PENDAHULUAN
1.1.Tujuan Praktikum
Tujuan dari praktikum pengenalan Matlab kali ini ialah sebagai berikut:
1.2.Batasan Masalah
Adapun batasan masalah yang akan dibahas pada laporan praktikum pengenalan Matlab,
yaitu sebagai berikut ini:
1.3.Dasar Teori
Seperti bahasa pemrograman lainnya, matlab pun memiliki variabel, tetapi dalam
penulisannya, variabel di dalam matlab tidak perlu di deklarasikan, karena matlab mampu
mengenali tipe data dari variabel tersebut. Aturan penulisan variabel matlab sama dengan aturan
pada bahasa pemograman lainnya yaitu bersifat case sensitive, diawali dengan huruf dan
selanjutnya boleh menggunakan gabungan huruf, angka atau tanda garis bawah. Berikut ini ialah
bagian-bagian penting yang terdapat pada Matlab (Limbong,2015) :
Pada command window, semua perintah matlab dituliskan dan diekskusi. Perintah
perhitungan sederhana pada command window dapat diketikkan disini, memanggil
fungsi, mencari informasi tentang sebuah fungsi dengan aturan penulisannya (help),
demo program, dan sebagainya. Setiap penulisan perintah selalu diawali dengan
prompt ‘>>’. Misal, mencari nilai sin 750,maka padacommand window dapat diketikkan:
>> sin(75)
ans =
-0.38778
hasil=15
Untuk melihat variabel yang aktif saat ini, kita dapat menggunakan perintah who.
>> who
Jendela ini berisi informasi tentang perintah yang pernah dituliskan sebelumnya,
pada jendela ini dapat mengambil kembali perintah dengan menekan tombol panah ke
atas atau mengklik perintah pada jendela histori, kemudian melakukan copy-paste ke
command window.
PENDAHULUAN
1.1.Tujuan Praktikum
Tujuan dari praktikum persamaan linear kali ini ialah sebagai berikut:
1.2.Batasan Masalah
Adapun batasan masalah yang akan dibahas pada laporan praktikum persamaan linear,
yaitu sebagai berikut ini:
1.3.Dasar Teori
Suatu persamaan Non linier f(x): 0 tidak dapat diselesaikan secara analitis, namun dapat
diselesaikan dengan metode numerik yang lebih kompleks. Berikut ini adalah penjelasan secara
singkat berbagai macam metode persamaan linear:
Langkah 1 :
Pilih taksiran nilai a sebagai batas bawah interval dan taksiran nilai b
• f(a) x f(b) < 0 ; maka ada akar dalam interval, selanjutnya ke langkah 2.
• f(a) x f(b) > 0 ; maka tidak ada akar dalam interval. Geser posisi interval.
Langkah 2 :
Langkah 3 :
f(a) x f(c) < 0 ; akar berada dalam subinterval pertama, maka b = c. selanjutnya ke
langkah 4
f(a) x f(c) > 0 ; akar berada dalam subinterval ke dua, maka a = c. Selanjutnya ke langkah
4 f(a) x f(c) = 0 ; c adalah akar
Langkah 4 :
Kemudian f(x3) dihitung dan diadakan lagi interpolasi linier antara harga-harga
pada mana f(x) berubah tanda dan menghasilkan harga baru untuk x3. Prosedur ini
dilakukan berulang-ulang sampai didapatkan nilai akar yang dikehendaki. Algoritma
metode interpolasi linier adalah sebagai berikut:
A. Pilihlah harga x1 dan x2 sedemikian hingga f(x1) dan f(x2) berlawanan tanda
C. Memasukkan nilai x3 ke fungsi asal, jika │f(x3) | < toleransi, maka harga x3 adalah
harga x yang dicari. Bila tidak proses dilanjutkan ke langkah 4.
D. Bila f(x3) berlawanan tanda dengan f(x1), maka tetapkan x2=x3 dan bila f(x3)
berlawanan tanda dengan f(x2), tetapkan X1=X3, proses kembali ke langkah 2.
3. Metode Secant
Metode ini juga pengembangan dari metode interpolasi linier. Metode ini dapat
disebut metode ekstrapolasi linier. Pada metode ini fungsi f(x1) tidak perlu berlawanan
tanda dengan f(x2), namun dipilih dua harga yang dekat dengan akar sebenarnya yang
ditunjukkan oleh fungsi dari kedua titik tersebut. Metode secant merupakan salah satu
metode terbuka untuk memutuskan solusi akar dari persamaan non linear, dengan prinsip
utama sebagai berikut (Erika dan Rahayu,2017):
1. Metode ini melakukan pendekatan terhadap kurva f(x) dengan garis secant yang
ditentukan oleh 2 titik terakhir
2. Nilai taksiran akar selanjutnya adalah titik potongan garis secant sumbu x
Subrutin MATLAB untuk regresi persamaan linear dan polinomial dapat menggunakan
perintah
[P S] = Polyfit (x,y,n)
Berikut ini adalah contoh aplikasi subrutin Matlab dalam mencari laju pertumbuhan bakteri
(Mulyanti,2012):
y=(log(X)).^2; x=t;
[P S] = polyfit(x,y,2);
a=P(1)
b=P(2)
c=P(3)
M=abs(b/(2*c.^0.5))
Xest = exp((a*x.^2+b.*x+c).^0.5)
plot(t, X,'o', t, Xest, '-')
legend('Eksperimen','Estimasi')
DAFTAR PUSTAKA
PENDAHULUAN
1.1.Tujuan Praktikum
Tujuan dari praktikum persamaan tak linear kali ini ialah sebagai berikut:
1. Untuk mengetahui cara mencari akar persamaan tak linear menggunakan metode
numerik
2. Untuk mengetahui perbedaan dari persamaan linear dan tak linear
3. Untuk mengetahui metode apa saja yang dapat digunakan dalam penyelesaian
persamaan tak linear
Adapun batasan masalah yang akan dibahas pada laporan praktikum pengenalan Matlab,
yaitu sebagai berikut ini:
1.3.Dasar Teori
c. Metode Secan
Disebut juga Metode Interpolasi Linear Dalam prosesnya akar [x0, x1]
tidak harus mengandung akar yang akan dicari, sehingga f(x0) dan f(x1) bisa
bertanda sama.
Untuk iterasi berikutnya akan diperoleh interval baru [x0, x1] dengan cara
pergeseran: x0 x1, x1x2 dimana iterasi berlangsung sampai batas maksimum
atau sampai dipenuhinya batas Toleransi (T).
Kelemahan:
Adrian Nur , 2005, Penyelesaian numeris dalam Teknik Kimia dengan MATLAB,Jurusan
Teknik Kimia Fakultas Teknik Universitas Sebelas Maret. Surakarta.
Chapra,C.S.,Raymond,P.C.,1998,Metode Numerik Jilid 1, Jakarta,Erlangga
Munir,R.,2003,Metode Numerik,Erlangga,Jakarta
Kubicek, Milan, 2005, Numerichal Methods and Algorithms,Praha
BAB 1
PENDAHULUAN
1.1.Tujuan Praktikum
Tujuan dari praktikum regeresi linear dan non linear kali ini ialah sebagai berikut:
1. Untuk mengetahui cara penyusunan empirik dari sebuah data dengan menggunakan
pendekatan secara numeris
2. Praktikan mampu mengaplikasikan regeresi linear dan non linear kedalam Matlab
Adapun batasan masalah yang akan dibahas pada laporan praktikum regeresi linear dan
non linear, yaitu sebagai berikut ini:
1. Bagaimana cara penyusunan empiric dari sebuah data dengan penyusunan numeris
2. Bagaimana cara menyelesaikan permasalahan regeresi linear dan non linear yang
kemudian diaplikasikan kedalam Matlab
Regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
mungkin terjadi di masa yang akan datang berdasarkan informasi masa lalu dan sekarang yang
dimiliki agar kesalahannya dapat diperkecil. Analisis regresi merupakan studi ketergantungan
satu atau lebih variabel bebas terhadap variabel tidak bebas. Dengan maksud untuk meramalkan
nilai variabel tidak bebas. Dalam ilmu statistika, teknik yang umum digunakan untuk
menganalisis hubungan antara dua atau lebih variabel adalah analisis regresi. Model matematis
dalam menjelaskan hubungan antar variabel dalam analisis regresi menggunakan persamaan
regresi.
𝑦𝑖 = (𝑥 , 𝜃) + 𝜀𝑖 , i = 1, 2, ..., n
Dengan:
Dalam suatu regresi terdapat dua model matematis yaitu regresi linear dan regresi non
linear. Berikut ini adalah penjelasan mengenai regresi linear dan non linear. Regresi linear adalah
alat statistik yang dipergunakan untuk mengetahui pengaruh antara satu atau beberapa variabel
terhadap satu buah variabel dimana variabel yang mempengaruhi disebut dengan variabel bebas,
variabel independen atau variabel penjelas sedangkan variabel yang sering dipengaruhi disebut
dengan variabel terikat atau variabel penjelas. Secara umum regresi linear terdiri dari dua, yaitu
regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan
regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis
regresi linear merupakan metode statistik yang paling jamak dipergunakandalam penelitian-
penelitian sosial, terutama penelitian ekonomi
Regresi non linier ialah bentuk hubungan atau fungsi di mana variabel bebas X dan
atau variabel tak bebas Y dapat berfungsi sebagai faktor atau variabeldengan pangkat
tertentu. Selain itu, variabel bebas X dan atau variabel tak bebas Ydapat berfungsi sebagai
penyebut (fungsi pecahan), maupun variabel X dan atau variabel Y dapat berfungsi sebagai
pangkat fungsi eksponen atau fungsi perpangkatan:
Variabel dependen/variabel respon (variabel tak bebas) adalah variabel yang nilainya
bergantung dari variabel lain. Biasanya dinyatakan dengan Y.
Variabel independen/variabel predictor (variabel bebas) adalah variabel yang nilainya tidak
bergantung dari variabel lain. Biasanya dinyatakan dengan X.
Y = a + bX
Keterangan
Y = Nilai yang diramalkan/ subjek variabel terikat yang diproyeksikan
a = Nilai Konstansta harga Y jika X = 0
X = Variabel bebas
Macam macam regresi non linier
1.Parabola Kuadratik
2.Parabola Kubik
3.Eksponen
4.Geometrik
5.Logistik
6.Hiperbola
Tidak semua persamaan tak linier dapat memberikan parameter yang akurat dengan
linierisasi. Sehingga dapat ditemukan solusi untuk menyelesaikan permasalahan regeresi tak
linier dengan fungsi tak linier (persamaan Antoine) sebagai berikut.
Asisten Dasar Sistem Kendali, 2009,Modul Praktikum Dasar Sistem Kendali, Inderalaya:
Universitas Sriwijaya
Adrian,N., 2005, Penyelesaian numeris dalam Teknik Kimia dengan MATLAB, Jurusan Teknik
Kimia Fakultas Teknik Universitas Sebelas Maret,Surakarta
Hasan, M.I. (1999). Pokok-pokok Statistika. Jakarta : Erlangga
Sarwono, Jonathan. 2013.Model-Model Linier dan Non Linier dalamIBM SPSS 21. Jakarta :
Elex Media Komputindo
BAB 1
PENDAHULUAN
1.1.Tujuan Praktikum
Tujuan dari praktikum integrasi atau lebih dikenal dengan persamaan differensial kali ini
ialah sebagai berikut:
1.2.Batasan Masalah
Adapun batasan masalah yang akan dibahas pada laporan praktikum integrasi yaitu
sebagai berikut ini:
1. Metode apa saja yang dapat digunakan dalam penyelesaian persamaan integrasi
2. Bagaimana cara mengaplikasikan suatu permasalahan yang diselesaikan secara
integrasi kedalam bentuk Matlab
3. Subrutin apa saja yang digunakan untuk menyelesaikan permasalahan integrasi
dengan menggunakan Matlab
1.3.Dasar Teori
Integral adalah ilmu yang mempelajari definisi, properti dan aplikasi dari dua konsep
yang saling berhubungan. Proses pencarian nilai dari sebuah integral dinamakan pengintegralan .
Secara matematis dapat dinyatakan sebagai berikut:
I = ∫ f(x)dx
b
Persamaan tersebut adalah jumlah total f(x) dx yang meliputi bentangan dari x=a hingga x=b
dimana menunjukkan sebuah manifestasi grafik konsep tersebut. Integral merupakan anti
differensial atau sebagai operasi invers dari diferensial. Contoh : Jika f(x) yang fungsi
turunannya f’(x) = f(x) pada interval a ≤ x ≤ b maka f(x) disebut anti diferensial dari f(x).
Secara matematis suatu kurva integrasi dapat digambarkan sebagai berikut ini :
Secara matematis terdapat dua jenis integral, yaitu integral tak tentu dan integral tentu
dimana penjelasannya ialah sebagai berikut ini :
q = quad(fun,a,b)
q = quad(fun,a,b,tol)
q = quad(fun,a,b,tol,trace)
[q,fcnt] = quad(...)
Dimana:
q = quad (fun, a, b) mencoba untuk menghampiri integral dari fungsi (fun)
dari a ke b dengan tingkat kesalahan 1e-6 menggunakan rekursif adaptif
Simpson quadrature serta batas a dan b harus terbatas.
Daftar di bawah ini berisi informasi untuk membantu dalam menentukan pilihan fungsi
kuadratur dalam MATLAB:
• Fungsi quad mungkin paling efisien untuk akurasi rendah dengan integran tak mulus.
• Fungsi quadl mungkin lebih efisien daripada quad untuk akurasi yang lebih tinggi
• Fungsi quadgk mungkin paling efisien untuk akurasi tinggi dan integran berosilasi.
Mendukung interval tak terbatas dan dapat menangani singularitas moderat pada titik
akhir. Ini juga mendukung integrasi kontur sepanjang jalur linier sepotong-sepotong
(piecewise)
• Fungsi quadv menghasilkan vektor dari fungsi quad untuk fungsi bernilai array
• Jika interval adalah tidak terbatas, [a, Inf), maka untuk integral fun(x) ada, fun(x) harus
mengecil saat x mendekati tak terhingga, dan quadgk membutuhkan mengecil cepat
• Fungsi quadgk akan mengintegrasikan fungsi-fungsi yang tunggal pada titik akhir
• Fungsi dblquad secara numerik mengevaluasi integral rangkap dua atas daerah persegi
• Fungsi quad2d secara numerik mengevaluasi integral rangkap dua atas daerah datar
B.Metode Integrasi
Metode yang umum digunakan dalam menghitung integral numerik adalah Newton-Cotes
Formula, dimana batas antara a dan b dibagi ke dalam bagian yang lebih kecil (lebar langkah h)
sedemikian rupa sehingga notasi integral dapat diganti dengan notasi penjumlahan(sigma), yaitu
:
b N 1
I f ( x)dx ai f ( xi ) untuk loop tertutup
a i 0
b N
I f ( x)dx bi f ( xi )
a i 1
untuk loop terbuka
Dimana fungsi f(x) adalah fungsi yang terintegralkan (kontinu) seperti Gambar berikut.
Gambar 2. Kurva Integral Kontinu
Ada dua cara dasar yang populer pada formula Newton-Cotes, yaitu Trapezoida-rule dan
Simpson rule.
1.Aturan Trapezoid
Sesuai dengan namanya, integrasi numerik dengan aturan trapesium menggunakan
cara menjumlahkan trapesium-trapesium kecil sebanyak N buah. Hampiran penyelesaian
integrasi numerik aturan trapesium dilakukan dengan langkah-langkah berikut:
a x0 x1 ... xn b
.
2. Buat trapesium [xi, xi+1] dengan sisi-sisi yang sejajar f(xi), dan f(xi+1).
Misalkan lebar subinterval adalah xi = xi+1 - xi. Maka luas trapesium
yang terbentuk adalah (f (xi+ f(xi+1)) xi/2.
3. Jumlah luas trapesium-trapesium tersebut merupakan hampiran
integral yang diinginkan, yakni:
n 1
f ( xi ) f ( xi 1 )
b
f ( x)dx xi
a i 0 2
Jika subinterval tersebut memiliki lebar sama, misalkan h, perhitungan di atas akan
lebih mudah, dapt ditulis ulang sebagai:
n 1
f ( xi ) f ( xi 1 ) h n 1
b
f ( x)dx h ( f 0 f n ) h f ( i )
a i 0 2 2 i 1
h n 1
2
f ( a ) 2i 1
f ( xi ) f (b)
Pemakaian aturan simpson dimana bobot fi sebagai titik tengah dikalikan dengan
2 untuk menghitung luas bangun diatas dapat dituliskan dengan:
h h h
L ( f i 1 2 f i ) (2 f i f i 1 ) ( f i 1 4 f i f i 1 )
3 3 3
Dengan menggunakan aturan simpson, luas dari daerah yang dibatasi fungsi
y=f(x) dan sumbu X dapat dihitung sebagai berikut:
h h h h
L ( f 0 2 f i ) (2 f i f 2 ) ( f 2 2 f 3 ) (2 f 3 f 4 ) ...
3 3 3 3
h h
( f n 2 2 f n 1 ) (2 f n 1 f n )
3 3
Dengan kata lain metode ini adalah metode rata-rata dengan pembobot kuadrat. Aturan
Simpson memiliki formula:
h ( n 1) / 2
b n/2
f ( x)dx
3
f ( a ) 4 f ( x2i 1 ) f ( x2i ) f (b)
a i 1 i 1
Isna.S., Selly,E.S., Ima,T., 2014,Integral Aljabar Integral Fungsi Trigonometri Integral Tak
Yahya, Y. 2004. Matematika Dasar Untuk Perguruan Tinggi. Jakarta: Ghalia Indonesia
BAB 1
PENDAHULUAN
1.1.Tujuan Praktikum
Tujuan dari praktikum persamaan differensial biasa kali ini ialah sebagai berikut:
1.2.Batasan Masalah
Adapun batasan masalah yang akan dibahas pada laporan praktikum persamaan
diferensial biasa yaitu sebagai berikut ini:
1.3.Dasar Teori
Persamaan diferensial adalah suatu bentuk persamaan yang memuat derivatif (turunan)
satu atau lebih variabel tak bebas terhadap satu atau lebih variabel bebas suatu fungsi. Persamaan
diferensial adalah suatu persamaan yang melibatkan satu atau lebih turunan fungsi yang belum
diketahui, dan atau persamaan itu mungkin juga melibatkan fungsi itu sendiri dan konstanta.
Persamaan ini diperkenalkan pertama kali oleh Leibniz pada tahun 1676. Persamaan diferensial
seringkali muncul dalam model matematika yang mencoba menggambarkan keadaan kehidupan
nyata. Banyak hukum-hukum alam dan hipotesa-hipotesa dapat diterjemahkan kedalam
persamaan yang mengandung turunan melalui bahasa matematika. Sebagai contoh, turunan-
turunan dalam fisika muncul sebagai kecepatan dan percepatan sedangkan dalam geometri
sebagai kemiringan. Persamaan diferensial juga dapat didefinisikan sebagai persamaan
matematis yang mengandung satu variabel bebas, variabel terikat dan turunan-turunan variabel
terikat terhadap variabel bebasnya. Persamaan diferensial diklasifikasikan sebagai:
1. Menurut jenis atau tipe: ada persamaan diferensial biasa (ordinary differential equation)
dan persamaan diferensial parsial (partial differential equation). Persamaan diferensial
biasa didefinisikan sebagai suatu persamaan yang mengandung satu atau lebih turunan
biasa suatu fungsi yang tidak diketahui dengan dua atau lebih peubah bebas. Sedangkan
persamaan diferensial parsial didefinisikan sebagai suatupersamaan yang mengandung
satu atau lebih turunan parsial suatu fungsi yang tidak diketahui dengan dua atau lebih
peubah bebas.
2. Menurut orde: orde persamaan diferensial adalah orde tertinggi turunan fungsi yang ada
dalam persamaan. adalah orde tiga; adalah orde dua; adalah orde satu.
3. Menurut derajat: derajat suatu persamaan diferensial adalah pangkat tertinggi dari
turunan fungsi orde tertinggi. Sebagai contoh: adalah persamaan diferensial biasa, orde
tiga, derajat dua. Persamaan diferensial Sturm-Liouville adalah persamaan diferensial
biasa berorde dua yang diperkenalkan oleh ahli matematika Jacques C.F Sturm(1803-
1855) dan Joseph Liouville (1809-1882). Persamaan diferensial ini dapat diselesaikan
dengan menggunakan metode numerik. Sasaran akhir dari analisis numerik yang
dilakukan dalam metode numerik adalah diperolehnya metode yang terbaik untuk
memperoleh jawaban yang berguna dari persoalan matematika.
Berikut ini merupakan contoh persamaan diferensial:
Persamaan diferensial biasa merupakan sebuah bentuk persamaan yang memuat turunan
satu atau lebih variabel tak bebas terhadap satu variabel bebas suatu fungsi. Penentuan order
suatu persamaan diferensial tergantung pada kandungan fungsi turunan di dalam persamaan
diferensial tersebut. Order atau tingkat suatu persamaan diferensial merupakan pangkat tertinggi
turunan dalam persamaan diferensial.
Contoh:
1) y' = sin x + cos x atau y'- sin - cos x = 0 : persamaan diferensial biasa order pertama
Persamaan diferensial biasa linear order n dapat dituliskan sebagai berikut dimana a ≠ 0 :
Contoh
1. Metode Euler
Metoda Euler diturunkan dengan cara menguraikan y(xr+1) di sekitar xr ke dalam
deret Taylor:
Metode Euler atau metode Euler-Cauchy disebut juga metode orde-pertama, karena
pada persamaan kita hanya mengambil sampai suku orde pertama saja, sehingga
diperoleh persamaan akhir seperti dibawah ini.
2. Metode Heun
Metode Euler mempunyai ketelitian yang rendah karena galatnya besar
(sebanding dengan h). Buruknya galat ini dapat dikurangi dengan menggunakan
metode Heun, yang merupakan perbaikan metode Euler (modified Euler's method).
Pada metode Heun, solusi dari metode Euler dijadikan sebagai solusi perkiraan awal
(predictor). Selanjutnya, solusi perkiraan awal ini diperbaiki dengan metode Heun
(corrector). Metode Heun diturunkan sebagai berikut: Pandang PDB orde satu y'(x) =
f(x, y(x)).
Integrasikan kedua ruas persamaan dari xr sampai xr+1 sehingga diperoleh:
4. Metode Runge-Kutta
Metode Runge-Kutta adalah alternatif lain dari metode deret Taylor yang tidak
membutuhkan perhitungan turunan. Metode ini berusaha mendapatkan derajat
ketelitian yang lebih tinggi, dan sekaligus menghindarkan keperluan mencari turunan
yang lebih tinggi dengan jalan mengevaluasi fungsi f(x, y) pada titik terpilih dalam
setiap selang langkah [CON80]. Metode Runge-Kutta adalah metode PDB yang
paling popuper karena banyak dipakai dalam praktek. Bentuk umum metoda Range-
Kutta orde-n ialah:
yr+1 = yr + a1k1 + a2k2 + ... + an kn
DAFTAR PUSTAKA
PENDAHULUAN
Anggap ini bab7 karna aku belom selesai kerjakan, nanti aku setor
1.1.Tujuan Praktikum
Tujuan dari praktikum persamaan differensial biasa kali ini ialah sebagai berikut:
1.2.Batasan Masalah
Adapun batasan masalah yang akan dibahas pada laporan praktikum persamaan
diferensial biasa yaitu sebagai berikut ini:
1.3.Dasar Teori
Persamaan diferensial adalah suatu bentuk persamaan yang memuat derivatif (turunan)
satu atau lebih variabel tak bebas terhadap satu atau lebih variabel bebas suatu fungsi. Persamaan
diferensial adalah suatu persamaan yang melibatkan satu atau lebih turunan fungsi yang belum
diketahui, dan atau persamaan itu mungkin juga melibatkan fungsi itu sendiri dan konstanta.
Persamaan ini diperkenalkan pertama kali oleh Leibniz pada tahun 1676. Persamaan diferensial
seringkali muncul dalam model matematika yang mencoba menggambarkan keadaan kehidupan
nyata. Banyak hukum-hukum alam dan hipotesa-hipotesa dapat diterjemahkan kedalam
persamaan yang mengandung turunan melalui bahasa matematika. Sebagai contoh, turunan-
turunan dalam fisika muncul sebagai kecepatan dan percepatan sedangkan dalam geometri
sebagai kemiringan. Persamaan diferensial juga dapat didefinisikan sebagai persamaan
matematis yang mengandung satu variabel bebas, variabel terikat dan turunan-turunan variabel
terikat terhadap variabel bebasnya. Persamaan diferensial diklasifikasikan sebagai:
4. Menurut jenis atau tipe: ada persamaan diferensial biasa (ordinary differential equation)
dan persamaan diferensial parsial (partial differential equation). Persamaan diferensial
biasa didefinisikan sebagai suatu persamaan yang mengandung satu atau lebih turunan
biasa suatu fungsi yang tidak diketahui dengan dua atau lebih peubah bebas. Sedangkan
persamaan diferensial parsial didefinisikan sebagai suatupersamaan yang mengandung
satu atau lebih turunan parsial suatu fungsi yang tidak diketahui dengan dua atau lebih
peubah bebas.
5. Menurut orde: orde persamaan diferensial adalah orde tertinggi turunan fungsi yang ada
dalam persamaan. adalah orde tiga; adalah orde dua; adalah orde satu.
6. Menurut derajat: derajat suatu persamaan diferensial adalah pangkat tertinggi dari
turunan fungsi orde tertinggi. Sebagai contoh: adalah persamaan diferensial biasa, orde
tiga, derajat dua. Persamaan diferensial Sturm-Liouville adalah persamaan diferensial
biasa berorde dua yang diperkenalkan oleh ahli matematika Jacques C.F Sturm(1803-
1855) dan Joseph Liouville (1809-1882). Persamaan diferensial ini dapat diselesaikan
dengan menggunakan metode numerik. Sasaran akhir dari analisis numerik yang
dilakukan dalam metode numerik adalah diperolehnya metode yang terbaik untuk
memperoleh jawaban yang berguna dari persoalan matematika.
Berikut ini merupakan contoh persamaan diferensial:
1.Persamaan Diferensial Biasa dan Ordernya
Persamaan diferensial biasa merupakan sebuah bentuk persamaan yang memuat turunan
satu atau lebih variabel tak bebas terhadap satu variabel bebas suatu fungsi. Penentuan order
suatu persamaan diferensial tergantung pada kandungan fungsi turunan di dalam persamaan
diferensial tersebut. Order atau tingkat suatu persamaan diferensial merupakan pangkat tertinggi
turunan dalam persamaan diferensial.
Contoh:
1) y' = sin x + cos x atau y'- sin - cos x = 0 : persamaan diferensial biasa order pertama
Persamaan diferensial biasa linear order n dapat dituliskan sebagai berikut dimana a ≠ 0 :
Contoh
Penyelesaian PDB secara numerik berarti menghitung nilai fungsi di xr +1 = xr + h,
dengan h adalah ukuran langkah (step) setiap lelaran. Pada metode analitik, nilai awal berfungsi
untuk memperoleh solusi yang unik, sedangkan pada metode numerik nilai awal (initial value)
berfungsi untuk memulai lelaran. Terdapat beberapa metode numerik yang sering digunakan
untuk menghitung solusi PDB, mulai dari metode yang paling dasar sampai dengan metode yang
lebih teliti, yaitu
5. Metode Euler
Metoda Euler diturunkan dengan cara menguraikan y(xr+1) di sekitar xr ke dalam
deret Taylor:
Metode Euler atau metode Euler-Cauchy disebut juga metode orde-pertama, karena
pada persamaan kita hanya mengambil sampai suku orde pertama saja, sehingga
diperoleh persamaan akhir seperti dibawah ini.
6. Metode Heun
Metode Euler mempunyai ketelitian yang rendah karena galatnya besar
(sebanding dengan h). Buruknya galat ini dapat dikurangi dengan menggunakan
metode Heun, yang merupakan perbaikan metode Euler (modified Euler's method).
Pada metode Heun, solusi dari metode Euler dijadikan sebagai solusi perkiraan awal
(predictor). Selanjutnya, solusi perkiraan awal ini diperbaiki dengan metode Heun
(corrector). Metode Heun diturunkan sebagai berikut: Pandang PDB orde satu y'(x) =
f(x, y(x)).
Integrasikan kedua ruas persamaan dari xr sampai xr+1 sehingga diperoleh:
8. Metode Runge-Kutta
Metode Runge-Kutta adalah alternatif lain dari metode deret Taylor yang tidak
membutuhkan perhitungan turunan. Metode ini berusaha mendapatkan derajat
ketelitian yang lebih tinggi, dan sekaligus menghindarkan keperluan mencari turunan
yang lebih tinggi dengan jalan mengevaluasi fungsi f(x, y) pada titik terpilih dalam
setiap selang langkah [CON80]. Metode Runge-Kutta adalah metode PDB yang
paling popuper karena banyak dipakai dalam praktek. Bentuk umum metoda Range-
Kutta orde-n ialah:
yr+1 = yr + a1k1 + a2k2 + ... + an kn