunakan data pada contoh 3.
Penyelesaian

  1    0

  4    1.3862944

  6    1.7917595

Penyelesaian ordo satu menggunakan persamaan (V-18):


  
  
   
   
  
  
  
III-73

Untuk x = 2 dan dengan data yang diketahui maka:

24
21
0
1.3862944  0.4620981
14
41
Untuk interpolasi Langrange ordo dua digunakan persamaan (V-19):
     
     
     

  

  

 
   
     
     
     
 2 

 2 

24
14

26
21
0
16
41
 0.56584437

26
21
1.3862944 
46
61

24
1.7917595
64

Terlihat bahwa kedua hasil di atas memberikan hasil yang hampir sama dengan
contoh sebelumnya.
5.6

TUGAS DI RUMAH

1. Perkirakan nilai log 4 dengan menggunakan interpolasi linier jika diketahui datadata :
a. Log 3 = 0.4771213 dan log 5 = 0.6989700
b. Log 3 = 0.4771213 dan log 6 = 0.7781513
Pada setiap interpolasi dihitung pula kesalahannya. Nilai eksak dari log 4 =
0.60206
2. Dengan menggunakan metode interpolasi kuadrat dan berdasar data dari soal 1,
hitung log 4.
3. Dengan menggunakan metode interpolasi polinomial ordo-3 dan berdasar data
dari soal 1, hitung log 4. Tambahan data adalah log 3.5 = 0.5440680.
4. Dengan menggunakan metode interpolasi polinomial ordo-4 dan berdasar data
dari soal 1, hitung log 4. Tambahan data adalah log 3.5 = 0.54406800 dan log 5.5 =
0.7403627.
5. Diberikan tabel berikut ini:
2.5
x
0.0
0.5
1.0
1.5
2.0
f(x)

1.0

2.119

2.910

3.945

5.72

8.695

Hitung f(1.3) dengan interpolasi linier


6. Dengan menggunakan data pada soal 4 hitung f(1.3) dengan interpolasi kuadrat.
7. Dengan menggunakan data pada soal 4 hitung f(1.3) dengan interpolasi
polinomial ordo-3.
8. Selesaikan soal 4 dengan menggunakan metode Langrange ordo-2
9. Selesaikan soal 4 dengan menggunakan metode Langrange ordo-3
10. Selesaikan Soal 4 dengan menggunakan metode Langrange ordo-4

-------000------

III-74

BAB VI INTEGRASI NUMERIK

6.1

UMUM

Bentuk umum integral suatu


dipresentasikan dalam bentuk :

fungsi

adalah

operator

matematik

yang

!  " #

....... (VI-1)

Dan merupakan integral suatu fungsi f(x) terhadap variabel x dengan batas-batas
integrasi adalah dari x = a sampai x = b. Seperti yang ditunjukkan dalam Gambar
VI-1 dan persamaan (VI-1), yamg dimaksud dengan integral adalah nilai total atau
luasan yang dibatasi oleh fungsi f(x) dan sumbu x, serta antara batas x=a dan x=b.
Dalam integral analitis, persamaan (VI-1) dapat diselesaikan menjadi :

"   #  $  $ %  $ 

Gambar VI-1 Integral Suatu Fungsi

Dengan F(x) adalah integral dari f(x) sedemikian rupa sehingga F(x) = f(x). Contoh:

1
1
1
"   #       3  0  9
3
3
3



Integral analitis sutau fungsi telah dipelajari dalam mata pelajaran matematika atau
kalkulus. Dalai buku ini akan dipelajari integral numerik yang merupakan
pendekatan dari integral analitis.
Integral numerik dilakukan apabila :
1. Integral tidak (sukar) di selesaikan secara analitis,

III-75

2. Fungsi yang diintegralkan tidak diberikan dalam bentuk analitis, tetapi secara
numerik dalam bentuk angka (tabel).
Metoda integral mumerik merupakan integral tertentu yang didasarkan pada
hitungan perkiraan. Hitungan perkiraan tersebut dilakukan dengan mendekati
fungsi yang diintegralkan dengan fungsi polinomial yang diperoleh berdasarkan
data yang tersedia. Bentuk paling sederhana adalah apabila tersedia dua titik data
yang dapat dibentuk fungsi polinimial ordo satu yang merupakan garis lurus
(linier). Seperti terlihar dalam Gambar VI-2a, akan dihitung :

Yang merupakan luasan antara f(x) dan sumbu-x serta antara x=a dan x=b. Apabila
nilai f(a) dan f(b) diketahui maka dapat dibentuk fungsi polinomial ordo satu f1(x).
Dalam gambar tersebut fungsi f(x) di dekati oleh f1(x), sehingga integralnya adalah
luasan antara f1(x) dan sumbu-x serta antara x=a dan x=b. bidang tersebut
merupakan bentuk trapesium yang luasannya dapat dihitung dengan rumus
geometri, yaitu:
( = )

()
2

Gambar VI-2 Metode Integral Numerik

III-76

Dalam integral numerik, pendekatan tersebut dikenal dengan metode trapesium.


Dengan pendekatan ini integral suatu fungsi adalah sama dengan luasan bidang
yang di arsir (Gambar VI-2), sedang kesalahannya adalah sama dengan luas bidang
yang tidak di arsir.
Apabila hanya terdapat dua data f(a) dan f(b) hanya bisa dibentuk satu pias
trapesium, dan cara ini dikenal dengan metode trapesium satu pias. Jika tersedia
lebih dari dua data dapat dilakukan pendekatan dengan lebih dari satu trapesium,
dan luas total adalah jumlah dari trapesium-trapesium yang terbentuk. Cara ini
dikenal dengan metode trapesium banyak pias. Seperti terlihat dalam Gambar VI-2b,
dengan tiga data dapat dibentuk dua trapesium, dan luas kedua traapesium (bidang
yang diarsir) adalah pendekatan dari integral fungsi. Hasil pendekatan ini lebih baik
daripada pendekatan dengan satu pias. Apabila digunakan lebih banyak trapesium
hasilnya akan lebih baik.
Fungsi yang diintegralkan dapat pula didekati oleh fungsi polinomial denngan ordo
yang lebih tinggi, sehingga kurva yang terbentuk tidak lagi linier seperti dalam
metoda trapesium, tetapi kurva lengkung. Seperti yang ditunjukkan dalam Gambar
VI-2c, tiga data yang ada dapat digunakan untuk membentuk polinomial ordo tiga.
Metode Simpson merupakan metoda integral numerik yang menggunakan fungsi
polinomial dengan ordo lebih tinggi. Metode Simpson 1/3 menggunakan tiga titik
data (polinomial ordo dua) dan Simpson 3/8 menggunakan empat titik data
(polinomial ordo tiga). Jarak antara titik data tersebut adalah sama.
6.2

METODA TRAPESIUM

Metoda trapesium merupakan metoda pendekatan integral numerik dengan


persamaan polinomial orde satu. Dalam metoda ini kurfa lengkung dari fungsi f(x)
digantikan oleh garis lurus.
Seperti pada Gambar VI-2, luasan bidang di bawah fungsi f(x) antara nilai x = a dan
nilai x = b didekati oleh luas satu trapesium yang terbentuk oleh garis lurus yang
menghubungkan f(a) dan f(b) dan sumbu-x serta antara x = a dan x = b. Pendekatan
dilakukan dengan satu pias (trapesium). Menurut rumus geometri, luas trapesium
adalah lebar kali tinggi rerata, yang berbentuk:

+
2

....... (VI-2)

Pada Error! Reference source not found., penggunaan garis lurus untuk mendekati
garis lengkung menyebabkan terjadinya kesalahan sebesar luasan yang tidak diarsir.
Besarnya kesalahan yang terjadi dapat diperkirakan dari persamaan berikut:
=

1

12

....... (VI-3)

dengan adalah titik yang terletak di dalam interval a dan b.


Persamaan (VI-3) menunjukkan bahwa apabila fungsi yang diintegralkan adalah
linier, maka metode trapesium akan memberikan nilai eksak karena turunan kedua
III-77

dari fungsi linier adalah nol. Sebaliknya untuk fungsi dengan derajat dua atau lebih,
penggunaan metode trapesium akan memberikan kesalahan.

Gambar VI-3

Metoda Trapesium

Contoh 1:
4

Gunakan metode trapesium satu pias untuk menghitung, I = e x dx .


0

Penyelesaian:
Bentuk integral diatas dapat diselesaikan secara analitis:
4

[ ] = [e

I = e x dx = e x
0

e 0 = 53,598150.

Hitungan integral numerik dilakukan dengan menggunakan persamaan (VI-2):

I ( b a)

f (a) + f (b)
e0 + e 4
= (4 0 )
= 111,1963.
2
2

Untuk mengetahui tingkat ketelitian dari integral numerik, hasil hitungan numerik
dibandingkan dengan hitungan analitis.
Kesalahan relatif terhadap nilai eksak adalah:

t =

53,598150 111,1963
100 % = 107,46 %.
53,598150

Terlihat bahwa penggunaan metode trapesium satu pias memberikan kesalahan


sangat besar (lebih dari 100 %).
6.3

METODE TRAPESIUM DENGAN BANYAK PIAS

Dari contoh soal diatas terlihat bahwa pendekatan dengan menggunakan satu pias
(trapesium) menimbulkan kesalahan sangat besar. Untuk mengurangi kesalahan
yang terjadi maka kurva lengkung didekati oleh sejumlah garis lurus, sehingga
terbentuk banyak pias (Gambar VI-4). Luas bidang adalah jumlah dari luas beberapa
pias tersebut. Semakin kecil pias yang digunakan, hasil yang didapat menjadi
semakin teliti.

III-78

Gambar VI-4 Metoda Trapesium dengan banyak pias

Dalam Gambar VI-4, panjang tiap pias adalah sama yaitu x. Apabila terdapat n
pias, berarti panjang masing-masing pias adalah:

ba
n

x =

Batas-batas pias diberi notasi:


xo = a, x1, x2, , xn = b
Integral total dapat ditulis dalam bentuk:

!  "  #  "   #   "    #


....... (VI-4)

Substitusi persamaan (VI-2) ke dalam persamaan (VI-4) akan didapat:


!  
Atau

    
    
    
 
  
2
2
2


!
(    2       )
2

....... (VI-5)


!
(%    2   )
2

....... (VI-6)





Atau




Besarnya kesalahan yang terjadi pada penggunaan banyak pias adalah:




 
  %   
12

....... (VI-7)

yang merupakan kesalahan ordo dua. Apabila kesalahan tersebut diperhitungkan


dalam hitungan integral, maka akan didapat hasil yang lebih teliti.
III-79

Bentuk persamaan trapesium dengan memperhitungkan koreksi adalah:



=
+ + 2
2
12

....... (VI-8)

Untuk kebanyakan fungsi, bentuk f ''( ) dapat didekati oleh:


=

....... (VI-9)

Substitusi persamaan (VI-9) ke dalam persamaan (VI-8) didapat:



=
+ + 2
2
12

..... (VI-10)

Bentuk persamaan (VI-10) disebut dengan persamaan trapesium dengan koreksi


ujung, karena memperhitungkan koreksi pada ujung interval a dan b.
Metode trapesium dapat digunakan untuk integral suatu fungsi yang diberikan
dalam bentuk numerik pada interval diskret. Koreksi pada ujung-ujungnya dapat
didekati dengan mengganti diferensial f '(a) dan f '(b) dengan diferensial beda hingga.
Contoh 2
Gunakan metode trapesium empat pias dengan lebar pias adalah x = 1 untuk
menghitung:

Penyelesaian:
Metode trapesium dengan 4 pias, sehingga panjang pias adalah:

40
=
=1

4
Luas bidang dihitung dengan persamaan (VI-6):
=

=
+ + 2
2

1
= + + 2 + + = 57.991950
2
Kesalahan relatif terhadap nilai eksak:
=

53.598150 57.991950
100 % = 8.2 %
53.598150
Apabila digunakan metode trapesium dengan koreksi ujung, maka integral dihitung
dengan persamaan (VI-10). Dalam persamaan tersebut koreksi ujung mengandung
turunan pertama dari fungsi.
III-80

Apabila f (x) = ex, turunan pertamanya adalah f ' = ex; sehingga:



=
+ + 2
2
12

1
1


= + + 2 + +
2
12
= 57.991950 4.466513 = 53.525437
Kesalahan relatif terhadap nilai eksak:
=

53.598150 53.525437
100 % = 0.14 %
53.598150

Contoh 3:
Diberikan tabel data berikut:
x

f (x)

19

33

Hitung luasan di bawah fungsi f (x) dan di antara x = 0 dan x = 4, dengan


menggunakan metode trapesium dan trapesium dengan koreksi ujung.
Penyelesaian:
Integral numerik dihitung dengan persamaan (VI-6):

1
=
+ + 2 = 1 + 33 + 23 + 9 + 19 = 48
2
2

Apabila digunakan metode trapesium dengan koreksi ujung, integral dihitung


dengan persamaan (IV-10):



=
+ + 2
2
12

Turunan pertama pada ujung-ujung dihitung dengan diferensial beda hingga:


= = 0 =
= = 4 =
=

1 0 3 1
=
=
=2

10
1

4 3 33 19
=
=
= 14

43
1

1
1
14 2 = 48 1 = 47
1 + 33 + 23 + 9 + 19
2
12

III-81

6.4

METODE SIMPSON

Di samping menggunakan rumus trapesium dengan interval yang lebih kecil, cara
lain untuk mendapatkan perkiraan yang lebih teliti adalah menggunakan polinomial
order lebih tinggi untuk menghubungkan titik-titik data. Misalnya, apabila terdapat
satu titik tambahan di antara f (a) dan f (b), maka ketiga titik dapat dihubungkan
dengan fungsi parabola (Gambar VI-5a). Apabila terdapat dua titik tambahan
dengan jarak yang sama antara f (a) dan f (b), maka keempat titik tersebut dapat
dihubungkan dengan polinomial order tiga (Gambar VI-5b). Rumus yang dihasilkan
oleh integral di bawah polinomial tersebut dikenal dengan metode (aturan) Simpson.

Gambar VI-5 Aturan Simpson

6.4.1 Aturan Simpson 1/3


Di dalam aturan Simpson 1/3 digunakan polinomial order dua (persamaan
parabola) yang melalui titik f (xi 1), f (xi) dan f (xi + 1) untuk mendekati fungsi. Rumus
Simpson dapat diturunkan berdasarkan deret Taylor. Untuk itu, dipandang bentuk
integral berikut ini.

..... (VI-11)

Apabila bentuk tersebut didiferensialkan terhadap x, akan menjadi:


=

..... (VI-12)

Dengan memperhatikan Gambar VI-6 dan persamaan (VI-12) maka persamaan deret
Taylor adalah:
= + = + +



2!



+
+
+
3!
4!

..... (VI-13)

III-82

!   !      !       

  
  
2!

  
  

   
    +   
3!
4!

..... (VI-14)

Pada Gambar VI-6, nilai I(xi + 1) adalah luasan dibawah fungsi f (x) antara batas a dan
xi + 1. Sedangkan nilai I(xi 1) adalah luasan antara batas a dan I (xi 1). Dengan
demikian luasan di bawah fungsi antara batas xi 1 dan xi + 1 yaitu (Ai), adalah luasan
I (xi + 1) dikurangi I (xi 1) atau persamaan (VI-13) dikurangi persamaan (VI-14).
Atau

,  !   1  !   1

,  2   

  
    +   
3

..... (VI-15)

Gambar VI-6 Penurunan Metoda Simpson

Nilai f ''(xi) ditulis dalam bentuk diferensial terpusat:

    2     


 +  
 
Kemudian bentuk diatas disubstitusikan ke dalam persamaan (VI-15). Untuk
memudahkan penulisan, selanjutnya notasi f (xi) ditulis dalam bentuk fi, sehingga
persamaan (VI-15) menjadi:
    

,  2  
Atau
, 


 
  2    
+    +  
3
3


  4     +  
3 

..... (VI-16)

Persamaan (VI-16) dikenal dengan metode Simpson 1/3. Diberi tambahan nama 1/3
karena x dibagi dengan 3. Pada pemakaian satu pias, x adalah:

III-83


2
Maka persamaan (VI-16) dapat ditulis:
=

+ 4 +
6

..... (VI-17)

dengan titik c adalah titik tengah antara a dan b.


Kesalahan pemotongan yang terjadi dari metode Simpson 1/3 untuk satu pias
adalah:
=

1

90

Oleh kanrena x adalah seperti persamaan diatas maka:


=

=

90
2
2880

Contoh 4
Hitunglah integral berikut ini dengan aturan Simpson 1/3.

Penyelesaian
Dengan menggunakan persamaan (VI-17) maka luas bidang adalah:

40
+ 4 + = 56.7696
+ 4 + =
6
6
Kesalahan terhadap nilai eksak:
=
=

53.598150 56.7696
100 % = 5.917 %
53.598150
Terlihat bahwa pada pemakaian satu pias, metode Simpson 1/3 memberikan hasil
lebih baik dari rumus trapesium.
6.4.2 Aturan Simpson 1/3 dengan banyak pias
Seperti dalam metode trapesium, metode Simpson dapat diperbaiki dengan
membagi luasan dalam sejumlah pias dengan panjang interval yang sama (Gambar
VI-6):

dengan n adalah jumlah pias.


=

III-84

Gambar VI-7 Metode Simpson dengan banyak pias

Luas total diperoleh dengan menjumlahkan semua pias, seperti pada Gambar VI-7.

"   #  ,  ,   ,

..... (VI-18)

Dalam metode Simpson ini jumlah interval adalah genap. Apabila persamaan (VI-16)
disubstitusikan ke dalam persamaan (VI-18) akan diperoleh:

"  # 



  4    
  4    
3
3 

Atau



 4   
3 


"  # 
(%    4     2   )
3







..... (VI-19)



Seperti pada Gambar VI-7, dalam penggunaan metode Simpson dengan banyak pias
ini jumlah interval adalah genap. Perkiraan kesalahan yang terjadi pada aturan
Simpson untuk banyak pias adalah:
  

  %
/////
 
180 .

dengan f ' ' ' ' adalah rerata dari turunan keempat untuk setiap interval.

Contoh 5
Hitunglah integral berikut ini dengan aturan Simpson 1/3 dengan x = 1.


!  " 0 #


III-85

Penyelesaian
Dengan menggunakan persamaan (VI-19) maka luas bidang adalah:
1
+ + 4 + + 2 = 53.863846
3
Kesalahan terhadap nilai eksak:
=

53.598150 53.863846
100 % = 0.5 %
53.598150

6.4.3 Metode Simpson 3/8


Metode Simpson 3/8 diturunkan dengan menggunakan persamaan polinomial order
tiga yang melalui empat titik.

Dengan cara yang sama pada penurunan aturan Simpson 1/3, akhirnya diperoleh:
=

3
+ 3 + 3 +
8

dengan:
=

..... (VI-20)

Persamaan (VI-20) disebut dengan metode Simpson 3/8 karena x dikalikan dengan
3/8. Metode Simpson 3/8 dapat juga ditulis dalam bentuk:
=

+ 3 + 3 +
8

..... (VI-21)

Metode Simpson 3/8 mempunyai kesalahan pemotongan sebesar:


=

3

80

Mengingat x =
=

b a
, maka:
3



6480

..... (VI-22)

Metode Simpson 1/3 biasanya lebih disukai karena mencapai ketelitian order tiga
dan hanya memerlukan tiga titik, dibandingkan metode Simpson 3/8 yang
membutuhkan empat titik. Dalam pemakaian banyak pias, metode Simpson 1/3
hanya berlaku untuk jumlah pias genap. Apabila dikehendaki jumlah pias ganjil,
maka dapat digunakan metode trapesium. Tetapi metode ini tidak begitu baik
III-86

karena adanya kesalahan yang cukup besar. Untuk itu kedua metode dapat
digabung, yaitu sejumlah genap pias digunakan metode Simpson 1/3 sedang 3 pias
sisanya digunakan metode Simpson 3/8.
Contoh 6:
4

Dengan aturan Simpson 3/8 hitung I = e x dx . Hitung pula integral tersebut dengan
0

menggunakan gabungan dari metode Simpson 1/3 dan 3/8, apabila digunakan 5
pias dengan x = 0,8.
Penyelesaian:
a)

Metode Simpson 3/8 dengan satu pias


Integral dihitung dengan menggunakan persamaan (VI-21):

   3    3      


8

.
0  30
 30 .  0 


!  40
 55.07798
8
Besar kesalahan adalah:
!    %

53.598150  55.07798
100 %  2.761 %
53.598150
Apabila digunakan 5 pias, maka data untuk kelima pias tersebut adalah:
 

b)

f (0) = e0 = 1

f (2.4) = e2.4 = 11.02318

f (0.8) = e0.8 = 2.22554

f (3.2) = e3.2 = 24.53253

f (1.6) = e1.6 = 4.9530

f (4) = e4 = 54.59815

Integral untuk 2 pias pertama dihitung dengan metode Simpson 1/3


(persamaan (VI-17):

%
1%  42   3
6
1.6
1  4 2.22554  4.9530  3.96138
!
6
Tiga pias terakhir digunakan aturan Simpson 3/8:
, 

   3   3    


8
4.9530  3 11.02318  3 24.53253  54.59815
!  4  1.6
8
 49.86549

!    %

III-87

Integral total adalah jumlah dari kedua hasil diatas:


!  3.96138  49.86549  53.826873

Kesalahan terhadap nilai eksak:


 

6.5

53.598150  53.826873
53.598150

100 %  0.427 %

INTEGRAL DENGAN PANJANG PIAS TIDAK SAMA

Beberapa rumus diatas didasarkan pada titik data yang berjarak sama. Di dalam
prakteknya sering dijumpai suatu keadaan dimana diperlukan pembagian pias
dengan panjang tidak sama, seperti terlihat pada Gambar VI-8. Pada kurve yang
melengkung dengan tajam diperlukan jumlah pias yang lebih banyak sehingga
panjang pias lebih kecil dibanding dengan kurve yang relatif datar.

Gambar VI-8 Integral dengan panjang pias tidak sama

Di antara beberapa aturan yang telah dibicarakan, yang dapat digunakan untuk
keadaan ini adalah metode trapesium dengan banyak pias, dan bentuk
persamaannya adalah:
!  

      
     
 

2
2
     
 

2

..... (VI-23)

dengan xi = xi xi1
6.6

METODE KUADRATUR

Di dalam metode trapesium dan Simpson, fungsi yang diintegralkan secara numerik
terdiri dari dua bentuk yaitu tabel data atau fungsi. Pada metode kuadratur, yang
akan dibahas adalah metode Gauss Kuadratur, data yang diberikan berupa fungsi.
Pada aturan trapesium dan Simpson, integral didasarkan pada nilai-nilai di ujungujung pias. Seperti pada Gambar VI-9a, metode trapesium didasarkan pada luasan di
III-88

bawah garis lurus yang menghubungkan nilai-nilai dari fungsi pada ujung-ujung
interval integrasi.
Rumus yang digunakan untuk menghitung luasan adalah:
!    %

%  
2

..... (VI-24)

dengan a dan b adalah batas integrasi dan (b a) adalah lebar dari interval integrasi.
Karena metode trapesium harus melalui titik-titik ujung, maka seperti terlihat pada
Gambar VI-9a. rumus trapesium memberikan kesalahan cukup besar.

Gambar VI-9 Bentuk grafik metode trapesium dan Gauss kuadratur

Di dalam metode Gauss kuadratur dihitung luasan di bawah garis lurus yang
menghubungkan dua titik sembarang pada kurva. Dengan menetapkan posisi dari
kedua titik tersebut secara bebas, maka akan bisa ditentukan garis lurus yang dapat
menyeimbangkan antara kesalahan positif dan negatif, seperti pada Gambar VI-9b.
Dalam metode trapesium, persamaan integral seperti diberikan oleh persamaan
(VI-24) dapat ditulis dalam bentuk:
!  2 %  2 

..... (VI-25)

dengan c adalah konstanta. Dari persamaan tersebut akan dicari koefisien c1 dan c2.
Seperti halnya dengan metode trapesium, dalam metode Gauss Kuadratur juga akan
dicari koefisien-koefisien dari persamaan yang berbentuk:
!  2    2  

..... (VI-26)

Dalam hal ini variabel x1 dan x2 adalah tidak tetap, dan akan dicari seperti pada
Gambar VI-10. Persamaan (7.26) mengandung 4 bilangan tak diketahui, yaitu c1, c2,
x1, dan x2, sehingga diperlukan 4 persamaan untuk menyelesaikannya.
Untuk itu persamaan (7.26) dianggap harus memenuhi integral dari empat fungsi,
yaitu dari nilai f ( x ) = 1, f ( x ) = x, f ( x ) = x2 dan f ( x ) = x3, sehingga untuk:


   : 2    2    "   #  0  2   2 




..... (VI-27)



III-89

    2     2     "   # 






2
 2   2 
3

..... (VI-28)

   2    2    "  #  0  2   2 

..... (VI-29)



   1 2    2    " 1 #  2  2  2

..... (VI-30)



Sehingga didapat sistem persamaan:

2
2   2   0 ; 2   2   ; 2   2   0 ; 2  2  2
3
Penyelesaian dari sistem persamaan diatas adalah:
2  2  1 ;   

 0.577350269 ;  

 0.577350269

Substitusi dari hasil tersebut ke dalam persamaan (VI-26) menghasilkan:


!   8

1
98 9
3
3

..... (VI-31)

Gambar VI-10 Integrasi Gauss kuadratur

Batas-batas integral dalam persamaan (VI-27) hingga persamaan (VI-30) adalah 1


sampai 1, sehingga lebih memudahkan hitungan dan membuat rumus yang didapat
bisa digunakan secara umum. Dengan melakukan transformasi batas-batas integrasi
yang lain dapat diubah ke dalam bentuk tersebut. Untuk itu dianggap terdapat
hubungan antara variabel baru xd dan variabel asli x secara linier dalam bentuk:
  %  % 

..... (VI-32)

Bila batas bawah adalah x = a, untuk variabel baru batas tersebut adalah xd = 1.
Kedua nilai tersebut disubstitusikan ke dalam persamaan (VI-32), sehingga
diperoleh:
III-90

= + 1

..... (VI-33)

dan batas baru xd = 1, memberikan:


= + 1

..... (VI-34)

Persamaan (VI-33) dan (VI-34) dapat diselesaikan secara simultan dan hasilnya
adalah:
=

+
2

..... (VI-35)

..... (VI-36)

Dan

Substitusikan persamaan (VI-35) dan (VI-36) ke persamaan (VI-32) menghasilkan:


=

+ +
2

..... (VI-37)

Diferensial dari persamaan tersebut menghasilkan:


=

..... (VI-38)

Persamaan (VI-37) dan persamaan (VI-38) dapat disubstitusikan ke dalam


persamaan yang diintegralkan.
Bentuk rumus Gauss Kuadratur untuk dua titik dapat dikembangkan untuk lebih
banyak titik, yang secara umum mempunyai bentuk:
= + + +

..... (VI-39)

Nilai c dan x untuk rumus sampai dengan enam titik diberikan dalam Tabel VI-1.
Tabel VI-1 Nilai c dan x pada rumus Gauss kuadratur

Jumlah titik
2
3

Koefisien c
c1 = 1.000000000
c2 = 1.000000000
c1 = 0.555555556
c2 = 0.888888889
c3 = 0.555555556
c1 = 0.347854845
c2 = 0.652145155
c3 = 0.652145155
c4 = 0.347854845

Variabel x
x1 = 0.577350269
x2 = 0.577350269
x1 = 0.774596669
x2 = 0.000000000
x3 = 0.774596669
x1 = 0.861136312
x2 = 0.339981044
x3 = 0.339981044
x4 = 0.861136312
III-91

c1 = 0.236926885
c2 = 0.478628670
c3 = 0.568888889
c4 = 0.478628670
c5 = 0.236926885
c1 = 0.171324492
c2 = 0.360761573
c3 = 0.467913935
c4 = 0.467913935
c5 = 0.360761573
c6 = 0.171324492

x1 = 0.906179846
x2 = 0.538469310
x3 = 0.000000000
x4 = 0.538469310
x5 = 0.906179846
x1 = 0.932469514
x2 = 0.661209386
x3 = 0.238619186
x4 = 0.238619186
x5 = 0.661209386
x6 = 0.932469514

Contoh 7
4

Hitung integral I = e x dx, dengan menggunakan metode Gauss kuadratur.


0

Penyelesaian:
Dengan menggunakan persamaan (VI-37) untuk a = 0 dan b = 4 didapat:

+ +
2
4 + 0 + 4 0
=
= 2 + 2
2
Turunan dari persamaan tersebut adalah:
=

= 2

Kedua bentuk diatas disubstitusikan ke dalam persamaan asli, sehingga didapat:

= 2

Ruas kanan dari persamaan diatas dapat digunakan untuk menghitung luasan
dengan metode Gauss Kuadratur, dengan memasukkan nilai xd = x1 = 0.577350269
dan nilai xd = x2 = 0.577350269.
Untuk x1 = 0.577350269 2 . = 4.6573501
Untuk x2 = 0. 577350269 2 . = 46.8920297
Luas total seperti diberikan oleh persamaan (VI-30):
I = 4.6573501 + 46.8920297 = 51.549380.
Kesalahan:
=

53.598150 51.549380
100 % = 3.82 %
53.598150

III-92

Contoh 8:
4

Hitung integral I = e x dx, dengan menggunakan metode Gauss Kuadratur 3 titik.


0

Penyelesaian:
Untuk 3 titik persamaan (VI-26) menjadi:
!  2     2    2   

(c-1)

Seperti terlihat dalam Tabel VI-1, untuk 3 titik, koefisien c dan x adalah:
c1 = 0.555555556.

x1 = 0.774596669.

c2 = 0.888888889.

x2 = 0.000000000.

c3 = 0.555555556.

x3 = 0.774596669.

Dari contoh soal sebelumnya didapat persamaan yang telah dikonversi adalah:
" 0 #  " 0   2 #




Untuk x1 = 0.774596669
Untuk x2 = 0.000000000
Untuk x3 = 0.774596669
Persamaan (c-1) menjadi:

2 0   3.13915546
2 0   14.778112

2 0   69.5704925

!  0.555555556 3.13915546  0.888888889 14.778112


 0.555555556 69.5704925  53.5303486

Kesalahan:

 
6.7

53.598150  53.5303486
53.598150

100 %  0.13 %

TUGAS DIRUMAH

1. Hitung integral berikut dengan metode trapesium satu pias. Hitung sampai 3
angka di belakang koma.
"       5  3 #


2. Hitung integral seperti soal-1 dengan metode trapesium banyak pias dengan
interval   0.5
3. Hitung integral seperti soal-1 dengan metode simpson 1/3 dengan interval  
0.5
4. Hitung integral seperti soal-1 dengan metode simpson 3/8
5. Hitung integral berikut dengan metode trapesium satu pias. Hitung sampai 3
angka di belakang koma.

:  0 #
III-93

6. Hitung integral seperti soal-5 dengan metode trapesium banyak pias dengan
interval = 0.5
7. Hitung integral seperti soal-5 dengan metode simpson 1/3 dengan interval =
0.5
8. Hitung integral berikut:
4 + 2 sin

Dengan metoda:
a) Trapesium satu pias
b) Trapesium banyak pias (n = 5)
c) Simpson 1/3 satu pias
d) Simpson 3/8 satu pias
e) Simpson banyak pias
9. Hitung integral berikut dengan metode Simpson 1/3. Hitung sampai 3 angka di
belakang koma.

10. Hitung integral dari tabel berikut dengan menggunakan metode trapesium dan
metode trapesium dengan koreksi ujung.
x
0.0
0.1
0.2
0.3
0.4
0.5
f(x)
1
7
4
3
5
9
11. Hitung integral seperti pada soal-10 dengan menggunakan metoda Simpson.
12. Hitung integral dari tabel berikut dengan menggunakan metode trapesium dan
Simpson.
x
-3
-1
1
3
5
7
9
11
f(x)
1
-4
-5
2
4
8
6
-3

III-94

BAB VII PERSAMAAN DIFERENSIAL BIASA

Persamaan diferensial dapat dibedakan menjadi dua macam tergantung pada jumlah
variabel bebas. Apabila persamaan tersebut mengandung hanya satu variabel bebas,
persamaan disebut dengan persamaan diferensial parsial. Derajat (order) dari
persamaan ditentukan oleh derajat tertinggi dari turunannya.
Sebagai contoh persamaan diferensial biasa di bawah ini adalah berorder satu,
karena turunan tertingginya adalah turunan pertama.

+= 3

Sedang persamaan diferensial biasa berorder dua mengandung turunan kedua


sebagai turunan tertingginya, seperti bentuk di bawah ini:

+3
+ 2 = 0

Contoh persamaan diferensial parsial dengan variabel bebas x dan t adalah:



=

Penyelesaian persamaan diferensial adalah suatu fungsi yang memenuhi persamaan
diferensial dan juga memenuhi kondisi awal yang diberikan pada persamaan
tersebut. Di dalam penyelesaian persamaan diferensial secara analitis, biasanya
dicari penyelesaian umum yang mengandung konstanta sembarang dan kemudian
mengevaluasi konstanta tersebut sedemikian sehingga hasilnya sesuai dengan
kondisi awal. Metode penyelesaian persamaan diferensial secara analitis terbatas
pada persamaan-persamaan dengan bentuk tertentu, dan biasanya hanya untuk
menyelesaikan persamaan linier dengan koefisien konstan.
Misalkan suatu persamaan diferensial biasa berorder satu, sebagai berikut:

......(VII-1)

Penyelesaian dari persamaan tersebut adalah:


=

......(VII-2)

yang memberikan banyak fungsi untuk berbagai nilai koefisien C. Gambar VII-1,
menunjukkan beberapa kemungkinan dari penyelesaian persamaan (VII-2), yang
tergantung pada nilai C.
Untuk mendapatkan penyelesaian tunggal diperlukan informasi tambahan, misalnya
nilai y (x) dan atau turunannya pada nilai x tertentu. Untuk persamaan order n
biasanya diperlukan n kondisi untuk mendapatkan penyelesaian tunggal y (x).
Apabila semua n kondisi diberikan pada nilai x yang sama (misalnya x0), maka
VII-95

permasalahan disebut dengan problem nilai awal. Apabila dilibatkan lebih dari satu
nilai x, permasalahan disebut dengan problem nilai batas. Misalnya persamaan
(VII-1), disertai kondisi awal yaitu x = 0, nilai y = 1 atau:
= 0 = 1

......(VII-3)

Substitusikan persamaan (VII-3) ke dalam persamaan (VII-2) memberikan:

Atau

1 =
=1

Dengan demikian penyelesaian tunggal yang memenuhi persamaan:

= 0 = 1

Adalah:

Gambar VII-1 Penyelesaian persamaan

dy
=y
dx

Metode penyelesaian numerik tidak ada batasan mengenai bentuk persamaan


diferensial. Penyelesaian berupa tabel nilai-nilai numerik dari fungsi untuk berbagai
variabel bebas. Penyelesaian suatu persamaan diferensial dilakukan pada titik-titik
yang ditentukan secara berurutan. Untuk mendapatkan hasil yang lebih teliti maka
jarak (interval) antara titik-titik yang berurutan tersebut dibuat semakin kecil.
Penyelesaian persamaan (VII-1) dan persamaan (VII-2) adalah mencari nilai y sebagai
fungsi dari x. Persamaan diferensial memberikan kemiringan kurve pada setiap titik
sebagai fungsi x dan y. Hitungan dimulai dari nilai awal yang diketahui, misalnya di
titik (x0, y0). Kemudian dihitung kemiringan kurve (garis singgung) di titik tersebut.
VII-96

Berdasar nilai y0 di titik x0 dan kemiringan fungsi di titik-titik tersebut dapat


dihitung nilai y1 di titik x1 yang berjarak x dari x0. Selanjutnya titik (x1, y1) yang
telah diperoleh tersebut digunakan untuk menghitung nilai y2 di titik x2 yang
berjarak x dari x1. Prosedur hitungan tersebut diulangi lagi untuk mendapatkan
nilai y selanjutnya, seperti pada Gambar VII-2.

Gambar VII-2 Penyelesaian numerik persamaan diferensial

7.1

METODE SATU LANGKAH

Akan diselesaikan persamaan diferensial biasa dengan bentuk sebagai berikut:

= ,

Persamaan tersebut dapat didekati dengan bentuk berikut:

Atau
Atau

=
= ,

= + ,
= +

......(VII-4)

dengan adalah perkiraan kemiringan yang digunakan untuk ekstrapolasi dari nilai
yi ke yi + 1 yang berjarak x yaitu selisih antara x = xi + 1 xi.
Persamaan diatas dapat digunakan untuk menghitung langkah nilai y secara
bertahap.
Semua metode satu langkah dapat ditulis dalam bentuk umum tersebut. Perbedaan
dari beberapa metode yang ada adalah didalam cara mengestimasi kemiringan .

VII-97

7.2

METODE EULER

7.3

KESALAHAN METODE EULER

VII-98