MetodaNumerik PDF

METODA
NUMERIK
La Design 96: 909 Kbytes of D:My StuffsPublikasiMetoda NumerikMetoda Numerik 2009.docx printed on Friday 28/08/15 10:47
oleh
Ir. Djoko Luknanto, M.Sc., Ph.D.
November 2001
Bahan kuliah Metoda Numerik

Jurusan Teknik Sipil FT UGM
Yogyakarta
PRAKATA
Buku berjudul Metoda Numerik ini merupakan bahan kuliah di Jurusan

Teknik Sipil FT UGM. Buku ini tidak menjelaskan secara rinci teori-teori numerik
secara lengkap, namun hanya membahas teori-teori numerik yang sering
digunakan di lapangan. Pembaca yang ingin mengetahui secara lengkap Metoda
Numerik diharapkan mencari dari acuan-acuan di luar buku ini.
Buku ini lebih merupakan petunjuk praktis bagi mahasiswa S1 maupun
praktisi di lapangan. Dalam buku ini prinsip umum teori-teori numerik dijelaskan
secara singkat, kemudian aplikasinya dijelaskan.
Semoga buku kecil ini berguna, kritik membangun sangatlah diharapkan.
Yogyakarta, November 2001

Dosen Jurusan Teknik Sipil FT UGM
Ir. Djoko Luknanto, M.Sc., Ph.D.

D:\My Stuffs\Publikasi\Metoda Numerik\Metoda Numerik 2009.docx (909 Kb)
Penyusun
Metoda Numerik hal. ii

Ir. Djoko Luknanto, M.Sc., Ph.D. Jack la Motta
DAFTAR ISI
halaman
PRAKATA .......................................................................................................................... ii
DAFTAR ISI...................................................................................................................... iii
DAFTAR GAMBAR .........................................................................................................vi
1. Error: Asal & Rambatannya....................................................................................... 1

1.1. Pendahuluan ....................................................................................................... 1
1.2. Bilangan Dalam Komputer ............................................................................... 5
1.2.1. Underflow and Overflow ................................................................... 6
1.3. Definisi dan Asal error .................................................................................... 6
1.3.1. Angka signifikan (significant digits)................................................. 7
1.3.2. Asal dari error .................................................................................... 7
1.4. Rambatan Error ................................................................................................ 7
1.4.1. Propagated Error pada Perkalian.................................................... 8
1.4.2. Propagated Error pada Pembagian................................................. 8
1.4.3. Propagated Error pada Penjumlahan dan Pengurangan ............ 8
2. Persamaan Non-Linier.............................................................................................. 10
2.1. Metode Bagi Paruh (Bisection) ....................................................................... 10
2.2. Metode Newton ................................................................................................ 11
2.3. Metode Sekan .................................................................................................... 13
2.4. Akar dari Persamaan Polinomial ................................................................... 14
3. Teori Interpolasi ........................................................................................................ 16

3.1. Metoda Beda Terbagi Newton........................................................................ 16
3.2. Interpolasi dengan tabel beda hingga ........................................................... 18
3.2.1. Beda Maju ........................................................................................... 18
3.2.2. Beda Mundur ..................................................................................... 20
3.3. Lagrange ............................................................................................................ 20
3.4. Beberapa fakta penting daribeda terbagi ................................................... 21
Metoda Numerik hal. iii

DAFTAR ISI Buku kuliah
4. Integrasi Numeris...................................................................................................... 22
4.1. Rumus trapesium dan Simpson ..................................................................... 22
4.1.1. Rumus trapesium terkoreksi ............................................................ 24
4.1.2. Rumus Simpson ................................................................................. 25
4.2. Rumus NewtonCotes ..................................................................................... 27
4.2.1. Rumus Newton-Cotes Tertutup ...................................................... 28
4.2.2. Rumus NewtonCotes terbuka........................................................ 29
4.3. Kuadratur Gaussian ......................................................................................... 30
4.3.1. Kuadratur Gauss-Legendre .............................................................. 31
4.4. Polinomial Orthogonal .................................................................................... 33
4.4.1. Kuadratur Gauss-Laquerre .............................................................. 34
4.4.2. Kuadratur Gauss-Chebysev ............................................................. 36
4.4.3. Kuadratur Gauss-Hermite ................................................................ 36
5. Sistem Persamaan Linier ......................................................................................... 37

5.1. Eliminasi Gauss ................................................................................................ 37
5.2. Eliminasi GaussJordan................................................................................... 39
5.3. Eliminasi GaussJordan dengan pivot maksimum ................................... 40
5.3.1. Rekonstruksi pembentukan scrambled inverse ........................ 41
5.4. Metoda Iterasi ................................................................................................... 43
5.4.1. Metoda Jacobi ..................................................................................... 43
5.4.2. Metoda Gauss-Seidel ......................................................................... 45
6. Matrik .......................................................................................................................... 46
6.1. Notasi dan Konsep-konsep Pendahuluan .................................................... 46
6.2. Determinan dan invers .................................................................................... 49
6.2.1. Menghitung determinan dengan eleminasi segitiga atas ............ 49
6.3. Matrik dan Vektor Eigen ................................................................................. 50
6.3.1. Metode power untuk mendapatkan nilai & vektor eigen
terbesar. ............................................................................................... 52
7. Persamaan Differensial Biasa ................................................................................. 55

7.1. Metoda Euler ..................................................................................................... 57
7.2. Metoda MultiStep ........................................................................................ 58
7.2.1. Metoda Trapesium ............................................................................ 59
7.3. Metoda Runge-Kutta (RK) .............................................................................. 60
7.3.1. Metoda RK derajat dua ..................................................................... 60
7.3.2. Metoda RK berderajat tiga ............................................................... 61
7.3.3. Metoda RK berderajat empat ........................................................... 62
7.3.3.1. Metoda Pertama....................................................................................... 62
7.3.3.2. Metoda Kedua.......................................................................................... 62
7.3.3.3. Metoda Ketiga .......................................................................................... 62
7.4. Metoda Predictor-Corrector ......................................................................... 63
7.4.1. Algoritma Predictor-Corrector ....................................................... 64
Metoda Numerik hal. iv

DAFTAR ISI Buku kuliah
DAFTAR PUSTAKA ....................................................................................................... 67

Metoda Numerik hal. v

DAFTAR GAMBAR
halaman
Gambar 1 Teorema Nilai Antara ...................................................................................... 1

Gambar 2 Teorema Nilai Tengah ..................................................................................... 2
Gambar 3 Nilai Tengah Integral ....................................................................................... 3
Gambar 4 Interpretasi Deret Taylor secara geometris................................................... 4
Gambar 5 Metoda Bagi Paruh untuk mencari akar ..................................................... 11
Gambar 6 Metoda Newton untuk mencari akar .......................................................... 12
Gambar 7 Metoda Sekan untuk mencari akar .............................................................. 13
Gambar 8 Konsep integrasi trapesium .......................................................................... 22
Gambar 9 Konsep integrasi Simpson ............................................................................. 25
Gambar 10 Fungsi y = w(x) untuk metoda Simpson.................................................... 26
Gambar 11 Cara pertama pemindahan kolom dengan elemen pivot ....................... 42
Gambar 12 Cara kedua pemindahan kolom dengan elemen pivot........................... 42
Gambar 13 Cara kedua pemindahan kolom dengan elemen pivot........................... 43
Gambar 14 Gaya-gaya yang bekerja pada struktur ..................................................... 54
Gambar 15 Penyelesaian dengan Metoda Euler........................................................... 56
Metoda Numerik hal. vi

1.
Bab
ERROR: ASAL & RAMBATANNYA
1.1. Pendahuluan
Teorema 1.1.: Nilai Antara (lihat Gambar 1)
Jika f(x) suatu fungsi menerus pada x [a, b] dan m Infimum f ( x) serta
a x b
M Supremum f ( x) , maka untuk setiap bilangan pada interval tertutup [m, M]

a x b
paling tidak ada satu titik [a,b] sehingga f() = . Khususnya ada dua titik u &
[a, b] dimana m = f(u) dan M = f()
y y = f(x)
M = f()

m = f(u)
x
a u b
Gambar 1 Teorema Nilai Antara
Teorema 1.2.: Nilai Tengah (lihat Gambar 2)
Jika f(x) menerus pada interval [a,b] serta turunan pertamanya ada dalam interval
x (a,b). Maka paling tidak ada satu titik (a,b) dimana:
Metoda Numerik hal. 1

Error: Asal & Rambatannya Buku kuliah
f (b ) f ( a )
f ' ( )
ba
Teorema 1.3: Nilai Tengah Integral (lihat Gambar 3)
Jika w(x) tidak negatif dan dapat dihitung integralnya pada interval [a,b] dan f(x)
b b
menerus pada [a,b], maka w( x) f ( x)dx f ( ) w( x)dx untuk satu titik [a,b]
a a
tangennya = f()
f() f(b)
f(a)
x
a b
Gambar 2 Teorema Nilai Tengah
Teorema 1.4.: Deret Taylor (lihat Gambar 4)
Jika f(x) mempunyai n+1 turunan dan turunannya selalu menerus pada [a,b], dan
jika x, x0 [a,b], maka:
f ( x) Pn ( x) Rn 1 ( x)
x x0 ( x xo ) n ( n )
dengan Pn ( x) f ( xo ) f '( xo ) ... f ( xo )
1! n!

x
1
Rn 1 ( x) ( x t ) n f ( n 1) (t )dt
n! x0
n 1
( x xo )
f ( n 1) ( )
(n 1)!
untuk diantara xo dan x.
garis referensi
y = w(x)
f(xi)
w(xi)
x
a xi b
Gambar 3 Nilai Tengah Integral
x
Bukti: f ' (t )dt
xo
f ( x) f ( xo )
Jadi:
x
f ( x) f ( xo ) f ' (t )dt ingat : udv uv vdu
xo
x
... tf ' (t )t xo tdf ' (t )
tx
xo
x
... ( x xo ) f ' ( xo ) x( f ' ( x) f ' ( xo ) tf " (t )dt
xo
x x
... ( x xo ) f ' ( xo ) x f " (t )dt tf " (t )dt
xo xo
Akhirnya diperoleh:

x
f ( x) f ( x0 ) ( x xo ) f ' ( xo ) ( x t ) f " (t )dt ... dst.
xo
x
1
...
2 xo
f " (t )d ( x t ) 2 ... dst.
x xo
f ( x) f ( xo ) f ( )
1!
y
C
p2(x) R3(x)
R2(x)
p1(x) R1(x)
y = f(x)
A p0(x)
B
f(x0) f(x
A C
x
x0 x
Gambar 4 Interpretasi Deret Taylor secara geometris

Secara geometris artinya:
CC ' AA' A' C ' tan

kesalahan
pemotongan
BC
AA' A' C '
AB
AA' BC

p0 ( x ) R1 ( x)( x x0 ) f '( )
Jadi kesalahan pemotongan

n 1
( x xo )
Rn 1 ( x) f ( n 1) ( )
(n 1)!
n 1
konstanta ( x x o )
n 1
konstanta x
Rn+1 (x) disebut sebagai kesalahan pemotongan order n+1 atau O(xn+1).
1.2. Bilangan Dalam Komputer
Komputer menyajikan bilangan dalam 2 mode yaitu (1) Integer, (2) Floating
point.
Basis bilangan yang digunakan dalam komputer jarang sekali yang decimal
(basis 10). Hampir semua komputer memakai basis 2 (binari) atau variannya
seperti basis 8 (octal) dan basis 16 (hexadecimal).
Contoh:
a. Pada basis 2, semua bilangan terdiri dari 2 angka yaitu 0 dan 1.
Jadi (11011.01)2 = 1.24 + 1.23 + 0.22 + 1.21 + 1.20 + 0.2-1 + 1.2-2 = 27. 25
b. Pada basis 16, semua bilangan terdiri dari/dinyatakan dengan angka 0, 1, , 9,
A,B, ,F
Jadi (56C.F)16 = 5.1612+ 6.161 + 12.160 + 15.16-1 = 1338.9375
Jika basis bilangan suatu komputer adalah , maka suatu bilangan non-zero x
disimpan didalam bentuk.
x = (.a1a2a3 at) . e
dengan = -1 atau + 1, 0 a1 -1, e = integer, dan
a1a 2 a3 at a11 a 22 att

dengan disebut tanda, e disebut eksponen L e U, (a1a2a3 at) disebut
mantissa, dan disebut radix.
Akurasi dari sajian floating-point suatu komputer. Unit pembulatan, ,
suatu komputer adalah suatu bilangan positip terkecil yang mempunyai sifat
bahwa
1+>1
Nilai nol, , suatu komputer adalah suatu bilangan positip terkecil dimana
1+>1
Secara praktis dan dapat dihitung sbb:

= 1.0
10 = /2.0
If (1.0 + .GT. 1.0) GOTO 10
= * 2.0
1.2.1. Underflow and Overflow
Jika suatu bilangan tidak mampu direpresentasikan oleh komputer karena e <
L atau e > U, maka akan terjadi under/overflow.
Jadi setiap bilangan harus berada dalam interval
xL |x| xU
dengan xL = L-1 dan xU = (1 -t)L-1
Dalam FORTRAN:
Jika suatu hasil hitungan, |x| xU, maka akan terjadi overflow error dan
program akan berhenti.
Jika suatu hasil hitungan, |x| xL, maka akan terjadi underflow error
biasanya x nilainya menjadi nol dan hitungan terus berlanjut.
1.3. Definisi dan Asal error
Dalam penyelesaian suatu masalah, dikehendaki jawaban yang sejati, yang

disimbolkan sebagai xT, tetapi biasanya jawaban pendekatanlah yang didapat (ini
disimbolkan sebagai xA).

Error ( x A ) xT x A
Untuk banyak keperluan, bukan error mutlak yang dikehendaki melainkan
error relatif dari xA yang dibutuhkan:
x xA
Rel( x A ) T , xT 0
xT
19
Contoh: xT e 2.7182818... , x A 2.7142857 ...
7
Jadi: Error( x A ) 0.003996... , Rel( x A ) 0.00147...

1.3.1. Angka signifikan (significant digits)
Nilai xA dikatakan mempunyai m angka signifikan terhadap xT, jika kesalahan

(xT-xA) mempunyai nilai 5 pada angka ke (m+1) dihitung ke kanan dari angka
non-zero didalam xT.
Contoh:
1 2 3 4
1 1
1) xT 0. 3 3333... , x A 0.333 , xT x A 0. 0 0 0 3
3
karena pada angka ke 4 kesalahannya < 5, maka x A dikatakan mempunyai 3

angka signifikan, sehingga x A 0.333 .
1 1 2 3 4 5
2) xT 2 3.496 x A 23.494 xT x A 0 0 . 0 0 2


1 1 2 3
3) xT 0.0 2138 x A 0.02144 xT x A 0.0 0 0 0 6


1.3.2. Asal dari error

1. Simplifikasi dan asumsi yang digunakan untuk merubah peristiwa alam ke
dalam formula matematik.
2. Kesalahan/keteledoran : kesalahan aritmatik dan programming.
3. Ketidakpastian dalam data.

4. Kesalahan mesin.
5. Kesalahan matematis dalam kesalahan pemotongan
1.4. Rambatan Error
Ditentukan semua operasi aritmatik digantikan dengan tanda . Jadi : + -

/ dan : + - / versi komputer
Misalkan xA dan yA adalah bilangan yang akan digunakan dan kesalahannya
terhadap xT dan xT adalah
xT x A dan yT y A

Jika dilakukan hitungan xA yA, maka kesalahannya adalah

xT yT x A w y A xT yT x A y A x A y A x A w y A

I II
I = kesalahan karena rambatan (propagated error)

II = kesalahan karena rounding ataupun choping
1.4.1. Propagated Error pada Perkalian

xT yT x A y A xT yT ( T )( yT )
xT yT
x y xA yA
Rel( x A y A ) T T
xT y T y T xT T y T
Rel( x A ) Rel( y A ) Rel( x A ).Rel( y A )
Jika Rel( x A ) , Rel( y A ) <<1, maka Rel( x A y A ) Rel( x A ) Rel( y A )
1.4.2. Propagated Error pada Pembagian

xT x A xT x T

xA yT y A yT y T
Rel( )
yA xT xT
yT yT
( xT ) yT x y .xT xT yT . yT
1 T T
( yT ) xT xT yT .xT
xA Rel( x A ) Rel( y A )
Rel( )
yA 1 Rel( y A )
xA
Jika Rel( y A ) <<1, maka Rel( ) Rel( x A ) Rel( y A )
yA
Tampak bahwa pada perkalian dan pembagian kesalahan relatif tidak membesar
secara cepat.
1.4.3. Propagated Error pada Penjumlahan dan Pengurangan

( xT yT ) ( x A y A ) ( xT x A ) ( yT y A )
Error( x A y A ) Error( x A ) Error( y A )

Penjabaran ini tampak logis tetapi tidak baik karena tidak dinyatakan dalam
kesalahan relatif
22
Contoh: xT , x A 3.1416, yT , y A 3,1429
7
xT x A 7.35 10 6 Rel( x A ) 2.34 10 6
yT y A 4.29 10 5 Rel( y A ) 1.36 10 5
( xT yT ) ( x A y A ) 0.0012645 (0.0013)
3.55 10 5
Rel( x A y A ) 0.028
Jadi meskipun kesalahan pada ( x A y A ) adalah kecil, tetapi kesalahan relatifnya

cukup besar melebihi Rel(xA) ataupun Rel(yA).

2.
Bab
PERSAMAAN NON-LINIER
Di dalam matematika aplikasi pencarian akar persamaan f(x)=0 sering

dijumpai. Biasanya jawaban analitis dari persamaan diatas tidak ada, sehingga
harus dicari jawaban numeriknya yang biasa dilaksanakan dengan metode iterasi.
2.1. Metode Bagi Paruh (Bisection)
Jika terdapat suatu f(x) yang menerus [a,b] dan f(a)f(b) < 0, maka menurut
Teorema 1.1 paling tidak f(x) mempunyai satu akar f(x) mempunyai satu akar
[a,b].
Algoritma
Bisect(f, a, b, akar, )
1. Hitung c := (a+b)/2
2. Jika b c , maka akar:= c, dan exit
3. Jika {tanda f(b)tanda f(c)} 0, maka a := c , jika tidak b := c
4. Kembali ke langkah nomor 1.
Definisi
Suatu deret hasil suatu iterasi {xn|n0} dikatakan menuju ke titik dengan
derajat p 1 , jika
p
x n 1 c x n n0
untuk beberapa nilai c>0. Jika p=1, deretnya disebut menuju ke titik secara linier.
Pada kasus ini diperlukan nilai c<1; c disebut laju linier dari xn menuju .
Ada beberapa metode yang membutuhkan definisi yang agak berbeda dengan
diatas yaitu
x n1 c n x0 n 0

Persamaan Non-Linier Buku kuliah
Tingkat kelajuan metode bagi paruh dinyatakan dalam

1
c n ( ) n (b a )
2
y
metode ini diulang-ulang
sampai abs (c-b) <
c = (a+b)/2
f(b)>0
c = (a+b)/2
c = (a+b)/2
nilai awal
a bbaru
x
abaru abaru b
nilai awal
f(a)<0
akar sesungguhnya
y=f(x)
yang akan dicari
Gambar 5 Metoda Bagi Paruh untuk mencari akar
2.2. Metode Newton
Deret Taylor:
1
f ( x) f ( x n ) ( x x n ) f ' ( x n ) ( x x n ) 2 f " ( x n ) ...
2
atau menurut Teorema 1.4
1
f ( x) f ( x n ) ( x x n ) f ' ( x n ) ( x x n ) 2 f " ( )
2
dengan diantara xn dan x.
Jika akar dari f(x), salah satunya adalah , maka
f (x ) 0
1
f ( x) f ( x n ) ( x n ) f ' ( x n ) ( x n ) 2 f " ( ) 0
2
jadi
f ( xn ) 1 f " ( )
xn ( x n ) 2
f ' ( xn ) 2 f ' ( xn )
maka dapat didekati dengan

f ( xn )
x n 1 x n n0
f ' ( xn )
dengan errornya
f " ( )
x n 1 ( x n ) 2 n0
2 f ' ( xn )
Untuk nilai n, dan xn, jadi
f " ( )
x n 1 ( x n ) 2
2 f ' ( )
konstanta ( x n ) 2
Sehingga metode Newton dikatakan mempunyai derajat kelajuan = 2
y=f(x)
grs singgung
akar sesungguhnya nilai awal
x
x1 x0
Gambar 6 Metoda Newton untuk mencari akar

Algoritma
Newton (f, df, x0, , akar, itmax, ierr)

1. Keterangan : df adalah f(x), itmax adalah iterasi maximum, ierr adalah error
flag
2. noiter:=1
3. penyebut:=df(x0)
4. jika penyebut = 0 maka ierr:=2, dan exit
5. x1:= x0 - f(x0)/penyebut
6. jika |x1 x0|, maka ierr:= 0, akar:= x1, dan exit
7. jika noiter = itmax maka ierr:= 1, dan exit
8. noiter:= noiter +1, x0:=x1, dan ulangi langkah 3.

2.3. Metode Sekan
Dengan menggunakan sifat segitiga sebangun diperoleh
BD CD

BA CE
f ( x1 ) f ( x0 ) f ( x1 ) 0

x1 x0 x1 x 2
x1 x0
Jadi x 2 x1 f ( x1 ) atau
f ( x1 ) f ( x0 )
x n x n 1
x n 1 x n f ( x n ) n 1
f ( x n ) f ( x n 1 )
y
y=f(x)
akar sesungguhnya
nilai awal
x0 x2 x3 C
x
E x1
nilai awal
A B
Gambar 7 Metoda Sekan untuk mencari akar
Metode sekan dapat dijabarkan dari metode Newton dimana
f ( x n ) f ( x n 1 )
f ' ( xn )
x n x n 1
Derajat Konvergensi:
untuk metode Newton p = 2
untuk metode sekan p = (1+5) = 1,618
untuk metode bisection p = 1

2.4. Akar dari Persamaan Polinomial
p(x) = a0 + x(a1 + x(a2++x(an-1 + anx)) (A)

atau
p(x) = a0 + a1x + a2x2++ anxn (B)
Pada Pers.(A) terdapat n perkalian & pertambahan, sedangkan dalam

Pers.(B) terdapat: (2n1) perkalian & pertambahan. Oleh karena itu dalam
pemrograman komputer lebih disukai bentuk dalam Pers.(A), karena lebih efisien.
Pers. (A) jika ditulis dalam FORTRAN menjadi
p = a(n)
do 10 i = n,1,-1
10 p = p*x + a(i1)
Untuk menghitung akar dari persamaan p(x) = 0 akan digunakan Metoda

Newton. Untuk keperluan itu polinomial p(x) akan dimodifikasi sebagai berikut
Disyaratkan: bn = an
bk = ak + zbk+1 , k = n1, n2, , 0
Dari syarat ini p(x) dapat ditulis sebagai
p(x) = b0 + (x z)q(x)
dengan q(x) = b1 + b2x ++ bnx n-1
sehingga p(x) = (x z)q(x) + q(x) p(z) = q(z)
Algoritma:
Polynew (a, n, x, , itmax, akar, b, ier)

1. Keterangan: a adalah vektor coef. dengan dimensi n, itmax adalah iterasi
maksimum, b adalah vektor coef. dari polinomial yang baru, ier adalah
indikator adanya error.
2. noiter: = 1
3. x: = x0 , bn := c := an
4. Untuk k = n-1, , 1, bk := ak+ zbk+1, c := bk + zc
5. b0:= a0 + zb1
6. Jika c = 0, ier := 2, dan exit
7. x1:= x0 b0/c
8. Jika x1 x0 , ier :=0 ,akar:= x1, dan exit

9. Jika noiter:= itmax, ier:= 1, dan exit

10. noiter:= noiter + 1, x0:= x1 , ulangi langkah ketiga.

3.
Bab
TEORI INTERPOLASI
Jika kita mempunyai satu set data:

(x0, y0) , (x1, y1), , (xn, yn)
maka dalam bab ini akan di jelaskan bagaimana harus mencarti polinomial yang
melalui, data di atas.
Jika polinomial ini ditulis sebagai:
p(x) = a0 + a1x + + anxn
maka jika data diatas disubstitusikan akan didapat (n+1) persamaan dengan (n+1)
variabel tidak diketahuinya yaitu:
a 0 a1 x0 a n x0n y 0

a 0 a1 x n a n x n y n
n
Persamaan diatas jika diselesaikan akan menghasilkan a0, , an sehingga

polinomial p(x) dapat dicari .
3.1. Metoda Beda Terbagi Newton

Notasi yang digunakan:

f x1 , ...,x n f x1 , ...,x n
f xo ,x1 , ... ,xn
x n -x0
Contoh
Order 0: x0 =xn
f x1 f x0
Order 1: f x0 , x1
x1 x0
f x1 , x 2 f x0 , x1
Order 2: f x0 , x1 , x 2
x2 x0
f x1 , x 2 , x3 f x0 , x1
Order 3: f x0 , x1 , x 2 , x3
x 2 x0

Teori Interpolasi Buku kuliah
Rumus beda terbagi Newton:

pn(x) = x0+ (x3-x0)x0,x1+(x3-x0)(x-x1)x0,x1]+
+(xx0)(xxn-1) x0,x1,,xn
Contoh: Kita buat tabel beda terbagi berdasarkan polinomial

(x) = x3 2x2 + 7x 5
i xi f[xi] f[xi, xi+1] f2[ ] f3[ ]

0 0.0 -5.0 6 2 1
1 1.0 1.0 12 6
2 3.0 25.0 30
3 4.0 55.0
Keterangan:
1 5 25 1
A 6 B 12
1 0 3 1
55 25 BA
C 30 D 2
43 30
30 12 ED
E 6 F 1
4 1 40
Contoh hitungan pn(x=0.5) = ?

p1(x) = -5 + (x-0)6 = 6x 5
p1 (0.5) = -2
p2(x) = -5 + (x-0)6 + (x-0)(x1)2 = 2x2 + 4x 5
p2 (0.5) = -2,5
p3(x) = -5 + (x-0)6 + (x-0)(x1)2 +(x-0)(x-1)(x-3)1 = x3 2x2 + 7x 5

p2 (0.5) = -15/8 = - 1.875
Algoritma metoda beda terbagi Newton
Divdif (d, x , n)
1. Keterangan: d dan x adalah vektor f(xi) dan xi = 0,1,,n. Pada saat exit di
akan terisi oleh nilai f x0,,xi
2. Kerjakan s/d langkah 4 untuk i = 1, 2 , ,n
3. Kerjakan sampai dengan langkah 4 untuk j = n, n-1, i
4. dj := (dj -dj-1) /(x-xj-1)
5. exit

Interp(d, x, t, p)
1. Keterangan: Pada awalnya d dan x adalah vektor dari x0,,xi dan xi,
i = 0, 1 , , n. Pada saat exit p akan berisi pn(t).
2. p := dn
3. Kerjakan s/d langkah 4 untuk i = n-1 , n--2, , 0
4. p := di + (t xi)p
5. exit
3.2. Interpolasi dengan tabel beda hingga
3.2.1. Beda Maju
Notasi: (xi) = (xi+1) - (xi) dengan xi = x0 + ih, i = 0, 1, 2, 3,

Untuk r 0,
r+1(z) = r(z+h) - r (z)
r(z) disebut beda maju order r , disebut operator beda maju
Contoh: 0(x)
= (x)
(x)
= 0(z+h) - 0(z)
= (x+h) - (x)
(x)
2 = (x+h) - (x)
Contoh hitungan : Kita gunakan polinomial x3 2x2 + 7x 5 dengan h = 1,0
i xi f(xi) 2 3 4
0 0.0 -5.0 6 2 6 0
1 1.0 1.0 8 8 6
2 2.0 9.0 16 14
3 3.0 25.0 30
4 4.0 55.0
Korelasi antara beda maju dengan beda terbagi
f x1 f x0 f ( x0 h) f ( x0 ) f ( x0 )
f x0 , x1
x1 x0 h h

f ( x 2 ) f ( x1 ) f ( x1 ) f ( x 0 )

x 2 x1 x1 x0 2 f ( x 0 )
f x0 , x1 , x 2
x 2 x0 2h 2
n f ( x0 )
Secara umum: f x0 , x1 ,..., x n
n! h n
Akan dijabarkan rumus interpolasi beda maju dari rumus interpolasi beda
x x0
terbagi Newton. Didefinisikan yang menunjukkan letak titik x
h
terhadap x0. Jadi misalnya = 1.6, maka x terletak pada jarak 6/10 dari x1 ke arah
x2.
Diinginkan rumus untuk:

(x x0) (x x1) (x xk)
dinyatakan dalam
x xj = x0 + h (x0 + jh) = (-j)h
Jadi
(x x0) (x x1) (x xk) = ( -1) ( -k)hk+1
sehingga
f 0 2 f0
2
n f0
n
p n ( x) f 0 h ( 1)h ... ( 1)...( n 1)h
h 2! h 2 n! h n
Jika didefinisikan koefisien binomial sbb:
( 1)...( k 1)
1
, k>0 dan
k k! 0
maka didapat rumus interpolasi beda maju sbb:
n
x x0
p n ( x ) j f ( x 0 ) dengan
j0 j h
Contoh hitungan: p(x=1.5) = ?

x x0 1.5 1.0
1.5
h 1.0
1) p1(x) = x0 + (x0)
= -5 + 1.5 (6) = 4
2) p2(x) = x0 + (x0) + (-1)2f(x0)/2!
= -5 + 1.5 (6) + 1.5 (0.5)2/2! = 4.75

3.2.2. Beda Mundur
Notasi: z = z - z-h
r+1z = rz - rz-h r1
Rumus interpolasinya
n
j 1 j x x 1
p n ( x) f ( x0 ) dengan 0 , 1
j 0 j h 0
i xi f(xi) 2 3 4
-4 0.0 -5.0 6 2 6 0
-3 1.0 1.0 8 8 6
-2 2.0 9.0 16 14
-1 3.0 25.0 30
0 4.0 55.0
Contoh hitungan: p(x=3.5) = ?

x x 3.5 4.0
0 0.5
h 1.0
1) p1(x) = x0 + (-)(x0)
= 55 + (-0.5) 30 = 40
2) p2(x) = p1(x) + (-)(-+1)2f(x0)/2!
= 40 + (-0.5)(0.5)14/2 = 38.25
3) p3(x) = p2(x) + (-)(-+1) (-+2)3f(x0)/3!
= 38.25 + (-0.5)(0.5)(1.5)6/3 = 37.875
3.3. Lagrange
Polinomial Lagrange dibentuk dengan fomulasi berikut:

n
p n x Li x f xi
i 0
n x xj
Li x i 0,1,..., n
j 0 xi x j
j i
Contoh:
x x1 x x0
pi x f x0 f x1
x0 x1 x x01
p2 x
x x1 x x2 f x x x0 x x2 f x x x0 x x1 f x
x0 x1 x0 x2 0 x1 x0 x1 x2 1 x2 x0 x2 x12 2

Contoh: hitung p2 x yang melalui titik-titik 0,15; 1,1; 3,25
L0 x
x x1 x x2

x 1 x 3 x 2 4 x 3

x0 x1 x0 x2 0 10 3 3
L1 x
x x0 x x2 x 0x 3 x 3x 2
x1 x0 x1 x2 1 01 3 2
L2 x
x x01 x x1 x 0x 1 x x 2
x2 x0 x2 x1 3 03 1 6
Jadi p 2 x L0 x 5 L1 x 1 L2 x 25 2 x 2 4 x 5
3.4. Beberapa fakta penting daribeda terbagi
f m
1. f x0 , x1 ,....., xm untuk X x0 , x1 ,..., x n dimana X x0 ,..., x m
m!
artinya interval terkecil dimana x0 , x1 ,..., x m tercakup!
Contoh:
f 0
f x0 f x0
0!
f x1 f x0
f x0 , x1 f ' x0 , x1
x1 x0
f x0 , x1 , x2 f ' X x0 , x1 , x 2
1
2
2. Jika f x adalah polynomial derajad m, maka
polinomial derajad m n 1 n m 1

f x0 ,..., x n , x a m n m 1
0 n m 1

dengan f x a m x m a m 1 x m 1 ... a1 x a 0
3. Kesalahan dalam interpolasi
x x0 x x1 ...x x n n 1
f x p n x f x
n 1!
dengan x x0 ,...., x n , x
d
4. f x 0 ,..., x n , x f x 0 , x,..., x n , x, x
dx

Bab
4. INTEGRASI NUMERIS
4.1. Rumus trapesium dan Simpson
Pada bab ini akan dibicarakan cara menghitung integral secara numeris dari
b
I(f)
a
f(x)dx
dimana [a,b] berhingga
y=f(x)
(b,f(b))
y =p1(x)
(a,f(a))
x
a b
Gambar 8 Konsep integrasi trapesium
Rumus trapesium pada dasarnya adalah mendekati f(x) dengan garis lurus yang
melalui (a,f(a)) dan (b,f(b))
ba
I1 ( f ) f (a) f (b)
2
Error:
x b x a
f (x) p1(x) f (x) f (a) f (b)
a b b a
(x a)(x b) f a,b, x
ingat definisi beda terbagi f[a,b,x].

Integrasi Numeris Buku kuliah
Jadi error:
b
1
E1( f ) f (x)dx (b a)[f (a) f (b)]
a 2
b
(x a)(x b) f a,b, xdx
a
dengan harga tengah integral, didapat:
b
E1( f ) f a, b, (x a)(x b)dx a b
a
1 1
f "() (b a)3 [a, b]
2 6
(b a)3
f "()
12
Jika interval [a,b] dibagi menjadi n pias sehingga untuk n1, h = (b-a)/n dan
xj = a + jh, j = 0,1,,n, didapat:
b n xj
I(f) f(x)dx
j 1 x j 1
f(x)dx
a
h

n
h3
f ( x j 1 ) f ( x j ) f " ( j )
j 1 2 12
dengan xj-1njxj.
Sehingga integralnya dapat didekati dengan
1 1
I n ( f ) h f 0 f1 ... f n 1 f n n 1
2 2
Kesalahan In(f) terhadap I(f) adalah
En ( f ) I ( f ) En ( f )
n
h3
f " ( j )
j 1 12
h3n 1 n
f " ( j )
12 n j 1
Perlu diingat bahwa
1 n
Min f " ( x)
a x b
f " ( j ) Max
n j 1 a x b
f " ( x)
karena f(x) menerus pada a x b, maka

h3n
En ( f ) f " ( ) [a, b]
12
h 2 (b a )
f " ( )
12
(b a ) 3
f " (
12n 2
~
Estimasi kesalahan asimtotis E n ( f )
En ( f ) 1 n
Limit f " ( j )h
Limit
n h2 n
12 j 1
1 n
Limit f " ( j )h
12 n j 1
b
1
f " ( x)dx
12 a
h2
maka En ( f ) f ' (b) f ' (a)
~
12
Definisi:
~
Jika En(f) adalah kesalahan eksak, sedangkan En ( f ) adalah estimasi darinya, maka
~
En ( f ) disebut estimasi kesalahan asimtotis dari En(f) jika:
~ ~
En ( f ) En ( f ) En ( f )
Limit 1 atau Limit 0
n E ( f ) n En ( f )
n
4.1.1. Rumus trapesium terkoreksi

~
Dengan menggunakan En ( f ) , rumus trapesium dapat ditingkatkan menjadi:
~
CTn ( f ) I n ( f ) E n ( f )
1 1 h2
h f 0 f1 ... f n 1 f n f ' (b) f ' (a )
2 2 12

4.1.2. Rumus Simpson

y
(c,f(c))
y=f(x)
(b,f(b))
y =p2(x)
(a,f(a))
x
a c=(a+b)/2 b
Gambar 9 Konsep integrasi Simpson
Dalam metode Simpson fungsi f(x) didekati dengan p2(x) yang melalui 3 titik
(a,f(a)), (c,f(c)) dan (b,f(b)) dimana c = (a+b)/2.
b
( x c)( x b) ( x a )( x b) ( x a )( x c)
I2 ( f ) f (a) f (c ) f (b) dx
a
(a c)(a b) (c a )(c b) (b a )(b c)

h
f (a) 4 f (c) f (b) dengan h b a
3 2
Kesalahannya:
E2 ( f ) I ( f ) I 2 ( f )
b
( x a)( x b)( x c) f [a, b, c, x]dx
Harga tengah integral tidak dapat digunakan karena (x-a)(x-c)(x-b) berganti

tanda pada x = c.
x
Didefinisikan: w( x) (t a)(t c)(t b)dt
a
Beberapa fakta mengenai w(x):

( a b) 4
w(a) w(b) 0, w(c) , w( x) 0 untuk a x b
64
w' ( x) ( x a )( x c)( x b)

y
a b 4
64
y=w(x)
x
a c ( a b) / 2 b
Gambar 10 Fungsi y = w(x) untuk metoda Simpson
Jadi E2(f) dapat ditulis sebagai:

b
E 2 ( f ) w' ( x) f [a, b, c, x]dx
a
b
d
w( x) f [a, b, c, x]a w( x)
b
f [ a , b, c , x ]
a
dx
b
E 2 ( f ) w( x) f [a, b, c, x, x]dx
a
b
f [a, b, c, , ] w( x)dx [ a, b ]
f ( 4) ( ) 4 5
h
24 15
h 5 ( 4)
f ( ) [a, b]

90
Jika interval [a,b] dibagi menjadi n pias, n 2, h = (b-a)/n, xj=a+jh untuk
j = 1,2,3,,n, sehingga
n / 2 x2 j
I( f ) f ( x)dx n genap
j 1 x2 j 2
h

n/2
h 5 ( 4)
f 2 j 2 4 f 2 j 1 f 2 j f ( j )
j 1 3 90
dengan x2j-2 nj x2j
Rumus Simpson:

h
f 0 4 f1 2 f 2 4 f 3 2 f 4 ... 2 f n2 4 f n1 f n
In ( f )
3
Kesalahan estimasi:
h 5 (n / 2) 2 n / 2 ( 4)
En ( f ) I ( f ) I n ( f )
90 n j 1
f ( j )
h 4 (b a) ( 4)
f ( ) [a, b]
180
(b a) 5 ( 4 )
f ( )
180n 4
~
Estimasi kesalahan asimtotis: E n ( f )
h 4 ( 3)
180
f (b) f ( 3) (a)
4.2. Rumus NewtonCotes
Rumus trapesium dan Simpson sebetulnya merupakan dua buah rumus

pertama dari rumus Newton-Cotes.
Untuk n1, h = (b-a)/n, xj=a+jh untuk j = 0,1,2,3,,n. Didefinisikan In(f) dengan
mengganti f(x) dengan polinomial pn(x) pada titik-titik x0, x1,, xn:
b b
I ( f ) f ( x)dx p n ( x)dx
a a
Dengan interpolasi Lagrange untuk pn(x), maka

b n n
I n ( f ) l j ,n ( x) f ( x j )dx w j ,n ( x) f ( x j )
a j 0 j 0
b
dengan w j ,n l j ,n ( x)dx j 0,1,..., n
a
Untuk nilai n = 1 dan 2 telah disajikan sebagai rumus trapesium dan Simpson.
Sekarang untuk n = 3, contoh untuk menghitung w0 adalah:
b
( x x1 )( x x 2 )( x x3 )
w0 dx
a
( x 0 x1 )( x 0 x 2 )( x 0 x 3 )
Jika x = x0+h, 0 3, maka:

x3
1
w0 ( x x1 )( x x 2 )( x x3 )dx
x0 6h 3
3
1
6h 3 0
( 1)h ( 2)h ( 3)h hd
3
h 3h
( 1)( 2)( 3)d
60 8
Jika w1, w2, w3 dihitung dengan cara di atas, akhirnya akan didapat untuk n = 3
3h
I 3 ( f ) f ( x0 ) 3 f ( x1 ) 3 f ( x 2 ) f ( x3 )
8
Kesalahan pada In(f) dinyatakan sebagai berikut:
a) Untuk n genap:
E n ( f ) C n h n3 f ( n 2)
( ) [ a, b]
n
1
(n 2)! 0
dengan C n 2 ( 1)...( n)d
b) Untuk n gasal:
E n ( f ) C n h n 2 f ( n 1)
( ) [ a, b]
n
1
dengan C n
(n 1)! 0
2 ( 1)...( n)d
4.2.1. Rumus Newton-Cotes Tertutup

n = 1, rumus trapesium
b
h h3
a f ( x ) dx f ( a ) f (b ) f " ( )
2 12
n = 2, rumus Simpson
b
h ab h ( 4)
5
a f ( x ) dx
3
f ( a ) 4 f (
2
) f (b ) 90 f ( )

n=3
b
3h
f (a) 3 f (a h) 3 f (b h) f (b) 3h f ( 4) ( )
5
a
f ( x)dx
8 80
n = 4, rumus Boole
b
2h ab 8h ( 6)
7
a f ( x ) dx
45
7 f ( a ) 32 f ( a h ) 12 f (
2
) 32 f (b h ) 7 f (b ) 945 f ( )


~
Definisi: Integrasi numerik I ( f ) yang mendekatri I(f) disebut mempunyai
~
derajat ketepatan m jika: (a) I ( f ) I ( f ) untuk semua polinomial f(x) derajat
~
m , (b) I ( f ) I ( f ) untuk beberapa polinomial f(x) derajat m 1
Contoh:
Pada rumus Newton-Cotes untuk n = 1, 3 dikatakan mempunyai derajat ketepatan
m = 1, 3. Sedangkan untuk n = 2, 4 mempunyai derajat ketepatan m = n + 1 = 3, 5.
Tampak bahwa rumus NewtonCotes dengan n genap menghasilkan derajat
ketepatan ekstra dibandingkan dengan n gasal.
4.2.2. Rumus NewtonCotes terbuka
Ada rumus NewtonCotes yang tidak menggunakan salah satu atau kedua
titik di ujung interval. Contoh yang paling sederhana adalah rumus titik tengah:
b
a b (b a ) 3
a f ( x ) dx (b a ) f (
2
)
24
f " ( ) [a, b]
Rumus kompositnya:
b
f(x)dx (f) (f)

a
n n
n(f) h[f(x1 ) f(x n )]

h 2(b a)
E n(f) f"() [a, b]
24
(b a ) 1
dengan h , x j a ( j )h sebagai titik tengah dari titik-titik
n 2
a ( j 1)h, a jh untuk j 1,2, , n .

Rumus NewtonCotes yang sedemikian ini disebut dengan rumus terbuka,
sedangkan rumus yang terdahulu disebut tertutup.
n 2:
x2
h3

x0
f ( x ) dx 2 hf ( x1 )
3
f " ( )
n 3:
x3
3h 3h 3

x0
f ( x)dx
2
[ f ( x1 ) f ( x 2 )]
4
f " ( )
n 4:
x4
4h 14h 5
f ( x)dx [2 f ( x1 ) f ( x 2 ) 2 f ( x 3 )] f ( )
( 4)
x0
3 45
n 5:

x5
5h 95h 5 ( 4 )

x0
f ( x)dx
24
[11 f ( x1 ) f ( x 2 ) f ( x 2 ) f ( x3 ) 11 f ( x 4 )]
144
f ( )
x n x0
dimana h , x0 = batas bawah, xn = batas atas.
n
4.3. Kuadratur Gaussian
Pada metoda integrasi sebelumnya, rumus integrasinya berdasarkan

polinomial derajat rendah yang merupakan pendekatan f (x ) dengan jumlah
pias semakin besar.
Kuadratur Gaussian, rumus integrasinya menggunakan polinomial yang
derajatnya makin tinggi.
b n
I ( f ) w( x) f ( x)dx w j ,n f ( x j ,n ) I n ( f )
a j 1
Sebagai ilustrasi:
1 n
f ( x)dx w j f ( x j )
1 j 1
dengan w(x) 1 Faktor pemberat w j dan titik nodal x j dipilih sedemikian

sehingga kesalahan
1 n
En ( f ) f ( x)dx w j f ( x j )
1 j 1
sama dengan nol untuk suatu polinomial f(x) dengan derajat setinggi mungkin.
E n ( a 0 a1 x a m x m ) a 0 E n (1) a1 E n ( x ) a m E n ( x)
Jadi E n ( f ) 0 untuk setiap polinomial derajat m, bila dan hanya bila
E n ( x i ) 0 i 0,1, , m .
Kasus 1. n 1 . Karena hanya 2 parameter, w1 dan x1 sehingga diperlukan 2
persamaan:
E n (1) 0 E n ( x) 0
1 1
1dx w1 0 w1 2
1
xdx w x
1
1 1 0 x1 0
1
sehingga f ( x)dx 2 f (0)
1
Kasus 2. n 2 . Ada 4 parameter w1, w2, x1, x2, sehingga dibutuhkan 4

persamaan:

1
E n ( x i ) x i dx ( w1 x1 w2 x 2 ) 0 untuk i = 0,1,2,3
i i
atau w1 w2 2 w1 x1 w2 x 2 0
2
w1 x1 w2 x 2 w1 x1 w2 x 2 0
2 2 3 3
3
menghasilkan rumus:
1
1 1
1 f ( x)dx f ( 3 3 ) f ( 3 3 )
mempunyai derajat ketelitian 3. Bandingkan dengan rumus Simpson yang
menggunakan tiga titik.
Kasus 3. untuk n, Terdapat 2n parameter {w1} dan {x1} sehingga terdapat 2n
persamaan:
E n ( x i ) 0 i 0,1, ,2n 1 atau
n 0 i 1,3, ,2n 1
i
w j x j 2
i 0,2, ,2n 2
j 1 i 1
persamaan diatas merupakan sistem persamaan non-linier yang
penyelesaiannya tidak selalu jelas. Oleh karena itu digunakan cara lain.
4.3.1. Kuadratur Gauss-Legendre

Untuk w( x) 1 , rumus Gauss pada interval [-1,1] adalah:
1 n
1 j 1
dengan titik xj adalah akar dari polinomial Legendre derajat n dalam interval
[-1,1]. Faktor pemberatnya adalah
2
wi i 1,2, , n
(n 1) Pn ( xi ) Pn 1 ( xi )
'
2 2 n 1 (n!) 4 f ( 2 n ) ( )
dan En ( f )
(2n 1)[(2n)!]2 (2n)!
Tabel 1 GaussLegendre titik dan pembobot

n x1 w1
2 0.5773502692 1.0
3 0.7745966692 0.5555555556
0.0 0.8888888889
4 0.8611363116 0.3478546451

n x1 w1
0.3399810436 0.6521451549
5 0.9061798459 0.2369268851
0.5384693101 0.4786286705
0.0 0.5688888889
6 0.9324695142 0.1712344924
0.6612093865 0.3607615730
0.2386191861 0.4679139346
7 0.9491079123 0.1294849662
0.7415311856 0.2797053915
0.4058451514 0.3818300505
0.0 0.4179591837
8 0.9602898565 0.1012285363
0.7966664774 0.2223810345
0.5255324099 0.3137066459
0.1834346425 0.3626837834
Contoh:
1 1
3 3
1 3
3
n = 1:
1
f ( x)dx f (0.5773502692) f ( 0.5773502692)
n = 3:
1
f ( x)dx
1
0.5555555556 f (0.7745966692)
0.5555555556 f (0.7745966692)
0.8888888889 f (0)
Untuk integral pada interval umum [a,b], maka digunakan transformasi
sebagai berikut:
b
ba a b (b a ) x
1
a f (t ) dt f
2 1 2
dx

ba n a b (b a ) x j
w j f
2 j 1 2
3
2
(x x 2 x 1)dx 34 , dihitung dengan kuadratur Gaussian menghasilkan:
3
1
3
1 1
1 3 (3 1) 3 1 3 (3 1) 3
3 1
3
3
f ( x)dx 1.0 f 3 1.0 f
2 2 2
1

1 1
f (2 3 ) f (2 3 ) 34.66666667
3 3

4.4. Polinomial Orthogonal
Kuadratur Gauss-Legendre menggunakan polinomial orthogonal Legendre.

Ada banyak famili polinomial yang orthogonal. Secara umum suatu famili
polinomial gk(x) disebut orthogonal terhadap fungsi pemberat w(x) , jika :
b
w( x) g
a
n ( x) g m ( x)dx 0 nm
w( x)g ( x) dx c(n) 0
2
n
a
Contoh : set {sin (kx)} dan {cos (kx)}
Polinomial Legendre. Pn(x) orthogonal pada interval [-1,1] terhadap w(x) = 1

1
P ( x) P
1
n m ( x)dx 0 nm
1
P ( x) dx c(n) 0
2
n
1
Beberapa Pn(x):
P0(x) = 1
P1(x) = x
P2(x) = (3x2-1)
P3(x) = (5x3-3x) )
P4(x) = (35x4-30x2+3)
Rumus rekursiv:
2n 1 n 1
Pn ( x) xPn 1 ( x) Pn 2 ( x)
n n
Polinomial Laquerre. Ln(x) orthogonal pada interval [0,] terhadap w(x) = e-x

L ( x) L
0
n m ( x)dx 0 nm
L ( x) dx c(n) 0
2
n
0
Beberapa Ln(x):
L0(x) = 1
L1(x) = -x+1
L2(x) = x2-4x+2
L3(x) = -x3+9x2-18x+6
Rumus rekursiv:

Ln ( x ) ( 2n x 1) Ln 1 ( x ) ( n 1) 2 Ln 2 ( x)
Polinomial Chebysev. Tn(x) orthogonal pada interval [-1,1] terhadap
w(x) = 1/(1-x2)
1
Tn ( x)Tm ( x)
1 1 x 2 dx 0 n m
1
Tn ( x)2 dx c(n) 0

1 1 x2
Beberapa Tn(x):
T0(x) = 1
T1(x) = x
T2(x) = 2x2-1
T3(x) = 4x3-3x
Rumus rekursiv:
Tn ( x) 2 xTn 1 ( x) Tn 2 ( x)
Polinomial Hermite. Hn(x) orthogonal pada interval [-,] terhadap

w( x) e x
2
e
x2
H n ( x) H m ( x)dx 0 nm

e H n ( x) dx c(n) 0
x 2 2
Beberapa Hn(x):
H0(x) = 1
H1(x) = 2x
H2(x) = 4x2-2
H3(x) = 8x3-12x
Rumus rekursiv:
H n ( x) 2 xH n 1 ( x) 2(n 1) H n 2 ( x)
4.4.1. Kuadratur Gauss-Laquerre

n
e
x
0 j 1
Kuadratur ini dapat digunakan untuk menghitung:

e f (t )dt e e f ( x a)dx
t a x
a 0
n
e a w j f ( x j a)
j 1
dengan wj = faktor pemberat, xj = akar dari polinomial Laquerre
Tabel 2. wj dan xj dari kuadratur Gauss-Laguerre

n wj xj
2 0.85355 33905 0.58578 64376
0.14644 66094 3.41421 35623
3 0.71109 30099 0.41577 45567
0.27851 77335 2.29428 03602
0.01038 92565 6.28994 50829
4 0.60315 41043 0.32254 76896
0.35741 86924 1.74576 11011
0.03888 79085 4.53662 02969
0.00053 92947 9.39507 09123
5 0.263560319718 0.521755610583
1.413403059107 0.398666811083
3.596425771041 0.0759424496817
7.085810005859 0.00361175867992
12.640800844276 2.33699723858E-05
6 0.222846604179 0.45896467395
1.188932101673 0.417000830772
2.992736326059 0.113373382074
5.775143569105 0.0103991974531
9.837467418383 0.000261017202815
15.982873980602 8.9854790643E-07
10 0.13779347054 0.308441115765
0.729454549503 0.401119929155
1.80834290174 0.218068287612
3.401433697855 0.0620874560987
5.552496140064 0.00950151697518
8.330152746764 0.000753008388588
11.8437858379 0.000028259233496
16.279257831378 4.24931398496E-07
21.996585811981 1.83956482398E-09
29.920697012274 9.91182721961E-13
14 0.093307812017 0.21823488594
0.492691740302 0.342210177923
1.215595412071) 0.263027577942
2.269949526204) 0.126425818106

n wj xj
3.667622721751 0.040206864921
5.425336627414 0.00856387780361
7.565916226613 0.00121243614721
10.120228568019 0.000111674392344
13.130282482176 6.45992676202E-06
16.65440770833 2.2263169071E-07
20.776478899449 4.22743038498E-09
25.623894226729 3.92189726704E-11
31.407519169754 1.45651526407E-13
38.530683306486 1.48302705111E-16
48.026085572686 1.60059490621E-20
4.4.2. Kuadratur Gauss-Chebysev

1 n
1
f(x)dx w j f ( x j )
1 1 x2 j 1
2 j 1
dengan wj dan x j cos( ) , j = 1, 2, ... , n
n 2n
b
ba a b (b a ) x
1
1

a
f (t )dt
2 1
1 x2
1 x2 f
2
dx

(b a ) n
a b (b a ) x j

2n
1 x 2j f
j 1 2
4.4.3. Kuadratur Gauss-Hermite

n
e f (x)dx w j f ( x j )
x 2
j 1
Tabel 3. wj dan xj dari kuadratur Gauss - Laguerre

n wj xj
2 0.88622 69255 0.70710 67811
3 0.29540 89752 1.22474 48714
1.18163 59006 0.0
4 0.08131 28354 1.65068 01239
0.80491 40900 0.52464 76233
5 0.01995 32421 2.02018 28705
0.39361 93232 0.95857 24646
0.94530 87205 0.0

Bab
5. SISTEM PERSAMAAN LINIER
5.1. Eliminasi Gauss
Eliminasi Gauss digunakan mencari akar sistem persamaan linier.

f1 ( x1 , x 2 ,..., x n ) 0
f 2 ( x1 , x 2 ,..., x n ) 0

f n ( x1 , x 2 ,..., x n ) 0
Contoh: Ditinjau sistem persamaan:
2x1 - 7x2 + 4x3 = 9
x1 + 9x2 - 6x3 = 1
-3x1 + 8x2 + 5x3 = 6
yang akarnya adalah x1 = 4, x2 = 1, dan x3 = 2
Persamaan diatas dalam bentuk matrik dapat ditulis sebagai berikut:
[B]{x}={u}
2 7 4 x1 9
1
9 6 x 2 1

3 8 5 x3 6
Untuk menjelaskan eliminasi Gauss, maka dibentuk suatu matrik sebagai berikut:
2 7 4 9 1 0 0
B u I 1 9 6 1 0 1 0

3 8 5 6 0 0 1
Kita kalikan baris 1 dengan 1/2, tambahkan (-1 x baris 1 yang baru) kepada baris
2, dan tambahkan (3x baris 1 yang baru) kepada baris 3.
1 7 / 2 2 9/2 1 / 2 0 0

0 25 / 2 8 7/2 1 / 2 1 0
0 5 / 2 11 39 / 2 3 / 2 0 1

Sistem Persamaan Linier Buku kuliah
Operasi diatas sama dengan pembentukan/pengubahan sistem persamaan asli

menjadi
7 9
x1 x 2 2 x3
2 2
25 7
x 2 8 x3
2 2
5 39
x 2 11x3
2 2
Perhatikan bahwa operasi di atas jika ditulis dalam bentuk matrik adalah
1
2 0 0 2 7 4 9 1 0 0
1
1 0 1 9 6 1 0 1 0
2
1 0 1 3 8 5 6 0 0 1
2
Selanjutnya dilakukan operasi sebagai berikut: kalikan baris 2 dengan 2/25 dan
tambahkan (5/2 x baris 2 yang baru) kepada baris 3
1 7 / 2 2 9/2 1/ 2 0 0

0 1 16 / 25 7 / 25 1 / 25 2 / 25 0
0 0 47 / 5 94 / 25 7/5 1 / 5 1
Operasi terakhir mengubah sistem persamaan menjadi:
7 9
x1 x 2 2 x3
2 2
16 7
x2 x3
25 25
47 94
x3
25 5
Kalikan baris 3 dengan 5/47. Tambahkan ke baris 2: (16/25 x baris 3 yang baru).
Tambahkan ke baris 1: (-2 x baris 3 yang baru)
1 7 / 2 0 1/ 2 19 / 24 2 / 47 10 / 47

0 1 0 1 13 / 235 22 / 235 16 / 235
0 0 1 2 7 / 47 1 / 47 5 / 47
Akhirnya tambahkan ke baris 1: (7/2 x baris 2)
1 0 0 4 93 / 235 67 / 235 6 / 235

0 1 0 1 13 / 235 22 / 235 16 / 235
0 0 1 2 7 / 47 1 / 47 5 / 47
Jadi sistem persamaan menjadi x1 = 4, x2 = 1, x3 = 2 dan inverse matrik [B] adalah

93 / 235 67 / 235 6 / 235

13 / 235 22 / 235 16 / 235

7 / 47 1 / 47 5 / 47
1
1 2 5
Dari pengamatan: det B 235
2 25 47
Jadi kalau di resume

B u I

2 7 4 9 1 0 0

1 9 6 1 0 1 0
3 8 5 6 0 0 1

1 0 0 4 93 / 235 67 / 235 6 / 235

0 1 0 1 13 / 235 22 / 235 16 / 235
0 0 1 2 7 / 47 1 / 47 5 / 47

I x B 1
5.2. Eliminasi GaussJordan
Pada eliminasi Gauss di atas secara garis besar terdiri dari beberapa langkah:
a. operasi normalisasi: elemen diagonal diubah menjadi bernilai 1
b. operasi reduksi: elemen non-diagonal diubah menjadi bernilai 0

Pada eleminasi Gauss Jordan operasi a & b dikerjakan bersamaan.
Contoh: 2x1 - 7x2 + 4x3 = 9
x1 + 9x2 - 6x3 = 1
-3x1 + 8x2 + 5x3 = 6
2 7 4 9 1 0 0
B u I 1 9 6

1 0 1 0

3 8 5 6 0 0 1
Normalisasi baris 1 dengan membaginya dengan elemen pivot = 2, kemudian:
a. baris 2 - baris 1 yang baru
b. baris 3 + 3x baris 1 yang baru

1 7 / 2 2 9/2 1 / 2 0 0

0 25 / 2 8 7/2 1 / 2 1 0
0 5 / 2 11 39 / 2 3 / 2 0 1
Normalisasi baris 2 dengan membaginya dengan elemen pivot = 25/2,
kemudian:
a. kurangi (-7/2 x baris 2 yang baru) dari baris 1
b. kurangi (-5/2 x baris 2 yang baru) dari baris 3
1 0 6 / 25 88 / 25 9 / 25 7 / 5 0

0 1 16 / 25 7 / 25 1 / 25 2 / 25 0
0 0 47 / 5 94 / 25 7/5 1 / 5 1
Normalisasi baris 3 dengan membaginya dengan elemen pivot = 47/5,
kemudian:
a. kurangi (-6/25 x baris 3 yang baru) dari baris 1
b. kurangi (-16/25 x baris 3 yang baru) dari baris 2
1 0 0 4 93 / 235 67 / 235 6 / 235

0 1 0 1

13 / 235 22 / 235 16 / 235 I x B 1
0 0 1 2 7 / 47 1 / 47 5 / 47
25 47
det B 2 235
2 5
5.3. Eliminasi GaussJordan dengan pivot

maksimum
Jika matrik [B] mempunyai salah satu elemen yang mempunyai nilai kecil
sekali dibandingkan elemen yang lain, maka carapivoting yang sebelumnya
dapat memberikan hasil yang tidak akurat. Oleh karena itu dipilih elemen pivot
yang mempunyai nilai terbesar.
Contoh: -3x1 + 8x2 + 5x3 = 6
2x1 - 7x2 + 4x3 = 9
x1 + 9x2 - 6x3 = 1
3 8 5 6 1 0 0
B u I 2 7 4 9 0 1 0

1 9 6 1 0 0 1
Dipilih elemen b32 = 9 sebagai pivot

3 8 5 6 1 0 0

2 7 4 9 0 1 0
1 / 9 1 6/9 1/ 9 0 0 1 / 9
selanjutnya direduksi sebagai berikut:
35 / 9 0 31 / 3 46 / 9 1 0 8 / 9

25 / 9 0 2 / 3 88 / 9 0 1 7/9 (I)
1 / 9 1 2 / 3 1/ 9 0 0 1 / 9
Operasi 2:
35 / 93 0 1 46 / 93 3 / 31 0 8 / 9

235 / 93 0 0 940 / 93 2 / 31 1 67 / 93 (II)
13 / 93 1 0 41 / 93 2 / 31 0 5 / 93
Operasi 3
0 0 1 2 5 / 47 7 / 47 1 / 47

1 0 0 4 6 / 235 93 / 235 67 / 235 (III)
0 1 0 1 16 / 235 13 / 235 22 / 235
?1 x ?2 (IIIa)
Dari hasil terakhir (III) terlihat bahwa akar persamaan {x} dapat dislesaikan, tetapi
bagaimana matrik ?1 & ?2.
Sebetulnya [?1] elemennya adalah elemen [B]-1, hanya letaknya tidak betul
sehingga perlu diatur untuk mendapatkan inverse [B] yang sesungguhnya.
Ada butir yang sangat penting dari hasil diatas:

Akar dari [B]{x}={u} dapat dicari tanpa menghitung [B]-1.

Hitungan inverse suatu matrik lebih baik dihindari karena mahal
beayanya.
Untuk menghemat memori komputer, maka pada cara terakhir (eliminasi

GaussJordan dengan pivot maksimum) hasil dari inverse dimasukan kedalam
matrik [B].
5.3.1. Rekonstruksi pembentukan scrambled inverse

Pembentukan I
Yang Semula I

35 / 9 0 31 / 3 46 / 9 1 0 8 / 9

25 / 9 0 2 / 3 88 / 9 0 1 7/9
1 / 9 1 2 / 3 1/ 9 0 0 1 / 9
dipindah
kolom 3 dari [I]

dipindah
b32 kolom 2 dari [B]
Gambar 11 Cara pertama pemindahan kolom dengan elemen pivot
Yang Baru I
35 / 9 8 / 9 31 / 3 46 / 9
25 / 9 7 / 9 2 / 3 88 / 9

1 / 9 1 / 9 2 / 3 1 / 9
Pembentukan II
Yang Semula II dipindah
35 / 93 0 1 46 / 93 3 / 31 0 8 / 9

235 / 93 0 0 940 / 93 2 / 31 1 67 / 93
13 / 93 1 0 41 / 93 2 / 31 0 5 / 93
kolom 1 dari [I]

dipindah
Gambar 12 Cara kedua pemindahan kolom dengan elemen pivot
Yang Baru II
35 / 93 8 / 9 3 / 31 46 / 93
235 / 93 67 / 93 2 / 31 940 / 93

13 / 93 5 / 93 2 / 31 41 / 93
Pembentukan III
Yang Semula III
dipindah

0 0 1 2 5 / 47 7 / 47 1 / 47

1 0 0 4 6 / 235 93 / 235 67 / 235
0 1 0 1 16 / 235 13 / 235 22 / 235
kolom 2 dari [I]

dipindah
Gambar 13 Cara kedua pemindahan kolom dengan elemen pivot
Yang Baru III

7 / 47 1 / 47 5 / 47 2
93 / 235 67 / 235 6 / 235 4

13 / 235 22 / 235 16 / 235 1
scrambled inverse {x} akar dari

sistem persamaan
perlu diatur dahulu untuk

menghasilkan inverse yang
sesungguhnya
5.4. Metoda Iterasi

5.4.1. Metoda Jacobi
Kita bahas sistem persamaan: [B]{x} = {u} atau

b11 x11 b12 x 2 b1n x n u1
b21 x1 b22 x 2 b2 n x n u 2
(A)
bn1 x1 bn 2 x 2 bnn x n u n
Metoda Jacobi membentuk persamaan untuk mendekati persamaan di atas:
u b x b x ... b1n x n
x1 1 12 2 13 3
b11
u b x b x ... b2 n xn
x2 2 21 1 23 3 (B)
b22

u n bn1 x1 bn 2 x 2 ... bn ,n 1 x n 1
xn
bnn
n
u i bij x j
j 1
j i
atau xi , i 1,2, , n
bii
jika terjadi bii 0 atau nilainya kecil, maka harus diadakan pengaturan
sehingga bii 0
Metoda ini dimulai dengan tebakan nilai awal {x0} kemudian dimasukkan
kedalam persamaan (B) untuk menghitung {x} baru.
Contoh:
4 x1 2 x 2 x3 11 1

x1 2 x 2 3 {x} 2
2 x1 x 2 4 x3 16 3

Persamaan di atas ditulis lagi:
11 1 1
x1 x 2 x3
4 2 4
3 1
x 2 x1 (C)
2 2
1 1
x3 4 x1 x 2
2 4
Vektor awal {x0} = [1, 1, 1]t
11 1 1
x11 1 1 2
4 2 4
3 1
x 21 1 2
2 2
1 1 13
x31 4 1 1
2 4 4
13 t
Jadi , {x1 } [2, 2, ]
4
{x 2 } [0.9375 2.5 2.5]t
{x3 } 0.875 1.96875 2.90625
t
{x 4 } 1.03906 1.9375 3.0703

t
{x5 } 1.01367 2.0195 2.9961

t

{x14 } 1.0000 2.0000 3.0000
t
Dalam metoda ini hitungan elemen vektor yang baru menggunakan elemen
vektor yang lama.

5.4.2. Metoda Gauss-Seidel
Dibandingkan dengan metoda Jacobi, metoda Gauss-Seidel menghitung

elemen vektor baru dengan menggunakan elemen yang baru saja dihitung.
Contoh: digunakan sistem persamaan yang digunakan sebelumnya, jadi
persamaan (C) dapat digunakan.
Vektor awal {x0} = [1, 1, 1]t
11 1 1
x11 1 1 2
4 2 4
3 1 5
x 21 2
2 2 2
1 1 5 19
x31 4 2
2 4 2 8
t
5 19
Jadi, {x1 } 2, ,
2 8
{x 2 } 0.9063 1.9531 3.0586
t
{x3 } 1.0088 2.0044 2.9945

t
{x 4 } 0.9992 1.9996 3.0005

t
{x5 } 1.0000 2.0000 3.0000

t

Bab
6. MATRIK
6.1. Notasi dan Konsep-konsep Pendahuluan
a11 a12 a1n

A (aij ) mn

a m1 am2 a mn
b11 b12 b1 p

B (bij ) n p

bn1 bn 2 bnp
c11 c12 c1 p

C (cij ) n p

c n1 cn 2 c np
d11 d12 d1q

D (d ij ) nq
d p1 d pq
d p2
Dengan notasi diatas, maka hal-hal dibawah ini berlaku:
1. E B C adalah matriks n x p dengan eij bij cij
BC C B
n
2. F AB adalah matriks m x p dengan f ij aik bkj
k 1
A( B C ) AB AC , ( B C ) D BD CD
Jika AB BA maka A & B disebut commute
Contoh:
1 3 1 2
1 2 1
A dan B 2 1 dan C (cij ) 3 1
3 4 2 0 3 2 4

maka

Matrik Buku kuliah
0 5 15 20 10

B C 1 2 (B C) A 5 6 5
2 7 23 32 12

4 2
A( B C )
0 37
3.
1 3 1 2 1 3
A 2 0 1 dan B 3 1 2

4 1 2 3 1 2
maka
11 4 0 4 5 11
A AA 2
2
5 0 AB 1 1 4
14 14 7 11 7 18
16 9 7 10 6 14
BA 7 7 0 B 3 0 3
2
13 11 6 9 6 15
19 6 10 1 2 14

( A B)( A B) 5 13 7 dan A B 1
2 2
5 3
3 4 4 5 8 8
tampak ternyata bahwa (A-B)(A+B) (A2-B2),
ternyata (A-B)(A+B) = A2-BA+AB-B2)
4. At = A tranpos G = At , gij = aji
(B + C)t = Bt + Ct, (ABD)t = DtBtAt
Jika A = At maka A adalah simetris

1 3 1 1 2 4
Contoh: A 2 0 1 A t 3 0 1
4 1 2 1 1 2
H adalah matrik diagonal jhj, H adalah n x n dan hij = 0 untuk i j.
Jika hii ditulis sebagai hi, matrik diagonal H sering ditulis [ h1, h2, , hn]
Perhatikan: AH adalah matrik mxn (hjaij)
HB adalah matrik nxp (hjbij)
H adalah matrik skalar jhj elemennya hii mempunyai nilai sama yaitu h.
hA = Ah = AH, hB = Bh = HB
Jika h =1, maka H disebut matrik identitas dan biasanya ditulis sebagai I

Matrik Buku kuliah
IA = AI = A
h11 0 0 1 0 0
0 h22 0 0 1 0
Contoh: H dan I

0 0 hnn 0 0 1
5. Jika AK = I, maka K adalah unik dan disebut invers dari A yang biasa ditulis
sebagai A-1. Matrik A disebut non-singuler jhj A-1 ada
6. Determinan
Jika terdapat suatu matrik, A, nxn, maka dapat dihitung determinan A yang
diberi notasi det [A], det A, atau |A|.
Beberapa sifat determinan:
det (At) = det (A), det (A-1) = [det(A)]-1
det (AB) = det (A) det (B)
Untuk menghitung determinan dibutuhkan beberapa definisi:
1. Minor dari aij adalah determinan dari suatu (n-1) x (n-1) matrik yang
dibentuk dari matrik A, nxn, dimana baris dan kolom yang berisi aij
dibuang
2. Kofaktor dari aij adalah suatu bilangan hasil perkalian antara (-1)i+j
dikalikan dengan minor dari aij , dan diberi notasi Aij
Determinan A dapat dihitung sebagai:
n n
det (A) a rj Arj ais Ais
j 1 i 1
Contoh:
a11
kofaktor a11
1 4
det 1 5 4 2 3
2 5
atau kofaktor a12
a12
= 5 x 1 + 4 (-2) = -3
a22 kofaktor a22
kofaktor a11 kofaktor a12 kofaktor a13

5 3 1
11 1 1
det 1 1 2 5 1
2 1 2 1 2 1 3 1
3 1 1 1
3 4 2 4 2 3
2 3 4
5 (1) (4 6) 3 (1) (4 4) 1 (1) (3 2) 11
7. Vektor adalah matrik dengan kolom tunggal

Matrik Buku kuliah
Contoh:
u1 v1
u v

u 2 v 2

u n v n
n
' inner product ' (dotproduct ) : (u , v) u i vi u t v v t u
i 1
Beberapa sifat: (u, v+w) = (u,v)+(u,w)

(u+v, w) = (u,w)+(v,w)
(u,v) = (u,w)+(v,w)
(u,v) = (u,v) skalar
(u, u) 0, (u,u) = 0 jhj {u} = 0
6.2. Determinan dan invers
Secara numeris determinan dan invers dapat diselesaikan dengan metode

Gauss beserta variannya yang sudah dijelaskan pada Bab 5.
Jika matrik A adalah nxn, maka pernyataan-pernyataan dibawah ini adalah
equivalen:
1. [A]{x} = {B} mempunyai penyelesaian yang unik
2. [A]{x} = 0 berarti {x} = 0
3. [A]-1 ada
4. det (A) 0
6.2.1. Menghitung determinan dengan eleminasi segitiga atas
Dengan metode kofaktor dihitung determinan suatu matrix A, nxn, dengan

ekspansi terhadap kolom pertama.
n
det A ai1 Ai1 a11 A11 a 21 A21 ... a n1 An1
i 1
Jika Adalah matrik segitiga atas, maka ai1 = 0, i = 2,3,,n

det A = a11A11 = a11a22 ann
Jika A matrik tidak segitiga, maka

Matrik Buku kuliah
a11 a12 a1n u11 u12 u1n

a a 22 a2n 0 a 22 u 2 n
det A det 21 K

a n1 an2 a nn 0 0 u nn
Contoh:
1 4 2 1
3 5 6 1 3B1 B2
A
1 0 4 5 B1 B3
6 1 9 7 6 B1 B4
1 4 2 1
0 17 0 4 B2 / 17
A
0 0 2 6
0 1 21 1
1 4 2 1
0 1 0 4 / 17
A 17
0 4 2 6 4 B2 B3
0 1 21 1 25B2 B4
1 4 2 1
0 1 0 4 / 17
A 17 1
0 0 2 86 / 17 B3
2
0 0 21 117 / 17
1 4 2 1
0 1 0 4 / 17
A (2)(17)
0 0 1 43 / 17
0 0 21 117 / 17 21B3 B4
1 4 2 1
0 1 0 4 / 17
A 34 34111 786 / 17 1572
0 0 1 43 / 17
0 0 0 786 / 17
6.3. Matrik dan Vektor Eigen
Pada setiap matrik A, nxn, terdapat satu set vektor yang disebut vektor eigen
dan satu set skalar yang disebut nilai eigen.

Matrik Buku kuliah
Vektor u disebut eigen dari matrik A jhj u vektor tidal nol dan adalah suatu
skalar (yang mungkin nol nilainya), sehingga
[A] {u} = {u} (I)
Skalar disebut nilai eigen dari matrik A
Pers. (I) dapat ditulis sebagai:
[A-I]{u} = {0} (II)
Pers. (II) mempunyai penyelesaian dengan {u} tidak nol, jika
() det (A-I) = 0
() disebut fungsi karakteristik dari matrik A.
a11 a12 a1n
a a 22 a 2 n
A I 21

a n1 an 2 a nn
Contoh: Menentukan vektor & nilai eigen matrik
2 1 0
A 1 3 1
0 1 2
2 1 0
3 1 1 1
( ) 1 3 1 (2 )
1 2 0 2
0 1 2
(2 ){(3 )(2 ) 1} (2 0) 3 72 14 8
Akar dari ()=0 adalah nilai eigen 1=1, 2=2, 3=4.
Vektor eigen untuk 1=1
2 1 1
0 0
1 3 1
1{u} 0
0 1 2 1 0

Dengan eliminasi Gauss-Jordan
1 1 0 0 1 1 0 0 B2 B1

1 2 1 0 B1 B2 0 1 1 0
0 1 1 0 0 1 1 0 B2 B3
1 0 1 0 ini berarti terdapat 2 persamaan linier untuk 3 bilangan tak

0 1 1 0 u1 u 3 0
0 0 0 0
diketahui: u1 u 2 u 3
u 2 u 3 0

Matrik Buku kuliah
1

Jadi vektor eigen untuk 1=1 adalah: {u}1 u 3 1
1

0 1 0 0 tampak bahwa baris 1 & 3 identik, sehingga sehingga
1 1 1{u} 0
hanya terdapat 2 persamaan:
0 1 0 u 2 0
0
u1 u 3 , u 2 0
u1 u 2 u 3 0
2 1 0 0 1 0 1 0
1 1 1{u} 0 Gauss
0 1 2{u} 0
0 1 2 0 Jordan 0 0 0 0

1
u1 u 3 0
u1 u 3 , u 2 2u 3 {u}3 u 3 2
u 2 2u 3 0 1

6.3.1. Metode power untuk mendapatkan nilai & vektor

eigen terbesar.
Langkah-langkah:
1. Rumuskan fenomena fisik ke bentuk [A]{u}={u}
2. Prakirakan vektor awal {u}0{0}
3. Hitung vektor baru {u}1=[A]{u}0

4. Faktorkan koefisien terbesar {u}1=1{u}1
5. Kembali ke langkah 3 dengan {u}0={u}1 sampai {u}1{u}0
Contoh: Tentukan nilai & vektor eigen dari matrik

30 6 5
A 6 30 9
5 9 30
Vektor awal: {u}t0 {0, 0, 1}
0 5 0.166

[ A]0 9 300.300
1 1.000
0 301 1

Matrik Buku kuliah
0.166 11.780 0.351

[ A]0.300 18.996 33.5300.566
1.000 33.530 1.000
1 2 2
0.351 18.926 0.514

[ A]0.566 29.886 36.8490.811
1.000 1.000
2 36.849 3 3
0.514 25.286 0.634

[ A]0.811 36.414 39.8690.913
1.000 1.000
3 39.869 4 4
dst akhirnya didapat
0.800

1 = 43,49 dan {u}1 1.000
0.965

Contoh aplikasi: Suatu elemen berbentuk piramida dalam suatu benda yang
dikenai gaya-gaya luar. Gaya normal dan geser yang sejajar sumbu-sumbu
koordinat telah diketahui, maka diinginkan bidang patahan yang mungkin terjadi
dan besarnya gaya normal yang bekerja pada bidang itu.
Kesetimbangan gaya-gaya dalam Gambar 14 sebagai berikut:
1 1 1
Fx 0 2 dydz x 2 dxdz yx 2 dxdy zx Rx 0
dA x mdA yx ndA zx dA 0
x m yx n zx
1 1 1
F y 0
2
dydx xy dxdz y dxdy zy R y 0
2 2
xy m y n zy m
1 1 1
Fz 0 2 dydz xz 2 dxdz yz 2 dxdy z Rz 0
xz m yz n z n

Matrik Buku kuliah
yz y
xz Rn Rz= Rnn
x yx
dz
Rn=dA
xy
x
dx
Rx= Rn
dy
zx
zy Ry= Rnm
z
y
luas bidang miring = dA
dydz = dA cos(N,x) = dA
dxdz = dA cos(N,y) = mdA
dxdy = dA cos(N,z) = ndA
Gambar 14 Gaya-gaya yang bekerja pada struktur
Sekarang dalam bentuk matrik:

x yx yz

xy y zy m m
xz yz z n n

atau [A]{u} = {u} problem nilai dan vektor eigen, dengan:
matrik yang elemennya terdiri dari gaya geser & normal sejajar sumbu
koordinat diketahui.
u vektor yang elemennya terdiri atas cosinus sudut bidang patahan

dengan sumbu kordinat dicari.
skalar yang merupakan/menyatakan gaya normal/tegangan normal
yang bekerja pada bidang patahan dicari.

7.
Bab
PERSAMAAN DIFFERENSIAL BIASA
Dalam bidang teknik sering dijumpai persamaan suatu fenomena alam yang
dinyatakan dalam persamaan diferensial biasa (PDB)
Contoh:
Problem nilai awal: y = f(x,y) dengan y(x0) = Y0
Problem nilai batas: y = g(x,y,y) dimana a<x<b
u (a) u (b) 1
A B u ' (b)
u ' (a) 2
dengan A & B adalah matrik 2x2 dan 1 & 2 konstanta yg telah diketahui.
Taylor series
Taylor mengatakan bahwa suatu fungsi dengan sifat tertentu dapat dinyatakan
sebagai
h h2 h n n
f x f x0 f x0 f x0 ... f x0 ...
1! 2! n!
atau
h h2 h n n
yx y0 y0
y 0 ... y 0 ... h x x0
1! 2! n!
Deret ini akan digunakan dalam bab ini

y 0 1
1
Contoh: y y 0,
2
dy 1 dy 1
y dx
dx 2 y 2
Secara analitis
1 1
y dy 2 dx
1 x
Jadi 1n y x c y e 2 c
2
Jika y 0 1 1 e 2 c c 0
0
x
Maka secara analitis y e 2
Dengan deret Taylor dapat diselesaikan sbb:

Persamaan Differensial Biasa Buku kuliah
y 0 1
1
y y x0 0
2
y 0
1 1
y y
2 2
Pers. Asli
y 0
1 1
y y
2 4
y 0
1 1
y ' y
2 8
Jadi y x 1 x x 2
1 1 1 3 1 4
x x ...
2 8 48 384
y ex/2 y 1
1 1
x x2
1 3
x
2 8 384
1 1
y 1 x x2
2 8
1
y 1 x
2
Gambar 15 Penyelesaian dengan Metoda Euler
Cara numeris untuk menyelesaikan problem nilai awal adalah diferensial hingga.
Pada metoda diferensi hingga penyelesaian pendekatan didapat pada titik-titik
hitung
x0 x1 x 2 ... x n ...
dan nilai pendekatan pada setiap x n diperoleh dengan menggunakan nilai-nilai

yg didapat sebelumnya.
Ditinjau PDB: y f x, y , y x0 Y0
Penyelesaian sesungguhnya ditulis Y(x), sehingga pers. diatas menjadi:
Y(x) = f(x, Y(x)), Y(x0) = Y0

Penyelesaian pendekatannya ditulis y(x) dan nilai y(x0), y(x1), , y(xn), atau
ditulis sebagai y0, y1, , yn, sebuah pias h 0 digunakan untuk
mendefinisikan titik-titik hitung
x j x 0 jh j 0,1, ...
Jika akan diadakan perbandingan penyelesaian pendekatan untuk
beberapa nilai h, maka yh(x) digunakan untuk menyatakan y(x) dengan pias h.
7.1. Metoda Euler
Dengan deret Taylor hitung Y(xn+1) dengan menggunakan Y(xn)

h2
Y x n 1 Y x n h Y x n Y n
2
dengan x n x n 1
Rumus Euler menjadi: y n 1 y n hf x n , y n n 0,1,2, ...

dengan y 0 Y0
Kesalahan diskritisasi adalah

h2
Y x n 1 y n 1 Y n
2
Contoh: PDB y y, y0 1 Y x e x
Rumus Euler uth h 0.2
y n 1 y n 0.2 y n 1.2 y n
y1 1.2 y 0 1.2 1 1.2

y 2 1.2 y1 1.2 1.2 1.44
Jika ditabelkan:
h x yh(x) Yh(x) Yh(x)- yh(x)

0.2 0.4 1.44000 1.49182 0.05182
0.8 2.07360 2.22554 0.15194
1.2 2.98598 3.32012 0.33414
1.6 4.29982 4.95303 0.65321
2.0 6.19174 7.38906 1.19732
0.1 0.4 1.46410 1.49182 0.02772

0.8 2.14356 2.22554 0.08198
1.2 3.13843 3.32012 0.18169

h x yh(x) Yh(x) Yh(x)- yh(x)

1.6 4.59497 4.95303 0.35806
2.0 6.72750 7.38906 0.66156
Perhatikan bahwa kesalahan menurun dari nilai pertama karena h dikecilkan

kali
7.2. Metoda MultiStep
Secara umum rumus langkah majemuk dapat ditulis sebagai:
y n 1 a j y n j h b j f x n j , y n j
p p
n p
j 0 j 1
Koefisien a 0 , ..., a p , b1 , b0 , ..., b p adalah suatu konstanta, dan p 0
Jika a p 0 dan b p 0 , metoda ini disebut metoda langkah (p+1), karena (p+1)
nilai pendekatan sebelumnya digunakan untuk menghitung y n 1 . Nilai y1 , ..., y p
harus dihitung dengan cara lain.
Metoda Euler adalah metoda langkah tunggal karena p = 0, dan a 0 1 , b1 0 ,
b0 1 .
Jika b1 0 maka Y xn 1 hanya terdapat pada ruas kiri, sehingga rumusnya
disebut rumus eksplisit.
Jika b1 0 , maka Y xn 1 terdapat diruas kanan maupun kiri, sehingga disebut
rumus implisit.
Koefisien a j dan b j dapat dihitung dari

p p p
a j 1 ja j
j 0 j 0
b
j 1
j 1
p p
j a i j b j 1
i i 1
j i 2, ..., m
j 0 j 1
Rumus terakhir menjamin bahwa Y x dapat diderivikasikan m 1

kali.
Jika a0 0 , a1 1 , b1 0 , b0 2 , maka didapat rumus untuk metoda titik
tengah
y n 1 y n 1 2hf x n , y n n1

Merupakan metoda langkah ganda yang explisit.

1
Jika a 0 1 , b1 b0 , maka didapat rumus trapesium yang implisit dan
2
merupakan metoda langkah tunggal:
y n 1 y n h f x n , y n f x n 1 , y n 1 , n 0
1
2
7.2.1. Metoda Trapesium
Metoda ini dapat pula dijabarkan dari:

Y(t) = f(t, Y(t))
Diintegrasikan dari x n , x n 1
xn 1 x n 1
Y t dt f t , Y (t )dt
xn xn
h3
h f x n , Y x n f x n 1 , Y x n 1 Y n x n n x n 1
Y x n 1 Y x n
1
2 12
sehingga pendekatannya menjadi
y n 1 y n h f x n , Y x n f x n 1 , Y x n 1
1
2
Karena rumusnya implisit, maka yn+1 dapat dihitung dengan iterasi, jadi secara
umum:
1
2

y n j 11 y n h f x n , y n f x n 1 , y n j 1 j=0, 1,
Langkah-langkah hitungan:
1. xn,yn telah diketahui/dihitung pada langkah sebelumnya

2. y n01 diprakirakan dgn rumus eksplisit, misalkan
y n01 y n hf x n , y n
3. y n01 dimasukkan kedalam ruas kanan sehingga y n11 dapat dihitung
4. langkah 2 diulang s/d ketelitian yang dikehendaki
Walaupun secara umum dapat diselesaikan dengan iterasi, tetapi mungkin dapat
diselesaikan dengan cara lain atau bahkan tanpa iterasi tergantung dari (x,y).
Contoh: y= y y(0) = 1
h y n y n 1
1
Karena (x,y) = y, maka y n 1 y n
2

h
1
y n 1 2y
h n
1
2
1 .1
Untuk h 0.2 y n 1 y n 1.2222 y n
0 .9
y1 1.2222 y 0 1.2222 1
y 2 1.2222 y1 1.2222 1.2222 1.49383
Jika ditabelkan:
x yh(x) Yh(x) Yh(x)- yh(x)
0.4 1.49383 1.49182 -0.00200
0.8 2.23152 2.22554 -0.00598
1.2 3.33350 3.32012 -0.01339
1.6 4.97968 4.95303 -0.02665
2.0 7.43878 7.38906 -0.04972
7.3. Metoda Runge-Kutta (RK)
Metoda Runge-Kutta merupakan metoda langkah tunggal yang lebih teliti

dibandingkan metoda Euler.
Semua metoda RK dapat ditulis sebagai:
y i 1 y1 h xi , y i , h
dengan xi , y i , h disebut fungsi penambah
7.3.1. Metoda RK derajat dua

ak1 bk 2
dengan k1 f xi ,y i
k 2 f xi ph,qhf xi ,y i y i
f xi ph,qhk1 y i
dimana a,b,p,q akan ditentukan kemudian.
Ditinjau deret Taylor untuk 2 variabel (x,y):
f x r , y s f x, y rf x x, y sf x x, y r f xx x, y
1 2
2
rsf xy x, y
1 2
2

s f yy x, y O r s
3


k 2 f xi ,yi phf x xi ,yi k1 qhf y xi ,yi O h 2

Jadi
y i 1 y i h xi ,y i ,h
(A)

y i haf xi ,y i bf xi ,y i h 2 pbf x xi ,y i bqf xi ,y i f y xi ,y i
Dengan deret Taylor:
h2
y i 1 y i hy xi ,y i y x xi ,y i ...
2!
y i hy i
h2
2

y i y y y (B)
y i hf xi ,y i
h2
2

f x xi ,y i f xi ,y i f y xi ,y i
A B a b 1, bp 12 , bq 12
Tidak dapat diselesaikan karena hanya ada 3 persamaan dengan 4 bilangan anu
yaitu a,b,p,q. Biasanya nilai b adalah atau 1.
Untuk b = , a = , p =q = 1
Euler utk y
h
i 1
y i 1 y i [ f xi , y i f {xi h, y i hf ( xi , y i )}] (C)

2
slope di xi slope di xi 1 dihitung
dgn metoda Euler
Jadi metoda RK dapat dipandang sebagai metoda predictor-corrector

1. Langkah predictor:
a. prakirakan y i 1 dengan metoda Euler
b. slope (y) dititik xi 1 , y i 1 adalah f xi 1 , y i 1
2. Langkah corrector:
a. hitung slope (y) dititik (xi, yi) yaitu f(xi, yi)
b. hitung slope rerata = (slope 1.b + slope 2.a)/2

c. hitung yi+1 = yi + h x hasil 2.b
Untuk b = 1, a = 0, p = q =
y i 1 y i hf xi 12 h, y i 12 hf xi yi
7.3.2. Metoda RK berderajat tiga

y i 1 y i 16 hk1 4k 2 k 3
k1 f x i , y i
k 2 f xi h 2 , y i 12 hk1
k 3 f xi h, y i 2hk 2 hk1

7.3.3. Metoda RK berderajat empat
7.3.3.1. Metoda Pertama
y i 1 y i h
6
k1 2k 2 2k 3 k 4
k1 f xi , y i
k2 f xi 12 h, y i 12 hk1
k3 f xi 12 h, y i 12 hk 2
k4 f xi 12 h, y i 12 hk 3
7.3.3.2. Metoda Kedua
y i 1 y i h
8
k1 3k 2 3k 3 k 4
k1 f xi , y i
k 2 f xi h 3 , y i 13 hk1
k 3 f xi 23 h, y i 13 hk1 hk 2
k 4 f xi h, y i hk1 hk 2 hk 3
7.3.3.3. Metoda Ketiga
Metoda inilah yang paling banyak digunakan

y i 1 y i 16 h k1 2 2 k 2 2 2 k 3 k 4
k1 f xi , yi
k 2 f xi 12 h, yi hk1

k 3 f xi 12 h, y i 12 1 2 hk1 1 1 1
hk 2
f x h, y hk
2
k4 i i 1
2
hk 2 1 1
2 3
y 12 y y0 1 eksak Y x e
x
Contoh: 2
Y 1 e 1 2 1.648721271
Diselesaikan dengan RK4: f x, y 12 Y
k1 f x0 ,y 0 f 0,1 12 1 1
2
k 2 f x0 12 h,y 0 12 hk1 f 0 12 .1,1 12 .1. 12

f 12 , 54 12 . 54 5
8

k 3 f x0 12 h,y 0 1 2 hk 1 hk
1
2 1
1
2 2
1
2
1 1 2 1 1 1 0.64331
1
2
1
2
1
2
5
8


k 4 f x0 h,y 0 1
hk 2 1 hk
1
3
1 1 8 1 10.64331 0.828125
2 2
1
2
1
2
5 1
2
y 1 y 0 16 2 2 0.64431 0.828125 1.6484375

1
2
7.4. Metoda Predictor-Corrector
Metoda langkah majemuk berdasarkan rumus integrasi. Secara umum metoda

ini mengintegrasi PDB pada interval [xi-k, xi+1] sebagai berikut:
y f x, y
y i 1 xi 1
dy
yi k
f x, y dx
xi k
xi 1
y i 1 y i k f x, y dx
xi k
r
f(x, y) didekati polinomial derajat r, x a j x j
j 0
Integrasi terbuka dan beda terbagi mundur menghasilkan:
untuk k = 0, r = 3
y i 1 y i h
24
55 f i 59 f i 1 37 f i 2 9 f i 3 O(h5)
untuk k = 1, r = 1
yi 1 yi 1 2hf i O(h3)
untuk k = 3, r = 3
y i 1 y i 3 43 h2 f i f i 1 2 f 1 2 (I) O(h5)
untuk k = 5, r = 5
y i 1 y i 5 103 h11 f i 14 f i 1 26 f i 2 14 f i 3 11 f i 4 O(h7)
Integrasi tertutup dan beda terbagi mundur menjadi:

untuk k = 0, r = 3
y i 1 y i h
24
9 f i 1 19 f i 5 f i 1 f i 2 O(h5)
untuk k = 5, r = 5
y i 1 yi 1 h
3
f i 1 4 f i f i 1 (II) O(h5)

untuk k = 3, r = 5
y i 1 y i 3 2h
45
7 f i 1 32 f1 12 f i 2 7 f i 3 O(h7)
Kesulitan metoda langkah majemuk adalah pada saat permulaan y i k belum

terhitung sehingga harus harus dihitung dengan cara lain, misalnya metoda Euler.
Dari hasil di atas tampak bahwa integrasi terbuka memberikan rumus eksplisit;
sehingga hitungan tidak menggunakan iterasi. Integrasi tertutup menghasilkan
rumus implisit, sehingga membutuhkan iterasi.
Walaupun menggunakan iterasi, integrasi tertutup lebih disukai karena

ketelitiannya lebih tinggi.
Contoh:
h f
14 5 ( 4 )
Pada (I) kesalahan: xi 3 xi 1
15
h f
1 5 (4)
(II) kesalahan: xi 3 xi 1
90
Rumus AdamBashforth (eksplisit)

1. Yn 1 Yn hYn 12 h 2Y n
2. Yn 1 Yn 3Y Yn1 125 h 3Y 3 n
h
2
3. Yn 1 Yn 12h 23Yn 16Yn1 5Yn 2 83 h 4Y 4 n

4. Yn 1 Yn 24h 55Yn 59Yn1 37Yn 2 9Yn3 720 h Y n
251 5 5
Rumus AdamMoulton (implisit)

1. Yn 1 Yn hYn1 12 h 2Y n
2. Yn 1 Yn Yn1 Yn 121 h 3Y 3 n
h
2
3. Yn 1 Yn 12h 5Yn1 8Yn Yn1 121 h 4Y 4 n

4. Yn 1 Yn 24h 9Yn1 19Yn 5Yn1 Yn 2 720 19
Y 5 n
7.4.1. Algoritma Predictor-Corrector
Rumus A-M membutuhkan penyelesaian iterasi, sedangkan rumus A-B tidak,

tetapi A-M ketelitiannya lebih tinggi. Algoritma predictor-corrector berusaha
menggabungkan keuntungan kedua rumus diatas, sebagai berikut:

1. Gunakan rumus A-B untuk memperkirakan Yn 1 (predictor; rumus A-B)

2. Hitung Yn 1 memakai rumus A-M tanpa iterasi dengan memakai Yn 1 nilai
dari a (corrector; rumusA-M)
Contoh:
1. A-B-M derajat 4:
a. Predictor A-B
y n 1 y n h 55 f n 59 f 37 f
n 1 n29 f n 3
24
b. Corrector A-B
y n 1 y n h 9 f n 1 19 f n5 f n 1 f n2
24
2. Rumus Milne derajat 4:
a. Predictor
y n 1 y n 3 4h 2 f n f n 1 2 f n 2
3
b. Corrector
y n 1 y n 1 h f n 1 4 f n f n 1
3
Contoh penggunaan:
dy 1
y0 y(0)=1 hitung y(1) = ?
dx 2
Penyelesaiaan:
y 12 y f x, y 12 y Catatan: solusi eksak Y e

x
2
Digunakan h = 0.25
Euler y n 1 y n hf n
i xi yi f(xi,yi)
n-3 0.00 1.0000 0.5000
n-2 0.25 1.1250 0.5625
n-1 0.50 1.2656 0.6328
n 0.75 1.4238 0.7119
n+1 1.00 1.6018 0.8009
A B 4:
y n 1 y n 55 f n 59 f n1 37 f n2 9 f n3
h
24
y n 024
.24
550.7119 590.6328 370.5625 90.50
1.4238 0.18887 1.6127 (predictor)
A-B-M-4:

f n 1 12 y n 1 12 1.6127 0.8063
y n 1 y n 9 f n1 19 f n 5 f n1 f n2
h
24
1.4238 024
.25
90.8063 190.7119 50.6328 0.5625
1.4238 0.1894 1.6132 (predictor - corrector)
A-M-4:
f n 1 12 1.6132 0.8066
Iterasi 2: y n 1 1.4238 0.25
24 90.8066 190.7119 50.6328 0.5625
0.613216
f n 1 0.8066
Iterasi 3: y n 1 1.613217

f n 1 0.80661
Iterasi 9:
y n 1 1.613217
Tampak bahwa algoritma predictor-corrector sudah mencukupi dibandingkan
dengan iterasi.
Tabel hasil
x ex/2 Euler A-B-4 A-B-M-4

0,00 1,0000 1,0000 - -
0,25 1,13315 1,1250 - -
0,50 1,28403 1,2656 - -
0,75 1,45499 1,4238 - -
1,00 1,64872 1,6018 1,6127 1,6132
-2,846% -2,185% -2,154%
Untuk latihan: hitung y(1) = ? dengan h = 0,125, bandingkan dengan hasil

h = 0,25

DAFTAR PUSTAKA
Carnahan, Brice, H.A. Luther, James O. Wilkes, Applied Numerical Methods, John
Wiley & Sons, New York, 1969.
Spiegel, R. Murray, Theory and Problems of Statistics, Schaums Outline Series,

McGraw-Hill International Book Company, Singapore, 1981.
Al-Khafaji, Amir Wahdi, John R.Tooley, Numerical Methods in Engineering

Practice, Holt, Rinehart and Winston, Inc., New York, 1986.
Anonim, fx7000G Owners Manual, CASIO
Atkinson, Kendall E., An Introduction to Numerical Analysis, John Wiley & Sons,
New York, 1989.
James, M.L., G.M. Smith, J.C. Wolford, Applied Numerical Methods for Digital
Computation with Fortran and CSMP, 2nd Edition, Harper International
Edition, New York, 1977.


MetodaNumerik PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

MetodaNumerik PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

METODA

Bahan kuliah Metoda Numerik

Buku berjudul Metoda Numerik ini merupakan bahan kuliah di Jurusan

Yogyakarta, November 2001

Ir. Djoko Luknanto, M.Sc., Ph.D.

Metoda Numerik hal. ii

DAFTAR ISI...................................................................................................................... iii

DAFTAR GAMBAR .........................................................................................................vi

1. Error: Asal & Rambatannya....................................................................................... 1

3. Teori Interpolasi ........................................................................................................ 16

Metoda Numerik hal. iii

5. Sistem Persamaan Linier ......................................................................................... 37

7. Persamaan Differensial Biasa ................................................................................. 55

Metoda Numerik hal. iv

DAFTAR PUSTAKA ....................................................................................................... 67

Metoda Numerik hal. v

Gambar 1 Teorema Nilai Antara ...................................................................................... 1

Gambar 15 Penyelesaian dengan Metoda Euler........................................................... 56

Metoda Numerik hal. vi

M Supremum f ( x) , maka untuk setiap bilangan pada interval tertutup [m, M]

Gambar 1 Teorema Nilai Antara

Teorema 1.2.: Nilai Tengah (lihat Gambar 2)

Metoda Numerik hal. 1

Teorema 1.3: Nilai Tengah Integral (lihat Gambar 3)

Gambar 2 Teorema Nilai Tengah

Teorema 1.4.: Deret Taylor (lihat Gambar 4)

Metoda Numerik hal. 2

untuk diantara xo dan x.

Gambar 3 Nilai Tengah Integral

Metoda Numerik hal. 3

Gambar 4 Interpretasi Deret Taylor secara geometris

Secara geometris artinya:

CC ' AA' A' C ' tan

Jadi kesalahan pemotongan

Metoda Numerik hal. 4

1.2. Bilangan Dalam Komputer

Metoda Numerik hal. 5

1.2.1. Underflow and Overflow

1.3. Definisi dan Asal error

Dalam penyelesaian suatu masalah, dikehendaki jawaban yang sejati, yang

disimbolkan sebagai xA).

Metoda Numerik hal. 6

1.3.1. Angka signifikan (significant digits)

Nilai xA dikatakan mempunyai m angka signifikan terhadap xT, jika kesalahan

karena pada angka ke 4 kesalahannya < 5, maka x A dikatakan mempunyai 3

karena pada angka ke 5 kesalahannya < 5, maka x A dikatakan mempunyai 4

karena pada angka ke 3 kesalahannya < 5, maka x A dikatakan mempunyai 2

1.3.2. Asal dari error

3. Ketidakpastian dalam data.

1.4. Rambatan Error

Ditentukan semua operasi aritmatik digantikan dengan tanda . Jadi : + -

Metoda Numerik hal. 7

Jika dilakukan hitungan xA yA, maka kesalahannya adalah

I = kesalahan karena rambatan (propagated error)

1.4.1. Propagated Error pada Perkalian

1.4.2. Propagated Error pada Pembagian

1.4.3. Propagated Error pada Penjumlahan dan Pengurangan

Metoda Numerik hal. 8

Jadi meskipun kesalahan pada ( x A y A ) adalah kecil, tetapi kesalahan relatifnya

Metoda Numerik hal. 9

Di dalam matematika aplikasi pencarian akar persamaan f(x)=0 sering

2.1. Metode Bagi Paruh (Bisection)

4. Kembali ke langkah nomor 1.