DISUSUN OLEH:
KELOMPOK 6
Definisi Algoritma
Ketiga adalah efisiensi algoritma. Efisiensi algoritma dapat ditinjau dari 2 hal
yaitu efisiensi waktu dan memori. Meskipun algoritma memberikan keluaran yang
benar (paling mendekati), tetapi jika kita harus menunggu berjam-jam untuk
mendapatkan keluarannya, algoritma tersebut biasanya tidak akan dipakai, setiap orang
menginginkan keluaran yang cepat. Begitu juga dengan memori, semakin besar
memori yang terpakai maka semakin buruklah algoritma tersebut. Dalam
kenyataannya, setiap orang bisa membuat algoritma yang berbeda untuk
menyelesaikan suatu permasalahan, walaupun terjadi perbedaan dalam menyusun
algoritma, tentunya kita mengharapkan keluaran yang sama. Jika terjadi demikian,
carilah algoritma yang paling efisien dan cepat.
Penyajian algoritma secara garis besar bisa dalam 2 bentuk penyajian yaitu
tulisan dan gambar. Algoritma yang disajikan dengan tulisan yaitu dengan struktur
bahasa tertentu (misalnya bahasa Indonesia atau bahasa Inggris)
dan pseudocode. Pseudocode adalah kode yang mirip dengan kode pemrograman yang
sebenarnya seperti Pascal, atau C, sehingga lebih tepat digunakan untuk
menggambarkan algoritma yang akan dikomunikasikan kepada pemrogram.
Sedangkan algoritma disajikan dengan gambar, misalnya dengan flowchart. Secara
umum, pseudocode mengekspresikan ide-ide secara informal dalam proses
penyusunan algoritma. Salah satu cara untuk menghasilkan kode pseudo adalah dengan
meregangkan aturan-aturan bahasa formal yang dengannya versi akhir dari algoritma
akan diekspresikan. Pendekatan ini umumnya digunakan ketika bahasa pemrograman
yang akan digunakan telah diketahui sejak awal.
Psedocode
Kode atau tanda yang menyerupai (pseudo) atau merupakan penjelasan cara
menyelesaikan suatu masalah. Pseudo-code sering digunakan oleh manusia untuk
menuliskan algoritma.
Contoh kasus : mencari bilangan terbesar dari dua bilangan yang diinputkan
Solusi Pseudo-code :
Flowchart
Flowchart merupakan gambar atau bagan yang memperlihatkan urutan dan
hubungan antar proses beserta pernyataannya. Gambaran ini dinyatakan dengan
simbol. Dengan demikian setiap simbol menggambarkan proses tertentu. Sedangkan
antara proses digambarkan dengan garis penghubung. Dengan
menggunakan flowchart akan memudahkan kita untuk melakukan pengecekan bagian-
bagian yang terlupakan dalam analisis masalah. Disamping itu flowchart juga berguna
sebagai fasilitas untuk berkomunikasi antara pemrogram yang bekerja dalam tim suatu
proyek.
Ada dua macam flowchart yang menggambarkan proses dengan komputer, yaitu :
Dalam pembuatan flowchart Program tidak ada rumus atau patokan yang bersifat
mutlak. Karena flowchart merupakan gambaran hasil pemikiran dalam menganalisis
suatu masalah dengan komputer. Sehingga flowchart yang dihasilkan dapat bervariasi
antara satu pemrogram dengan yang lainnya. Namun secara garis besar setiap
pengolahan selalu terdiri atas 3 bagian utama, yaitu :
1. Input,
2. Proses pengolahan dan
3. Output
Untuk pengolahan data dengan komputer, urutan dasar pemecahan suatu masalah:
Metode Bagi-Dua
Metode bagi dua adalah algoritma pencarian akar pada sebuah interval. Interval
tersebut membagi dua bagian, lalu memilih dari dua bagian ini dipilih bagian mana
yang mengandung akar dan bagian yang tidak mengandung akar dibuang. Hal ini
dilakukan berulang-ulang hingga diperoleh akar persamaan atau mendekati akar
persamaan. Metode ini berlaku ketika ingin memecahkan persamaan f(x) = 0
dengan f merupakan fungsi kontinyu.
definisikan titik tengah pada interval [a, b] yaitu c := . Dari sini kita memperoleh
dua subinterval yaitu [a, c] dan [c, b]. Setelah itu, cek apakah f(a)f(c) < 0 atau f(b)f(c)
< 0 ? Jika f(a)f(c) < 0 maka b = c (artinya titik b digantikan oleh titik c yang berfungsi
sebagai titik b pada iterasi berikutnya), jika tidak maka a = c. Dari iterasi pertama kita
memperoleh interval [a, b] yang baru dan titik tengah c yang baru. Kemudian lakukan
pengecekan lagi seperti sebelumnya sampai memperoleh error yang cukup kecil.
Metode Newton-Raphson
Metode Newton-Raphson adalah metode pencarian akar suatu fungsi f(x)
dengan pendekatan satu titik, dimana fungsi f(x) mempunyai turunan. Metode ini
dianggap lebih mudah dari Metode Bagi-Dua (Bisection Method) karena metode ini
menggunakan pendekatan satu titik sebagai titik awal. Semakin dekat titik awal yang
kita pilih dengan akar sebenarnya, maka semakin cepat konvergen ke akarnya.
Metode Secant
Pada Metode Newton-Raphson memerlukan syarat wajib yaitu fungsi f(x)
harus memiliki turunan f'(x). Sehingga syarat wajib ini dianggap sulit karena tidak
semua fungsi bisa dengan mudah mencari turunannya. Oleh karena itu muncul ide dari
yaitu mencari persamaan yang ekivalen dengan rumus turunan fungsi. Ide ini lebih
dikenal dengan nama Metode Secant. Ide dari metode ini yaitu menggunakan gradien
garis yang melalui titik (x0, f(x0)) dan (x1, f(x1)). Perhatikan gambar dibawah ini.
=
Karena x = x2 maka y = 0, sehingga diperoleh
x2 x1 =
x2 = x1
= x1
secara umum rumus Metode Secant ini ditulis
xn+1 = xn
Metode LU Decomposition
Jika matrik A non singular maka A dapat difaktorkan (diuraikan atau
didekomposisi menjadi matriks segitiga bawah (lower) dan matriks segitiga atas U
(upper) :
=
Dalam bentuk matriks, pemfaktoran ini ditulis sebagai berikut, matriks yang
dicontohkan adalah 3 x 3
11 12 13
A= [ 21 22 23 ]
31 32 33
1 0 0 11 12 13
L= [21 1 0] U= [ 0 22 23 ]
31 32 1 0 0 33
Pada matriks segitiga bawah L, semua elemen diagonal adalah 1, sedangkan pada
matriks U tidak ada aturan khusus pada elemen diagonalnya.
Metode ini dinamakan juga metode-metode pemfaktoran segitiga (triangular
factorization). Metode eliminasi Gauss merupakan suatu dekomposisi LU dari matriks
A.
Penyelesaian Ax = b dengan metode dekomposisi LU adalah sebagai berikut:
Ax = b
Faktorkan A menjadi L dan U sedememikian rupa, sehingga
A= LU
Jadi, LU x = b. Misalkan Ux=y, maka Ly = b
Untuk memperoleh y1,y2 ,y3,yn menggunakan Lower
1 0 0 1 1
Ly = b
L= [ 21 1 0] x [2 ] = [2 ]
31 32 1 3 3
Untuk memperoleh x1,x2, x3,..xn menggunakan Upper
11 12 13 1 1
Ux = y U= [ 0 22 23 ]x [2 ] = [2 ]
0 0 33 3 3
Jadi, langkah-langkah menghitung solusi sistem persamaan linier dengan metode
dekomposisi LU dapat diringkas sebagai berikut :
1. Bentuklah matriks Ldan U dari A
2. Pecahkan Ly = b , lalu hitung y dengan menggunakan Lower
3. Pecahkan Ux = y , lalu hitung x dengan menggunakan Upper
INTERPOLASI
Interpolasi Lagrange
Aproksimasi merupakan salah satu usaha untuk menyajikan data berbentuk grafis
menjadi kalimat matematis. Secara umum aproksimasi harus mendapatkan suatu
fungsi yang melewati semua titik yang diketahui. Aproksimasi ini dikenal sebagai
interpolasi. Karena harus melewati semua titik yang ada, maka ada banyak fungsi yang
memenuhi, kecuali jika fungsi tersebut mempunyai syarat tertentu.
x = xi f(xi) = yi
Sedangkan secara khusus aproksimasi tidak mensyaratkan melewati semua titik.
Walaupun demikian solusi yang didapat haruslah merupakan hasil terbaik yang
mendekati semua titik yang diketahui. Aproksimasi secara khusus lebih dikenal dengan
istillah regresi.
x = xi f(xi) yi
KONSEP INTERPOLASI LAGRANGE
Interpolasi Lagrange merupakan teknik yang popular, karena menggunakan
fungsi dalam bentuk polinom. Jika fungsi yang dicari adalah f(x) dan cacah data n
maka :
ALGORITMA INTERPOLASI LAGRANGE
Dari manual diatas dapat dituliskan algoritma kasarnya sebagai berikut :
1. Tetapkan jumlah titik yang diketahui. Untuk menginputkan titik yang diketahui
dapat meenggunakan dua array x dan y dengan jumlah data = jumlah
titiknya. Dengan dua array akan lebih mudah mengatur perilaku data didalam
program. Bisa juga menggunakan banyak array sejumlah titik yang diketahui,
sehingga masing-masing pasang data disimpan dalam satu array. Cara ini terlihat
lebih sederhana, tetapi lebih sulit dalam mengatur perilaku data. Dalam
implementasi ini nantinya akan dipilih cara yang pertama, yakni menggunakan
dua array x dan y.
2. Mencari Li(x) dan P(x) Li(x) didapat sejumlah titik yang diketahui, sehingga
diperlukan perulangan sebanyak titik yang diketahui. Demikian pula P(x)
merupakan jumlahan dari perkalian yi dan Li(x), sehingga memerlukan perulangan
yang jumlahnya sana dengan proses pencarian Li(x). Untuk mencari
Li(x) diperlukan Qi(x) dan Qi(xi). Karena Qi(x) merupakan hasil perkalian (x-xi)
sejumlah titik yang diketahui, maka diperlukan perulangan lagi untuk mencarinya.
Tetapi yang harus diingat disini adalah bahwa, untuk (x-xi) tersebut tidak ikut dalam
hasil perkalian. Sehingga proses hanya akan dilakukan untuk nilai selain (x-xi).
Untuk Qi(xi) dapat dicari setelah Qi(x) diketahui dengan cara mensubstitusi nilai xi
ke dalam Qi(x). Setelah Qi(x) dan Qi(xi) diketahui dapat dicari Li(x). Dan untuk
selanjutnya mencari P(x).
INTEGRAL
Metode Trapesium
Suku pertama pada ruas kanan adalah aturan trapezium yang kita maksudkan,
sedangkan suku kedua yang dinyatakan dengan E adalah kesalahan yang dimiliki oleh
metode ini.
Untuk memperoleh ungkapan metode trapesium (3-5) dan untuk mengetahui
seberapa besar kesalahan yang dimiliki oleh metode ini, maka kita perlu melakukan
ekspansi deret Taylor luasan A (x) yang didefinisikan sebagai
(3-6)
Ekspnasi deret Taylor untuk luasan A (x) selanjutnya adalah
(3-
7)
dengan definisi (3-6) maka diperoleh
A '(x)=f(x), A ''(x)=f'(x), A '''(x)=f''(x) (3-8)
Selajutnya, ungkapan (3-6) untuk batas bawah integrasi x0 dan batas atas x0+ h
menjadi
(3-9)
Dengan mendekati ungkapan turunan pertama dengan beda hingga maju (forward
difference))
(3-10)
maka persamaan (3-6) akan mengambil bentuk
(3-11)
(3-12)
Dari ungkapan (3-11) dapat diketahui bahwa pendekatan integrasi dengan aturan
trapesium memiliki kesalahan yang sebanding dengan (h)3. Oleh sebab itu, jika kita
membagi dua terhadap h maka kesalahan hasil integrasi akan tereduksi hingga 1/8
nya. Akan tetapi, ukuran domainnya juga terbagi menjadi dua, sehingga dibutuhkan
aturan trapesium lagi untuk mengevaluasinya, selanjutnya sumbangan hasil
integrasi tiap domain dijumlahkan. Hasil akhirnya memiliki kesalahan 1/4 nya bukan
lagi 1/8 nya.
Metode Simpson 1/3
terlihat bahwa kesalahan pendekatan integrasi Simpson 1/3 adalah O(h5), sedangkan
kesalahan pada aturan trapezium dan titik tengah adalah O(h3), ini berarti bahwa
aturan Simpson 1/3 memiliki ketelitian dua orde lebih tinggi dibandingkan
metode trapesium dan titik tengah.
Persamaan (3) mengandung empat buah peubah yang tidak diketahui, yaitu 1 , 2 ,
1 , dan 2 . Kita harus memilih 1 , 2 , 1 , dan 2 sedemikian sehingga galat
integrasinya minimum. Karena ada empat buah peubah yang tidak diketahui, maka kita
harus mempunyai empat buah persamaan simultan yang mengandung 1 , 2 , 1 , dan
2 .
DAFTAR PUSTAKA
http://oolish.blog.uns.ac.id/algoritma-dan-pemrograman/
http://lecturer.ukdw.ac.id/anton/download/strukdat1.pdf
https://aimprof08.wordpress.com/2012/08/30/metode-bagi-dua-bisection-method/
https://nurfajrinanovitasari.wordpress.com/metode-integrasi-kuadratur-gauss/
http://documents.tips/documents/metode-integrasi-kuadratur-gauss.html
https://aimprof08.wordpress.com/2012/09/13/interpolasi-newton/
https://aimprof08.wordpress.com/2012/09/01/metode-secant-secant-method/
http://darkzone7.blogspot.co.id/2013/04/pengertian-metode-newton-raphson.html
https://aimprof08.wordpress.com/2012/08/31/metode-newton-raphson-newton-
raphson-method/