Rangkuman Bagian 1, 3, 4

Disusun oleh:
Mareti Wulandari 3215153835 Angkatan 2015

Program Studi:
Pendidikan Fisika

Mata Kuliah:
Fisika Komputasi

Dosen:
Drs. Andreas Handjoko Permana, M. Si

Program Studi Pendidikan Fisika

Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Negeri Jakarta
2017
 BAGIAN 1
MODEL MATEMATIKA DAN TEKNIK PEMECAHAN
MASALAH
I. Model Matematika Sederhana
Sebuah model matematika dapat didefinisikan secara luas sebagai formulasi atau
persamaan yang mengungkapkan fitur penting dari sistem fisik atau proses dalam istilah
matematika. Dalam arti yang sangat umum, dapat direpresentasikan sebagai hubungan
fungsional dalam bentuk di mana variabel terikat adalah karakteristik yang biasanya
mencerminkan perilaku atau keadaan dari sistem; variabel bebasnya biasanya dimensi, seperti
ruang dan waktu, sepanjang yang perilaku sistem sedang ditentukan; parameter yang
mencerminkan sifat sistem atau komposisi; dan fungsi memaksa yang pengaruh eksternal
yang bekerja pada sistem.
Persamaan matematika sebenarnya berkisar dari yang sederhana dari hubungan
aljabar dengan persamaan diferensial. Misalnya, Newton merumuskan hukum kedua tentang
gerak, yang menyatakan bahwa tingkat waktu perubahan momentum dari sebuah benda
adalah sama dengan resultan gaya yang bekerja padanya. Persamaan matematikanya dikenal
dengan:

F  ma
F
a
m
di mana a = variabel terikat mencerminkan perilaku sistem, F = fungsi gaya, dan m =
parameter yang mewakili properti dari sistem. Perhatikan bahwa untuk kasus sederhana ini
tidak ada variabel bebas karena kita belum memprediksi bagaimana percepatan beragam
waktu atau ruang.
Persamaan (1.3) memiliki beberapa karakteristik yang khas dari model matematika dunia
fisik:
a) Menggambarkan proses alami atau sistem dalam hal matematika.
b) Idealisasi dan penyederhanaan realitas. Artinya, model mengabaikan rincian
diabaikan dari proses alam dan berfokus pada perwujudan esensial. Dengan demikian,
hukum kedua tidak termasuk efek dari relativitas yang dari minimal penting ketika
diterapkan pada objek dan kekuatan yang berinteraksi pada atau sekitar permukaan
bumi dengan kecepatan dan dalam skala terlihat manusia.
c) Menghasilkan hasil direproduksi dan, dapat digunakan untuk tujuan prediksi. Sebagai
contoh, jika gaya pada sebuah benda dan massa dari sebuah objek diketahui, Eq. (1.3)
dapat digunakan untuk menghitung percepatan.
Untuk menggambarkan model yang lebih kompleks seperti ini, hukum kedua Newton
dapat digunakan untuk menentukan kecepatan terminal dari gerak jatuh bebas di dekat
permukaan bumi seperti penerjun. Sebuah model untuk kasus ini dapat diturunkan dengan
 mengungkapkan percepatan sebagai tingkat saat perubahan kecepatan (dv/ dt) dan
dv F
menggantikannya untuk menghasilkan: 
dt m
II. Teknik dan Hukum Konservasi

Perubahan = Peningkatan - Penurunan

Meskipun sederhana, rumusan diatas mewujudkan salah satu cara yang paling mendasar di
mana hukum konservasi digunakan dalam rekayasa yaitu, untuk memprediksi perubahan
terhadap waktu. Dan dikenal dengan nama variabel waktu khusus atau perhitungan
sementara.
Selain memprediksi perubahan, hukum konservasi diterapkan untuk kasus-kasus di mana
perubahan adalah tidak ada. Jika perubahan adalah nol, maka persamaan nya menjadi

Perubahan = 0 = Peningkatan – Penurunan atau Peningkatan = Penurunan

Dengan demikian, jika ada perubahan

terjadi, peningkatan dan penurunan harus
seimbang. Kasus ini disebut steady state
computation yang memiliki banyak teknik dalam
pengaplikasiannya. Misalnya, untuk aliran fluida
mampat dalam pipa, aliran ke persimpangan
harus seimbang, keseimbangan dapat digunakan
untuk menghitung bahwa aliran keluar dari pipa
keempat harus 60.
 Perangkat dan jenis keseimbangan yang umum digunakan dalam empat bidang utama
dari teknik.
 BAGIAN 3
PERKIRAAN DAN ROUND-OFF ERRORS

I. Angka Signifikan

Misalnya, Gambar. 3.1 menggambarkan

speedometer dan odometer dari sebuah mobil.
inspeksi visual dari speedometer menunjukkan
bahwa mobil ini perjalanan antara 48 dan 49
km/jam. Karena indikator lebih tinggi dari titik
tengah antara penanda pada alat ukur. Namun,
bila diperkirakan ke satu tempat decimal, satu
orang mungkin mengatakan 48,8 km/jam,
sedangkan yang lain mungkin mengatakan 48,9
km/jam. Oleh karena itu, karena batas instrumen
ini, hanya dua digit pertama dapat digunakan
dengan keyakinan. Perkiraan angka ketiga (atau
lebih tinggi) harus dilihat sebagai perkiraan.
Konsep angka signifikan, atau digit, telah dikembangkan untuk secara resmi
menunjuk keandalan nilai numerik. Signifikan digit adalah angka yang dapat digunakan
dengan keyakinan. Anagka tersebut sesuai dengan jumlah digit tertentu ditambah satu
perkiraan digit.
Konsep angka signifikan memiliki dua implikasi penting untuk metode numerik:
a) Metode numerik menghasilkan hasil perkiraan. Karena itu, kita harus
mengembangkan kriteria untuk menentukan seberapa yakin kita berada dalam hasil
perkiraan. Salah satu cara untuk melakukan ini adalah dalam hal angka signifikan.
Sebagai contoh, kita mungkin memutuskan bahwa pendekatan kami dapat diterima
jika itu adalah benar untuk empat angka signifikan.
b) Meskipun jumlah seperti π, e, atau √7 mewakili jumlah tertentu, mereka tidak bisa
diungkapkan dengan tepat oleh sejumlah digit. Sebagai contoh,
𝜋 = 3,141592653589793238462643 ... tak terhingga. Karena komputer hanya
mempertahankan jumlah terbatas angka signifikan, angka tersebut tidak pernah dapat
diwakili tepat. Kelalaian dari angka penting yang tersisa disebut error round-off.

II. Akurasi dan Presisi

Kesalahan yang terkait dengan kedua perhitungan dan pengukuran dapat dicirikan
berkaitan dengan akurasi dan presisi mereka. Akurasi mengacu pada seberapa dekat nilai
dihitung atau diukur setuju dengan nilai sebenarnya. Presisi mengacu pada seberapa dekat
nilai-nilai dihitung atau diukur individu setuju satu sama lain.
 Metode numerik harus cukup akurat atau objektif untuk memenuhi persyaratan dari
teknik permasalahan tertentu. Mereka juga harus cukup tepat untuk desain teknik yang
memadai. Dalam buku ini, kita akan menggunakan error sebagai istilah kolektif untuk
mewakili kedua ketidaktelitian dan ketidaktepatan dari prediksi. Dengan konsep ini sebagai
latar belakang, kita sekarang dapat membahas faktor-faktor yang berkontribusi terhadap
kesalahan perhitungan numerik.

III. Definisi Error

Kesalahan numerik timbul dari penggunaan pendekatan untuk mewakili operasi
matematika yang tepat dan kuantitas. Untuk kedua jenis, hubungan antara yang tepat, atau
benar, hasil dan pendekatan yang dapat dirumuskan sebagai

Nilai Asli = Perkiraan + Error

Et = Nilai Asli - Perkiraan

Salah satu cara untuk memperhitungkan besaran dari jumlah yang dievaluasi adalah untuk
menormalkan kesalahan untuk nilai sebenarnya, seperti

𝑡𝑟𝑢𝑒 𝑒𝑟𝑟𝑜𝑟
𝜀𝑡 = 𝑥 100%
𝑡𝑟𝑢𝑒 𝑣𝑎𝑙𝑢𝑒

IV. Kesalahan Round-Off

A. Representasi Komputer terhadap Bilangan
Kesalahan numerik round-off secara langsung berkaitan dengan cara di mana
angka disimpan dalam komputer. Unit dasar dimana informasi ditampilkan disebut
kata. Ini adalah sebuah entitas yang terdiri dari serangkaian angka biner, atau bit.
Angka biasanya disimpan dalam satu atau lebih kata-kata.
Sebuah sistem nomor hanyalah konvensi untuk mewakili jumlah. Sistem
nomor yang kita paling akrab adalah desimal, atau basis-10, sistem nomor. Basis
adalah nomor yang digunakan sebagai acuan untuk membangun sistem. Sistem basis-
10 menggunakan 10 digit-0, 1, 2, 3, 4, 5, 6, 7, 8, 9- untuk mewakili angka.
Untuk jumlah yang lebih besar, kombinasi dasar digit ini digunakan, dengan
posisi atau tempat nilai menentukan besarnya. Digit paling kanan di seluruh nomor
mewakili nomor dari 0 sampai 9. Angka kedua dari kanan merupakan kelipatan 10.
Angka ketiga dari kanan merupakan kelipatan 100 dan seterusnya. Sebagai contoh,
jika kita memiliki jumlah 86.409 maka kita memiliki delapan kelompok 10.000, enam
kelompok 1000, empat kelompok 100, nol kelompok 10, dan sembilan unit lebih, atau
(8 × 104) + (6 × 103) + (4 × 102) + (0 × 101) + (9 × 100) = 86.409
Angka di komputer diwakili dengan biner, atau dasar-2, sistem. Sama seperti
dengan sistem desimal, jumlah dapat direpresentasikan menggunakan notasi
posisional. Sebagai contoh, bilangan biner 11 setara dengan (1 × 21) + (1 × 20) = 2 +
1 = 3 dalam sistem desimal.
 Representasi integer. Sekarang kita telah meninjau bagaimana dasar-10 angka
dapat direpresentasikan dalam bentuk biner, itu adalah sederhana untuk memahami
bagaimana bilangan bulat diwakili pada komputer. Pendekatan yang paling sederhana,
yang disebut metode besarnya ditandatangani, mempekerjakan bit pertama dari
sebuah kata untuk menunjukkan tanda, dengan 0 untuk positif dan 1 untuk negatif. Bit
sisanya digunakan untuk menyimpan nomor. Misalnya, nilai integer dari -173 akan
disimpan pada komputer 16-bit, seperti pada Gambar

Respresentasi Floating-Point. Jumlah pecahan biasanya diwakili dalam komputer

menggunakan formulir floating-point. Dalam pendekatan ini, jumlah ini dinyatakan
sebagai bagian pecahan, yang disebut mantissa atau significand, dan merupakan
bagian integer, disebut eksponen atau karakteristik, seperti dalam
m · be
di mana m = mantissa, b = dasar dari sistem nomor yang digunakan, dan e =
eksponen. Misalnya, jumlah 156,78 dapat direpresentasikan sebagai 0,15678 × 103
dalam floatingpoint basis-10 sistem.
Gambar 3.7 menunjukkan salah satu cara yang angka floating-point dapat
disimpan dalam sebuah kata. Bit pertama dicadangkan untuk tanda, seri berikutnya bit
untuk eksponen ditandatangani, dan bit terakhir untuk mantissa.

Dengan demikian, kita mempertahankan angka penting tambahan ketika nomor

disimpan. Konsekuensi dari normalisasi adalah bahwa nilai absolut dari m ini
terbatas.
1
≤𝑚<1
𝑏
di mana b = dasar. Misalnya, untuk sistem basis-10, m akan berkisar antara 0,1 dan 1,
dan untuk sistem basis-2, antara 0,5 dan 1.
B. Manipulasi aritmatika Bilangan Komputer
Normalisasi basis-10 nomor akan dipekerjakan untuk menggambarkan efek
kesalahan round-off pada penjumlahan dan pengurangan sederhana, perkalian, dan
pembagian. Basis nomor lain akan berperilaku dengan cara yang sama.
Ketika dua angka floating-point ditambahkan, mantissa jumlah dengan
eksponen yang lebih kecil dimodifikasi sehingga eksponen adalah sama. Ini memiliki
efek menyelaraskan poin desimal. Sebagai contoh, misalkan kita ingin menambahkan
0,1557 · 101 + 0,4381 · 10-1. Desimal dari mantissa dari angka kedua digeser ke kiri
sejumlah tempat sama dengan perbedaan eksponen [1 - (-1) = 2],

0,1557 x 101
0,004381 x 101 +
0.160081 x 101

Perkalian dan pembagian agak lebih mudah daripada penambahan atau

pengurangan. Eksponen ditambahkan dan Mantisa dikalikan. Karena perkalian dua
Mantisa n-digit akan menghasilkan hasil 2n-digit, contohnya

0.1363 · 103 × 0.6423 · 10−1 = 0.08754549 · 102

 BAGIAN 4
KESALAHAN PEMOTONGAN DAN DERET TAYLOR
Kesalahan pemotongan adalah hasil dari menggunakan pendekatan di tempat
prosedur matematika yang tepat.

I. Deret Taylor
Deret Taylor menyediakan sarana untuk memprediksi nilai fungsi pada satu titik
dalam hal nilai fungsi dan turunannya pada titik lain. Secara khusus, teorema menyatakan
bahwa setiap fungsi dapat diperkirakan sebagai polinomial.

f ( xi 1 )  f ( xi )

Hubungan ini, disebut pendekatan deret nol, menunjukkan bahwa nilai f pada titik baru
adalah sama dengan nilai pada titik tua. Hasil ini membuat rasa intuitif karena jika xi dan xi +
1 yang dekat satu sama lain, ada kemungkinan bahwa nilai baru mungkin sama dengan nilai

lama.

Rn  O(h n 1 )
dimana nomenklatur O (hn + 1) berarti bahwa kesalahan
pemotongan adalah dari urutan hn+1. Artinya, kesalahan
sebanding dengan h ukuran langkah diangkat ke (n + l). Meskipun pendekatan ini
menyiratkan apa-apa mengenai besarnya turunan perkalian hn+1, hal ini sangat berguna dalam
menilai kesalahan komparatif metode numerik berdasarkan ekspansi deret Taylor. Sebagai
contoh, jika kesalahan adalah O (h), mengurangi separuh ukuran langkah akan membagi
kesalahan. Di sisi lain, jika kesalahan adalah O (h2), mengurangi separuh ukuran langkah
akan kuartal kesalahan.

a. Reminder Untuk Ekspansi Deret Taylor

Penyederhanaan alternatif yang
mengubah pendekatan ke suatu kesetaraan didasarkan
pada wawasan grafis. Turunan rata-nilai teorema
menyatakan bahwa jika fungsi f (x) dan derivatif
pertama adalah kontinu pada interval dari xi ke xi+1,
maka setidaknya ada satu titik pada fungsi yang
memiliki lereng, yang ditunjuk oleh f’ (ξ), yang sejajar
dengan garis yang menghubungkan f (xi) dan f (xi+1).
Parameter ξ menandai x nilai di mana kemiringan ini terjadi. Sebuah ilustrasi fisik dari
teorema ini adalah bahwa, jika Anda bepergian antara dua titik dengan kecepatan rata-rata,
akan ada setidaknya satu saat selama perjalanan ketika Anda akan bergerak pada saat itu
kecepatan rata-rata.

b. Memprediksi Kesalahan Pemotongan Dengan Deret Taylor

c. Diferensiasi numerik
f’ (Xi) = f (xi+1) - f (xi) xi + 1 – xi + O (xi + 1 - xi)
atau
f’ (Xi) =∆ Fi / h + O (h)

Mundur Perbedaan Pendekatan dari Derivatif Pertama.

f (xi-1) = f (xi) – f’ (Xi) h + f ‘’ (Xi) 2! h2 - …

turunan pertama :
f’ (Xi) ~ = (f (xi) - f (xi-1))/ h = ∇ f1/ h
di mana kesalahan adalah O (h), dan ∇ fi disebut sebagai perbedaan mundur pertama.
penggambaran grafis dari (a) depan, (b) mundur, dan (c) berpusat pendekatan terbatas-dibagi-
perbedaan turunan pertama

d. Error Propagation

Dari perkiraan diatas dapat disimpulkan. Misalkan persamaan diatas memiliki fungsi f
(x) yang bergantung pada satu variabel independen x. Asumsikan bahwa adalah perkiraan
x. Karena itu, nilai efek dari perbedaan antara x dan pada nilai fungsi adalah persaman
tersebut.
Perhitungan adalah numerik yang tidak stabil jika nilai ketidakpastian input terlalu
diperbesar dengan metode numerik. Ide-ide ini dapat dipelajari menggunakan orde pertama
Deret Taylor, yaitu

Hubungan ini dapat digunakan untuk memperkirakan kesalahan relatif dari f (x) seperti

Dengan kesalahan relatif x

e. Total Numerical Error

Total Numerical Error adalah penjumlahan dari pemotongan dan round-off error. Secara
umum, satu-satunya cara untuk meminimalkan kesalahan round-off adalah untuk
meningkatkan jumlah angka penting dari komputer. Selanjutnya, telah tercatat bahwa
kesalahan round-off akan meningkat karena pembatalan subtraktif atau karena Kenaikan
jumlah perhitungan dalam analisis. Sebaliknya, kesalahan pemotongan dapat dikurangi
dengan mengurangi ukuran langkah. Karena Penurunan ukuran langkah dapat menyebabkan
pembatalan subtraktif atau kenaikan perhitungan, kesalahan pemotongan yang menurun
sebagai kesalahan round-off yang meningkat.
f. Kesalahan, Kesalahan Formulasi, dan Data Ketidakpastian
Semua akrab dengan kesalahan. Pada tahun-tahun awal komputer, hasil numerik yang
salah bisa kadang-kadang dikaitkan dengan kerusakan dari komputer itu sendiri. Sumber
kesalahan sangat tidak mungkin, dan sebagian besar kesalahan harus dikaitkan dengan
ketidaksempurnaan manusia. Kesalahan dapat terjadi pada setiap tahap proses pemodelan
matematika dan dapat berkontribusi untuk semua komponen lain yang salah. Ada sejumlah
cara di mana terjadinya kesalahan dapat diminimalkan. Khususnya, kebiasaan pemrograman
yang baik dapat berguna untuk mengurangi kesalahan pemrograman. Selain itu, ada cara
biasanya sederhana untuk memeriksa apakah metode numerik tertentu bekerja dengan benar.
 Kesalahan berhubungan dengan formulasi dari model matematika yang tidak lengkap.
Contoh dari kesalahan formulasi diabaikan adalah kenyataan bahwa hukum kedua Newton
tidak memperhitungkan efek relativistik. Ini tidak mengurangi solusi karena kesalahan ini
pada waktu dan ruang skala terkait dengan masalah penerjun payung. Namun, anggaplah
bahwa hambatan udara tidak berbanding lurus jatuh kecepatan, tetapi merupakan fungsi dari
kuadrat kecepatan. Jika ini terjadi, baik solusi analitis dan numerik yang diperoleh di akan
menjadi salah karena kesalahan formulasi.
Kesalahan ketidakpastian data kadang-kadang masuk ke dalam analisis karena
ketidakpastian dalam data fisik atas model didasarkan. Sebagai contoh, misalkan kita ingin
menguji model penerjun payung dengan melompat individu dan kemudian mengukur
kecepatan nya setelah interval waktu yang ditentukan. Ketidakpastian akan diragukan lagi
dikaitkan dengan pengukuran ini, karena penerjun akan jatuh lebih cepat setelah melompat.
Kesalahan ini dapat menunjukkan ketidaktepatan. Di sisi lain, jika pengukuran adalah acak
tinggi dan rendah, kita berhadapan dengan pertanyaan presisi. kesalahan pengukuran dapat
diukur dengan meringkas data dengan satu atau lebih yang menyampaikan informasi
sebanyak mungkin mengenai karakteristik tertentu dari data.