TUGAS 1 ANALISIS NUMERIK

Adi Sutowijoyo 13114096

Venska Arman N R 13114112

Ahmad Thoriq A 13114128

Jacky 13115055

Farhan Farrasandi 13716033

FAKULTAS TEKNIK MESIN DAN DIRGANTARA

INSTITUT TEKNOLOGI BANDUNG
2018
2.

Mulai

Input nilai
𝑥, 𝑥𝑖−1 = 1, 𝑖 = 1

𝑥𝑖−1 = 𝑥𝑖 𝑥𝑖
Hitung 𝑥𝑖 = 1 + 𝑖!
𝑖 =𝑖+1 𝑥𝑖 − 𝑥𝑖−1
𝑒𝑟𝑟𝑜𝑟 = ൬ ൰ . 100%
𝑥𝑖

Ya
𝑒𝑟𝑟𝑜𝑟 > 0,01
dan 𝑖 ≤ 1000

Tidak

𝑒 𝑥 = 𝑥𝑖

Selesai

Kode program Matlab:

x=10;
i=1;
xold=1;
prev=1;
xnew=xold+(prev*x/i);
er=abs(xnew-xold)*100/xnew;
while er>0.01&&i<=1000
xold=xnew;
prev=prev*x/i;
i=i+1;
xnew=xold+(prev*x/i);
er=abs(xnew-xold)*100/xnew;
end
nilaix=xnew
error=er
iterasi=i

Jika hanya diambil 3 suku dari deret Mc Laurin, akan diperoleh kesalahan relatif sebesar
0,65% dan kesalahan sebenarnya sebesar 2,98 x 103
3. Evaluasi terhadap fungsi sin x
Berikut kode program matlab yang dibuat :

Dari looping tersebut, parameter yang membatasi adalah error relatif yang akan
menghentikan proses looping jika nilainya lebih kecil dari 0.1%.
4.
. f(x)=x3-7x2+8x-0,35
Evaluasi pada x = 2,36
F(2.36)= (2.36)3 – 7(2.36)2 + 8 (2.36) -0.35
F(2.36) = -7.312944

Dengan pemotongan 3 angka aritmatik, maka diperoleh y= -7.312

Sehingga galatnya:

−7.312−(−7.312944)
E= | |x 100%
7.312

E≈ 0.0001%
5.
Asumsi:
• Kecepatan awal: 0m/s
• Nilai g, m, dan t konstan
• Nilai c dimasukkan dalam kondisi minimum dan maksimum

Dengan memasukkan nilai c minimum (9.2) dan maksimum (12.2) pada fungsi v,
maka akan didapatkan hasil sebagai berikut:

Dengan ini, maka dapat dinyatakan bahwa kesalahan dari v bekisar dari 35.8104
hingga 42.9789 m/s.
6. a. Metode Grafis dengan Excel
Berikut hasil plot excel secara garis besar. Tampak bahwa garis menyinggung sumbu x di
pada x=0 sampai dengan x= 2

1000

500

0
-4 -3 -2 -1 0 1 2 3 4 5
-500

-1000
y(x)
-1500

-2000

-2500

-3000

-3500
x

Kemudian dilakukan pendekatan dengan memperkecil delta x pada rentang tersebut.

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
-5

-10
y(x)
-15

-20

-25

-30
x

Tampak bahwa persamaan polinomial tersebut menyinggung sumbu x pada x sekitar 0.55-
0.56. Sehingga nilai akarnya diperkirakan berada pada x=0.55 sampai dengan x=0.56.
b. Menggunakan metode bisection dengan error <5% serta xl=0.5 dan xu=1
Dengan menggunakan nilai awal ini, data tersebut dimasukkan pada program matlab.

Hasil dari tiap proses looping terdapat pada tabel di bawah ini :

xl xu xr Error(%)

0.5 1 0.575 -

0.5 0.75 0.625 20

0.5 0.625 0.5625 11.11

0.5 0.5625 0.5313 5.88

0.5313 0.5625 0.5469 2.8571

Hasil akhir pada proses bisection menghasilkan akar polininomial xr = 0.5469 dengan nilai
y(xr)=-0.2014

c. Menggunakan metode modified secant dengan kesalahan relatif lebih kecil dari ɛs = 0,1%
dan nilai tebakan awal x = 0,6 serta dx = 0,001
Dengan menggunakan matlab :
Hasil dari proses tersebut yaitu x=0.5570 dengan error 0.0019%. Berikut proses iterasinya :
Iterasi 1 :
xo=0.6 f(xo)=0.7850
xo+dx=0.601 f(xo+dx)=0.8020
x=0.5539 error = 8.32%
Iterasi 2 :
xo=0.5539 f(xo)= -0.0612
xo+dx=0.5549 f(xo+dx)=-0.0416
x=0.5570 error = 0.5584%
Iterasi 3 :
xo=0.5570 f(xo)= -0.0612
xo+dx=0.5580 f(xo+dx)=0.0193
x=0.5570 error = 0.019%

d. Menggunakan metode Newton Raphson dengan tebakan awal x = 1

Dengan menggunakan matlab secara looping.
Hasil dari proses tersebut memberikan nilai x = 0.5570 dengan error relatif yang sangat kecil
Error
Iterasi x
(%)

0 1 100

1 0.375 166.67

2 0.5159 27.31

3 0.5545 6.9591

4 0.5570 0.4502
8.
Algoritma:
1. Fungsi f(x) = xn -b = 0 diubah menjadi x = g(x) = (b/x)1/n-1
xn =b
x1-n xn = b x1-n
xn-1 = b/x
x = (b/x)1/n-1
2. Pilih sebuah nilai xi
3. Subtitusikan nilai xi tersebut ke fungsi g: g(xi) = (b/xi)1/n-1.
Sehingga diperoleh nilai xi+1 = g(xi)
4. Hitung nilai kesalahan relatif: error = |xi+1 - xi|/xi+1
5. Apabila nilai error masih melebihi toleransi yang diinginkan,
ganti nilai xi dengan menggunakan nilai xi+1 lalu subtitusikan nilai xi+1 ke fungsi g.
Apabila nilai error dapat ditoleransi,
maka nilai x yang memenuhi fungsi f(x) = xn -b = 0 yaitu xi+1

Kode program Matlab:

n=7;
b=100;
x0=1;
erv=0.01;
i=1;
x=(b/x0)^(1/(n-1));
y=x^n-b;
er=(abs(x-x0))*100/x;
while er>erv
i=i+1;
x0=x;
x=(b/x0)^(1/(n-1));
y=x^n-b;
er=(abs(x-x0))*100/x;
end
nilaix=x
error=er
iterasi=i
9.
function r = Bairstow(a)
clc;
clear;
global b
a = fliplr(a);
r = [];
numel(a)=input;
while(numel(a) >2)
r2 = bairstow(a);
r = [r;r2];
a = b;
end
if(numel(a) == 2)
r = [r;-a(1)/a(2)];
end

function r2 = bairstow(a)
error = 1;
n = numel(a);
u = a(n-1)/a(n);
v = a(n-2)/a(n);
while error > 1e-10
[c,d,g,h] = cdgh(a, u, v);
D = v*g^2 + h*(h - u*g);
u = u - (g*d - c*h)/D;
v = v - ((u*g - h)*d - c*v*g)/D;
error = norm([c,d]);
end
D = sqrt(u^2-4*v);
r2 = [0.5*(-u + D);0.5*(-u - D)];

function [c,d,g,h] = cdgh(a, u, v)

global b
b = zeros(size(a)); f = b; n = numel(b);
for i = n-2:-1:1
b(i) = a(i+2) - u*b(i+1) - v*b(i+2);
f(i) = b(i+2) - u*f(i+1) - v*f(i+2);
end
c = a(2) - u*b(1) - v*b(2);
g = b(2) - u*f(1) - v*f(2);
d = a(1) - v*b(1);
h = b(1) - v*f(1);
b = b(1:n-2);
 10.
Metode + -
Grafik • Mudah, cepat. • Hasilnya kurang akurat.
• Lebih akurat daripada grafik. • Tidak bisa mencari semua akar.
• Error sudah ditentukan dari • Pemilihan xl dan xu
awal. mempengaruhi nilai akar yang
Bisection
dihasilkan.
• Iterasi terlalu banyak sehingga
prosesnya lambat.
• Proses penghitungannya lebih • Ada kemungkinan didapatkan nilai
False cepat daripada bisection. akar yang hasilnya kurang akurat.
position • Tidak bisa untuk fungsi yang tidak
kontinyu.
• Mengatasi kesalahan pada • Kemungkinan didapatkan nilai
metode false position pada saat akar yang kualitasnya tidak baik.
f(xl) lebih dekat ke 0 daripada
Modified
f(xu), tetapi akar xu lebih dekat
false
ke 0 daripada xl.
position
• Proses pencarian akar lebih
cepat daripada metode false
position.
• Mudah untuk diprogram • Fungsi g(x) harus memenuhi
Simple
• Hanya membutuhkan 1 initial syarat konvergen (alpha<1)
Fixed Point
guess • Kurang efisien
• Mampu menyelesaikan • Harus dapat menganalisis derivatif
persamaan kompleks ( secara analitik)
Newton
• Cepat mencapai konvergen • Dapat divergen
Rhapson
• Hanya membutuhkan 1 intitial
guess
• Akan mencapai konvergen lebih • Ada kemungkinan tidak
cepat daripada laju linear (lebih konvergen
Secant
cepat dari bisection)
• Tidak butuh turunan fungsi
• Jika pemilihan delata tepat, • Jika delta terlalu kecil, maka hasil
mampu menjadi metode yang perhitungan bisa terpengaruh
Modified bagus untuk kasus dimana round-off error.
Secant mengevaluasi turunan terlalu • Jika delta terlalu besar, metode ini
susah dan membuat dua initial bisa menjadi tidak efisien dan
guess juga terlalu susah. bahkan divergen.