Metode Numerik Lengkap Endick PDF

Metode Numerik (Endi F. ; 310800073) P.
MTK STKIP-PGRI Pontianak

BAB I
PENDAHULUAN
1. Alasan Menggunakan Metode Numerik

Tidak semua permasalahan matematis atau perhitungan dapat diselesaikan dengan mudah.
Bahkan dalam prinsip matematik, dalam memandang permasalahan yang terlebih dahulu
diperhatikan apakah permasalahan tersebut mempunyai penyelesaian atau tidak. Hal ini
menjelaskan bahwa tidak semua permasalahan dapat diselesaikan dengan menggunakan
perhitungan biasa. Sebagai contoh perhatikan integral berikut ini.
L=01sin (x)x dx
Integral di atas terlihat tidak terlalu panjang, tetapi untuk menyelesaikan integral tersebut bukan
permasalahan yang mudah bahkan dapat dikatakan tidak mungkin. Tetapi bukan berarti integral
tersebut tidak mempunyai penyelesaian, hanya saja menyelesaikan integral semacam itu sangat
sulit dan kalaupun bisa memerlukan pengetahuan matematis yang tinggi dan waktu yang cukup
lama. Padahal integral di atas adalah bentuk integral yang banyak digunakan dalam bidang
teknik, khususnya pada analisa sinyal yang melibatkan sinyal frekwensi, filtering dan optimasi
pola radiasi.
Kurva y=sin(x)
Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Metode Numerik (Endi F. ; 310800073) P.MTK STKIP-PGRI Pontianak
2. Prinsip-prinsip Metode Numerik

Seperti telah dibahas di atas, metode numerik digunakan untuk menyelesaikan persoalan
dimana perhitungan secara analitik tidak dapat digunakan. Metode numerik ini berangkat dari
pemikiran bahwa permasalahan dapat diselesaikan dengan menggunakan pendekatan-
pendekatan yang dapat dipertanggung-jawabkan secara analitik. Metode numerik ini disajikan
dalam bentuk algoritma-algoritma yang dapat dihitung secara cepat dan mudah.
Pendekatan yang digunakan dalam metode numerik merupakan pendekatan analisis matematis.
Sehingga dasar pemikirannya tidak keluar jauh dari dasar pemikiran analitis, hanya saja
pemakaian grafis dan teknik perhitungan yang mudah merupakan pertimbangan dalam
pemakaian metode numerik. Mengingat bahwa algoritma yang dikembangkan dalam metode
numerik adalah algoritma pendekatan maka dalam algoritma tersebut akan muncul istilah
iterasi yaitu pengulangan proses perhitungan. Dengan kata lain perhitungan dalam metode
numerik adalah perhitungan yang dilakukan secara berulang-ulang untuk terus-menerus
diperoleh hasil yang main mendekati nilai penyelesaian exact. Perhatikan salah bentuk formulasi
dalam metode numerik adalah:
χn=χn-1+δχn-1
Terlihat bahwa hasil iterasi ke n adalah hasil iterasi ke n-1 (sebelumnya) dengan ditambah δχn-
1 yang merupakan nilai perbaikan. Sehingga dapat dikatakan bahwa semakain banyak iterasi
yang digunakan, maka nilainya semakin mendekati nilai exact atau semakin baik hasil yang
diperoleh.
Dengan menggunakan metode pendekatan semacam ini, tentukan setiap nilai hasil perhitungan
akan mempunyai nilai error (nilai kesalahan). Dalam analisa metode numerik, kesalahan ini
menjadi penting artinya. Karena kesalahan dalam pemakaian algoritma pendekatan akan
menyebabkan nilai kesalahan yang besar, tentunya ini tidak diharapkan. Sehingga pendekatan
metode analitik selalu membahas tingkat kesalahan dan tingkat kecepatan proses yang akan
terjadi.

BAB II
SISTEM BILANGAN DAN KESALAHAN
2.1 Penyajian Bilangan Bulat

Bilangan bulat yang sering digunakan adalah bilangan bulat dalam sistem bilangan
desimal yang didefinisikan :
N=(anan-1an-2….a0)
=anan+an-110n-1+an-110n-2+…+a0100
Algoritma 2.1.
Bila diketahui koefisien-koefisien a1,a2,a3,….an dari polinom
px=anan+an-110n-1+an-110n-2+…+a0100
Dan suatu bilangan β. Maka dapat dihitung bn,bn-1,..,b0 dari β sebagai berikut :
bn=an
bn-1=an-1+bnβ
bn-2=an-2+bn-1β
………………………
b0=a0+b1β
Algoritma ini banyak digunakan untuk menghitung konversi bilangan secara cepat, karena
dalam algoritma ini tidak terdapat pemakaian pangkat yang membuat kesalahan numerik
menjadi lebih besar.
Contoh:
2673=2.103+6.102+7.101+3.100
Contoh:
Bilangan biner (1101)2 dapat dihitung dengan :
b3=1
b2=b3+a3β=1+1.2=3
b1=b2+a2β=0+3.2=6
b0=1+a3β=1+6.2=13
Jadi (1101)2=13

3.
Contoh:
Bilangan Oktal (721)8 dapat dihitung dengan :
b2=7
b1=2+7.8=58
b0=1+58.8=465
Jadi, (721)8=465
Contoh:
187=18710=1.102+8.101+7.100
=12(1010)22+(1000)2(1010)21+(111)2
Dengan algoritma di atas :
b2=(1)2
b1=(1000)2+(1)2(1010)2=(1000)2+(1010)2=(10010)2
b0=(111)2+(10010)2(1010)2=(111)2+(10110100)2=(10111011)2
Jadi, 187=(10111011)2
2.2 Penyajian Bilangan Pecahan
Bilangan pecahan x antara 0 s/d 1 dalam system bilangan decimal didefinisikan :
x=a1a2a3…an= a110-1+a210-2+a310-3+…+an10-n
Bilangan pecahan x secara umum dalam system bilangan dengan bilangan dasar k
didefinisikan:
(a1a2a3……an)k=i=1naik-i
Contoh:
0,625 = 6.10-1 + 2.10-2 + 5.10-3
Contoh:
(0,101)2= 1.2-1 + 0.2-2 + 1.2-3
= 0,5 + 0,125
= 0,625
A. Angka Penting / Angka Signifikan

Nilai Signifikan adalah Suatu nilai dimana jumlah angka ditentukan sebagai batas nilai
tersebut diterima atau tidak.
Angka Signifikan terdiri dari digit 1,2 3,4,5,6,7,8,9 dan 0, untuk 0 (nol) tidak termasuk
angka signifikan jika digunakan untuk menentukan titik decimal atau untuk mengisi
tempat-tempat dari digit yang tidak diketahui/dibuang.
Contoh:
0,00144 (3 angka signifikan)
0,0010408 (5 angka signifikan)
1,260 x 104 (4 angka signifikan)
1,2600 x 104 (5 angka signifikan)
Implikasi penting angka signifikan dalam metode numerik:
– Angka signifikan akan memberikan kriteria untuk merinci seberapa keyakinan kita
mengenai hasil-hasil pendekatan dalam metode numerik
– Angka signifikan memberikan pengabaian dari angka signifikan sisa untuk besaran
spesifik yang tidak bisa dinyatakan secara eksak karena keterbatasan jumlah digit
yang mampu disimpan komputer.
A. Akurasi, Presisi dan Inakurasi
Akurasi menyatakan seberapa dekat nilai hasil pengukuran dengan nilai sebenarnya
(true value) atau nilai yang dianggap benar (accepted value). Jika tidak ada data bila
sebenarnya atau nilai yang dianggap benar tersebut maka tidak mungkin untuk
menentukan berapa akurasi pengukuran tersebut.
Presisi menyatakan seberapa dekat nilai hasil dua kali atau lebih pengulangan
pengukuran. Semakin dekat nilai – nilai hasil pengulangan pengukuran maka semakin
presisi pengukuran tersebut.
Inakurasi menyatakan simpangan sistematis dari kebenaran. Inakurasi dalam
komputasi adalah selalu melakukan kesalahan hitungan yang sama. Dalam arti ini,
inakurasi merupakan lawan dari akurasi.

a. Akurat dan Presisi

b. Presisi tapi tidak akurat
c. Sebenarnya akurat
tapi tidak presisi
d. Tidak akurat dan tidak
presisi
A. Pendekatan Dan Kesalahan
Kesalahan dalam metode numerik meliputi :
1. Kesalahan Bawaan (Inheren Error)
Kesalahan/galat bawaan Terjadi akibat kekeliruan dalam menyalin data, salah
membaca skala atau kesalahan karena kurangnya pengertian mengenai hukum –
hukum fisik dari data yang diukur.
2. Kesalahan Pemotongan (Trunction Error)
Kesalahan Pemotongan adalah kesalahan yang dihasilkan dari penggunaan suatu
aproksimasi pengganti prosedur matematika eksak suatu kesalahan pemotongan
dimasukkan ke dalam solusi numerik karena kesamaan differensial hanya melakukan
aproksimasi harga turunan sebenarnya. Agar memperkuat pengertian terhadap
perilaku kesalahan semacam ini, sekarang kita kembali pada suatu rumus matematika
yang secara luas telah digunakan dalam metode numerik untuk menyatakan fungsi-
fungsi dalam suatu bentuk pendekatan yaitu Deret taylor.

3. Kesalahan Pembulatan (Round Of Error)
Kesalahan pembulatan adalah kesalahan yang Terjadi karena tidak diperhitungkannya
beberapa angka terakhir dari suatu bilangan.
Contoh :
8632574 dibulatkan menjadi 8633000
3,1415926 dibulatkan menjadi 3,14

BAB III
PENYELESAIAN PERSAMAAN NON LINIER
3.1 Permasalahan Masalah Non Linier

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.
Gambar 3.1 Penyelesaian Persamaan Non Linier
Jika penyelesaian persamaan linier mx + c = 0 dimana m dan c adalah konstanta, dapat

dihitung dengan : mx + c = 0 , x= - cm
Penyelesaian persamaan kuadrat ax2+bx+c=0 dapat dihitung dengan menggunakan
rumus ABC.
x1,2=-b±b2-4ac2a
Beberapa persamaan polynomial yang sederhana dapat diselesaikan theorem sisa. Sehingga
tidak memerlukan metode numerik dalam menyelesaikannya, karena metode analitik dapat
dilakukan.Tetapi bagaimana menyelesaikan persamaan

xe-x=0
Tampaknya sederhana, tetapi untuk menyelesaikan persamaan non linier merupakan metode
pencarian akar secara berulang-ulang.
Theorema 1
Suatu range x=[a,b] mempunyai akar bila f(a) dan f(b) berlawanan tanda atau memenuhi
f(a).f(b)<0
Teorema di atas dapat dijelaskan dengan grafik-grafik sebagai berikut:
A. Penyelesaian Persamaan linear secara sederhana

Secara sederhana, untuk menyelesaikan persamaan non linier dapat dilakukan
dengan menggunakan metode tabel atau pembagian area. Dimana untuk = [a,b] , atau x di
antara a dan b dibagi sebanyak N bagian dan pada masing-masing bagian dihitung nilai
f(x) sehingga diperoleh tabel :
Dari tabel ini, bila ditemukan f(xk) =0 atau mendekati nol maka dikatakan bahwa
xk adalah penyelesaian persamaan f(xk) =0. Bila tidak ada f(xk) yang sama dengan nol,
maka dicari nilai f(xk) dan f(xk+1) yang berlawanan tanda, bila 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 ].
Secara grafis, metode table ini dapat dijelaskan untuk x = [a, b] , fungsi f(x) dibagi menjadi
N bagian seperti gambar berikut :
Gambar di atas menjelaskan bahwa penyelesaian diperoleh dengan membagi x = [a,b ]
sebanyak-banyaknya hingga diperoleh suatu garis yang melalui akar persamaan dan nilai x
dari garis tersebut adalah penyelesaian dari persamaan F(x) = 0.
Contoh :
Selesaikan persamaan xe-x +1 = 0. Dengan range = [-1,0] .
Penyelesaiaan :
menaksir range yang tepat, dengan cara menggambarkan.

Gambar di atas menjelaskan bahwa penyelesaian diperoleh dengan membagi x = [a,b]

sebanyak-banyaknya hingga diperoleh suatu garis yang melalui akar persamaan dan nilai x dari
garis tersebut adalah penyelesaian dari persamaan F(x) = 0.
Dari tabel tersebut dapat dikatakan bahwa akar persamaan berada antara –0,57 dan
–0,56, atau dengan menggunakan selisih terkecil maka dapat dikatakan bahwa akar
persamaan terletak di x = -0,57 dengan F(x) = -0,00791.
Metode table ini secara umum sulit mendapatkan penyelesaian dengan error yang
kecil, karena itu metode ini tidak digunakan dalam penyelesaian persamaan non linier,
Tetapi metode ini digunakan sebagai taksiran awal mengetahui area penyelesaian yang
benar sebelum menggunakan metode yang lebih baik dalam menentukan penyelesaian.

Algoritma Metode Tabel :

1. Defisikan fungsi f(x)
2. Tentukan range untuk x yang berupa batas bawah xbawah dan batas atas xatas.
3. Tentukan jumlah pembagian N
4. Hitung step pembagi h
H=Xatas-XbawahN
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+1adalah penyelesaian atau dapat dikatakan penyelesaian
berada di antara xk dan xk+1.

A. Metode Biseksi.
Ide awal metode ini adalah metode tabel, 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.
Gambar 3.4 Metode Biseksi
Untuk menggunakan metode biseksi, terlebih dahulu ditentukan batas bawah (a) dan batas
atas (b).Kemudian dihitung nilai tengah :
x=a+b2
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.
Contoh :
Selesaikan persamaan xe-x +1 = 0. Dengan range x = [-1,0] .
Penyelesaian :
Maka,

Dimana x=a+b2
Pada iterasi ke 10 diperoleh x = -0.56738 dan f(x) = -0.00066
Untuk menghentikan iterasi, dapat dilakukan dengan menggunakan toleransi error atau
iterasi maksimum.
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 x=a+b2
(7) Hitung f(x)
(8) Bila f(x).f(a)<0 maka b=x dan f(b)=f(x), bila tidak a=x dan
f(a)=f(x)
(9) Jika |(b-a)/2|<e atau iterasi > iterasi maksimum maka proses dihentikan dan
didapatkan akar = x, dan bila tidak, ulangi langkah 6.
B. Metode Regula falsi
Metode regula falsi adalah metode pencarian akar persamaan dengan memanfaatkan
kemiringan dan selisih tinggi dari dua titik batas range. Seperti halnya metode biseksi,
metode ini bekerja secara iterasi dengan melakukan update range. Titik pendekatan yang
digunakan oleh metode regula-falsi adalah :
x=fb.a-fa.bfb-f(a)
Dengan kata lain titik pendekatan x adalah nilai rata-rata range berdasarkan F(x).
Metode regula falsi secara grafis digambarkan sebagai berikut :

Gambar 3.5 Metode Regula Falsi
Contoh :
Selesaikan persamaan xe-x +1 = 0. Dengan range x = [-1,0], melalui metode
Regula Falsi.
• Akar persamaan diperoleh di x=-0.56741 dengan kesalahan =0,00074
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 n atau error > e
x =Fb.a-Fa.bFb-Fa
– Hitung Fx = f(x)
– Hitung error = Fx
– Jika Fx.Fa <0 maka b = x dan Fb = Fx jika tidak a = x dan Fa = Fx.
1. Akar persamaan adalah x.
A. Metode Iterasi Sederhana

Metode iterasi sederhana adalah metode yang memisahkan x dengan sebagian x
yang lain sehingga diperoleh : x = g(x). Sebagai contoh untuk menyelesaikan persamaan x
– ex = 0 maka persamaan di ubah menjadi : x = ex atau g(x) = ex.
g(x) inilah yang menjadi dasar iterasi pada metode iterasi sederhana ini. Metode iterasi
sederhana secara grafis dapat dijelaskan sebagai berikut :
Contoh 3. 5:
Selesaikan x +ex = 0, maka persamaan diubah menjadi x = -ex atau g(x) = -ex
Penyelesaian :
Ambil titik awal di x0 = -1 , maka
Iterasi 1 : x = -e -1 = -0.3679 F(x) = 0,3243
Iterasi 2 : x = -e -0,3679 = -0,6922 F(x) = -0,19173
Iterasi 3 : x = -e -0,6922 = -0,50047 F(x) = 0,10577
Iterasi 4 : x = -e-0,50047 = -0,60624 F(x) = -0,06085
Iterasi 5 = x = -e -0,60624 = -0,5454 F(x) = 0,034217
Pada iterasi ke 10 diperoleh x = -0,56843 dan F(x) = 0,034217.
Algoritma Metode Iterasi Sederhana
1. Definisikan F(x) dan g(x)
3. Tentukan pendekatan awal x[0]
4. Untuk iterasi = 1 s/d n atau F(x [iterasi ] ) ≥ e
• Xi = g(xi-1)
• Hitung F(xi)
1. Akar adalah x terakhir yang diperoleh.
A. Metode Newton Raphson

Metode newton raphson adalah metode pendekatan yang menggunakan satu

titik awal dan mendekatinya dengan memperhatikan slope atau gradien pada titik tersebut.
Titik pendekatan ke n+1 dituliskan dengan :
xn+1=xn+f(xn)f1(xn)
Metode newton raphson dapat digambarkan sebagai berikut :
Contoh :
Selesaikan persamaan x - e-x = 0 dengan titik pendekatan awal x0
f(x) = x - e-x f’(x)=1+e-x
f(x0) = 0 - e-0 = -1
f1(x0) = 1 + e-0 = 2
x1=x0+f(x0)f1(x0)=0--12=0,5
f(x1) = -0,106631 dan f1(x1) = 1,60653
x2=x1+f(x1)f1(x1)=0,5--0,1065311,60653=0,566311
f(x2) = -0,00130451 dan f1(x2) = 1,56762
x3=x2+f(x2)f1(x2)=0,56631-0,001304511,56762=0,567143
f(x3) = -2,95.10-7. Suatu bilangan yang sangat kecil.
Sehingga akar persamaan x = 0,567143.
Algoritma Metode Newton Raphson

1. Definisikan fungsi f(x) dan f1(x)
3. Tentukan nilai pendekatan awal x0
4. Hitung f(x0) dan f1(x0)
5. Untuk iterasi I = 1 s/d n atau |f(xi)| ≥ e

xn+1=xn+f(xn)f1(xn)
Hitung f(xi) dan f1(xi)
6. Akar persamaan adalah nilai xi yang terakhir diperoleh.
A. Metode Secant
Metode Newton Raphson memerlukan perhitungan turunan fungsi f’(x). Tidak semua
fungsi mudah dicari turunannya terutama fungsi yang bentuknya rumit. Turunan fungsi
dapat dihilangkan dengan cara menggantinya dengan bentuk lain yang ekivalen . Modifikasi
metode Newton Raphson dinamakan metode Secant.
Metode secant merupakan perbaikan dari metode regula falsi dan newton raphson
dimana kemiringan dua titik dinyatakan secara diskrit, dengan mengambil bentuk garis lurus
yang melalui satu titik.
Dengan menggunakan metode secant ini diperlukan dua titik pendekatan x0 dan x1.
Kedua titik ini diambil pada titik-titik yang dekat agar konvergensinya dapat dijamin.
xi − xi −1
xi +1 = xi − yi
Contoh : yi − yi−1
Selesaikan persamaan : x2–(x + 1) e-x = 0 , untuk range [0,1]
Dari gambar di atas dapat dilihat bahwa akar terletak pada range x = [0.8,0.9], maka ambil x0
= 0,8 dan x1 = 0,9 maka dapat dihitung y0 = F(x0) = -0,16879
y1 = F(x1) = 0,037518

Iterasi Metode Secant adalah sebagai berikut :
Iterasi 1 : x2=x1-y1x1-x0y1-y0=0.881815
y2=0,00153
Iterasi 2 : x3=x2-y2x2-x1y2-y1=0.882528
y3=0,00153
Iterasi 3 : x4=x3-y3x3-x2y3-y2=0.882534
y4=4,91.e-9
Diperoleh akar x = 0,882534
Algoritma Metode Secant :
• Definisikan fungsi F(x)
• Definisikan torelansi error (e) dan iterasi maksimum (n)
• Masukkan dua nilai pendekatan awal yang di antaranya terdapat akar yaitu x0 dan x1,
sebaiknya gunakan metode tabel atau grafis untuk menjamin titik pendakatannya adalah
titik pendekatan yang konvergensinya pada akar persamaan yang diharapkan.
• Hitung F(x0) dan F(x1) sebagai y0 dan y1
• Untuk iterasi I = 1 s/d n atau |F(xi)|> e
xi − xi −1
xi +1 = xi − yi
yi − yi −1
hitung yi+1 = F(xi+1)

BAB 4
PERSAMAAN LINIER SIMULTAN
Persamaam linier simultan adalah suatu bentuk persamaan-persamaan yang secara
persama-sama menyajikan banyak variabel bebas bentuk persamaan simultan dengan m
persamaan dan n variabel bebas dapat di tuliskan sebagai metode iterasi gauss-seidle
Metode iterasi Gauss-Seidel adalah metode yang menggunakan proses iterasi hingga di
peroleh nilai-nilai yang berubah. Bila diketahuipersamaan linear simultan :
a11 x1 + a12 x2 + a13 x3+ …+ a1n xn = b1
a21 x1 + a22 x2 + a23 x3+ …+ a2n xn = b2
a31 x1 + a32 x2 + a33 x3+ …+ a3n xn = b3
… … + … … + a33 x3+ …+ a3n xn = b3
an1x1+ an2 x2+ an3 x3+ …+ ann xn = bn
Berikan nilai awal dari setiap xi (I = 1 s/d n) kemudian persamaan linier simultan diatas
dituliskan menjadi :
xi= 1a11 (b1- a12x2- a13x3-…- a1n xn )
x2= 1a22 b2- a21 x1 - a23 x3- …- a2n xn
…………………………………………………………….
xn= 1ann bn- an1x1-an2 x2- …- ann-1xn-1
Dengan menghitung nilai-nilai xi (I = 1 s/d n) menggunakan persamaan-persamaan di
atas secara teru-menerus hingga nilai untuk setiap xi (I = 1 s/d n) sudah lama dengan nilai x i pada
iterasi sebelumnya maka diperoleh penyelesaian dari persamaan linear simultan tersebut. Atau
dengan kata lain proses iterasi dihentikan bila selisih nilai xi (I = 1 s/d n) dengan nilai xi pada
iterasi sebelumnya kurang dari nilai toleransi error yang ditentukan.
Catatan:
Hati-hati dalam menyusun system persamaan linear ketika menggunakan metode iterasi Gauss-
Seidel ini. Perhatikan setiap koefisien dari masing-masing xi pada semua persamaan di diagonal
utama (aii). Letakkan nilai-nilai terbesar dari koefisien untuk setiap xi pada diagonal utama.
Masalah ini adalah masalah “masalah pivoting” yang harus benar-benar diperhatikan. Karena
penyusunan yang salah akan menyebabkan iterasi menjadi divergen dan tidak diperoleh hasil
yang benar.

Contoh :
Selesaikan persamaan linear :
x1 + x2 = 5
2x1 + 4x2 = 14
Jawab :
Berikan nilai awal : x1 = 0 dan x2 = 0. Susun persamaan menjadi
x1 = 5 – x2
x2 = 14 14- 2x1
x1=5-0=5
Iterasi 1 :
x2= 14 14-2.5=1
x1=5-1=4
Iterasi 2 :
x2= 14 14-2.4= 32
x1=5- 32= 72
Iterasi 3:
x2= 14 14-2. 72= 74
x1=5- 74= 134
Iterasi 4 :
x2= 14 14-2.134= 158
x1=5- 158= 255
Iterasi 5 :
x2= 14 14-2.258= 3116
x1=5- 3116= 4916
Iterasi 6 :
x2= 14 14-2.4916= 6332
x1=5- 6332= 9732
Itersai 7 :
x2= 14 14-2.9732= 12764

Nilai iterasi ke-7 sudah tidak berbeda jauh dengan nilai iterasi ke-6 maka proses dihentikan dan
diperoleh penyelesaian :
x1=9732 dan x2= 12764
Algoritma Metode Iterasi Gauss-Seidel adalah sebagai berikut :

1) Masukkan matrik A, dan vektor B beserta ukurannya n
2) Tentukan batas maksimum iterasi max_iter
3) Tentukan toleransi error ε
4) Tentukan nilai awal dari xi, untuk I = 1 s/d n
5) Simpan xi dalam si, untuk I = 1 s/d n
6) Untuk I = 1 s/d n hitung :
xi= 1ai,i bi- ai,jxj
ei = xi- si
7) Iterasi ← iterasi + 1
8) Bila iterasi lebih dari max_iter atau tidak terdapat ei<ε untuk I = 1 s/d n maka proses
dihentikan dari penyelesaiannya adalah xi untuk I = 1 s/d n. Bila tidak maka ulangi
langkah 5
Contoh Penyelesaian Permasalahan Persamaan Linear Simultan

Contoh kasus 1:
Permasalahan penentuan produk berdasarkan persediaan bahan
Mr.X membuat 2 macam boneka A dan B. Boneka A memerlukan bahan 10 blok
B1 dan 2 blok B2, sedangkan boneka B memerlukan bahan 5 blok B1 dan 6 blok B2.
Berapa jumlah boneka yang dapat dihasilkan bila tersedia 80 blok bahan B1 dan 36 blok
bahan B2.
Model system persamaan linear :
Variabel yang dicari adalah jumlah boneka, anggap :
x1 adalah jumlah boneka A
x2 adalah jumlah boneka B
Perhatikan dari pemakaian bahan :

B1 : 10 bahan untuk boneka A + 5 bahan untuk boneka B = 80
B2 : 2 bahan untuk boneka A + 6 bahan untuk boneka B = 36
Diperoleh model sistem persamaan linear
10 x 1+ 5 x2=80
2 x1+ 6 x2=36

Penyelesaian dengan menggunakan metode eliminasi Gauss-Jordan adalah sebagai

berikut :
Augmented matrik
10 5 80
2 6 36
B1 <-- B1/10
1 0,5 8
2 6 36
B2 <-- B2 – 2 B1
1 0,5 8
0 5 20
B2 <-- B2/5
1 0,5 8
0 1 4
B1<-- B1 – 0,5 B2
1 0 6
0 1 4
Diperoleh x1 = 6 dan x2 = 4, artinya bahan yang tersedia dapat dibuat 6 boneka A dan 4
boneka B.
Contoh kasus 2:
Penghalusan Kurva Dengan Fungsi Pendekatan Polinomial

Perhatikan potongan peta yang sudah diperbesar (zoom) sebagai berikut :
Sebagai contoh perhatikan permasalahan berikut :
Perhatikan bahwa pada ke-4 titik tersebut dihubungkan dengan garis lurus, sehingga
tampak kasar. Untuk menghaluskannya dilakukan pendekatan garis dengan kurva yang
dibentuk dengan fungsi pendekatan polynomial. Dari fungsi yang dihasilkan kurva dapat
digambarkan dengan lebih halus.
Misalkan pada contoh diatas, 4 titik yang ditunjuk adalah (2,3), (7,6), (8,14), dan (12,10).
4 titik ini dapat didekati dengan fungsi polinom pangkat 3 yaitu :
y= ax3+ bx2+ cx+d
Bila nilai x dan y dari 4 titik dimasukkan kedalam persamaan diatas akan diperoleh
model persamaan simultan sebagai berikut :
Titik 1 → 3 = 8a + 4b + 2c + d
Titik 2 → 6 = 343a + 49b + 7c + d
Titik 3 → 14 = 512a + 64b + 8c + d
Titik 4 → 10 = 1728a + 144b + 12c + d
Dengan menggunakan metode eliminasi Gauss-Jordan diperoleh :
Augmented matrik
8 4 2 1 3
343 49 7 1 6
512 64 8 1 14
1728 144 12 1 10
1 0,5 0,25 0,125 0.375

B1 = B1/8 ---
0 -122,5 -78,75 -41,88 -122,6
B2=B2-343B1
0 -192 -120 -63 -178
B3=B3-512B1
0 -720 -420 -215 -638
B4=B4-1728B1
B2=B2/(-122,5) --- 1 0 -0,071 -0,046 -0,126
B1=B1-0,5B2 0 1 0,6429 0,3418 1,001
B3=B3+192B2 0 0 3,4286 2,6327 14,196
B4=B4+720B2 0 0 42,857 31,122 82,735
B3=B3/3,4286 --- 1 0 0 0,0089 0,1702

B1=B1+0,071 B3 0 1 0 -0,152 -1,661
B2=B2-0,6429 B2 0 0 1 0,7679 4,1405
B4=B4-42,857 B3 0 0 0 -1,786 -94,71
B4=B4/(-1,786) --- 1 0 0 0 -0,303

B1=B1-0,0089B4 0 1 0 0 6,39
B2=B2+0,152B4 0 0 1 0 -36,59
B3=B3+0,7679B4 0 0 0 1 53,04

Dengan demikian diperoleh :

a = -0,303
b = 6,39
c = -36,59
d = 53,04
dan persamaan polynomial yang diperoleh :
y = -0,303 x3 + 6,39 x2 -36,59 x +53,04
Hasil penghalusan kurva adalah sebagai berikut :
Hasilnya memang belum tampak bagus, kali ini disebabkan pengambilan titiknya yang
terlalu jauh dan tingkat polynomial yang belum memenuhi syarat terbaiknya. Hanya saja
kurva tersebut benar-benar melewati 4 titik yang ditentukan.

BAB 5
DIFERENSIASI NUMERIK
A. Permasalahan Differensiasi Numerik
Salah satu perhitungan kalkulus yang banyak digunakan adalah differensial, dimana
differensial ini banyak digunakan untuk keperluan perhitungan geometrik. Dan perhitungan-
perhitungan yang berhubungan dengan perubahan nilai per-satuan waktu atau jarak. Secara
kalkulus, differensial didefinisikan sebagai perbandingan perubahan tinggi (selisih tinggi)
dan perubahan jarak, dan dituliskan dengan :
dydx = limα→0ΔyΔx
Hampir semua fungsi kontinu dapat dihitung nilai differensialnya secara mudah,
sehingga dapat dikatakan metode numerik dianggap tidak perlu digunakan untuk keperluan
perhitungan differensial ini. Masalahnya seiring dengan perkembangannya pemakaian
komputer sebagai alat hitung dan pada banyak permasalahan differensial adalah salah satu
bagian dari penyelesaian, sebagai contoh pada pemakaian komputer, permasalahan
diferensial merupakan salah satu bagian dari penyelesaian.
Contoh lainnya adalah penentuan titik puncak kurva y = f(x) yang dinamakan titik
maksimal dan titik minimal, juga memerlukan titik differensial sebagai syarat apakah titik
tersebut sebagai titik puncak. Hampir semua fungsi kontinu dapat dihitung nilai
differensialnya secara mudah, sehingga dapat dikatakan metode numerik dianggap tidak
perlu digunakan untuk keperluan perhitungan differensial ini. Masalahnya seiring dengan
perkembangannya pemakaian komputer sebagai alat hitung dan pada banyak permasalahan
differensial adalah salah satu bagian dari penyelesaian, sebagai contoh metode newton
raphson memerlukan differensial sebagai pembagi nilai perbaikan errornya, sehingga
metode newton raphson ini hanya bisa dilakukan bila nilai differensialnya bisa dihitung.
Pada beberapa permasalahan, nilai differensial dapat dihitung secara manual.
Misalkan diketahui f(x) = xe-x+ cos x maka differensialnya adalah f'(x) = (1- x)e-x -sin x.
Tetapi pada permasalahan lain nilai fungsi sulit diselesaikan secara manual. Terutama jika
fungsinya hanya diketahui berupa nilai atau grafis. Misalkan menghitung puncak distribusi
data yang berupa distribusi Poisson.
f(x) = e-mmxx!
Menghitung differensial ini tidak mudah, disinilah metode numerik dapat digunakan.
Hubungan antara nilai fungsi dan perubahan fungsi untuk setiap titiknya didefinisikan
dengan:
y = f(x) +f' (x).h(x)
dan f' (x) didefinisikan dengan :

f'(x) = limh→0fx+h-f(x)h
Dari formulasi ini dapat diturunkan beberapa metode differensiasi numerik, antara lain :
*. Metode Selisih Maju
*. Metode selisih Mundur
*. Metode Selisih Tengahan
B. Metode Selisih Maju
Metode selisih maju merupakan metode yang mengadopsi secara langsung definisi
differensial, dan dituliskan :
f'(x) ≈ fx+h-
f(x)h
Pengambilan h diharapkan pada nilai yang kecil agar errornya kecil, karena metode ini
mempunyai error sebesar :
E(f) = -12hf''(x)
Contoh:
Hitung differensial f(x)= e-x sin (2x)+1 dari range x = [0,1] dengan h= 0.05
Jawab:
x f(x) f(x+h) f'(x) f(x-h) f''(x) error

0.89504 0.09987
0 1 1.094964 21.9924 8 -3.995 5
1.09496 - 0.10205
0.1 1.179763 1.254357 21.54891 4 4.08232 8
1.25435 -
0.2 1.318829 1.373377 21.12127 7 3.96958 0.09924
1.37337 - 0.09245
0.3 1.418297 1.453973 20.72638 7 3.69814 3
1.45397 - 0.08272
0.4 1.480858 1.499471 20.37575 3 3.30901 5
1.49947 - 0.07102
0.5 1.510378 1.514182 20.07622 1 2.84108 7
1.51418 - 0.05824
0.6 1.511514 1.503021 19.83087 2 2.32976 4
1.50302 -
0.7 1.48936 1.471183 19.63975 1 1.80598 0.04515
1.47118 - 0.03239
0.8 1.449137 1.423852 19.50064 3 1.29565 1
1.42385 - 0.02048
0.9 1.395937 1.365973 19.40961 2 0.81936 4
1 1.334512 1.30207 19.36157 1.36597 - 0.00981

3 0.39242 1
C. Metode Selisih Mundur

Metode selisih mundur dengan nilai x di x0 dan x - h, dengan nilai dua titik: (x-1,f-1)
dan (x0,f0), maka f'(x0)
f'(x)≈fx-f(x-h)h
Atau f'(x)≈f0-f-1h
Pengambilan h diharapkan pada nilai yang kecil errornya kecil. Error metode selisih mundur
sebesar:
Ef=-12hf''(x)
Contoh:
Hitung differensial f(x)= e-x sin (2x)+1 dari range x = [0,1] dengan h = 0.05
Jawab:
1.0949 1.8992 0.8950 0.0998
0 1 64 9 48 -3.995 75
-
1.1797 1.2543 1.4918 1.0949 4.0823 0.1020
0.1 63 57 63 64 2 58
-
1.3188 1.3733 1.0909 1.2543 3.9695 0.0992
0.2 29 77 64 57 8 4
-
1.4182 1.4539 0.7135 1.3733 3.6981 0.0924
0.3 97 73 02 77 4 53
-
1.4808 1.4994 0.3722 1.4539 3.3090 0.0827
0.4 58 71 62 73 1 25
-
1.5103 1.5141 0.0760 1.4994 2.8410 0.0710
0.5 78 82 79 71 8 27
- -
1.5115 1.5030 0.1698 1.5141 2.3297 0.0582
0.6 14 21 5 82 6 44
- -
1.4893 1.4711 0.3635 1.5030 1.8059 0.0451
0.7 6 83 3 21 8 5
0.8 1.4491 1.4238 -0.5057 1.4711 - 0.0323
37 52 83 1.2956 91

5
- -
1.3959 1.3659 0.5992 1.4238 0.8193 0.0204
0.9 37 73 8 52 6 84
- -
1.3345 1.3020 0.6488 1.3659 0.3924 0.0098
1 12 7 5 73 2 11
D. Metode Selisih Tengahan
Metode selisih tengahan merupakan metode pengambilan perubahan dari dua titik
sekitar dari titik yang diukur atau Metode selisih tengahan merupakan rata-rata dari dua
selisih maju. Metode selisih tengah dengan nilai x di x+h dan x - h, dengan nilai dua titik:
(x-1,f-1) dan (x1,f1), maka f'(x0)
f'(x)≈fx+h-f(x-h)2h Atau f'(x)≈f1f-12h
Pengambilan h diharapkan pada nilai yang kecil agar errornya kecil.
Ef=-16hf'''(x)
Kesalahan pada metode ini adalah : Metode selisih tengahan ini yang banyak digunakan
sebagai metode differensiasi numerik.
Contoh
Hitung differensial f(x)=e-x sin(2x)+1 dari range x=[0,1] dengan h=0.05
Jawab:
1.09496 1.8992896 0.09987
0 1 4 69 0.895048 -3.995 5
1.1797 1.25435 1.4918630 0.10205
0.1 63 7 95 1.094964 -4.08232 8
1.3188 1.37337 1.0909642
0.2 29 7 45 1.254357 -3.96958 0.09924
1.4182 1.45397 0.7135019 0.09245
0.3 97 3 78 1.373377 -3.69814 3
1.4808 1.49947 0.3722624 0.08272
0.4 58 1 33 1.453973 -3.30901 5
1.5103 1.51418 0.0760793 0.07102
0.5 78 2 17 1.499471 -2.84108 7
0.6 1.5115 1.50302 - 1.514182 -2.32976 0.05824

0.1698482
14 1 9 4
-
1.4893 1.47118 0.3635317
0.7 6 3 1 1.503021 -1.80598 0.04515
-
1.4491 1.42385 0.5057004 0.03239
0.8 37 2 8 1.471183 -1.29565 1
-
1.3959 1.36597 0.5992767 0.02048
0.9 37 3 1 1.423852 -0.81936 4
-
1.3345 0.6488457 0.00981
1 12 1.30207 3 1.365973 -0.39242 1
E. Pemakaian Differensiasi Untuk Menentukan Titik Puncak Kurva

Salah satu pemakaian differensial yang paling banyak dibicarakan adalah penentukan
titik puncak kurva, dimana titik puncak (tertinggi atau terendah) diperoleh dengan
memanfaatkan nilai differensial dari kurva pada setiap titik yang ditinjau.
Perhatikan kurva y=f(x) seperti gambar berikut:
Kurva tersebut mempunyai 7 titik puncak, yaitu p1,p2,p3,p4,p5,p6, dan p7. Titik
puncak p1,p3,p5, dan p7 dinamakan titik puncak maksimum.Titik puncak p2,p4dan p6
dinamakan titik puncak minimum.Untuk menentukan titik puncak perhatikan definisi
berikut:
Definisi 5.1.
Suatu titik a pada kurva y = f(x) dinamakan titik puncak bila dan hanya bila: f' (a)=0.
Definisi 5.2.
Sebuah titik puncak a dikatakan titik maksimum pada kurva y = f(x) bila : f''(a) < 0.
Definisi 5.3.
Sebuah titik puncak a dikatakan titik minimum pada kurva y = F(x) bila : f''(a) > 0.

Dari definisi-definisi di atas, maka untuk menentukan titik puncak kurva y=f(x) secara
numerik adalah menentukan titik-titik dimana f’(x) = 0, kemudian dihitung apakah f’(x)>0
atau f”(x)<0 untuk menentukan apakah titik tersebut titik puncak maksimal atau titik puncak
minimal.

BAB 6
INTEGRASI NUMERIK
Integral suatu fungsi adalah operator matematik yang dipresentasikan dalam bentuk:
(7.1)
b
I = ∫ f ( x) dx
a
dan merupakan integral suatu fungsi f (x) terhadap variabel x dengan batas-batas integrasi adalah
dari x = a sampai x = b. Seperti pada Gambar 7.1 dan persamaan (7.1), yang dimaksud dengan
integral adalah nilai total atau luasan yang dibatasi oleh fungsi f (x) dan sumbu-x, serta antara
batas x = a dan x = b. Dalam integral analitis, persamaan (7.1) dapat diselesaikan menjadi:
∫ f ( x) dx = [ F ( x)] a = F (b) − F (a )
b
dengan F (x) adalah integral dari f (x) sedemikian sehingga F ' (x) = f (x).
Contoh:
3
3
1 3   1 3 1 3
∫ x dx =  x  =  (3) − (0)  = 9.
2
0 3  0 3 3 
Gambar 7.1. Integral suatu fungsi

Integral numerik dilakukan apabila:
1) Integral tidak dapat (sukar) diselesaikan secara analisis.
2) Fungsi yang diintegralkan tidak diberikan dalam bentuk analitis, tetapi secara numerik dalam
bentuk angka (tabel).
Metode integral numerik merupakan integral tertentu yang didasarkan pada hitungan
perkiraan. Hitungan perkiraan tersebut dilakukan dengan fungsi polinomial yang diperoleh

berdasar data tersedia. Bentuk paling sederhana adalah apabila tersedia dua titik data yang dapat
dibentuk fungsi polinomial order satu yang merupakan garis lurus (linier). Seperti pada Gambar
7.2a, akan dihitung:
b
I = ∫ f ( x) dx
a
yang merupakan luasan antara kurve f (x) dan sumbu-x serta antara x = a dan x = b, bila
nilai f (a) dan f (b) diketahui maka dapat dibentuk fungsi polinomial order satu f1(x).
Dalam gambar tersebut fungsi f (x) didekati oleh f1(x), sehingga integralnya dalam luasan antara
garis f1(x) dan sumbu-x serta antara x = a dan x = b. Bidang tersebut merupakan bentuk
trapesium yang luasannya dapat dihitung dengan rumus geometri, yaitu:
f (a ) + f (b)
I = (b − a)
2
Dalam integral numerik, pendekatan tersebut dikenal dengan metode trapesium. Dengan
pendekatan ini integral suatu fungsi adalah sama dengan luasan bidang yang diarsir (Gambar
7.2), sedang kesalahannya adalah sama dengan luas bidang yang tidak diarsir.
Apabila hanya terdapat dua data f (a) dan f (b), maka hanya bisa dibentuk satu trapesium
dan cara ini dikenal dengan metode trapesium satu pias. Jika tersedia lebih dari dua data, maka
dapat dilakukan pendekatan dengan lebih dari satu trapesium, dan luas total adalah jumlah dari
trapesium-trapesium yang terbentuk. Cara ini dikenal dengan metode trapesium banyak pias.
Seperti pada Gambar 7.2b, dengan tiga data dapat dibentuk dua trapesium, dan luas kedua
trapesium (bidang yang diarsir) adalah pendekatan dari integral fungsi. Hasil pendekatan ini
lebih baik dari pada pendekatan dengan satu pias. Apabila digunakan lebih banyak trapesium
hasilnya akan lebih baik.
Fungsi yang diintegralkan dapat pula didekati oleh fungsi polinomial dengan order lebih
tinggi, sehingga kurve yang terbentuk tidak lagi linier, seperti dalam metode trapesium, tetapi
kurve lengkung. Seperti pada Gambar 7.2c, tiga data yang ada dapat digunakan untuk
membentuk polinomial order tiga. Metode Simpson merupakan metode integral numerik yang
menggunakan fungsi polinomial dengan order lebih tinggi. Metode Simpson 1/3 menggunakan
tiga titik data (polinomial order dua) dan Simpson 3/8 menggunakan empat titik data (polinomial
order tiga). Jarak antara titik data tersebut adalah sama.

A. Metode Integrasi Trapezoida

Pada metode integral Reimann setiap daerah bagian dinyatakan sebagai empat persegi
panjang dengan tinggi f(xi) dan lebar ∆i. Pada metode trapezoida ini setiap bagian
dinyatakan sebagai trapezium seperti gambar berikut :
Contoh :
Hitung 012x3 dx dengan step h=0,1
Analitik:
012x3 dx=x301=1
Numerik :
x 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
f(x) 0 0.00 0.01 0.05 0.12 0,25 0,43 0.68 1,02 1,45 2
2 6 4 8 2 6 4 8
Algoritma Metode Integrasi Tripezoida

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 L=h2f0+2i=1n-1fi+fn
Contoh:
Hitung 12e-x2+sin(x)dx dengan step h=(0,1)
Dengan menggunakan tabel diperoleh:
x 0,00 0,100 0,20 0,30 0,40 0,500 0,600 0,70 0,80 0,900 1,00
0 0 0 0 0 0 0
f(x) 0,50 0,431 0,37 0,32 0,28 0,245 0,214 0,18 0,16 0,146 0,12
0 2 3 1 8 5 9
Dari tabel diatas dapat dihitung :
L=0,120,5+20,431+…+20,146+0,129=0,2679
A. Metode Integrasi Simpson

Metode integrasi Simpson merupakan pengembangan metode integrasi trapezoida, hanya saja
daerah pembaginya bukan berupa trapesium tetapi berupa dua buah trapesium dengan
menggunakan pembobot berat di titik tengahnya seperti telihat pada gambar berikut ini. Atau
dengan kata lain metode ini adalah metode rata-rata dengan pembobot kuadrat.
Algoritma Metode Integrasi Simpson
1. Definisikan y=f(x)
2. Tentukan batas bawah adan batas atas b
3. Tentukan jumlah pembagi n
4. Hitung h=b-an
5. Hitung L=h2f0+4i ganjilf1+2i genapf1+fn

Contoh:
Hitung 012x3 dx dengan step h=0,1
x 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
f(x) 0 0.00 0.01 0.05 0.12 0,25 0,43 0.68 1,02 1,45 2
2 6 4 8 2 6 4 8
L=0,120+40,002)+20,016+4(0,054)+0,128+…+1,458=0,5
Dengan menggunakan metode analitik
L=012x3dx=12x4]01=0,5
Dibandingkan denga perhitungan analitik, terdapat kesalahan yang sangat kecil.
Catatan :
– Metode ini akan mendapatkan hasil yang baik bila diambil n genap
– Metode ini sangat terkenal karena kesalahannya sangat kecil, sehingga menjadi
alternatif yang baik dalam perhitungan integral khususnya matematika teknik.
A. Metode Integrasi Gauss

Metode integrasi Gauss merupakan metode yang tidak menggunakan pembagian area yang
banyak, tetapi memanfaatkan titik berat dan pembobot integrasi. Metode ini secara komputasi
memiliki banyak keuntungan karena mempunyai kecepatan yang tinggi hal ini ditunjukkan
dengan jumlah pembaginya yang kecil dan dengan jumlah pembagi yang relatif kecil
mempunyai kesalahan yang sama dengan metode lain dengan jumlah pembagi yang besar.
Metode integrasi Gauss dapat dijelaskan sebagai berikut:
Untuk luas daerah ke i, mempunyai luas:
Li=xi-1xifxdx
1. Integrasi Kuadratur Gauss dengan Pendekatan 2 Titik

Bentuk umum :
-11gudu=A0gμ0+A1gμ1
Algoritma Integrasi Kuadratur Gauss dengan Pendekatan 2 Titik
a. Definisikan fungsi f(x)
b. Tentukan batas bawah (a) dan batas atasnya (b)
c. Hitung nilai konversi variable
x=12b-au+12(b+a)

d. Tentukan fungsi g(u) dengan:
gu=12b-af{12b-au+12b+a}
e. Hitung
L=g-13+g13
Contoh:
Hitung L=01x2 dx
u=2x-(b+a)(b-a)=2x-11=2x-1 atau x=12(u+1)
Dari perhitungan analitik diperoleh :
01x2 dx=13x3
Dengan memasukkan nilai x=1 maka L=13=0,33333
1. Integrasi Kuadratur Gauss dengan pendekatan 3 titik

Bentuk umum :
-11gudu=A0gμ0+A1gμ1+A2gμ2
Algoritma Integrasi Kuadratur Gauss dengan pendekatan 3 titik
a. Definisikan fungsi f(x)
b. Tentukan batas integrasinya (a) dan (b)
c. Hitung nilai konversi variable
x=12b-au+12(b+a)
d. Tentukan fungsi g(u) dengan:
gu=12b-af{12b-au+12b+a}
e. Hitung
L=89g0+59g-35+59g35

Nb:
Meskipun dalam beberapa hal integrasi kuadratur Gauss menunjukkan hasil yang
lebih baik dari pada metode integrasi Simpson, tetapi dalam penerapannya metode
integrasi Simpson lebih banyak digunakan dengan dasar pertimbangan kemudahan
dari metode yang digunakan.

BAB 7
PERSAMAAN DIFFERENSIAL
Persamaan differensial merupakan persamaan yang menghubungkan suatu

besaran dengan perubahannya. Persamaan differensial dinyatakan sebagai persamaan
yang mengandung suatu besaran dan differensialnya, dan dituliskan dengan :
Fx,dxdt,d2xdt2,…,dnxdtn,t=0
Persamaan differensial mempunyai banyak ragam dan jenis mulai dari yang
mudah diselesaikan hingga yang sulit diselesaikan, mulai dari yang sederhana sampai
yang sangat kompleks. Salah satu persamaan differensial yang banyak digunakan
dalam penerapannya adalah Persamaan Differensial Linier, yang dituliskan dengan:
andnxdtn+an-1dn-1xdtn-1+…+a1dxdt+a0x=f(t)
Persamaan differensial linier umumnya dapat diselesaikan dengan menggunakan cara
analitik seperti pemakaian Transformasi Laplace, tetapi pada bentuk yang kompleks
persamaan differensial linier ini menjadi sulit diselesaikan.
Metode numerik dapat digunakan untuk menyelesaikan persamaan differensial dengan
menggunakan bantuan komputer sebagai alat hitung, ketika metode analitik sulit digunakan.
Pada beberapa bentuk persamaan differensial, khususnya pada differensial non-linier,
penyelesaian analitik sulit sekali dilakukan sehingga metode numerik dapat menjadi metode
penyelesaian yang disarankan. Sebagai contoh perhatikan bentuk persamaan differensial
yang sederhana berikut ini:
xdydx2+dydx-y=1
Persamaan diffrensial di atas tampaknya sederhana, tetapi untuk
menyelesaikan persamaan diffrensial di atas bukanlah sesuatu yang mudah, bahkan
dapat dikatakan dengan menggunakan cara analitik, tidak dapat ditemukan
penyelesaian. Sehingga pemakaian metode-metode pendekatan dengan metode numerik
menjadi suatu alternatif yang dapat digunakan.
Ada beberapa metode yang dapat digunakan untuk menyelesaikan persamaan
differensial, antara lain: metode Euler, metode pendekatan dengan deret Taylor, metode
runge-kutta dan metode-metode prediktor-korektor seperti metode Adam Moulton.
Hanya saja metode-metode pendekatan ini menyebabkan penyelesaian yang dihasilkan
bukanlah penyelesaian umum dari persamaan differensial, tetapi penyelesaian khusus
dengan nilai awal dan nilai batas yang ditentukan.
A. METODE EULER

Perhatikan bentuk persamaan differensial berikut:
y'=f(x,y)
Dengan menggunakan pendekatan nilai awal (x0,y0) maka nilai-nilai y berikutnya dapat
diperoleh dengan:
yn-1=yn+h.f(xn,yn)
Contoh :
Diketahui persamaan diferensial berikut :
dydx+xy=1
Maka
y'=1-xy atau fx,y=-xy
Bila ditentukan nilai awalnya adalah (0,0) dan h=0,1 maka diperoleh :
Bila ditingkatkan untuk x sampai dengan 0 kemudian diambil grafiknya, diperoleh :

B. Metode Taylor
Metode Taylor adalah suatu metode pendekatan yang menggunakan deret Taylor sebagai
bentuk perbaikan nilai untuk nilai fungsi secara keseluruhan pada penyelesaian
persamaan differensial. Perhatikan fungsi dari persamaan differensial berikut:
y'=f(x,y)
Dengan memberikan nilai awal (x0,y0), penyelesaian dapat diperoleh dengan :
Catatan:
Pemakaian metode Taylor tidak banyak digemari karena diperlukan perhitungan yang
cukup rumit dalam penyelesaiannya. Tetapi metode ini dapat menunjukkan hasil yang
bagus pada beberapa permasalahan penyelesaian persamaan differensial.
C. Metode Range Kutta

Metode Runge-Kutta merupakan pengembangan dari metode Euler, dimana perhitungan
penyelesaian dilakukan step demi step. Untuk fungsi dari persamaan differensial :
y'=f(x,y)
Dengan titik pendekatan awal (x0,y0), berdasarkan metode Euler nilai fungsi
penyelesaian diperoleh dengan :
Dimana dy adalah nilai perubahan nilai fungsi setiap step
D. Metode Range Kutta 2

Metode Runge-Kutta membuat step yang lebih kecil dari perubahan nilai dengan
membagi nilai perubahan tiap step menjadi sejumlah bagian yang ditentukan, bentuk
paling sederhana dari metode Runge Kutta ini adalah membagi bagian perubahan

menjadi dua bagian sehingga :
dy=h.f1+h.f22
Dimana f1 dan f2 adalah nilai fungsi step yang diambil dari bentuk fungsi persamaan
diferensial pada step tengahan.
Bila hasilnya diteruskan sampai x=10 dan digambarkan, akan diperoleh:

BAB 8
INTERPOLASI LINIER, KUADRATIK, POLINOMIAL DAN LAGRANGE
Definisi dari metode interpolasi linier merupakan metode yang paling sederhana yang
menghubungkan 2 buah titik data dengan garis lurus.
A. Interpolasi Linier
Algoritma
1. Tentukan dua titik p1 dan p2 dengan koordinat masing-masing (x1, y1) dan (x2
dan y2)
2. Tentukan nilai x dari titik yang akan diberi
3. Hitung y dengan
y=y2-y1x2-x1x-x1+y1
4. Tampilkan nilai titik yang baru Q(x,y)
Contoh :
Cari nilai y untuk titik x = 2.5 yang berada di antara titik (1,5),(2,2) dan (3,3)
Jawab : p1(1,5),p2(2,2) dan p3(3,3) = 2.5
Y = y1x-x2x- x3x1- x2- x1- x3 + y2x-x1x- x3x2 - x1x2 -x3+ y3 x-
x1x- x2x3- x1x3- x2
= 5 2.5-22.5-31-21-3+ 2 2.5- 12.5-32-12-3+ 32.5-12.5-23-13-
2
=2

A. Interpolasi Kuadratik
Interpolasi Kuadratik digunakan untuk mencari titik-titik antara dari 3 buah titik
P1(x1,y1), P2(x2,y2) dan P3(x3,y3) dengan menggunakan pendekatan fungsi kuadrat.
B. Interpolasi Polinomial
Interpolasi polynomial digunakan untuk mencari titik-titik antara dari n buah titik
P1(x1,y1), P2(x2,y2), P3(x3,y3), …, PN(xN,yN) dengan menggunakan pendekatan fungsi
polynomial pangkat n-1:

BAB 9
REGRESI LINIER, REGRESI EKSPONENSIAL DAN REGRESI POLINOMIAL
Regresi adalah sebuah teknik untuk memperoleh persamaan kurva pendekatan dari titik-titik
data.
A. Regresi Linier
Regresi Linier digunakan untuk fungsi linier yang paling sesuang dengan kumpulan titik
data (xn,yn) yang diketahui.
Gambar . Sebaran data dengan kurva linier
Dalam regresi linier ini yang dicari adalah nilai m dan c dari fungsi linier y=mx+c,
dengan :
Algoritma Regresi Linier

1. Tentukan N titik data yang diketahui dalam (xi,yi) untuk i=1,2,3…N
2. Hitung nilai m dan c dengan menggunakan formulasi regresi linier di atas
3. Tampilkan fungsi linier
4. Hitung fungsi linier tersebut dalam range x dan step dx tertentu
5. Tampilkan hasil tabel (xn,yn) dari hasil fungsi linier tersebut.
A. Regresi Eksponensial
Regresi eksponensial digunakan menentukan fungsi eksponensial yang paling sesuai
dengan kumpulan titik data (xn,yn) yang diketahui. Regresi eksponensial ini merupakan
pengembangan dari regresi linier dengan memanfaatkan fungsi logaritma.
Perhatikan :
y=e-ax+b
Dengan melogaritmakan persamaan di atas akan diperoleh :
lny=ln(e-ax+b)
lny=ax+b
Algoritma Regresi Eksponensial
2. Ubah nilai y menjadi z dengan z=lny
3. Hitung nilai a dan b dengan menggunakan formulasi regresi linier di atas
4. Tampilkan fungsi eksponensial y=e-ax+b
5. Hitung fungsi eksponensial tersebut dalam range x dan step dx tertentu
A. Regresi Polinomial
Regresi polinomial digunakan menentukan fungsi polynomial yang paling sesuai dengan
kumpulan titik data (xn,yn) yang diketahui.
Fungsi pendekatan :
y=a0+a1x+a1x2+…+anxn
Regresi polynomial tingkat n dikembangkan dari model matriks normal sebagai berikut :

Algoritma Regresi Eksponensial

2. Hitung nilai-nilai yang berhubungan dengan jumlah data untuk mengisi matriks
normal
3. Hitung nilai a0,a1, a2,….an dengan menggunakan formulasi gauss-jordan.
4. Tampilkan fungsi polynomial y=a0+a1x+a1x2+…+anxn
5. Hitung fungsi polinomial tersebut dalam range x dan step dx tertentu

Metode Numerik Lengkap Endick 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

Metode Numerik Lengkap Endick PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Metode Numerik (Endi F. ; 310800073) P.

MTK STKIP-PGRI Pontianak

1. Alasan Menggunakan Metode Numerik

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

2. Prinsip-prinsip Metode Numerik

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

2.1 Penyajian Bilangan Bulat

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

2.2 Penyajian Bilangan Pecahan

Bilangan pecahan x antara 0 s/d 1 dalam system bilangan decimal didefinisikan :

(0,101)2= 1.2-1 + 0.2-2 + 1.2-3

A. Angka Penting / Angka Signifikan

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

tersebut diterima atau tidak.

tempat-tempat dari digit yang tidak diketahui/dibuang.

0,00144 (3 angka signifikan)

0,0010408 (5 angka signifikan)

1,260 x 104 (4 angka signifikan)

1,2600 x 104 (5 angka signifikan)

Implikasi penting angka signifikan dalam metode numerik:

mengenai hasil-hasil pendekatan dalam metode numerik

yang mampu disimpan komputer.

A. Akurasi, Presisi dan Inakurasi

menentukan berapa akurasi pengukuran tersebut.

presisi pengukuran tersebut.

Inakurasi menyatakan simpangan sistematis dari kebenaran. Inakurasi dalam

inakurasi merupakan lawan dari akurasi.

a. Akurat dan Presisi

A. Pendekatan Dan Kesalahan

Kesalahan dalam metode numerik meliputi :

1. Kesalahan Bawaan (Inheren Error)

Kesalahan/galat bawaan Terjadi akibat kekeliruan dalam menyalin data, salah

membaca skala atau kesalahan karena kurangnya pengertian mengenai hukum –

hukum fisik dari data yang diukur.

2. Kesalahan Pemotongan (Trunction Error)

Kesalahan Pemotongan adalah kesalahan yang dihasilkan dari penggunaan suatu

aproksimasi pengganti prosedur matematika eksak suatu kesalahan pemotongan

dimasukkan ke dalam solusi numerik karena kesamaan differensial hanya melakukan

aproksimasi harga turunan sebenarnya. Agar memperkuat pengertian terhadap

fungsi dalam suatu bentuk pendekatan yaitu Deret taylor.

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Kesalahan pembulatan adalah kesalahan yang Terjadi karena tidak diperhitungkannya

beberapa angka terakhir dari suatu bilangan.

8632574 dibulatkan menjadi 8633000

3,1415926 dibulatkan menjadi 3,14

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

PENYELESAIAN PERSAMAAN NON LINIER

3.1 Permasalahan Masalah Non Linier

Gambar 3.1 Penyelesaian Persamaan Non Linier

Jika penyelesaian persamaan linier mx + c = 0 dimana m dan c adalah konstanta, dapat

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

A. Penyelesaian Persamaan linear secara sederhana

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Gambar di atas menjelaskan bahwa penyelesaian diperoleh dengan membagi x = [a,b ]

dari garis tersebut adalah penyelesaian dari persamaan F(x) = 0.

Selesaikan persamaan xe-x +1 = 0. Dengan range = [-1,0] .

menaksir range yang tepat, dengan cara menggambarkan.

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Gambar di atas menjelaskan bahwa penyelesaian diperoleh dengan membagi x = [a,b]

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Algoritma Metode Tabel :

Fb : walau_habis_terang@rocketmail.com 085332200073 ; 085386007677

Gambar 3.4 Metode Biseksi