LAPORAN PRAKTIKUM

KOMPUTASI PROSES MIGAS

Oleh :
Kelompok 6
REF 3A

Nama Anggota : 1. Madtarmizi (15221030)

2. Maulana Aditya Y udha (15221032)
3. Mohamad Andy Triyono (15221034)
Program Studi : Teknik Pengolahan Migas
Konsentrasi : Refinery
Diploma : III (Tiga)

KEMENTERIAN ENERGI DAN SUMBER DAYA MINERAL

BADAN PENDIDIKAN DAN PELATIHAN ENERGI DAN SUMBER DAYA MINERAL
SEKOLAH TINGGI ENERGI DAN SUMBER DAYA MINERAL Akamigas

STEM Akamigas

Cepu, November 2016

 KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang telah
memberikan rahmat dan karunianya, sehingga penulis dapat menyelesaikan
Laporan Praktikum ini.
Laporan ini merupakan salah satu mata kuliah yang wajib ditempuh di
STEM Akamigas Cepu. Laporan ini disusun sebagai syarat telah menempuh mata
kuliah Komputasi Proses Migas.
Dengan selesainya laporan ini tidak terlepas dari bantuan banyak pihak
yang telah memberikan masukan-masukan kepada penulis. Untuk itu penulis
mengucapkan banyak terimakasih kepada :
1. Bapak Haris Numan Aulia, S.T., M.T selaku dosen pengajar
2. Rekan-rekan kelas REF 3A
3. Teman-teman yang telah membantu dalam menyelesaikan laporan ini.
Penulis menyadari bahwa masih banyak kekurangan dari laporan ini, baik
dari materi maupun teknik penyajiannya, mengingat kurangnya pengetahuan dan
pengalaman penulis. Oleh karena itu, kritik dan saran yang membangun sangat
penulis harapkan.

Terimakasih.

Cepu, 22 November 2016

Penulis
 DAFTAR ISI

1. Praktikum 1 Metode Tabel

2. Praktikum 2 Metode Biseksi
3. Praktikum 3 Metode Regulas Falsi
4. Praktikum 4 Iterasi Sederhana
5. Praktikum 5 Newton Raphson
6. Praktikum 6 Secant
7. Praktikum 7 Fungsi Zero
8. Praktikum 8 Eliminasi Gauss
9. Praktikum 9 Invers Matriks
10. Praktikum 10 Dekomposisi LU
11. Praktikum 11 Gauss Jordan
12. Praktikum 12 Trapezoide
13. Praktikum 13 Simpson
14. Praktikum 14 Kuadratur Gauss
15. Praktikum 15 Regresi Linier
16. Praktikum 16 Regresi Polinomial
17. Praktikum 17 Regresi Multivariabel
18. Praktikum 18 Interpolasi Satu Dimensi
19. Praktikum 19 Interpolasi Spline
20. Praktikum 20 Interpolasi Dua Dimensi
21. Praktikum 21 Metode Golden Section
22. Praktikum 22 Metode Fminbnd
23. Praktikum 23 Metode Fminsearch
24. Praktikum 24 Metode Euler
25. Praktikum 25 Metode Runge-Kutta
26. Praktikum 26 Fungsi Ode
27. Praktikum 27 Differensiasi Numerik Selisih Maju
28. Praktikum 28 Differensiasi Numerik Selisih Tengahan
29. Praktikum 29 Differensiasi Numerik Selisih Mundur
 PRAKTIKUM 1
Penyelesaian Persamaan Non Linier Metode Tabel

1. Tujuan :

Mempelajari metode Tabel untuk penyelesaian persamaan non linier

2. Dasar Teori :

Penyelesaian persamaan non linier adalah penentuan akar-akar persamaan

non linier. Dimana akar sebuah persamaan f(x) =0 adalah nilai-nilai x yang

menyebabkan nilai f(x) sama dengan nol. Dengan kata lain akar persamaan f(x)

adalah titik potong antara kurva f(x) dan sumbu X.

Theorema 1.1.

Suatu range x=[a,b] mempunyai akar bila f(a) dan f(b) berlawanan tanda

atau memenuhi f(a).f(b)<0

Secara sederhana, untuk menyelesaikan persamaan non linier dapat

dilakukan dengan menggunakan metode table atau pembagian area. Dimana untuk

x = [a,b] atau x diantara a dan b dibagi sebanyak N bagian dihitung nilai f(x)

sehingga diperoleh tabel :

X f(x)
x0=a f(a)
x1 f(x1)
x2 f(x2)
x3 f(x3)
....... .......
xa=b f(b)
 Dari tabel ini, bila ditemukan f(xk)=0 atau mendekati nol maka dikatakan

bahwa xk adalah penyelesaian persamaan f(xk) yang sama dengan nol, maka dicari

nilai f(xk+1) yang berlawanan tanda, nila tidak ditemukan maka dikatakan tidak

mempunyai akar untuk x = [a,b] dan bila ditemukan maka ada 2 pendapat untuk

menentukan akar persamaan, yaitu :

1. Akar persamaan ditentukan oleh nilai mana yang lebih dekat, bila

|f(xk)||f(xk+1)| maka akarnya xk, dan bila |f(xk+1)|<|f(xk)| maka akarnya

xk+1.

2. Akarnya perlu di cari lagi, dengan range x = [xk, xk+1].

3. Algoritma Metode Tabel :

(1) Definisikan fungsi f(x)

(2) Tentukan range untuk x yang berupa batas bawah x bawah dan batas atas

xatas.

(3) Tentukan jumlah pembagian N

(4) Hitung step pembagi h

(5) Untuk i =0 s/d N, hitung

xi = xbawah + i.h

yi = f(xi)

(6) Untuk I = 0 s/d N dicari k dimana

*Bila f(xk) = 0 maka xk adalah penyelesaian

*Bila f(xk).f(xk+1)<0 maka :

Bila |f(xk)|<|f(xk+1)| maka xk adalah penyelesaian

 Bila tidak xk+1 adalah penyelesaian atau dapat dikatakan

penyelesaian berada diantara xk dan xk+1.

4. Flowchart Metode Tabel

5. Prosedur Percobaan

1. Didefinisikan persoalan dari persmaan non linier

2. Pengamatan awal

a. Gunakan Plot untuk mendapatkan kurva fungsi persamaan

b. Dapatkan dua nilai fungsi yang memotong sumbu x

c. Dapatkan dua nilai pendekatan awal diantara nilai x (b) sebagai nilai a

(=batas bawah) dan nilai b(=batas atas)

d. Jumlah pembagi area (h) = 10, interval pengamatan akar = (b-a)/h

3. Penulisan hasil

a. Dapatkan nilai akar xr setiap iterasi dari awal sampai dengan akhir

iterasi

b. Akar xr terletak diantara niali dan fungsi yang berubah tanda

c. Alhir iterasi ditentukan sampai dengan 10 iterasi

4. Pengamatan terhadap hasil dengan mcam-macam parameter input

a. Niali error (e) akar ditentukan = 0.0001 sebagai pembatas iterasi nilai

f(x)

b. Jumlah iterasi maksimum

c. Bandingkan antara 3a dan 3b terhadap hasil yang diperoleh

d. Pengubahan nilai awal batas bawah dan batas atas

6. Coding dan Hasil Percobaan

Soal Wajib

+ = 0

Program Penyelesaian

clear all

clc;

disp('Program Metode Table')

disp('=====================================')

%Deklarasi

x_bawah =input('- masukkan Batas Bawah (nilai terendah) : ');

x_atas =input('- masukkan Batas Atas (nilai tertinggi) : ');

N =input('- masukkan jumlah pembagian : ');

H_tengah=x_atas-x_bawah/N; % step pembagi

disp('=');

fx=0; % inisiasi fx

disp(' x f ')

disp('----------------------------------')

%Perulangan

for x=1:N

x=x_bawah+H_tengah; % nilai x sebelum nilai f(x)=0

f=x+exp(x); % fungsi persamaan yang didefinisikan

if f==0

x
 else

x=x_bawah+H_tengah; % nilai x setelah nilai f(x)=0

x_bawah=x; % nilai x pada step terakhir

fprintf('%12.7f %12.7f \n' , x, f);

end

end

Hasil

Program Metode Table

=====================================

- masukkan Batas Bawah (nilai terendah) : -1

- masukkan Batas Atas (nilai tertinggi) : 0

- masukkan jumlah pembagian : 10

x f

----------------------------------

-0.9000000 -0.4934303

-0.8000000 -0.3506710

-0.7000000 -0.2034147

-0.6000000 -0.0511884

-0.5000000 0.1065307

-0.4000000 0.2703200

-0.3000000 0.4408182

-0.2000000 0.6187308
 -0.1000000 0.8048374

-0.0000000 1.0000000

Soal Tambahan

Uap air didisosiasikan (dipecah) menjadi H2 dan O2 pada tekanan 0,2 atm sebagai

berikut :

1
2 2 + 2
2

Fraksi mol (x) dari H2O dapat dinyatakan sebagai berikut :

2
=
(1 ) (2 + )

Jika kp = 0,4568 Tentukanlah x yang memenuhi persamaan diatas !

Dari tumus diatas didapatkan persamaan

0.20866624 3 0.89626752 2 1.61853376 + 0.41733248 = 0

Program penyelesaian

clear all

clc;

disp('Program Metode Table')

disp('=====================================')

%Deklarasi

x_bawah =input('- masukkan Batas Bawah (nilai terendah) : ');

x_atas =input('- masukkan Batas Atas (nilai tertinggi) : ');

N =input('- masukkan jumlah pembagian : ');

H_tengah=x_atas-x_bawah/N; % step pembagi

 disp('=');

fx=0; % inisiasi fx

disp(' x f ')

disp('----------------------------------')

%Perulangan

for x=1:N

x=x_bawah+H_tengah; % nilai x sebelum nilai f(x)=0

f=0.20866624*x^3-0.89626752*x^2-1.61853376*x+0.41733248;

% fungsi persamaan yang didefinisikan

if f==0

else

x=x_bawah+H_tengah; % nilai x setelah nilai f(x)=0

x_bawah=x; % nilai x pada step terakhir

fprintf('%12.7f %12.7f \n' , x, f);

end

end

Hasil

Program Metode Table

=====================================

- masukkan Batas Bawah (nilai terendah) : 1

- masukkan Batas Atas (nilai tertinggi) : 0

- masukkan jumlah pembagian : 10

 =

x f

----------------------------------

0.9000000 -1.6132069

0.8000000 -1.3442686

0.7000000 -1.0832397

0.6000000 -0.8313722

0.5000000 -0.5899180

0.4000000 -0.3601292

0.3000000 -0.1432577

0.2000000 0.0594444

0.1000000 0.2467251

0.0000000 0.4173325

7. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 2
Penyelesaian Persamaan Non Linier Metode Biseksi

1. Tujuan :

Mempelajari metode Biseksi untuk penyelesaian persamaan non linier

2. Dasar Teori :

Ide awal metode ini adalah metode table, dimana area dibagi

menjadi N bagian.Hanya saja metode biseksi ini membagi range menjadi 2

bagian, dari dua bagian ini dipilih bagian mana yang mengandung dan bagian

yang tidak mengandung akar dibuang.Hal ini dilakukan berulang-ulang hingga

diperoleh akar persamaan.

x1

x2

x3

Gambar 2.1. Metode Biseksi

Untuk menggunakan metode biseksi, terlebih dahulu ditentukan batas

+
bawah (a) dan batas atas (b).Kemudian dihitung nilai tengah : x = 2
 Dari nilai x ini perlu dilakukan pengecekan keberadaan akar. Secara

matematik, suatu range terdapat akar persamaan bila f(a) dan f(b) berlawanan

tanda atau dituliskan :

f(a) . f(b) < 0

Setelah diketahui dibagian mana terdapat akar, maka batas bawah dan batas

atas di perbaharui sesuai dengan range dari bagian yang mempunyai akar.

3. Algoritma Metode Biseksi :

(1) Definisikan fungsi f(x) yang akan dicari akarnya

(2) Tentukan nilai a dan b

(3) Tentukan torelansi e dan iterasi maksimum N

(4) Hitung f(a) dan f(b)

(5) Jika f(a).f(b)>0 maka proses dihentikan karena tidak ada akar, bila

tidak dilanjutkan

+
(6) Hitung xr = 2

(7) Hitung f(xr)

(8) Bila f(xr).f(a)<0 maka b=xr dan f(b)=f(xr), bila tidak a=xr dan

f(a)=f(xr)

(9) Jika |b-a|<e atau iterasi>iterasi maksimum maka proses dihentikan

dan didapatkan

akar = xr, dan bila tidak, ulangi langkah 6.

4. Flowchart Metode Biseksi :

start

Definisi Fungsi F(x)

Input :
Batas xbawah(a)
Batas xatas (b)
Toleransi Error (e)
Iterasi Maksimum (N)

Dapatkan F(a) dan F(b)

T
F(a).F(b) > 0 Tampilkan :
Tidak ada
akar
F
Inisialisasi :
kondisi = 1 (akar blm ketemu)
iterasi = 0

F
Tampilkan :
kondisi=1 akar xr dan F(xr)

F
iterasi = iterasi +
1 Hitung : xr F
=(a+b)/2

Dapatkan F(xr)

T
|(b-a)|< e or >n kondisi = 0

F T
F(a).F(xr) < 0 b=xr dan F(b)=F(xr)
F

a=xr dan F(a)=F(xr)

END
5. Tugas Pendahuluan

Tuliskan dasar-dasar komputasi dari metode biseksi untuk

menyelesaikan persamaan non linier, sebagai berikut :

1. Judul : METODE BISEKSI

2. Dasar teori dari metode Biseksi

3. Algoritma dan Flowchart

6. Prosedur Percobaan

1. Didefinisikan persoalan dari persamaan non linier dengan

fungsi sebagai berikut : F(x)=e-x - x

2. Pengamatan awal

a. Gunakan Gnu Plot untuk mendapatkan kurva fungsi persamaan

b. Amati kurva fungsi yang memotong sumbu x

c. Dapatkan dua nilai pendekatan awal diantara nilai x sumbu sebagai

nilai a (=batas bawah) dan nilai b (=batas atas) . Dimana

F(a)*F(b)<0

3. Penulisan hasil

a. Dapatkan nilai akar xr setiap iterasi dari awal sampai dengan akhir

iterasi

b. Akar xr terletak diantara nilai dua fungsi yang berubah tanda

c. Dapatkan xr = a + b
2
 Perkecil rangenya dengan :

Bila F(a)*F(xr) < 0 a tetap, b=xr, f(b)=f(xr)

Bila F(a)*F(xr) > 0 b tetap, a=xr, f(a)=f(xr)

Bila F(a)*F(xr) = 0 xr = akar yang dicari

Akhir iterasi ditentukan sampai dengan 10 iterasi atau jika nilai |(b-a)|< e

7. Coding dan Hasil Percobaan

Soal Wajib:

X3 5X + 3 = 0

Coding:

f=inline('(x^3)-(5*x)+3');

xa = input('Berikan terkaan awal 1 : ');

xb = input('Berikan terkaan awal 2 : ');

fa = f(xa);

fb = f(xb);

fprintf(' iterasi ke- x f \n')

fprintf('----------------------------------------\n')

if (fa*fb > 0);

fprintf('Terkaan awal tidak mengurung, Ulangi!!')

break;

end;

fa = f(xa);

fb = f(xb);

tol=1e-4;
n=0;

nmax=30;

%xc=0;

xc = (xa + xb)/2.0;

fc = f(xc); % pendekatan akar persamaan

while abs (xb-xa)>tol & n<nmax

n=n+1;

xc = (xa + xb)/2.0; % proses membagi dua

fc = f(xc); % pendekatan akar persamaan

if (fa*fc < 0.0)

xb = xc;

fb = fc;

else

xa = xc;

fa = fc;

end;

fprintf('%8.0f%17.7f %12.9f \n',n,xc,fa);

end
Hasil:

Berikan terkaan awal 1 : 1

Berikan terkaan awal 2 : 0

iterasi ke- x f

----------------------------------------

1 0.5000000 -1.000000000

2 0.7500000 -0.328125000

3 0.6250000 -0.328125000

4 0.6875000 -0.112548828

5 0.6562500 -0.112548828

6 0.6718750 -0.056079865

7 0.6640625 -0.027474880

8 0.6601563 -0.013081014

9 0.6582031 -0.005861394

10 0.6572266 -0.002245932

11 0.6567383 -0.000436790

12 0.6564941 -0.000436790

13 0.6566162 -0.000436790

14 0.6566772 -0.000210581

Soal Tambahan:

Suatu campuran gas mempunyai kapasitas panas

= 7,053 + 1,2242. 103 2,6124. 107 2

T dalam oF dan Cp dalam Btu/lbmol oF. Jika panas yang dilepaskan untuk

menurunkan temperatur campuran gas panas tersebut dari 550 oF adalah 2716

Btu/lbmol gas sampai temperatur berapakah campuran gas tersebut dapat

didinginkan.

=

Sampain berapakah campuran gas tersebut dapat didinginkan ?

Coding :

f=inline('7.053*(t-550)+6.1210e-004*(t^2-550^2)-8.7080e-008*(t^3-

550^3)-2716');

ta = input('Berikan terkaan awal 1 : ');

tb = input('Berikan terkaan awal 2 : ');

fa = f(ta);

fb = f(tb);

fprintf(' iterasi ke- t f \n')

fprintf('----------------------------------------\n')

if (fa*fb > 0);

fprintf('Terkaan awal tidak mengurung, Ulangi!!')

break;

end;

fa = f(ta);

fb = f(tb);

tol=1e-4;

n=0;
 nmax=30;

%xc=0;

tc = (ta + tb)/2.0;

fc = f(tc); % pendekatan akar persamaan

while abs (tb-ta)>tol & n<nmax

n=n+1;

tc = (ta + tb)/2.0; % proses membagi dua

fc = f(tc); % pendekatan akar persamaan

if (fa*fc < 0.0)

tb = tc;
fb = fc;
else
ta = tc;
fa = fc;
end;
fprintf('%8.0f%17.7f %12.9f \n',n,tc,fa);
end
Hasil :

Berikan terkaan awal 1 : 100

Berikan terkaan awal 2 : 900

iterasi ke- t f

-------------------------------------------------

1 500.0000000 -3097.182315000

2 700.0000000 -1558.661755000

3 800.0000000 -776.263275000

4 850.0000000 -382.008070000
 5 875.0000000 -184.145049375

6 887.5000000 -85.033256172

7 893.7500000 -35.432735303

8 896.8750000 -10.621374608

9 898.4375000 -10.621374608

10 897.6562500 -4.417380856

11 898.0468750 -1.315211115

12 898.2421875 -1.315211115

13 898.1445313 -0.539650678

14 898.1933594 -0.151867760

15 898.2177734 -0.151867760

16 898.2055664 -0.054921749

17 898.2116699 -0.006448702

18 898.2147217 -0.006448702

19 898.2131958 -0.006448702

20 898.2124329 -0.000389569

21 898.2128143 -0.000389569

22 898.2126236 -0.000389569

23 898.2125282 -0.000389569

8. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 3
Penyelesaian Persamaan Non Linier Metode Regula Falsi

1. Tujuan :

Mempelajari metode Regula Flasi untuk persamaan non linier

2. Dasar Teori :

Metode regula falsi adalah metode pencarian akarr persamaan dengan

memanfaatkan kemiringan dan selisih tinggi dari dua titik batas rrange. Seperti

halnya metode biseksi, metode ini bekerja secara iterasi dengan melakukan update

range. Titik pendekatan yang digunakan oleh metode regula-falsi adalah :

(). ().
=
() ()
Dengan kata lain titik penedekatan x adalah nilai rata-rata range berdasarkan F(x).

Metode regula falsi secara grafis digambarkan sebagai berikut :

4

-2

-4 x1

-6
x2

-8

-10
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
3. Algoritma Metode Regula Falsi :

1. Definisikan fungsi f(x)

2. Tentukan batas bawah (a) dan batas atas (b)

3. Tentukan toleransi error (e) dan iterasi maksimum (N)

4. Hitung Fa = f(a) dan Fb = f(b)

5. Untuk iterasi I = 1 s/d atau error > e

(). ().
=
() ()

Hitung Fx = f(x)

Hitung error = |Fx|

Jika Fx.Fa < 0 maka b = xr dan Fb = Fxr jika tidak a = xr dan Fa = Fxr

6. Akar persamaan adalah xr

4. Tugas Pendahuluan

Tuliskan dasar-dasar komputasi dari metoderegula falsi untuk menyelesaikan

persamaan non linier, sebagai berikut :

1. Judul : METODE REGULA FALSI

2. Dasar teori darri metode Reguloa Falsi

3. Algooritma dan Flowchart

5. Prosedur Percobaan

1. Didefinisikan persolana dari persmaan non linier dengan fungsi sebagai

berikut : Soal Wajib

2. Pengamatan awal

a. Gunakan Plot untuk mendapatkan kurva fungsi persamaan

 b. Amati kurva fungsi yang memotong sumbu x

c. Dapatkan dua nilai pendekatan awal di antara nilai x yang memotong

sumbu sebagai nilai a (=batas bawah) dan nilai b(=batas atas). Dimana

F(a)*F(b)<0

3. Penulisan hasil

a. Dapatkan nilai akar xr setiap iterasi dari awal sampai dengan akhir

iterasi

b. Akar xr terleak di antara nilai dua fungsi yang berubah tanda

(). ().
c. Dapatkan = () ()

d. Perkecil rangenya dengan :

Bila F(a)*F(xr) < 0 a tetap, b=xr, f(b)=f(xr)

Bila F(a)*F(xr) > 0 b tetap, a=xr, f(a)=f(xr)

Bila F(a)*F(xr) = 0 xr = akar yang dicari

e. Akhiri iterasi ditentukan sampau dengan 10 iterasi atau jika nilai |(b-

a)|<e

4. Pengamatan terhadap hasil dengan macam-macam parameter input

a. Nilai error (e) akar ditentukan = 00001 sebagai pembatas iterasi nilai

f(x)

b. Jumlah iterasi maksimum

c. Bandingkan anatara 3a dan 3b terhadap hasil yang diperoleh

d. Pengubahan nilai awal batas bawah dan batas atas

6. Tugas Tambahan

Mintalah soal aplikasi pilihan ke instruktur praktikum !

7. Coding dan Hasil Percobaan

%PROGRAM Regula Falsi

clear; close all;
f=inline(' x.^2 + 4*x. + 6);
xa = input('Berikan terkaan awal 1 :');
xb = input('Berikan terkaan awal 2 :');
tol=1e-6;
n=0; % inisialisasi no iterasi
nmax=20;
fa = f(xa);
fb = f(xb);
xc=0; % inisialisasi untuk xc
while abs(f(xc))>tol & n<nmax
n=n+1;
xc = xa - (xb-xa)/(fb-fa)*fa;
fc = f(xc);
xb = xc;
fb = fc;
fprintf('%i %f %f\n',n,xc,fc);
if (fa*fb < 0)
xb=xc;
fb=fc;
else
xa=xc;
fa=fc;
end
end
HASIL

Berikan Terkaan Awal 1 :-4

Berikan Terkaan Awal 2 :3
iterasi ke- x f .............................................
1.0000000 -0.5000000 21.0000000
2.0000000 -2.2500000 6.5625000
3.0000000 -1.3750000 1.6406250
4.0000000 -0.9375000 1.6406250
5.0000000 -1.1562500 0.6494141
6.0000000 -1.0468750 0.1896973
7.0000000 -0.9921875 0.1896973
8.0000000 -1.0195313 0.0785065
9.0000000 -1.0058594 0.0234718
10.0000000 -0.9990234 0.0234718
11.0000000 -1.0024414 0.0097716
12.0000000 -1.0007324 0.0029302
13.0000000 -0.9998779 0.0029302
14.0000000 -1.0003052 0.0012208
15.0000000 -1.0000916 0.0003662
16.0000000 -0.9999847 0.0003662
17.0000000 -1.0000381 0.0001526
18.0000000 -1.0000114 0.0000458
19.0000000 -0.9999981 0.0000458
20.0000000 -1.0000048 0.0000191
21.0000000 -1.0000014 0.0000057

8. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 4
Penyelesaian Persamaan Non Linier Metode Iterasi

1. Tujuan :

Mempelajari meode iterasi untuk penyelesain persamaan non linier

2. Dasar Teori :

Metode iterasi sederhana adalah metode yang memisahkan x dengan sebagian

x yang lain sehingga diperoleh : x = g(x). Sebagai contoh untuk menyelesaikan

Gambar 4.1 Metode Iterasi Sederhana

persamaan x ex = 0 maka persamaan di ubah menjadi : x = ex atau g(x) = ex .

g(x) inilah yang menjadi daerah iterasi pada metode iterasi sederhana secara grafis

dapat dijelaskan sebagai berikut.

3. Algoritma Metode Iterasi Sederhana :

1. Definisikan f(x) dan g(x)

2. Tentukan toleransi error (e) dan iterasi maksimum (n)

3. Tentukan pendekatan awal x[0]

4. Untuk iterasi = 1 s/d atau f(x)[iterasi] e

Xi = g (xi-1)

Hitung f(xi)

5. Akar adalah x terakhir yang diperoleh

4. Flowchart Meode Iterasi :

START

Definisi fungsi F(x) dan G(x)

Input :
- Pendekatan awal (x0)
- Toleransi Error (e)
- Iterasi Maksimum

x = x0

Dapatkan y=F(x)

Inisialisasi :
Iterasi = 0

F
lF(x)l>=e&& iterasi <=N

Iterasi=iterasi+1
Dapatkan :
X=G(x)
Y=F(x)

Tampilkan :
Akar x dan
F(x)

Akar Terletak di x
Dengan nilai F(x)

END
5. Tugas Pendahuluan

Tuliskan dasar-dasar komputasi dari metode iterasi untuk menyelesaikan

persamaan non linier, sebagai berikut :

1. Judul : METODE ITERASI

2. Dasar teori dari metode iterasi

3. Algoritma dan Flowchart

6. Prosedur Percobaan

1. Didefinisikan persoalan dari persamaaan non linier dengan fungsi sebagai

berikut : Soal Wajib

2. Penamatan awal

a. Gunakan Plot untuk mendapatkan dua kurva fungsi persamaan.

Persamaan diatas dipisah menjadi dua bagianfungsi salah satunya = x

b. Amati perpotongan dua kurva fungsi, itu adalah nilai akar yang dicari,

ambil sau nilai x yang dkat engan akar sebagai x0

3. Penulisan hasil

a. Dapatkan nlai akar xi setiap iterasi dari awal sampai akhir iterasi

b. Hitunglah xi tiap iterasi dengan memasukkan nilai xi sebelumnya pada

fungsi g(xi) yang kedua. Kemudia dapakan nilai f(xi)

c. Akhir iterasi ditentukan sampai dengan 10 iterasi atau jika nilai f(xi)<e

4. Pengamatan terhadap hasil dengan macam-macam parameter input

a. Nilai error (e) akar ditentukan = 0,0001 sebagai pembaas iterasi nilai

f(x)

b. Jumlah iterasi maksimum

 c. Bandingkan antara 4a dan 4b terhadap hasil yang diperoleh

d. Pengubahan nilai x0

7. Tugas Tambahan

Mintalah soal aplikasi pilihan ke instruktur praktikum !

8. Coding dan Hasil Percobaan

Listing Program
1. %Program Iterasi Sederhana
2. clear all
3. clc;
4. disp('Program Metode Iterasi Sederhana');
5. disp('================================');
6. x0 = input ('nilai tebakan awal = ');
7. e = input ('nilai toleransi error = ');
8. disp('================================');
9. disp(' 1 x N ');
10. disp('================================');
11. %Perulangan
12. i=1;
13. for (i = 1 : 10)
14. xr =(-1)*(-1/exp(x0)); %g(x)
15. fx = xr*exp(-xr)+1; %F(x)
16. N = abs (xr - x0); %
17. x0 = xr;
18. fprintf('%3.0f %12.6f %12.6f\n',1,x0,N);
19. i=i+1;
20. if N > e
21. continue ;
22. else
 23. break
24. end
25. end
26. disp('================================');
27. fprintf('Akarnya Adalah = %10.8f\n',x0);
28. %Cetak akar

Hasil Percobaan
Program Metode Iterasi Sederhana
================================
nilai tebakan awal = -1
nilai toleransi error = 0
================================
1 x N
================================
1 2.718282 3.718282
1 0.065988 2.652294
1 0.936142 0.870154
1 0.392138 0.544004
1 0.675611 0.283473
1 0.508845 0.166766
1 0.601189 0.092344
1 0.548159 0.053030
1 0.578013 0.029853
1 0.561012 0.017001
================================
Akarnya Adalah = 0.56101212

9. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 5
Penyelesaian Persamaan Non Linear Metode Newton Raphson

1. Tujuan :

Mempelajari metode newton raphson untuk penyelesaian persamaan non

linear.

2. Dasar Teori :

Metode newton raphson adalah metode pendekatan yang menggunakan satu

titik awal dan mendekatinya dengan memperhatikan slope atau gradien pada titik

(Xn)
tersebut. Titik pendekatanya ke n+1 ditulis dengan Xn+1 = xn+ (n)

3. Algoritma Metode Newton Rapshon :

1. Definisikan fungsi f(x) dan f1 (x)

2. Tentukan toleransi error (e) dan iterasi maksimum (n)

3. Tentukan nilai pendekatan awal x 0

4. Hitung f(x0) dan f1 (x0)

5. Untuk iterasi I=1 s/d atau [f(xi)] > e

()
Xi+1 = xi+ ()

Hitung f (xi) dan f(xi)

6. Akar persamaan adalah nilai xi yang terakhir diperoleh.

4. Flow Chart Metode Newton Raphson

START

Definisi Fungsi F(x) dan FT(x)

Input :
Pendekatan awal (x0)
Toleransi Error (e)
Iterasi Maksimum (N)

x=x0

Dapatkan y1=F(x) dan y2=FT(x)

Inisialisasi :
Iterasi = 0

|F(x)|> = e&& iterasi <=

N

Iterasi=iterasi+1
Dapatkan :
(1)
Xi+1 = X1- atau (x1=x-(y1/y2) )
1(1)
y1=F(x1), y2=FT(x1) , x=x1

Tampilkan :
Akar x dan F(x)

Akar Terletak di x
Dengan Nilai F(x)

END
5. Coding dan Hasil Percobaan

Soal : x+x2-2x-3=0
List Program :

%Program Newton Raphson

clear; close all;

f=inline('(x+x^2) - 2*x - 3','x');

df=inline('2*x + 2','x');

% Mulai proses newton raphson

xa = input ('nilai tebakan awal = ');

tol = input ('nilai toleransi error = ');

n=0;

disp('xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx');

disp(' 1 xa error');

disp('xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx');

while (abs(f(xa))> tol)

n=n+1;

xa=xa-f(xa)/df(xa); % Proses mencari akar persamaan

e=abs(f(xa));

fprintf('%12.6f %12.6f %12.6f\n',n,xa,e);

end
Hasil :

nilai tebakan awal = 0.5

nilai toleransi error = 0.1

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

1 xa error

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

1.000000 1.583333 2.076389

2.000000 1.985215 1.044136

3.000000 2.160100 0.494069

4.000000 2.238273 0.228408

5.000000 2.273540 0.104557

6.000000 2.289510 0.047655

6. Kesimpulan :

Program berjalan dengan baik, tidak terjadi error dan hasil didapatkan.
 PRAKTIKUM 6
SECANT

1. Tujuan

Mempelajari metode secant dengan modifikasi tabel untuk penyelesaian

persamaan non linier.

2. Dasar Teori

Metode secant merupakan perbaikan dari metode regula-falsi dan newton

raphson dimana kemiringan dua titik dinyatakan secara diskrit, dengan mengambil

bentuk garisnlurus yang melalui satu titik.

()(1)
y-y0 = (x-x0) atau, dimana m diperoleh dari mn = (1)

Bila y = F(x), ny dan Xn diketahui maka titik ke n+1 adalah:

Yn+1 yn = mn(Xn+1-Xn)

Bila titik Xn+1 = 0 dianggap akar persamaan maka :

Yn+1 = 0 sehingga diperoleh : -yn = mn(Xn-+1-Xn)

= +1

1
Atau : +1 =

+1
+1 =
+1

Persamaan ini yang menjadi dasar pada proses pendekatan dimana nilai

pendekatannya adalah : = +1
+1
Sehingga untuk menggunakan metode secant ini diperlukan dua titik pendekatan

x0 dan x1. Kedua titik pendekatan ini diambil pada titik-titik yang dekat agar

konvergensinya dapat dijamin.

3. Algoritma

Algoritma Metode Secant :

1. Definisikan fungsi F(x)

2. Ambil range nilai x = [a,b] dengan jumlah pembagi p

3. Masukan toleransi error (e) dan masukan iterasi n

4. Gunakan algoritma tabel diperoleh titik pendekatan awal x0 dan x1 untuk

setiap range yang diperkirakan terdapat akar dari :

F(Xk) * F (Xk+1) < 0 maka X0 = Xk dan X1 = X0 +(b-a)/p. Sebaiknya

gunakan metode tabel atau grafis untuk menjamin titik pendekatannya

adalah titik pendekatan yang konvergensinya pada akar persamaa yang

diharapkan.

5. Hitung F(X0) dan F(X1) sebagai Y0 dan Y1

6. Untuk iterasi I = 1 s/d n atau |F(Xi)| e

+1 = +1
+1

Hitung +1 = (+1 )

7. Akar persamaan adalah nilai x yang terakhir.

4. Coding dan Hasil Percobaan

Soal Wajib

%Program_Secant
clear all
clc
f=inline('x^2-(x-1)*exp(-x)','x');
tol=1e-6;
n=0;
xc=0;
nmax=30;
xa = input('Berikan terkaan awal 1 : ');%1
xb = input('Berikan terkaan awal 2 : ');%8
fa = f(xa);
fb = f(xb);
if (fa==fb)
fprintf('Dua terkaan awal sama, ulangi!!')
break;
end;
while abs(f(xc))>tol & nmax
n=n+1;
xc = xb - (xa-xb)/(fa-fb)*fb;
xa = xb;
fa = fb;
xb = xc;
fb = f(xb);
fc = f(xc);
fprintf('%i %f \n',n,xc);
end
 Hasil

Soal Tambahan

%Program_Secant
clear all
clc
f=inline('7.053+1.2242*0.001*x-2.6124*0.0000001*x','x');
tol=1e-6;
n=0;
xc=0;
nmax=30;
xa = input('Berikan terkaan awal 1 : ');%1
xb = input('Berikan terkaan awal 2 : ');%8
fa = f(xa);
fb = f(xb);
if (fa==fb)
fprintf('Dua terkaan awal sama, ulangi!!')
break;
end;
while abs(f(xc))>tol & nmax
n=n+1;
 xc = xb - (xa-xb)/(fa-fb)*fb;
xa = xb;
fa = fb;
xb = xc;
fb = f(xb);
fc = f(xc);
fprintf('%i %f \n',n,xc);
end

Hasil

5. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 7
Penyelesaian Persamaan Non Linier dengan Fzero

1. Tujuan

Mempelajari fzero untuk penyelesaian persamaan non linier

2. Dasar Teori

Matlab mempunyai suatu fungsi untuk menyelesaikan persamaan aljabar non

linier. Fungsi ini disebut fungsi fzero. Fungsi ini terdiri dari beberapa metode

yang dipadukan untuk menyelesaikan berbagai persoalan secara cepat dan tepat.

Penggunaan fzero adalah :

x = fzero (nama_fungsi,xo, tol, trace)

dengan :nama_fungsi adalah nama suatu fungsi yang berisi persamaan yang akan

dicari nilai nol-nya

xo adalah nilai perkiraan awal

tol adalah ketepatan penyelesaian jika trace mempunyai nilai lebih dari 1.

Trace adalah jumlah iterasi yang dilakukan

Dua parameter terdepan harus diisi, sehingga laternatif untuk

menggunakana fungsi ini adalah

x = fzero(nama_fungsi,xo

3. Algoritma

1. Mendefinisikan fungsi dengan soal yang diberikan

2. Memetakan initial point

3. Menggunakan fungsi fzero

4. List Program

Soal 2x2 3x + 1 = 0

Sub Program :

function y = zerox(x)

y=2*x^2-3*x+1;

Main Program :

z=fzero(@zerox,1)

5. Hasil Percobaan

z=1

6. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 8
Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

1. Tujuan

Mempelajari metode Eliminasi Gauss untuk penyelesaian persamaan linie

simultan

2. Dasar Teori

Metode Eliminasi Gauss merupakan metode yang dikembangkan dari metode

eliminasi, yaitu menghilangkan atau mengurangi jumlah variable sehingga dapat

diperoleh nilai dari suatu variable bebas. Cara eliminasi ini sudah banyak dikenal.

Untuk menggunakan metode eliminasi Gauss ini, terlebih dahulu bentuk matrik

diubah menjadi augmented matrik sebagai berikut :

Metode eliminasi gauss, adalah suatu metode dimana bentuk matrik diatas, pada

bagian kiri diubah matrik segitiga atas atau segitiga bawah dengan menggunakan

OBE (Operasi Baris Elementer).

Sehingga penyelesaian dapat diperoleh dengan :

Operasi Basis Elementer (OBE) merupakan suatu operasional pengetahuan nilai

elemen matrik berdasarkan barisnya, tanpa mengubah matriknya. OBE pada baris

ke-i+k dengan dasar baris ke i dapat dituliskan dengan

+ . = + . - . .

Dimana c adalah konstanta pengali yang diambil dari perhitungan nilai dari

elemen a i,i dan a i+k,i

3. Algoritma

Algoritma Metode Eleminasi Gauss adalah sebagai berikut :

1) Masukkan Metrik A dan vektor B beserta ukurannya n

2) Buat augmentasi matrik [A|B] namakan dengan A

3) Untuk baris ke i dimana i=1 s/d n, perhatikan apakah nilai a i,i sama

dengan nol.

Bila ya :

Pertukarkan baris i dan baris ke i+k n, dimana a i+k,i tidak sama dengan

nol, bila tidak ada berarti perhitungan tidak bisa dilanjutkan dan proses

dihentikan dengan tanpa penyelesaian.

Bila tidak ; lanjutkan

4) Untuk baris ke j, dimana j = i + 1 s/d n

Lakukan operasi baris elementer

.
Hitung = .

Untuk kolom k dimana k=1 s/d n+1

Hitung + . = + . - . .

5) Hitung akar, untuk i = n /sd 1 (bergerak dari baris ke n sampai baris

pertama)

1
= ( .+1 +1 .+2 +2 .+ +
.

Dimana nilai i+k n

Catatan :
 Metode eliminasi gauss ini sebenarnya merupakan meotde eliminasi yang

sering digunakan dalam perhitungan manual, hanya saja tekniknya

menggunakan model penulisan persamaan bukan menggunakan

augmented matrik.

4. Flowchart Eliminasi Gauss

5. Listing Program :

%Elim Gauss
clear all
clc
%Penyusunan Matriks A
A = [ 1 1 -2
2 -3 1
2 -2 -1] ;
%Penyusunan Matriks B
B=[368];
n = 3; %ordematriks
x = elimgauss (A,B,n);
disp = (' ');
disp = (' Hasil penyelesaian persamaan');
disp = ('-----------------------------');
x1 = x (1)
 x2 = x (2)
x3 = x (3)

6. Hasil Program
x1 = 1
x2 = -2
x3 = -2

7. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 9
Penyelesaian Persamaan Linier Simultan
Metode Invers Matriks

1. Tujuan :

Mempelajari metode Invers Matriks untuk penyelesaian persamaan linier

simultan.

2. Dasar Teori :

Persamaan umum persamaan aljabar linier simultan dapat dituliskan dalam

bentuk matriks sebagai berikut

11 12 13 1 1 1
21 22 23 2 2 2
31 32 33 3 3 = 3

[1 2 3 ] [
] [ ]

A x = B

Suatu matriks jika dikalikan dengan matriks identitas maka akan dihasilkan

matriks itu sendiri. Matriks identitas adalah matriks bujursangkar yang terdiri dari

bilangan 0 pada setiap elemennya kecuali pada diagonal matriks yang mempunyai

bilangan 1.

Contoh matriks identitas 3x3

1 0 0
[0 1 0] = I
0 0 1

Jika matriks identitas tersebut dikalikan dengan matriks lain maka akan

dihasilkan matriks itu sendiri. Contohnya jika matriks tersebut dikalikan dengan B

yaitu suatu matriks yang berukuran 1 x 3.

 1 0 0 1 1
[0 1 0] [2] = [2]
0 0 1 3 3

I B = B

Inversi matriks A adalah jika inversi matriks A tersebut dikalikan dengan A maka

akan diperoleh matriks identitas

A-1 A = I

Penyelesaian persamaan linier simultan dengan inversi matriks adalah

Ax=B

A-1 A x = A-1 B

I x = A-1 B

x = A-1 B

11 12
Inversi matriks A ukuran 2 x 2 [ ] dapat ditentukan dengan cara :
21 22

1 11 12
A-1 = 11221221 [ ]
21 22

Matlab dengan mudah dapat menentukan inversi suatu matriks dengan

menggunakan fungsi inv.

3. Coding

Soal Wajib

1. Run_soal ( Main Program )

a. clear all;

b. clc;

c.

d. %Penyusunan Matriks AA

e. AA=[2 5 -4

f. 3 -2 5

6 3 -2];

g. %Penyusunan Matriks BB

h. BB=[28 19 4];

i. CC= inv(AA)*BB';

j. disp(' ')

k. disp('Nilai x, y, dan z')

l. disp('------------------------------------')

m. x=CC(1)

n. y=CC(2)

o. z=CC(3)
Hasil
-12x1 + x2 8x3 = -80
x 6x2 + 4x3 = 13
-2x1 x2 + 10x3 = 90

Dengan menggunakan coding diatas mendapatkan hasil :

Nilai x, y, dan z

x: -0.8430

y: 3.8362

z: 9.2150

Soal Tambahan

Tiga senyawa hidrokarbon berada dalam suatu tabung, dengan tekanan 3 atm

dan berada dalam keadaan kesetimbangan fase cair gas. Hitunglah komposisi

fraksi mol cairan ketiga gas tersebut, dengan data data dan rumus di bawah ini.

x1 = 1

y1 = 1

yiPT = xiPi0

Hixi + H2x2 + H3x3 = H

Dengan :

x1 = fraksi mol cairan komponen i

y1 = fraksi mol gas komponen i

Pi0 = tekanan uap murni komponen i

PT = tekanan total

Pi0= panas pencampuran komponen i

H = panas pencampuran total

 Data data

5 5 5
P10 = 2atm , P20 =3atm , P30 =4atm

H1 = 20 kcal, H2 = 30 kcal, H3 = 55 kcal

PT = 2 atm, H = 30 kcal

Dengan menggunakan coding diatas mendapatkan hasil :

Nilai x, y, dan z

x: 0.5000

y: 0.3000

z: 0.2000

4. Kesimpulan

Program dapat berjalan dengan baik

 PRAKTIKUM 10
Penyelesaian Persamaan Linier Simultan
Metode Dekomposisi LU

1. Tujuan :

Mempelajari metode Dekomposisi LU untuk penyelesaian persamaan linier

simultan

2. Dasar teori :

Modifikasi metode eliminasi yang lain adalah metode dekomposisi LU.

Metode ini similar dengan metode eliminasi Gauss. Matruks koefisiwn konstanta

diubah menjadi 2 matriks lain, yaitu L dan U; dengan L adalah matriks triangular

bawah dengan diagonal 1 dan U adalah matriks triangular atas.

A = LU

Konsep dasar metode dekomposisi LU adalah

Ax = b

L U x = L b*

U x = b*

Matriks A didekomposisi menjadi matriks L dan U. matriks L hasil

dekomposisi A digunakan untuk mendekomposisikan matriks b, sehingga

diperoleh matriks b*. Jika matriks U dikalikan dengan matriks x akan diperoleh

matriks b*. Selanjutnya x diperoleh dengan subsitusi balik karena U adalah

matriks triangular bawah.

3. Coding
List Program

%DekomposisiLU

clear all

A =[3 -1 2

211

4 -2 1]

B = [16;1;18]

det (A);

%Dekomposisi Matriks A

[L,U] = lu (A)

%Menentukan Matriks x

disp('Maka matrix x=')

x= inv(U)*inv(L)*B

hasil program

A=

3 -1 2

2 1 1

4 -2 1

B=

16

18
L=

0.7500 0.2500 1.0000

0.5000 1.0000 0

1.0000 0 0

U=

4.0000 -2.0000 1.0000

0 2.0000 0.5000

0 0 1.1250

Maka matrix x=

x=

-5

Soal Tambahan

%Dekomposisi LU

clear all

A =[-1 10800 0.6

-1 5290 0.6

-1 3120 1.8]

B = [43.7;21.5;24.2]

det (A);
%Dekomposisi Matriks A

[L,U] = lu (A)

%Menentukan Matriks x

disp('Maka dapat ditentukan harga K sesuai dengan rumus berikut')

disp('Sh=K1*(Re^K2)*(Sc^K3)')

k1k2k3= inv(U)*inv(L)*B

Hasil program

A=

1.0e+004 *

-0.0001 1.0800 0.0001

-0.0001 0.5290 0.0001

-0.0001 0.3120 0.0002

B=

43.7000

21.5000

24.2000

L=

1.0000 0 0

1.0000 0.7174 1.0000

1.0000 1.0000 0

U=

1.0e+004 *

-0.0001 1.0800 0.0001

 0 -0.7680 0.0001

0 0 -0.0001

Maka dapat ditentukan harga K sesuai dengan rumus berikut

Sh=K1*(Re^K2)*(Sc^K3)

k1k2k3 =

5.5351

0.0040

9.5358

4. Kesimpulan
Program dapat berjalan dengan baik.
 PRAKTIKUM 11
Penyelesaian Persamaan Linier Simultan
Metode Eliminasi Gauss Jordan

1. Tujuan :

Mempelajari metode Eliminasi Gauss Jordan untuk penyelesaian persamaan

linier.

2. Dasar Teori :

Metode ini merupakan pengembangan metode eliminasi Gauss, hanya saja

augmented matrik, pada sebelah kiri diubah menjadi matrik diagonal sebagai

berikut :

11 12 13 1 1 1 0 0 0 0 1

21 22 23 2 2 0 1 0 0 0 2

31 32 33 3 3 0 0 1 0 0 3

[1 2 3 ] [0 0 0 0 1 ]
Penyelesaian dari persamaan linier simultan diatas adalah nilai d1,d2,d3,,dn dan

atau :

x1 = d1,x2=d2;x3=d3|,..,xn = dn

Teknik yang digunakan dalam metode Eliminasi Gauss-Jordan ini sama

seperti metode Gauss yaitu menggunakan OBE ( Operasi Baris Elementer ).

Hanya perhitunga penyeleseaian secara langsung diperoleh dari nilai pada kolom

terakhir dari setiap baris.

3. Algoritma Metode Eliminasi Gauss-Jordan adalah sebagai berikut :

(1) Masukkan matrik A, dan vector B serta ukurannya n

(2) Buat augmented matrik [A|B] namakan dengan A

(3) Untuk baris ke I dimana i = 1 s/d n

(a) Perhatikan apakah nilai a i,i sama dengan nol :

Bila ya :

Pertukarkan baris ke i dan baris ke i+k,n, dimana a i+k,i tidak sama

dengan nol, bila tidak ada berarti perhitungan tidak bisa dilanjutkan

dan proses dihentikan dengan tanpa penyeleseaian.

Bila tidak : lanjutkan

(b) Jadikan nilai diagonalnya menjadi satu, dengan cara untuk setiap

,
kolom k, dimana k= 1 s/d n+1, hitung ai,k = ,

(1) Untuk baris ke j, dimana j = 1+ 1 s/d n

Lakukan operasi baris elementer : untuk kolom k dimana k = 1 s/d n

Hitung c = aj,i

Hitung aj,k = aj,k ca i,k

(2) Penyelesaian, untuk i = n s/d 1 (bergerak dari baris ke n sampai baris

pertama).
4. Flowchart eliminasi Gauss Jordan :

START

Input :

Ukuran ordo matrik (n)

Augmented matrik (A[n][n+1])

i =1 s/d n

A[i][i] =
0

j = 1 s/d n

j=i

A[j][j] 0

Tukar baris matrik

5 i =1 s/d n
 K = i s/d n+1

A[i][k] = A[i][k]/A[i][i]

5 j = i + 1 s/d n

5 K = i s/d n+1

C = A[j][i]
5
A[j][k] = A[j][k].(C*A[i][k])

4 k

4 j
5

4 i

i = n s/d 1

Tampilkan :

X[i] = A[i][n+1]

END
5. Coding

Keterangan : nilai a (Diisi sesuai dengan soal)

a = [1 1 1 6

1 2 -1 2 Diganti sesuai soal

2 1 2 10];

[m,n]=size(a);

for j=1:m-1

for z=2:m

if a(j,j)==0

t=a(j,:);a(j,:)=a(z,:);

a(z,:)=t;

end

for i=j+1:m

a(i,:)=a(i,:)-a(j,:)*(a(i,j)/a(j,j));

end

end

x=zeros(1,m);

for s=m:-1:1

c=0;

for k=2:m

c=c+a(s,k)*x(k);

end

x(s)=(a(s,n)-c/a(s,s));
 end

end

disp('Gauss Jodan Elimination Method')

x'

6. Soal Wajib dan Tambahan

Soal Wajib

x1 + x2 + x3 =6
x1 + 2x2 3 =2
2x1 + x2 + 2x3 = 10

Dengan menggunakan coding diatas mendapatkan hasil :

Gauss Jodan Elimination Method

a=

1 1 1 6

0 1 -2 -4

0 0 -2 -6

ans =

28

-16

-6

Soal Tambahan

Selain hubungan gas ideal yang telah dikenal, ada banyak persamaan lain

yang mengubungkan volume dan tekanan gas. Salah satunya adalah

persamaan virial. PV = a + bP + cP2

 Untuk mengevaluasi konstanta-konstanta a, b, dan c, telah dilakukan

percobaan dengan data sebagai berikut

P (atm) V (L/mol)
1 4
2 9/2
3 16/3
Susunlah data-data diatas menjadi persamaan aljabar linear simultan dan

selesaiakan

Coding

a = [1 1 1 4

1249

1 3 9 16];

[m,n]=size(a);

for j=1:m-1

for z=2:m

if a(j,j)==0

t=a(j,:);a(j,:)=a(z,:);

a(z,:)=t;

end

for i=j+1:m

a(i,:)=a(i,:)-a(j,:)*(a(i,j)/a(j,j));

end

end

x=zeros(1,m);
 for s=m:-1:1

c=0;

for k=2:m

c=c+a(s,k)*x(k);

end

x(s)=(a(s,n)-c/a(s,s));

end

end

disp('Gauss Jodan Elimination Method')

x'

Hasil

Gauss Jodan Elimination Method

a =

1 1 1 4

0 1 3 5

0 0 2 2

ans =

-1

7. Kesimpulan

Setelah dilakukannya percobaan dengan menggunakan matlab dengan metode

Gauss Jordan program berjalan dengan baik.

 PRAKTIKUM 12
Integrasi Numerik Metode Trapezoida

1. Tujuan

Mempelari metoda trapesoida untuk menyelesaian integrasi numerik.

2. Dasar Teori

Pada metode integral Reimann setiap daerah dinyatakan sebgai empat persegi

panjang dengan tinggi f(Xi) dan lebar Xi. Pada metode trapezoida ini setiap

bagian dinyatakan sebagai trapezium seperti gambar berikut :

Gambar 15.1 Pembagian kurva menjadi sjumlah bilah trapesium

Luas trapezium ke-I (Li) adalah :

1 1
= 2 (() + (+1 )) Atau = ( + +1 )
2

Dan luas keseluruhan dihitung dengan menjumlahkan luas dari semua bagian

trapezium
1

=
1=0

Sehingga diperoleh :
1
1
= ( + +1 ) = (0 + 2 + 22 + + 21 + )
2 2
=0
3. Algoritma Metode Integrasi Trapezoida adalah :

1. Definisikan y=f(x)

2. Tentukan batas bawah (a) dan batas atas integrasi (b)

3. Tentukan jumlah pembagi n

4. Hitung h=(b-a)/n

5. Hitung
1

= (0 + 2 +
2
=1

4. Coding (Soal Wajib)

1- clc
2- clear all
3- f=@(x) ((x^2)-2*x-3);
4- x0=input('masukan nilai batas atas x0=');
5- xn=input('masukan nilai batas bawah xn=');
6- N=input('masukan total nomor strips N=');
7- h=((xn-x0)/N);
8- area=0;
9- while (x0<xn)
10- area=area+(h/2)*(f(x0)+f(x0+h));
11- x0=x0+h;
12- end
13- fprintf('Area oleh cara trapezoid=%f', area);
Hasil

(2 3 + 3 2 + + 7)

Dengan menggunakan coding diatas mendapatkan hasil :

masukan nilai batas bawah x0=0

masukan nilai batas atas xn=1

masukan total nomor strips N=10

Area oleh cara trapezoid=10.379600

Percobaan diulangi dengan memvariasikan nilai pembaginya N=10,

20, 50, 100, 200. Maka didapat nilai sebagai berikut:

Nilai Batas Luasan

N %error
Bawah Atas Trapezoide Kalkulus
0 1 10 10.379600 9.010000 15.200888
0 1 20 9.002500 9.002500 0.000000
0 1 50 9.000400 9.000400 0.000000
0 1 100 9.000100 9.000100 0.000000
0 1 200 9.000025 9.000025 0.000000

5. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 13
Integrasi Numerik Metode Simpson

1. Tujuan :

Mempelajari metode Simpson untuk penyelesaian integrase numerik.

2. Dasar Teori :

Metode integrasi Simpson merupakan pengembangan metode integrase

trapezoida, hanya saja daerah pembaginya bukan berupa trapezium tetapi berupa

dua buah trapezium dengan menggunakan pembobot berat di titik tengahnya

seperti terlihat pada gambar berikut ini. Atau dengan kata lain metode ini adalah

metode rata-rata dengan pembobot kuadrat.

Gambar. Pembagian kurva setiap dua buah trapezium dengan

pembobot berat

Bila menggunakan trapesium luas bangun di atas adalah :

L = 2 (1 + ) + 2 ( + +1 ) = 2 (1 + 2 + +1 )
Pemakaian aturan simpson dimana bobot fi sebagai titik tengah dikalikan dengan

2 untuk menghitung luas bangun di atas dapat dituliskan dengan :

L = 3 (1 + 2 ) + 3 (2 + +1 ) = 3 (1 + 4 + +1 )

Perhatikan gambar berikut :

Gambar 16.2. Pembagian kurva dengan metode Simpson

Dengan menggunakan aturan simpson, luas dari daerah yang dibatasi fungsi

y=f(x) dan sumbu X dapat dihitung sebagai berikut :

L = 3 (0 + 2 ) + 3 (2 + 2 ) + 3 (2 + 23 ) + 3 (23 + 4 ) + +

(21 + )
3

Dibandingkan dengan hasil perhitungan kalkulus, maka kesalahanya sangat

kecil.
3. Algoritma Metode Integrasi Simpson adalah :

1) Definisikan y=f(x)

2) Tentukan batas bawah (a) dan batas atas integrase (b)

3) Tentukan jumlah pembagi

4) Hitung h=(b-a)/n

5) Hitung

L =2 (0 + 4 + 2 + )

4. Coding dan Hasil Percobaan

,((( + + ) dx)

List Program

clear;clc;

disp('Integrasi Numerik Metode Simpson');

y=@(x)(2*x^4-x^3+1/2*x^2+5*x)

syms x;

f=input('masukkan fungsi persamaan f(x)= ');

a=input('Batas bawah= ');

b=input('Batas atas= ');

n=input('Banyaknya segmen/interval= ');

analitik=input('Hasil penghitungan analitik= ');

h=(b-a)/n;

t=a;

fa=subs(f,x,a);
fb=subs(f,x,b);

sum1=0;

sum2=0;

for i=1:(n-1)

t=t+h;

if mod(i,2)~=0

ganjil=subs(f,x,t);

genap=0;

else

genap=subs(f,x,t);

ganjil=0;

end

sum1=sum1+ganjil;

sum2=sum2+genap;

end

disp('Luas hasil penghitungan metode simpson 1/2=')

disp(h/2*(fa+4*sum1+2*sum2+fb))

disp(' ');

disp('Error antara penghitungan analitik dengan metode simpson 1/2')

disp(-(h/2*(fa+4*sum1+2*sum2+fb)- analitik))
Hasil

y=

@(x)(2*x^4-x^3+1/2*x^2+5*x)

masukkan fungsi persamaan f(x)= (2*x^4-x^3+1/2*x^2+5*x)

Batas bawah= 1

Batas atas= 2

Banyaknya segmen/interval= 3

Hasil penghitungan analitik= 4

Luas hasil penghitungan metode simpson 1/2=

21.5957

Error antara penghitungan analitik dengan metode simpson 1/2

-17.5957

5. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 14
Integrasi Numerik Metode Kuadratur Gauss Dua Titik

1. Tujuan

Mempelajari metode Kuadratur Gauss Dua Titik untuk penyelesaian integrasi

numerik.

2. Dasar Teori

Metode ini menggunakan formulasi integrasi:

() = ( ) + ( )

Untuk menghasilkan metode ini diambil n=2 pada persamaan polinom

Legendre, sehingga diperoleh:

1 32 1
2 () = [(4 1). . ] =
2 2 2
1
Akar-akar dari persamaan polinomial di atas adalah jadi diperoleh:
3

1 1
0 = dan 0 =
3 3

Nilai A0 dan A1 dapat dicari dengan:

2 2
0 = 1 = 1 dan 1 = 1 =1
(1 ).3 (1 ).3
3 3

Sehingga model dari integrasi kuadratur gauss dengan pendekatan 2 titik

dapat dituliskan dengan:

1 1
() = ( )+ ( )
3 3

3. Algoritma

(1) Definisikan fungsi f(x)

(2) Tentukan batas bawah (a) dan batas atas integrasi (b)

(3) Hitung nilai konversi variabel:

1 1
= ( ) + ( + )
2 2

(4) Tentukan fungsi g(u) dengan:

1 1 1
= ( ) ( ( ) + ( + ))
2 2 2

(5) Hitung:

1 1
= ( )+( )
3 3

4. Coding dan Hasil

Soal Wajib

() = 3 + 2 2 + 10 2

Listing Program

Sub Program
 Main Program

Hasil Program
 Soal Tambahan
Suatu proses dengan katalis porous mempunyai kecepatan reaksi:

( ) = 0.7
2 .............(1)
0.3173
1.0357+
=( )..................(2)
1+0.4172

=12........(3)
Bentuk sederhananya:

0.9471 2
( )=
1 + 5.0064

Tentukan waktu yang dibutuhkan untuk menurunkan konsentrasi dari C =

3 mol/gr katalis menjadi 1 mol/gr katalis.

Listing Program

Hasil Program

5. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 15
Regresi Linier

1. Tujuan:

Mempelajari metode regresi linier untuk penyelesaian pencocokan kurva.

2. Dasar Teori:

Persamaan garis linier,

Y= a0 + a1x

Sehingga SSE adalah

SSE = n=1(ydata ypers )2

SSE = i=1E1 = n=1(yi a0 a1x1)2

SSE SSE
Minimasi SSE, jika = 0 dan =0
a0 a1

SSE SSE
Minimasi SSE, jika = 0 dan =0
a0 a1

SSE
= -2 (yi a0 a1x1)
a0

yi a0 a1a1x =0

yi n a0 a1x1 =0

N a0 ax y

SSE
= -2 [(yi a0 a1x1)x1 =0
a1

xiyi a0 a1a1x12 =0

xiyi a0xi a1x12 =0

a0xi.a1x1.xiyi
 Penyelasaian pers di atas menjadi:

A= y + a1x

Dengan y dan x adalah rata-rata yi dan xi

3. Algoritma

a. Tentukan n titik yang diketahui dalam (xi,yi) untuk 1= 1,2,3....N

b. Hitung nilai a0 dan a1 dengan menggunakan formulasi dari regresi linier

di atas

c. Tampilkan fungsi linier

d. Hitung fungsi linier tersebut dalam range x dan dx tertentu

e. Tampilkan hasil tabel (xn,yn) dari hasil fungsi linier tersebut

Dalam proses adsorbsi, hubungan logam yang di jerap (mg/g adsorben)

dengan konsentrasi kesetimbangan c (mg/l) dapat di huungkan dengan

persamaan BET

q maka dc
q = (ts c )[1 + (dd)c/cs]

Dari suatu prnrlitian diperoleh data:

c 0,7 3,08 7,04 15,1 18,25

q 17,23 32,09 46,75 62,90 64,73

Jika diketahui cs = 49,46 mg/l

a. Linierisasikan persamaan BET diatas

b. Dengan metode kuadrat terkecil, tentukan q maks dan d.

Penyelesain:
 a. Linierisasi dari persamaan BET yaitU

Y = C / (Cs C)/q

X=C

b. - nilai q maks = 44.1406

- Nilai d = 37.7048

Perbandingan data percobaan soal perhitungan

0,01

0,009
9
0,008

0,007

0,006

0,005

0,004

0,003

0,002

0,001

0
0 2 4 6 810 12 14 16 18 20

4. Coding dan Hasil Percobaan

 clear all

clc

% Data - data

V = [15 12 9 6];

t = [5 6 7 8];

f = [3 2 1.29 0.75]

% Linierisasi

y=log(f);

x=log(V);

% fungsi polyfit

p = polyfit(x,y,1);

% Paramater BET

r = exp(p(1))

f = r*3.6^0.5

t = 36/f

plot(x,y, 'k^',x,y,'k-','linewidth',2)

title('Perbandingan Data Percobaan dan Perhitungan')

Hasil
 Dari suatu penelitian diperoleh data:

c 0,7 3,08 7,04 15,1 18,25

q 17,23 32,09 46,75 62,90 64,73

Jika diketahui cs = 49,46 mg/l

a. Linierisasikan persamaan BET diatas
b. Dengan metode kuadrat terkecil, tentukan q maks dan d.

cs =

49

ans =

46

5. Kesimpulan

Program dapat berjalan dengan baik.

PRAKTIKUM 27
 Differensiasi Numerik Selisih Maju

1. Tujuan

Mempelajari metode Selisih maju untuk penyelesaian differensiasi numerik.

2. Dasar Teori :

Metode selisih maju merupakan metode yang mengadopsi secara langsung

definisi differensial, dan di tuliskan :

( + ) ()
() =

Pengambilan h diharapkan pada nilai yang kecil agar errornya kecil, karena

metode ini mempunyai error sebesar :

() = ()

3. Algoritma Selisih Maju adalah sebagai berikut :

1. Definisikan fungsi f(x) yang akan dicari nilai turunannya.

2. Definisikan fungsi turunan feksak(x) sebenarnya.

3. Masukkan nilai pendekatan awal : batas bawah a, batas atas b, dan nilai step h

4. Untuk x=a sampai dengan b hitung :

( + ) ()
() =

5. Tampilkan nilai x, f(x), f(x) dan feksak(x)

4. Coding dan Hasil Percobaan

Soal (sub program)

1 function yhs1=difma1(x)
-
2- %persamaan
z
3-s yhs1= x^2 - 2*x - 3
a
Run_soal (main program)

14- clear all

15- Clc
16- xi=2
17- h=0.01;
18- xip=xi+h;
19- %xim=xi-h;
20- fxi=difma1(xi);
21- fxip=difma1(xip);
22- ydot=(fxip-fxi)/h;
23- hdotma=difma1(xi)
Hasil Program

xi = 2

yhs1 = -3

yhs1 = -2,9799

yhs1 = -3

hdotma = -3

5. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 28
Differensiasi Numerik Selisih Tengahan

1. Tujuan

Mempelajari metode selisih tengahan untuk penyelesaian differensiasi

numerik.

2. Dasar Teori

Metode selisih tengahan merupakan metode pengambilan perubahan dari

dua titik sekitar dari titik yang diukur. Perhatikan selisih maju pada titik x-h

adalah :

() ( )
f1 ( x-h ) =

Dan selisih maju pada titik x adalah :

(+) ( )
f2 ( x ) =

Metode selisih tengahan merupakan rata-rata dari dua selisih maju :

() f2 ( )
f ( x ) =

Atau dituliskan :

(+) ( )
f ( x) = 2

3. Algoritma Selisih Tengahan adalah sebagai berikut :

1. Definisikan fungsi f(x) yang akan dicari nilai turunannya

2. Definisikan fungsi turunan fekskak (x) sebenarnya

3. Masukkan nilai pendekatan awal : batas bawah a, batas atas b , dan nilai

step h

4. Untuk x=a sampai dengan b hitung :

 (+) ( )
f ( x) = 2

5. Tampilkan nilai x, f(x) , f(x) dan fekskak (x)

4. Coding dan Hasil Percobaan

Soal X3 + 4X - 6

Main Program

clear all;

clc;

xi = 2;

h = 0.01;

xip = xi+h;

xim = xi-h;

fxip = dif01(xip);

fxim = dif01(xim);

ydot = (fxip-fxim)/(2*h);

hdotpus = dif01(xi)

Sub Program

function yhs1 = dif01(x)

%persamaan

yhs1 = (x.^3)+(4*x)-6;

Hasil Percobaan

Hdot plus = 10

5. Kesimpulan

Program dapat berjalan dengan baik.

 PRAKTIKUM 29
Differensiasi Numerik Selisih Mundur

1. Tujuan

Adapun tujuan dari pelaksanaan praktikum ini yaitu:

1. Mempelajari metode selisih mundur untuk penyelesaian differensiasi numerik

2. Memahami Algoritma, Flowchart dan Listing program untuk metode selisih

mundur.

2. Dasar Teori

Metode Numerik adalah teknik yang digunakan untuk memformulasikan soal

matematik sehingga dapat dipecahkan dengan opersai perhitungan atau aritmatika

biasa. Perbedaan utama antara metode numeric dan metode analitik sebenarnya

terletakpada dua hal. Pertama, solusi dengan menggunakakn metode analitik

selalu berbentuk angka. Sedangkan solusi dengan menggunakan metode analitik

biasanya berbentuk fungsi matematika yang selanjutnya dievaluasi untuk

menghasilkan solusi dalam bentuk angka. Kedua, dengan metode numeric hanya

akan didapatkan nilai dalam bentuk hampiran, namun solusi hampiran dapat

dibuat sesuai dengan ketelitian yang diinginkan

Metode selisih mundur merupakan metode yang mengadopsi secara langsung

definisi differensial, dan dituliskan:

() ( )
() =

Pengambilan h diharapkan pada nilai yang kecil agar errornya kecil, karena

metode ini mempunyai error sebesar:

 1
() = ()
2

3. Algoritma

1. Definisikan fungsi f(x)) yang akan dicari nilai turunannya

2. Definisikan fungsi turunan feksak sebenarnya

3. Masukkan nilai pendekatan awal ; batas bawah a, batas atas b,d dan nilai

step h

4. Untuk x=a sampai b dihitung:

() ( )
() =

5. Tampilkan nilai x, f(x), f(x) dan f eksak(x)

4. Coding dan Hasil Percobaan

Soal (sub program) f(x) pada nomor 3 diganti sesuai soal

1 function yhs1=dif01(x)
-
2- %persamaan
z
3-s yhs1= f(x)
a
Run_soal (main program)

1-. clear all;

2-. clc;

3-. xi=2;

4-. h=0.01;

5-. %xip=xi+h

6-. xim=xi-h;

7-. fxi=dif01(xi);
 8-. fxim=dif01(xim);

9-. ydot=(fxi-fxim)/h;

10-. hdotmu=dif01(xi)

Hasil
f(x) = x2 + 2

Dengan menggunakan coding diatas mendapatkan hasil :

xi = 2

xim = 1.990000

ydot = 3.989999999999938

hdotmu = 6

5. Kesimpulan

Program dapat berjalan dengan baik