FISIKA KOMPUTASI

SOLUSI PERSAMAAN NONLINIER DENGAN

METODE BISECTION

Dosen : Dr. Makmur Sirait, M.Si

Disusun oleh Kelompok : 1

1. Denny Khairani NIM 8166176002

2. Desi Prawita NIM 8166176003
3. Nurmala NIM 8166176014
4. Maria Ulfa NIM 8166176012

PROGRAM PASCASARJANA PENDIDIKAN FISIKA

UNIVERSITAS NEGERI MEDAN
2017
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Seiring pesatnya perkembangan teknologi dan kemajuan zaman, maka diperlukan suatu
produk dengan ketelitian dan akurasi tinggi, dan waktu pengerjaan yang singkat. Begitu juga
dengan permasalahan dalam bidang ilmu pengetahuan fisika murni maupun terapan, bidang
rekayasa teknik metalurgi, mesin, elektro, sipil dan lain-lain dituntut hal yang sama, dimana
dalam suatu perhitungan dengan data numerik membutuhkan ketelitian dan akurasi yang
cukup baik. Pada saat teknologi informasi belum ada atau boleh dikatakan belum maju
pesat, para praktisi dan profesional di bidang rekayasa teknik dan sain menganalisa dengan
perhitungan manual. Simplifikasi digunakan dimana struktur yang sangat kompleks
disederhanakan menjadi struktur yang lebih sederhana. Artinya akan terjadi perbedaan dari
suatu permodelan dengan kondisi aktual. Hal ini dilakukan untuk menghindari kesulitan
dalam analisa.
Adanya perkembangan teknologi informasi yang sangat pesat pada saat ini mendorong
para praktisi untuk mengembangkan cara baru agar pekerjaan analisa dapat dilakukan
dengan lebih baik dan lebih efektif. Metode kalkulasi dengan matriks dapat dilakukan
dengan mudah menggunakan teknologi informasi. Sudah banyak persoalan di bidang teknik
maupun sain yang dapat diselesaikan dengan menggunakan permodelan matematika. Sering
kali permodelan matematika tersebut muncul dalam bentuk yang tidak ideal, sehingga tidak
dapat diselesaikan dengan menggunakan metode analitik untuk mendapatkan solusi sejatinya
(exact solution).
Jika persoalan-persoalan yang kita hadapi tidak dapat diselesaikan dengan metode
permodelan matematika metode analitik menggunakan dalil-dalil kalkulus, maka solusinya
dapat diperoleh dengan metode numerik. Metode numerik secara harafiah berarti suatu cara
berhitung dengan menggunakan angka-angka, sedangkan secara istilah metode numerik
adalah teknik yang digunakan untuk memformulasikan persoalan matematik sehingga
dapat diselesaikan dengan operasi aritmatika biasa.
Dengan menggunakan metode numerik, solusi exact dari persoalan yang dihadapi tidak
akan diperoleh. Metode numerik hanya bisa memberikan solusi yang mendekati atau
menghampiri solusi sejati sehingga solusi numerik dinamakan juga solusi hampiran (
approximation solution). Pendekatan solusi ini tentu saja tidak tepat sama dengan solusi
sejati, sehingga ada selisih antara keduanya. Solusi tersebut disebut solusi galat (error).
Semakin kecil galat yang diperoleh berarti semakin dekat solusi hampiran yang diperoleh
dengan solusi sejatinya.
Pada saat sebelum perkembangan teknologi informasi belum pesat seperti sekarang ini,
ada dua cara pendekatan yang biasa digunakan jika suatu persoalan tidak bisa diselesaikan
dengan metode analitik, yaitu :
A. Solusi grafik dipakai untuk mencirikan suatu perilaku sistem, teknik ini kurang presisi
karena sangat tergantung pada ketelitian penggambaran grafik.
B. Metode numerik secara manual. Secara teori pendekatan ini dapat digunakan
dengan baik untuk penyelesaian masalah yang rumit, namun pada kenyataannya
seringkali menemui masalah. Masalah ini timbul biasanya karena kesalahan kecil
dalam perhitungan
C. Komputer dan metode numerik memberikan suatu alternatif pemecahan dari
masalah-masalah tersebut. Dengan menggunakan kemampuan komputer untuk
mendapatkan solusi langsung, hampir semua persoalan dapat diselesaikan tanpa perlu
penyederhanaan asumsi atau penggunaan teknik yang rumit. Selain mempercepat
perhitungan numerik, dengan komputer kita dapat mencoba berbagai kemungkinan
solusi yang terjadi akibat perubahan beberapa parameter dan kriteria error.
Ada enam tahapan yang harus dilakukan dalam menyelesaikan persoalan dengan metode
numerik, yaitu :
a. Pemodelan, semua parameter dalam persoalan dimodelkan dalam bentuk persamaan
matematika. Penyederhanaan model, model matematika yang diperoleh pada tahap
pertama bisa saja masih kompleks. Untuk memudahkan dan mempecepat kinerja
komputer, model tersebut disederhanakan dengan membuang parameter yang dapat
diabaikan.
b. Formulasi numerik, setelah model matematika yang sederhana diperoleh, tahap
selanjutnya adalah memformulasikannya secara numerik, yaitu :
1.) Menentukan metode numerik yang akan digunakan beserta taksiran analisis
galat awal. Pemilihan metode didasari pada :
2.) Apakah metode tersebut teliti ?
 2 3.) Apakah metode tersebut mudah diprogram dan waktu eksekusinya cepat?
3
4
5 c. Menyusun algoritma dari metode numerik yang dipilih.
6
7 d. Pemrograman, algoritma yang telah disusun diterjemahkan dalam program komputer,
dengan terlebih dahulu membuat flowchart-nya kemudian dituliskan dalam bentuk program.
(dengan menggunakan salah satu software yang dapat mendukung untuk mempermudah
pembuatannya, misalnya MATLAB, sebagai catatan penulis juga akan menggunakan
software ini)
8 e. Operasional, program komputer dijalankan dengan data uji coba sebelum
menggunakan data sebenarnya.
9 f. Evaluasi, bila program sudah selesai dijalankan dengan menggunakan data
sesungguhnya, hasil yang diperoleh diinterpretasi. Interpretasi meliputi analisis hasil
perhitungan dan membandingkannya dengan prinsip dasar dan hasil-hasil empiric untuk
menentukan kualitas solusi numerik.
10
11
12 2. Berbagai Metode
13
14 Dalam menyelesaikan data numerik diperlukan beberapa metode dan dari
metode-metode tersebut nantinya kita dapat menggunakan sarana komputer untuk
membantu menyelesaikan perhitungannya. Berikut merupakan berbagai macam metode
yang dapat digunakan:
1. Metode Bisection (metode belah dua)
2. Metode Regulasi False
3. Metode Newton-Raphson
4. Metode Secant
15 Dalam makalah ini akan dikemukakan mengenai metode bisection.
16
17 1.2 Rumusan Masalah
18 1. Apakah yang dimaksud dengan metode bisection?
19 2. Bagaimana langkah langkah solusi persamaan nonlinier dengan metode
bisection?
20 3. apakah kelebihan dan kekurangan metode bisection?
21
22 1.3 Tujuan Penulisan
23 1.Untuk mengetahui apa yang dimaksud dengan metode bisection.
24 2.Untuk mengetahui langkah langkah solusi persamaan nonlinier dengan metode
bisection
25 3.Untuk Mengetahui kelebihan dan kekurangan metode bisection.
 26 BAB II
27 PEMBAHASAN
28
2. Mencari Akar-Akar Persamaan
2.1 Definisi akar
29Akar adalah titik perpotongan antara kurva fungsi f (x) dengan sumbu x, sehingga nilai
f (x) sama dengan nol.
30
31 2.2 Metode
Bisection
32 Apakah anda masih ingat rumus abc yang pernah diajarkan di bangku SMP? Itu adalah
rumus untuk mencari akar dari fungsi kuadrat. Lewat pendekatan numerik, ada dua cara
alternatif untuk menemukan akar dari suatu fungsi, yaitu metode bisection dan metode Newton.
Dengan kedua metode tersebut, anda dapat menemukan akar dari sembarang fungsi; tidak
hanya ter batas pada fungsi kuadrat saja.
33 Menurut Suarga (2014), metode biseksi adalah metode yang berbasis pada teorema
nilai tengah dan teorema eksistensi. Metoda ini selalu mencari titik tengah antara dua titik
perkiraan, sehingga biasa disebut sebagai binary search method.
34 Andaikan f(x) adalah persamaan non linier yang kontinu dalam interval (a,b), dan
bilaman f(a)*f(b) < 0 maka diantara a dan b terdapat akar.jumlah akar antara a dan b bisa saja
lebih dari satu, namun untuk kepentingan metode biseksi dianggap ada akar unik antara a dan
b.
35Solusi akar (atau akar-akar) dengan menggunakan Metode Bisection memiliki
sifat-sifat numeris sebagai berikut:
36 (a)Selalu melakukan pembagian dua (pemaruhan) interval [a,b] yang mengapit akara,
sehingga setelah n kali iterasi akan didapatkan akar persamaan yang berdekatan dengan
harga yang sebenarnya (solusi analitis), dengan memperhitungkan kriteria (akurasi) yang
diinginkan.
37 (b)Kecepatan atau laju konvergensi dari metode bisection dapat diperkirakan menggunakan
persamaan pendekatan:

38

39 Yang dapat dibuktikan bahwa:

40
41
42 (c). Panjang (b - a) menggambarkan panjang interval yang digunakan sebagai harga awal
untuk memulai proses iterasi dalam metode bisection; yang berarti bahwa metode ini
memiliki konvergensi linier dengan laju 1/2.
43 Representasi grafik dari metode bisection adalah sebagai berikut :

44
45 Dari representasi grafis di atas, dapat diambil kesimpulan:

46
47 sehingga setelah n kali iterasi akan diperoleh:

48

49 Pada saat panjang interval [a,b] tidak melampaui suatu harga t (yang di dalamnya
terdapat akar a), sedemikian rupa sehingga jarak akar a tersebut dengan ekstremitas interval
tidak melebihi t, maka pada saat itu toleransi perhitungan sudah dapat dilakukan.
50 Langkah-langkah penerapan metode bisection adalah sebagai berikut:
Tentukan a = batas kiri dan b = batas kanan, sedemikian rupa sehingga f(a)*f(b) < 0
Kemudian hitung titik tengah atau p dengan rumus
ab
p
2
51
Hitung nilai f(p)
jika f (p) = 0, maka p adalah akar, perhitungan selesai
jika f (p) dikali f(a) lebih besar dari nol, maka a = p
jika f (p) dikali f(a) lebih kecil dari nol, maka b = p
52
53
54
55
56
57
58 f(x)
= x2 4
59 25
60
61
62 20
63
64
65 15
66
67

f(x)
68 10
69
70
71 5
72
73
74 0
75
76
77 5
78 5 0
5
79
x
80
81
merah, Gambar 5.1:x =
yaitu pada Fungsi dengan
2 dan x = 2dua akar yang ditandai oleh lingkaran kecil berwarna
82
83Agar lebih memperjelas cara kerja metode bisection, saya demonstrasikan untuk

mencari salah satu akar dari fungsi kuadrat f (x) = x2 + 3x 2. Gambar 5.3
memperlihatkan kurva fungsi tersebut yang didalamnya terdapat 2 nilai akar.
84Dengan metode bisection, akar yang di sebelah kanan akan dicari. Secara
visual terlihat bahwa posisi akar tersebut ada diantara 0 dan 1. Ketika perhitungan
baru dimulai, batas kiri adalah a = 0. Batas kanan adalah b = 1. Sementara p
adalah posisi tengah antara a dan b. Posisi p belum berada pada titik perpotongan
dengan sumbu x; sehingga saat ini nilai p bukan nilai akar (lihat Gambar 5.4). Absis
titik p ditentukan oleh
85 a b 0 1
p 0,5
2 2
86
87Langkah berikutnya adalah mengevaluasi perkalian f (a) dan f (p). Terlihat dari
Gambar 5.4, nilai f (a) adalah negatif, demikian juga dengan f (p), maka f (a) dikali
f (p) hasilnya positif. Berdasarkan hasil ini, nilai a yang lama (angka 0) harus diganti
dengan nilai p = 0,5. Adapun nilai b tidak berubah sama sekali, yaitu 1. Ini adalah
perhitungan iterasi pertama.
88Iterasi kedua dimulai dengan menetapkan a dan b. Berdasarkan hasil iterasi
pertama, nilai a = 0,5 dan nilai b = 1. Berikutnya menentukan nilai p kembali
menggunakan
89 a b 0,5 1
p 0,75
2 2
90

91
92
93
94 Langkah berikutnya adalah mengevaluasi kembali perkalian f (a) dan f (p).
Terlihat dari Gambar 5.5, nilai f (a) adalah negatif, sebaliknya nilai f (p) positif, maka f (a)
dikali f (p) hasilnya negatif. Berdasarkan hasil ini, nilai b yang lama (angka 1) harus
diganti dengan nilai p = 0,75. Adapun nilai a tidak berubah sama sekali, yaitu 0,5. Ini
adalah perhitungan iterasi kedua.
95
96 98 Fungsi f(x) = x3 + 2
97 150
99
100
101 100
102
103
104 50
105
106
f(x)

107 0
108
109
110 50
111
112
113 100
114
115
116 150
117 5 0
5
118
x
119
120
121 Gambar
yaitu pada x =5.2: Fungsi dengan satu akar yang ditandai oleh lingkaran kecil berwarna merah,
1, 2599
122
123
124 Iterasi ketiga dimulai dengan menetapkan a dan b. Berdasarkan hasil iterasi
kedua, nilai a = 0,5 dan nilai b = 0,75. Berikutnya menentukan nilai p kembali
menggunakan
125
126 a b 0,5 0,75
127 p 0,625
128 2 2
129
130 Langkah berikutnya adalah mengevaluasi kembali perkalian f (a) dan f (p).
Terlihat dari Gambar 5.6, nilai f (a) adalah negatif, adapun nilai f (p) tetap positif, maka
f (a) dikali f (p) hasilnya negatif. Berdasarkan hasil ini, nilai b yang lama (angka 0,75)
harus diganti dengan nilai p =0,625. Adapun nilai a tidak berubah sama sekali, yaitu
0,5. Ini adalah perhitungan iterasi ketiga.
131
132
133
 134
135 Jika iterasi dilanjutkan hingga iterasi ke-20, maka f (p) akan bervariasi
dengan kecende- rungan menuju nol. Sementara nilai p cenderung menuju ke nilai
kestabilan tertentu. Pada saat f (p) = 0, nilai akar adalah nilai p. Tabel 5.1

memperlihatkan nilai p cenderung stabil pada p = 0,5615. Sehingga dapat disimpulkan

salah satu akar dari f (x) = x2 + 3x 2 adalah 0,5615.

136
137
138 Tabel 5.1: Perubahan nilai f (p) dan p hingga iterasi ke-20
139 I 140 141 142 143 144 145 ... 146 147
terasi 1 2 3 4 5
148 f 149 - 150 0, 151 0, 152 0, 153 - 154 ... 18 19
155 - 15620 7,7
157 0,25
(p) 158 0 8125
159 0, 2656
160 0, 161
0039 0, 162
0,124 0, 163
-1,110 ...5 164 0,56
3,110 6 16570,5
10
P ,5 75 625 5625 5313 0,5615 15 615
166
167 Gambar 5.7 memperlihatkan secara grak mengenai pola perubahan f (p)
dan p seiring de- ngan bertambahnya iterasi.
168

169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221

222 2.2 Script Matlab Metode

Bisection
223
224 Script Matlab untuk aplikasi metode bisection telah ditulis seperti di bawah ini. Script
ini perlu dukungan fungsi eksternal f.m untuk menyimpan persamaan matematika. Variabel
toleransi perlu diberikan untuk membatasi jumlah iterasi. Nilai toleransi berisi batasan nilai
terkecil yang dapat dianggap bernilai nol.
225
226

227 1 % PROGRAM APLIKASI METODE BISECTION

228 2 % Program ini memerlukan fungsi eksternal f.m
229 3 % berisi persamaan matematika yang akan dicari akarnya.
230 4
231 5 clc; clear all; close all
232 6
233 7 % ----- Menggambar Kurva -----------------------------------------
234 8 x = -4:0.001:4;
235 9 y = f(x);
236 10 plot(x,y); grid on; hold on;
237 11 xlabel(nilai x); ylabel(nilai f(x));
238 12 title(\fontsize{14} Kurva f(x) = x^2 + 3x - 2);
239 13
240 14 % ----- Mencari akar dengan Metode Bisection ---------------------
241 15 batas_kiri = 0; % angka batas kiri
242 16 batas_kanan = 1; % angka batas kanan
243 17 a = batas_kiri;
244 18 b = batas_kanan;
245 19 itermaks = 100; % iterasi maksimum
246 20 toleransi = 1e-7; % toleransi nilai yang dianggap sudah nol
247 21
248 22 for j = 1:itermaks
249 23 p = (a+b)/2;
250 Kurva
2
f(x)=x +3x2
251
252 1.2
253
254 1
255 f(b)
256 0.8
257
258 0.6
259
260 0.4
f(x)

261 f(
p)
262 0.2
263
264 0
265
266 0.2 f(a)
267
268 0.4
269
270 0.6
271
272 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8
0.85
273
x
274 Gambar 5.6: Iterasi ketiga: batas kiri adalah a = 0,5, batas kanan adalah b = 0,75;
sementara
275 p adalah posisi tengah antara a dan b
276
277
278
279
280 24 if abs(f(p)) < toleransi
281 25 break; % perintah untuk selesai/berhenti
282 26 end
283 27 if f(p)*f(a) > 0
284 28 a = p;
285 29 else
286 30 b = p;
287 31 end
288 32 end
289 33
290 34 plot(p,f(p),ro); % menampilkan lingkaran merah menunjukkan akar
291 35 akar = p % tidak diakhiri dengan titik-koma
292 36 jumlah_iterasi = j % agar bisa muncul di akhir program
293

294
295 Fungsi eksternal f.m adalah sebagai
berikut
296
297
298

299 1 function y = f(x)

300 2
301 3 n = length(x);
302 4 for j = 1:n
303 5 y(j) = x(j)^2 + 3*x(j) - 2;
304 6 end
305

306
307 Fungsi eksternal f.m juga bisa dituliskan dalam bentuk lain, yaitu
308
309
 310

311 1 function y = f(x)

312 2
313 3 y = x.^2 + 3*x - 2;
314

315
316 Bentuk penulisan seperti di atas, tidak bisa diterapkan dalam bahasa Fortran ataupun
bahasa C.
317
318
319
320
321
322
323
324 Perubahan nilai f(p) vs iterasi
325 1
326
327
328 0.8
329
330
331 0.6
332
333
nilai f(p)

334 0.4
335
336
337 0.2
338
339
340 0
341
342
343 0.2
344
345
346 0.4 353 0 5 10 15 20
347 25
348 354 Jumlah
349 iterasi
350 355
351 0.75 356 Perubahan nilai p vs
352
iterasi
357
358
359
360 0.7
361
362
363
364 0.65
nilai p

365
366
367
368 0.6
369
370
371
372 0.55
373
374
375
376 0.5 378 0 5 10 15 20
377 25
379 Jumlah
iterasi
380
381
382 Gambar 5.7: Perubahan f (p) dan p terhadap bertambahnya iterasi
383
384
385
386
387

388

389

390

391

392

393

394

395
Gambar 5.8: Nilai
akar ditandai
oleh lingkaran kecil pada kurva yang memotong sumbu-x
396
397
398 2.3. Kelebihan dan Kekurangan Metode Biseksi

399 Kelebihan Metode Biseksi

Selalu berhasil menemukan akar (solusi) yang dicari, atau dengan kata lain selalu
konvergen.
400
401 Kekurangan Metode Biseksi
Metode biseksi hanya dapat dilakukan apabila ada akar persamaan pada interval yang
diberikan.
Jika ada beberapa akar pada interval yang diberikan maka hanya satu akar saja yang
dapat ditemukan.
Memiliki proses iterasi yang banyak sehingga memperlama proses penyelesaian. Tidak
memandang bahwa sebenarnya akar atau solusi yang dicari dekat sekali dengan batas
interval yang digunakan.
402
403
404
405
406 Contoh Skrip Matlab sebagai berikut
407 Clc
408 clear
409 disp('Soal: y = 10*x^3-5*x^2-6*x-12')
410 %soal 10*x^3-5*x^2-6*x-12
411 a=2;
412 disp('a=');
413 disp(a);
414 b=72;
415 disp('b=');
416 disp(b);
417 c=(a+b)/2;
418 disp('c=');
419 disp(c);
420 y0=10*c^3-5*c^2-6*c-12;
421 disp('y0=');
422 disp(y0);
423 d=(a+c)/2;
424 disp('d=');
425 disp(d);
426 y1=10*d^3-5*d^2-6*d-12;
427 disp('y1=');
428 disp(y1);
429 e=(d+c)/2;
430 disp('e=');
431 disp(e);
432 y2=10*e^3-5*e^2-6*e-12;
433 disp('y2=');
434 disp(y2);
435 f=(c+e)/2;
436 disp('f=');
437 disp(f);
438 y3=10*f^3-5*f^2-6*f-12;
439 disp('y3=');
440 disp(y3);
441 g=(c+f)/2;
442 disp('g=');
443 disp(c);
444 y4=3*g^3-5*g^2-6*g-12;
445 disp('y4=');
446 disp(y4);
447 h=(c+g)/2;
448 disp('h=');
449 disp(h);
450 y5=10*h^3-5*h^2-6*h-12;
451 disp('y5=');
452 disp(y5);
453 i=(c+h)/2;
454 disp('i=');
455 disp(i);
456 y6=10*i^3-5*i^2-6*i-12;
457 disp('y6=');
458 disp(y6);
459 j=(h+i)/2;
460 disp('j=');
461 disp(j);
462 y7=10*j^3-5*j^2-6*j-12;
463 disp('y7=');
464 disp(y7);
465 k=(i+j)/2;
466 disp('k=');
467 disp(k);
468 y8=10*k^3-5*k^2-6*k-12;
469 disp('y8=');
470 disp(y8);
471 y0=10*c^3-5*c^2-6*c-12;
472 disp('y0=');
473 disp(y0);
474 y1=10*d^3-5*d^2-6*d-12;
475 y2=10*e^3-5*e^2-6*e-12;
476 y3=10*f^3-5*f^2-6*f-12;
477 y4=10*g^3-5*g^2-6*g-12;
478 y5=10*h^3-5*h^2-6*h-12;
479 y6=10*i^3-5*i^2-6*i-12;
480 y7=10*j^3-5*j^2-6*j-12;
481 y8=10*k^3-5*k^2-6*k-12;
482 y=[y0 y1 y2 y3 y4 y5 y6 y7 y8];
483 x=[c d e f g h i j k];
484 plot(x,y);
485 xlabel('x'),ylabel('y');
486 grid on;
487
488 Maka diperoleh hasil pada command windows adalah sebagai berikut:
489
490
491

492

493

494

495

496

497

498
499

500

501

502

503

504

505

506

507

508

509

510 BAB III

511PENUTUP

512 3.1 Kesimpulan

513 Metode biseksi adalah metode yang berbasis pada teorema nilai tengah dan
teorema eksistensi. Metoda ini selalu mencari titik tengah antara dua titik perkiraan,
sehingga biasa disebut sebagai binary search method.
514 Langkah-langkah penerapan metode bisection adalah sebagai berikut:
Tentukan a = batas kiri dan b = batas kanan, sedemikian rupa sehingga f(a)*f(b) < 0
Kemudian hitung titik tengah atau p dengan rumus
ab
p
2
515
Hitung nilai f(p)
jika f (p) = 0, maka p adalah akar, perhitungan selesai
jika f (p) dikali f(a) lebih besar dari nol, maka a = p
jika f (p) dikali f(a) lebih kecil dari nol, maka b = p
516 Kelebihan Metode Biseksi ialah selalu berhasil menemukan akar (solusi) yang dicari,
atau dengan kata lain selalu konvergen.
517 Kekurangan Metode Biseksi ialah :
Metode biseksi hanya dapat dilakukan apabila ada akar persamaan pada interval yang
diberikan.
 Jika ada beberapa akar pada interval yang diberikan maka hanya satu akar saja yang
dapat ditemukan.
Memiliki proses iterasi yang banyak sehingga memperlama proses penyelesaian. Tidak
memandang bahwa sebenarnya akar atau solusi yang dicari dekat sekali dengan batas
interval yang digunakan.
518
519
520
521
522
523
524
525
526 DAFTAR PUSTAKA
527
528 Suarga. 2014. Komputasi Numerik:Pemrograman MATLAB untuk Metoda Numerik.
Yogyakarta: Andi Yogyakarta.
529 Suprano,Supriyanto. 2014. Komputasi untuk Sains dan Teknik Menggunakan
Matlab.FMIPA Universitas Indonesia