Metode Numerik 1

T
AF
DR
METODE
NUMERIK
Rahmawati Erma Standsyah
DRAFT MODUL AJAR

T
Draft Modul Ajar Metode Numerik
AF
KATA PENGANTAR
DR
Ucapan syukur serta terima kasih kepada Tuhan Yang Maha Esa atas segala karunia,
ridho dan bimbinganNya sehingga buku ini dapat diselesaikan dan hadir dihadapan para
pembaca. Penulis juga menyampaikan ucapan terima kasih kepada orang tua yang selalu
memberikan doa, semangat serta dukungan kepada penulis, juga kepada Mahasiswa
Pendidikan Matematika 2014 Universitas Dr. Soetomo Surabaya.
Buku ini diharapkan dapat membantu para pembaca terutama mahasiswa yang
menempuh mata kuliah Metode Numerik untuk mengerti dan memahami tentang bagaimana
menyelesaikan suatu persoalan dalam bentuk numerik.
Semoga buku ini dapat memberikan manfaat kepada para pembaca khususnya
mahasiswa yang menempuh mata kuliah Metode Numerik.
Terima kasih.
Surabaya, Maret 2018
Rahmawati Erma Standsyah
i
T
AF
DAFTAR ISI
DR
KATA PENGANTAR i
DAFTAR ISI ii
I. PENDAHULUAN 1
1.1. Umum 1
1.2. Kesalahan (eror) 1
1.3. Kesalahan Relatif 2
1.4. Error Perkiraan atau Taksiran (Approximate) 3
II. AKAR-AKAR PERSAMAAN 4
2.1. Metode Biseksi 4
2.2. Metode Regula Falsi 7
2.3. Metode Newton Raphson 11
2.4. Metode Secant 14
2.5 Metode Iterasi Satu Titik 16
III SISTEM PERSAMAAN LINEAR 20
3.1. Metode JACOBI 20
3.2. Metode Gauss-Seidel 24
3.3. Metode Successive Over Relaxation (SOR) 27
3.4. Metode Dekomosisi L.U 31
IV. SISTEM PERSAMAAN NON LINEAR 35
4.1. Metode Newton Raphson 35
4.2. Metode Iterasi 38
V. POLINOMIAL INTERPOLASI 42
5.1. Metode Polinomial Newton-Gregory Maju 44
5.2. Metode Polinomial Newton-Gregory Mundur 47
ii
T
AF
5.3. Metode Interpolasi Lagrange 48
DR
VI. DIFERENSI NUMERIK 50
VII. INTEGRASI NUMERIK 52
7.1. Umum 52
7.2. Metode Trapesium 53
7.3. Metode Simpson 1/3 54
7.4. Metode Simpson 3/8 55
DAFTAR PUSTAKA 57
iii
T
AF
I. PENDAHULUAN
DR
1.1. Umum
Metode numerik adalah teknik untuk menyelesaikan permasalahan yang
diformulasikan secara matematis dengan cara operasi hitungan (arithmetic). Pada metode
numerik, selalu dihadapkan pada kesalahan atau error yaitu seberapa besar kesalahan yang
terjadi dan bagaimana terjadinya proses kesalahan tersebut.
Dalam metode numerik terdapat beberapa bentuk proses hitungan atau algoritma
untuk menyelesaikan suatu tipe persamaan matematis. Proses hitungan dilakukan dengan
beberapa iterasi dalam jumlahn yang sangat banyak dan berulang-ulang
1.2. Kesalahan (error)

Eror terjadi terutama pada penyelesaian numerik untuk soal matematika, seperti:
penyederhanaan hasil numerik, data-data yang diperoleh dari hasil pengukuran yang kurang
akurat atau karena pembulatan, nilai pendekatan pada metode numerik dan sebagainya.
𝑃 = 𝑃 ∗ + |𝜀𝑐 |
Indeks c menunjukkan bahwa kesalahan dibandingkan terhadap nilai eksak. Dari

bentuk persamaan di atas dapat disimpulkan bahwa kesalahan adalah perbedaan antara nilai
eksak dan nilai perkiraan.
𝜀𝑐 = |𝑃 − 𝑃∗ |
Keterangan :
𝑃: 𝑛𝑖𝑙𝑎𝑖 𝑒𝑘𝑠𝑎𝑘
𝑃∗ : 𝑛𝑖𝑙𝑎𝑖 𝑡𝑎𝑘𝑠𝑖𝑟𝑎𝑛
𝜀𝑐 ∶ 𝑘𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛𝑛𝑦𝑎
Contoh :
Ukuran jembatan pakai simulasi adalah 99,99 m , tapi saat diukur menggunakan
penggaris 100 m , maka 𝜀𝑐 = 100 − 99,99 = 0,01
1.3. Kesalahan Relatif (relative error)

Kesalahan relatif yaitu kesalahan absolut dibagi dengan nilai sebenarnya. Karena nilai
sebenarnya tidak diketahui maka digunakan nilai pendekatan.
𝜀𝑐
𝜀𝑟 =
𝑃
Keterangan :
𝑃: 𝑛𝑖𝑙𝑎𝑖 𝑒𝑘𝑠𝑎𝑘
𝜀𝑐 ∶ 𝑘𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛𝑛𝑦𝑎
𝜀𝑟 : 𝑘𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛 𝑟𝑒𝑙𝑎𝑡𝑖𝑓
Contoh :
1
T
AF
Ukuran jembatan pakai simulasi adalah 99,99 m , tapi saat diukur menggunakan
penggaris 100 m , maka 𝜀𝑐 = 100 − 99,99 = 0,01, maka kesalahan relatif:
DR
𝜀𝑐 10−2
𝜀𝑟 = = = 10−4
𝑃 100
1.4. Error Perkiraan atau Taksiran (Approximate)
Rumus:
𝑝𝑥𝑛+1 − 𝑝𝑥𝑛
𝜀𝑟 = � �
𝑝𝑥𝑛+1
𝑖 𝑥 𝜀𝑟
1 1 (1,5 − 1)
�1,5
2 1,5 (1,7 − 1,5)

�1,7
3 1,7
4 1,75 Dst
5 1,755
2
T
AF
II. AKAR-AKAR PERSAMAAN
DR
2.1. Metode Biseksi
Metode biseksi adalah metode yang digunakan untuk mencari akar-akar persamaan
nonlinear. Metode biseksi merupakan metode yang sederhana. Cara penyelesaian dari metode
biseksi sebagai berikut:
1. Tentukan nilai 𝑋𝑖 𝑑𝑎𝑛 𝑋𝑖+1
𝑓(𝑋𝑖 ) 𝑓 (𝑋𝑖+1 ) < 0
2. Tentukan nilai 𝑋𝑡
𝑋𝑖 +𝑋𝑖+1
𝑋𝑡 = 2
3. Menguji
a. Jika 𝑓(𝑋𝑖 )𝑓(𝑋𝑡 ) < 0 , maka
𝑋𝑖 = 𝑋𝑖
𝑋𝑖+1 = 𝑋𝑡
b. Jika 𝑓(𝑋𝑖 )𝑓(𝑋𝑡 ) > 0 , maka
𝑋𝑖 = 𝑋𝑡
𝑋𝑖+1 = 𝑋𝑖+1
c. Jika 𝑓 (𝑋𝑖 )𝑓 (𝑋𝑡 ) = 0 , maka
𝑋 = 𝑋𝑡 , Iterasi berhenti
𝑋𝑡𝑖+1 −𝑋𝑡𝑖
4. Lakukan iterasi berikutnya dari langkah dua sampai 𝜀𝑟 ≤ 𝜀 ∗ , dimana 𝜀𝑟 = � �
𝑋𝑡𝑖+1
Contoh:
Carilah penyelesaian dari persamaan 𝑥 3 + 𝑥 2 − 3𝑥 − 3 = 0 dengan eror 0,0001
Penyelesaian
Mencari akar-akar persamaan dari persamaan 𝑥 3 + 𝑥 2 − 3𝑥 − 3 = 0 melalui beberapa iterasi
sebagai berikut:
ITERASI ke-1
Langkah 1
Menentukan dua titik awal yaitu 𝑋𝑖 dan 𝑋𝑖+1 yang harus memenuhi 𝑓 (𝑋𝑖 ) 𝑓 (𝑋𝑖+1 ) < 0.
Misalkan kita ambil 𝑋𝑖 dan 𝑋𝑖+1 sebagai berikut:

𝑋𝑖 = 0  𝑓 (𝑋𝑖 ) = −3
𝑋𝑖+1 = 2  𝑓 (𝑋𝑖+1 ) = 3
Maka,
𝑓 (𝑋𝑖 ) 𝑓(𝑋𝑖+1 ) = (−3)(3) = −9 < 0
Karena memenuhi 𝑓 (𝑋𝑖 ) 𝑓 (𝑋𝑖+1 ) < 0, kita lanjutkan ke langkah selanjutnya.
3
T
AF
Langkah 2
Menentukan nilai 𝑋𝑡 dari 𝑋𝑖 dan 𝑋𝑖+1 pada langkah sebelumnya, yaitu 𝑋𝑖 = 0 dan 𝑋𝑖+1 = 2.
DR
𝑋𝑡 = 2
0+2
𝑋𝑡 =
2
𝑋𝑡 = 1
Langkah 3
Menguji nilai 𝑓 (𝑋𝑖 ) dan 𝑓 (𝑋𝑡 ) untuk menentukan nilai 𝑋𝑖 dan 𝑋𝑖+1 yang baru.
𝑓 (𝑋𝑖 ) = −3
𝑓 (𝑋𝑡 ) = 𝑓 (1) = 13 + 12 − 3 − 3 = −4
𝑓 (𝑋𝑖 )𝑓(𝑋𝑡 ) = (−3)(−4) = 12
Karena 𝑓 (𝑋𝑖 )𝑓(𝑋𝑡 ) > 0, maka

𝑋𝑖 = 𝑋𝑡
𝑋𝑖 = 1
𝑋𝑖+1 = 𝑋𝑖+1
𝑋𝑖+1 = 2
Langkah 4
Lakukan iterasi berikutnya dari langkah dua sampai 𝜀𝑟 ≤ 𝜀 ∗
ITERASI ke-2
Langkah 2
Menentukan nilai 𝑋𝑡 dari 𝑋𝑖 dan 𝑋𝑖+1 pada langkah sebelumnya, yaitu 𝑋𝑖 = 1 dan 𝑋𝑖+1 = 2.
𝑋𝑡 = 2
1+2
𝑋𝑡 =
2
𝑋𝑡 = 1,5
Langkah 3
Menguji nilai 𝑓 (𝑋𝑖 ) dan 𝑓 (𝑋𝑡 ) untuk menentukan nilai 𝑋𝑖 dan 𝑋𝑖+1 yang baru.
𝑓 (𝑋𝑖 ) = −4
𝑓 (𝑋𝑡 ) = −1,875
𝑓 (𝑋𝑖 )𝑓(𝑋𝑡 ) = (−4)(−1,875) = 7,5
Karena 𝑓 (𝑋𝑖 )𝑓(𝑋𝑡 ) > 0, maka
𝑋𝑖 = 𝑋𝑡
𝑋𝑖 = 1,5
𝑋𝑖+1 = 𝑋𝑖+1
𝑋𝑖+1 = 2
4
T
AF
𝑋𝑡𝑖+1 −𝑋𝑡𝑖 1,5−1
𝜀𝑟 = � � =� � = 0,33
𝑋𝑡𝑖+1 1,5
DR
Karena 𝜀𝑟 > 𝜀 ∗ maka proses iterasi ini dilanjutkan sampai 𝜀𝑟 ≤ 𝜀 ∗ .
2.2. Metode Regula Falsi

Metode regula Falsi adalah metode yang digunakan untuk menyelesaikan persamaan
nonlinear. Proses iterasi metode regula falsi lebih cepat dari metode biseksi. Cara
penyelesaian dari metode regula falsi sebagai berikut:
1. Tentukan nilai 𝑋𝑙 𝑑𝑎𝑛 𝑋𝑢
𝑓(𝑋𝑙 ) 𝑓 (𝑋𝑢 ) < 0
2. Tentukan nilai 𝑋𝑡
𝑓(𝑋𝑢 )(𝑋𝑙 −𝑋𝑢 )
𝑋𝑟 = 𝑋𝑢 −
𝑓(𝑋𝑙 )−𝑓(𝑋𝑢 )
3. Menguji
a. Jika 𝑓(𝑋𝑙 ) 𝑓(𝑋𝑟 ) < 0 , maka
𝑋𝑢 = 𝑋𝑟
𝑋𝑙 = 𝑋𝑙
b. Jika 𝑓(𝑋𝑙 ) 𝑓(𝑋𝑟 ) > 0 , maka
𝑋𝑢 = 𝑋𝑢
𝑋𝑙 = 𝑋𝑟
c. Jika 𝑓 (𝑋𝑙 )𝑓 (𝑋𝑟 ) = 0 , maka
𝑋 = 𝑋𝑟 , Iterasi berhenti
𝑋𝑟𝑖+1 −𝑋𝑟𝑖
𝑋𝑟𝑖+1
Contoh:
Penyelesaian
sebagai berikut:
ITERASI ke-1
Langkah 1
Menentukan dua titik awal yaitu 𝑋𝑙 dan 𝑋𝑢 yang harus memenuhi 𝑓 (𝑋𝑙 ) 𝑓(𝑋𝑢 ) < 0.
Misalkan kita ambil 𝑋𝑖 dan 𝑋𝑖+1 sebagai berikut:
𝑋𝑙 = 0  𝑓 (𝑋𝑙 ) = −3
𝑋𝑢 = 2  𝑓 (𝑋𝑢 ) = 3
Maka,
𝑓 (𝑋𝑙 ) 𝑓 (𝑋𝑢 ) = (−3)(3) = −9 < 0
Karena memenuhi 𝑓 (𝑋𝑙 ) 𝑓 (𝑋𝑢 ) < 0, kita lanjutkan ke langkah selanjutnya.
Langkah 2
Menentukan nilai 𝑋𝑟 dari 𝑋𝑙 dan 𝑋𝑢 pada langkah sebelumnya, yaitu 𝑋𝑙 = 0 dan 𝑋𝑢 = 2.
5
T
AF
DR
3(0−2)
𝑋𝑟 = 2 −
−3−3
(−6)
𝑋𝑟 = 2 −
−6
𝑋𝑟 = 2 − 1
𝑋𝑟 = 1
Langkah 3
Menguji nilai 𝑓 (𝑋𝑙 ) dan 𝑓 (𝑋𝑢 ) untuk menentukan nilai 𝑋𝑙 dan 𝑋𝑢 yang baru.
𝑓 (𝑋𝑙 ) = −3
𝑓 (𝑋𝑟 ) = 𝑓 (1) = 13 + 12 − 3 − 3 = −4
𝑓 (𝑋𝑙 )𝑓(𝑋𝑟 ) = (−3)(−4) = 12
Karena 𝑓 (𝑋𝑙 )𝑓(𝑋𝑟 ) > 0, maka
𝑋𝑢 = 𝑋𝑢
𝑋𝑢 = 2
𝑋𝑙 = 𝑋𝑟
𝑋𝑙 = 1
Langkah 4
Lakukan iterasi berikutnya dari langkah dua sampai 𝜀𝑟 ≤ 𝜀 ∗
ITERASI ke-2
Langkah 2
Menentukan nilai 𝑋𝑟 dari 𝑋𝑙 dan 𝑋𝑢 pada langkah sebelumnya, yaitu 𝑋𝑙 = 1 dan 𝑋𝑢 = 2.
3(1−2)
𝑋𝑟 = 2 −
−4−3
(−3)
𝑋𝑟 = 2 −
−7
−14+3
𝑋𝑟 =
−7
11
𝑋𝑟 =
7
Langkah 3
Menguji nilai 𝑓 (𝑋𝑙 ) dan 𝑓 (𝑋𝑢 ) untuk menentukan nilai 𝑋𝑙 dan 𝑋𝑢 yang baru.
𝑓 (𝑋𝑙 ) = −4
−468
𝑓 (𝑋𝑟 ) =
348
−468
𝑓 (𝑋𝑙 )𝑓(𝑋𝑟 ) = (−4) � � = 40716
348
Karena 𝑓 (𝑋𝑙 )𝑓(𝑋𝑟 ) > 0, maka
𝑋𝑢 = 𝑋𝑢
6
T
AF
𝑋𝑢 = 2
𝑋𝑙 = 𝑋𝑟
DR
11
𝑋𝑙 =
7
11
𝑋𝑟𝑖+1 −𝑋𝑟𝑖 −1
𝜀𝑟 = � � = � 711 � = 0,3636
𝑋𝑟𝑖+1
7
Karena 𝜀𝑟 > 𝜀 ∗ maka proses iterasi ini dilanjutkan sampai 𝜀𝑟 ≤ 𝜀 ∗ .
2.3. Metode Newton Raphson

Metode newton raphson adalah metode yang digunakan untuk mencari akar-akar dari
persamaan nonlinear. Jika 𝑋𝑖 adalah titik awal yang ditentukan sebelum melakukan iterasi,
maka suatu garis singgung dapat dibuat dari titik (𝑋𝑖 , 𝑓 (𝑋𝑖 )). Titik di mana garis singgung
tersebut memotong sumbu x biasanya memberikan perkiraan lebih dekat dari nilai akar. Cara
penyelesaian metode newton raphson sebagai berikut:
1. Tentukan 1 titik sembarang yaitu 𝑋𝑖
2. Tentukan nilai 𝑋𝑖+1
𝑓(𝑋𝑖 )
𝑋𝑖+1 = 𝑋𝑖 −
𝑓′ (𝑋𝑖 )
𝑋𝑖+1 − 𝑋𝑖
𝑋𝑖+1
atau 𝑋𝑖+1 = 𝑋𝑖
Contoh:
Carilah penyelesaian dari persamaan f(x) = 𝑥 2 – 5x + 4 = 0 dengan eror 0,0001
Penyelesaian
Sebelum menyelesaikan persamaan f(x) = 𝑥 2 – 5x + 4 = 0, tentukan turunan pertama dari
persamaan tersebut.
f(x) = 𝑥 2 – 5x + 4 = 0
f’(x) = 2x – 5
ITERASI ke-1
Langkah 1
Menentukan 1 titik awal yaitu 𝑋𝑖 = 0
Langkah 2
Menentukan nilai 𝑋𝑖+1 dari 𝑋𝑖 = 0
𝑖=1
𝑓(𝑋𝑖 )
𝑋𝑖+1 = 𝑋𝑖 -
𝑓′(𝑋𝑖 )
𝑓(𝑋1 )
𝑋1+1 = 𝑋1 -
𝑓′(𝑋1 )
02 – 5(0) + 4
𝑋2 =0-
2(0) – 5
7
T
AF
4
𝑋2 =0-
−5
DR
4
=
5
= 0,8
Langkah 3
𝑋𝑖+1 − 𝑋𝑖 𝑋2 − 𝑋1 0,8− 0
𝜀𝑟 = � �= � �= � �= 1
𝑋𝑖+1 𝑋2 0,8
Karena 𝜀𝑟 > 𝜀 ∗ , maka lakukan iterasi selanjutnya dari langkah 2 sampai 𝜀𝑟 ≤ 𝜀 ∗
ITERASI ke-2
Langkah 2 :
𝑓(𝑋2 )
𝑋3 = 𝑋2 -
𝑓′(𝑋2 )
4 4
4 ( )2 −5� �+4
5 5
= - 4
5 2� �−5
5
16−100+100
4 25
= - 8−25
5
5
16
4 25
= - 17
5 (− )
5
4 16 17
= –( (− ))
5 25 5
4 80
= - (- )
5 425
4 80
= +
5 425
420
=
425
= 0,988
Langkah 3
𝑋𝑖+1 − 𝑋𝑖 𝑋3 − 𝑋2 0,988− 0,8
𝜀𝑟 = � �= � �= � � = 0,19
𝑋𝑖+1 𝑋3 0,988
Karena 𝜀𝑟 > 𝜀 ∗ , maka lakukan iterasi selanjutnya sampai 𝜀𝑟 ≤ 𝜀 ∗ .
2.4. Metode Secant

Metode secant adalah modifikasi dari metode newton raphson. Pada metode newton
raphson memerlukan turunan fungsi, namun tidak semua fungsi mudah dicari turunannya.
Cara penyelesaian metode secant sebagai berikut:
1. Tentukan dua titik sembarang 𝑋𝑖−1 dan 𝑋𝑖
2. Tentukan nilai 𝑋𝑖+1
𝑓(𝑥𝑖 )(𝑥𝑖−1 − 𝑥𝑖 )
𝑋𝑖+1 = 𝑋𝑖 −
𝑓 (𝑥𝑖−1 )−𝑓(𝑥𝑖 )
𝑋𝑖+1 − 𝑋𝑖
𝑋𝑖+1
atau 𝑋𝑖+1 = 𝑋𝑖
Contoh:
8
T
AF
DR
Penyelesaian
sebagai berikut:
ITERASI ke-1
Langkah 1
Menentukan dua titik awal 𝑋𝑖−1 dan 𝑋𝑖 .
𝑋𝑖−1 = 0  𝑓 (𝑋𝑖−1 ) = 03 + 02 − 3(0) − 3 = −3
𝑋𝑖 =1 𝑓 (𝑋𝑖 ) = 13 + 12 − 3(1) − 3 = −4
Langkah 2
Menentukan 𝑋𝑖+1 dari 𝑋𝑖−1 dan 𝑋𝑖
𝑓(𝑥𝑖 )(𝑥𝑖−1 − 𝑥𝑖 )
𝑋𝑖+1 = 𝑋𝑖 −
𝑓 (𝑥𝑖−1 )−𝑓(𝑥𝑖 )
𝑖=1
(−4)(0− 1)
𝑋2 = 1 − (−3)−(−4))
4
𝑋2 = 1 −
1
𝑋2 = −3
Langkah 3
𝑋𝑖+1 − 𝑋𝑖 𝑋2 − 𝑋1 −3− 1 −4 4
𝜀𝑟 = � �= � �= � �= � �=
𝑋𝑖+1 𝑋2 −3 −3 3
Karena 𝜀𝑟 > 𝜀 ∗ , maka lakukan iterasi selanjutnya dari langkah 2 sampai 𝜀𝑟 ≤ 𝜀 ∗ .
ITERASI ke-2
Langkah 2
(−12)(1−(−3))
𝑋3 = −3 − (−4)−(−12))
−48
𝑋3 = −3 −
8
𝑋3 = −3 + 6
𝑋3 = 3
Langkah 3
𝑋𝑖+1 − 𝑋𝑖 𝑋3 − 𝑋2 3−(−3) 6
𝜀𝑟 = � �= � �= � �= � �=2
𝑋𝑖+1 𝑋3 3 3
Karena 𝜀𝑟 > 𝜀 ∗ , maka lakukan iterasi selanjutnya sampai 𝜀𝑟 ≤ 𝜀 ∗ .
2.5 Metode Iterasi Satu Titik

Metode iterasi satu titik ini menggunakan persamaan untuk memperkirakan nilai akar
persamaan. Metode ini mengubah persamaan nonlinear bentuk f(x) menjadi bentuk x = g(x).
Cara penyelesaian dari metode iterasi satu titik sebagai berikut:
9
T
AF
1. Ubah bentuk persamaan 𝑓 (𝑥 ) = 0 menjadi 𝑥 = 𝑔(𝑥). Hal ini dapat dilakukan dengan
DR
memanipulasi aljabar atau perubahan variable x pada kedua ruas persamaan. Plot iterasi
dan konvergensi jika |𝑔′ (𝑥𝑖 )| < 1 dengan 𝑥𝑖 adalah tebakan nilai awal
2. Tentukan nilai awal 𝑥𝑖 sehingga |𝑔′(𝑥 )| < 1
3. Lakukan iterasi 𝑥𝑖+1 = 𝑔(𝑥𝑖 ) 𝑖 = 0,1,2, …
∗
4. Lakukan hingga 𝜀𝑟 < 𝜀
Contoh:
Penyelesaian
sebagai berikut:
Langkah 1
Mengubah bentuk persamaan 𝑓 (𝑥 ) = 0 menjadi 𝑥 = 𝑔(𝑥).
𝑥 3 + 𝑥 2 − 3𝑥 − 3 = 0 menjadi
−3𝑥 = −𝑥 3 − 𝑥 2 + 3
1 1
𝑥 = 𝑥 3 + 𝑥 2 − 1 ....................(1)
3 3
2 3
𝑥 = −𝑥 + 3𝑥 + 3
1
𝑥 = (−𝑥 3 + 3𝑥 + 3)2 ....................(2)
𝑥 3 = −𝑥 2 + 3𝑥 + 3
1
𝑥 = (−𝑥 2 + 3𝑥 + 3)3 ....................(3)
Langkah 2
Menentukan nilai awal 𝑥𝑖 sehingga |𝑔′ (𝑥𝑖 )| < 1.
Persamaan 1
1 1
𝑔 (𝑥 ) = 𝑥 3 + 𝑥 2 − 1
3 3
′( 2 2
𝑔 𝑥) = 𝑥 + 𝑥
3
𝑖=0
𝑥0 = 0 sehingga
2
|𝑔′(𝑥𝑖 )| = �02 + (0)� = |0| = 0 < 1
3
Persamaan 2
1
𝑔(𝑥 ) = (−𝑥 3 + 3𝑥 + 3)2
1
1
𝑔′(𝑥 ) = (−𝑥 3 + 3𝑥 + 3)−2 . (−3𝑥 2 + 3)
2
𝑖=0
𝑥0 = 0 sehingga
1
1
|𝑔′(𝑥0 )| = � (−(0)3 + 3(0) + 3)−2 . (−3(0)2 + 3)�
2
10
T
AF
1
−
′( (3) 2 .3 3
𝑔 0) = � �=� � = 0,866 < 1
DR
2 √3.2
Persamaan 3
1
𝑔(𝑥 ) = (−𝑥 2 + 3𝑥 + 3)3
2
1
𝑔′(𝑥 ) = (−𝑥 2 + 3𝑥 + 3)−3 . (−2𝑥 + 3)
3
𝑖=0
𝑥0 = 0 sehingga
2
1
|𝑔′(𝑥0 )| = � (−(0)2 + 3(0) + 3)−3 . (−2(0) + 3)�
3
2
1 1
𝑔′(0) = � . (3)−3 .3� = � 2 � = 0,48 < 1
3
(3)3
ITERASI ke-1
Langkah 3
Melakukan iterasi 𝑥𝑖+1 = 𝑔(𝑥𝑖 ) dengan 𝑔(𝑥 ) = −𝑥 2 + 3𝑥 + 3
𝑖=0
𝑥0 = 0
𝑥0+1 = 𝑔(𝑥0 )
1
𝑥1 = (−(0)2 + 3(0) + 3)3
𝑥1 = 1,44
Langkah 4
𝑋𝑖+1 − 𝑋𝑖 𝑋1 − 𝑋0 1,44−0 1,44
𝜀𝑟 = � �= � �= � �= � �=1
𝑋𝑖+1 𝑋1 1,44 1,44
ITERASI ke-2
Langkah 3
Melakukan iterasi 𝑥𝑖+1 = 𝑔(𝑥𝑖 ) dengan 𝑔(𝑥) = −𝑥 2 + 3𝑥 + 3
𝑖=1
𝑥1 = 1,44
𝑥1+1 = 𝑔(𝑥1 )
1
𝑥2 = ((−1,44)2 + 3(1,44) + 3)3
𝑥2 = 2,1
Langkah 4
𝑋𝑖+1 − 𝑋𝑖 𝑋1 − 𝑋0 2,1−1,44 0,66
𝜀𝑟 = � �=� �=� �=� � = 0,314
𝑋𝑖+1 𝑋1 2,1 2,1
11
T
AF
III. SISTEM PERSAMAAN LINEAR
DR
3.1. Metode JACOBI
Diketahui SPL dengan n variabel dan n persamaan :
𝑎11 𝑥1 + 𝑎12 𝑥2 + … … + 𝑎𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + … … + 𝑎2𝑛 𝑥𝑛 = 𝑏2
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + … … + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛

Ditulis dalam perkalian matriks :
𝐴𝑥̅ = 𝑏�
𝑎11 … 𝑎1𝑛 𝑥1 𝑏1
𝐴=� ⋮ ⋮ � , 𝑥̅ = � ⋮ � , 𝑏� = � ⋮ �
𝑎𝑛1 … 𝑎𝑛𝑛 𝑥𝑛 𝑏𝑛
SPL ditulis kembali sehingga elemen diagonal mempunyai nilai terbesar pada setiap baris
yang disebut Elemen Pivot, sehingga SPL berbentuk :
𝑛
(𝑘+1) 𝑏𝑖 𝑎𝑖𝑗 (𝑘)
𝑥𝑖 = –� 𝑥
𝑎𝑖𝑖 𝑎𝑖𝑖 (𝑗)
𝑖=1
𝑗≠𝑖
i = 1, 2, ….., n
k = 1, 2, ….., n
dengan nilai awal 𝑋𝑖 (0)
Syarat cukup konvergen (elemen pivot)
�𝑎𝑖𝑗 � > ∑𝑛𝑖=1 �𝑎𝑖𝑗 � 𝑖 = 1,2, … , 𝑛
𝑗≠𝑖
Contoh :
Selesaikan sistem persamaan linear di bawah ini dengan menggunakan metode JACOBI.
8𝑥1 + 𝑥2 − 𝑥3 = 8
2𝑥1 + 𝑥2 + 9𝑥3 = 12
𝑥1 − 7𝑥2 + 2 𝑥3 = −4
Penyelesaian
ITEASI ke-1
Langkah 1
Mengubah bentuk SPL menjadi bentuk 𝑥1 , 𝑥2 dan 𝑥3 didapat dari nilai mutlak koefisien
terbesar dari setiap variabel tersebut.
8𝑥1 + 𝑥2 − 𝑥3 = 8
2𝑥1 + 𝑥2 + 9𝑥3 = 12
𝑥1 − 7𝑥2 + 2 𝑥3 = −4
Untuk 𝑥1 menggunakan persamaan pertama
8𝑥1 + 𝑥2 − 𝑥3 = 8
12
T
AF
8𝑥1 = 8 − 𝑥2 + 𝑥3
8 𝑥2 𝑥3
DR
𝑥1 = − +
8 8 8
1 1
= 1 − 𝑥2 + 𝑥3
8 8
1
= (8 − 𝑥2 + 𝑥3 )
8
Untuk 𝑥2 menggunakan persamaan ketiga

𝑥1 − 7𝑥2 + 2 𝑥3 = −4
7𝑥2 = 4 + 𝑥1 + 2 𝑥3
4 𝑥1 2𝑥3
𝑥2 = + +
7 7 7
4 1 2
= + 𝑥1 + 𝑥3
7 7 7
1
= (4 + 𝑥1 + 2 𝑥3 )
7
Untuk 𝑥3 menggunakan persamaan kedua

2𝑥1 + 𝑥2 + 9𝑥3 = 12
9𝑥3 = 12 − 2𝑥1 − 𝑥2
12 2𝑥1 𝑥2
𝑥3 = − −
9 9 9
12 2 1
= − 𝑥1 − 𝑥2
9 9 3
1
= (12 − 2𝑥1 − 𝑥2 )
9
Langkah 2
(𝑘+1) 𝑏 𝑛 𝑎𝑖𝑗 (𝑘)
Masukkan rumus 𝑥𝑖 = 𝑎 𝑖 – ∑𝑖=1 𝑥 (𝑗) , maka didapatkan:
𝑖𝑖 𝑎
𝑗≠𝑖 𝑖𝑖
1
𝑥1 (𝑘+1) = (8 − 𝑥2 𝑘 + 𝑥3 𝑘 )
8
(𝑘+1) 1
𝑥2 = (4 + 𝑥1 𝑘 + 2𝑥3 𝑘 )
7
1
𝑥3 (𝑘+1)
= (12 − 2𝑥1 𝑘 − 𝑥2 𝑘 )
9
13
T
AF
Langkah 3
Masukkan nilai 𝑘.
DR
𝑘=1
Ambil tebakan awal (𝑥11 , 𝑥2 1 , 𝑥31 ) = (0,0,0), maka didapatkan:
1
𝑥1 (1+1) = (8 − 𝑥2 (1) + 𝑥3 (1) )
8
1
= (8 − 0 + 0)
8
=1
(1+1) 1
𝑥2 = �4 + 𝑥1 (1) + 𝑥3 (1) �
7
1
= (4 + 0 + 0)
7
4
=
7
1
𝑥3 (1+1)
= �12 − 2𝑥1 (1) − 𝑥2 (1)�
9
1
= (12 − 0 − 0)
9
12
=
9
Langkah 4
Lakukan langkah 3 terus hingga
𝑥1 (k+1) −𝑥1 (k) 𝑥2 (k+1) −𝑥2(k)
� (k+1) � < ℰ∗ & � � < ℰ∗ &
𝑥1 𝑥2 (k+1)
𝑥3 (k+1) −𝑥3 (k)
� � < ℰ∗
𝑥3 (k+1)
atau
𝑥𝑖 (k+1) −𝑥𝑖 (k)
� � < ℰ ∗ untuk semua i
𝑥𝑖 (k+1)
14
T
AF
3.2. Metode Gauss-Seidel
DR
Metode Gauss-Seidel merupakan metode yang memperbaiki sistem persamaan linear
metode JACOBI, sehingga berbentuk:
𝑏 𝑎𝑖𝑗 𝑎𝑖𝑗
𝑥𝑖 (𝑘+1) = 𝑎 𝑖 − ∑𝑖=1
𝑗=1 𝑎 𝑥𝑗
(𝑘+1)
− ∑𝑛𝑗=𝑖+1 𝑎 𝑥𝑗 (𝑘)
𝑖𝑟 𝑖𝑟 𝑖𝑟
Langkah-langkah penyelesaian pada metode Gauss-Seidel sama seperti metode
JACOBI hanya saja berberda pada langkah 2.
Contoh :
Selesaikan sistem persamaan linear di bawah ini dengan menggunakan metode Gauss-Seidel.
8𝑥1 + 𝑥2 − 𝑥3 = 8
2𝑥1 + 𝑥2 + 9𝑥3 = 12
𝑥1 − 7𝑥2 + 2 𝑥3 = −4
Penyelesaian
ITEASI ke-1
Langkah 1
8𝑥1 + 𝑥2 − 𝑥3 = 8
2𝑥1 + 𝑥2 + 9𝑥3 = 12
𝑥1 − 7𝑥2 + 2 𝑥3 = −4

8𝑥1 + 𝑥2 − 𝑥3 = 8
8𝑥1 = 8 − 𝑥2 + 𝑥3
8 𝑥2 𝑥3
𝑥1 = − +
8 8 8
1 1
= 1 − 𝑥2 + 𝑥3
8 8
1
= (8 − 𝑥2 + 𝑥3 )
8

𝑥1 − 7𝑥2 + 2 𝑥3 = −4
7𝑥2 = 4 + 𝑥1 + 2 𝑥3
4 𝑥1 2𝑥3
𝑥2 = + +
7 7 7
4 1 2
= + 𝑥1 + 𝑥3
7 7 7
1
= (4 + 𝑥1 + 2 𝑥3 )
7

2𝑥1 + 𝑥2 + 9𝑥3 = 12
9𝑥3 = 12 − 2𝑥1 − 𝑥2
12 2𝑥1 𝑥2
𝑥3 = − −
9 9 9
12 2 1
= − 𝑥1 − 𝑥2
9 9 3
15
T
AF
1
= (12 − 2𝑥1 − 𝑥2 )
9
DR
Langkah 2
𝑏 𝑎𝑖𝑗 𝑎𝑖𝑗
Masukkan rumus 𝑥𝑖 (𝑘+1) = 𝑎 𝑖 − ∑𝑖=1
𝑗=1 𝑎 𝑥𝑗
(𝑘+1)
− ∑𝑛𝑗=𝑖+1 𝑎 𝑥𝑗 (𝑘) maka didapatkan:
𝑖𝑟 𝑖𝑟 𝑖𝑟
(𝑘+1) 1 (𝑘) (𝑘) �
𝑥1 = �8 − 𝑥2 + 𝑥3
8
1
𝑥2 (𝑘+1) = �4 + 𝑥1 (𝑘+1) + 2𝑥3 (𝑘) �
7
1
𝑥3 (𝑘+1)
= �12 − 2𝑥1 (𝑘+1) − 𝑥2 (𝑘+1) �
9
Langkah 3
Masukkan nilai 𝑘.
𝑘=1
Ambil tebakan awal (𝑥11 , 𝑥2 1 , 𝑥31 ) = (0,0,0), maka didapatkan:
1
𝑥1 (1+1) = (8 − 𝑥2 (1) + 𝑥3 (1) )
8
1
= (8 − 0 + 0)
8
=1
(1+1) 1
𝑥2 = �4 + 𝑥1 (2) + 2𝑥3 (1) �
7
1
= (4 + 1 + 0)
7
5
=
7
1
𝑥3 (1+1)
= �12 − 2𝑥1 (2) − 𝑥2 (2)�
9
1 5
= �12 − 1 − �
9 7
1 72
= � �
9 7
8
=
7
Langkah 4
𝑥1 (k+1) −𝑥1 (k) 𝑥2 (k+1) −𝑥2(k)
� � < ℰ∗ & � � < ℰ∗ &
𝑥1 (k+1) 𝑥2 (k+1)
𝑥3 (k+1) −𝑥3 (k)
� � < ℰ∗
𝑥3 (k+1)
atau
𝑥𝑖 (k+1) −𝑥𝑖 (k)
𝑥𝑖 (k+1)
3.3. Metode Successive Over Relaxation (SOR)

Metode Successive Over Relaxation ini merupakan pengembangan metode Gauss-Saidel
(𝑘+1) 𝑏 (𝑘+1) 𝑖 𝑎 (𝑘) 𝑏 𝑎
= 𝑎 𝑖 – ∑𝑖−1 − ∑𝑛𝑗=𝑖+1 𝑎 𝑥 (𝑗)
𝑖𝑗 𝑖𝑗
𝑥𝑖 𝑗=𝑖 𝑎 𝑥 (𝑗)
𝑖𝑖 𝑎 𝑖𝑖 𝑖𝑖 𝑖𝑖
i = 1, 2, ….., n
(𝑘+1) (𝑘) 1 (𝑘+1) (𝑘)
𝑥𝑖 = 𝑥𝑖 + �𝑏𝑖 − ∑𝑖−1
𝑗=𝑖 𝑎𝑖𝑗 𝑥 (𝑗) − ∑𝑛𝑗=𝑖+1 𝑎𝑖𝑗 𝑥 (𝑗) �
𝑎𝑖𝑖
16
T
AF
(𝑘+1) (𝑘) (𝑘+1)
𝑏𝑖 − ∑𝑖−1
𝑗=𝑖 𝑎𝑖𝑗 𝑥 (𝑗) − ∑𝑛𝑗=𝑖+1 𝑎𝑖𝑗 𝑥 (𝑗) dimisalkan𝑟𝑖𝑖
DR
(𝑘+1)
(𝑘+1) (𝑘) 𝑟 𝑖𝑖
𝑥𝑖 = 𝑥𝑖 + 𝑎𝑖𝑖
Untuk memperoleh konvergensi suku kedua diruas kanan dikalikan faktor 𝑤

(𝑘+1)
(𝑘+1) (𝑘) 𝑟 𝑖𝑖
𝑥𝑖 = 𝑥𝑖 +𝑤 𝑎𝑖𝑖
W = faktor relaksasi
(𝑘+1) (𝑘) 𝑤 (𝑘+1) (𝑘)
𝑥𝑖 = 𝑥𝑖 + �𝑏𝑖 − ∑𝑖−1
𝑗=𝑖 𝑎𝑖𝑗 𝑥 (𝑗) − ∑𝑛𝑗=𝑖+1 𝑎𝑖𝑗 𝑥 (𝑗) � maka
𝑎𝑖𝑖
(𝑘+1) (𝑘) 𝑤 (𝑘+1) (𝑘)

𝑥𝑖 = (1 − 𝑤)𝑥𝑖 + �𝑏𝑖 − ∑𝑖−1
𝑎𝑖𝑖
Agar tidak divergen nilai |𝑤| < 2 dan optimum 1 < 𝑤 < 2
Contoh:
4𝑥1 + 3𝑥2 = 24
3𝑥1 + 4𝑥2 + 𝑥3 = 30
−2𝑥2 + 4𝑥3 = −24
Penyelesaian
ITEASI ke-1
Langkah 1
4𝑥1 + 3𝑥2 = 24
3𝑥1 + 4𝑥2 + 𝑥3 = 30
−2𝑥2 + 4𝑥3 = −24

4𝑥1 + 3𝑥2 = 24
4𝑥1 = 24 − 3𝑥2
24 3𝑥2
𝑥1 = −
4 4
24 3
= − 𝑥2
4 4
1
= (24 − 3𝑥2 )
4

3𝑥1 + 4𝑥2 + 𝑥3 = 30
4𝑥2 = 30 − 3𝑥1 − 𝑥3
30 3𝑥1 𝑥3
𝑥2 = − −
4 4 4
30 3 1
= − 𝑥1 − 𝑥3
4 4 4
17
T
AF
1
= (30 − 3𝑥1 − 𝑥3 )
4
DR
−2𝑥2 + 4𝑥3 = −24
4𝑥3 = −24 + 2𝑥2
30 2𝑥2
𝑥3 = +
4 4
30 2
= + 𝑥2
4 4
1
= (−24 + 2𝑥2 )
4
Langkah 2
(𝑘+1) (𝑘) 𝑤 (𝑘+1) (𝑘)
Masukkan rumus 𝑥𝑖 = (1 − 𝑤)𝑥𝑖 + �𝑏𝑖 − ∑𝑖−1
𝑎𝑖𝑖
maka didapatkan:
(𝑘+1) (𝑘) 𝑤 (𝑘)
𝑥1 = (1 − 𝑤)𝑥1 + �24 − 3𝑥2 �
4
(𝑘+1) (𝑘) 𝑤
𝑥2 = (1 − 𝑤)𝑥2 + �30 − 3𝑥1(𝑘+1) − 𝑥3(𝑘) �
4
(𝑘+1) (𝑘) 𝑤 (𝑘+1)

𝑥3 = (1 − 𝑤)𝑥3 + �−24 + 2𝑥2 �
4
Langkah 3
Masukkan nilai 𝑘 = 1
Ambil tebakan awal (𝑥11 , 𝑥2 1 , 𝑥31 ) = (0,0,0) dan Agar tidak divergen nilai |𝑤| < 2 dan
optimum 1 < 𝑤 < 2
dengan 𝑤 = 1,25, maka didapatkan:
(𝑘) 𝑤 (𝑘)
𝑥1 (1+1) = (1 − 𝑤)𝑥1 + �24 − 3𝑥2 �
4
(1) 1,25 (1)
= (1 − 1,25)𝑥1 + �24 − 3𝑥2 �
4
1,25
= (1 − 1,25)(0) + [24 − 3(0)]
4
= 7,5
(𝑘) 𝑤
𝑥2 (1+1)
= (1 − 𝑤)𝑥2 + �30 − 3𝑥1(𝑘+1) − 𝑥3(𝑘) �
4
(1) 1,25
= (1 − 1,25)𝑥2 + �30 − 3𝑥1(1+1) − 𝑥3(1) �
4
1,25
= (1 − 1,25)(0) + [30 − 3(7,5) − 0]
4
= 2,34375
(𝑘) 𝑤 (𝑘+1)
𝑥3 (1+1) = (1 − 𝑤)𝑥3 + �−24 + 2𝑥2 �
4
(1) 1,25 (1+1)
= (1 − 1,25)𝑥3 + �−24 + 2𝑥2 �
4
1,25
= (1 − 1,25)(0) + [−24 + 2(2,34375)]
4
= −6,0351562
Langkah 4
18
T
AF
𝑥1 (k+1) −𝑥1 (k) 𝑥2 (k+1) −𝑥2(k)
� � < ℰ∗ & � � < ℰ∗ &
𝑥1 (k+1) 𝑥2 (k+1)
DR
𝑥3 (k+1) −𝑥3 (k)
� � < ℰ∗
𝑥3 (k+1)
atau
𝑥𝑖 (k+1) −𝑥𝑖 (k)
𝑥𝑖 (k+1)
3.4. Metode Dekomosisi L.U

𝐴𝑥̅ = 𝑏�
dengan
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 𝑥1 𝑏1
⎡𝑎21 𝑎22 𝑎23 … 𝑎2𝑛 ⎤ ⎡ 𝑥2 ⎤ ⎡ ⎤
𝑏
⎢ ⎥ ⎢ ⎥ � ⎢ 2⎥
𝐴 = ⎢𝑎31 𝑎32 𝑎33 … 𝑎3𝑛 ⎥ , 𝑥 = ⎢ 𝑥3 ⎥ , 𝑏 = ⎢ 𝑏3 ⎥
⎢ ⋮ ⋮ ⋮ ⋮ ⎥ ⎢⋮⎥ ⎢⋮⎥
⎣ 𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 … 𝑎𝑛𝑛 ⎦ ⎣𝑥𝑛 ⎦ ⎣𝑏𝑛 ⎦
Ditulis ulang/ disusun kembali
��⃗ = ��⃗
𝑈𝑥 𝑑
��⃗ − ��⃗
𝑈𝑥 𝑑 =0
𝐿�𝑈𝑥 ��⃗� = 𝐴𝑥
��⃗ − 𝑑 ��⃗
��⃗ − 𝑏
𝐿𝑈𝑥 ��⃗ = 𝐴𝑥
��⃗ − 𝐿𝑑 ��⃗
��⃗ − 𝑏
Sehingga
𝐿𝑈 = 𝐴
��⃗ = ��⃗
𝐿𝑑 𝑏
L = Matriks segitiga bawah
U = Matriks segitiga atas
Contoh :
1 0 0 4 1 2
𝐿 = �2 −1 0 �, 𝑈 = �0 1 3�
1 2 −1 0 0 2
Sehingga
𝐴 = 𝐿𝑈
1 0 0 4 1 2 4 1 2
= �2 −1 0 � �0 1 3� = �8 1 1�
1 2 −1 0 0 2 4 3 6
 Jika diagonal utama U bernilai 1 maka dekomposisi LU disebut dekomposisi Crout.
𝐴 = 𝐿𝑈
𝑎11 𝑎12 … 𝑎1𝑛 𝑙11 0 … 0 1 𝑢12 𝑢13 … 𝑢1𝑛
⎡𝑎21 ⎡ ⋮ ⎤ ⎡0 𝑢2𝑛 ⎤
𝑎22 … 𝑎2𝑛 ⎤ 𝑙 𝑙 1 𝑢23 …
⎢𝑎31 ⎢ 21 22 ⎥⎢ ⋮ ⎥⎥
𝑎32 … 𝑎3𝑛 ⎥ = ⎢ 𝑙31 𝑙33 ⋮ ⎥ ⎢0 0 1 …
⎢ ⋮ ⋯
⋮ ⋮ ⎥ ⎢ ⋮ ⋱ ⋮ ⎥ ⎢⋮ ⋱ ⋮ ⎥
⎣𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛 ⎦ ⎣ 𝑙 … … 𝑙𝑛𝑛 ⎦ ⎣0 … … … 1 ⎦
𝑛1
 Jika diagonal utama L bernilai 1 maka dekomposisi LU disebut dekomposisi Doolittle.

𝐴 = 𝐿𝑈
19
T
AF
𝑎11 𝑎12 … 𝑎1𝑛 1 0 … 0 𝑢11 𝑢12 𝑢13 … 𝑢1𝑛
⎡𝑎21 ⎤ ⎡ 𝑙 1 ⎡
⋮⎤ 0 𝑢22 𝑢23 … 𝑢2𝑛 ⎤
𝑎22 … 𝑎2𝑛
DR
21
⎢𝑎31 𝑎32 … ⎥ ⎢
𝑎3𝑛 = ⎢𝑙31
⎥⎢ ⎥
1 ⋮ ⎥⎢ ⋮ ⋱ ⋮ ⎥
⎢ ⋮ ⋯
⋮ ⋮ ⎥ ⎢ ⋮ ⋱ ⋮ ⎥⎢ ⋮ ⋱ ⋮ ⎥
⎣𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛 ⎦ ⎣𝑙 … … 1⎦⎣ 0 … … 𝑢𝑛𝑛 ⎦
𝑛1 ⋯
Contoh:
Crout
1 0 0 1 2 1 1 2 1
𝐿 = � 1 2 0�, 𝑈 = �0 1 3�, 𝐴 = � 1 4 7�
−1 0 3 0 0 1 −1 −2 2
Doolittle
1 0 0 1 2 3 1 2 3
𝐿 = �2 1 0�, 𝑈 = �0 −1 4�, 𝐴 = �2 3 10�
3 2 1 0 0 2 3 4 19
A 𝑥̅ = 𝑏�
Lu 𝑥̅ = 𝑏�
L𝑑̅ = 𝑏�
Nilai d dicari dengan cara substitusi maju (forward subtitution) kemudian untuk mencari 𝑥̅
digunakan substitusi mundur (backward subtitution).
Contoh :
2𝑥1 − 5𝑥2 + 𝑥3 = 12
−𝑥1 + 3𝑥2 − 𝑥3 = −8
3𝑥1 − 4𝑥2 + 2𝑥3 = 16
Tentukan :
a. Matriks segitiga bawah L
b. Matriks segitiga atas U
Sehingga A = LU dengan dekomposisi crout kemudian selesaikan SPL tersebut.
Penyelesaian
Langkah 1
𝐴 = 𝐿𝑈
𝑎11 𝑎12 𝑎13 𝑒11 0 0 1 𝑢12 𝑢13
�𝑎21 𝑎22 𝑎23 � = �𝑒21 𝑒22 0� �0 1 𝑢23 �
𝑎31 𝑎32 𝑎33 𝑒31 𝑒32 𝑒33 0 0 1
2 −5 1 𝑒11 𝑒11 𝑢12 𝑒11 𝑢13
𝑒
�−1 3 −1� = � 21 𝑒21 𝑢12 + 𝑒22 𝑒21 𝑢13 + 𝑒22 𝑢23 �
3 −4 2 𝑒31 𝑒31 𝑢12 + 𝑒32 𝑒31 𝑢13 + 𝑒32 𝑢23 + 𝑒33
Sehingga didapat
20
T
AF
2 0 0 1�
1 1 −5�2 2
𝐿 = �−1 �2 0�, 𝑈 = �
DR
0 1 −1 �
3 7�2 4 0 0 1
Langkah 2
𝐿𝑑̅ = 𝑏�
2 0 0 𝑑1 12
� −1 1 ⁄2 0� �𝑑2 � = �−8�
3 7⁄2 4 𝑑3 16
𝑑1 6
�𝑑2 � = �−4�
𝑑3 3
Langkah 3
𝑈𝑥̅ = 𝑑̅
1 −5⁄2 1⁄2 𝑥1 6
�0 1 𝑥
−1 � � 2 � = �−4�
0 0 1 𝑥3 3
𝑥1 2
𝑥
� 2 � = �−1�
𝑥3 3
21
T
AF
IV. SISTEM PERSAMAAN NON LINEAR (SPNL)
DR
𝑓1 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0
⎫
𝑓2 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0⎪
𝑓3 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0 SPNL dengan n persamaan dan n variabel
⋮ ⎬
⎪
𝑓𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0⎭
Contoh :
𝑥1 + 2𝑥22 + 3𝑥3 + sin 𝑥4 = 5
2𝑥12 − sin 𝑥2 + cos 𝑥3 − 𝑥4 = 4
𝑒 𝑥1 + 𝑥2 + sin 𝑥3 + 3𝑥42 = 5
tan 𝑥1 − 2𝑥2 + 𝑥3 − 𝑥43 = 7
Sistem Persamaan Non Linear dengan 4 persamaan dan 4 variabel dapat diselesaikan
dengan menggunakan dua metode, yaitu metode Newton Raphson dan metode Iterasi.
4.1. Metode Newton Raphson

Metode Newton Raphson adalah metode penyelesaian persamaan nonlinear dengan
membentuk persamaan tersebut dan kemudian melakukan proses iterasi. Cara penyelesaian
metode Newton Raphson sebagai berikut:
1. Menyusun Matriks dengan tebakan awal (𝑥0 , 𝑦0 )
𝜕𝑓
−𝑓(𝑥0 ,𝑦0 ) (𝑥 ,𝑦 )
𝜕𝑦 0 0
� �
𝜕𝑔
−𝑔(𝑥0 ,𝑦0) (𝑥 ,𝑦 )
𝜕𝑦 0 0
ℎ= 𝜕𝑓 𝜕𝑓
(𝑥 ,𝑦 ) (𝑥 ,𝑦 )
𝜕𝑥 0 0 𝜕𝑦 0 0
� �
𝜕𝑔 𝜕𝑔
(𝑥 ,𝑦 ) (𝑥0 ,𝑦0 )
𝜕𝑥 0 0 𝜕𝑦
𝜕𝑓
(𝑥 ,𝑦 ) −𝑓(𝑥0 ,𝑦0 )
𝜕𝑦 0 0
� �
𝜕𝑔
(𝑥 ,𝑦 ) −𝑔(𝑥0 ,𝑦0 )
𝜕𝑦 0 0
𝑘= 𝜕𝑓 𝜕𝑓
(𝑥 ,𝑦 ) (𝑥 ,𝑦 )
𝜕𝑥 0 0 𝜕𝑦 0 0
� �
𝜕𝑔 𝜕𝑔
(𝑥 ,𝑦 ) (𝑥 ,𝑦 )
𝜕𝑥 0 0 𝜕𝑦 0 0
2. Hitung
𝑥𝑖+1 = 𝑥𝑖 + ℎ𝑖+1
𝑦𝑖+1 = 𝑦𝑖 + 𝑘𝑖+1
3. Lakukan Langkah 2 sampai 𝜀𝑟 ≤ 𝜀𝑠
Contoh :
𝑥 + 3 log 𝑥 − 𝑦 2 = 0
22
T
AF
2𝑥 2 − 𝑥𝑦 − 5𝑥 + 1 = 0
DR
Penyelesaian
ITERASI ke-1
Langkah 1
Menyusun Matriks dengan tebakan awal (𝑥0 , 𝑦0 )
Tebakan awal (𝑥0 , 𝑦0 ) = (3,4 , 2,2)
Nilai tebakan awal (𝑥0 , 𝑦0 ) dimasukkan ke dalam persamaan.

𝑓 (𝑥, 𝑦) = 𝑥 + 3 log 𝑥 − 𝑦 2
= (3,4) + 3 log(3,4) − (2,2)2 = 0,1545
𝜕𝑓 3 3
=1+ = 1+ = 1,3830
𝜕𝑥 𝑥𝑙𝑛10 3,4 𝑙𝑛10
𝜕𝑓
= −2𝑦 = −2(2,2) = −4,4
𝜕𝑦
𝑔(𝑥, 𝑦) = 2𝑥 2 − 𝑥𝑦 − 5𝑥 + 1
= 2(3,4)2 − (3,4)(2,2) − 5(3,4) + 1
= −0,36
𝜕𝑔
= 4𝑥 − 5𝑦 − 5 = 4(3,4) − 5(2,2) − 5 = 6,4
𝜕𝑥
𝜕𝑔
= −𝑥 = −3,4
𝜕𝑦
Setelah semua nilai didapatkan, maka susunlah ke dalam matriks

−0,1545 −4,4
� �
−(−0,36) −3,4
ℎ1 = −1,3830 −4,4 = 0,157
� �
6,4 −3,4
−1,3830 −0,1545
� �
6,4 −(−0,36)
𝑘1 = −1,3830 −4,4 = 0,085
� �
6,4 −3,4
Langkah 2
Menghitung nilai 𝑥𝑖+1 dan 𝑦𝑖+1
𝑥1 = 𝑥0 + ℎ1 = 3,4 + 0,157 = 3,557
𝑦1 = 𝑦0 + 𝑘1 = 2,2 + 0,085 = 2,285
Langkah 3
𝑋𝑖+1 − 𝑋𝑖 𝑋1 − 𝑋0 3,557−3,4 0,157
𝜀𝑟 x = � �=� �=� �=� � = 0,04
𝑋𝑖+1 𝑋1 3,557 3,557
𝑦𝑖+1 − 𝑦𝑖 𝑦1 − 𝑦0 2,285−2,2 0,085

𝜀𝑟 y = � �=� �=� �=� �= 0,037
𝑦𝑖+1 𝑦1 2,285 2,285
Iterasi berhenti jika kedua error memenuhi syarat berhenti.
23
T
AF
4.2. Metode Iterasi
DR
Sebelum masuk ke langkah iterasi, maka perlu dilakukan transformasi bentuk fungsi
SPNL menjadi :
𝑥 = 𝐹 (𝑥, 𝑦)
𝑦 = 𝐺(𝑥, 𝑦)
Dengan syarat konvergen
𝜕𝐹 𝜕𝐹
� (𝑥0 , 𝑦0 )� + � (𝑥0 , 𝑦0 )� < 1
𝜕𝑥 𝜕𝑦
Atau
𝜕𝐺(𝑥0 , 𝑦0 ) 𝜕𝐺
� � + � (𝑥0 , 𝑦0 )� < 1
𝜕𝑥 𝜕𝑦
Langkahnya :
1. Mengubah bentuk persamaan non linear menjadi
𝑥 = 𝐹 (𝑥, 𝑦)
𝑦 = 𝐺(𝑥, 𝑦)
2. Menentukan titik awal untuk mendapatkan nilai syarat konvergen

Dengan syarat konvergen
𝜕𝐹 𝜕𝐹
� (𝑥0 , 𝑦0 )� + � (𝑥0 , 𝑦0 )� < 1
𝜕𝑥 𝜕𝑦
Atau
𝜕𝐹 𝜕𝐹
� (𝑥0 , 𝑦0 )� + � (𝑥0 , 𝑦0 )� < 1
𝜕𝑥 𝜕𝑦
3. Hitung
𝑋𝑖+1 = 𝐹 (𝑥𝑖 , 𝑦𝑖 )
𝑦𝑖+1 = 𝐺 (𝑥𝑖 , 𝑦𝑖 )
4. Lakukan langkah 3 sampai kedua nilai x dan y memenuhi kriteria henti.
Contoh:
Carilah penyelesaian dua persamaan nonlinear di bawah ini dengan menggunakan metode
iterasi.
𝑥2 + 𝑦2 = 4
𝑒𝑥 + 𝑦 = 1
Penyelesaian
ITERASI ke-1
Langkah 1
Mengubah bentuk persamaan non linear menjadi 𝑥 = 𝐹 (𝑥, 𝑦) dan 𝑦 = 𝐺(𝑥, 𝑦).
𝑥2 + 𝑦2 = 4  𝑥 = �4 − 𝑦 2
𝑒𝑥 + 𝑦 = 1  𝑦 = 1 − 𝑒𝑥
Dan turunannya adalah:
24
T
AF
𝜕𝐹 𝜕𝐹 𝑦
=0, =
𝜕𝑥 𝜕𝑦 �4−𝑦 2
DR
𝜕𝐺 𝜕𝐺
= −𝑒 𝑥 , =0
𝜕𝑥 𝜕𝑦
Langkah 2
Menentukan titik awal untuk mendapatkan nilai syarat konvergen.
𝑥0 = −1,8
𝑦0 = 0,8
𝜕𝐹 𝜕𝐹 𝑦 0,8
=0, = = = 0,4364
𝜕𝑥 𝜕𝑦 �4−𝑦 2 �4−(0,8)2
𝜕𝐺 𝜕𝐺
= −𝑒 𝑥 = −𝑒 −1,8 = −0,1653, =0
𝜕𝑥 𝜕𝑦
|0| + |0,4364| = 0,4364 < 1
|−0,1653| + |0| = 0,1653 < 1
Jadi syarat melakukan iterasi dipenuhi.
Langkah 3
Menghitung nilai 𝑋𝑖+1 dan 𝑦𝑖+1 .
Iterasi pertama 𝑖 = 0, didapatkan:
𝑋𝑖+1 = 𝐹 (𝑥𝑖 , 𝑦𝑖 )
𝑋1 = 𝐹 (𝑥0 , 𝑦0 )
𝑋1 = �4 − 𝑦 2 = �4 − (0,8)2 = 1,833
𝑦𝑖+1 = 𝐺 (𝑥𝑖 , 𝑦𝑖 )
𝑦1 = 𝐺 (𝑥0 , 𝑦0 )
𝑦1 = 1 − 𝑒 𝑥 = 1 − 𝑒 (−1,8) = 1 − 0,1653 = 0,8347
Langkah 4
Lakukan langkah 3 sampai kedua nilai x dan y memenuhi kriteria henti.
ITERASI ke-2
Langkah 3
Menghitung nilai 𝑋𝑖+1 dan 𝑦𝑖+1 .
Iterasi dua 𝑖 = 1, didapatkan:
𝑋𝑖+1 = 𝐹 (𝑥𝑖 , 𝑦𝑖 )
𝑋2 = 𝐹 (𝑥1 , 𝑦1 )
𝑋2 = �4 − 𝑦 2 = �4 − (0,8347)2 = 1,8175
𝑦𝑖+1 = 𝐺 (𝑥𝑖 , 𝑦𝑖 )
𝑦2 = 𝐺 (𝑥1 , 𝑦1 )
𝑦2 = 1 − 𝑒 𝑥 = 1 − 𝑒 (1,833) = 1 − 6,2526 = −5,2526
Lakukan iterasi ke 3 langsung langkah 3 sampai kedua nilai x dan y memenuhi kriteria henti.
25
T
AF
V. POLINOMIAL INTERPOLASI
DR
Tentang “Interpolasi” di cari suatu nilai yang berada diantara beberapa titik data yang
telah diketahui nilainya. Polinomial Interpolasi adalah mencari nilai dari persamaan
polinomial yang tidak diketahui bentuknya.
Struktur data :
X P(x)
𝑋0 𝑌0
𝑋1 𝑌1
𝑋2 𝑌2
Sebelum mempelajari metode dalam penyelesaian interpolasi, coba kembali mengingat
tentang konsep beda hingga.
 Beda ∆f(x) = f(x + h) – f(x) = 𝑓𝑖+1 − 𝑓𝑖

h = nilai beda
𝑓𝑖 = f (𝑥 = 𝑥𝑖 )
∆2 𝑓(𝑥 ) = ∆(∆𝑓(𝑥))
= ∆(𝑓(𝑥 + ℎ) – ( 𝑓(𝑥))
=∆𝑓 (𝑥 + ℎ) − ∆𝑓(𝑥 )
=[𝑓 (𝑥 + 2ℎ) − 𝑓 (𝑥 + ℎ)] − [𝑓 (𝑥 + ℎ) − 𝑓 (𝑥 )]
= 𝑓 (𝑥 + 2ℎ) − 2𝑓 (𝑥 + ℎ) + 𝑓 (𝑥 )
= 𝑓𝑖+2 − 2𝑓𝑖+1 + 𝑓𝑖
3
∆ 𝑓(𝑥) = 𝑓𝑖+3 − 3𝑓𝑖+2 + 3𝑓𝑖+1 − 𝑓𝑖
𝑛 𝑛 𝑛 𝑛
∆𝑛 𝑓(𝑥 ) = � � 𝑓𝑖+𝑛 − � � 𝑓𝑖+𝑛−1 + � � 𝑓𝑖+𝑛−2 ± ⋯ ± � � 𝑓𝑖
0 1 2 𝑛
𝑛 𝑛!
Dimana: � � = (𝑛−1)! dst.
1 1!
Contoh:
a. 𝑓 (𝑥 ) = 𝑥 2
∆𝑓(𝑥 ) = (𝑥 + ℎ)2 − 𝑥 2
= 𝑥 2 + 2𝑥ℎ + ℎ2 − 𝑥 2
= 2𝑥ℎ + ℎ2
b. 𝑓 (𝑥 ) = 3𝑥
∆𝑓(𝑥 ) = 3𝑥+ℎ − 3𝑥
= 3𝑥 (3ℎ − 1)
c. 𝑓 (𝑥 ) = 5
∆𝑓(𝑥 ) = 5 − 5 = 0
Tabel 1: Tabel Beda

𝑠 𝑥 𝑓 (𝑥 ) ∆𝑓 (𝑥 ) ∆2 𝑓 (𝑥 ) ∆3 𝑓 (𝑥 ) ∆4 𝑓 (𝑥 )
−2 𝑥−2 𝑓−2 ∆𝑓−2 − − −
−1 𝑥−1 𝑓−1 ∆𝑓−1 − − −
26
T
AF
0 𝑥0 𝑓0 ∆𝑓0 ∆2 𝑓−2 ∆3 𝑓−2
𝑓1 ∆𝑓1 ∆2 𝑓−1 ∆3 𝑓−1
DR
1 𝑥1
2 𝑥2 𝑓2 ∆𝑓2 ∆2 𝑓0 ∆3 𝑓0
3 𝑥3 𝑓3 ∆𝑓3 ∆2 𝑓1 ∆3 𝑓1
4 𝑥4 𝑓4 ∆𝑓4 ∆2 𝑓2
Jika f(x) berbentuk polynomial derajat i maka beda hingga ke-i selalu konstan dan beda yang
ke ( i + 1 ) adalah nol
Contoh :
x f(x) ∆f(x) ∆2 f(x) ∆3 f(x)
0 1
6
8
2 7
14 0
4 21
8
22
6 43
x f(x) ∆f(x) ∆2 f(x)

-1 -2
15
0
4 13
15
9 28
0
15
14 43
5.1. Metode Polinomial Newton-Gregory Maju

𝑠(𝑠−1) 𝑠(𝑠−1)(𝑠−2)
𝑃𝑛 (𝑥𝑠 ) = 𝑓0 + 𝑠∆𝑓0 + ∆2 𝑓0 + ∆3 𝑓0 + ⋯
2! 3!
𝑠 𝑠 𝑠 𝑠
= 𝑓0 + � � ∆𝑓0 + � � ∆2 𝑓0 + � � ∆3 𝑓0 + � � ∆4 𝑓0 + ⋯
1 2 3 4
𝑥−𝑥
Dimana : 𝑠 = ℎ 0
Contoh penentuan ∆𝑓
𝑥 𝑓(𝑥) ∆𝑓 ∆2 𝑓 ∆3 𝑓 ∆4 𝑓
0 1
2
1 3 6
8 6
2 11 12 0
20 6
3 31 18 0
27
T
AF
38 6
DR
4 69 24
62
5 131
Jika dari tabel di atas diambil 𝑓0 = 1 maka ∆𝑓 = 2, ∆2 𝑓 = 6, ∆3 𝑓 = 6
Contoh :
Diketahui data-data berikut,
x f(x)
0 0
0,2 0,203
0,4 0,423
0,6 0,684
0,8 1,030
1 1,557
1,2 2,572
Penyelesaian:
Langkah 1
Buat tabel beda hingga terlebih dahulu
𝑥 𝑓(𝑥) ∆𝑓 ∆2 𝑓 ∆3 𝑓 ∆4 𝑓
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 1,557 0,488
1,015
1,2 2,572
Langkah 2
Dengan menggunakan Polinomial Newton Gregory Maju derajat 3. Tentukan nilai 𝑓(0,73)!
Diketahui :
𝑥 = 0,73
ℎ = 0,2
28
T
AF
𝑥0 dapat ditentukan bebas dengan melihat jarak terdekat dari 𝑥 yang ditanyakan dan besar
DR
derajat yang ditentukan.
Pada contoh ini sebaiknya pilih 𝑥0 = 0,4 sehingga 𝑓0 = 0,423

𝑥−𝑥0 0,73−0,4
𝑠= = = 1,65
ℎ 0,2
1,65(1,65−1) 1,65(1,65−1)(1,65−2)
𝑃3 �𝑥1,65� = 𝑓0 + 1,65 ∆𝑓 + ∆2 𝑓 + ∆3 𝑓
2! 3!
1,65(0,65) 1,65(0,65)(−0,35)
= 0,423 + 1,65 (0,261) + 2
(0,085) + 6
(0,096)
= 0,893
5.2. Metode Polinomial Newton-Gregory Mundur

𝑠(𝑠+1) 2 𝑠(𝑠+1)(𝑠+2) 3
𝑃𝑛 (𝑥𝑠 ) = 𝑓0 + 𝑠∆𝑓−1 + ∆ 𝑓−2 + ∆ 𝑓−3 + ⋯
2! 3!
𝑠 𝑠+1 2 𝑠 +2 3
= 𝑓0 + � � ∆𝑓−1 + � � ∆ 𝑓−2 + � � ∆ 𝑓−3 + ⋯
1 2 3
Contoh pada soal yang sama di gregory maju maka

𝑥0 = 1
𝑓0 = 1,557
∆𝑓−1 = 0,527
∆2 𝑓−2 = 0,181
∆3 𝑓−3 = 0,096
ℎ = 0,2
0,73−1
𝑠= = −1,35
0,2
𝑓 (0,73) ≈ 𝑃3 �𝑥−1,35 �
𝑠(𝑠+1) 𝑠(𝑠+1)(𝑠+2)
= 𝑓0 + 𝑠∆𝑓−1 + 2
∆2 𝑓−2 + 6
∆3 𝑓−3
= 1,557 + (−1,35)(0,527) +
(−1,35)(−0,35) (−1,35)(−0,35)(0,65)
(0,181) + (0,096)
2 6
= 0,893
Jika didekati dengan derajat empat maka ditambah ∆4 𝑓−4 = 0,052

(−1,35)(−0,35)(0,65)(1,65)
(0,052) = 0,001
24
Sehingga 𝑓 (0,73) ≈ 0,8947
5.3. Metode Interpolasi Lagrange

Bila beda hingga antara 𝑥 tidak sama maka pendekatan polinomial yang digunakan
untuk menentukan interpolasi polinomial adalah Polinomial Lagrange.
𝑥 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 ⋯ 𝑥𝑛−1 𝑥𝑛
𝑓(𝑥) 𝑓0 𝑓1 𝑓2 𝑓3 𝑓4 ⋯ 𝑓𝑛−1 𝑓𝑛
𝑓 (𝑥𝑖 ) = 𝑓𝑖 , 𝑖 = 0, 1, … , (𝑛 − 1), 𝑛
29
T
AF
Polinomial yang cocok yang melalui titik-titik tersebut adalah polinomial derajat n
DR
𝑃𝑛 (𝑥 ) = 𝑎0 𝑥 𝑛 + 𝑎1 𝑥 𝑛−1 + 𝑎2 𝑥 𝑛−2 + ⋯ + 𝑎𝑛−1 𝑥 𝑛
𝑠 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛 𝑥 0
(𝑥−𝑥1 )(𝑥−𝑥2 )(𝑥−𝑥3 )…(𝑥−𝑥𝑛 )𝑓0 (𝑥−𝑥0 )(𝑥−𝑥2 )(𝑥−𝑥3 )…(𝑥−𝑥𝑛 )𝑓1
𝑃𝑛 (𝑥) = (𝑥 + (𝑥
0 −𝑥1 )(𝑥0 −𝑥2 )(𝑥0 −𝑥3 )…(𝑥0 −𝑥𝑛 ) 1 −𝑥0 )(𝑥1 −𝑥2 )(𝑥1 −𝑥3 )…(𝑥1 −𝑥𝑛 )
⋮
(𝑥−𝑥0 )(𝑥−𝑥1 )(𝑥−𝑥2 )…(𝑥−𝑥𝑛−1 )𝑓𝑛
+ (𝑥
𝑛 −𝑥0 )(𝑥𝑛 −𝑥1 )(𝑥𝑛 −𝑥2 )…(𝑥𝑛 −𝑥𝑛−1 )
𝑖 0 1 2 3
𝑥 0 0,25 0,5 1
𝑓(𝑥) 1 1,00435379 1,008688459 1,017300102
𝑛=3
𝑃3 (𝑥 ) =
(𝑥−𝑥1 )(𝑥−𝑥2 )(𝑥−𝑥3 )𝑓0 (𝑥−𝑥0 )(𝑥−𝑥2 )(𝑥−𝑥3 )𝑓1 (𝑥−𝑥0 )(𝑥−𝑥1 )(𝑥−𝑥3 )𝑓2
(𝑥0 −𝑥1 )(𝑥0 −𝑥2 )(𝑥0 −𝑥3)
+ (𝑥1 −𝑥0 )(𝑥1 −𝑥2)(𝑥1−𝑥3 )
+ (𝑥 +
2 −𝑥0 )(𝑥2 −𝑥1 )(𝑥2 −𝑥3 )
(𝑥−𝑥0 )(𝑥−𝑥1 )(𝑥−𝑥2 )𝑓3
(𝑥3 −𝑥0 )(𝑥3 −𝑥1 )(𝑥3 −𝑥2)
(𝑥−0,25)(𝑥−0,5)(𝑥−1)1 (𝑥−0)(𝑥−0,5)(𝑥−1)1,00435379 (𝑥−0)(𝑥−0,25)(𝑥−1)1,008688459

= (0−0,25)(0−0,5)(0−1)
+ (0,25−0)(0,25−0,5)(0,25−1)
+ (0,5−0)(0,5−0,25)(0,5−1)
+
(𝑥−00 )(𝑥−0,25)(𝑥−0,5)1,017300102
(1−0)(1−0,25)(1−0,5)
𝑃3 (0,75) = (0,25) + (−1,00435379) + 1,513032689 + 0,2543250255
= 1,013003925
30
T
AF
VI. DIFERENSI NUMERIK
DR
Jika fungsi 𝑓(𝑥) dapat didekati dengan polinomial interpolasi maka defensiasi fungsi
tersebut juga dapat didekati dengan deferensiasi polinomial.
𝐹 (𝑥 ) = 𝑃𝑛 (𝑥3 ) + 𝑒𝑟𝑟𝑜𝑟
𝑠
= 𝑓0 + 𝑠∆𝑓0 + � � ∆2 𝑓0 + ⋯ + 𝑒𝑟𝑟𝑜𝑟
2
Jika dideferensialkan di dapat
𝑑 [𝑃𝑛 (𝑥3 )] 𝑑 𝑑𝑠 1 𝑑
𝑓 ′ (𝑥 ) = 𝑑𝑥
= [𝑃𝑛 (𝑥3 )] = [𝑃𝑛 (𝑥3 )]
𝑑𝑠 𝑑𝑥 ℎ 𝑑𝑠
1 (2𝑠−1) �3𝑠2 −6𝑠+2�

= �∆𝑓0 + ∆2 𝑓0 + ∆3 𝑓0 + ⋯ �
ℎ 2 6
Derivatif kedua dapat diperoleh dan derivatif pertama

𝑑 𝑑 𝑑𝑠
𝑓 ′′(𝑥3 ) = [𝑓′(𝑥3 )] = [𝑓′(𝑥3 )]
𝑑𝑥 𝑑𝑠 𝑑𝑥
𝑑 1
= [𝑓′(𝑥3 )]
𝑑𝑠 ℎ
1 𝑑
= [𝑓′(𝑥3 )]
ℎ 𝑑𝑠
1 1 6𝑠−6
= � �∆2 𝑓0 + ∆3 𝑓0 + ⋯ ��
ℎ ℎ 6
1 12𝑠 2 −36𝑠+22
= �∆2 𝑓0 + (𝑠 − 1) ∆𝑓0 + ∆4 𝑓0 + ⋯ �
ℎ2 24
Contoh
Diketahui data-data pengukuran sebagai berikut:
𝑥 1,3 1,5 1,7 1,9 2,1 2,3 2,5
𝑦 3,669 4,482 5,474 6,686 8,166 9,974 12,182
a. Tentukan 𝑦 ′(1,8) dengan satu suku

b. Tentukan 𝑦 ′(1,8) dengan dua suku
c. Tentukan 𝑦 ′(1,8) dengan tiga suku
d. Tentukan 𝑦 ′′(1,8) denagn satu suku
e. Tentukan 𝑦 ′′(1,8) dengan tiga suku
31
T
AF
VII. INTEGRASI NUMERIK
DR
7.1. Umum
Integral suatu fungsi adalah operator matematik yang dipresentasikan dalam bentuk:
𝑏
𝐼 = � 𝑓(𝑥 )𝑑𝑥
𝑎
Dan merupakan integral suatu fungsi 𝑓(𝑥) terhadap variabel 𝑥 dengan batas-batas
integrasi adalah 𝑥 = 𝑎 sampai 𝑥 = 𝑏. Secara analitik maka penyelesaiannya adalah:
𝑏
𝑏
� 𝑓(𝑥 )𝑑𝑥 = [𝐹(𝑥)] = 𝐹 (𝑏) − 𝐹(𝑎)
𝑎 𝑎
Contoh :
4
Hitung integral dari ∫0 𝑒 𝑥 𝑑𝑥
Penyelesaian
𝑏 𝑏
∫𝑎 𝑓 (𝑥 )𝑑𝑥 = [𝐹(𝑥)] 𝑎 = 𝐹 (𝑏) − 𝐹(𝑎)
4 4
∫0 𝑒 𝑥 𝑑𝑥 = [𝑒 𝑥 ] 0
= 𝑒4 − 𝑒0
= 53,598150
7.2. Metode Trapesium

Integrasi numerik metode trapesium adalah metode untuk mencari nilai integral
dengan batas tertentu dari 𝑥 = 𝑥0 𝑘𝑒 𝑥𝑛 dengan persamaan berikut:
𝑏 𝑛−1
∆𝑥
� 𝑓 (𝑥 )𝑑𝑥 = �𝑓(𝑎) + 𝑓(𝑏) + 2 � 𝑓(𝑥𝑖 )�
𝑎 2
𝑖=1
Dengan
𝑏−𝑎
∆𝑥 =
𝑛
𝑛 =adalah banyaknya pias yang diinginkan
Contoh :
Gunakan metode trapesium untuk menghitung integral dengan empat pias:
4
𝐼 = � 𝑒 𝑥 𝑑𝑥
0
Penyelesaian
Metode trapesium dengan 4 pias, sehingga panjang pias adalah:
(𝑏 − 𝑎) (4 − 0)
∆𝑥 = = =1
𝑛 4
32
T
AF
Karena ∆𝑥 = 1, batas bawah = 0 dan batas atas = 4,maka didapatkan:
𝑓 (𝑎 ) = 𝑒 0 ,
DR
𝑓1 = 𝑒 1,
𝑓2 = 𝑒 2 ,
𝑓3 = 𝑒 3
𝑓 (𝑏 ) = 𝑒 4
Luas bidang dihitung dengan persamaan :

∆𝑥
𝐼= [𝑓 (𝑎) + 𝑓 (𝑏) + 2 ∑𝑛−1
𝑖=1 𝑓(𝑥𝑖 )]
2
∆𝑥
= [𝑓 (𝑎) + 𝑓(𝑏) + 2(𝑓1 + 𝑓2 + 𝑓3 )]
2
1
= [𝑒 0 + 𝑒 4 + 2(𝑒 1 + 𝑒 2 + 𝑒 3 )]
2
= 57,991950
Kesalahan relatif terhadap nilai eksak:

53,598150−57,991950
𝜀= × 100% = −8,2%
53,598150
7.3. Metode Simpson 1/3

Integrasi numerik metode Simpson 1/3 adalah metode untuk mencari nilai integral
𝑏
∆𝑥
� 𝑓 (𝑥 )𝑑𝑥 = [𝑓 + 4(𝑓1 + 𝑓3 + ⋯ + 𝑓𝑛−1 ) + 2(𝑓2 + 𝑓4 + ⋯ + 𝑓𝑛−2 ) + 𝑓𝑛 ]
𝑎 3 0
Dengan
𝑏−𝑎
∆𝑥 =
𝑛
Dengan syarat 𝑛 harus genap
Contoh :
4
Gunakan metode simpson 1/3 hitung ∫0 𝑒 𝑥 𝑑𝑥
Penyelesaian
Metode simpson 1/3 dengan n = 4 sehingga panjang pias adalah:
(𝑏 − 𝑎) (4 − 0)
∆𝑥 = = =1
𝑛 4
Karena ∆𝑥 = 1, batas bawah = 0 dan batas atas = 4,maka didapatkan:
𝑓0 = 𝑒 0 ,
𝑓1 = 𝑒 1,
𝑓2 = 𝑒 2 ,
𝑓3 = 𝑒 3
𝑓4 = 𝑒 4
Luas bidang dihitung dengan persamaan :
𝑏 ∆𝑥
∫𝑎 𝑓 (𝑥 )𝑑𝑥 = 3
[𝑓0 + 4(𝑓1 + 𝑓3 + ⋯ + 𝑓𝑛−1 ) + 2(𝑓2 + 𝑓4 + ⋯ + 𝑓𝑛−2 ) + 𝑓𝑛 ]
𝑏 ∆𝑥
∫𝑎 𝑓 (𝑥 )𝑑𝑥 = 3
[𝑓0 + 4(𝑓1 + 𝑓3 ) + 2(𝑓2 ) + 𝑓4 ]
33
T
AF
1
= [𝑒 0 + 4(𝑒 1 + 𝑒 3 ) + 2(𝑒 2 ) + 𝑒 4 ] = 53,8638
3
DR
Kesalahan relatif terhadap nilai eksak:
53,598150−53,8638
𝜀= × 100% = −0,5%
53,598150
7.4. Metode Simpson 3/8

Integrasi numerik metode Simpson 3/8 adalah metode untuk mencari nilai integral
𝑏
3∆𝑥
� 𝑓 (𝑥 )𝑑𝑥 = (𝑓0 + 3(𝑓1 + 𝑓2 + ⋯ + 𝑓𝑛−1 ) + 𝑓𝑛 )
𝑎 8
𝑏−𝑎
∆𝑥 = → sebagai syarat
3
Contoh :
4
Dengan aturan simpson 3�8 hitung ∫0 𝑒 𝑥 𝑑𝑥.
Penyelesaian :
Metode simpson 3�8, sehingga panjang pias adalah:
(𝑏 − 𝑎) (4 − 0)
∆𝑥 = = = 1,3333
𝑛 3
Karena ∆𝑥 = 1,33, batas bawah = 0 dan batas atas = 4,maka didapatkan:
𝑓0 = 𝑒 0 ,
𝑓1 = 𝑒 1,3333,
𝑓2 = 𝑒 2,6667
𝑓3 = 𝑒 4
Integral dihitung dengan menggunakan Persamaan:

𝑏 3∆𝑥
∫𝑎 𝑓 (𝑥 )𝑑𝑥 = 8
(𝑓0 + 3(𝑓1 + 𝑓2 + ⋯ + 𝑓𝑛−1 ) + 𝑓𝑛 )
3∆𝑥
= (𝑓 + 3(𝑓1 + 𝑓2 ) + 𝑓3 )
0
8
3 (4−0) �𝑒 0 +3𝑒 1,3333 +3𝑒 2,6667 +𝑒 4 �
= (𝑒 0 + 3(𝑒 1,3333 + 𝑒 2,6667) + 𝑒 4 ) = (4 − 0)
8 3 8
= 55,07798
Besarnya kesalahan adalah:
53,598150 − 55,07798
𝜀= × 100% = −2,761%
53,59815
34
T
AF
DAFTAR PUSTAKA
DR
Munir, Rinaldi. 2015. Metode Numerik. Bandung: Informatika.
Munif, Abdul & Aries Prastyoko.. Cara Praktis Penguasaan Dan Penggunaan Metode
Numerik. Surabaya: Guna Widya.
Triatmodjo, Bambang. Metode Numerik Dilengkapi Dengan Program Komputer.

Yogyakarta: Beta Offset.
Salusu, A. Metode Numerik. Yogyakarta: Graha Ilmu
35

Metode Numerik 1

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Metode Numerik 1

Diunggah oleh

Hak Cipta:

Format Tersedia

T

DRAFT MODUL AJAR

Surabaya, Maret 2018

Rahmawati Erma Standsyah

1.2. Kesalahan (eror) 1

1.3. Kesalahan Relatif 2

1.4. Error Perkiraan atau Taksiran (Approximate) 3

II. AKAR-AKAR PERSAMAAN 4

2.1. Metode Biseksi 4

2.2. Metode Regula Falsi 7

2.3. Metode Newton Raphson 11

2.4. Metode Secant 14

2.5 Metode Iterasi Satu Titik 16

III SISTEM PERSAMAAN LINEAR 20

3.1. Metode JACOBI 20

3.2. Metode Gauss-Seidel 24

3.3. Metode Successive Over Relaxation (SOR) 27

3.4. Metode Dekomosisi L.U 31

IV. SISTEM PERSAMAAN NON LINEAR 35

4.1. Metode Newton Raphson 35

4.2. Metode Iterasi 38

5.1. Metode Polinomial Newton-Gregory Maju 44

5.2. Metode Polinomial Newton-Gregory Mundur 47

VII. INTEGRASI NUMERIK 52

7.2. Metode Trapesium 53

7.3. Metode Simpson 1/3 54

7.4. Metode Simpson 3/8 55

1.2. Kesalahan (error)

Indeks c menunjukkan bahwa kesalahan dibandingkan terhadap nilai eksak. Dari

1.3. Kesalahan Relatif (relative error)

1.4. Error Perkiraan atau Taksiran (Approximate)

2 1,5 (1,7 − 1,5)

Misalkan kita ambil 𝑋𝑖 dan 𝑋𝑖+1 sebagai berikut:

Karena memenuhi 𝑓 (𝑋𝑖 ) 𝑓 (𝑋𝑖+1 ) < 0, kita lanjutkan ke langkah selanjutnya.

Karena 𝑓 (𝑋𝑖 )𝑓(𝑋𝑡 ) > 0, maka

Karena 𝑓 (𝑋𝑖 )𝑓(𝑋𝑡 ) > 0, maka

2.2. Metode Regula Falsi

Misalkan kita ambil 𝑋𝑖 dan 𝑋𝑖+1 sebagai berikut:

Karena memenuhi 𝑓 (𝑋𝑙 ) 𝑓 (𝑋𝑢 ) < 0, kita lanjutkan ke langkah selanjutnya.

Karena 𝑓 (𝑋𝑙 )𝑓(𝑋𝑟 ) > 0, maka

Karena 𝑓 (𝑋𝑙 )𝑓(𝑋𝑟 ) > 0, maka

Karena 𝜀𝑟 > 𝜀 ∗ maka proses iterasi ini dilanjutkan sampai 𝜀𝑟 ≤ 𝜀 ∗ .

2.3. Metode Newton Raphson

2.4. Metode Secant

Karena 𝜀𝑟 > 𝜀 ∗ , maka lakukan iterasi selanjutnya dari langkah 2 sampai 𝜀𝑟 ≤ 𝜀 ∗ .

Karena 𝜀𝑟 > 𝜀 ∗ , maka lakukan iterasi selanjutnya sampai 𝜀𝑟 ≤ 𝜀 ∗ .

2.5 Metode Iterasi Satu Titik

Karena 𝜀𝑟 > 𝜀 ∗ , maka lakukan iterasi selanjutnya dari langkah 3 sampai 𝜀𝑟 ≤ 𝜀 ∗ .

Karena 𝜀𝑟 > 𝜀 ∗ , maka lakukan iterasi selanjutnya dari langkah 3 sampai 𝜀𝑟 ≤ 𝜀 ∗ .

𝑎21 𝑥1 + 𝑎22 𝑥2 + … … + 𝑎2𝑛 𝑥𝑛 = 𝑏2

𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + … … + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛

Untuk 𝑥2 menggunakan persamaan ketiga

Untuk 𝑥3 menggunakan persamaan kedua

Untuk 𝑥1 menggunakan persamaan pertama

Untuk 𝑥2 menggunakan persamaan ketiga

Untuk 𝑥3 menggunakan persamaan kedua

3.3. Metode Successive Over Relaxation (SOR)

Untuk memperoleh konvergensi suku kedua diruas kanan dikalikan faktor 𝑤

(𝑘+1) (𝑘) 𝑤 (𝑘+1) (𝑘)

Untuk 𝑥1 menggunakan persamaan pertama

Untuk 𝑥2 menggunakan persamaan kedua

(𝑘+1) (𝑘) 𝑤 (𝑘+1)

3.4. Metode Dekomosisi L.U