Modul Praktikum Fisika Komputasi 1.6 PDF

MODUL PRAKTIKUM FISIKA KOMPUTASI
dengan contoh Bahasa Pemrograman Matlab
JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENG ETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
MALANG
2013
MODUL PRAKTIKUM FISIKA KOM PUTASI
2 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

DAFTAR ISI
DAFTAR ISI ............................................................................................................... 3
PRACTICE I PENDAHULUAN ................................................................................ 5
1.1. Pendahuluan................................................................................................ 5
1.2. Perbedaan Kalkulasi Analitis dan Numerik................................................ 5
1.3. Kode Program Komputer............................................................................ 5
1.4. Requirement................................................................................................ 6
1.5. Perintah-perintah Dasar .............................................................................. 6
1.6. Compiling Kode Program ......................................................................... 11
1.7. Plotting Data ............................................................................................. 12
1.7.1. Plotting GNUPLOT ............................................................................. 12
1.7.2. Plotting Microsoft Excel ...................................................................... 13
PRACTICE II ERROR PENDEKATAN ................................................................. 17
PRACTICE III AKAR-AKAR POLINOMIAL....................................................... 21
PRACTICE IV SOLUSI MATRIKS PERSAMAAN LINIER ............................... 25
PRACTICE V TRENDLINE ................................................................................... 31
PRACTICE VI DIFERENSIASI NUMERIK .......................................................... 34
PRACTICE VII INTEGRASI NUMERIK .............................................................. 37
PRACTICE VIII INTERPOLASI ............................................................................ 41
PUSTAKA ................................................................................................................ 45
JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 3


PRACTICE I
PENDAHULUAN
1.1. Pendahuluan
Fisika komputasi pada dasarnya adalah menyelesaikan problem-problem fisika
yang tidak dapat diselesaikan secara analitis dengan melakukan pendekatan numerik
berdasarkan teori yang sudah ada. Pendekatan numerik tersebut umumnya dilakukan
dengan bantuan komputer dan menggunakan bahasa pemrograman tertentu, seperti
Pascal, Python, C, C++, Fortran dan lain sebagainya. Hal ini dikarenakan tidak
semua problem matematik dapat diselesaikan oleh komputer secara langsung.
Problem matematik yang rumit, perlu diubah terlebih dahulu ke bentuk operasi
aritmatika ke penambahan, pengurangan, perkalian dan pembagian sederhana agar
dapat dikalkulasi oleh komputer. Pengubahan/penurunan tersebut dikenal dengan
sebutan pendekatan numerik, di mana hasil perhitungannya identik dengan adanya
nilai error.
Problem matematis yang perlu penurunan dengan metode numerik oleh
komputer antara lain: problem diferensiasi, integrasi, pencarian akar persamaan
polinomial orde tinggi, eigenvalue matrik, boundary value dan lain sebagainya.
1.2. Perbedaan Kalkulasi Analitis dan Nume rik
Salah satu problem matematik yang oleh komputer diselesaikan dengan
kalkulasi numerik adalah problem diferensiasi. Dimisalkan terdapat suatu problem
fisika dengan persamaan matematis y(x)=2x2 -3x+1, yang secara analitis untuk x=5,
turunan pertamanya dapat diketahui secara secara langsung dengan penurunan
y‟(x)=dy(x)/dx=4x-3, sehingga nilai diferensiai orde satu terhadap x adalah:
Sedangkan untuk perhitungan secara numerik, problem diferensiasi dapat diturunkan

dengan metode numerik beda maju (forward different) yang bentuk persamaannya:
(1)
dengan mengambil ∆x=0.1, didapatkan
=17.2
Dari kedua hasil tersebut dapat dibandingkan perbedaan penyelesaian antara
numerik dan analitis mempunyai selisih sebesar 0.2, di mana selisih 0.2 ini nantinya
akan dikenal sebagai nilai error.
1.3. Kode Program Komputer
Salah satu teknik untuk melakukan komputasi numerik adalah dengan
mengimplementasikannya ke bentuk kode program dengan bahasa pemrograman
komputer tertentu. Dalam praktikum fisika komputasi ini, tidak disarankan untuk
mengacu penggunaan pada salah satu bahasa pemrograman tertentu saja, melainkan
praktikan dapat menggunakan bahasa pemrograman Pascal, Python, Matlab atau

bahasa pemrograman lain, sesuai dengan kemampuan masing- masing. Dengan

harapan, praktikan setelah melakukan paraktikum ini dapat menguasai setidaknya
salah satu dari macam bahasa pemrograman, sebagai bekal untuk menyelesaikan
problem fisika- matematik yang memerlukan penggunaan pendekatan numerik.
1.4. Requirement
Agar semua Kode program yang dituliskan dalam Modul ini dapat berjalan
dengan baik, perlu diketahui, semua kode program yang terdapat di dalam modul ini,
telah di coba di Matlab v7.0.1. Sehingga praktikan dapat mempunyai gambaran
penyesuaian untuk menggunakan compiler Matlab versi diantaranya.
1.5. Perintah-perintah Dasar
Perintah-perintah dasar dalam Matlab yang akan sering digunakan dalam
praktikum ini antara lain:
a. Write atau print
Perintah ini digunakan untuk menampilkan huruf atau nilai variabel hasil
kalkulasi dari running kode program. Contoh source code-nya:
Kode program 1. Hello world
Matlab
disp(‘Hello World!’);
Untuk menampilkan “Hello World!”, yang merupakan statement standar

yang dilakukan bagi pemula untuk mencoba kapabilitas sistem komputer yang
digunakan, Matlab menggunakan perintah “disp”, yang juga merupakan perintah
dasar ouput, untuk menandai sebuah proses atau mengetahui nilai dari suatu
variabel hasil dari suatu perhitungan, sebagaimana ditunjukkan pada Kode
program 1.

b. Read atau Input

Perintah ini digunakan untuk memasukkan suatu nilai atau karakter ke
variabel dalam kode program, Contoh source code-nya seperti:
Kode program 2. Input
Matlab
i=input('Masukkan bilangan bulat : ');
disp('Hasil: ');
disp(sprintf('Bilangan Bulat : %d',i));
disp(sprintf('Bilangan Asli : %.7f',i));
input('Press any key..');
Dalam praktikum ini, kebanyakan data yang digunakan sebagai variabel

input adalah berupa angka, di mana input angka di atas dapat berupa bilangan
bulat (integer) atau asli (real). Kode program Matlab di atas menunjukkan teknik
untuk inisialisasi type data yang berbeda. Teknik pada Kode program 2 tersebut
adalah untuk membedakan antara metode bilangan bulat dan asli, misalnya jika
terdapat angka 2 sebagai inputan bilangan asli, beberapa bahasa pemrograman
harus menuliskan dengan menambahkan satu angka nol dibelakang koma
(Contoh: 2.0), karena jika tidak, bahasa pemrograman secara otomatis
menginisialisasikannya sebagai bilangan bulat.
Satu kelebihan Matlab, Matlab merupakan bahasa pemrograman interface.
Di mana misalnya ketika bilangan bulat diperlukan menjadi bilangan asli, secara
otomatis bilangan tersebut diinisialisasi menjadi bilangan asli oleh Matlab
meskipun sebelumnya bertindak sebagai bilangan integer. Sedangkan kode
program input pada baris akhir diperlukan agar aplikasi tidak langsung tertutup
saat program telah selesai menjalankan perintah-perintah sebelumnya, dan
pemberian perintah input ini bersifat optional.
c. Looping for atau while
Pendekatan numerik sering kali melakukan perulangan dalam
perhitungannya. Perintah perulangan yang dapat digunakan adalah perintah for
dan while. Perintah for digunakan jika tahap perulangannya berupa bilangan
bulat. Sedangkan perintah while digunakan jika tahap perula ngannya berupa
bilangan asli. Berikut contoh penggunaan perintah for dan while untuk
menghitung xy dan mengetahui angka terkecil yang dapat dihitung oleh prosesor.
Perintah for:
Kode program 3. Perpangkatan
Matlab
x=input('x = ');
y=input('y = ');
hasil=1;
for i=1:y
hasil=hasil*x;
end
disp(sprintf('Hasil = %d',hasil));

Perintah while:
Kode program 4. Presisi mesin
Matlab
i=1;
angka=2;
hasil=0;
while (hasil~=1)
angka=angka/9;
hasil=1+angka;
disp(sprintf('%3d %.16f',i,hasil));
i=i+1;
end;
Kondisi “~=” dalam contoh perulangan while di atas, berfungsi menunjukkan

keadaan bahwa selama hasil nilainya tidak sama dengan 1, maka perhitungan
nilai “angka” akan dilanjutkan ke nilai berikutnya. Selama ditambahkan dengan
nilai “angka”, nilai hasil tidak sama dengan 1, prosesor komputer masih dapat
membedakan nilai tersebut sebagai angka yang berbeda dengan selisih yang kecil.
Sedangkan ketika nilainya telah dianggap sama, nilai “angka” sebelum
perulangan berakhir, nilai “angka” tersebut merupakan hasil pendekatan nilai
terkecil yang dapat dihitung oleh prosesor.
d. Kondisi if
Ekspresi kondisi terdiri dari berbagai macam. Untuk bahasa pemrograman
yang berbeda, berbeda pula operator pembanding yang digunakan, meskipun
mempunyai fungsi yang sama. Perintah yang memerlukan kondisi ini adalah
perintah if. Berikut contoh penggunaan perintah tersebut, yang digunakan untuk
mencari akar dari fungsi f(x)=x2 -4*x-5.

Kode program 5. Akar fungsi

Matlab
xp=0;
x1=15;n=50;
p=xp*xp-4*xp-5;
disp(sprintf('x y'));
for i=0:n
x=0.5*(xp+x1);
y=x*x-4*x-5;
disp(sprintf('%.10f %.10f',x,y));
if (p*y)>0
xp=x;
end
if (p*y)<0
x1=x;
end
if (p==y)
break;
end
end
disp(sprintf('x mendekati %.10f',x));
Metode numerik yang digunakan untuk mendekati nilai akar parsamaan

y=x2 -4x-5 di atas adalah metode setengah selisih. Metode ini akan dijelaskan
pada bab selanjutnya dan merupakan bagian pokok bahasan pencarian akar
persamaan polinomial. Pemakaian perintah if di atas, digunakan untuk
mengetahui apakah kedua nilai p dan y berbeda tanda, apakah keduanya positif
atau negatif.
e. Membuat fungsi
Seringkali jika dilakukan perlakuan yang sama terhadap suatu data, lebih
mudah untuk meringkasnya ke perintah-perintah yang diperlukan ke dalam suatu
fungsi. Contoh penggunaan fungsi tersebut adalah seperti dalam Kode program 6:
Kode program 6. Penggunaan fungsi
Matlab
luasbola=@(r)((22/7)*r);
bola1=luasbola(5);
bola2=luasbola(0.5);
disp(sprintf('Luas bola1 = %.7f',bola1));
Namun di Matlab, jika diperlukan lebih dari satu command yang terdapat
dalam fungsi, aturan pendeklarasiannya, fungsi tersebut harus disimpan dalam
file lain yang berada satu direktori dan disimpan dengan nama file yang sama
dengan nama fungsi itu sendiri. Contoh:

Matlab
%file luasbola.m
function output=luasbola(r)
output=((22/7)*r);
end
%file main.m
bola1=luasbola(5);
bola2=luasbola(0.5);
f. Output to File
Untuk memudahkan dalam menganalisa hasil program, data hasil
perhitungan biasanya disimpan dalam sebuah file. Selain itu, metode
penyimpanan ini dapat digunakan jika diperlukan untuk memplot hasil
perhitungan ke dalam bentuk grafik, kompiler yang digunakan tidak memiliki
fungsi plotter- nya. Contoh kode program untuk penyimpanan data ke file ini
adalah:
Kode program 7. Output to file
Matlab
fp=fopen('data.txt','w');
x=0;
while (x<50)
y=x*x-4*x-5;
fprintf(fp,'%f %f\n',x,y);
x=x+0.25;
end
fclose(fp);
disp('Done..');
Kode program di atas digunakan untuk menghitung persamaan

dengan x mulai sama dengan 0 sampai <50 dengan ∆x=0.25. Hasil
perhitungannya disimpan dalam bentuk file „data.txt‟ seperti diilustrasikan
Gambar 1.1.

Gambar 1.1 File data hasil perhitungan

Meskipun demikian di Matlab untuk keperluan plotting data, plotting dapat
dilakukan secara langsung menggunakan perintah plot, sehingga penyimpanan data
pada Matlab, jarang digunakan untuk keperluan plotting.
1.6. Compiling Kode Program
Gambar 1.6 merupakan contoh tampilan interface Matlab 7.0.1 yang memiliki
Command Windows yang fungsinya hampir sama dengan Phython Shell pada
compiler Python 2.7x. Agar dalam penulisan kode program lebih mudah untuk
dimodifikasi, kode program Matlab dapat ditulis terlebih dahulu ke file yang disebut
dengan M-Files. Cara membuat M-File adalah dengan memilih menu
FileNewM-File dan akan muncul kotak editor yang merupakan tempat yang
digunakan untuk menulis kode program Matlab. Gambar 1.6 juga mengilustrasikan
Kode Program 7 sebagai kode program yang akan di-compile. Untuk
menjalankannya, klik kanan file yang berisi kode program yang akan dijalankan,
pilih Run, dan hasil compilasinya akan ditampilkan di Command Windo ws.

Gambar 1.2 Tamp ilan user interface Mat lab 7.0.1
1.7. Plotting Data

Plotting data dapat dilakukan dengan berbagai cara, salah satunya dengan
menggunakan fungsi yang telah disediakan dalam library compiler itu sendiri, baik
2D maupun 3D. Matlab telah memiliki fungsi plotter sendiri, sedangkan pada
umumnya compiler tidak memilikinya. Plotting data dapat dengan menggunakan
aplikasi plotter lain, seperti aplikasi khusus pembuat plot, seperti aplikasi
GNUPLOT atau Microsoft Excel.
1.7.1. Plotting GNUPLOT

GNUPLOT merupakan aplikasi program interface yang digunakan untuk
membuat grafik dari suatu urutan data. Tampilan aplikasi ini seperti ditunjukkan
pada Gambar 1.7, yang cara menggunakannya hampir sama dengan Python shell.
Contoh penggunaan GNUPLOT untuk membuat grafik 2D dari data hasil running
program adalah sebagaimana berikut: Jika data hasil perhitungan Gambar 1.1
diplotkan dengan GNUPLOT, perintah yang digunakan adalah:
Alamat „e:\data\master\lawas\tpw\data.txt‟ merupakan contoh alamat dari file

„data.txt‟ yang dapat dilihat pada Address bar windows sebagaimana ilustrasi
Gambar 1.8, di mana plot grafik dari file tersebut ditunjukkan pada Gambar 1.9.

Gambar 1.3 Aplikasi GNUPLOT
Gambar 1.4 Contoh alamat file „data.t xt‟
Gambar 1.5 Tamp ilan hasil p lotting file „data.t xt‟
1.7.2. Plotting Microsoft Excel

Untuk plotting file „data.txt‟ dengan Microsoft Excel, caranya adalah seperti
membuat grafik pada data Excel biasanya. Perbedaannya adalah ketika membuka
file „data.txt‟ terdapat beberapa langkah sebagaimana diuraikan berikut:
Buka aplikasi Microsoft Excel (di sini digunakan Ms. Excel 2007)
Pilih menu Open, cari folder yang berisi file „data.txt‟ dan seleksi file dengan
memilih File Type: Text File. (Gambar 1.10)
Gambar 1.6 Kotak d ialog open „data.t xt‟

Klik open maka akan muncul kotak dialog Text Import Wizard seperti
ditunjukkan Gambar 1.11.
Gambar 1.7 Kotak d ialog Text Import W izard

file „data.txt ‟ step 1
Pilih radio option: Fixed width lalu tekan Next, dan pastikan pada Data
Preview data telah terbagi menjadi dua

Gambar 1.8 Kotak d ialog Text Import W izard

file „data.txt ‟ step 2
Jika data telah terbagi seperti pada Gambar 1.12, selanjutnya dapat ditekan
tombol Next atau langsung menekan tombol Finish jika tidak diperlukan
untuk mengubah format data dari file „data.txt‟. Data masukan tersebut
secara otomatis akan diatur pada kolom-kolom yang telah tersedia oleh
Microsoft Excel (Gambar 1.13).
Gambar 1.9 Tamp ilan hasil open file „data.t xt‟

dengan Ms. Excel
Kemudian untuk memplotkan data-data yang telah dimasukkan diatas,
seleksi semua data tersebut, pilih menu InsertScatterScatter with Smooth
Lines (Gambar 1.14)

Gambar 1.10 Langkah-langkah plotting scatter

Hasil tampilan plotting grafiknya adalah sebagaimana Gambar 1.15, dan
selanjutnya grafik dapat dimodifikasi sesuai dengan kebutuhan.
Gambar 1.11 Grafik hasil plotting „data.t xt‟

Tugas
1. Jalankan Kode program 1-7, atau buatlah program serupa dengan bahasa
pemrograman yang anda kuasai, sampai dihasilkan plot grafik sebagaimana
Gambar 1.9 atau 1.15!
2. Analisa output dari Kode program 4!

PRACTICE II
ERROR PENDEKATAN
Teori
Deret Taylor dapat digunakan untuk melakukan pendekatan numerik dari suatu
fungsi f(x) berdasarkan nilai f(a) yang telah diketahui. Secara matematis deret Taylor
dinotasikan:
(2)
x
Jika f(x)=e , dengan deret Taylor di atas, nilai f(x) dapat didekati dengan deret
seperti ditunjukkan pada persamaan 3 dengan mengambil nilai a=0.
(3)
Begitu juga untuk sin x dan cos x, dengan mengambil nilai a=0, deret
pendekatannya adalah:
(4)
(5)
Proble m
Kemampuan komputer impossible untuk melakukan kalkulasi sampai deret tak
hingga. Oleh karena itu solusi persamaan 3, 4, dan 5 adalah dengan memotong deret
pada nilai n tertentu yang mana nilai error hasil pendekatannya mendekati nol atau
bergantung pada kemampuan maksimum komputer yang digunakan. Pertanyaannya
adalah berapakah nilai n dari masing- masing persamaan 3, 4, dan 5 agar nilai error
pendekatannya mendekati atau sama dengan 0?

Project I
a. Tujuan
Mengetahui nilai error dari pendekatan numerik suatu deret tak hingga
berdasarkan model matematis dan kemampuan komputer yang digunakan.
b. Pseudocode
Pseudocode 1. Alur kode program eksponen
Input x, n
e=1
for i=1 to n do
Hitung a=xi
Hitung b=i!
e= e+(a/b)
end for
print e
a berfungsi sebagai pembilang dan b berkedudukan sebagai penyebut dari setiap
suku deret yang dihitung.
c. Implementasi Kode Program
Kode program 8. Eksponen
Matlab
%file faktorial.m
function output=faktorial(m)
hasil=1;
for j=1:m
hasil=hasil*j;
end
output=hasil;
end
%file eksponen.m
x=input('x = ');
n=input('n = ');
e=1;
for i=1:n
a=x^i;
b=faktorial(i);
e=e+(a/b);
end
disp(sprintf('e^x = %.10f',e));
Fungsi matematika seperti perpangkatan dan factorial, sebenarnya telah

disediakan dalam module math di Python dan di Matlab itu sendiri. Penjabaran
fungsi factorial sebagai fungsi di atas, dalam praktikum ini dimaksudkan untuk
memberikan contoh bagaimana cara kerja sebenarnya yang dilakukan komputer
untuk menyelesaikan problem perpangkatan dan factorial tersebut. Perlu
diperhatikan masukan untuk variabel x berupa bilangan asli.

d. Tugas
1. Salin dan compile kedua kode program, atau buat kode program sendiri
sesuai Pseudocode 1 dengan bahasa pemrograman yang anda kuasai!
2. Tentukan nilai n terbaik dan bandingkan antara keduanya, dan juga dengan
membandingkan dengan nilai ex dari literatur yang lain (mis. e1 =
2.718281828459045), Sertakan juga spesifikasi komputer yang anda
digunakan (mis. AMD X2 4800+, P4 1800 MHz, dsb)!
3. Dari salah satu program di atas (sesuai yang anda kerjakan), tunjukkan yang
disebut dengan Truncate Error?
Project II
a. Tujuan
Mengetahui kelemahan dari model numerik deret tak hingga.
b. Pseudocode
Pseudocode 2. Alur kode program sinus
Input x, n
s=x
c=-1
for i=2 to n do
if (i mod 2)=1 then
Hitung a=xi
Hitung b=i!
s= s+c*(a/b)
c=-1*c
endif
end for
print s
variabel c digunakan sebagai pengubah untuk melakukan penambahan atau
pengurangan terhadap hasil penjumlahan nilai s sebelumnya. i mod 2 berfungsi agar
suku-suku deret yang diambil, hanyalah deret yang berindeks n/suku ganjil.


Kode program 9. Deret sinus
Matlab
%file sinus.m
x=input('x = ');
n=input('n = ');
s=x;
c=-1;
for i=2:n
if (mod(i,2)==1)
a=x^i;
b=factorial(i);
s=s+c*(a/b);
c=-1*c;
end
end
disp(sprintf('sin x = %.10f',s));
Untuk menghitung factorial, pada program Matlab, dapat langsung

menggunakan fungsi factorial sebagaimana di tunjukkan pada Kode program 9 di
atas.
d. Tugas
4. Bandingkan hasil pendekatan nilai sin x di atas dengan literatur yang anda
ketahui (sebutkan sumbernya) dengan nilai x ≥ 1!
5. Bandingkan dan analisa hasil pendekatan kedua kode program di atas! Jika ada
tunjukkan kelemahan dari pemodelan nilai sin x tersebut!
6. Buat pseudocode beserta kode program untuk menyelesaikan persamaan 5
(sesuai bahasa pemrograman yang anda kuasai)!

PRACTICE III
AKAR-AKAR POLINOMIAL
Teori
Bentuk persamaan polinomial untuk orde ≤ n adalah:
(6)
dengan nilai koefisien a0 , a1 , …, an tertentu. Akar-akar persamaannya dapat
diketahui dengan beberapa metode seperti metode setengah selisih (biseksi), metode
Secant, Newton-Raphson, dan lain sebagainya.
Ide metode setengah selisih adalah mencari nilai x i+1 yang nilai f(x i) mendekati
nol berdasarkan nilai f(x i) dan f(x i-1 ). Ilustrasi pendekatan ini seperti Gambar 3.1 dan
nilai x i dan x i-1 -nya harus menghasilkan nilai f(x i) dan f(x i-1 ) yang berbeda tanda.
f(x)
x i-1 x i+1 xi x
Gambar 3.1 Metode setengah selisih

Metode lain yang serupa dengan metode selisih setengah adalah metode
Secant. Tekniknya hampir sama dengan metode setengah selisih, namun metode ini
mengambil perbandingan segitiga yang terbentuk dari x i dan x i-1 . Ilustrasi pendekatan
ini sebagaimana Gambar 3.2.

f(x)
x i+1 x i-1 xi x
Gambar 3.2 Metode setengah selisih

Sedangkan untuk metode Newton, atau disebut juga metode Newton-Raphson
menggunakan pemotongan deret Taylor pada suku ketiga, yang mana untuk
mendekati nilai x i+1 persamaan yang digunakan adalah:
(7)
Proble m
Kode program 5 merupakan contoh pancarian akar dari persamaan polinomial
orde 2. Pencarian akar untuk orde <=2 dan akar-akarnya berupa bilangan bulat,
mungkin tidak akan menjadi masalah jika dilakukan secara analitis, tetapi
bagaimana jika persamaan polinomialnya memiliki orde >2 atau akar-akarnya
merupakan bilangan asli?
Project III
a. Tujuan
Menentukan akar-akar pada persamaan polinomial orde banyak.
b. Pseudocode
Pseudocode 3. Alur pencarian akar dengan metode setengah selisih
Input x0,x1, n
for i=0 to n do
x2=0.5*( x0+x1)
Hitung f(x2)
if f(x2)<0 then x0=x2
else if f(x2)>0 then x1=x2
else break for
end for
print x2

Pseudocode 4. Alur kode program pencarian akar dengan metode Secant

Input x0,x1, n
f0=f(x0)
f1=f(x1)
for i=0 to n do
Hitung f2=f(x2)
x0=x1, x1=x2
f0=f1, f1=f2
end for
print x2
c. Implementasi Kode program

Dimisalkan terdapat persamaan polinomial:
(8)
Menggunakan metode Secant, implementasi kode program untuk mencari nilai akar-
akar persamaannya adalah:
Kode program 10. Imp lemetasi metode Secant
Pascal
program secant;
uses wincrt;
var x0,x1,x2,f0,f1,f2:real;
i,n:integer;
function f(x:real):real;
begin
f:=x*x*x*x-31*x*x*x+230*x*x-452*x-144;
end;
begin
write('x0 = ');readln(x0);
write('x1 = ');readln(x1);
write('n = ');readln(n);
f0:=f(x0);
f1:=f(x1);
for i:=0 to n do
begin
if((f1-f0)<>0)then
x2:=x1-(f1*(x1-x0))/(f1-f0)
else
begin
writeln('Stoped..');
i:=n
end;
f2:=f(x2);
x0:=x1;f0:=f1;
x1:=x2;f1:=f2;
writeln(i,' ',x2:11:10,' ',f2:11:10);
end;
end.

Matlab
f=@(x)x*x*x*x-31*x*x*x+230*x*x-452*x-144;
x0=input('x0 = ');
x1=input('x1 = ');
n=input('n = ');
f0=f(x0);
f1=f(x1);
for i=0:n
if((f1-f0)~=0)
x2=x1-(f1*(x1-x0))/(f1-f0);
else
disp('Break..');
break;
end
f2=f(x2);
x0=x1;f0=f1;
x1=x2;f1=f2;
disp(sprintf('%f %f',x2,f2));
end
d. Tugas
1. Buatlah grafik hubungan f(x) dan x untuk persamaan 8, berdasarkan contoh
pembuatan grafik Gambar 1.9 atau 1.15!
2. Modifikasi Kode program 5, atau buat kode program sendiri sesuai bahasa
pemrograman yang anda kuasai dan Pseudocode 3, untuk mencari akar-akar
persamaan 8 dengan metode setengah selisih!
3. Bandingkan teknik penentuan nilai awal x0 dan x1 untuk mendekati salah satu
nilai akar antara metode setengah selisih dan metode Secant, serta bandingkan
jumlah iterasi yang diperlukan antara kedua metode tersebut!
4. Apa yang dimaksud dengan Bracketing Method? Jelaskan apakah yang anda
lakukan pada soal no. 3 termasuk metode tersebut?
5. Tentukan nilai keempat akar-akar persamaan 8 dengan kode program yang
anda pakai atau yang anda buat, yang mengacu pada grafik soal no. 1!
6. Buatlah Pseudocode atau kode program sesuai bahasa pemrograman yang
anda kuasai untuk mencari akar-akar persamaan 8 dengan metode Newton
Rapshon! (optional)

PRACTICE IV
SOLUSI MATRIKS PERSAMAAN LINIER
Teori
Data dalam bentuk matriks sering kali digunakan dalam perhitungan numerik.
Dalam persamaan linier, agar lebih mudah, sering kali persamaan-persamaan yang
menjadi problem matematik digenerate dalam bentuk matriks untuk mencari solusi
penyelesaiannya. Contoh metode numerik yang berbasis matriks antara lain:
decomposisi LU, eliminasi Gauss-Jordan, Tridiagonal matriks, dan lain sebagainya.
Penyelesaian eliminasi Gauss-Jordan, seperti dimisalkan terdapat problem
matematis dengan elemen-elemen matriks m x n sebagaimana Gambar 4.1, untuk
mencari nilai x 1 , x2 , x3 , .., xm langkah- langkahnya adalah sebagaimana berikut:
Gambar 4.1 Operasi arit mat ika matriks m x n

Rubah matrik a dan b ke bentuk matrik c.
Modifikasi/eliminasi dilakukan pada matrik c ini yang ditujukan untuk

mencari matriks identitas dari a
Mengacu pada baris pertama:

 Perbaharui nilai c11 dengan membagi semua, mulai kolom 1 sampai n+1
dengan c11 agar nilai c11 bernilai 1.
 Untuk baris mulai 2 sampai m, perbaharui nilai mulai kolom 1 sampai
n+1 dengan mengurangi c1n yang baru diperbaharui, yang dikalikan
dengan cm1 agar nilai cm1 bernilai nol.

Dilanjutkan pada baris kedua:

 Karena pada kolom pertama telah bernilai 0, mulai baris kedua sampai
ke-m, maka kalkulasi dilakukan pada indeks matriks m≥2 dan n≥2,
dengan memperbaharui semua nilai pada baris kedua, dibagi dengan c22
sampai kolom ke n+1.
 Untuk baris mulai 3 sampai m, perbaharui nilai mulai kolom 2 sampai
n+1 dengan mengurangi c2n yang baru diperbaharui, yang dikalikan
dengan cm2 agar nilai cm2 bernilai nol.
Dilanjutkan pada baris ketiga dan seterusnya sampai m dengan cara yang
sama, sampai didapatkan nilai diagonal matriknya bernilai 1 dan elemen
matriks bagian bawah diagonalnya bernilai nol.
Setelah itu, teknik yang dilakukan pada baris satu sampai m di atas dibalik,
namun hanya digunakan untuk menghitung agar nilai elemen matriks
bagian atas dari diagonal bernilai nol.

Nilai c1n+1 , c2n+1 , c3n+1 , …, cmn+1 merupakan solusi yang tidak lain adalah
nilai x 1 , x 2 , x3 , .., xm . Langkah- langkah di atas disederhanakan dalam
Pseudocode 5.
Proble m
Aplikasi program interface seperti Matlab, Maple, Octave dan Enthought
Python, memiliki notasi sendiri untuk mengenerate matriks, yang mana dengan
aturan notasi tersebut operasi aritmatika matriks seperti penambahan, pengurangan,
perkalian, bahkan untuk mengetahui nilai invers-nya, telah disediakan dalam library
dan tinggal memanggilnya saja. Namun bagaimana jika perhitungan numerik
membutuhkan operasi matematik atau implementasi numerik yang tidak disediakan
dalam library aplikasi tersebut?
Project IV
a. Tujuan
Menentukan solusi numerik berdasarkan bentuk matriks suatu persamaan
linier.
b. Pseudocode
Pseudocode 5. Alur kode program implementasi eliminasi Gauss -Jordan
Set matriks a,b

Generate matriks c
for k=1 to m do
p=c[k,k]
for j=k to (n+1) do
c[k,j]=c[k,j]/p
end for
for i=k+1 to m do
p=c[i,k]
for j=k to (n+1) do
c[i,j]=c[i,j]-c[k,j]*p
end for
end for
end for
for k=m downto 1 do
for i=k-1 downto 1 do
p=c[i,k]
for j=(m+1) downto 1 do
c[i,j]=c[i,j]-c[k,j]*p;
end for
end for
end for
print c,x


Dimisalkan terdapat suatu persamaan linier yang disusun dalam bentuk matriks
sebagaimana berikut:
Gambar 4.2 Problem matriks 3 x 3
Untuk mencari nilai x 1 , x2, dan x3 dengan metode eliminasi Gauss-Jordan,

berdasarkan Pseudocode 5, implementasi kode programnya adalah:
Kode program 11. Imp lemetasi untuk metode eliminasi Gauss-Jordan
Matlab
m=3;n=m; for k=m:-1:1
a=[2 5 7;4 -5 3;8 3 -5]; for i=k-1:-1:1
b=[24 38 -18]; p=c(i,k);
c=[]; for j=(m+1):-1:1
%inisialisasi Matriks c c(i,j)=c(i,j)-c(k,j)*p;
for i=1:m end
for j=1:n end
c(i,j)=a(i,j); end
end
end %tampilkan matriks c
for i=1:m disp(c);
c(i,n+1)=b(i);
end for j=1:n
%proses eliminasi disp(sprintf('x %d=%.10f',j,c(j,n+1)));
for k=1:m end
p=c(k,k);
for j=k:(n+1)
c(k,j)=c(k,j)/p;
end
for i=k+1:m
p=c(i,k);
for j=k:n+1
c(i,j)=c(i,j)-c(k,j)*p;
end
end
end
d. Tugas
1. Analisa Pseudocode 5!
2. Buat program (berdasarkan Pseudocode 5), atau modifikasi Kode program 11,
untuk mencari x 1, x 2, x3,..,x10 problem matriks Gambar 4.3 dengan metode
eliminasi Gauss-Jordan! Bandingkan dengan hasil perhitungan x 1, x2, x3,..,x10
secara analitis!
3. Buatlah pseudocode dan kode program untuk menyelesaikan problem matriks
Gambar 4.3 dengan metode decomposisi LU! Bandingkan hasilnya dengan
hasil implementasi Kode Program 11 di atas!

Gambar 4.3 Problem matriks 10 x 10


PRACTICE V
TRENDLINE
Teori
Metode yang dapat digunakan untuk mengenerate fungsi dari suatu deret data
adalah metode iterasi Jacoby dan Gauss-Seidel. Metode iterasi ini dapat juga
digunakan untuk menyelesaikan persamaan linier dan merupakan teknik pendekatan
dengan melakukan perulangan substitusi nilai variabel hasil kalkulasi suatu
persamaan ke variabel yang sama pada persamaan lain yang segaris.
Iterasi Jacoby dan Gauss-Seidel memiliki bentuk implementasi yang hampir
sama, hanya saja yang membedakan adalah teknik substitusi yang dilakukan. Pada
iterasi Jacoby obyek variabel yang akan dicari solusinya di kalkulasi terlebih dahulu
dan baru disubstitusi pada iterasi selanjutnya. Sedangkan pada iterasi Gauss-Seidel,
nilai variabel kalkulasi obyek langsung disubstitusikan menjadi nilai variabel yang
sama pada persamaan lain yang segaris.
Untuk berbagai problem matematis, iterasi Gauss-Seidel lebih compatible
dibanding iterasi Jacoby. Begitu juga dengan jumlah iterasi yang diperlukan,
seringkali jumlah iterasi Gauss-Seidel lebih sedikit dibanding Jacoby. Namun
meskipun demikian, untuk keperluan kalkulasi data yang bertautan dalam komputasi
paralel, algoritma iterasi Jacoby lebih mudah diimplementasikan daripada Gauss-
Seidel.
Untuk menggenerate fungsi dari suatu deret data, dapat dimisalkan terlebih
fungsi tersebut sebagai fungsi polinomial (persamaan 9) di mana koefisien-koefisien
a0 sampai an adalah variabel yang akan dicari nilainya dengan pendekatan numerik
(persamaan 10), yang mana indeks k menunjukkan untuk setiap pendekatan nilai ak
menggunakan nilai x yang berbeda pula.
(9)
(10)
Sedangkan nilai error (є) dari metode pendekatan ini disebut dengan RMSE(Root
Mean Square Error) yang dirumuskan:
(11)
Proble m
Iterasi Gauss-Seidel di atas berfungsi untuk menghasilkan suatu persamaan
fungsi dari f(x), bagaimanakah nilai error fungsi hasil pendekatannya dibandingkan
dengan fungsi yang sebenarnya?

Project V
a. Tujuan
Menentukan nilai error hasil pendekatan berdasarkan fungsi yang tergenerate.
b. Pseudocode
Pseudocode 6. Alur kode program iterasi Gauss-Seidel
Set m
Inisialisasi f(x) dan x
Inisialisasi n,k
for l=0 to m do
for k=0 to n do
hitung ak (persamaan 10)
end for
end for
hitung RMSE
print f(x)
Dimana m menunjukkan jumlah iterasi, n jumlah orde polinomial perkiraan.
Dimisalkan terdapat deret data sebagaimana berikut:
x 0 0.5π π 1.5π 2π
f(x) 0 1 0 -1 0
Untuk mengenerate fungsi yang melingkupinya, fungsi f(x) dimisalkan sebagai
persamaan polinomial. Sehingga berdasarkan jumlah data, persamaan polinomial
pemisalannya adalah:
(12)
Implementasi kode programnya:

Kode program 12. Imp lemetasi metode iterasi Gauss -Seidel
Matlab
m=1000;n=5;
Pi=22/7;
x=[0 (0.5*Pi) Pi (1.5*Pi) (2*Pi)];
f=[0 1 0 -1 0];
a=[0 0 0 0 0];
for l=1:m
for k=1:n
jum=0;
for i=1:n
if i~=k
jum=jum+a(i)*(x(k)^(i-1));
end
a(k)=(f(k)-jum)/((x(k))^(k-1));
end
end
end
e=0; %error
for k=1:n
jum=0;
for i=1:n
jum=jum+a(i)*(x(k)^(i-1));
end
e=e+(f(k)-jum)^2;
end
e=sqrt(e/n);
disp(sprintf('Error = %.10f',e));
disp(sprintf('a = '));
disp(sprintf(' %.10f ',a));
d. Tugas
1. Jalankan Kode program 12, atau buat kode program sendiri sesuai bahasa
pemrograman yang anda kuasai untuk mengenerate fungsi problem di atas,
variasi nilai m dan tunjukkan pengaruhnya terhadap hasil fungsi yang
tergenerate!
2. Buat grafik hubungan x dan f(x) berdasarkan fungsi polinomial yang
tergenerate dari Kode program 12, atau kode program sesuai yang anda
kerjakan, dan buktikan bahwa fungsi f(x) sama dengan sin(x)!
3. Tunjukkan pengaruh/hubungan antara jumlah data dengan jumlah suku
Polinomial yang diambil?
4. Jelaskan apa yang anda ketahui mengenai Trendline! Apa hubungannya
dengan Practice V ini?
5. Cari literatur mengenai iterasi Jacoby dan buatlah pseudocode untuk
memodifikasi Kode program 12 dengan metode iterasi Jacoby!

PRACTICE VI
DIFERENSIASI NUMERIK
Teori
Dalam fisika, penurunan problem diferensiasi numerik dapat menggunakan
metode finite difference. Metode ini terdiri dari metode beda maju (forward
difference), beda mundur (backward difference) dan beda tengah (central difference)
yang persamaan-persamaannya antara lain:
Beda maju
(13)
Beda mundur
(14)
Beda tengah
atau dapat dinotasikan (15)
Persamaan-persamaan di atas digunakan untuk penurunan numerik persamaan

diferensiasi orde satu. Sedangkan untuk persamaan diferensiasi orde dua, metode
yang digunakan merupakan perpaduan dari metode beda maju, beda mundur dan
beda tengah di atas, yang bentuk persamaannya adalah:
(16)
Proble m
Metode beda maju, beda mundur dan beda tengah memiliki ketepatan yang
cukup tinggi jika fungsi yang akan didiferensiasikan termasuk persamaan linier.
Namun pendekatan akan cukup menyimpang jika fungsinya termasuk fungsi
polinomial orde ≥ 2, bagaimanakah nilai error dari pendekatan suatu persamaan
diferensiasi yang fungsinya termasuk fungsi polinomial orde ≥ 2?

Project VI
a. Tujuan
Menentukan nilai error dari masing- masing metode differensiasi numerik yang
berbeda.
b. Pseudocode
Pseudocode 7. Alur kode program perbandingan pendekatan beda maju, mundur dan tengah.
set x
Set f(x) i, i=0..n
for i=1 to n do
bd(x) i=[f(x) i- f(x) i-1]/∆x ---> backward difference
end for
for i=0 to n-1 do
fd(x) i=[f(x) i+1- f(x)i]/∆x ---> forward difference
end for
for i=1 to n-1 do
cd(x) i=[f(x) i+1- f(x) i-1]/2∆x ---> central difference
end for
plot bd(x) i, fd(x) i, cd(x) i, i=0..n
Di mana n jumlah data.
Dimisalkan terdapat deret data hasil pengamatan gerak bola kasti dalam t,
sumbu x dan sumbu y dengan ∆t=0.05 s adalah sebagai berikut:
t (s) 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45
x (m) 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90
y (m) 0.00 2.51 5.00 7.46 9.90 12.32 14.71 17.07 19.41 21.73
Gambar 6.1 Ilustrasi gerak bola kasti

Jika diplotkan berdasarkan letak posisi x dan y, akan didapatkan ilustrasi gerakan
bola sebagaimana Gambar 6.1. Untuk mengetahui kecepatan setiap t untuk arah y
(v y) implementasi kode program untuk pendekatan nilai kecepatan dengan metode
beda maju, beda mundur dan beda tengah adalah:

Kode program 13. Pendekatan deferensiasi orde satu dengan beda maju, mundur dan tengah
Matlab
fp=fopen('data.txt','w');
n=10;dt=0.05;
f=[0 2.49 4.9 7.16 9.2 10.94 12.3 13.21 13.6 13.39];
bd=[];fd=[];cd=[];
%inisialisasi awal
bd=f;fd=f;cd=f;
%backward difference
for i=2:n
bd(i)=(f(i)-f(i-1))/dt;
end
%forward difference
for i=1:n-1
fd(i)=(f(i+1)-f(i))/dt;
end
%central difference
for i=2:n-1
cd(i)=(f(i+1)-f(i-1))/(2*dt);
end
t=0;
fprintf(fp,'t BD FD CD\n');
for i=1:n
fprintf(fp,'%0.2f %2.7f %2.7f %2.7f\n',t,bd(i),fd(i),cd(i));
t=t+dt;
end
fclose(fp);
disp('Done..');
d. Tugas
1. Jalankan Kode program 13, atau buat kode program sesuai dengan kode
program yang anda kuasai berdasarkan Pseudocode 7 untuk mendapatkan
data-data seperti yang terdapat pada file “data.txt”!
2. Hitung secara analitik kecepatan arah sumbu y (v y) pada t=0.0, 0.05, 0.10,
0.15,.., 0.90!
3. Plot “data txt” dan bandingkan nilai kecepatan hasil pendekatan metode beda
maju, mundur dan tengah, manakah hasilnya yang sesuai dengan perhitungan
analitik?
4. Buatlah kode program (atau sesuai bahasa pemrogramanan yang anda
kuasai) untuk menghitung percepatan arah y (menggunakan persamaan 16)!
Buktikan percepatan tersebut adalah percepatan gravitasi!

PRACTICE VII
INTEGRASI NUMERIK
Teori
Selain bentuk diferensiasi, problem matematik yang sering ditemui dalam
fisika adalah problem integrasi. Untuk pendekatan secara numerik terdapat berbagai
metode seperti metode kotak, trapesium, Simpson dan Newton-Cotes. Namun di sini
akan dipelajari integrasi numerik dengan mengkhususkan pada metode trapesium.
Secara umum integrasi dapat merupakan luasan yang berada di bawah fungsi.
Oleh karena itu dengan metode trapesium dapat diilustrasikan ide integrasi
numeriknya sebagaimana Gambar 7.1.
Gambar 7.1 Metode trapesium
Sehingga solusi persamaan integrasi numeriknya adalah:
, f(x)<f(x+∆x) (17)
Proble m
Teknik untuk memperkecil nilai error untuk metode trapesium adalah dengan
memperkecil ∆x, semakin kecil ∆x, nilai error yang diharapkan akan semakin kecil.
Dalam matematik, untuk menghitung luas suatu lingkaran dan karena lingkaran
mempunyai jumlah sisi tak terhingga, nilai π hanya dapat dicari dengan pendekatan
numerik. Bagaimanakah pengaruh variasi ∆x terhadap nilai π?

Project VII
a. Tujuan
Menggunakan integrasi numerik untuk memprediksi nilai suatu konstanta.
b. Pseudocode
Pseudocode 8. Alur kode program metode trapesium
Set a,b,n
dx=(b-a)/n
x=a
f1=f(x)
sum=0
while x<=b do
x=x+dx
f2=f(x)
sum=sum+0.5dx(f1+f2)
f1=f2
end while
print sum
di mana n jumlah trapesium, semakin banyak jumlah trapesium semakin kecil ∆x-
nya
Kode program 14. Integrasi numerik dengan metode trapesium
Matlab
y=@(r,x)(sqrt(r*r-x*x));
r=5.0;n=1500;
a=0;b=r;
dx=(b-a)/n;
x=a;jum=0;
f1=y(r,x);
for i=1:n+1
x=x+dx;
f2=y(r,x);
jum=jum+0.5*dx*(f1+f2);
f1=f2;
end
disp(sprintf('n = %d',n));
disp(sprintf('dx = %.7f',dx));
disp(sprintf('Luas O = %.7f',(4*jum)));
disp(sprintf('Pi = %.7f',(4*jum)/(r*r)));
d. Tugas
1. Jalankan Kode program 14, atau buatlah kode program sendiri sesuai bahasa
pemrograman yang anda kuasai berdasarkan Pseudocode 8 yang di
modifikasi, untuk mendekati nilai π! Berapakah nilai π hasil pendekatan?
2. Analisa variasi ∆x terhadap pendekatan nilai π berdasarkan Kode program 14
atau berdasarkan kode program yang anda buat! Bandingkan dengan nilai π
dari literatur lain (mis. π = 3.142857142857143)?

6. Gunakan metode numerik lain selain metode trapesium untuk mendekati nilai
π! Bandingkan hasilnya?


PRACTICE VIII
INTERPOLASI
Teori
Secara garis besar, interpolasi adalah memprediksi nilai suatu titik berdasarkan
titik-titik terdekat yang sudah ada/diketahui nilainya. Salah satu contoh metode
interpolasi yang mudah adalah metode interpolasi bilinier, dimana idenya adalah
mengambil nilai pendekatan berdasarkan asumsi persamaan gradien terhadap 4 titik
terdekat yang sudah diketahui nilainya. Dengan syarat keempat titik tersebut berada
membentuk persegi dan nilai titik yang didekati berada dalam 4 titik tersebut.
Ilustrasi keberadaan titik tersebut sebagaimana Gambar 8.1.
u3 u4
y2
u(x,y)
y
u1 u2
y1
x1 x x2
Gambar 8.1 Posisi titik obyek pada interpolasi bilin ier
Persamaan interpolasi bilinier untuk mendekati nilai u di atas adalah
sebagaimana persamaan 18.
] (18)
dengan u1 , u2 , u3 , dan u4 yang sudah diketahui.

Proble m
Permasalahan fisis dan matematis seperti apa yang dapat atau cocok digunakan
interpolasi bilinier, karena dimungkinkan dengan asumsi titik dalam gradien yang
sama dapat memiliki nilai error pendekatan yang besar?

Project VIII
a. Tujuan
Menggunakan Interpolasi untuk mendekati suatu nilai berdasarkan dua sumbu
koordinat x dan y.
b. Tugas
Salah satu bentuk implementasi interpolasi Bilinier adalah digunakan untuk
mendekati nilai kecepatan suatu fluida pada suatu titik x dan y berdasarkan 4 titik
yang telah diketahui. Dimisalkan keempat titik tersebut adalah sebagaimana tabel
berikut:
x y u(x,y)
1 1 2.75
5 1 3.4
1 3 -1.0
5 3 2.2
1. Buatlah Pseudocode beserta Kode program sesuai bahasa pemrograman yang

Anda kuasai untuk mendekati nilai u(2.5,1.5) dengan metode interpolasi Bilinier?
2. Analisa hasil pendekatan kecepatan yang Anda peroleh soal no. 1 di atas?

SOAL UAP (Take home)

1. Simulasikan Gerak Jatuh Bebas suatu benda bermassa m, ke dalam grafik
hubungan h (ketinggian) dan t (waktu). Dari ketinggian awal h0 (yang dapat
diubah-ubah), dengan syarat ketinggian sebelum dan sesudah menumbuk lantai
sama (tumbukan lenting sempurna)! (6)
2. Hampir sama dengan soal no. 1, simulasikan gerak bandul sederhana dalam
grafik hubungan x (simpangan) dan t (waktu) dengan syarat gesekan udara
diabaikan (gunakan selain metode Verlet)! (6)
3. Buatlah pseudocode beserta kode program untuk menghitung dengan

pendekatan numerik dan n berupa pecahan desimal sembarang (tentukan sendiri)
dan bernilai negatif?
4. Sebuah mobil bergerak berubah beraturan dengan kecepatan v tercatat di
berbagai titik sepanjang jarak x sebagai berikut:
x (m) 0 4 8 12 16 20
v (m/s) 0 2 2.8 3.5 4 4.5

Tentukan percepatan mobil dengan menggunakan pendekatan numerik? (6)

5. Suatu gerak projectile diilustrasikan sebagaimana gambar di bawah ini:
di mana sumbu x menunjukkan
pergeseran arah mendatar,
sedangkan sumbu y menunjukkan
perubahan ketinggian (h).
Tentukan persamaan posisi
projectile sebagai fungsi dari x
(h(x)) dengan menggunakan
pendekatan numerik?
(2)
Ketentuan menge rjakan soal

Kerjakan dengan ketentuan setiap soal terdapat/meliputi:
1. Tinjauan soal/problem (persamaan/model matematis yang digunakan)
2. Penurunan numerik (Metode yang digunakan, diskritisasi model)
3. Pseudocode
4. Grafik, data hasil kompilasi dan Visualisasi (jika ada)
5. Hasil dan Analisa (pembandingan dengan hasil analitis)
6. Kode program
NB:
Penulisan 1, 2, 4 dan 5 jangan terlalu berbelit-belit.
Format bukan laporan, format resume biasa saja.

PUSTAKA
Landau R., et al. Computational Physics.. Problem Solving With Computers (Wiley,
1997)
Kincaid D., Cheney W. Numerical analysis (1991)
Conte, de Boor. Elementary numerical analysis, algorithmic approach
Anonymous. 2010. Interpolasi Bilinier. http://wikipedia.org.

Modul Praktikum Fisika Komputasi 1.6 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

Modul Praktikum Fisika Komputasi 1.6 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL PRAKTIKUM FISIKA KOMPUTASI

dengan contoh Bahasa Pemrograman Matlab

2 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 3

4 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

Sedangkan untuk perhitungan secara numerik, problem diferensiasi dapat diturunkan

dengan mengambil ∆x=0.1, didapatkan

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 5

bahasa pemrograman lain, sesuai dengan kemampuan masing- masing. Dengan

Untuk menampilkan “Hello World!”, yang merupakan statement standar

6 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

b. Read atau Input

Dalam praktikum ini, kebanyakan data yang digunakan sebagai variabel

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 7

Kondisi “~=” dalam contoh perulangan while di atas, berfungsi menunjukkan

8 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

Kode program 5. Akar fungsi

Metode numerik yang digunakan untuk mendekati nilai akar parsamaan

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 9

Kode program di atas digunakan untuk menghitung persamaan

10 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

Gambar 1.1 File data hasil perhitungan

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 11

Gambar 1.2 Tamp ilan user interface Mat lab 7.0.1

1.7. Plotting Data

1.7.1. Plotting GNUPLOT

Alamat „e:\data\master\lawas\tpw\data.txt‟ merupakan contoh alamat dari file

12 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

Gambar 1.3 Aplikasi GNUPLOT

Gambar 1.4 Contoh alamat file „data.t xt‟

Gambar 1.5 Tamp ilan hasil p lotting file „data.t xt‟

1.7.2. Plotting Microsoft Excel

Gambar 1.6 Kotak d ialog open „data.t xt‟

Gambar 1.7 Kotak d ialog Text Import W izard

14 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

Gambar 1.8 Kotak d ialog Text Import W izard

Gambar 1.9 Tamp ilan hasil open file „data.t xt‟

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 15

Gambar 1.10 Langkah-langkah plotting scatter

Gambar 1.11 Grafik hasil plotting „data.t xt‟

16 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 17

Fungsi matematika seperti perpangkatan dan factorial, sebenarnya telah

18 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 19

c. Implementasi Kode Program

Untuk menghitung factorial, pada program Matlab, dapat langsung

20 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

Gambar 3.1 Metode setengah selisih

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 21

Gambar 3.2 Metode setengah selisih

22 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

Pseudocode 4. Alur kode program pencarian akar dengan metode Secant

c. Implementasi Kode program

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 23

24 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

Gambar 4.1 Operasi arit mat ika matriks m x n

Modifikasi/eliminasi dilakukan pada matrik c ini yang ditujukan untuk

Mengacu pada baris pertama:

JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010 25

Dilanjutkan pada baris kedua:

26 JURUSAN FISIKA UNIVERSITAS BRAWIJAYA MALANG 2010

Set matriks a,b