BAB 1

PENDAHULUAN

1.1.Tujuan Praktikum

Tujuan dari praktikum pengenalan Matlab kali ini ialah sebagai berikut:

1. Praktikan dapat memahami bagian-bagian penting yang terdapat pada matlab

2. Praktikan dapat mengetahui tata cara penulisan matrik, grafik, menentukan ukuran
vektor dan operasi perhitungan lainnya pada Matlab
3. Praktikan dapat mengaplikasikan secara langsung dasar-dasar operasi dan variabel
pada Matlab

1.2.Batasan Masalah

Adapun batasan masalah yang akan dibahas pada laporan praktikum pengenalan Matlab,
yaitu sebagai berikut ini:

1. Apa saja bagian-bagian dasar yang penting dalam Matlab?

2. Bagaimana cara penulisan operasi perhitungan maupun membuat suatu grafik pada
Matlab?
3. Apa saja dasar-dasar operasi dan variabel pada Matlab?

1.3.Dasar Teori

Matlab merupakan bahasa pemrograman dengan kemampuan tinggi dalam bidang

komputasi, matlab sendiri memiliki kemampuan mengintegrasikan komputasi, visualisasi, dan
pemrograman. MATLAB adalah singkatan dari MATrix LABoratory yang dibuat bertujuan
untuk mempermudah akses untuk perangkat lunak matrix yang di kembangkan oleh LINPACK
(sistem paket linear) dan EISPACK (sistem paket eigen) namun sekarang merupakan produk
komersial dari perusahaan Mathworks, Inc. MATLAB telah berkembang menjadi sebuah
environment pemrograman yang canggih yang berisi fungsi-fungsi built-in untuk melakukan
tugaspengolahan sinyal, aljabar linier, dan kalkulasi matematis lainnya. MATLAB juga berisi
toolbox yang berisi fungsi-fungsi tambahan untuk aplikasi khusus .MATLAB bersifat extensible,
dalam arti bahwa seorang pengguna dapat menulis fungsi baru untuk ditambahkan pada library
ketika fungsi-fungsi built-in yang tersedia tidak dapat melakukan tugas tertentu
(Hutabarat,dkk,2013).

MATLAB memiliki banyak keunggulan dibandingkan dengan bahasa komputer

konvensional (misalnya, C, FORTRAN) untuk memecahkan masalah teknis . MATLAB
merupakan suatu sistem interaktif yang elemen data dasar adalah array yang tidak memerlukan
dimensi. Paket perangkat lunak telah tersedia secara komersial sejak tahun 1984 dan sekarang
dianggap sebagai alat standar di banyak universitas dan industri di seluruh dunia (Houcque,
2005). Matlab banyak digunakan dalam bidang riset‐riset yang memerlukan komputasi
numerik yang kompleks. Aplikasi penggunaan Matlab meliputi berbagai macam bidang
meliputi bidang matematika dan komputasi, pembentukan algorithm akusisi data pemodelan,
simulasi, pembuatan prototype, analisa data, explorasi, visualisasi grafik keilmuan dan bidang
rekayasa. Dalam lingkungan perguruan tinggi teknik, Matlab merupakan perangkat standar untuk
memperkenalkan dan mengembangkan penyajian materi matematika, rekayasa dan kelimuan. Di
industri, Matlab merupakan perangkat pilihan untuk penelitian dengan produktifitas yang tingi,
pengembangan dan analisanya (Huda, 2004).

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) :

A. Jendela Perintah (Command Window)

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

B. Jendela Ruang Kerja (Workspace)

Jendela ini berisi informasi pemakaian variabel di dalam memori matlab.

Misalkan kita akan menjumlahkan dua buah bilangan, maka pada command window kita
dapat mengetikkan:

>> bilangan1 = 10bilangan1=10

>> bilangan2 = 5bilangan1=10

>> hasil= bilangan1 + bilangan2

hasil=15

Untuk melihat variabel yang aktif saat ini, kita dapat menggunakan perintah who.

>> who

Your variables are:

bilangan1 bilangan2 hasil

C. Jendela Histori (Command History)

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.

Perintah tambahan yang berguna untuk pemrograman yang di aplikasikan kedalam

jendela Matlab (Firmansyah,2009) :
 Clc : menghapus layar di command window
 Close all : menghapus semua gambar yang tampil sebelumnya.
 Clear : perintah untuk menghapus data di memori Matlab
 Cd : perintah untuk mengubah direktori
 Pwd : perintah untuk mengetahui kita berada di direktori mana pada saat ini
 Dir : perintah untuk mengetahui file apa saja yang ada di current directory
 Mkdir : perintah untuk membuat direktori dibawah current direktori
 Delete : perintah untuk menghapus file
 Who : menampilkan semua variabel saat ini.
 Whos : menampilkan semua variabel saat ini bersama dengan informasi tentang
ukuran, bytes, class, dll.
 What : menampilkan semua file dengan ekstensi .M (M-File)
 Lookfor : perintah untuk mencari file dengan kata kunci
 DAFTAR PUSTAKA

Firmansyah, Ahmad. 2009. Komunitas E-Learning Ilmu Komputer,Jakarta

Hutabarat,M.T., Armein Z. R.L.,Yoanes,B.,Erwin,C.,Nina,L.,2013,Buku Pengolahan Sistem

Digital, Laboratorium Dasar Teknik Elektro, ITB,Bandung

Huda, Miftahul. 2004. The Shortcut Of Matlab. Informatika Bandung.

Houcque and Robert. 2005. MATLAB. Jakarta: Erlangga

Limbong,T.,2015,Pengenalan Matlab Dasar 6.5 Community Informatics Family Of The Road

(CIFOR) STMIK, Budi Darma

 BAB 1

PENDAHULUAN

1.1.Tujuan Praktikum

Tujuan dari praktikum persamaan linear kali ini ialah sebagai berikut:

1. Praktikan mengetahui metode-metode persamaan linear dan mengaplikasikannya

kedalam Matlab
2. Praktikan dapat melakukan regeresi linear dan polynomial kedalam Matlab

1.2.Batasan Masalah

Adapun batasan masalah yang akan dibahas pada laporan praktikum persamaan linear,
yaitu sebagai berikut ini:

1. Jenis metode apa saja yang terdapat pada persamaan linear

2. Bagaimana cara mengaplikasikan regresi linear dan polinomial kedalam Matlab
dengan alur data yang benar?
3. Bagaimana cara mengaplikasikan data yang tak dapat dialurkan menjadi suatu bentuk
pemodelan linear?

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:

1. Metode Bisection (Bagi Dua)

Metode bagi dua adalah algoritma pencarian akar pada sebuah interval dimana
interval tersebut membagi dua bagian, lalu memilih dari dua bagian mana yang
mengandung akar dan bagian mana yang tidak mengandung akar akan dibuang. Hal ini
dilakukan berulang-ulang hingga diperoleh akar persamaan atau mendekati akar
persamaan, metode ini berlaku ketika ingin memecahkan persamaan f(x) = 0 dengan f
merupakan fungsi kontinyu (Hidayat,2017).
 Gambar 1. Grafik Metode Bisection

Algoritma dari metode ini adalah (Hidayat,2017):

Langkah 1 :

Pilih taksiran nilai a sebagai batas bawah interval dan taksiran nilai b

sebagai batasatas interval. Jika terpenuhi kondisi :

• 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.

• f(a) x f(b) = 0 ; maka a dan b, salah satu merupakan akar.

Langkah 2 :

Taksiran akar yang pertama c dimana, c = (a + b )/2

Langkah 3 :

Evaluasi keberadaan akar, apakah dalam subinterval pertama (antara a dan c )

atau dalam sub interval kedua (antara c dan b). Jika diperoleh :

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 :

Kembali ke langkah 2 dan proses hingga langkah 3

2. Metode Interpolasi Linier

Interpolasi adalah taksiran harga-harga diantara titik-titik diskrit didalam bentangan
data benar - benar dekat pendekatnnya adalah mencari kurva tunggal atausederertan
kurva yang tepat melalui titik-titik tersebut, Jenis interpolasi yang digunakan adalah
interpolasi lagrange, chebyshev dan spline kubik (Pratama,dkk,2014). Walaupun metode
Bisection mudah dan memiliki analisa kesalahan yang sederhana, namun metode ini
tidak efisien. Untuk sebagian besar fungsi, kita dapat meningkatkan kecepatan
konvergensi. Salah satu dari metode ini adalah metode Interpolasi Linier (disebut juga
metode "False Position" atau "Regula falsi"). Misalkan suatu fungsi f(x) linier pada
interval (x1,x2) dan nilai f(x1) dan f(x2) berlawanan tanda, sedangkan nilai x3 berada
dalam interval (berada di antara x1 dan x2) maka nilai xr dapat didekati dengan
menggunakan rumus (Suparno,2014):

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

B. Menentukan harga x3 dengan rumus (I.3.1)

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

Gambar 2. Proses pencarian akar metode secant

Algoritma metode ini ialah dapat dilihat sebagai berikut (Ahlersten dan Oky, 2012):
1. Definisikan fungsif(x).
2. Definisikan torelansi error (e) daniterasimaksimum (n).
3. Tentukan nilai pendekatanawal x0dan x1.
4. Masukkan dua nilai pendekatan awal yang di antaranya terdapat akar yaitu x0dan x1.
Gunakan metode table atau grafis untuk menjamin titik pendakatannya. Titik
pendekatannya adalah titik pendekatan yang konvergensinya pada akar persamaan
yang diharapkan.
5. Hitungf(x0)danf(x1)sebagaiy0dany1.
6. Lakukaniterasi. Untukiterasi I = 1 s/d n atau |f(xn)|
𝑦𝑛 (𝑥𝑛 − 𝑥𝑛−1 )
𝑥𝑛+1 = 𝑥𝑛 −
(𝑦𝑛 − 𝑦𝑛−1 )
 Tabel 1. Linearisasi Persamaan Non Linear

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):

% mencari nilai laju pertumbuhan bakteri

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, '-')

xlabel ('t, (Hari ke)'); ylabel('X, (mg/L MLVSS)');

legend('Eksperimen','Estimasi')
 DAFTAR PUSTAKA

Ahlersten dan Oky Dwi Nurhayati,2012, Analisis Statistika menggunakan MATLAB,

Yogyakarta : Graha Ilmu
Erika , Rahayu, M.,2017, Penerapan Metode Secant, Fakultas Matematikadan Ilmu Pengetahuan
Alam Universitas Sumatera Utara Medan
Hidayat,I.,2017,Penerapan Metode Bagi-Dua (Bisection) Pada Analisis Pulang-Pokok (Break
Even) Jurusan Teknik Elektro Program Pasca Sarjana , Fakultas Teknik, Universitas
Hasanuddin Makassar
Mulyani.H.,2012,Pengaruh Pre-Klorinasi Dan Pengaturan Ph Terhadap Proses Aklimatisasi Dan
Penurunan Cod Pengolahan Limbah Cair Tapioka Sistem Anaerobic Baffled
Reactor,Universitas Diponegoro,Semarang
Pratama.R.,R.H Sianipar2.,I Ketut Wiryajati3,2014,Pengaplikasian Metode Interpolasi Dan
Ekstrapolasi Lagrange, Chebyshev dan Spline Kubik Untuk Memprediksi Angka
Pengangguran Di Indonesia, Issn 2086-9487 , Jurusan Teknik Elektro, Fakultas Teknik,
Universitas Mataram, Nusa Tenggara Barat
 BAB 1

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

1.2. Batasan Masalah

Adapun batasan masalah yang akan dibahas pada laporan praktikum pengenalan Matlab,
yaitu sebagai berikut ini:

1. Bagaimana cara penyelesaian mencari akar persamaan tak linear menggunakan

metode numeric
2. Apa saja perbedaan dari persamaan linear dan tak linear
3. Apa saja metode yang dapat digunakan dalam penyelesaian persamaan tak linear

1.3.Dasar Teori

Penyelesaian persamaan non linier adalah penentuan akar-akar persamaan nonlinier.

Dimana akar sebuah persamaan f(x) =0 adalah nilai-nilai x yang menyebabkan nilai f(x) sama
dengan nol. Dengan kata lain akar persamaan f(x) adalah titik potong antara kurva f(x) dan
sumbu X
 Gambar 1. Persamaan Non Linier

Perbedaan persamaan linear dan non linear dapat dibedakan berdasarkan :

1. Bentuk Persamaan
 Persamaan linear → ax+b=0
 Persamaan non linear → ax2+bx+c=0
2. Bentuk Grafik/Kurva
 Persamaan linear berupa garis lurus

Gambar 1.1. Garis lurus

 Persamaan non linear berupa kurva parabola

Gambar 1.2. Kurva Parabola

Penyelesaian Persamaan Non Linear dapat dilakukan dengan 2 metode yaitu :
1. Metode Analitik
a. Metode Pemfaktoran atau Faktorisasi
Misalnya ada suatu persamaan 𝑥 2 + 4𝑥 + 4 = 0 penyelesaiannya adalah
dengan difaktorkan,
𝑥 2 + 4𝑥 + 4 = 0
(𝑥 + 2)(𝑥 + 2) = 0
𝑥=2
b. Metode Rumus ABC
 −𝑏 ± √𝑏 2 − 4𝑎𝑐
𝑥1,2 =
2𝑎
2. Metode Numeris
a. Metode Biseksi
Hal-hal yang perlu diperhatikan dalam metode biseksi Fungsi harus
kontinu pada interval xn dan xn+1. Menentukan xn dan xn+1 dapat diperoleh
dengan membuat grafik fungsinya dimana nilai toleransi (error) dapat ditentukan
oleh pengguna ataupun didasarkan pada bidang ilmu dari permasalahan yang
diselesaikan. Kelebihan metode biseksi yaitu selalu berhasil menemukan akar
(solusi) yang dicari atau dengan kata lain selalu konvergen.
Kekurangan Metode Biseksi ialah hanya dapat dilakukan apabila ada akar
persamaan pada interval yang diberikan. Jika ada beberapa akar pada interval
yang diberikan maka hanya satu akar saja yang dapat ditemukan. Selain itu
kekurangan lainnya ialah memiliki proses iterasi yang banyak sehingga
memperlama proses penyelesaian dan tidak memandang bahwa sebenarnya akar
atau solusi yang dicari dekat sekali dengan batas interval yang digunakan.

Gambar 2. Algoritma Metode Biseksi

b. Regula falsi
Algoritma metode regula falsi sama dengan algoritma metode biseksi
hanya saja kita dapat mengganti rumus:
 Menjadi:

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, x1x2 dimana iterasi berlangsung sampai batas maksimum
atau sampai dipenuhinya batas Toleransi (T).

d. Metode Newton Raphson

Berikut ini adalah algoritma dari metode Newton Rapshon:
Kelebihan:
 Konvergensi yang dihasilkan lebih cepat

Kelemahan:

 Tidak selalu menemukan akar (divergen)

 Kemungkinan sulit dalam mencari f’(xn)
 Penetapan harga awal (xn) yang sulit
 DAFTAR PUSTAKA

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

1.2. Batasan Masalah

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

1.3. Dasar Teori

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.

Persamaan regresi adalah persamaan matematik yang memungkinkan kita meramalkan

nilai-nilai suatu peubah tak bebas dari nilai-nilai satu atau lebih peubah bebas secara umumnya
yaitu suatu metode analisis statistik yang digunakan untuk melihat pengaruh antara dua atau
lebih variabel. Hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam suatu
model matematis. Analisis regresi merupakan metode dalam statistika yang digunakan untuk
mengetahui pola hubungan antara variabel bebas dan variabel terikat (Hosmer and Lemeshow,
2000). Berdasarkan pola hubungannya, analisis regresi terbagi atas analisis regresi linear dan
analisis regresi non-linear. Menurut (Hasan, 1999) suatu model disebut model regresi nonlinear
apabila variabel-variabelnya ada yang berpangkat. Contoh model regresi nonlinear dalam antara
lain model parabola, kuadratik, hiperbola, dan lain-lain. Menurut Montgomery dan Peck (1992)
model regresi nonlinear dalam parameter adalah suatu model apabila dideferensialkan hasilnya
masih merupakan fungsi dalam parameter tersebut. Contoh model regresi nonlinear dalam
parameter adalah model regresi logistik. Model regresi nonlinear dalam parameter menurut
(Montgomery dan Peck, 1992) dapat dituliskan sebagai:

𝑦𝑖 = (𝑥 , 𝜃) + 𝜀𝑖 , i = 1, 2, ..., n

Dengan:

𝑦𝑖 = variabel terikat ke-i

𝑥𝑖 = variabel bebas ke-i

𝜃 = parameter yang tidak diketahui

𝜀𝑖 = error, dimana 𝜀~(0, 𝜎 2 )

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:

Dalam suatu persamaan regresi terdapat 2 macam variabel, yaitu :

 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.

Persamaan Regresi Persamaan Regresi linier Sederhana :

Y = a + bX

Keterangan
Y = Nilai yang diramalkan/ subjek variabel terikat yang diproyeksikan
a = Nilai Konstansta harga Y jika X = 0

b = Koefesien regresi/ Nilai arah sebagai penentu ramalan/prediksi

yang menunjukkan nilai peningkatan (+) atau nilai penurunan (-)
variabel Y

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.

Dimana : a0, a1, dan a2 merupakan parameter.

 DAFTAR PUSTAKA

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. Untuk mengetahui metode persamaan integrasi dan membandingkan metode-metode

tersebut untuk menyelesaikan persamaan integrasi
2. Untuk mengetahui subrutin Matlab yang digunakan untuk menyelesaikan kasus
secara integrasi
3. Dapat mengaplikasikan persamaan integrasi dalam bentuk matlab

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 :

Gambar 1. Kurva Integrasi

Secara matematis terdapat dua jenis integral, yaitu integral tak tentu dan integral tentu
dimana penjelasannya ialah sebagai berikut ini :

1. Integral Tak Tentu

Integral tak tentu adalah suatu cara untuk mencari fungsi f(x) apabila turunannya
telah diketahui yang dapat dinotasikan ∫ f ′ (x)dx = f(x) + c. Jika f dan g memiliki
integral tak tentu k dan c adalah kontanta, maka dapat dirumuskan :
a. ∫ k dx = kx + c
1
b. ∫ x n dx = n+1 x n+1 + c, dengan n ≠ -1
k
c. ∫ kx n dx = n+1 x n+1 + c, dengan n ≠ -1

d. ∫(f(x) ± g(x))dx = ∫ f(x)dx ± ∫ g(x)dx

2. Integral Tentu
b
Apabila fungsi f terdefinisi pada interval [a,b] maka ∫a f(x)dx dinamakan integral
b
tertentu fungsi f dari a ke b. Integral tentu dapat dinotasikan ∫a f(x)dx = [F(x)]ba = F(b) −
 F(a), dimana f(x) disebut integran, a disebut batas bawah, dan b disebut batas atas. Sifat-
sifat integral tentu yaitu:
a
a. ∫a f(x)dx = 0
b a
b. ∫a f(x)dx = − ∫b f(x)dx =
b b b
c. ∫a (f(x) ± g(x))dx = ∫a f(x)dx ± ∫a g(x)dx
b b
d. ∫a kf(x)dx = k ∫a f(x)dx, k adalah konstanta
Untuk menghitung integral tertentu digunakan fungsi quad (disingkat dari
quadrature). Quadrature adalah metode numerik yang digunakan untuk menemukan
daerah di bawah grafik fungsi. Fungsi quad menggunakan adaptif Simpson quadrature
untuk mengevaluasi integral secara numerik. Sintak untuk quad:

 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.

A. Daftar Fungsi Kuadratur Dalam Matlab

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

dengan integran mulus

• 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

terbatas jika singularitas tidak terlalu kuat

• 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:

1. Partisi interval [a, b] menjadi N subinterval berbentuk [xi, xi+1]

sedemikian hingga

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 )  2i 1
f ( xi )  f (b)


Dengan h = (b-a)/n, x0 = a, xn = b, xi+1 = xi +h, fi =f (xi)

Beberapa fungsi integrasi yangdisediakan matlab adalah sebagai berikut :

1.Trapz(x,y):untuk menghitung integral fungsi y terhadap x dengan pendekatan aturan

trapezium, dimana larik y berisi nilai fungsi yang bersesuaian dengan titik x2.
2.quad('myfunction',a,b,tol) : untuk menghitungintegral fungsi bernama'myfunction'
berdasarkan aturan Simpson dengan batas bawah integrasi a dan batas atas b serta tol
adalah harga toleransi yang diberikan.3.
3.quadl ('myfunction',a,b,tol) : untuk menghitung integral fungsi berdasarkan pada
integrasi kuadratur Labato. Sedangkan a,b dan tol sama dengan quad, dblquad
('fun',xmin,xmax,ymin,ymax,tol) : untuk menghitung integral ganda darifungsi 'fun'
dengan xmin dan xmax masingmasing adalah batas bawah dan atas padasumbu x,
sedangkan ymin dan ymax masing-masing adalah batas bawah dan batasatas pada sumbu
y. sedangkan tol adalah toleransi yang bisa diset.4.
4.triplequad('fun',xmin,xmax,ymin,ymax,tol): untuk menghitung integrasi numerik ganda
tiga dari fungsi ‘fun’ dengan xmin, ymin dan zmin masing masing adalah batas
2.Aturan Simpson
Metode integrasi Simpson merupakan pengembangan metode integrasi trapezoida,
hanya saja daerah pembaginya bukan berupa trapesium tetapi berupa dua buah trapesium
dengan menggunakan pembobot berat di titik tengahnya seperti telihat pada gambar
berikut ini.
Bila menggunakan trapesium luas bangun di atas adalah:
h h h
L ( f i 1  f i )  ( f i  f i 1 )  ( f i 1  2 f  f i 1 )
2 2 2

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

Gambar 3.Kurva Metode Simpson

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 

dengan n bilangan genap, h =(b-a)/n, x0 = a, xn = b, xi+1 = xi +h , fi =f(xi) dan 0  i

 n-1.
 DAFTAR PUSTAKA

Firmansyah,2007, Dasar-Dasar Pemrograman MATLAB,Universitas padjajaran Press,Bandung

Isna.S., Selly,E.S., Ima,T., 2014,Integral Aljabar Integral Fungsi Trigonometri Integral Tak

Tentu_Integral Tertentu, Pendidikan Matematika,Cirebon

Kusumawati,R.,.2009, Aljabar Linear dan Matriks,Malang:UIN/Malang Press

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. Untuk mengetahui persamaan diferensial biasa dan mengaplikasikannya kedalam

Matlab
2. Untuk mengetahui klasifikasi persamaan diferensial biasa
3. Untuk mengetahui transformasi persamaan diferensial biasa kedalam bentuk konikal

1.2.Batasan Masalah

Adapun batasan masalah yang akan dibahas pada laporan praktikum persamaan
diferensial biasa yaitu sebagai berikut ini:

1. Bagaimana cara mengaplikasikan persamaan diferensial biasa kedalam Matlab

2. Apa saja klasifikasi persamaan diferensial biasa
3. Bagaimana cara transformasi persamaan diferensial biasa kedalam bentuk konikal

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:

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

2) y '' + 7y = 0 : persamaan diferensial biasa order kedua

3) y''' + 3 y ' - 4y = 0 : persamaan diferensial biasa order kedua

4) y ''' – e x y '' - yy' = (x2+1)y2 : persamaan diferensial biasa order ketiga

2. Persamaan Diferensial Biasa Linear dan non Linear

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

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:

3. Metode Deret Taylor

Kita sudah melihat bahwa metode Euler diturunkan dengan menggunakan deret
Taylor. Deret Taylor pada penurunan metode Euler dipotong sampai suku orde
pertama sehingga solusinya kurang teliti. Kita dapat meningkatkan ketelitian dengan
memotong deret sampaisuku yang lebih tinggi lagi. Metode deret Taylor adalah
metode yang umum untuk menurunkan rumus-rumus solusi PDB. Metode Euler
merupakan metode deret Taylor yang paling sederhana. Diberikan PDB y'(x) = f(x,y)
 dengan kondisi awal y(x0) = y0, sehingga hasil akhir dari penurunan persamaan ialah
sebagai berikut:

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

Dwi.L.,2013,Diktat persamaan Diferensial, Fakultas Matematika Dan Ilmu Pengetahuan Alam

Universitas Negeri Yogyakarta

Munir, Rinaldi, 2003, Metode Numerik, Informatika, Bandung

 BAB 1

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:

4. Untuk mengetahui persamaan diferensial biasa dan mengaplikasikannya kedalam

Matlab
5. Untuk mengetahui klasifikasi persamaan diferensial biasa
6. Untuk mengetahui transformasi persamaan diferensial biasa kedalam bentuk konikal

1.2.Batasan Masalah

Adapun batasan masalah yang akan dibahas pada laporan praktikum persamaan
diferensial biasa yaitu sebagai berikut ini:

4. Bagaimana cara mengaplikasikan persamaan diferensial biasa kedalam Matlab

5. Apa saja klasifikasi persamaan diferensial biasa
6. Bagaimana cara transformasi persamaan diferensial biasa kedalam bentuk konikal

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

2) y '' + 7y = 0 : persamaan diferensial biasa order kedua

3) y''' + 3 y ' - 4y = 0 : persamaan diferensial biasa order kedua

4) y ''' – e x y '' - yy' = (x2+1)y2 : persamaan diferensial biasa order ketiga

2. Persamaan Diferensial Biasa Linear dan non Linear

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:

7. Metode Deret Taylor

Kita sudah melihat bahwa metode Euler diturunkan dengan menggunakan deret
Taylor. Deret Taylor pada penurunan metode Euler dipotong sampai suku orde
pertama sehingga solusinya kurang teliti. Kita dapat meningkatkan ketelitian dengan
memotong deret sampaisuku yang lebih tinggi lagi. Metode deret Taylor adalah
metode yang umum untuk menurunkan rumus-rumus solusi PDB. Metode Euler
merupakan metode deret Taylor yang paling sederhana. Diberikan PDB y'(x) = f(x,y)
dengan kondisi awal y(x0) = y0, sehingga hasil akhir dari penurunan persamaan ialah
sebagai berikut:

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