Numerik 1-5
Numerik 1-5
1.1. Umum
Metode Numerik adalah teknik untuk menyelesaikan permasalahan-permasalahan
yang diformulasikan secara matematis dengan cara operasi hitungan (arithmatic).
Dalam metode numerik ini dilakukan operasi hitungan dalam jumlah yang sangat banyak
dan berulang-ulang. Oleh karena itu diperlukan bantuan komputer untuk melaksanakan
operasi hitungan tersebut. Metode numerik juga mampu menyelesaikan suatu sistem
persamaan yang besar, tidak linier dan sangat kompleks yang tidak mungkin diselesaikan
secara analitis.
Karenanya mata kuliah ini diajarkan untuk membantu mahasiswa menyelesaikan
perhitungan numerik dan menyelesaikannya dengan bantuan komputer.
Ruang lingkup metode numerik antara lain mencari akar-akar persamaan dan
mencari akar dari suatu sistem persamaan simultan.
1.2. Kesalahan (error)
Penyelesaian secara numeris dari suatu persamaan matematik hanya memberikan nilai
perkiraan yang mendekati nilai eksak (yang benar) 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.
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.
2. Kesalahan pembulatan, karena tidak diperhitungkannya beberapa angka terakhir
dari suatu bilangan.
3. Kesalahan pemotongan, terjadi karena tidak dilakukannya hitungan sesuai dengan
prosedur matematik yang benar. Contoh : proses tak terhingga diganti dengan proses
hingga.
1.3. Kesalahan Absolut dan Relatif
Hubungan antara nilai eksak, nilai perkiraan dan kesalahan dapat diberikan dalam
bentuk berikut ini.
p p E e
Indeks e menunjukkan bahwa kesalahan dibandingkan terhadap nilai eksak. Dari bentuk
persamaan diatas , didapat bahwa kesalahan adalah perbedaan antara nilai eksak dan nilai
perkiraan.
1. Kesalahan Absolut
Dinyatakan dengan rumus :
E e p p
(1.1)
Ee
p
(1.2)
Ee
100%
p
(1.3)
Dari persamaan (1.1), (1.2) dan (1.3) yang dibandingkan terhadap nilai eksak, maka
kesalahan yang dinyatakan berdasarkan pada nilai perkiraan terbaik dari nilai eksak dapat
dirumuskan sebagai berikut :
a
100%
p
(1.4)
Dengan :
Contoh :
Hitung kesalahan yang terjadi dari nilai ex dengan x = 0,5 apabila hanya diperhitungkan
beberapa suku pertama saja. Nilai eksak dari e0,5 = 1,648721271.
ex 1 x
a.
x2 x3 x4
.........
2! 3!
4!
b.
Ee
1,648721271 1
100%
100% 39,35%
p
1,648721271
1,5 1
100%
100% 33,33%
p
1,5
Hasil
1
1,5
1.625
1.645833333
1.648437500
e %
39.3
9.02
1.44
0.175
0.0172
a %
0
33.3
7.69
1.27
0.158
(1.5)
Dengan :
f(xi)
: fungsi di titik xi
f(xi+1)
Rn
: kesalahan pemotongan
Dalam persamaan (1.5) kesalahan pemotongan Rn diberikan oleh bentuk berikut ini.
Rn f
n 1
( xi )
x n 1
f
(n 1)!
n2
( xi )
x n 2
........
( n 1)!
(1.6)
Persamaan (1.5) yang mempunyai suku sebanyak tak terhingga akan memberikan perkiraan
nilai suatu fungsi sesuai dengan penyelesaian analitisnya. Dalam praktek sulit
memperhitungkan semua suku tersebut dan biasanya hanya diperhitungkan beberapa suku
pertama saja. Gambar 1.1. menunjukkan perkiraan suatu fungsi dengan deret Taylor.
1.
(1.7)
Pada persamaan (1.7) yang disebut sebagai perkiraan order nol, nilai f pada titik xi+1
sama dengan harga pada xi. Perkiraan tersebut adalah benar jika fungsi yang
diperkirakan adalah suatu konstan. Jika fungsi tidak konstan maka harus diperhitungkan
suku-suku berikutnya dari deret Taylor.
2. Memperhitungkan dua suku pertama (order 1)
Bentuk deret Taylor order satu dengan memperhitungkan dua suku pertama ditulis sbb :
f ( x 1) f ( xi) f ' ( xi )
x
1!
x
2
(1.8)
Persamaan (1.8) disebut perkiraan order dua.
Kesalahan Pemotongan
Deret Taylor akan memberikan perkiraan suatu fungsi dengan benar jika semua
suku dari deret diperhitungkan. Dalam praktek hanya beberapa susku pertama saja yang
diperhitungkan sehingga hasil perkiraan tidak tepat pada penyelesaian analitik. Kesalahan
apabila hanya memperhitungkan deret-deret terakhir saja pada deret Taylor disebut
kesalahan pemotongan.
Rn O x n 1
Indeks n menunjukkan bahwa deret yang diperhitungkan adalah sampai pada suku ke-n,
sedangkan indeks n + 1 menunjukkan bahwa kesalahan pemotongan mempunyai order n +
1.
Kesalahan pemotongan ini kecil apabila :
1. interval x adalah kecil
2. memperhitungkan lebih bayak suku deret taylor
Pada perkiraan order satu, kesalahan pemotongan adalah :
O x 2
f " xi
x 2
2!
f " ' xi
x 3
......
3!
(1.10)
Diferensial Numerik
Digunakan untuk memperkirakan bentuk diferensial kontinyu menjadi bentuk
diskret. Biasanya digunakan untuk menyelesaikan persamaan diferensial dan dapat
diturunkan berdasar deret Taylor.
1. Diferensial Maju
f xi 1 f xi f ' xi x O x 2
(1.11)
atau
f
f xi 1 f xi
f ' xi
O x 2
x
x
(1.12)
Disebut diferensial maju karena order satu karena menggunakan data pada titik
xi dan xi+1.
2. Diferensial Mundur
xi
1 f
xi
f ' xi
x
x 2
x 3
f " xi
f " ' xi
....
1!
2!
3!
(1.13)
atau
f xi 1 f xi f ' xi x O x 2
f
f xi f xi 1
f ' xi
O x
x
x
(1.14)
(1.15)
xi
xi
atau
f
x
atau
f
'
xi
'
xi
xi
xi
(1.16)
Data yang digunakan adalah pada titik xi-1 dan xi+1.
xi
xi
atau
2
x
f
2
"
xi
xi
(1.17)
dari uraian diatas disimpulkan bahwa bentuk diferensial (biasa atau parsiil) dapat
diubah menjadi diferensial numerik (beda hingga).
Diferensial fungsi f terhadap t,
f t n 1 f t n
f
f ' tn
t
t
2 f
t 2
(1.19)
(1.18)
f " tn
t n 1
BAB II
AKAR-AKAR PERSAMAAN
Pendahuluan
Untuk polinomial derajad dua, persamaan diselesaikan dengan rumus persamaan
kuadrat. Misalnya bentuk ax2 + bx + c = 0 diselesaikan dengan menggunakan
rumus : x12
b b 2 4ac
2a
Sedang untuk persamaan dengan derajad yang lebih tinggi tidak ada rumus yang
digunakan untuk menyelesaikannya. Misalnya :
f x x 3 x 2 3x 3 0
f x x 5 2 x 4 3x 3 4 x 2 3x 1 0
f x e x 3x 0
f x 3 x sin x e x 0
1. Hitung fungsi pada interval yang sama dari nilai x sampai pada perubahan tanda
dari fungsi f (xn) dan f (xn+1), yaitu apabila f (xn) * f(xn+1) < 0
2. Estimasi pertama dari akar xt dihitung dengan
xt
x n x n 1
2
(2.1)
3. Buat evaluasi berikut untuk menentukan dalam sub interval mana akar persamaan
berada :
a. Jika f(xn) * f(xt) < 0, akar persamaan berada pada sub interval pertama,
kemudian tetapkan xn+1 = xt dan lanjutkan pada langkah ke 4.
b. Jika f(xn) * f (xt) > 0, akar persamaan berada pada sub interval kedua, kemudian
tetapkan xn = xt dan lanjutkan pada langkah ke 4.
c. Jika f (xn) * f (xt) = 0, akar persamaan adalah xt dan hitungan selesai.
4. Hitung perkiraan baru dari akar dengan :
xt
x n x n 1
2
5. Bila perkiraan baru sudah cukup kecil (sesuai dengan batasan yang ditentukan),
maka hitungan selesai, dan xt adalah akar persamaan yang dicari. Jika belum, maka
hitungan kembali ke langkah 3.
interval
Penyelesaian
Dihitung nilai f(x) pada interval antara 2 titik, misalnya x=1 dan x=2.
Untuk x = 1, f(x=1) = (1)3 + (1)2 -3(1) -3 = -4
Untuk x = 2, f (x=2) = (2)3 + (2)2 -3(2) -3 = 3
Mengingat fungsi adalah kontinyu, berarti perubahan tanda dari fungsi antara x = 1 dan x =
2 akan memotong sumbu x paling tidak satu kali.
1,5
2
2
f ( xt 1,5) (1,5) 3 (1,5) 2 3(1,5) 3 1,875
xt
Oleh karena fungsi berubah tanda antara x = 1,5 dan x = 2, maka akar terletak diantara
kedua nilai tsb.
Tabel 2.1. Hasil hitungan metode setengah interval
Jumlah iterasi
1
2
3
4
5
6
7
.
xn
xn+1
1
1.5
1.5
1.625
1.6875
1.71875
1.71875
.
2
2
1.75
1.75
1.75
1.75
1.73437
.
xt
1.5
1.75
1.625
1.6875
1.71875
1.73437
1.72656
.
1.73205
f (xn)
-4.0
-1.875
-1.875
-0.94335
-0.40942
-0.12478
-0.12478
.
f (xn+1)
3.0
3.0
0.17187
0.17187
0.17187
0.17187
0.17187
.
f (xt)
-1.875
0.17187
-0.94335
-0.40942
-0.12478
-0.02198
-0.02198
.
-0.00000
x n 1 x n
f ( x n 1 ) f ( x n )
x x n 1
f ( x n 1 )
( x n 1 x n )
f ( x n 1 f ( x n )
(2.2)
Nilai tsb digunakan untuk menghitung nilai f(x *), kemudian digunakan lagi untuk
interpolasi linier dengan nilai f(xn) atau f(xn+1) sehingga kedua fungsi mempunyai
tanda yang berbeda. Prosedur ini diulang sampai didapat nilai f(x*) mendekati nol.
Contoh 2.
Hitung salah satu akar dari persamaan f(x) = x3 + x2 -3x -3 = 0
Penyelesaian
Langkah pertama adalah menghitung nilai f(x) pada interval antara 2 titik
sedemikian sehingga nilai f(x) pada kedua titik tsb berlawanan tanda.
Untuk x1 = 1, f(x1 = 1) = -4
Untuk x2 = 2, f(x2 = 2) = 3
Dengan menggunakan rumus :
f ( xn 1)
( xn 1 xn)
f ( xn 1) f ( xn)
3
x 2
(2 1) 1.57142
3 (4)
x xn 1
Karena f(x*) bertanda sama dengan x1 (negatif) maka akar terletak antara x =
1.57142 dan x = 2. Selanjutnya dihitung nilai x*,
x 2
3 (1.36449)
( 2 1.57142) 1.70540
Prosedur hitungan seperti tsb diatas dilanjutkan sampai akhirnya didapat nilai f(x *)
0. Tabel 2.2. menunjukkan hasil hitungan tsb.
Tabel 2.2. Hasil hitungan metode interpolasi linier
Jumlah
Iterasi
X1
X2
X3
F(x1)
F(x2)
F(x3)
1
2
3
4
5
1.0
1.57142
1.70540
1.72788
1.73140
2.0
2.0
2.0
2.0
2.0
1.57142
1.70540
1.72788
1.73140
1.73194
-4.0
-1.36449
-0.24784
-0.03936
3.0
3.0
3.0
3.0
-1.36449
-0.24784
-0.03936
-0.00615
f ( xi ) 0
xi xi 1
atau
(2.3)
f ( xi )
xi 1 xi
f ' ( xi )
Contoh 3
Selesaikan soal pada contoh 1 dengan menggunakan metode Newton Raphson
Penyelesaian
Persamaan yang diselesaikan,
f ( x) x3 x 2 3x 3 0
f ( xi )
f ' ( xi )
4
3
2
xi
xi+1
f(xi)
F(xi+1)
iterasi
1
2
3
4
5
1.0
3.0
2.2
1.83
1.73778
3.0
2.2
1.83
1.73778
1.73207
-4.0
24.0
5.888
0.987387
0.05442
24.0
5.888
0.987387
0.05442
0.0001816
Metode Secant
Kekurangan metode Newton Raphson adalah diperlukannya turunan pertama dari
f(x) dalam hitungan. Terkadang sulit mendiferensialkan persamaan yang
diselesaikan. Untuk itu maka bentuk diferensial didekati dengan nilai perkiraan
berdasarkan diferensial beda hingga.
f ( xi )( xi xi 1)
f ( xi ) f ( xi 1)
Dalam metode ini pendekatan memerlukan dua nilai awal dari x.
xi 1 xi
Contoh 4
Selesaikan persamaan dalam contoh sebelumnya dengan menggunakan metode
Secant.
Penyelesaian
Iterasi pertama, diambil 2 nilai awal x = 1 dan x = 2
Untuk x=1, f(x=1) = -4
Untuk x=2, f(x=2) = 3
1.36449(1.57142 2)
1.70540
1.36449 3
X1
1.0
2.0
1.57142
1.70540
1.73513
X2
2.0
1.57142
1.70540
1.73513
1.73199
X3
1.57142
1.70540
1.73513
1.73199
1.73205
F(x1)
-4.0
-3.0
-1.36449
-0.24784
F(x2)
3.0
-1.36449
-0.24784
0.02920
F(x3)
-1.36449
-0.24784
0.02920
-0.000575
Metode Iterasi
Dalam metode iterasi digunakan suatu persamaan untuk memperkirakan nilai akar
persamaan. Persamaan tsb dikembangkan dari suatu fungsi f(x)=0 sehingga
parameter x berada di sisi kiri dari persamaan, yaitu :
x g (x )
(2.5)
Transformasi ini dapat dilakukan dengan manipulasi aljabar atau dengan me nambahkan parameter x pada kedua sisi dari persamaan aslinya.
x 3 x 2 - 3x - 3 0
dapat ditulis menjadi bentuk :
x
x3 x 2 3
3
x i 1 - xi
100%
x i 1
Contoh 5
Hitung akar dari persamaan x3 + x2 3x 3 = 0 dengan metode iterasi.
Penyelesaian
(2.6)
x 2 x1
1.70998 2
100%
100% 16.9607%
x2
1.70998
Hitungan dilanjutkan dengan prosedur yang sama dan hasilnya diberikan dalam
tabel 2.5. Hasil hitungannya adalah x = 1.73205.
Tabel 2.5. Hasil hitungan dengan metode Iterasi
Iterasi (i)
1
2
3
4
5
6
xi
2.00000
1.70998
1.73313
1.73199
1.73205
1.73205
a (%)
16.9607
1.3362
0.0658
0.0034
0.0002
Dari tabel terlihat bahwa hasil hitungan pada iterasi yang lebih tinggi semakin
dekat dengan akar persamaan yang benar, atau kesalahan yang terjadi semakin
kecil. Penyelesaian persamaan seperti ini disebut konvergen.
Persamaan x 3 x 2 3 x 3 0 dapat diubah dalam bentuk berikut :
x3 x 2 3
3
Dalam bentuk iterasi persamaan diatas menjadi :
x
xi xi 3
3
Untuk perkiraan awal x1 2, didapat :
xi 1
x1 x1 3 23 2 2 3
3
3
3
Besar kesalahan :
x2
x2 x1
3 2
100%
100% 33.3333%
x2
3
Dengan prosedur yang sama hitungan dilanjutkan dan hasilnya diberikan dalam
tabel 2.6.
Tabel 2.6. Hasil hitungan metode Iterasi
Iterasi (i )
1
2
3
4
5
xi
2.00000
3.00000
11.00000
483.00000
37637290.0
a
33.3333
72.7273
97.7226
99.9987
Tampak bahwa hasil hitungan pada iterasi yang lebih tinggi semakin menjauhi
nilai akar persamaan yang benar. Keadaan hitungan seperti ini disebut divergen.
BAB III
SISTEM PERSAMAAN LINIER
Pendahuluan
Di dalam penyelesaian sistem persamaan akan dicari nilai x1, x2, ........,xn yang
memenuhi sistem persamaan berikut,
f1(x1,x2, ..........,xn) = 0
f2(x1, x2, ........., xn) = 0
.
.
.
fn(x1, x2, .........., xn) = 0
Sistem persamaan diatas dapat linier atau tak linier. Bentuk umum sistem persamaan
linier :
a11 x1 a12 x2 ....... a1n xn b1
a21 x1 a22 x2 ....... a2 n xn b2
.
.
an1 x1 an 2 x2 ....... ann xn bn
(3.1)
dengan a adalah koefisien konstan, b adalah konstan, n adalah jumlah persamaan, dan
x1, x2,..........,xn adalah bilangan tak diketahui.
3.2. Notasi Matriks
Matriks adalah larikan bilangan-bilangan yang berbentuk empat persegi panjang.
a11
a
21
a12
a13
a 22
a 23
.
.
.
.
.
.
a m1
am2
a m3
a1n
a 2 n
.
.
.
.
a mn
. .
bn
c1
c
C 2
.
cm
a 41
a12
a13
a 22
a32
a 42
a 23
a33
a 43
a14
a 24
a34
a 44
Diagonal yang terdiri dari elemen a11, a22, a33, dan a44 adalah diagonal utama
matriks.
3.2.1. Beberapa tipe matriks bujur sangkar
Digunakan dalam penyelesaian sistem persamaan linier.
Ada beberapa bentuk khusus dari matriks bujur sangkar, yaitu :
1. Matriks simetris, bila aij = aji. Misalnya matriks simetris 3x3.
2. Matriks diagonal adalah matriks bujur sangkar dimana semua elemen kecuali
diagonal utama adalah nol :
a11
0
A
0
0
a 22
0
0
0
0
a33
0
0
0
0
a 44
3. Matriks identitas, adalah matriks diagonal dimana semua elemen pada diagonal
utama adalah 1,
1
0
I
0
1
0
0
0
1
0
0
0
4. Matriks segitiga atas, adalah matriks dimana semua elemen di bawah diagonal
utama adalah nol, seperti
a11
0
A
0
a12
a 22
0
0
a13
a 23
a33
0
a14
a 24
a34
a 44
5. Matriks segitiga bawah, adalah matriks dimana semua elemen diatas diagonal utama
adalah nol.
a11
a 21
A
a31
a 41
a 22
a32
a 42
0
a33
a 43
0
0
0
a 44
6. Matriks pita, adalah matriks yang mempunyai elemen sama dengan nol, kecuali
pada satu jalur yang berpusat pada diagonal utama.
a11
a 21
A
0
a12
a 22
a32
0
0
a 23
a33
a 43
0
0
a34
a 44
Matriks diatas mempunyai tiga jalur, yang biasa disebut dengan matriks tridiagonal.
3.2.2. Operasi matriks
a. Kesamaan dua matriks
Dua matriks A dan B dikatakan sama bila elemen-elemen matriks A sama dengan
elemen-elemen matriks B dan ukuran keduanya adalah sama, aij = bij untuk semua
dan j.
b. Penjumlahan matriks
C A B aij bij cij
contoh :
1
A
0
3
4
2
1
1 2
A B
0 (1)
2
B
1
2 3 3 0
1 2 4 5
3
2
0
5
3 5
1 3
3
9
c. Perkalian matriks
Jika g A C, maka cij g aij
Contoh :
2
A
4
- 2
dan g 5
3
2
10 10
3
15
20
1
- 2 2(1) 3(-2) 4(3) 8
3
2
4
C gA 5
2
Jika A
1
1
3
4
2
1
B - 1
4
2
3
- 1
x1
dan X x 2
x3
Tentukan :
AB ; BA ; dan AX
d. Matrik Transpose
Matriks transpose adalah matriks yang terbentuk dengan mengganti baris menjadi kolom
dan kolom menjadi baris. Matriks ini diberi notasi AT.
a11
a
21
.
a12
a13
a 22
.
a 23
.
a m1
am2
a m3
a mn
a21
a31
am1
a22
a32
.
.
a1n
a2 n
a3 n
a11
a
12
AT
a1n
a 2 n
.
.
.
am 2
.
.
.
.
amn
e. Matriks Invers
Di dalam matriks, operasi pembagian matriks tidak didefinisikan. Tetapi operasi matriks
yang mirip dengan pembagian adalah matriks invers.
Bila A adalah matriks, maka matriks inversnya adalah A-1.
AA1 A1 A I
Dengan demikian, perkalian matriks dengan matriks invers adalah analog dengan
pembagian.
f. Peningkatan matriks
Matriks dapat ditingkatkan dengan menambahkan kolom pada matriks asli. Misalnya
suatu matriks koefisien ukuran 3 x 3.
a11
A a 21
a31
a12
a 22
a32
a13
a 23
a33
Matriks tsb akan ditingkatkan dengan menambahkan matriks identitas sehingga menjadi
matriks 3 x 6.
a11
a 21
a31
a12
a 22
a32
a13
a 23
a33
1
0
0
0
1
0
0
1
a11
a
21
.
a13
a23
.
.
am1
am 2
am 3
a12
a22
.
.
a1n
x1
x 2
a2 n
.
b1
b 2
.
.
.
.
amn
xn
bn
atau
AX B
dengan :
A : matriks koefisien n x n
X : vektor kolom n x 1 dari bilangan tak diketahui
B : vektor kolom n x 1 dari konstanta
A1 AX A1 B
karena
A1 A I
maka
X A1 B
a 21
a31
a12
a 22
a32
a13
a 23
a33
c1
c 2
c3
(3.3.a)
(3.3.b)
(3.3.c)
Persamaan pertama dari sistem dibagi koefisien pertama dari persamaan pertama, a11
a12
a13
b1
x1
x2
x3
(3.4)
a11
a11
a11
Persamaan (3.4) dikalikan dengan koefisien pertama dari persamaan kedua.
a12
a13
b1
x 2 a 21
x3 a 21
a11
a11
a11
Persamaan (3.3.b) dikurangi persamaan (3.5) didapat :
a 21x1 a 21
a 22 a 21
a12
a13
b1
x 2 a 23 a 21
x3 b 2 a 21
a11
a
11
a
11
atau
a '22 x 2 a '23x3 b'2
(3.5)
langkah berikutnya, persamaan yang telah dinormalkan (persamaan 3.4) dikalikan dengan
koefisien pertama dari persamaan ketiga, dan hasilnya dikurangkan dari persamaan ketiga
dari sistem persamaan asli. Hasilnya adalah :
a '32 x 2 a '33 x3 b'3
Dengan melakukan prosedur hitungan tsb diatas, akhirnya didapat sistem persamaan
berikut :
a11x1 a12 x 2 a13 x3 b1
(3.6.a)
(3.6.b)
(3.6.c)
Prosedur berikutnya adalah mengeliminasi x2 dari salah satu dari dua persamaan terakhir.
Untuk itu persamaan (3.6.b) dibagi dengan koefisien pertama dari persamaan (3.6.b) yaitu
a22
a '23
b'2
x3
a '22
a '22
Persamaan (3.7) dikalikan dengan koefisien pertama dari persamaan (3.6.c)
a '23
b'2
a '32 x 2 a '32
x3 a '32
a '22
a '22
Persamaan (3.6.c) dikurangi persamaan (3.8),
x2
a '33 a '32
(3.7)
(3.8)
a '23
b'2
x3 b'3 a '32
a '22
a '22
atau
a"33 x3 b"3
dengan demikian sistem persamaan menjadi :
a11x1 a12x2 a13x3 b1
a'22x2 a'23x3 b'2
a"33x3 b"3
(3.9.a)
(3.9.b)
(3.9.c)
Sistem persamaan diatas mempunyai koefisien matriks yang berbentuk segitiga atas (ai,j =
0 untuk i > j). Dari sistem persamaan tsb akan dapat dihitung nilai x1, x2 dan x3,
b"3
a"33
b'2 a '23 x3
x2
a '22
b1 a12 x 2 a13 x3
x1
a11
Dengan demikian sistem persamaan telah dapat diselesaikan.
x3
(3.10.a)
(3.10.b)
(3.10.c)
Contoh 5
Selesaikan sistem persamaan berikut :
3x y z 5
4 x 7 y 3 z 20
(1.a)
(1.b)
2 x 2 y 5 z 10
(1.c)
Penyelesaian
1.
2.
(8)
Persamaan (8) dikalikan dengan elemen pertama dari persamaan (7.c) yaitu - 2,6666.
2,6666 y 0,7842 z 6,2742
(9)
y-
z5
(10.a)
(10.b)
4,8824 z 12,9409
(10.c)
1,506
3
3
Jadi hasil penyelesaian sistem persamaannya :
x 1,506
y 3,1325
z 2,6505
Untuk mengetahui benar dan tidaknya hasil yang didapat, nilai x, y, dan z yang diperoleh
disubstitusikan ke sistem persamaan asli,
3.(1,506) 3,1325 2,6505 5
( 5)
4.(1,506) 7.(3,1325) - 3.(2,6505) 20
( 20)
2.(1,506) - 2.(3,1325) 5.(2,6505) 9,9995
( 10)
y
(3.11.a)
a 21x1 a 22 x 2 a 23 x3 a 24 x 4 b 2
a31x1 a32 x 2 a33 x3 a34 x 4 b3
(3.11.b)
(3.11.c)
a 41x1 a 42 x 2 a 43 x3 a 44 x 4 b 4
(3.11.d)
a31
a12
a13
a 22
a32
a 23
a33
a 24
a34
a 41
a 42
a 43
a 44
a14
x1
x 2
x3
x 4
b1
b 2
b3
(3.12)
b 4
Dalam metode Gauss Jordan dipilih secara berurutan setiap baris sebagai baris pivot,
dengan pivot adalah elemen pertama tidak nol dari baris tsb.
1.
Pertama kali baris pertama dari persamaan (3.12) dibagi dengan elemen pivot, yaitu
a11 sehingga didapat
1
a 21
a31
a 41
a '12
a '13
a '14
a 22
a32
a 42
a 23
a33
a 43
a34
a 44
a 24
x1
b'1
x 2
b 2
x3
b3
x 4
b 4
2.
a '12
a '22
a '32
a '42
a '13
a '23
a '33
a '43
a '14
a '24
a '34
a '44
x1
b'1
x 2
b'2
x3
b'3
x 4
b'4
(3.13)
Kemudian ditetapkan baris kedua sebagai baris pivot dan a22 sebagai elemen pivot.
Prosedur diatas diulangi lagi untuk baris kedua.
Baris kedua dari persamaan diatas dibagi dengan elemen pivot yaitu a22, sehingga
didapat :
1
0
a '12
1
a '32
a '42
a '13
a ' '23
a '33
a '43
a '14
a ' '24
a '34
a '44
x1
b'1
x 2
b' '2
x3
b'3
x 4
b'4
3.
a ' '13
1
0
0
a ' '23
a ' '33
a ' '43
a ' '14
a ' '24
a ' '34
a ' '44
x1
b' '1
x 2
b' '2
x3
b' '3
x 4
b' '4
(3.15)
Untuk langkah selanjutnya ditetapkan baris ketiga sebagai pivot. Setelah itu
prosedur diulangi lagi sehingga akhirnya didapat sistem persamaan berikut :
1
0
0
0
0
1
0
0
0
0
1 0
0 1
b1iv
b 2iv
b3iv
x3
iv
x 4
b 4
x1
x 2
Dari sistem persamaan (3.15) dapat dihitung nilai x1, x2, x3, x4
x1 b1iv
x 2 b 2iv
x3 b3iv
x 4 b 4iv
Contoh
3x y z 5
4 x 7 y 3 z 20
2 x 2 y 5 z 10
Sistem persamaan dapat ditulis dalam bentuk matriks :
3
4
1
7
-2
1
4
0,3333
7
-2
1
0
0,3333
5,6668
- 2,6666
(1.a)
(1.b)
(1.c)
- 1
- 3
5
x
5
y 20
(2)
z
10
Baris pertama dari persamaan (2) dibagi dengan elemen pivot, yaitu 3 sehingga persamaan
menjadi :
- 0,3333
- 3
x
1,6666
y 20
z
10
Persamaan pertama dikalikan elemen pertama dari persamaan kedua, yaitu 4, dan
kemudian dikurangkan thd persamaan kedua. Dengan cara yang sama untuk persamaan
ketiga, sehingga didapat :
0,3333
- 1,6668
5,6666
x
1,6666
y 13,3336
z
6,6668
Baris kedua dari persamaan diatas dibagi dengan elemen pivot, yaitu 5,6668, sehingga
sistem persamaan menjadi :
1
0
0,3333
1
- 2,6666
0,3333
- 0,2941
5,6666
x
1,6666
y 2,3529
z
6,6668
Persamaan kedua dikalikan dengan elemen kedua dari persamaan pertama (0,3333) dan
kemudian dikurangkan thd persamaan pertama. Kemudian dengan cara yang sama untuk
persamaan ketiga, sehingga didapat :
1
0
0
1
0,2353
- 0,2941
4,8824
1
0
0,2353
- 0,2941
x
0,8824
y 2,3529
0 0
z
12,9410
Persamaan ketiga dibagi dengan elemen pivot yaitu 4,8824 sehingga pers. menjadi :
1
0
x
0,8824
y 2,3529
z
2,6505
Persamaan ketiga dikalikan elemen ketiga dari persamaan pertama dan kemudian
dikurangkan thd persamaan pertama. Kemudian dengan cara yang sama untuk persamaan
kedua , sehingga didapat :
1
0
0
0
1
x
1,5061
y 3,1324
z
2,6505
Dari sistem persamaan diatas didapat nilai x, y, dan z
x 1,5061
y 3,1324
dan z 2,6505
0
1
0
1
2
1
1
1
2
Penyelesaian
Matriks A ditingkatkan dengan matriks identitas sehingga menjadi :
2
A 1
1
1.
1
2
1
1
1
2
1
0
0
0
1
0
0
1
Ditetapkan elemen pertama dari baris pertama sebagai elemen pivot, yaitu 2. Baris
tsb dibagi dengan elemen pivot (2) sehingga didapat :
1 1/ 2
2
1
1
1
1/ 2
1
2
1/ 2
0
0
0
1
0
0
1
0
0
1/ 2
3/ 2
1/ 2
1/ 2
1/ 2
1/ 2
0
1
1/ 2
3/ 2
1/ 2
2.
Baris kedua ditetapkan sebagai baris pivot, kemudian baris tsb dibagi dengan
elemen pivot, yaitu 3/2.
1 1/ 2
1
0
0 1 / 2
1/ 2
1/ 3
3/ 2
1/ 2
1/ 3
1/ 2
0
2/3
0
0
1
Kemudian baris kedua dikalikan dengan dan hasilnya digunakan untuk mengurangi
persamaan pertama dan ketiga,
1
0
0
3.
0
1
0
1/ 3
1/ 3
4/3
2/3
1/ 3
1/ 3
1/ 3
2/3
1/ 3
0
1
Persamaan ketiga ditetapkan sebagai baris pivot dan kemudian baris tsb dibagi
dengan elemen pivot, yaitu 4/3.
1
0
0
0
1
0
1/ 3
1/ 3
1
1/ 3
2/3
1/ 4
2/3
1/ 3
1/ 4
0
3 / 4
Baris pertama dan kedua dikurangi dengan baris ketiga yang dikalikan dengan 1/3.
1
0
0
0
1
0
0
0
1
3/ 4
1/ 4
1/ 4
1/ 4
3/ 4
1/ 4
1 / 4
1 / 4
3 / 4
3/ 4
1 / 4
1 / 4
1/ 4
3/ 4
1/ 4
1 / 4
1 / 4
3 / 4
BAB IV
ANALISIS REGRESI
4.1. Pendahuluan
Dalam praktek, sering dijumpai data diberikan dalam nilai diskret atau tabel.
Ada 2 hal yang diharapkan dari data diskret tsb, yaitu :
1. mencari bentuk kurva yang dapat mewakili data diskret tsb
2. mengestimasi/memperkirakan nilai data pada titik-titik diantara nilai-nilai yang
diketahui.
Kedua aplikasi tsb dikenal sebagai curve fitting.
Ada 2 pendekatan dalam curve fitting yang didasarkan pada jumlah kesalahan yang terjadi
pada data.
1. Regresi kuadrat terkecil
Dilakukan bila data menunjukkan adanya kesalahan cukup besar. Untuk itu dibuat
kurva tunggal yang mempresentasikan trend secara umum dari data. Karena beberapa data
mungkin kurang benar, maka kurva tidak dipaksakan melalui setiap titik. Kurva dibuat
mengikuti pola dari sekelompok titik data. Seperti dijelaskan pada gambar 4.1. tdp 2 titik
data A dan B kemungkinan mempunyai kesalahan yang sangat besar, karena tidak
mengikuti pola penyebaran titik-titik lainnya. Curve fitting dengan menggunakan data A
dan B akan menghasilkan nilai yang juga mempunyai kesalahan.
2. Interpolasi
Bila data diketahui sangat benar maka pendekatan yang dilakukan adalah membuat
kurva melalui setiap titik.
Gambar 4.2. menunjukkan sket kurva yang dibuat dari data yang sama dengan cara regresi
kuadrat terkecil (gambar 4.2.a) dan interpolasi (gambar 4.2.b dan c).
Kurva pada gambar 4.2.a tidak melalui semua titik pengukuran, tetapi hanya mengikuti
trend dari data menurut garis lurus.
Gambar 4.2.b menggunakan segmen garis lurus atau interpolasi linier untuk
menghubungkan titik-titik data.
Gambar 4.2
Regresi kuadrat terkecil banyak menggunakan beberapa notasi dan teori statistik.
4.2. Mengingat Kembali Beberapa Prinsip Statistik
Misalkan data pada tabel 4.1. kolom kedua adalah hasil pengukuran debit rerata tahunan
sungai selama 15 tahun berturut-turut.
Tabel 4.1. Debit Sungai
yi (debit)
Tahun
yi y
yi y
1,486
-3,704
0,816
0,616
3,876
-2,864
-3,634
0,966
6,366
-1,634
1,836
-2,304
0,366
-0,154
-2,034
2,208
13,720
0,666
0,379
15,023
8,202
13,206
0,933
40,526
2,670
3,371
5,308
0,134
0,024
4,137
(m3/det)
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
8,52
3,33
7,85
7,65
10,91
4,17
3,40
8,00
13,4
5,40
8,87
4,73
7,40
6,88
5,00
yi 105,51
( yi y ) 2 110,507
yi
n
15
yi yi
105,51
7,034
n
15
15
Penyebaran data dapat diukur menggunakan deviasi standar ( ) thd nilai rerata.
y
i 1
i 1
yi y
D2
n 1
n 1
D2 adalah jumlah dari kuadrat residu antara data dan nilai rerata. Bila penyebaran data
sangat besar thd nilai rerata, maka deviasi standar akan besar. Penyebaran dapat
dipresentasikan oleh kuadrat dari deviasi standar, yang disebut varians.
yi y
D2
n 1
n 1
Standar deviasi :
yi y
n 1
Varians :
yi y
n 1
110,507
2,810
15 - 1
110,507
7,893
15 1
(4.1)
i 1
i 1
D 2 Ei 2 yi a bxi
(4.2)
Agar nilai D2 adalah minimum, maka persamaan (4.2) diturunkan thd parameter a dan b,
dan kemudian disamadengankan nol. Turunan pertama thd parameter a,
D 2
0
a
yi a bxi 0
(4.3)
(4.4)
yi
xi a xi b xi yi
dengan a n a , sehingga :
n a yi xi b
1
a yi xi b
(4.5)
(4.6)
(4.7)
n
1
1
a yi xi b
atau
n
n
a y bx
Substitusi persamaan (4.7) ke (4.6) :
b
(4.8)
n xi yi xi yi
n xi 2 xi
(4.9)
Dengan menggunakan persamaan (4.8) dan (4.9) maka fungsi g(x) dapat dicari.
Nilai koefisien korelasi :
Dt 2 D 2
Dt 2
Dengan :
r : koefisien korelasi
r
Dt 2
yi y
n
(4.10)
i 1
D
2
yi a bx
i 1
Untuk perkiraan yang sempurna nilai r = 1. Bila r = 0 perkiraan suatu fungsi sangat jelek.
Koefisien korelasi juga dapat digunakan untuk memilih suatu persamaan dari beberapa
alternatif yang ada, terutama dalam regresi garis tidak lurus.
Contoh 1
Tentukan persamaan garis yang mewakili data berikut :
X
10
14
16
20
22
24
28
30
18
22
28
14
22
16
20
Penyelesaian
No
xi
yi
xi . yi
xi2
30
120
16
18
108
36
22
176
64
10
28
280
100
14
14
196
196
16
22
352
256
20
16
320
400
22
176
484
24
20
480
576
10
28
224
784
152
186
2432
2912
xi 152 15,2
n xi yi xi yi
10
yi 186 18,6
y
n
10
Persamaan garis yang mewakili titik - titik data adalah :
y a bx
dengan :
n xi xi
2
0,6569
2
6016
10 2912 152
Gambar 4.5. Titik data didekati dengan garis lurus dan lengkung
Tampak bahwa pendekatan dengan garis lurus menimbulkan kesalahan yang sangat berarti.
Berikut adalah beberapa fungsi pendekatan yang biasa digunakan :
1. Fungsi Eksponensial
y a1e b1x
dengan a1 dan b1 adalah konstanta.
Persamaan tsb dilinierkan dengan menggunakan logaritma natural sehingga menjadi :
ln y ln a1 b1 x ln e
Oleh karena ln e 1, maka :
ln y ln a1 b1 x
0.5
1.7
3.4
5.7
8.4
Penyelesaian
Dicoba untuk mencari kurva dengan menggunakan dua bentuk transformasi, yaitu
transformasi log dan ln
a. Transformasi log
Misalkan persamaan kurva yang dicari adalah :
y ax b
Transforma si dengan menggunakan fungsi log,
log y log ax b
B b
A log a
q log x
No
xi
yi
qi log xi
pi log yi
qi pi
qi 2
1
2
3
4
5
1
2
3
4
5
0,5
1,7
3,4
5,7
8,4
0
0,3010
0,4771
0,6020
0,6990
-0,301
0,2304
0,5315
0,7559
0,9243
0
0,0693
0,2536
0,4550
0,6461
0
0,0906
0,2276
0,3624
0,4886
2,0791
2,1411
1,4240
1,1692
Dari hitungan dalam tabel diatas didapat beberapa parameter berikut ini :
q
log xi
n qi pi qi pi
2,0791
0,4158
5
2,1411
p
0,42822
n
5
Koefisien A dan B dihitung dengan persamaan (4.8) dan (4.9) :
n
log yi
n qi qi
2
1,7572
51,1692 2,0791 2,0791
1,5233
a 0,4984
B b b 1,7572
Maka persamaan yang dicari adalah :
y 0,4984 x1,7572
b. Transformasi ln
Misalkan persamaan mempunyai bentuk :
y ae bx
Transforma si dengan menggunakan fungsi ln,
ln y ln ae bx ln a ln ebx
ln y ln a bx
Dilakukan transformasi berikut :
p ln y
A ln a
q x
B b
xi qi
yi
qi 2 xi 2
pi ln yi
qi pi
1
2
3
4
5
1
2
3
4
5
15
0,5
1,7
3,4
5,7
8,4
1
4
9
16
25
55
-0,6931
0,5306
1,2238
1,7405
2,1282
4,93
-0,6931
1,0612
3,6714
6,962
10,641
21,6425
Dari hitungan dalam tabel diatas didapat beberapa parameter berikut ini.
y 3,94
q
qi
n qi pi qi pi
15
3
n
5
pi 2,0791 0,4158
p
n
5
Koefisien A dan B dihitung dengan persamaan (4.8) dan (4.9).
n qi qi
2
5 21,6425 15 4,93
34,2625
0,6852
2
50
5 55 15
a 0,34447
Untuk memilih salah satu dari kedua hasil terbaik, dihitung nilai koefisien korelasi.
Dt 2 D 2
Dt 2
dengan
r
Dt 2
yi y
n
i 1
D 2 yi ao a1x
xi
yi
1
2
3
4
5
1
2
3
4
5
0,5
1,7
3,4
5,7
8,4
Transformasi log
Transformasi ln
g(xi)
D
Dt
g(xi)
D
Dt
0,4984 0,000003 11,8336 0,6835 0,03367 11,8336
1,6848 0,000231 5,0176 1,3563 0,11813 5,0176
3,4354 0,00125 0,2916 2,6912 0,50240 0,2916
5,6953 0,000022 3,0976 5,3401 0,12953 3,0976
8,4296 0,000876 19,8916 10,5963 4,82373 19,8916
0,00238 40,132
5,60746 40,132
0,99997
Dt 2
40,132
Nilai r untuk transformasi ln :
Dt 2 D 2
40,132 5,60746
0,92751
2
Dt
40,132
Dari kedua nilai tsb diatas, terlihat bahwa koefisien korelasi r untuk transformasi log adalah
lebih besar dari transformasi ln, sehingga dapat disimpulkan bahwa persamaan yang
didapat dari transformasi log adalah lebih baik.
4.6. Regresi Polinomial
Persamaan polinomial order r mempunyai bentuk :
n
D 2
r
2 yi a0 a1 xi a2 xi 2 ....... ar xi 0
a0
i 1
n
D 2
r
2 xi yi a0 a1 xi a2 xi 2 ....... ar xi 0
a1
i 1
n
D 2
2
r
2 xi yi a0 a1 xi a2 xi 2 ....... ar xi 0
a2
i 1
.
.
n
D 2
r
r
2 xi yi a0 a1 xi a2 xi 2 ....... ar xi 0
ar
i 1
xi
xi
xi
xi
xi
xi
xi
xi
.
r
xi
.
xi r 1
2
3
4
.
xi r 2
....
....
....
....
....
xi
xi
xi
yi
xiyi
xi yi
a0
a1
r 2
a2
.
.
r r
xi ar
r
r 1
xi
yi
Contoh 3
Cari persamaan kurva polinomial order dua yang mewakili data berikut :
xi
yi
2,1
7,7
13,6
27,2
40,9
61,1
Penyelesaian
Persamaan polinomial order 2 mempunyai bentuk :
g ( x ) a0 a1 x a 2 x 2
Ei yi g ( x )
Ei 2
D2
yi
Ei
a0 a1 x a 2 x 2
xi
xi
2
xi
xi
xi
2
3
xi
xi
xi
a0
a1
a 2
yi
xiyi
xi yi
2
xi
0
yi
xi 2
xi 3
xi 4
xi yi
xi 2 yi
2,1
7,7
7,7
7,7
13,6
16
27,2
54,4
27,2
27
81
81,6
244,8
40,9
16
64
256
163,6
654,4
5
15
61,1
397,4
25
55
75
175
625
979
305,5
585,6
1527,5
2488,8
Dengan melakukan hitungan dalam tabel diatas maka sistem persamaan (2) menjadi :
6 a 0 15a1 55a 2 397,4
15a 0 55a1 175a 2 585,6
(3)
BAB V
INTERPOLASI
5.1. Pendahuluan
Bentuk umum persamaan polinomial order n adalah :
f ( x ) a0 a1 x a2 x 2 .......... an x n
AB
AD
f 1( x ) f ( x 0)
f ( x1) f ( x 0)
x x0
x1 x 0
f ( x1) f ( x 0)
x x0
f 1( x ) f ( x 0)
x1 x 0
(5.2)
Contoh 1
Dicari nilai ln 2 dengan metode interpolasi linier berdasar data ln 1 = 0 dan ln 6 =
1,7917595. Hitung juga nilai tsb berdasar data ln 1 dan ln 4 = 1,3862944. Untuk
membandingkan hasil yang diperoleh, diketahui nilai eksak dari ln 2 = 0,69314718
Penyelesaian
Dengan menggunakan persamaan 5.2., interpolasi linier dari x0 = 1 sampai x1 = 6.
1,7917595
2 1 0,35835190
6 1
Besarkesalahanadalah :
0,69314718 0,35835190
Et
100% 48,3%
0,69314718
Dengan interval lebih kecil, x0 1 dan x1 4
f 1(2) 0
1,3861944
2 1 0,46209813
4 1
Besar kesalahan adalah :
0,69314718 0,46209813
Et
100% 33,3%
0,69314718
f 1(2) 0
Dari contoh dapat dilihat bahwa dengan menggunakan interval yang lebih kecil diperoleh
hasil yang lebih baik (kesalahan yang lebih kecil).
Gambar 5.3.
5.3. Interpolasi Kuadrat
Kesalahan yang terjadi dalam contoh 1 adalah karena kurva dari fungsi didekati oleh garis
lurus.Untuk mengurangi kesalahan yang terjadi dilakukan dengan menggunakan garis
lengkung yang menguhubungkan titik-titik data. Bila ada tiga titik data, maka perkiraan
dapat dilakukan dengan polinomial order dua, yang dapat ditulis sbb :
f 2( x) b0 b1 x x0 b2 x x 0 x x1
(5.3)
(5.4)
(5.5)
Bila persamaan (5.4) dan (5.5) disubstitusikan ke dalam persamaan (5.3) dan untuk x =
x2 maka akan diperoleh koefisien b2.
f ( x1) f ( x 0)
x 2 x0 b2 x 2 x0 b2 x 2 x0 x 2 x1
x1 x 0
f ( x1) f ( x0)
b 2 x 2 x 0 x 2 x1 f ( x 2) f ( x0)
x 2 x1 x1 x0
x1 x0
f ( x1 _ f ( x 0)
x 2 x1 f ( x1) f ( x0)
f ( x 2) f ( x 0)
x1 x 0
f ( x1) f ( x 0)
x 2 x1
f ( x 2) f ( x1)
(5.6)
x1 x 0
atau
f ( x 2) f ( x 0)
f ( x1) f ( x 0)
x 2 x1
x1 x 0
b2
x 2 x0 x 2 x1
f ( x 2) f ( x1) f ( x1) f ( x 0)
x
2
x
1
x1 x 0
b2
x 2 x0
f ( x 2) f ( x1)
Contoh 2
Gunakan polinomial order dua dengan data spt dalam contoh 1 :
x0 = 1
f(x0) = 0
x1 = 4
f(x1) = 1,3862944
x2 = 6
f(x2) = 1,7917595
untuk mencari ln 2
Penyelesaian
Interpolasi polinomial dihitung dengan menggunakan persamaan (5.3), dan koefisien b0,
b2, dan b2 dihitung dengan persamaan (4.4), (4.5) dan (4.6).
Dengan menggunakan persamaan (5.4) diperoleh nilai b0 :
b0 0
1,3862944 0
0,46209813
4 1
Persamaan (5.6) digunakan untuk menghitung koefisien b2 :
1,7917595 1,3862944
0,46209813
64
b2
0,051873116
6 1
Nilai - nilai tsb disubstitusikan ke persamaan (5.3) :
f 2( x ) 0 0,46209813 x 1 - 0,051873116 x - 1 x - 4
Untuk x 2, maka diperoleh nilai fungsi interpolasi :
f 2( 2) 0,56584436
Besar kesalahan adalah :
0,69314718 0,5684436
Et
100% 18,4%
0,69314718
b1
(5.7)
(5.8)
b1 f x1, x 0
(5.9)
b 2 f x 2, x1, x 0
(5.10)
bn f xn, xn 1,........x1, x 0
(5.11)
f ( xi) f ( xj )
xi xj
(5.12)
f xi, xj f xj, xk
xi xk
Pembagian beda hingga ke - n adalah :
f xn, xn 1,...... x1 f xn 1, xn 2,.....x0
f xn, xn 1,....., x1, x 0
xn x 0
f xi, xj , xk
(5.14)
xi
x0
x1
x2
x3
f(xi)
f(x0)
f(x1)
f(x2)
f(x3)
Pertama
f x1, x 0
f x 2, x1
f x3, x 2
Kedua
Ketiga
Contoh 3
Dalam contoh 2, titik data x0 = 1, x1 = 4 dan x2 = 6 digunakan untuk mengestimasi ln 2
dengan parabola. Sekarang dengan menambah titik ke empat x3 = 5, f(x3) = 1,6094379,
hitung ln 2 dengan interpolasi polinomial order 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
Hasil dari f[x1,x0], f[x2,x1,x0] dan f[x3,x2,x1,x0] merupakan koefisien b1, b2, dan b3 dari
persamaan (5.7) ; dan dengan b0 = f(x0) = 0, maka persamaan (5.7) menjadi :
(5.16)
Pembagian beda hingga yang ada dalam persamaan diatas mempunyai bentuk :
f x1, x 0
f ( x1) f ( x0)
x1 x 0
atau
(5.17)
f ( x1)
f ( x 0)
f x1, x 0
x1 x 0 x 0 x1
x x0
x0 x1 x x0
f 1( x)
f ( x0)
f ( x1)
x1 x 0
x0 x1 x0 x1
atau
f 1( x)
(5.18)
x x1
x x0
f ( x0)
f ( x1)
x0 x1
x1 x 0
x x1 x x 2
x x0 x x 2
x x0 x x1
f ( x 0)
f ( x1)
f ( x 2) (5.19)
x 0 x1 x 0 x 2
x1 x 0 x1 x 2
x 2 x 0 x 2 x1
fn( x) Li ( x) f ( xi )
(5.20)
i 0
dengan
x xj
xi
j 0 xj
n
Li( x)
(5.21)
j 0
f 3( x )
Li ( x) f ( xi)
i0
x x1 x x 2 x x3
x xo x x 2 x x3
f ( xo)
f ( x1)
xo x1 xo x 2 xo x3
x1 xo x1 x 2 x1 x3
x xo x x1 x x3
x xo x x1 x x 2
f ( x 2)
f ( x3)
x 2 xo x 2 x1 x 2 x3
x3 xo x3 x1 x3 x 2
Contoh 4
Gunakan interpolasi polinomial Lagrange order satu dan dua untuk menghitung ln 2 dengan
menggunakan data pada contoh 3.
Penyelesaian
xo = 1
f (xo) = 0
x1 = 4
f (x1) = 1,3862944
x2 = 6
f (x2) = 1,7917595
24
2 1
0
1,3862944 0,4620981
1 4
4 1
Untuk interpolasi polinomial Lagrange order dua digunakan persamaan (5.19)
f1 (2)
24 26
2 1 2 6
2 1 2 4
0
1,3862944
1,7917595 0,56584437
1 4 1 6
4 1 4 6
6 1 6 4
Terlihat bahwa kedua hasil diatas memberikan hasil yang hampir sama dengan contoh
sebelumnya.
f 2 ( 2)
2
A 1
1
1
2
1
1
1
2
Penyelesaian :
Matriks A ditingkatkan dengan matriks identitas sehingga menjadi :
2
A 1 2 1
0 1 0
1 1 2
0 0 1
1. Ditetapkan elemen pertama dari baris pertama sebagai elemen pivot yaitu 2. Baris tsb
dibagi dengan elemen pivot (2) sehingga didapat :
1 1/ 2
1
1
1/ 2
1/ 2
(3.3.a)
a 21x1 a 22 x 2 a 23x3 b 2
a31x1 a32 x 2 a33 x3 b3
(3.3.b)
(3.3.c)
Persamaan pertama dari sistem dibagi koefisien pertama dari persamaan pertama, a11
a12
a13
b1
x1
x2
x3
(3.4.)
a11
a11
a11
Persamaan (3.4) dikalikan dengan koefisien pertama dari persamaan kedua.
a12
a13
b1
a 21x1 a 21
x 2 a 21
x3 a 21
(3.5)
a11
a11
a11
Persamaan (3.3.b) dikurangi persamaan (3.5) didapat :
a 22 a 21
a12
a13
b1
x 2 a 23 a 21
x3 b 2 a 21
a11
a11
a11
atau
a '22 x 2 a '23x3 b'2