Metode Numerik Lengkap Endick
Metode Numerik Lengkap Endick
; 310800073)
BAB I
PENDAHULUAN
1. Alasan Menggunakan Metode Numerik
Tidak semua permasalahan matematis atau perhitungan dapat diselesaikan dengan mudah.
Bahkan dalam prinsip matematik, dalam memandang permasalahan yang terlebih dahulu
diperhatikan apakah permasalahan tersebut mempunyai penyelesaian atau tidak. Hal ini
menjelaskan bahwa tidak semua permasalahan dapat diselesaikan dengan menggunakan
perhitungan biasa. Sebagai contoh perhatikan integral berikut ini.
1
L=
0
sin(x )
dx
x
Integral di atas terlihat tidak terlalu panjang, tetapi untuk menyelesaikan integral tersebut bukan
permasalahan yang mudah bahkan dapat dikatakan tidak mungkin. Tetapi bukan berarti integral
tersebut tidak mempunyai penyelesaian, hanya saja menyelesaikan integral semacam itu sangat
sulit dan kalaupun bisa memerlukan pengetahuan matematis yang tinggi dan waktu yang cukup
lama. Padahal integral di atas adalah bentuk integral yang banyak digunakan dalam bidang
teknik, khususnya pada analisa sinyal yang melibatkan sinyal frekwensi, filtering dan optimasi
pola radiasi.
Kurva
y=sin (x)
yang merupakan nilai perbaikan. Sehingga dapat dikatakan bahwa semakain banyak
iterasi yang digunakan, maka nilainya semakin mendekati nilai exact atau semakin baik hasil
yang diperoleh.
Dengan menggunakan metode pendekatan semacam ini, tentukan setiap nilai hasil perhitungan
akan mempunyai nilai error (nilai kesalahan). Dalam analisa metode numerik, kesalahan ini
menjadi penting artinya. Karena kesalahan dalam pemakaian algoritma pendekatan akan
menyebabkan nilai kesalahan yang besar, tentunya ini tidak diharapkan. Sehingga pendekatan
metode analitik selalu membahas tingkat kesalahan dan tingkat kecepatan proses yang akan
terjadi.
BAB II
SISTEM BILANGAN DAN KESALAHAN
2.1 Penyajian Bilangan Bulat
Bilangan bulat yang sering digunakan adalah bilangan bulat dalam sistem bilangan
desimal yang didefinisikan :
N=(an an 1 an2 . a0 )
an an + an1 10n1 +a n1 10n2 ++ a0 10 0
Algoritma 2.1.
Bila diketahui koefisien-koefisien a1 , a2 , a3 , . a n dari polinom
n
n1
n2
0
p ( x )=an a +a n1 10 +an 1 10 ++a 0 10
Dan suatu bilangan . Maka dapat dihitung bn , bn1 ,.. , b0 dari
sebagai
berikut :
bn =an
bn1=an1 +bn
bn2=an2 +bn1
b0 =a0 +b 1
Algoritma ini banyak digunakan untuk menghitung konversi bilangan secara cepat, karena
dalam algoritma ini tidak terdapat pemakaian pangkat yang membuat kesalahan numerik
menjadi lebih besar.
Contoh:
3
1101 2
dapat dihitung dengan :
b3 =1
b2=b3 +a3 =1+1.2=3
b1=b2 +a2 =0+3.2=6
b0 =1+ a3 =1+6.2=13
1101 2=13
Jadi
3.
Contoh:
Bilangan Oktal (721)8
b2=7
b1=2+7.8=58
b0 =1+ 58.8=465
Jadi, (721)8 =465
Contoh:
187= (187 )10 =1.10 2+ 8.101+7.10 0
2
1
( 1 )2( 1010)2 +(1000)2 (1010)2+(111)2
Dengan algoritma di atas :
b2=(1)2
b1=(1000)2+(1)2(1010)2=(1000)2+(1010)2=(10010)2
b0 =(111)2 +(10010)2 (1010)2=(111)2 +(10110100)2 =(10111011)2
Jadi, 187=(10111011)2
2.2 Penyajian Bilangan Pecahan
Bilangan pecahan x antara 0 s/d 1 dalam system bilangan decimal didefinisikan :
x=( a 1 a 2 a3 a n) =a 1 101 +a2 102+ a3 103+ +a n 10n
Bilangan pecahan x secara umum dalam system bilangan dengan bilangan dasar k
didefinisikan:
n
a1 a2 a3 an k = ai k i
i=1
Contoh:
0,625 = 6.10-1 + 2.10-2 + 5.10-3
Contoh:
(0,101)2= 1.2-1 + 0.2-2 + 1.2-3
= 0,5+0,125
= 0,625
A. Angka Penting / Angka Signifikan
Nilai Signifikan adalah Suatu nilai dimana jumlah angka ditentukan sebagai batas nilai
tersebut diterima atau tidak.
Angka Signifikan terdiri dari digit 1,2 3,4,5,6,7,8,9 dan 0, untuk 0 (nol) tidak termasuk
angka signifikan jika digunakan untuk menentukan titik decimal atau untuk mengisi
tempat-tempat dari digit yang tidak diketahui/dibuang.
Contoh :
0,00144
(3 angka signifikan)
Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
0,0010408
(5 angka signifikan)
4
1,260 x 10
(4 angka signifikan)
1,2600 x 104 (5 angka signifikan)
Implikasi penting angka signifikan dalam metode numerik:
-
Angka signifikan akan memberikan kriteria untuk merinci seberapa keyakinan kita
Contoh:
8632574 dibulatkan menjadi 8633000
3,1415926 dibulatkan menjadi 3,14
BAB III
PENYELESAIAN PERSAMAAN NON LINIER
3.1 Permasalahan Masalah Non Linier
Penyelesaian persamaan non linier adalah penentuan akar-akar persamaan non linier.
Dimana akar sebuah persamaan
nilai
f (x)
f (x)=0
adalah nilai-nilai
yang menyebabkan
f (x)
adalah titik
X .
mx+ c=0 , x=
mx+ c=0
dimana
m dan
adalah konstanta,
c
m
a x + bx+ c=0
ABC .
b b24 ac
2a
Beberapa persamaan polynomial yang sederhana dapat diselesaikan theorem sisa. Sehingga
tidak memerlukan metode numerik dalam menyelesaikannya, karena metode analitik dapat
dilakukan.Tetapi bagaimana menyelesaikan persamaan
Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
xex =0
Tampaknya sederhana, tetapi untuk menyelesaikan persamaan non linier merupakan metode
pencarian akar secara berulang-ulang.
Theorema 1
Suatu range
x=[a , b ]
f (a) dan
f (b)
di antara
dan
dibagi sebanyak
[a , b]
, atau
xk
f ( x k )=0
f (x k )
f ( x k+1)
f ( x k ) yang
x=[a , b ] ,
dan bila
Akar
persamaan
ditentukan
f (x k )f (x k +1)
maka akarnya
oleh
maka akarnya
nilai
mana
yang
x k , dan bila
lebih
f (x k +1)f (x k )
x=[ x k , x k +1 ].
Secara grafis, metode table ini dapat dijelaskan untuk x = [a, b] , fungsi
N
bila
x k+1 .
dekat,
f (x)
dibagi
x=[a , b ]
sebanyak-banyaknya hingga diperoleh suatu garis yang melalui akar persamaan dan nilai
x dari garis tersebut adalah penyelesaian dari persamaan
F( x )=0.
Contoh :
Selesaikan persamaan xe-x +1 = 0. Dengan range [1,0] .
Penyelesaiaan :
menaksir range yang tepat, dengan cara menggambarkan.
x=[a , b ]
sebanyak-banyaknya hingga diperoleh suatu garis yang melalui akar persamaan dan nilai
dari garis tersebut adalah penyelesaian dari persamaan
F( x )=0 .
Dari tabel tersebut dapat dikatakan bahwa akar persamaan berada antara
dan
0,57
0,56 , atau dengan menggunakan selisih terkecil maka dapat dikatakan bahwa akar
persamaan terletak di
Metode table ini secara umum sulit mendapatkan penyelesaian dengan error yang
kecil, karena itu metode ini tidak digunakan dalam penyelesaian persamaan non linier,
Tetapi metode ini digunakan sebagai taksiran awal mengetahui area penyelesaian yang benar
sebelum menggunakan metode yang lebih baik dalam menentukan penyelesaian.
B. Metode Biseksi.
Ide awal metode ini adalah metode tabel, dimana area dibagi menjadi N
bagian.Hanya saja metode biseksi ini membagi range menjadi 2 bagian, dari dua bagian
ini dipilih bagian mana yang mengandung dan bagian yang tidak mengandung akar
dibuang. Hal ini dilakukan berulang-ulang hingga diperoleh akar persamaan.
a+b
2
Dari nilai x ini perlu dilakukan pengecekan keberadaan akar. Secara matematik, suatu
range terdapat akar persamaan bila f(a) dan f(b) berlawanan tanda atau dituliskan :
f (a). f (b)<0
Setelah diketahui dibagian mana terdapat akar, maka batas bawah dan batas atas di
perbaharui sesuai dengan range dari bagian yang mempunyai akar.
Contoh :
Selesaikan persamaan xe-x +1 = 0. Dengan range x = [-1,0] .
Penyelesaian :
Maka,
Dimana
x=
a+b
2
x=0.56738
dan f ( x)=0.00066
Untuk menghentikan iterasi, dapat dilakukan dengan menggunakan toleransi error atau
iterasi maksimum.
Algoritma Metode Biseksi
(1) Definisikan fungsi f ( x) yang akan dicari akarnya
(2) Tentukan nilai a dan b
(3) Tentukan torelansi e
dilanjutkan
(6) Hitung
x=
a+b
2
(7) Hitung f ( x)
(8) Bila
f (x) . f (a)<0
maka
b=x
dan
f (b)=f ( x),
bila tidak
a=x
dan
f (a)=f ( x)
(9) Jika
(ba)/2 e
atau iterasi
f ( b ) . af ( a ) . b
f ( b )f (a)
Dengan kata lain titik pendekatan x adalah nilai rata-rata range berdasarkan F(x).
Metode regula falsi secara grafis digambarkan sebagai berikut :
x=[1,0],
melalui metode
Regula Falsi.
Fb . aFa . b
FbFa
Hitung Fx = f ( x)
Hitung error |Fx|
Jika Fx . Fa<0 maka
x=
-
Fa=Fx .
6. Akar persamaan adalah
b=x
dan
Fb=Fx
jika tidak
a=x
dan
x .
persamaan
x ex 0
x=g( x ).
dengan sebagian
x=
ex atau
g( x)=
ex.
g( x)
inilah yang menjadi dasar iterasi pada metode iterasi sederhana ini. Metode iterasi
Contoh 3. 5:
Selesaikan
e
Penyelesaian :
Ambil titik awal di x0 1
, maka
Iterasi 1 : x = -e -1 = -0.3679
F( x )=0,3243
F( x )=0,19173
F(x )=0,10577
F( x )=0,06085
F( x )=0,034217
e x
atau
g(x)
1. Definisikan
g(x)
x [0]
Xi = g(xi-1)
Hitung F(xi)
4. Akar adalah
Contoh :
Selesaikan persamaan x - e-x = 0 dengan titik pendekatan awal x0
f(x) = x - e-x
f(x)=1+e-x
f(x0) = 0 - e-0 = -1
f1(x0) = 1 + e-0 = 2
x 1=x 0+
f (x 0 )
1
=0 =0,5
1
2
f (x0 )
f (x 1)
0,106531
=0,5
=0,566311
1
1,60653
f (x 1 )
x 3=x 2+
f ( x 2)
0,00130451
=0,56631
=0,567143
1
1,56762
f (x2 )
x=0,567143 .
f ( x n)
f 1 ( xn )
F. Metode Secant
Metode Newton Raphson memerlukan perhitungan turunan fungsi f(x). Tidak semua
fungsi mudah dicari turunannya terutama fungsi yang bentuknya rumit. Turunan fungsi
dapat dihilangkan dengan cara menggantinya dengan bentuk lain yang ekivalen . Modifikasi
metode Newton Raphson dinamakan metode Secant.
Metode secant merupakan perbaikan dari metode regula falsi dan newton raphson
dimana kemiringan dua titik dinyatakan secara diskrit, dengan mengambil bentuk garis lurus
yang melalui satu titik.
xi 1 xi yi
xi xi 1
yi yi 1 Dengan menggunakan metode secant ini diperlukan dua titik
pendekatan x0 dan x1. Kedua titik ini diambil pada titik-titik yang dekat agar
konvergensinya dapat dijamin.
Contoh :
Selesaikan persamaan : x2(x + 1) e-x = 0 , untuk range [0,1]
Dari gambar di atas dapat dilihat bahwa akar terletak pada range
x=[0.8,0 .9],
maka ambil
x 2=x 1 y 1
x 1x 0
=0.881815
y 1 y 0
y 2=0,00153
Iterasi 2 :
x 3=x 2 y 2
x 2x 1
=0.882528
y 2 y 1
y 3=0,00153
Iterasi 3 :
x 4=x 3 y3
x 3x 2
=0.882534
y 3 y 2
y 4 =4,91. e9
Diperoleh akar x = 0,882534
Algoritma Metode Secant :
Masukkan dua nilai pendekatan awal yang di antaranya terdapat akar yaitu x 0 dan x1,
sebaiknya gunakan metode tabel atau grafis untuk menjamin titik pendakatannya adalah
titik pendekatan yang konvergensinya pada akar persamaan yang diharapkan.
xi 1 xi yi
xi xi1
yi yi1
BAB 4
PERSAMAAN LINIER SIMULTAN
Persamaam linier simultan adalah suatu bentuk persamaan-persamaan yang secara
persama-sama menyajikan banyak variabel bebas bentuk persamaan simultan dengan
persamaan dan n variabel bebas dapat di tuliskan sebagai metode iterasi gauss-seidle
Metode iterasi Gauss-Seidel adalah metode yang menggunakan proses iterasi hingga di
peroleh nilai-nilai yang berubah. Bila diketahuipersamaan linear simultan :
a11 x 1+ a12 x 2 +a13 x3 + + a1 n x n =b1
a21 x 1 +a 22 x2 + a23 x 3 ++a 2 n x n=b 2
a31 x 1 +a32 x2 +a 33 x 3+ +a3 n x n=b 3
+ + a33 x 3 ++ a3 n x n=b3
an 1 x1 +a n 2 x 2+ an 3 x 3 ++ ann x n =bn
Berikan nilai awal dari setiap xi (I = 1 s/d n) kemudian persamaan linier simultan diatas
dituliskan menjadi :
x i=
1
(b a x a x a1 n xn )
a11 1 12 2 13 3
x 2=
1
( b a x a x a2 n x n )
a22 2 21 1 23 3
.
x n=
1
( b a x a x ann1 x n1 )
ann n n1 1 n 2 2
Dengan menghitung nilai-nilai xi (I = 1 s/d n) menggunakan persamaan-persamaan di
atas secara teru-menerus hingga nilai untuk setiap x i (I = 1 s/d n) sudah lama dengan nilai x i pada
iterasi sebelumnya maka diperoleh penyelesaian dari persamaan linear simultan tersebut. Atau
dengan kata lain proses iterasi dihentikan bila selisih nilai x i (I = 1 s/d n) dengan nilai x i pada
iterasi sebelumnya kurang dari nilai toleransi error yang ditentukan.
Catatan:
Hati-hati dalam menyusun system persamaan linear ketika menggunakan metode iterasi GaussSeidel ini. Perhatikan setiap koefisien dari masing-masing x i pada semua persamaan di diagonal
utama (aii). Letakkan nilai-nilai terbesar dari koefisien untuk setiap x i pada diagonal utama.
Masalah ini adalah masalah masalah pivoting yang harus benar-benar diperhatikan. Karena
penyusunan yang salah akan menyebabkan iterasi menjadi divergen dan tidak diperoleh hasil
yang benar.
Contoh :
Selesaikan persamaan linear :
x1 + x2 = 5
2x1 + 4x2 = 14
Jawab :
Berikan nilai awal : x1 = 0 dan x2 = 0. Susun persamaan menjadi
x1 = 5 x2
x2 =
1
( 142 x 1 )
4
x 1=50=5
Iterasi 1 :
1
x 2= ( 142.5 )=1
4
x 1=51=4
Iterasi 2 :
1
3
x 2= ( 142.4 )=
4
2
3 7
x 1=5 =
2 2
Iterasi 3:
x 2=
1
7 7
142. =
4
2 4
7 13
x 1=5 =
4 4
Iterasi 4 :
x 2=
1
13 15
142.
=
4
4
8
x 1=5
15 25
=
8
5
Iterasi 5 :
x 2=
1
25 31
142.
=
4
8
16
x 1=5
31 49
=
16 16
Iterasi 6 :
x 2=
1
49 63
142.
=
4
16 32
x 1=5
63 97
=
32 32
Itersai 7 :
x 2=
1
97 127
142.
=
4
32
64
Nilai iterasi ke-7 sudah tidak berbeda jauh dengan nilai iterasi ke-6 maka proses dihentikan dan
diperoleh penyelesaian :
x 1=
97
32
dan
x 2=
127
64
dihentikan dari penyelesaiannya adalah xi untuk I = 1 s/d n. Bila tidak maka ulangi
langkah 5
bahan B2.
Model system persamaan linear :
Variabel yang dicari adalah jumlah boneka, anggap :
x1 adalah jumlah boneka A
x2 adalah jumlah boneka B
5
6
80
36
1
2
0,5
6
8
36
B1 <-- B1/10
B2 <-- B2 2 B1
1
0,5
20
B2 <-- B2/5
1
0,5
B1<-- B1 0,5 B2
Diperoleh x1 = 6 dan x2 = 4, artinya bahan yang tersedia dapat dibuat 6 boneka A dan 4
boneka B.
Contoh kasus 2:
Perhatikan bahwa pada ke-4 titik tersebut dihubungkan dengan garis lurus, sehingga
tampak kasar. Untuk menghaluskannya dilakukan pendekatan garis dengan kurva yang
dibentuk dengan fungsi pendekatan polynomial. Dari fungsi yang dihasilkan kurva dapat
digambarkan dengan lebih halus.
Misalkan pada contoh diatas, 4 titik yang ditunjuk adalah (2,3), (7,6), (8,14), dan (12,10).
4 titik ini dapat didekati dengan fungsi polinom pangkat 3 yaitu :
y=ax3 +bx 2 +cx +d
Bila nilai x dan y dari 4 titik dimasukkan kedalam persamaan diatas akan diperoleh
model persamaan simultan sebagai berikut :
Titik 1 3 = 8a + 4b + 2c + d
Titik 2 6 = 343a + 49b + 7c + d
Titik 3 14 = 512a + 64b + 8c + d
Titik 4 10 = 1728a + 144b + 12c + d
Dengan menggunakan metode eliminasi Gauss-Jordan diperoleh :
Augmented matrik
B1 = B1/8
1 3
343
49
1 6
512
64
1 14
1728
144
12
1 10
---
0,5
0,25
-122,5
B3=B3-512B1
-192
-120
-63 -178
B4=B4-1728B1
-720
-420
-215 -638
B2=B2-343B1
B2=B2/(-122,5)
---
0,125 0.375
-0,071
-0,046 -0,126
0,6429
0,3418 1,001
B3=B3+192B2
3,4286
2,6327 14,196
B4=B4+720B2
42,857
31,122 82,735
B1=B1-0,5B2
B3=B3/3,4286
0,0089
0,1702
B1=B1+0,071 B3
-0,152
-1,661
0,7679
4,1405
-1,786
-94,71
B2=B2-
---
0,6429 B2
B4=B4-42,857 B3
B4=B4/(-1,786)
0 -0,303
B1=B1-0,0089B4
0 6,39
0 -36,59
0
B2=B2+0,152B4
1 53,04
---
B3=B3+0,7679B4
Dengan demikian diperoleh :
a = -0,303
b = 6,39
c = -36,59
d = 53,04
dan persamaan polynomial yang diperoleh :
y = -0,303 x3 + 6,39 x2 -36,59 x +53,04
Hasil penghalusan kurva adalah sebagai berikut :
Hasilnya memang belum tampak bagus, kali ini disebabkan pengambilan titiknya yang
terlalu jauh dan tingkat polynomial yang belum memenuhi syarat terbaiknya. Hanya saja
kurva tersebut benar-benar melewati 4 titik yang ditentukan.
BAB 5
DIFERENSIASI NUMERIK
A. Permasalahan Differensiasi Numerik
Salah satu perhitungan kalkulus yang banyak digunakan adalah differensial, dimana
differensial ini banyak digunakan untuk keperluan perhitungan geometrik. Dan perhitunganperhitungan yang berhubungan dengan perubahan nilai per-satuan waktu atau jarak. Secara
kalkulus, differensial didefinisikan sebagai perbandingan perubahan tinggi (selisih tinggi)
dan perubahan jarak, dan dituliskan dengan :
dy
dx
= lim
y
x
Hampir semua fungsi kontinu dapat dihitung nilai differensialnya secara mudah,
sehingga dapat dikatakan metode numerik dianggap tidak perlu digunakan untuk keperluan
perhitungan differensial ini. Masalahnya seiring dengan perkembangannya pemakaian
komputer sebagai alat hitung dan pada banyak permasalahan differensial adalah salah satu
bagian dari penyelesaian, sebagai contoh pada pemakaian komputer, permasalahan
diferensial merupakan salah satu bagian dari penyelesaian.
Contoh lainnya adalah penentuan titik puncak kurva y = f(x) yang dinamakan titik
maksimal dan titik minimal, juga memerlukan titik differensial sebagai syarat apakah titik
tersebut sebagai titik puncak. Hampir semua fungsi kontinu dapat dihitung nilai
differensialnya secara mudah, sehingga dapat dikatakan metode numerik dianggap tidak
perlu digunakan untuk keperluan perhitungan differensial ini. Masalahnya seiring dengan
perkembangannya pemakaian komputer sebagai alat hitung dan pada banyak permasalahan
differensial adalah salah satu bagian dari penyelesaian, sebagai contoh metode newton
raphson memerlukan differensial sebagai pembagi nilai perbaikan errornya, sehingga
metode newton raphson ini hanya bisa dilakukan bila nilai differensialnya bisa dihitung.
Pada beberapa permasalahan, nilai differensial dapat dihitung secara manual.
Misalkan diketahui f(x) =
ex
-sin x. Tetapi pada permasalahan lain nilai fungsi sulit diselesaikan secara manual.
Terutama jika fungsinya hanya diketahui berupa nilai atau grafis. Misalkan menghitung
puncak distribusi data yang berupa distribusi Poisson.
f(x) =
em mx
x!
Menghitung differensial ini tidak mudah, disinilah metode numerik dapat digunakan.
Hubungan antara nilai fungsi dan perubahan fungsi untuk setiap titiknya didefinisikan
dengan:
Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
y = f(x) + f '
dan f '
f
(x).h(x)
(x) = lim
h0
f ( x +h ) f (x )
h
Dari formulasi ini dapat diturunkan beberapa metode differensiasi numerik, antara lain :
*. Metode Selisih Maju
*. Metode selisih Mundur
*. Metode Selisih Tengahan
B. Metode Selisih Maju
Metode selisih maju merupakan metode yang mengadopsi secara langsung definisi
differensial, dan dituliskan :
'
f (x )
f ( x+ h )f ( x)
h
Pengambilan h diharapkan pada nilai yang kecil agar errornya kecil, karena metode ini
mempunyai error sebesar :
E(f) =
1 ' '
h f (x )
2
Contoh:
Hitung differensial f(x)= ex
Jawab:
x
f(x)
f(x+h)
f'(x)
f(x-h)
0.89504
f''(x)
error
0.09987
1.094964
21.9924
8
1.09496
-3.995
-
5
0.10205
0.1
1.179763
1.254357
21.54891
4
1.25435
4.08232
-
0.2
1.318829
1.373377
21.12127
7
1.37337
3.96958
-
0.09924
0.09245
0.3
1.418297
1.453973
20.72638
7
1.45397
3.69814
-
3
0.08272
0.4
1.480858
1.499471
20.37575
3
1.49947
3.30901
-
5
0.07102
0.5
1.510378
1.514182
20.07622
2.84108
0.05824
0.6
1.511514
1.503021
19.83087
2
1.50302
2.32976
-
0.7
1.48936
1.471183
19.63975
1
1.47118
1.80598
-
0.04515
0.03239
0.8
1.449137
1.423852
19.50064
3
1.42385
1.29565
-
1
0.02048
0.9
1.395937
1.365973
19.40961
2
1.36597
0.81936
-
4
0.00981
1.334512
1.30207
19.36157
0.39242
f ' (x )
f ( x )f (xh)
h
Atau f ' ( x )
f 0f 1
h
Pengambilan h diharapkan pada nilai yang kecil errornya kecil. Error metode selisih mundur
sebesar:
E (f )=
1 ' '
h f (x )
2
Contoh:
Hitung differensial f(x)= ex
Jawab:
x
f(x)
f(x+h)
1.0949
f'(x)
1.8992
f(x-h)
0.8950
f''(x)
error
0.0998
64
48
-3.995
-
75
1.1797
1.2543
1.4918
1.0949
4.0823
0.1020
63
57
63
64
2
-
58
1.3188
1.3733
1.0909
1.2543
3.9695
0.0992
29
77
64
57
8
-
1.4182
1.4539
0.7135
1.3733
3.6981
0.0924
97
73
02
77
53
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.4808
1.4994
0.3722
1.4539
3.3090
0.0827
58
71
62
73
1
-
25
1.5103
1.5141
0.0760
1.4994
2.8410
0.0710
78
82
79
-
71
8
-
27
1.5115
1.5030
0.1698
1.5141
2.3297
0.0582
14
21
5
-
82
6
-
44
1.4893
1.4711
0.3635
1.5030
1.8059
0.0451
83
21
8
-
1.4491
1.4238
1.4711
1.2956
0.0323
37
52
-0.5057
-
83
5
-
91
1.3959
1.3659
0.5992
1.4238
0.8193
0.0204
37
73
52
84
-
1.3345
1.3020
0.6488
1.3659
0.3924
0.0098
12
73
11
f'
f ' (x )
f ( x +h )f (xh)
2h
Atau f ' (x )
f 1 f 1
2h
1 '' '
h f ( x)
6
Kesalahan pada metode ini adalah : Metode selisih tengahan ini yang banyak digunakan
sebagai metode differensiasi numerik.
Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
Contoh
Hitung differensial f(x)= ex
Jawab:
x
f(x)
f(x+h)
1.09496
f'(x)
1.8992896
f(x-h)
f''(x)
error
0.09987
1
1.1797
4
1.25435
69
1.4918630
0.895048
-3.995
5
0.10205
0.1
63
1.3188
7
1.37337
95
1.0909642
1.094964
-4.08232
0.2
29
1.4182
7
1.45397
45
0.7135019
1.254357
-3.96958
0.09924
0.09245
0.3
97
1.4808
3
1.49947
78
0.3722624
1.373377
-3.69814
3
0.08272
0.4
58
1.5103
1
1.51418
33
0.0760793
1.453973
-3.30901
5
0.07102
0.5
78
17
-
1.499471
-2.84108
1.5115
1.50302
0.1698482
14
9
-
1.4893
1.47118
0.3635317
1
-
1.4491
1.42385
0.5057004
37
8
-
1.3959
1.36597
0.5992767
37
1
-
0.6
0.7
0.8
0.9
1.3345
1
12
0.05824
1.514182
-2.32976
1.503021
-1.80598
0.04515
0.03239
1.471183
-1.29565
0.02048
1.423852
-0.81936
0.6488457
1.30207
4
0.00981
1.365973
-0.39242
p6
p1 , p3 , p 5 ,
dan
p7
p1 , p2 , p3 , p4 , p 5 , p6 , dan
p7 . Titik
p2 , p4
definisi berikut:
Definisi 5.1.
Suatu titik a pada kurva y = f(x) dinamakan titik puncak bila dan hanya bila:
f'
(a)=0.
Definisi 5.2.
Sebuah titik puncak a dikatakan titik maksimum pada kurva y = f(x) bila :
0.
Definisi 5.3.
Sebuah titik puncak a dikatakan titik minimum pada kurva y = F(x) bila :
0.
Dari definisi-definisi di atas, maka untuk menentukan titik puncak kurva y=f(x) secara
numerik adalah menentukan titik-titik dimana f(x) = 0, kemudian dihitung apakah f(x)>0
atau f(x)<0 untuk menentukan apakah titik tersebut titik puncak maksimal atau titik puncak
minimal.
BAB 6
INTEGRASI NUMERIK
Integral suatu fungsi adalah operator matematik yang dipresentasikan dalam bentuk:
b
I f ( x) dx
(7.1)
dan merupakan integral suatu fungsi f (x) terhadap variabel x dengan batas-batas integrasi adalah
dari x = a sampai x = b. Seperti pada Gambar 7.1 dan persamaan (7.1), yang 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 (7.1) dapat diselesaikan menjadi:
b
f ( x) dx F ( x) a F (b) F (a )
b
dengan F (x) adalah integral dari f (x) sedemikian sehingga F ' (x) = f (x).
Contoh :
1 3
2
x dx x
0
3
3
1
1
(3) 3 (0) 3 9.
3
3
0
Gambar 7.1. Integral suatu fungsi
Metode integral numerik merupakan integral tertentu yang didasarkan pada hitungan
perkiraan. Hitungan perkiraan tersebut dilakukan dengan fungsi polinomial yang diperoleh
berdasar data tersedia. Bentuk paling sederhana adalah apabila tersedia dua titik data yang dapat
dibentuk fungsi polinomial order satu yang merupakan garis lurus (linier). Seperti pada Gambar
7.2a, akan dihitung:
b
I f ( x) dx
a
yang merupakan luasan antara kurve f (x) dan sumbu-x serta antara x = a dan x = b, bila
nilai f (a) dan f (b) diketahui maka dapat dibentuk fungsi polinomial order satu f1(x).
Dalam gambar tersebut fungsi f (x) didekati oleh f1(x), sehingga integralnya dalam luasan antara
garis 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:
I (b a)
f (a ) f (b)
2
Dalam integral numerik, pendekatan tersebut dikenal dengan metode trapesium. Dengan
pendekatan ini integral suatu fungsi adalah sama dengan luasan bidang yang diarsir (Gambar
7.2), sedang kesalahannya adalah sama dengan luas bidang yang tidak diarsir.
Apabila hanya terdapat dua data f (a) dan f (b), maka hanya bisa dibentuk satu trapesium
dan cara ini dikenal dengan metode trapesium satu pias. Jika tersedia lebih dari dua data, maka
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 pada Gambar 7.2b, dengan tiga data dapat dibentuk dua trapesium, dan luas kedua
trapesium (bidang yang diarsir) adalah pendekatan dari integral fungsi. Hasil pendekatan ini
lebih baik dari pada pendekatan dengan satu pias. Apabila digunakan lebih banyak trapesium
hasilnya akan lebih baik.
Fungsi yang diintegralkan dapat pula didekati oleh fungsi polinomial dengan order lebih
tinggi, sehingga kurve yang terbentuk tidak lagi linier, seperti dalam metode trapesium, tetapi
kurve lengkung. Seperti pada Gambar 7.2c, tiga data yang ada dapat digunakan untuk
membentuk polinomial order tiga. Metode Simpson merupakan metode integral numerik yang
menggunakan fungsi polinomial dengan order lebih tinggi. Metode Simpson 1/3 menggunakan
tiga titik data (polinomial order dua) dan Simpson 3/8 menggunakan empat titik data (polinomial
order tiga). Jarak antara titik data tersebut adalah sama.
Contoh
:
1
Hitung
2 x3 dx
Analitik:
1
2 x3 dx= [ x 3 ]0=1
0
Numerik
x
f (x)
:
0
0
0.1
0.00
0.2
0.01
0.3
0.05
0.4
0.12
0.5
0,25
0.6
0,43
0.7
0.68
0.8
1,02
0.9
1,45
1
2
4. Hitung h=(ba)/n
n1
h
5. Hitung L= f 0+ 2 f i +f n
2
i=1
Contoh:
2
Hitung
e
dx
2+sin(
x)
1
0,00
0,100
f ( x)0,50
0,431
0,20
0,30
0,40
0,37
0,32
0,28
0,500
0,245
0,600
0,214
0,70
0,80
0,18
0,16
0,900
1,00
0
0,146
0,12
9
0,1
( 0,5+ ( 2 )( 0,431 ) ++ (2 )( 0,146 ) + 0,129 )=0,2679
2
Contoh:
1
2 x3 dx
Hitung
x
f (x)
0
0
0.1
0.00
0.2
0.01
0.3
0.05
0.4
0.12
0.5
0,25
0.6
0,43
0.7
0.68
0.8
1,02
0.9
1,45
1
2
0,002
L=
0,1
{ 0+ 4 ( + ( 2 ) 0,016+4 (0,054)+0,128+ +1,458 ) }=0,5
2
1
L= 2 x3 dx= x 4 10 =0,5
2
0
Dibandingkan denga perhitungan analitik, terdapat kesalahan yang sangat kecil.
Catatan
:
Metode ini akan mendapatkan hasil yang baik bila diambil n genap
Metode ini sangat terkenal karena kesalahannya sangat kecil, sehingga menjadi
Li= f ( x ) dx
xi1
g ( u ) du= A0 g ( 0 ) + A1 g ( 1 )
1
1
1
x= ( ba ) u+ (b+ a)
2
2
d. Tentukan fungsi g(u) dengan:
1
1
1
g (u )= ( ba ) f { ( ba ) u+ ( b+ a ) }
2
2
2
e. Hitung
1
1
L=g
+g
3
3
Contoh:
( ) ( )
1
Hitung
L= x 2 dx
0
u=
2 x(b +a) 2 x1
=
=2 x1 atau
(ba)
1
1
x= (u+1)
2
x 2 dx= 13 x3
0
x=1 maka
1
L= =0,33333
3
g ( u ) du= A0 g ( 0 ) + A1 g ( 1 ) + A 2 g ( 2 )
1
e. Hitung
8
5
3 5
L= g ( 0 ) + g
+ g
9
9
5 9
( ) ( 35 )
Nb:
Meskipun dalam beberapa hal integrasi kuadratur Gauss menunjukkan hasil yang
lebih baik dari pada metode integrasi Simpson, tetapi dalam penerapannya metode
integrasi Simpson lebih banyak digunakan dengan dasar pertimbangan kemudahan
dari metode yang digunakan.
BAB 7
PERSAMAAN DIFFERENSIAL
Persamaan
differensial
merupakan
persamaan
yang
menghubungkan
suatu
F x,
dx d x
d x
, 2 , , n , t =0
dt d t
dt
Persamaan differensial mempunyai banyak ragam dan jenis mulai dari yang
mudah diselesaikan hingga yang sulit diselesaikan, mulai dari yang sederhana sampai
yang sangat kompleks. Salah satu persamaan differensial yang banyak digunakan
dalam penerapannya adalah Persamaan Differensial Linier, yang dituliskan dengan:
dn x
d n1 x
dx
an n + an1 n1 ++ a1 + a0 x=f (t )
dt
dt
dt
Persamaan differensial linier umumnya dapat diselesaikan dengan menggunakan cara
analitik seperti pemakaian Transformasi Laplace, tetapi pada bentuk yang kompleks
persamaan differensial linier ini menjadi sulit diselesaikan.
Metode numerik dapat digunakan untuk menyelesaikan persamaan differensial dengan
menggunakan bantuan komputer sebagai alat hitung, ketika metode analitik sulit digunakan.
Pada beberapa bentuk persamaan differensial, khususnya pada differensial non-linier,
penyelesaian analitik sulit sekali dilakukan sehingga metode numerik dapat menjadi metode
penyelesaian yang disarankan. Sebagai contoh perhatikan bentuk persamaan differensial
yang sederhana berikut ini:
2
[ ]
dy
dy
+ y=1
dx
dx
Persamaan
diffrensial
di
atas
tampaknya
sederhana,
tetapi
untuk
dikatakan dengan
penyelesaian.
menggunakan
cara
analitik,
tidak
dapat
ditemukan
B. Metode Taylor
Metode Taylor adalah suatu metode pendekatan yang menggunakan deret Taylor sebagai
bentuk perbaikan nilai untuk nilai fungsi secara keseluruhan pada penyelesaian
persamaan differensial. Perhatikan fungsi dari persamaan differensial berikut:
'
y =f (x , y )
x
Dengan memberikan nilai awal ( 0 , y 0) , penyelesaian dapat diperoleh dengan :
Catatan:
Pemakaian metode Taylor tidak banyak digemari karena diperlukan perhitungan yang
cukup rumit dalam penyelesaiannya. Tetapi metode ini dapat menunjukkan hasil yang
bagus pada beberapa permasalahan penyelesaian persamaan differensial.
C. Metode Range Kutta
Metode Runge-Kutta merupakan pengembangan dari metode Euler, dimana perhitungan
penyelesaian dilakukan step demi step. Untuk fungsi dari persamaan differensial :
'
y =f (x , y )
x
Dengan titik pendekatan awal ( 0 , y 0) , berdasarkan metode Euler nilai fungsi
Dimana dy
paling sederhana dari metode Runge Kutta ini adalah membagi bagian perubahan
menjadi dua bagian sehingga :
h . f 1 +h . f 2
dy=
2
Dimana f1 dan f2 adalah nilai fungsi step yang diambil dari bentuk fungsi persamaan
diferensial pada step tengahan.
BAB 8
INTERPOLASI LINIER, KUADRATIK, POLINOMIAL DAN LAGRANGE
Definisi dari metode interpolasi linier merupakan metode yang paling sederhana yang
menghubungkan 2 buah titik data dengan garis lurus.
A. Interpolasi Linier
Algoritma
1. Tentukan dua titik p1 dan p2 dengan koordinat masing-masing (x1, y1) dan (x2
dan y2)
2. Tentukan nilai x dari titik yang akan diberi
3. Hitung y dengan
y y
y= 2 1 ( xx 1 ) + y 1
x 2x 1
4. Tampilkan nilai titik yang baru Q(x , y )
Contoh :
Cari nilai y untuk titik x = 2.5 yang berada di antara titik (1,5),(2,2) dan (3,3)
Jawab :
Y=
y1
=5
( x x 2 ) ( x x 3)
( x 1 x 2 )( x1 x 3 )
p3 (3,3) = 2.5
+ y2
( x x1 ) ( x x 3 )
( x 2 x1 ) ( x 2 x 3)
+ y3
( xx 1 ) ( x x 2 )
( x 3 x 1 ) ( x 3 x 2)
=2
B. Interpolasi Kuadratik
Interpolasi Kuadratik digunakan untuk mencari titik-titik antara dari 3 buah titik
P1(x1,y1), P2(x2,y2) dan P3(x3,y3) dengan menggunakan pendekatan fungsi kuadrat.
C. Interpolasi Polinomial
Interpolasi polynomial digunakan untuk mencari titik-titik antara dari n buah titik
P1(x1,y1), P2(x2,y2), P3(x3,y3), , PN(xN,yN) dengan menggunakan pendekatan fungsi
polynomial pangkat n1 :
BAB 9
Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
y=mx +c , dengan :
B. Regresi Eksponensial
Regresi eksponensial digunakan menentukan fungsi eksponensial yang paling sesuai
Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677
dengan kumpulan titik data (xn,yn) yang diketahui. Regresi eksponensial ini merupakan
pengembangan dari regresi linier dengan memanfaatkan fungsi logaritma.
Perhatikan :
ax+b
y=e
Dengan melogaritmakan persamaan di atas akan diperoleh :
ax+b
y= ln(e
)
ln
ln y=ax+ b
Algoritma Regresi Eksponensial
1. Tentukan N titik data yang diketahui dalam ( x i , y i ) untuk i=1,2,3 N
2. Ubah nilai y menjadi z dengan z=ln y
3. Hitung nilai a dan b dengan menggunakan formulasi regresi linier di atas
4. Tampilkan fungsi eksponensial y=eax+b
5. Hitung fungsi eksponensial tersebut dalam range x dan step dx tertentu
6. Tampilkan hasil tabel (x n , y n ) dari hasil fungsi linier tersebut.
C. Regresi Polinomial
Regresi polinomial digunakan menentukan fungsi polynomial yang paling sesuai dengan
kumpulan titik data (xn,yn) yang diketahui.
Fungsi pendekatan :
y=a0+ a1 x+ a1 x 2 ++a n x n
Regresi polynomial tingkat n dikembangkan dari model matriks normal sebagai berikut :
normal
Hitung nilai a0 , a1 , a2 , . a n dengan menggunakan formulasi gauss-jordan.
Tampilkan fungsi polynomial y=a0+ a1 x+ a1 x 2 ++a n x n
Hitung fungsi polinomial tersebut dalam range x dan step dx tertentu
Tampilkan hasil tabel (x n , y n ) dari hasil fungsi linier tersebut.