BAB IV

PENDEKATAN POLINOMIAL

Dalam Bab II dan Bab III dipelajari masalah yang berhubungan dengan
pertanyaan: Bila diketahui suatu fungsi eksplisit dari pada variabel bebas x,
berapa harga x yang sehubungan dengan suatu harga tertentu dari fungsi
tersebut.
Pada Bab II, x adalah variabel sederhana, sedangkan pada Bab III x adalah
suatu vektor. Sekarang kita akan mempelajari suatu pertanyaan yang sebaliknya,
yaitu: Bila diketahui harga-harga suatu fungsi yang sesuai dengan harga-harga x,
bagaimanakah kelakukan fungsi itu? Atau bagaimana kelakuan fungsi f(x)
berikut?
x y = f(x)
x1 y1
x2 y2
x3 y3
x4 y4
… …
… …
… …
xn yn

Tujuan kita untuk mengetahui kelakuan fungsi f(x) adalah :

1. Untuk menentukan harga-harga fungsi pada harga-harga x yang tak ada
dalam tabel (Interpolasi + Ekstraksipolasi).
2. Untuk menentukan integral f(x).
3. Untuk menentukan turunan.
Baiklah kita mulai dengan dasar-dasar pemikiran untuk mencapai tujuan diatas.

4.1. Difference Tables

Bila kita ingin menentukan suatu polynomial yang melalui titik-titik
seperti yang dilalui fungsi yang tak diketahui, maka kita harus membentuk suatu
sistem persamaan-persamaan yang meliputi koefisien-koefisien polynomial itu.

67
Sebagai contoh kita akan meng-fit suatu polynomial derajad tiga pada data
berikut ini,
x 1 2,7 3,2 4,8 5,6
y = f(x) 14,0 17,8 22 38,3 51,6
Pertama, kita pilih 4 titik untuk menentukan polynomial ini (jumlah
maximum derajat polynomial selalu satu lebih kecil dari pada jumlah titik).
Misalkan kita pilih 4 titik pertama. Bila polynomial derajat tiga adalah ax3 + bx2
+ cx + d, dapat ditulis empat persamaan yang meliputi empat koefisien yang tak
diketahui a, b, c, dan d :
x=1 : a(1)3 + b(1)2 + c(1) + d = 14,2
x = 2,7 : a(2,7)3 + b(2,7)2 + c(2,7) + d = 17,8
x = 3,2 : a(3,2)3 + b(3,2)2 + c(3,2) + d = 22,0
x = 4,8 : a(4,8)3 + b(4,8)2 + c(4,8) + d = 38,3
Dengan menyelesaikan persamaan-persamaan ini untuk memperoleh harga
a, b, c, dan d maka polynomial derajat tiga dapat diperoleh. Prosedur ini adalah
tidak efisien dan kurang teliti. Maka perlu dicari cara yang lebih baik dan lebih
mudah.
Problem diatas akan jauh lebih sederhana bila harga-harga fungsi
diberikan pada harga-harga variabel bebas yang berjarak sama. Maka kasus inilah
yang kita bahas pertama kali. Dalam hal ini, data diatur dengan harga x dari kecil
ke besar. Selain kolom untuk x dan f(x) ditabelkan juga beda dari harga-harga
fungsi. Maka diperoleh suatu defference table. Tabel 4-1 adalah merupakan
contoh dari difference table. Masing-masing kolom disebelah kanan kolom f(x)
dihitung dari selisih dua harga pada kolom disebelah kirinya. Simbol-simbol yang
menyajikan masukan-masukan pada difference table akan berguna untuk
memanfaatkan difference table dalam rangka menentukan koefisien-koefisien
dari polynomial tersebut. Misalkan h adalah beda serba sama dari variabel bebas
x, h =  x.

68
Tabel 4-1 : Suatu difference table
x f(x)  f(x)  2 f(x)  3 f(x)  4f(x)
0.0 0.0
0.203
0.2 0.203 0.017
0.220 0.024
0.4 0.423 0.041 0.020
0.261 0.044
0.6 0.684 0.085 0.052
0.346 0.096
0.8 1.030 0.181 0.211
0.527 0.307
1.0 1.557 0.488
1.015
1.2 2.572

Didefinisikan, beda muka orde satu

 f1 = f2 - f1 ,  f2 = f3 - f2 , ...........  fi = fi+1 - fi
Beda muka order yang lebih tinggi didefinisikan dengan cara serupa :
 2 f1 =  (  f1) =  (f2 - f1 ) = (f3 - f2 ) - (f2 - f1 )
= f3 - 2 f2 - f1
 2 fi = fi+2 - 2 fi+1 + fi
 3f1 = Δ(Δ2 f1) = f4 - 3 f3 + 3 f2 - f1 (4.1)
 3fi = fi+3 - 3 fi+2 + 3 fi+1 - fi
. .
. .
n(n  1) n(n  1)(n  2)
 nfi = fi+n – n fi+n-1+ fi+n-2 – fi+n-3 + ...
2! 3!

Koefisien-koefisien pada Pers. (4-1) adalah koefisien-koefisien dalam ekspansi

binomial. Tabel 4-2 menunjukkan pembentukan suatu difference table
menggunakan simbol-simbol. Pada tabel ini indeks 1 tidak pada permulaan tabel.
Bila f(x) berkelakuan seperti suatu polinomial, maka difference table mempunyai
sifat-sifat spesifik. Pada Tabel 4-3 dibuat difference table dari suatu fungsi
polinom derajad tiga f(x)=x3. Terlihat bahwa difference order tiga adalah

69
konstan. Sehingga difference order empat dan yang lebih tinggi menjadi nol.
Dapat dibuktikan bahwa differnce ke n untuk suatu polinom derajad n adalah
konstan.

Tabel 4-2 : Difference table menggunakan simbol

i x f(x)  f(x)  2 f(x)  3 f(x)  4f(x)
–2 x –2 f –2
 f –2
–1 x –1 f –1 2 f – 2
 f –1 3 f – 2
0 x0 f0 2 f – 1 4 f – 2
 f0  f –1
3

1 x1 f1 2 f0 4 f – 1
 f1 3 f0
2 x2 f2 2 f1 4 f0
 f2  f13

3 x3 f3 2 f2 4 f1
 f3  f23

4 x4 f4 2 f3 4 f2
 f4 3 f3
5 x5 f5 2 f4
 f5
6 x6 f6

Tabel 4-3 : Difference table untuk f(x) = x3

x f(x)  f(x)  2 f(x)  3 f(x)  4f(x)
0 0
1
1 1 6
7 6
2 8 12 0
19 6
3 27 18 0
37 6
4 64 24 0
61 6
5 125 30
91
6 216

4.2. Interpolasi
Bila fungsi yang ditabelkan berkelakuan seperti suatu polinomial (hal ini
dapat ditunjukkan dari harga difference ke - n yang konstan atau hampir konstan),
kita dapat mendekatinya dengan polinomial itu. Persoalan kita adalah untuk

70
menemukan cara yang paling sederhana untuk menuliskan polinomial derajat – n
yang melalui (n + 1) titik, (xi , fi ), i = 0,1,2, ...... n.
Mungkin cara yang termudah untuk menuliskan suatu polinomial melalui
titik-titik yang berjarak sama adalah Newton-Gregory forward Polynomial.
i (i  1) i(i  1)(i  2)
f(xi)  Pn(xi) = fo + i fo + ∆2fo + ∆3fo + . . . . .
2! 3!

i i 2 i 3 i 4

=fo +   ∆fo +   ∆ fo +   ∆ fo +   ∆ fo + ..... (4-2)
1  2  3  4

i i i!
Simbol   adalah simbol untuk kombinasi, yaitu :   =
n n n!i  n !

Perhatikan dari Tabel 4-2 dan Pers. 4-2 bahwa Pn(x) memenuhi tabel tersebut
pada semua pasangan data :
(xi,fi ) , i = 0, 1, 2, ..........., n.
Bila i = 0, Pn(xo) = fo
Bila i = 1, Pn(x1) = fo + ∆fo = fo + f1 – fo = f1
Bila i = 2, Pn(x2) = fo + 2fo + 2fo = f2 , dsb.
Bila pada domain dari xo sampai xn, Pn(x) dan f(x) mempunyai harga yang
sama pada harga-harga x yang ditabelkan, maka mungkin akan masuk akal bila
dianggap keduanya mempunyai harga yang sama pada harga-harga x pertengahan.
Anggapan ini adalah merupakan dasar dari pemakaian Pn(x) sebagai suatu
polinomial interpolasi. Kita gunakan Pers. 4-2 sebagai polinomial interpolasi
dengan mengijinkan i mempunyai harga yang takbulat.
Perhatikan untuk setiap harga x,
x  xo
i
h
Contoh 4-1:
Tulis suatu Newton-Gregory forward Polynomial derajat tiga yang memenuhi
Tabel 4.1 untuk 4 titik. x=0,4 sampai x=1.
Gunakan polinomial ini untuk mencari harga f pada x = 0,73
Penyelesaian:
Diadakan peng-indeks-an :
xo=0,4 x1=0,6 x2=0,8 x3=1,0
Terlihat bahwa : fo=0,423 ∆fo=0,261 ∆2fo=0,085 dan ∆3fo=0,096

71
 i (i  1) i(i  1)(i  2)
Jadi P3(xi)=0,423 + 0,261 i + 0,085 + 0,096
2! 3!

x  xo 0,73  0,4
untuk x = 0,73 → i  h
= = 1,65
0,2
(1,65)  (1,65  1)
Jadi f(0,73) = P3(0,73) = 0,423 + (0,261)(1,65) + (0,085)
2
(1,65)  (1,65  1)(1,65  2)
+ (0,096)
6
= 0,423 + 0,4306 + 0,0456 – 0,0626
= 0,893
Fungsi yang ditabelkan pada Tabel 4-1 adalah tan x, yang mana harga
benar fungsi pada x = 0,73 adalah 0,895. Terlihat bahwa ada kesalahan pada
desimal ke-3. Kesalahan ini memang harus terjadi karena difference ke-3 tidak
konstan, sehingga polinomial derajat tiga ini bukan merupakan penyajian yang
sempurna dari fungsi tersebut. Walaupun demikian, Polinomial ini memberikan
estimati yang jauh lebih baik dari pada interpolasi linier.
Polinomial interpolasi yang sering kali digunakan juga adalah Newton
Gregory backward Polinomial.
 i  1 2 i  2 3
Pn(xi) = fo +  i  Δf - 1 +   Δ f - 2 +   Δ f - 3 . . . . . (4-3)
 1
   2   3 
Sebagai contoh dikerjakan contoh soal 4.1 dengan polinomial ini.
Pilih xo = 1, sehingga :
0,73  1
i= = - 1,35
0,2
( 0,35)( 1,35)
Jadi f(0,75) = 1,557 + (-1,35)(0,527) + (0,181)
2
(0,65)( 0,35)( 0,35)
+ (0,096)
6
= 1,557 - 0,7114 + 0,0428 + 0,0049
= 0,893
Ternyata diperoleh hasil yang sama seperti pada contoh soal 4-1.
Selain kedua polinomial interpolasi diatas, terdapat banyak lagi polinomial
interpolasi, yaitu Gauss Forward, Gauss Backward Stirling, dan Bessel. Akan

72
tetapi disini tidak dibahas. Untuk mengetahui lebih jauh, disarankan membaca
textbook diantaranya “Applied Numerical Analysis” oleh Curtis F. Gerald.
Bila harga-harga x tak berjarak sama, maka metoda diatas tak dapat
digunakan, Lagrange mengembangkan suatu polinomial yang disebut "Lagrangian
Polinomial" yang dapat digunakan untuk interpolasi bila harga-harga x tak
berjarak sama. Bila kita mempunyai data sbb.
x f(x)
x1 f1
x2 f2
! !
! !
xn fn
maka Lagragian Polinomial bisa disajikan sebagai berikut :
Fn-1(x) = ( x  x 2 )( x  x 3 )( x  x 4 ).....( x  x n ) f1 + ( x  x1 )( x  x 3 )( x  x 4 )......( x  x n ) f2
( x1  x 2 )( x1  x 3 )( x1  x 4 )...( x1  x n ) ( x 2  x1 )( x 2  x 3 )( x 2  x 4 )...( x 2  x n )

+ ……………………………….. + ( x  x1 )( x  x 2 ).........( x  x n 1 ) fn
( x n  x1 )( x n  x 2 ).....( x n  x n 1 )

Contoh 4-2 :
Diketahui tabel data berikut :

x f(x)
1,1 10,6
1,7 15,2
3,0 20,3
Tentukan harga f untuk x = 2,3
Penyelesaian :
f(x) =P2(x)= ( x  1,7)( x  3) (10,6) + ( x  1,1)( x  3) (15,2) + ( x  1,7)( x  1,7) (20,3)
(1,1  1,7)(1,1  3) (1,7  1,1)(1,7  3) (3  1,1)(3  1,7)

untuk x = 2,3
f(2,3) = P2(2,3) = 18,38

Kesalahan Dalam Interpolasi

Seperti disebut dimuka, suatu fungsi f(x) yang menyajikan data tabel dapat
didekati oleh suatu Polinomial Pn(x) yang dikatakan sebagai Polinomial
Interpolasi. Selisih antara f(x) dan Pn(x) adalah merupakan kesalahan interpolasi.
Kesalahan ini dapat dinyatakan sebagai berikut :

73
 E(x) = f(x) – Pn(x) = (x – xo)( x – x1)( x – x2) ... (x – xn) g(x)
Pada xo, x1, ………, xn → E(x) = 0

Jelas bahwa :
f(x) – Pn(x) – (x – xo)( x – x1)( x – x2) ... (x – xn) g(x) = 0 (4-5)
Untuk menentukan g(x), didefinisikan auxiliary function w(t)
w(t) = f(t) – Pn(t) – (t – xo)( t – x1) ... (t – xn) g(x)
Sebenarnya w adalah fungsi x dan t. Tapi kita berkepentingan pada perubahan t.
Kita teliti akar-akar w(t).
Pada t = xo, x1, ………, xn, fungsi w(t) adalah nol, tapi fungsi ini juga menjadi nol
pada t = x (dari Pers.(4-5)).
Sekarang kita memberikan persyaratan pada w(t) agar "Law of mean value"
memenuhi, w(t) harus kontinyu dan dapat didifferensiasi.
Bila demikian, maka terdapat satu akar dari turunan w'(t), diantara (n+2)
akar-akar w(t), jadi jumlah akarnya keseluruhan adalah n + 1. Bila turunan kedua
w"(t) ada, terdapat n akar-akar w"(t), dan seterusnya sampai kita dapatkan w(n+1)(t)
yang harus mempunyai paling sedikit satu akar pada interval yang mempunyai x o,
xn, atau x sebagai titik-titik akhirnya.
Katakanlah harga t ini adalah t = ξ.
Maka kita peroleh :
w(n+1)(ξ) =0
d n 1
= n 1 [f(t) – Pn(t) – (t – xo) …….. (t – xo) g(x)]t = ξ
dt
= f(n+1)(ξ) – 0 – (n+1)! g(x) (4-6)
Maka :
f ( n 1)  
g(x) = , ξ antara (xo, xn, x)
n  1!
Persyaratan pada w(t) (yaitu kontinyu dan dapat didifferensiasikan n+1 kali) akan
dipenuhi bila f(x) mempunyai sifat yang sama. Sehingga kesalahan interpolasi
dapat dituliskan sbb.
f ( n 1)  
E(x) = (x – xo)( x – x1)( x – x2) ... (x – xn) (4-7)
n  1!

74
Persamaan ini bisa dimodifikasi dengan menyatakannya dalam i yaitu i = ( x  xo ) ,
h

diperoleh :
(i )(i  1)(i  2)......(i  n) n 1
E(xi) = h f n 1
 
(n  1) !

 i  n 1
=   h f n 1
  , ξ antara (xo, xn, x) (4-8)
 n  1

Contoh 4-3
Diketahui data berikut :
x f(x)  f(x)  2 f(x)  3 f(x)
0,1 0,09983
0,37960
0,5 0,47943 – 0,07579
0,30390 0,04797
0,9 0,783333 – 0,12367
0,18023 – 0,02846
1,3 0,96356 – 0,15213
0,2810
1,7 0,99166

Data ini memenuhi f(x) = sin x. Lakukan interpolasi untuk menghitung sin (0,8)
menggunakan polinomial derajat dua yang melalui tiga titik-titik pertama. Juga
tentukan errornya menggunakan Pers. (4-8).
Penyelesaian:
(0,8  0,1)
xo = 0,1 dan i = = 1,75
0,4
Maka :
(1,75)(0,75)
f(0,8) = 0,09983 + (1,75)(0,37960) + ( – 0,07570)
2
= 0,71445
(0,75)(0,25)
Error = 1,75 (0,4)3 ( – cos ξ ) ;
6
ξ terletak dalam interval yang dibatasi oleh : x o = 0,1 dan x2 = 0,9. Kita dapat
menghitung harga maximum dan minimum untuk cos ξ.

75
 (1,75)(0,75)(0,25)
Error ≤ (0,4)3 [ – cos(0,1)] = 3,34 x 10-3
6
(1,75)(0,75)(0,25)
Error ≥ (0,4)3 [ – cos(0,9)] = 2,18 x 10-3
6
Kesalahan sebenarnya adalah 2,9 x 10-3 (berada diantara kedua harga diatas).

Penjabaran Rumus-Rumus dengan Metoda Simbol

Didefinisikan operator-operator beda muka (forward difference) ∆, beda belakang
(backward difference)  dan tanjakan E sebagai berikut :
∆f(xo) = f(xo+ h) – f(xo)
∆2f(xo) = ∆[∆f(xo)] = ∆f(xo+ h) – ∆f(xo)
 f(xo) = f(xo) – f(xo– h) (4-8 a)
 2f(xo) =  [  f(xo)] =  f(xo) –  f(xo– h)
E [f(xo)] = f(xo + h)
E2 [f(xo)] = E [E f(xo)] = E f(xo + h) = f(xo + 2 h)
En f(xo) = f(xo + n h)
Dari Pers. (4-8a) dapat ditunjukkan bahwa :
Δ f(xo) = E f(xo) – f(xo) = (E – 1) f(xo)
 f(xo) = f(xo) – E-1 f(xo) = (1 – E-1) f(xo) (4-8b)
Dari Pers. (4-8b) diperoleh hubungan berikut :
Δ=E–1
 = 1 – E-1 (4-8c)
Operasi-operasi aljabar berlaku pada operator-operator diatas maka :
n  n  n-3
Δn = (E – 1)n = En – nEn-1 +   En-2 –   E + …….
 2  3
Sehingga:
n
Δn f(xo) = [En – nEn-1 +   En-2 – …….] f(xo)
 2
n
= f(xo+ nh) – n f [xo+ (n – 1) h] +   f [xo+ (n – 2) h] – ………
 2
atau :

76
 n
Δn fo = fn – n fn-1 +   fn-2 – …….. (4-8d)
 2
Pers. (4-8d) adalah bukti dari koefisien binominal yang diberikan di muka.
Kita dapat menjabarkan hubungan antara Δ dan  .
E  = E(1 – E-1) = E – 1 = Δ
En  n =  n En = Δn
Δn fo =  n En fo =  n fn
Kita dapat juga menjabarkan rumus Newton Gregory Forward.
E = 1 + Δ, Ei = (1 + Δ)i
i i 3
fi = Ei fo = (1 + Δ)i fo = [1 + i Δ +   Δ2 +   Δ + …..]fo
 2  3
i i 3
= fo + i Δ fo +   Δ2 fo +   Δ fo + …..
 2  3
Rumus Newton - Gregory backward juga mudah dijabarkan :
E-1 = 1 –  . Ei = (1 –  )-i
 i  1 2 i  2 3
fi = Eifo = (1 –  )-i fo = [1 + i  +    +    + ….] fo
 2   3 
 i  1 2 i  2 3
= fo + i  fo +    fo +    fo + …..
 2   3 
 i  1 2 i  2 3
= fo + iΔf -1 +   Δ f -2 +   Δ f -3 + …..
 2   3 

4.3. Differensiasi Numerik

Sering kali kita perlu mencari turunan suatu fungsi pada suatu harga x
tertentu dari tabel data. Hal inilah yang dipelajari dibawah ini. Teknik yang
digunakan disebut differensiasi numerik. Dipelajari teknik penentuan turunan
pertama dan kedua.

Penentuan Turunan Pertama

Bila suatu fungsi bisa didekati dengan suatu polinomial interpolasi, maka
dapat diharapkan bahwa slope fungsi itu dapat juga didekati dengan slope
polinomial tersebut.

77
Misal digunakan Newton forward Polynomial :
i i 3 i n
f(xi) = Pn(xi) + kesalahan = fo + i Δ fo +   Δ2 fo +   Δ fo + …..+   Δ fo
 2  3 n
+ kesalahan (4-9)
Kesalahan pada Pers. (4-9) adalah :
 i  (n+1) (n+1)
Kesalahan Pn(xi) =   h f (ξ), xo < ξ < xn (4-10)
 n  1
Differensiasi Pers. (4-9) dengan mengingat bahwa fo dan semua suku-suku 
adalah konstanta-konstanta diperoleh :
d  d  di 
f ' (xi) = Pn' (xi) =   Pn (xi) =   Pn (xi)  
 dx   di   dx 
1 d 1
= [Pn (xi)] = [Δfo + ½ (i – 1 + i)Δ2fo
h di h
+ 1
6 {(i – 1)(i – 2) + i(i – 2) + i(i – 1)}Δ3fo + ……..] (4-11)
Bila i = 0 sebagai penyederhanaan, diperoleh turunan pada x = xo :
1
f ' (xi) = [Δfo – ½ Δ2fo + 1
3 Δ3fo – 1
4 Δ4fo + …….+ 1 n Δnfo] (4-12)
h
Pada Pers. (4-12) harga turunan adalah turunan dari polonomial derajat-n yang
melalui titik (xo, fo) dan n titik disebelah kanannya, dihitung pada x = xo.
Kesalahan estimasi turunan ini diperoleh dengan differensiasi Pers. (4-10).
d i  1
Kesalaan Pn'(xi) = h(n+1) f (n+1)(ξ) [  ]
di  n  1 h

 i  (n+1)  d  (n+1)
+   h   [f (ξ)] (4-13)
 n  1   dx 
Suku kedua dari Pers. (4-13) tak dapat dihitung, tapi bila i = 0 suku ini menjadi
 i 
nol karena   = 0 untuk i = 0
 n  1
Sehingga kita hanya perlu mencari differensial suku ke-1, yaitu:
d i 
  = [(i – 1)(i – 2)…..(i – n) + i(i – 1)(i – 3)…..(i – n) + ……
di  n  1
+ i(i – 1)……..(i – n + 1)] / (n + 1)! (4-14)

78
 d i  n!
Pada i = 0,   = (-1)n
di  n  1 (n  1)!
sehingga Pers. (4-13) menjadi :
n! 1
Kesalahan : Pn' (xo) = h(n+1) f(n+1)(ξ) [(-1)n ]( )
(n  1)! h

(1) n n (n+1)
= h f (ξ) (4-15)
(n  1)
Terlihat bahwa walaupun interpolating polinomial memberikan kesalahan = 0
pada i = 0, namun terdapat kesalahan 0(hn) {dibaca "Order of h to nth power"}
untuk turunannya kecuali bila f(n+1)(ξ) = 0
Contoh 4-4
Diketahui tabel data berikut :
Tabel 4-4
x f(x) y  2y 3y 4y
1,3 3,669
0,813
1,5 4,482 0,179
0,992 0,041
1,7 5,474 0,220 0,007
1,212 0,048
1,9 6,686 0,268 0,012
1,480 0,060
2,1 8,166 0,328 0,012
1,808 0,072
2,3 9,974 0,400
2,208
2,5 12,182

Perkirakan turunan pertama y pada x = 1,7 menggunaka satu, dua tiga dan empat
suku dari rumus yang digunakan.
Penyelesaian :
Dalam hal ini untuk x = 1,7 digunakan indeks i = 0 pada Pers. (4.12)
1
y ' (xo) = Pn' (xo) = [Δyo – ½ Δ2yo + 1
3 Δ3yo – 1
4 Δ4yo + …….+ 1 n Δnyo]
h
Satu suku :
1
y ' (1,7) = (1,212) = 6,060
0,2
Dua suku :

79
 1
y'(1,7) = (1,212 – ½ (0,268)) = 5,390
0,2
Tiga suku :
1
y'(1,7) = (1,212 – ½ (0,268) + 1 3 (0,060)) = 5,490
0,2
Empat suku :
1
y'(1,7) = (1,212 – ½ (0,268) + 1 3 (0,060)– 1
4 (0,012)) = 5,475
0,2
Data yang ditabelkan diatas, adalah y = ex yang dibulatkan sampai 3 angka
di belakang koma (3 desimal). Karena turunan ex adalah ex, terlihat bahwa
kesalahan turunan adalah kecil dengan menggunakan 4 suku. Kita dapat menduga
hal ini karena difference ke -4 pada Tabel 4-4 tak banyak berubah-ubah (hampir
konstan). Jadi fungsi ini disajikan cukup baik oleh polinomial derajat empat.
Karena kita ketahui bahwa f(x) = ex, kesalahan perhitungan diatas dapat
diperkirakan :
(1)1
Dengan satu suku, kesalahan = (0,2) f"(ξ), 1,7 ≤ ξ ≤ 1,9
2

0,2 e1, 7 (min)    0,547(min) 

=  =  
2 e1,9 (max)   0,669(max)
(Kesalahan sesungguhnya = 0,586)
(1) 2
Dengan dua suku, kesalahan = (0,2)2 f '''(ξ), 1,7 ≤ ξ ≤ 2,1
3

0,04  e1, 7 (min)   0,073(min) 

=  =  
3 e 2,1(max)  0,109(max)
(Kesalahan sesungguhnya = 0,084)
(1) 3
Dengan tiga suku, kesalahan = (0,2)3 f iv(ξ), 1,7 ≤ ξ ≤ 2,3
4

0,008  e1, 7 (min)    0,011(min) 

=  =  
4 e 2,3(max)   0,020(max)
(Kesalahan sesungguhnya = – 0,016)
(1) 4
Dengan empat suku, kesalahan = (0,2)4 f v(ξ), 1,7 ≤ ξ ≤ 2,3
5

80
 0,006  e1, 7 (min)   0,002(min) 
=  =  
5 e 2,5(max)  0,004(max)
(Kesalahan sesungguhnya = – 0,001)
Dalam hal empat suku, kesalahan perkiraan dan kesalahan sesungguhnya
tak sesuai karena adanya kesalahan pembulatan (round-off error). Pers. (4-15)
hanya memperhitungkan "Tuncation error". Bila digunakan 1, 2 dan 3 suku,
round-off error tidak besar dibanding tuncation error.
Rumus untuk turunan pada Pers. (4-12) disebut forward difference
approxination (pendekatan beda muka) karena rumus ini hanya mengandung
difference-difference fungsi yang berada dimuka f(xo). Untuk forward-difference
approxination, interpolating polynomial yang digunakan tak memenuhi titik-titik
yang simetris disekitar xo. Interpolasi ini lebih teliti di sekitar tengah-tengah
jangkauan (range).
Pengaruh yang serupa berlaku untuk turunan. Pandanglah dua suku
pertama dari Pers. (4-11):
1
f ' (xi) = [Δfo + ½ (i – 1 + i)Δ2fo) + error (4-16)
h
Interpolating polynomial derajat dua yang bersesuaian dengan Pers. (4-16)
adalah memenuhi pada xo, x1, dan x2. Misalkan i = 1 pada Pers. (4-16), sehingga
1
kita dapat memperkirakan f ' (x) : f ' (x1) = [Δfo + ½ Δ2fo] + error
h
Bila difference dinyatakan dalam f, persamaan ini bisa ditulis :
1
f ' (x1) = [f1 – fo + ½ (f2 – 2 f1 + fo )]
h
f2  fo
= + error (4-17)
2h
Pers. (4-17) disebut "Central-difference approximation". Harga x yang
dicari turunannya ditempatkan pada tengah-tengah range. Kesalahan pada Pers.
(4-17) dapat dijabarkan dengan cara serupa dengan Pers. (4-15) yaitu :
1
Kesalahan pada P2' (x1) =  h 2 f iii (ξ ) , xo ≤ ξ ≤ x2 (4-17)
6

81
Terlihat bahwa rumus central-difference sangat teliti untuk menghitung turunan.
Bila kita gunakan Pers. (4-17) pada data Tabel 4-4 untuk memperkirakan f ' Pers.
(4-17), diperoleh :
6,686  4,482
f ' (1,7) = = 5,510
2(0,2)
  0,03(min) 
Perkiraan kesalahan :  
 0,046(max)
Kesalahan sasungguhnya = – 0,036.
Rumus central-difference yang serupa dengan Pers. (4-17) dapat dijabarkan
menggunakan polinomial derajat genap yang lebih tinggi, sebagai contoh untuk
polinomial derajat 4 adalah :
1 f  2  8 f 1  8 f 1  f 2
f ' (xo) = (4-19)
h 12
1 4 v
Kesalahan = h f (ξ), x – 2 ≤ ξ ≤ x2
30

Rumus Untuk Turunan Yang Lebih Tinggi

Rumus untuk turunan pertama dapat dijabarkan dengan metoda simbol :
e=1+Δ
yi = Ei yo
d 1 d i 1
yi' = (Ei yo) = (E yo) = (ln E) Ei yo
dy h di h
Pada i = 0
1 1
yo' = (ln E) yo = ln(1 + Δ) yo
h h
1
= (Δyo – ½ Δ2yo + 1 3 Δ3yo – 1 4 Δ4yo + …….) (4.20)
h
Didefinisikan operator D sebagai operator turunan, maka :
1
D yo = ln(1 + Δ)yo (4-21)
h
atau
1
D= ln(1 + Δ) (4-22)
h
Turunan-turunan yang lebih tinggi bisa diperoleh dari :

82
 1 2
D2 = ln (1 + Δ)
h
1 3
D3 = ln (1 + Δ) (4-23)
h
……..
……..
1 n
Dn = ln (1 + Δ)
h
Sebagai contoh untuk turunan kedua :
1
D2 yo = (Δ – ½ Δ2 + 1
3 Δ3 – 1
4 Δ4 + …….)2 yo
h2
1 2
= 2
(Δ – Δ3 + 11
12 Δ4 – 56 Δ5 + …….) yo
h
1 2
= (Δ yo– Δ3yo + 11
12 Δ4yo – 56 Δ5yo + …….)
h2
4.4. Integrasi Numerik
Strategi untuk menjabarkan rumus-rumus integrasi numerik adalah semua
differensiasi numerik. Yaitu dicari suatu polinomial yang melalui titik-titik fungsi
(titik-titik tabel data), dan kemudian integrasi polinomial ini. Bila titik-titik tabel
data berjarak sama, maka digunakan polinomial Newton Gregory forward.
b b

 f ( x)dx =  P ( x )dx
a a
n i (4-17)

Kesalahan integrasi ini adalah :

b
 i 
Error   n  1h
n 1
f ( n 1) ξ dx
a

Ada berbagai cara untuk menggunakan Pers. (4-17). Kadangkala interval integrasi
(a, b) dibuat sama dengan jarak polinomial (xo, xn). Dalam hal ini diperoleh
rumus-rumus Newton-Cotes. Berdasarkan hal tersebut terdapat rumus-rumus
integrasi numerik dengan berbagai derajat interpolating polynomial. Yang sering
dipakai adalah rumus-rumus integrasi yang menggunakan polynomial derajat satu,
dua dan tiga.
n=1:

83
 x1 x1


xo
f ( x)dx  
xo
(fo + i Δfo) dx

x  xo dx
i= → di = → dx = h di
h h
x1 1
Pada x  x o  i  0
 f ( x)dx  
xo 0
(fo + i (f1 – fo) h di 
 x  x1  i  1


= h [fo i + i2
2 (f1 – fo)] 10

= h [fo + ½ (f1 – fo)]

h
= (fo + f1) (4-18)
2

i (i  1) 2 i2  i
x1 1
Error =  h f " ξ  dx  h 3 f " ξ  di
xo
2 0
2

= h3 f" (ξ1)[ i6  i4 ] 10 =  121 h3 f" (ξ1),

3 2
x o ≤ ξ1 ≤ x 1 (4-19)

n=2:
x2 x2

 f ( x)dx  
i (i 1)
(fo + i Δfo + 2
Δ2fo) dx
xo xo

2
= h  (fo + i Δfo + i (i 1)
2
Δ2fo) di
0

= h fo i ] 02 + h Δfo i2
2
] 02 +h Δ2fo i3
6
2

 i4 ] 02

= h [2 fo + 2 Δfo + 1
3 Δ2fo]
h
= (fo + 4f1 + f2) (4-20)
3

i (i  1)(i  2)(i  3)
x2

Error =  h 4 f iv ξ  dx
xo
24

=  901 h5 f iv (ξ1), x o ≤ ξ1 ≤ x 2 (4-21)

n=3:
x3 x3

 f ( x)dx  
xo xo
P3(xi) dx = (fo + 3 f1 + 3 f2 + f3) (4-22)

84
Error =  803 h5 f iv (ξ1), x o ≤ ξ1 ≤ x 3 (4-23)

Perlu diperhatikan bahwa Error untuk n = 2 dan n = 3 adalah 0(h5). Ini

berarti bahwa integrasi menggunakan polinomial derajat dua adalah serupa
dengan integrasi menggunakan polinom derajat tiga. Perhatikan pula bahwa
koefisien pada Pers. (4-21), yaitu  901 , lebih kecil dari persamaan (4-23), yaitu

 803 . Jadi rumus yang didasarkan pada polinom derajat dua ternyata lebih akurat

dari pada yang didasarkan pada polinom derajat 3.

Berdasarkan rumus-rumus Newton-Cotes ini dijabarkan rumus-rumus
integrasi numerik : Trapezoidal Rule, Simpson's 1
3 Rule, dan Simpson's 3
8 Rule.

Trapezoidal Rule
Dalam hal ini range integrasi dibagi-bagi dalam beberapa bagian, yang tiap
bagiannya, harga integrasinya dihitung dengan rumus Newton-Cotes
menggunakan polinom derajat satu.

(f(x i )  f(x i 1 )h
x i 1

Bi = 
xi
f(x) dx =
2
, maka :


a
f(x) dx bisa dihitung sebagai berikut :

b n n
h
 f(x) dx = i 1
Bi =  2 (fi + fi+1)
i 1
a

h
= (f1 + 2 f2 + 2 f3 + 2 f4 + 2 f5 + .... + fn+1) (4-24)
2

Contoh 4-5 :
Kita ingin menghitung integral fungsi pada Tabel 4-5 dari x = 1,8 sampai x = 3,4.

Tabel 4-5
x f(x) x f(x) x f(x) x f(x)
1,6 4,953 2,2 9,025 2,8 16,445 3,4 29,964
1,8 6,050 2,4 11,023 3,0 20,086 3,6 36,598
2,0 7,389 2,6 13,464 3,2 24,533 3,8 44,701

Penyelesaian :

85
3, 4
0,2

1,8
f(x) dx =
2
{6,050 + 2 (7,389) + 2 (9,025) + 2(ll,023) + 2 (13,464)

+ 2 (16,445) + 2 (20,086) + 2 (24,533) + 29,964}

= 23,9944
Data pada Tabel 4-5 adalah Tabel untuk f(x) = ex, sehingga harga benar integral
adalah e3,4 – e1,8 = 23,9144.
Local Error
1 3
Trapezodial rule =  h f " (ξ1), x o ≤ ξ1 ≤ x 1
12
Error ini adalah kesalahan satu tahap, dan karenanya disebut "Local Error". Kita
ingin menghitung total error atau global error dari Trapezodial rule. Global error
adalah total dari kesalahan-kesalahan lokal :
1 3
Global error =  h [ f " (ξ2) + f " (ξ2) + …… +f " (ξn)] (4-25)
12
Bila dianggap f " (x) kontinyu pada interval (a, b), maka akan ada harga x dalam
interval (a, b) katakanlah x = ξ, yang mana harga penjumlahan pada Pers. (4-25)
adalah sama dengan n.f "(ξ). Karena nh = (b – a), maka global error menjadi :
Global error :
1 3
Trapezodial Rule =  h n f " (ξ)
12
(b  a) 2
= h f " (ξ) = 0 (h2) (4-26)
12
Sebagai contoh, pada contoh 4-5, kesalahan perhitungan integrasi didapat sebagai
berikut :
1 3
Erorr = h n f " (ξ), 1,8 ≤ ξ1 ≤ 3,4
12

1  e1,8(min)    0,0325(min) 
= (0,2)3 (8)  3, 4 (max)  =  
12 e   0,1598(max)
Kesalahan sebenarnya = – 0,08
Bila kita tak tahu bentuk fungsi yang ditabelkan, h2 f "(ξ) diestimasi dari
difference kedua.

Simpson's 1
3 Rule

86
Dalam hal ini range integrasi dibagi-bagi dalam beberapa bagian yang tiap
bagiannya, harga intgrasinya dihitung dengan rumus Newton-Cotes menggunakan
Polinom derajat kedua.
x i 2
h
Bi = 
xi
f(x) dx =
3
(fi + 4 fi+1 + fi+2)

dengan kesalahan local error :

1 5 iv
Local Error =  h f (ξ), xi ≤ ξ ≤ xi+2
90
b
Harga 
a
f(x) dx bisa dihitung sebagai berikut :

b n


2


a
f(x) dx =
i 1
Bi

h
= (f1 + 4 f2 + 2 f3 + 4 f4 + 2 f5 + .... + fn+1) (4-27)
3
dengan kesalahan (global error) :
(b  a) 4 iv
Global Error =  h f (ξ), x1 ≤ ξ ≤ xn+1 (4-28)
180
Simpson's 3
8 Rule
Dalam hal ini, range integrasi dibagi-bagi dalam beberapa bagian yang bagiannya,
harga integrasinya dihitung dengan rumus Newton-Cotes menggunakan
Polinomial derajat tiga.
xi 3
3h
Bi = 
xi
f(x) dx =
8
(fi + 3 fi+1 + 3 fi+2 + fi+3)

dengan kesalahan local error :

3 5 iv
Local Error =  h f (ξ), xi ≤ ξ ≤ xi+2
80
b
Harga 
a
f(x) dx bisa dihitung sebagai berikut :

b n


3


a
f(x) dx =
i 1
Bi

87
 3h
= (f1 + 3 f2 + 3 f3 + 2 f4 + 3 f5 + 3 f6 + 2 f7 .... + fn+1) (4-29)
8
dengan kesalahan (global error) :
(b  a) 4 iv
Global Error =  h f (ξ), x1 ≤ ξ ≤ xn+1 (4-30)
80
Gaussian Quadrature
Pada metode ini :
b N

 f(x) dx = i 1
wi . f(xi)
a

dimana wi = faktor bobot (weighting factor)

Untuk N = 2
1


1
f(U) dU = w1 . f(U1) + w2 . f(U2)

Pada metode kuadratur Gauss, w1, w2, U1, dan U2 dipilih harganya agar
hasil integrasi teliti. Metode ini akan menghasilkan harga eksak bila f(x)
merupakan polynomial derajat tiga atau kurang dari tiga.
Polinomial derajat tiga dapat dinyatakan sbb:
f(U) dU = ao + a1 U + a2 U2 + a3 U3
1 1


1
f(u) du = 
1
(ao + a1 U + a2 U2 + a3 U3) dU

a1 2 a 2 3 a
= [ao U + U + U + 3 U4] 11
2 3 4
2
= 2 ao + 0 + a2 + 0
3
2
= 2 ao + a2
3
= w1 . f(U1) + w2 . f(U2)
= w1 .[ao + a1 U1 + a2 U 12 + a3 U 13 ] + w2 .[ao + a1 U2 + a2 U 22 + a3

U 32 ]

= (w1 + w2) ao + (w1.U1 + w2.U2) a1 + (w1 U 12 + w2 U 22 ) a2

+ (w1 U 13 + w2 U 32 ) a3

88
Bila di-identity :
w1 + w2 = 2
(1)
w2 U
w1.U1 + w2.U2 = 0 →  1 (2)
w1 U2

w1 U 12 + w2 U 22 = 2
3 (3)

w1 U 13 + w2 U 32 = 0 (4)
Substitusi Pers. (1) ke Pers. (2) :
0 = w1.U1 + ( 2 – w1)U2 (5)
Pers. (4) disusun kembali menjadi :
(w1.U1) U 12 + (w2.U2) U 22 = 0
(6)
Substitusi Pers. (2) ke (6) :
(w1.U1) U 12 + (– w1.U1) U 22 = 0 → (w1.U1)(U 12 – U 22 ) = 0

U 12 = U 22 → U2 = +U1 → dipakai U2 = – U1
Pers. (3) menjadi :
(w1.U1) U1 + (w2.U2) U2 = 2
3 → (w1.U1) U1 + (– w1.U1) U2 = 2
3

1
(w1.U1) U1 + (w1.U1) U1 = 2
3 → 2 w1 U 12 = 2
3 → w1 =
3U 12

1
w2 = 2 –
3U 12

Dari Pers. (2) :

w2 U 1 1
  1 = 1 → w2 = + w1 → 2 – 2
= + 2
→ U 12 = 1
3
w1 U2 3U 1 3U 1

U1 = + 1
3 , diambil U1 = – 1
3 = – 0,57735

Untuk identity yang lain diperoleh :

U2 = – U1 = – 0,57735
1
w1 = =1
3U 12

w2 = w1 = 1

89
 b
Untuk mendapatkan 
a
f(x) dx diadakan transformasi variabel sbb.

x=a → U=–1
x=b → U=+1
ab ba ba
x=  U → dx = du
2 2 2
ab ba
U=–1 → x=  (– 1) = a
2 2
ab ba
U=1 → x=  (1) = b
2 2

(b  a ) (b  a )
b 1 1
Jadi 
a
f(x) dx = 
1
2
f(U) d(U) =
2 1
f(U) dU

(b  a ) N
=  wi . f (U i )
2 i 1
Untuk N yang lain, harga wi dan Ui ditabelkan sbb.
Tabel 4-6 : Tabel Gauss
Jumlah titik U w
1 U1 = 0 w1 = 2
2 U2 = – U1 = 0,57735 w1 = w2 = 1
3 U2 = 0 w2 = 8 9
U3 = – U1 = 3
5 = w1 = w3 = 10 18
0,77459
4 U3 = – U2 = 0,3399 w2 = w3 = 0,652011
U4 = – U1 = 0,86113 w1 = w3 = 0,34784

Contoh 4-6
1, 5

e
 x2
Hitung dx dengan metode Gauss untuk n = 3 (tiga titik)
0, 2

Penyelesaian :

(b  a ) N
1, 5

 e dx
x
 wi . f (U i )
2
=
0, 2
2 i 1

1,5  0,2
= [w1 . f(U1) + w2 . f(U2) + w3 . f(U3)]
2

f(U1) = f(x1) = e  x
2

90
 ab ba
x=  U
2 2

x1 =
1,5  0,2 1,5  0,2
2

2
U1 =
1,5  0,2 1,5  0,2
2

2
  3
5  = 0,3465
f(x1) = e  ( 0,3465) = 0,8869
2

1,5  0,2 1,5  0,2

x2 =  (0) = 0,85
2 2

f(U2) = f(x2) = e  ( 0,85) = 0,4855

2

1,5  0,2 1,5  0,2

x2 =  3
5 = 0,3535
2 2

f(U3) = f(x3) = e  (1,3535) = 0,1601

2

1,5  0,2 10
1, 5

e
 x2
dx = [ 18 . 0,8869 + 8
9 .0,4855 + 10
18 . 0,1601] = 0,6586
0, 2
2

91