Metode Numerik Lengkap Endick PDF
Metode Numerik Lengkap Endick PDF
Kurva y=sin(x)
BAB II
SISTEM BILANGAN DAN KESALAHAN
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
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
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:
= 0,5 + 0,125
= 0,625
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
Contoh:
– Angka signifikan akan memberikan kriteria untuk merinci seberapa keyakinan kita
– Angka signifikan memberikan pengabaian dari angka signifikan sisa untuk besaran
spesifik yang tidak bisa dinyatakan secara eksak karena keterbatasan jumlah digit
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
Presisi menyatakan seberapa dekat nilai hasil dua kali atau lebih pengulangan
pengukuran. Semakin dekat nilai – nilai hasil pengulangan pengukuran maka semakin
komputasi adalah selalu melakukan kesalahan hitungan yang sama. Dalam arti ini,
perilaku kesalahan semacam ini, sekarang kita kembali pada suatu rumus matematika
yang secara luas telah digunakan dalam metode numerik untuk menyatakan fungsi-
Contoh :
BAB III
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
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:
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
sebanyak-banyaknya hingga diperoleh suatu garis yang melalui akar persamaan dan nilai x
Contoh :
Penyelesaiaan :
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.
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.
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,
Untuk menghentikan iterasi, dapat dilakukan dengan menggunakan toleransi error atau
iterasi maksimum.
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 :
Contoh :
Selesaikan persamaan xe-x +1 = 0. Dengan range x = [-1,0], melalui metode
Regula Falsi.
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)
2. Tentukan toleransi error (e) dan iterasi maksimum (n)
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)
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.
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
• 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.
xi − xi −1
xi +1 = xi − yi
yi − yi −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
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:
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 :
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:
3 0.39242 1
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
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:
x f(x) f(x+h) f'(x) f(x-h) f''(x) error
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
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.
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
Metode integral numerik merupakan integral tertentu yang didasarkan pada hitungan
perkiraan. Hitungan perkiraan tersebut dilakukan dengan fungsi polinomial yang diperoleh
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.
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
Contoh:
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
L=0,120,5+20,431+…+20,146+0,129=0,2679
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
L=012x3dx=12x4]01=0,5
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.
01x2 dx=13x3
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 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
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.
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.
Dalam regresi linier ini yang dicari adalah nilai m dan c dari fungsi linier y=mx+c,
dengan :
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
1. Tentukan N titik data yang diketahui dalam (xi,yi) untuk i=1,2,3…N
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
6. Tampilkan hasil tabel (xn,yn) dari hasil fungsi linier tersebut.
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 :