Laporan Analisa Dan Studi Kasus Metode Numerik
Laporan Analisa Dan Studi Kasus Metode Numerik
Laporan Analisa Dan Studi Kasus Metode Numerik
Disusun oleh :
1. Juandela Herina Putri (11170910000013)
2. Eghar Shafiera (11170910000011)
A. Latar Belakang
Metode numerik adalah teknik – teknik yang digunakan untuk memformulasikan masalah
matematis agar dapat dipecahkan dengan operasi perhitungan.
Metode numerik memberikan cara- cara untuk menyelesaikan bentuk persamaan tersebut
secara perkiraan hingga didapat hasil yang mendekati penyelesaian secara benar (eksak).
Penyelesaian numerik dilakukan dengan perkiraan yang berurutan (iterasi), maka setiap hasil
akan lebih teliti dari perkiraan sebelumnya. Dengan berbagai iterasi yang dianggap cukup,
akam didapat hasil perkiraan yang mendekati hasil yang benar (eksak) dengan toleransi yang
diijinkan.
Terdapat banyak jenis metode numerik, namun pada dasarnya, masing -masing metode
tersebut memiliki karakteristik umum, yaitu selalu mencakup sejumlah kalkulasi aritmetika.
Jadi metode numerik adalah suatu teknik untuk memformulasikan masalah matematika sehingga
dapat diselesaikan dengan operasi aritmetika yang terdiri dari operasi tambah, kurang, kali dan bagi
(Rochmad, 2011).
Salah satu cara yang sederhana untuk penyelesaian perkiraan atau dengan cara coba
banding, yaitu dengan mencoba nilai x sembarang kemudian dievaluasi apakah nilai f(x) = 0,
jika nilai x tidak sama dengan nol lalu coba nilai x yang lain, cara ini diulang terus menerus
hingga didapat nilai f(x) = 0, untuk suatu nilai x tertentu, yang merupakan akar persamaan
yang diselesaikan. Tapi cara itu tidak efektif oleh karena itu metode numerik memberikan
materi – meteri untuk mencari akar – akar persamaan dan menyelesaikan sistem persamaan
linier dengan metode – metode tertentu.
Ada beberapa metode untuk menyelesaikan akar – akar persamaan, yaitu :
1. Metode Bisection
2. Meode Regulafalsi
3. Metode New Raphson
Ada beberapa metode untuk menyelesaikan sistem persamaan linier, yaitu :
1. Metode Eliminasi Gaus
2. Metode Gaus Jordan
3. Metode Gaus Seidel
B. Rumusan Masalah
1. Apa itu metode Bisection? Bagaimana algoritma metode tersebut?
2. Apa itu metode Regulafalsi? Bagaimana algoritma metode tersebut?
3. Apa itu metode New Raphson? Bagaimana algoritma metode tersebut?
4. Bagaimana contoh program gabungan dari metode penyelesaian akar – akar persamaan?
5. Apa itu metode Eliminasi Gaus? Bagaimana algoritma metode tersebut?
6. Apa itu metode Gaus Jordan? Bagaimana algoritma metode tersebut?
7. Apa itu metode Gaus Seidel? Bagaimana algoritma metode tersebut?
8. Bagaimana contoh program gabungan dari metode penyelesaian sistem persamaan linier?
BAB II
TINJAUAN PUSTAKA
A. AKAR – AKAR PERSAMAAN
1. Metode Bisection
Ide awal metode ini adalah metode table, dimana area dibagi menjadi N bagian. Hanya saja
metode biseksi ini membagi range menjadi 2 bagian, dari dua bagian ini dipilih bagian mana
yang mengandung dan bagian yang tidak mengandung akar dibuang. Hal ini dilakukan berulang-
ulang hingga diperoleh akar persamaan.
Metode ini merupakan bentuk yang paling sederhana diantara metode-metode numerik
lainnya dalam menyelesaikan akar-akar persamaan.
Algoritma Metode Biseksi :
(1) Definisikan fungsi f(x) yang akan dicari akarnya
(2) Tentukan nilai a dan b
(3) Tentukan torelansi e dan iterasi maksimum N
(4) Hitung f(a) dan f(b)
(5) Jika f(a).f(b)>0 maka proses dihentikan karena tidak ada akar, bila tidak maka proses
dilanjutkan
𝑎+𝑏
(6) Hitung x = 2
(7) Hitung f(x)
(8) Bila f(x).f(a)<0 maka b=x dan f(b)=f(x), bila tidak a=x dan f(a)=f(x)
(9) Jika |b-a|<e atau iterasi>iterasi maksimum maka proses dihentikan dan didapatkan akar =
x, dan bila tidak, ulangi langkah 6.
Kelebihan : Sangat simple, konvergen terjamin
Kekurangan : Proses konvergen lamban
2. Metode Regulafalsi
Metode posisi palsu (regula falsi) termasuk tipe metode pengurung. Metode ini dikembangkan
dengan harapan bisa mencapai kekonvergenan dengan cepat. Seperti metode bagi-dua, metode
regulafalsi dimulai dengan dua titik awal a0 dan b0 sedemikian sehingga f(a0) dan f(b0) berlawanan
tanda.
Metode ini kemudian berlanjut dengan menghasilkan berturut-turut selang [ak, bk] yang
semuanya berisi akar f. Nilai c didapat dari iterasi c = b – f(b) ((b-a)/(f(b)- f(a))
Seperti yang diterangkan sebelumnya, c adalah akar dari garis melalui (a, f(a)) dan (b, f(b)). Jika
f(a) dan f(c) memiliki tanda yang sama, maka kita menetapkanabaru = c dan bbaru = b. Jika tidak,
kita menetapkan abaru = a dan bbaru = c. Proses ini diteruskan hingga akar dihampiri dengan cukup
baik.
// Program 1.1a
// Metode Bisection
#include <stdio.h>
#include <math.h>
/* Daftar Variable
a = batas bawah
b = batas atas
tol = toleransi
max_iter = jumlah iterasi maksimum */
float a,m,b,F_a,F_m,F_b,tol;
int max_iter;
float f(float x)
{
return tan(x) - x - 0.5;
}
void main()
{
int it;
float epsilon;
printf("=======================Metode
Bisection=======================\n\n");
printf("Batas bawah = "); scanf("%f",&a);
printf("Batas atas = "); scanf("%f",&b);
printf("Toleransi = "); scanf("%f",&tol);
printf("Jumlah iterasi maksimum = "); scanf("%d",&max_iter);
it = 0;
F_a = f(a);
F_b = f(b);
if(F_a * F_b > 0) printf(" Nilai F(a) x F(b) > 0\n");
else
{
printf("It. a m b f(a) f(b)");
printf(" abs[f(b)-f(a)]/2\n");
do
{
it = it + 1;
m = (a + b) / 2;
F_m = f(b);
printf("%3d %8.5f %8.5f %8.5f %8.5f %8.5f %8.2e\n",
it,a,m,b,F_a,F_b,fabs(F_b-F_a)/2);
epsilon = fabs(m-a);
if(F_a * F_m <= 0) { b = m; F_b = F_m; }
else { a = m; F_a = F_m; }
} while(it <= max_iter && epsilon > tol);
if(it<=max_iter)
{
printf("Toleransi terpenuhi\n");
printf("Hasil akhir = %g\n",m);
}
else printf("Toleransi tidak terpenuhi\n");
}
printf("\n\n=======================Metode Regula
Falsi=======================\n\n");
printf("Batas bawah = "); scanf("%f",&a);
printf("Batas atas = "); scanf("%f",&b);
printf("Toleransi = "); scanf("%f",&tol);
printf("Jumlah iterasi maksimum = "); scanf("%d",&max_iter);
it = 0;
F_a = f(a);
F_b = f(b);
if(F_a * F_b > 0) printf(" Nilai F(a) x F(b) > 0\n");
else
{
printf("It. a m b f(a) f(b)");
printf(" abs[f(b)-f(a)]/2\n");
do
{
it = it + 1;
m = a - F_a * (b - a) / (F_b - F_a);
F_m = f(m);
printf("%3d %8.5f %8.5f %8.5f %8.5f %8.5f %8.2e\n",
it,a,m,b,F_a,F_m,fabs(F_b-F_a)/2);
epsilon = fabs(m-a);
if(F_a * F_m <= 0) { b = m; F_b = F_m; }
else { a = m; F_a = F_m; }
} while(it <= max_iter && epsilon > tol);
if(it<=max_iter)
{
printf("Toleransi terpenuhi\n");
printf("Hasil akhir = %g\n",b);
}
else printf("Toleransi tidak terpenuhi\n");
}
}
Output :
5. Metode Eliminasi Gaus
Eliminasi Gauss adalah suatu metode untuk mengoperasikan nilai-nilai di dalam matriks
sehinggamenjadi matriks yang lebih sederhana lagi. Dengan melakukan operasi baris sehingga
matriks tersebut menjadimatriks yang baris. Ini dapat digunakan sebagai salah satu metode
penyelesaian persamaan linear denganmenggunakan matriks. Caranya dengan mengubah
persamaan linear tersebut ke dalam matriksteraugmentasi dan mengoperasikannya. Setelah
menjadi matriks baris, lakukan substitusi balik untukmendapatkan nilai dari variabel-variabel
tersebut.
Kelebihan :
menentukan apakah sistem konsisten.
menghilangkan kebutuhan untuk menulis ulang variabel setiap langka.
lebih mudah untuk memecahkan
Kekurangan :
memiliki masalah akurasi saat pembulatan decimal
Algoritma Metode Eliminasi Gaus :
1. Masukkan matriks A dan vektor B beserta ukurannya n
2. Buat augmented matriks [A|B], namakan dgn A
3. Untuk baris ke-i dimana i = 1 sampai n, perhatikan apakah nilai ai,i = 0.
Bila ya :
Tukarkan baris ke – i dan baris i+k<=n, dimana ai+k, i ≠ 0, bila tdk ada berarti perhitungan
tdk bisa dilanjutkan dan proses dihentikan dgn tanpa penyelesaian.
Bila Tidak : Lanjutkan
4. Untuk baris ke-j, dimana j = i+1 sampai n, lakukan operasi baris elementer :
Hitung c = aj,i/ai,i
Untuk kolom k dimana k =1 sampai n+1
Hitung aj,k = aj,k - c.ai,k
5. Hitung akar, untuk i = n sampai 1 (bergerak dari baris ke n sampai baris pertama)
Xi = 1 (bi-ai,i+1xi+1 - ai,i+2xi+2 - … - ai,nxn), dimana nilai i+k<=n
ai,I
Kelebihan :
Metode eliminasi gauss-seidel digunakan untuk menyelesaikan SPL yg berukuran kecil karena
metode ini lebih efisien. Dengan metode iterasi Gauss—Seidel sesatan pembulatan dapat
diperkecil karena dapat meneruskan iterasi sampai solusinya seteliti mungkin sesuai dengan
batas sesatan yang diperbolehkan.
Kekurangan :
Kekurangan dari metode ini adalah masalah pivot (titik tengah) yang harus benar–benar
diperhatikan, karena penyusun yang salah akan menyebabkan iterasi menjadi divergen dan tidak
diperoleh hasil yang benar.
7. Iterasi ← iterasi+1
8. Bila iterasi lebih dari max_iter atau tidak terdapat 𝑒𝑖 < ε untuk i=1 s/d n maka proses
dihentikan dari penyelesaiannya adalah 𝑥𝑖 untuk i=1 s/d n. Bila tidak maka ulangi langkah (5)
Nilai awal :
𝑥1 = 0 dan 𝑥2 = 0
Iterasi 1 : Iterasi 4 :
7 13
𝑥1 = 5 – 0 = 5 𝑥1 = 5 – 4 = 4
1 1 13 15
𝑥2 = (14 − 2.5) = 1 𝑥2 = (14 − 2. 4 ) =
4 4 8
Iterasi 2 : Iterasi 5 :
15 25
𝑥1 = 5 – 1 = 4 𝑥1 = 5 – =
8 5
1 3 1 25 31
𝑥2 = (14 − 2.4) = 𝑥2 = (14 − 2. 8 ) = 16
4 2 4
Iterasi 3 : Iterasi 6 :
3 7 31 49
𝑥1 = 5 – 2 = 2 𝑥1 = 5 – 16 = 16
1 7 7 1 49 63
𝑥2 = (14 − 2. 2) = 4 𝑥2 = (14 − 2. 16) = 32
4 4
Iterasi 7 :
63 97
𝑥1 = 5 – 32 = 32
1 97 127
𝑥2 = (14 − 2. ) =
4 32 64
Nilai iterasi ke – 7 sudah tidak berbeda jauh dengan nilai iterasi ke – 6 maka proses dihentikan
dan diperoleh penyelesaian.
Algoritma Metode Gauss – Seidel :
1. Masukkan matrik A, dan vektor B beserta ukurannya n
2. Tentukan batas maksimum iterasi max_iter
3. Tentukan toleransi error ε
4. Tentukan nilai awal dari𝑥𝑖 , untuk i=1 s/d n
5. Simpan 𝑥𝑖 dalam 𝑠𝑖 , untuk i=1 s/d n
6. Untuk i=1 s/d n hitung:
𝟏
𝒙𝒊 = (𝒃𝒊 − ∑𝒋 ≠𝒊 𝒂𝒊,𝒋 𝒙𝒋 ) 𝒆𝒊 = | 𝒙𝒊 − 𝒔𝒊 |
𝒂𝒊,𝒊
7. Iterasi ← iterasi+1
8. Bila iterasi lebih dari max_iter atau tidak terdapat 𝑒𝑖 < ε untuk i=1 s/d n maka proses
dihentikan dari penyelesaiannya adalah 𝑥𝑖 untuk i=1 s/d n. Bila tidak maka ulangi langkah (5)
2 𝑥1 + 6 𝑥2 = 36
Penyelesaian dengan menggunakan metode eliminasi Gauss – Seidel adalah sebagai berikut :
Augemented Matrik 10 5 80
2 6 36
B1 B1/10 1 0, 5 8
2 6 36
B2 B2 – 2 B1 1 0, 5 8
0 5 20
B2 B2/5 1 0, 5 8
0 1 4
B1 B1 – 0,5 B2 1 0 6
0 1 4
Diperoleh 𝑥1 = 6 dan 𝑥2 = 4, artinya bahan yang tersedia dapat dibuat 6 boneka A dan 4
bonekaB.
Permasalahan Aliran Panas pada Plat Baja
Diketahui panas beberapa titik pada plat baja yaitu pada sisi luar. Bila ditentukan bahwa aliran
panas bergerak secara laminar dan panas pada sebuah titik adalah rata – rata panas dari 4 titik
tetangganya, maka dapat dihitung panas pada titik T1 dan T2 sebagai berikut :
25℃ 25℃
25℃ 25℃
Persamaan panas pada titik T1 dan T2 dapat dihitung dengan :
𝟏
𝑻𝟏 = (𝟐𝟓 + 𝟎 + 𝟐𝟓 + 𝑻𝟐 )
𝟒
𝟏
𝑻𝟐 = (𝟐𝟓 + 𝑻𝟐 + 𝟐𝟓 + 𝟏𝟎𝟎 )
𝟒
Sistem persamaan linier dari permasalahn di atas adalah : 4𝑻𝟏 − 𝑻𝟐 = 𝟓𝟎
-𝑻𝟏 + 𝟒𝑻𝟐 = 150
Penyelesaian dengan menggunakan iterasi Gauss – Seidel, terlebih dahulu ditentukan nilai
1
pendekatan awal 𝑇1 = 0 dan 𝑇2 = 0 dan fungsi pengubahnya adalah : 𝑇1 = 4 (50 + 𝑇2 )
1
𝑇2 = (150 + 𝑇1 )
4
0 0 0 - -
1 12,5 40,625 12,5 40,625
2 22,65625 43,16406 10,15625 2,539063
3 23,29102 43,32275 0,634766 0,158691
4 23,33069 43,33267 0,039673 0,009918
5 23,33317 43,33329 0,00248 0,00062
6 23,33332 43,33333 0,000155 3,87E-05
7 23,33333 43,33333 9,69E-06 2,42E-06