Tugas Besar Metoda Numerik
Tugas Besar Metoda Numerik
METODA NUMERIK
OLEH :
KELOMPOK 5
DOSEN :
HERU DIBYO LAKSONO,ST, MT
1 . Metode grafik
Nilai praktis dari teknik-teknik grafis sangat terbatas karena kurang tepat.
Namun, metode grafis dapat dimanfaakan untuk memperoleh taksiran kasar
dari akar.Taksiran-taksiran ini dapat diterapkan sebagai terkaan
awal untuk metode numerik yang di bahas di sini dan bab berikutnya.
Misalnya perangkat lunak komputer TOOLKIT Elektronik yang menyertai
naskah ini memperbolehkan anda untuk menggambarkan fungsi pada suatu
rentang tertentu. Gambaran ini dapat digunakan untuk memilih terkaan yang
mengurung akar sebelum mengimplementasikan metode numerik. Pilihan
penggambaran akan sangat meningkatkan kegunaan perangkat lunak
tersebut. Selain menyediakan terkaan kasar untuk akar, taksiran grafis
merupakan sarana yang penting untuk memahami sifat-sifat fungsi dan
mengantisipasi kesukarankesukaran yang tersembunyi dari metodemetode
numerik
SOAL
- Tentukan akar-akar nyata dari :
f x 4e x 7 x
x = -1
4e( 1) 7(1) = 3,8731
x = -0,75
4e( 0,75) 7(0,75) = 3,218
x = -0,5
4e( 0,5) 7(0,5) = 3,0948
x = -0,25
4e( 0,25) 7(0, 25) = 3,3861
x=0
4e(0) 7(0) = 4
x = 0,25
4e(0,25) 7(0, 25) = 4,8652
x = 0,5
4e(0,5) 7(0,5) = 5,9261
x = 0,75
4e(0,75) 7(0,75) = 7,1394
x=1
4e(1) 7(1) = 8,4715
x = 1,25
4e(1,25) 7(1, 25) = 9,896
x = 1,5
4e(1,5) 7(1,5) = 11,3925
x = 1,75
4e(1,75) 7(1,75) = 12,945
x=2
4e(2) 7(2) = 14,1353
X f(x)
-1 3,8731
-0,75 3,218
-0,5 3,0948
-0,25 3,3861
0 4
0,25 4,8652
0,5 5,9261
0,75 7,1394
1 8,4715
1,25 9,896
1,5 11,3925
1,75 12,945
2 14,1353
- Diketahuisebuahpersamaan f ( x) x2 5x 3 dengannilaibatasbawah =
-1 danbatasatas = 1, selang = 0.3
Penyelesaian : (oleh Wahyu Prabowo)
Untuk x = -1
f ( x) x 2 5 x 3
(1)2 5(1) 3
1
Untuk x= -0.7
f ( x) x 2 5 x 3
(0.7)2 5(0.7) 3
0
Dari nilaidiatasditemukannilaisalahsatuakarakarpersamaan f ( x) x2 5x 3
yaitu,
X = -0.7
Diketahui f(x) = 0 dan f(x) fungsi kontinu pada interval [a,b]. Anggap
terdapat dua angka x1 dan x2 dimana a<=x1<x2<=b sedemikian hingga f(x1)
dan f(x2) mempunyai tanda yang berbeda. Kondisi ini minimal akan
memberikan satu solusi untuk f(x)=0 pada interval [x1,x2] (Churchhouse,
1981). Jika x1 dan x2 merupakan aproksimasi maka untuk menentukan x3
metode Bisection menggunakan :
x3 = ½(x1 + x2)
Aproksimasi dianggap cukup jika
|f(x3)| <
Jika tidak untuk menentukan aproksimasi berikutnya menggunakan aturan
sebagai berikut:
x4 = ½(x1 + x3) , jika f(x3) f(x1) <0
x4 = ½(x2 + x3) , jika f(x3) f(x2) <0
SOAL
SUMBER:
http://teoriMENUM/Metode%20BagiDua%20(Bisection%20Method)%20_
%20Math%20IS%20Beautiful.htm
xi xu 0.4 0.6 1
xr 0.5
2 2 2
iterasi 2.
0.5 0.45
t x100% 11.11%
0.45
iterasi 3.
xi 0.45 dan xu 05
0.475 0.45
t x100% 5.88%
0.475
Karena harga εttelah kecil maka dapat dihentikan iterasi dengan mengambil
akarnya:
xr = 0.475
- Diketahui suatu persamaan : (oleh Diva Septian Jones)
f ( x) = 19x 4 + 26x3 + 5x 2 + 21x + 52
Xu = 4 = 0,1 %
Xi = 3,5
Penyelesaian :
Iterasi 1
Xu = 4 = 0,1 %
Xi = 3,5
Xu + Xi 4 3,5
Xr = = = 3,75
2 2
Iterasi 2
f(Xi) = 19(3,5)4 + 26(3,5)3+5(3,5)2+ 21(3,5) + 52 = 4152,68
f(Xr) = 19(3,75)4 + 26(3,75)3+ 5(3,75)2 + 21(3,75) + 52 = 5329,48
f(Xi) .f(Xr) 0
Xi = Xr = 3,75
Xu = Xu = 4
Xu + Xi 4 3,75 3,875 - 3,75
Xr = = = 3,875 0 = x 100 % = 3,22 % (0,03)
2 2 3,875
Iterasi 3
f(Xi) = 19(3,75)4 + 26(3,75)3+ 5(3,75)2 + 21(3,75) + 52 = 5329,48
f(Xr) = 19(3,875)4 + 26(3,875)3+ 5(3,875)2 + 21(3,875) + 52 = 6005,18
f(Xi) .f(Xr) 0
Xi = Xr = 3,875
Xu = Xu = 4
Iterasi 5
f(Xi) = 19(3,9375)4 + 26(3,9375)3+ 5(3,9375)2 + 21(3,9375) + 52 = 6366,47
f(Xr) = 19(3,96875)4 + 26(3,96875)3+ 5(3,96875)2 + 21(3,968375) + 52 =
6553,17
f(Xi) .f(Xr) 0
Xi = Xr = 3,96875
Xu = Xu = 4
Xu + Xi 4 3,96875 3,9843 - 3,96875
Xr = = = 3,9843 0 = x 100 % = 0,39 % (0,0039)
2 2 3,9843
Iterasi 6
f(Xi) = 19(3,96875)4 + 26(3,96875)3+ 5(3,96875)2 + 21(3,968375) + 52 =
6553,17
f(Xr) = 19( 3,9843 )4 + 26( 3,9843 )3+ 5( 3,9843 )2 + 21( 3,9843 ) + 52 =
6647,61
f(Xi) .f(Xr) 0
Xi = Xr = 3,9843
Xu = Xu = 4
Xu + Xi 4 3,9843 3,992 - 3,9843
Xr = = = 3,992 0 = x 100 % = 0,19 % (0,0019)
2 2 3,992
Iterasi 7
f(Xi) = 19( 3,9843 )4 + 26( 3,9843 )3+ 5( 3,9843 )2 + 21( 3,9843 ) + 52 =
6647,61
f(Xr) = 19( 3,992 )4 + 26( 3,992 )3+ 5( 3,992 )2 + 21( 3,992 ) + 52 = 6694,75
f(Xi) .f(Xr) 0
Xi = Xr = 3,992
Xu = Xu = 4
Xu + Xi 4 3,992 3,996 - 3,992
Xr = = = 3,996 0 = x 100 % = 0,1 % (0,001)
2 2 3,996
Iterasi 1
xi 0.3 f ( xi ) f (0.3) 7(0.3) 2 + 5(0.3) - 3 -0.87
f ( xu )( xi xu ) 1.25(0.3 0.5)
x r 1 xu 0.5 0.382
f ( xi ) f ( xu ) 0.87 1.25
f ( xi 2 ) f ( xr1 ) 0.068
f ( xu )( xi 2 xu ) 1.25(0.382 0.5)
x r 2 xu 0.5 0.3881
f ( xi 2 ) f ( xu ) 0.068 1.25
x r 2 x r1 0.3881 0.382
100% 100% 1.57%
xr 2 0.3881
Iterasi 2
xr 2 0.3881
f ( xr 2 ) f (0.3881) 7(0.3881) 2 + 5(0.3881) - 3 -0.005
f ( xr 2 ) f ( xi 2 ) 0.005(0.068 0.00034 0
maka xr 2 xi 3 0.3881
f ( xi 3 ) 0.005
f ( xu )( xi 3 xu ) 1.25(0.3881 0.5)
x r 2 xu 0.5 0.3885
f ( xi 3 ) f ( xu ) 0.005 1.25
xr 3 xr 2 0.3885 0.3881
100% 100% 0.103%
xr 3 0.3885
- Diketahui persamaan :
f ( x) = -0,35x 2 - 9x + 17
Xi = 1
Xu = 2,5
ε = 0.5 %
Penyelesaian : (oleh Rama Danil Fitra)
Iterasi 1
Xi = 1
Xu = 2,5
f ( Xi) = -0,35(1)2 - 9(1) + 17 = 7,65
f ( x ) ( xi xu )
xr xu u
f ( xi ) f ( xu )
-7,68 x (-1,5)
= 2,5 -
7,65 + 7,68
= 1,74
Iterasi 2
f(Xi) .f(Xr) 0
Xi = Xr = 1,74
Xu = Xu = 2,5
f ( xu ) ( xi xu ) 1,766 1,74
xr xu 100% 1,4 % (0,014)
f ( xi ) f ( xu ) 1,766
7,68 x (-0,76)
= 2,5 -
0, 28 + 7,68
= 1,766
Iterasi 3
f(Xi) .f(Xr) 0
Xi = Xr = 1,766
Xu = Xu = 2,5
f ( xu ) ( xi xu ) 1,777 1,766
xr xu 100% 0,61 % (0,0061)
f ( xi ) f ( xu ) 1,777
7,68 x (-0,724)
= 2,5 -
0,0144 + 7,68
= 1,777
Iterasi 4
f ( Xi) = -0,35(1,766)2 - 9(1,766) + 17 = 0,0144
f ( Xr ) = -0,35(1,777)2 - 9(1,777) + 17 = - 0,098
Xi = Xi = 1,766
Xu = Xr = 1,777
f ( xu ) ( xi xu ) 1,7675 1,777
xr xu 100% 0,53 % (0,0053)
f ( xi ) f ( xu ) 1,7675
0,098 x (-0,011)
= 1,777 -
0,0144 + 0,098
= 1,7675
Iterasi 5
f ( Xi) = -0,35(1,766)2 - 9(1,766) + 17 = 0,0144
Xi = Xi = 1,766
Xu = Xr = 1,7675
f ( x ) ( xi xu ) 1,7674 1,7675
xr xu u 100% 0,0053 %
f ( xi ) f ( xu ) 1,7674
-0,00091 x (-0,0015)
- = 1,7675 - (0,000053)
0,0144 + 0,00091
= 1,7674
B. Metode Terbuka
SOAL
Iterasi pertama
xr1 1.8
f ( xr1 ) xr13 6 xr12 11xr1 5.9
1.8 0
f (1.8) 0.292 100%
1.8
100%
Iterasi Kedua
xr 2 1.9
f ( xr 2 ) xr 23 6 xr 2 2 11xr 2 5.9
1.9 1.8
f (1.9) 0.197 100%
1.9
5.267%
Iterasi Ketiga
xr 2 2
f ( xr 3 ) xr 33 6 xr 32 11xr 3 5.9
2 1.9
f (2) 0.1 100%
1.9
5%
Iterasi Keempat
xr 2 2.1 2.1 2
100%
f ( xr 4 ) xr 4 6 xr 4 11xr 4 5.9
3 2
2.1
f (2.1) 0.001 4.76%
f ( x) e2 x 3x 0
3 x e 2 x
e 2 x
x
3
Iterasi 1 : x = 0
e2(0)
x 0,333
3
Iterasi 2 : x= 0,333
e2(0,333)
x 0,1711
3
xrb xr
x100%
xrb
f (0,1711) e2(0,1711) 3(0,1711)
0, 2159 0, 217
0, 711 0,51 x100%
0, 2159
0, 2
0,5%
Iterasi 3 : x= 0,1711
e2(0,217)
x
3
0, 6479
0, 2159
3
xrb xr
x100%
xrb
f (0, 236) e2(0,236) 3(0, 236)
0, 236 0,1711
0, 6228 0, 71 x100%
0, 236
0, 0873
27, 71%
Iterasi ke 4 : x = 0,236
e2(0,236)
x
3
0, 6228
0, 2076
3
xrb xr
x100%
xrb
f (0, 2076) e2(0,2076) 3(0, 2076)
0, 2076 0, 236
0,5974 0, 6228 x100%
0, 2076
0, 0254
14, 017%
Iterasi ke 5 : x = 0,2076
e2(0,2076)
x
3
0, 6602
0, 22
3
xrb xr
x100%
xrb
f (0, 22) e2(0,22) 3(0, 22)
0, 22 0, 2076
0, 644 0, 66 x100%
0, 22
0, 016
5, 667%
Iterai ke 6 : x = 0,22
e2(0,22)
x
3
0, 644
0, 2146
3
xrb xr
x100%
xrb
f (0, 2146) e2(0,2146) 3(0, 2146)
0, 2146 0, 22
0, 651 0, 6438 x100%
0, 2146
0, 0072
2, 479%
Iterasi ke 7 : x = 2146
e2(0,2146)
x
3
0, 651
0, 217
3
xrb xr
x100%
xrb
f (0, 217) e2(0,217) 3(0, 217)
0, 217 0, 2146
0, 6479 0, 651 x100%
0, 217
0, 0031
1,11%
Iterasi ke 8 : x = 0,217
xrb xr
x100%
xrb
e2(0,217)
x
3 0, 2159 0, 217
x100%
0, 6479 0, 2159
0, 2159
3 0,5%
2. Newton Raphson
1 f ( x0 )
x x - (
1 0 0 0
) y =x -
slope f ' ( x0 )
f’(x0)
f’ (x1)
X* X2 X1 X0
Gambar 2.1
Ilustrasi proses iterasi pada Metode Newton
f ' ( x) 3x 2 12 x 11
f ( x) xi 1 xi
xi 1 xi
f ' ( x) dan xi 1
Iterasi 1
f ( x) f (3.6) 3.63 6(3.6) 2 11(3.6) 6
46.656 77.76 39.6 6
2.496
38.88 43.2 11
6.68
2.496
xi 1 3.6 3.6 0.37275
6.68 3.227 3.6
0.115
3.227 3.227
Iterasi 2
f ( x) f (3.227) 3.2273 6(3.227) 2 11(3.227) 6
33.6 62.48 35.497 6
0.621
31.245 38.727 11
3.518
0.621
xi 1 3.227 3.227 0.1765
3.518 3.05 3.227
0.058
3.05 3.05
Iterasi 3
f ( x) f (3.05) 3.053 6(3.05) 2 11(3.05) 6
28.39 55.82 33.55 6
0.1278
27.91 36.6 11
2.31
0.1278
xi 1 3.05 3.05 0.055
2.31
2.995
2.995 3.05
0.0185
2.995
Iterasi 4
f ( x) f (2.995) 2.9953 6(2.995) 2 11(2.995) 6
26.865 53.82 32.95 6
9.925 103
f ' ( x) f ' (2.995) 3 2.995 12 2.995 11
2
26.91 35.94 11
1.97
9.925 103
xi 1 2.995 2.995 5.038 103
1.97
3.00
3.00 2.995
0.00167
3.00
Iterasi Xi
0 3.6 -
1 3.227 0.115
2 3.05 0.058
3 2.995 0.0185
4 3 0.00167
Dari table dapat dilihat bahwa nilai kesalahan ( ) telah kecil dari yang
ditentukan, maka didapat akar dari persamaan adalah 3
-Tentukan akar-akar nyata dari persamaan berikut, f(x) = -0.9x2 + 1.7x + 2.5 !
f ( x) xr 1 xr
x r 1 x r 100%
f ' ( x) xr 1
Iterasi 1
Iterasi 2
xr+1 = 2.8601
3.MetodeSecant
TM PS x r 1 x r
PM QS f ( x r 1 ) f ( x r )
Dengan demikian :
x r 1 x r
xr+1 = xr -TM = xr - { } f (xr) (3.4)
f ( x r 1 ) f ( x r )
SOAL
- Diketahui Persamaan f ( x) x3 6 x 2 11x 5.9 , tentukanlah akar
persamaan tersebut dengan metodesecant dimana nilai minimal adalah 5%.
xi 1 2.5
Nilai tebakn awal adalah .
xi 3.5
Iterasi Pertama
f ( xi )( xi 1 xi )
xi 1 xi 2.622 3.5
f ( xi 1 ) f ( xi ) 100%
2.622
1.975 2.5 3.5
3.5 2.622 33.48%
0.275 1.975
Iterasi kedua
f ( xi )( xi 1 xi )
xi 2 xi 2.7314 2.622
f ( xi 1 ) f ( xi ) 100%
2.7314
1.975 2.622 3.5
3.5 2.7314 3.4858%
0.2813 1.975
f ( xi 2 ) xi 23 6 xi 2 2 11xi 2 5.9
f (2.622) 0.1034
Karena nilai telah lebih kkecil dari 5%, maka, akar riil adri persamaan adalah
2.622
- Tentukan akar-akar dari f x 0.87 x2 1.8x 2.6 dengan menggunakan
iterasi xi 1 xi xi 1
TM PS x r 1 x r
PM QS f ( x r 1 ) f ( x r )
Dengan demikian :
x r 1 x r
xr+1 = xr -TM = xr - { } f (xr) (3.4)
f ( x r 1 ) f ( x r )
SOAL
2 6 20 : 20
5 10 22 5 : 6 untuk membuat 10 menjadi 0 maka dibuat
2 20 15 : 100
pengali =5
2 6 20 : 20
5 0 8 95 : 106
2 20 15 : 100
2 6 20 : 20
1 0 8 95 : 106 menjadikan 2 pada sudut kiri bawah, maka
0 16 35 : 120
2 6 20 : 20
2 0 8 95 : 106 jadikan kolom 2 baris ke 3 =0
0 0 225 : 332
8 x2 95 x3 106
8 x2 95(1, 475) 106
8 x2 106 140,125
34,125
x2
8
4, 265
2 x1 6 x2 20 x3 20
2 x1 6(4, 265) 20(1, 475) 20
2 x1 20 25,59 29,5
16, 09
x1
2
8, 045
Jadi , didapatkan hasil x1 , x2 danx3 yaitu :
x1 8, 045
x2 4, 265
x3 1, 475
- Diketahui sistem persamaan linier sebagai berikut.
2x + 4y - 2z = 12
x + 5y + 3z = 8
-3x + y + 3z = -4
1 2 −1 6
[0 11.33 0.67]
0 7 0 14
𝑥 − 3,67𝑧 = 4,67
𝑦 + 1,33𝑧 = 0,67
𝑧 = −1
𝑧 = 4,67 + 3,67(−1)
𝑧=1
𝑧 = 0,67 − 1,33(−1) = 2
clc
clear all
close all
%
disp('Matrik A')
A = [2 4 -2;1 5 3;-3 1 3]
%
disp('Matrik b')
b = [12 ; 8 ; -4]
%
n = size(A,1);
A = [A,b];
%
for i = 1:n-1
p = i;
for j = i+1:n
if abs(A(j,i)) > abs(A(i,i))
U = A(i,:);
A(i,:) = A(j,:);
A(j,:) = U;
end
end
while A(p,i) == 0 & p <= n
p = p+1;
end
if p == n+1
disp('Tidak Ada Solusi Unik');
break
else
if p ~= i
T = A(i,:);
A(i,:) = A(p,:);
A(p,:) = T;
end
end
for j = i+1:n
m = A(j,i)/A(i,i);
for k = i+1:n+1
A(j,k) = A(j,k) -m*A(i,k);
end
end
end
%
if A(n,n) == 0
disp('Tiddak Ada Solusi Unik');
return
end
%
x(n) = A(n,n+1)/A(n,n);
for i = n - 1:-1:1
sumax = 0;
for j = i +1:n
sumax = sumax + A(i,j)*x(j);
end
x(i) = (A(i,n+1) - sumax)/A(i,i);
end
disp('Nilai x:')
X1 = x'
Matrik A
A=
2 4 -2
1 5 3
-3 1 3
Matrik b
b=
12
8
-4
Nilai x:
X1 =
1.0000
2.0000
-1.0000
B. Gauss Jordan
a11 0 0 b '1
0 a 22 0 b'2
0 0 a b ' 3
33
sehingga : x1 = b’1
x2 = b’2
x3 = b’3
Didalam metode ini dipilih secara berurutan setiap baris sebagai baris pivot,
dengan pivotnya adalah elemen pertama yang tidak nol dari baris tersebut.
Contoh :
Tahap 2. Suku x1 pada baris kedua dan ketiga dieliminasi menjadi nol
Tahap 3. Baris kedua dibagi dengan elemen pivot a22 yaitu 7,0333.
1 0 0,06806 2,52356
0 1 0,04188 2,79320
0 0 10,0120 70,0843
1 0 0,06806 2,52356
0 1 0,04188 2,79320
0 0 1 7,00003
Maka hasilnya :
x1 = 3
x2 = -2,5
x3 = 7
SOAL
SUMBER: http://asimtot.files.wordpress.com/2010/06/sistem-persamaan-
aljabar-linear-metode-gauss-jordan.pdf
3 1 1 x 5
4 7 3 y 20
2 2 5 z 10
Baris pertama dari persamaan (c2) dibagi dengan elemen pertama dari
persamaan (c1.a) yaitu 3, sehingga persamaan menjadi:
Pertama membuat nilai dari kolom dan baris satu bernilai 1. Sehingga,
1 0 0,2353 x 0,8824
0 1 0,2941 y 2,3529
0 0 4,8824 z 12,9410
1 0 0,2353 x 0,8824
0 1 0,2941 y 2,3529
0 0 1 z 2,6505
Dan yang terakhir untuk kolom tiga baris satu dan dua,
1 0 0 x 1,5061
0 1 0 y 3,1324
0 0 1 z 2,6505
clc
clear all
close all
%
disp('Matrik A')
A = [3 1 -1;1 7 -3;2 -2 5]
%
disp('Matrik b')
b = [54 ; 20 ; 10]
%
disp('Matrik Diperluas')
C = [A b]
%
disp('Nilai x')
x = rref(C)
Matrik A
A=
3 1 -1
4 7 -3
2 -2 5
Matrik b
b=
20
10
Matrik Diperluas
C=
3 1 -1 5
4 7 -3 20
2 -2 5 10
Nilai x
x=
1.0000 0 0 1.5060
0 1.0000 0 3.1325
0 0 1.0000 2.6506
SUMBER: http://asimtot.files.wordpress.com/2010/06/sistem-persamaan-
aljabar-linear-metode-gauss-jordan.pdf
2 1 7 0,5
10 2 0,8 3
3,5 4 1 6
dibagi 2 2 1 7 0,5
10 2 0,8 3
3,5 4 1 6
x1 x2 x3
1 0 0 0, 2647
0 1 0 1, 4786
0 0,1356
0 1
x1 0, 2647
Maka : x2 1, 4786
x3 0,1356
clc
clear all
close all
%
disp('Matrik A')
A = [-2 1 7;10 2 0.8;-3 4 -1]
%
disp('Matrik b')
b = [0.5 ; 3 ; 6]
%
disp('Matrik Diperluas')
C = [A b]
%
disp('Nilai x')
x = rref(C)
Matrik A
A=
Matrik b
b=
0.5000
3.0000
6.0000
Matrik Diperluas
C=
Nilai x
x=
1.0000 0 0 0.0150
0 1.0000 0 1.4792
0 0 1.0000 -0.1356
C. Gauss Seidel
Suatu sistem persamaan linier terdiri atas sejumlah berhingga persamaan
linear dalam sejumlah berhingga variabel. Menyelesaikan suatu sistem
persamaan linier adalah mencari nilai-nilai variabel yang belum diketahui
yang memenuhi semua persamaan linier yang diberikan.
Rumus iterasi untuk hampiran ke-k pada metode iterasi Gauss-Seidel
adalah sebagai berikut. Untuk i = 1, 2, …, n dan k = 1, 2, 3, …,
SOAL
SUMBER: http://syaifulhamzah.files.wordpress.com/2012/12/soal-latihan-
persiapan-uas-metode-numerik.pdf
Selesaikanlah persamaan berikut dengan menggunaan metode gauss
seidel, dimana nilai adalah 2%
12 x1 3x2 5x3 1
x1 5 x2 3x3 28
3x1 7 x2 13x3 76
12 3 5
Bentuk matrik : A 1 5 3
3 7 13
1 3 x 2 5 x3
x1
12
28 x1 3x3
x2
5
76 3x1 7 x2
x3
13
Asumsikan : x2 0 dan x3 0
Iterasi 1
1 3 0 5 0
x1 0.083333
12
28 0.08333 3 0
x2 5.5833
5
76 3 0.08333 7 5.5833
x3 2.8205
13
Iterasi 2
1 3 5.5833 5 2.8205
x1 0.1372
12
28 0.1372 3 2.8205
x2 3.9351
5
76 3 0.1372 7 3.9351
x3 3.6955
13
Persentasi errornya :
0.1372 0.0833
a 1 100 160.7%
0.1372
3.9351 5.5833
a 2 100 41.8%
3.9351
3.6955 2.8205
a 3 100 23.67%
3.6955
Iterasi 3
1 3 3.9351 5 3.6955
x1 0.6393
12
28 0.6393 3 3.6955
x2 3.2548
5
76 3 0.6393 7 3.2548
x3 3.9460
13
Persentasi errornya :
0.6393 (0.1372)
a 1 100 121.46%
0.6393
3.2548 3.9351
a 2 100 20.9%
3.2548
3.9460 3.2548
a 3 100 17.51%
3.9460
Iterasi 4
1 3 3.2548 5 3.9460
x1 0.9138
12
28 0.9138 3 3.9460
x2 3.0496
5
76 3 0.9138 7 3.0496
x3 3.9931
13
Persentasi errornya :
0.9138 0.6393
a 1 100 30.00%
0.9138
3.0496 3.2548
a 2 100 6.7%
3.0496
3.9931 3.9460
a 3 100 1.1%
3.9931
Iterasi 5
1 3 3.0496 5 3.9931
x1 0.9847
12
28 0.9847 3 3.9931
x2 3.0072
5
76 3 0.9847 7 3.0072
x3 3.9996
13
Persentasi errornya :
0.9847 0.9138
a 1 100 7.2%
0.9847
3.0072 3.0496
a 2 100 1.4%
3.0072
3.9996 3.9931
a 3 100 0.16%
3.9996
Belum berada di bawah 2%.
Iterasi 6
1 3 3.0072 5 3.9996
x1 0.99803
12
28 0.99803 3 3.9996
x2 3.00063
5
76 3 0.99803 7 3.00063
x3 4.00011
13
Persentasi errornya :
0.99803 0.9847
a 1 100 1.3%
0.99803
3.00063 3.0072
a 2 100 0.2%
3.00063
4.0001 3.9996
a 3 100 0.012%
4.0001
x1 0.99803
x2 3.00063
x3 4.0001
Matrik A
A=
12 3 -5
1 5 3
3 7 13
Matrik b
C=
28
76
Proses Iterasi
K=
Tingkat Presisi :
Error_eval =
1.0e-004 *
0.0368
0.7135
0.3927
Nilai X
X=
1.0000
3.0000
4.0000
>>
SUMBER: http://syaifulhamzah.files.wordpress.com/2012/12/soal-latihan-
persiapan-uas-metode-numerik.pdf
- selesaikan Sistem Persamaan Linear berikut dengan metoda gauss
seidel :
4 1 0 10 x1 100
1
4 1 0 1 x2 100
0 1 4 1 0 x3 100
1 0 1 4 1 x4 100
0 1 0 1 4 x5 100
Iterasi I
Iterasi 2
Masukkan hasil iterasi 1 ke pers (f), Hasil utk iterasi 2 dst seperti tabel berikut :
Iterasi (k) x1 x2 x3 x4 x5
: : : : : :
a b
Matriks A = dapat diinverskan apabila ad-bc 0
c d
Dengan Rumus =
d b
1 d b ad bc ad bc
A -1
ad bc c a c a
ad bc ad bc
Apabila A dan B matriks seordo dan memiliki balikan maka AB
dapat diinver dan (AB)-1 = B-1 A-1
SOAL
SUMBER: http://syaifulhamzah.files.wordpress.com/2012/12/soal-latihan-
persiapan-uas-metode-numerik.pdf
1 3, 2 0, 2 1 0 0
2, 3 7 0,8 0 1 0
1, 9 2,1 0, 7 0 0 1
baris pertama dibagi -1
1 3, 2 0, 2 1 0 0
-2,3 2, 3 7 0,8 0 1 0
1, 9 2,1 0, 7 0 0 1
1 3, 2 0, 2 1 0 0
-1,9 0 14, 36 0, 34 2, 3 1 0
1, 9 2,1 0, 7 0 0 1
1 3, 2 0, 2 1 0 0
0 14, 36 0, 34 2, 3 1 0
0 8,18 1, 08 1, 9 0 1
baris kedua dibagi 14,36
1 3, 2 0, 2 1 0 0
-8,18 0 1 0, 023 0,16 0, 069 0
0 8,18 1, 08 1,9 0 1
1 3, 2 0, 2 1 0 0
0 1 0, 023 0,16 0, 069 0
0 0 1, 26 0,59 0,56 1
baris ketiga dibagi -1,26
1 3, 2 0, 2 1 0 0
0 1 0, 023 0,16 0, 069 0 0, 023
0 0 1 0, 468 0, 44 0, 79
1 3, 2 0, 2 1 0 0
0 1 0 0,17 0, 079 0, 018 0, 2
0 0 1 0, 468 0, 44 0, 79
1 3, 2 0 0,9 0,158
0, 088
0 1 0 0,17 0, 079 0, 018 3, 2
0 0 1 0, 468 0, 44 0, 79
1 0 0 0,356 0,34 0, 208
0 1 0 0,17 0, 079 0, 018
0 0 1 0, 468 0, 44 0, 79
2 x1 3x2 8 x3 24
x1 4 x2 5 x3 20
3x1 x2 9 x3 18
Penyelesaian : (oleh Wahyu Prabowo)
A.I
2 3 8 ; 1 0 0
1 4 5 ; 0 1 0
3 1 9 ; 0 0 1
1 3
2 4 ; 12 0 0
1 4 5 ; 0 1 0
3 1 9 ; 0 0 1
Dikali 1
1 32 4 ; 12 0 0
0 11 1 ; 1 1 0
2 2
3 1 9 ; 0 0 1
Dikali -3
1 32 4 ; 12 0 0
0 11 1 ; 1 1 0
2 2
0 112 3 ; 32 0 1
11
Dibagi 2 baris ke-2
1 32 4 ; 12 0 0
0 1 2 ; 1 2
0
11 11 11
0 112 3 ; 32 0 1
11
Dikali 2
1 32 4 ; 12 0 0
0 1 2 ; 1 2 0
11 11 11
0 0 4 ; 1 0 1
Dikali 2/11
1 32 4 ; 1
2 0 0
0 1 0 ; 3 3
221
22 22
0 0 1 ; 1
4 14 14
Dikali -4
1 32 0 ; 12 1 1
0 1 0 ; 3 3
221
22 22
0 0 1 ; 14 14 14
Dikali 32
1 0 0 ; 44
31 35
44
47
44
0 1 0 ; 3 3
1
22 22 22
0 0 1 ; 14 14 14
x A1.C
x1 44 31 35
44
47
44 24
x 3 3
20
1
2 22 22 22
x3 14 14 14 18
x1 44
31
(24) 35
44 (20) 44 (18)
47
= 18,23
x2 3
22 (24) 223 (20) 221 (18)
= 5,14
x3 14 (24) 14 (20) 14 (18)
= -3,5
x1 18, 23
x2 5,14
x3 3,5
D.Dekomposisi LU
1. Metode crout
Crout mentransformasikan koefisien matriks A, menjadi hasil dari
dua matriks, L dan U, di mana U memiliki satu pada diagonal
utamanya. Teknik ini berbeda dari metode bagian sebelumnya di
mana L memiliki satu pada diagonalnya. Sebelumnya kami telah
melihat bahwa sebuah matriks yang telah mengalami
triangularisasi dan dikombinasikan dengan matriks segitita bawah
membentuk sebuah pasangan LU. Tetapi pasangan LU mengambil
banyak bentuk lain.Pada kenyataannya, matriks tertentu yang
memiliki semua elemen diagonal nonzero bisa ditulis sebagai
sebuah hasil dari matriks segitiga bawah dan matriks segitiga atas
dengan cara tak terhingga.
Dari keseluruhan susunan LU yang hasilnya sama dengan matriks
A, pada metode Crout dipilih pasangan di mana U hanya memiliki
satu pada diagonalnya, seperti pada pasangan pertama di
atas.Didapatkan aturan untuk dekomposisi LU semacam itu dari
hubungan tertentu sehingga LU = A. Pada kasus matriks 4 x 4:
l11 0 0 0 1 u12 u13 u14 a11 a12 a13 a14
l 0 0 1 u23 u24 a21 a22 a24
21 l22 0
a23
l31 l32 l33 0 0 0 1 u34 a31 a32 a33 a34
l41 l42 l43 l44 0 0 0 1 a41 a42 a43 a44
SOAL
2 x1 5 x2 x3 12
x1 3x2 x3 8
3x1 4 x2 2 x3 16
2 0 0 1 2.5 0.5
L 1 0.5 0 U 0 1 1
3 3.5 4 0 0 1
2 0 0 y1 12
1 0.5 0 y 8
2
3 35. 4 y3 16
2 y1 12 ; y1 6
1
y1 y2 8
2
1
6 y2 8 ;y2 4
2
3 y1 3.5 y2 4 y3 16
16 14 18
y3 3
4
1 2.5 0.5 x1 y1
0 1 x2 y2
U x y 1
0 0 1 x3 y3
x3 y3 3
x2 x3 4
x2 4 3 1
x1 2.5 x2 0.5 x3 y1
x1 6 2.5 1.5 2
x1 2
x2 1
x3 3
clc
clear all
close all
%
disp('Matrik A')
A = [2 -5 1;-1 3 -1;3 -4 2]
%
disp('Vektor B')
B = [12 ; -8 ; 16]
%%%%%%%% Inputs %%%%%%%%
% A : state matrix
% B : input vector
%%%%%%%% Outputs %%%%%%%%
% x_soln : solution vector to U*x_soln=xstar_soln
% xstar_soln: solution vector to L*xstar_soln=b
% L : Lower triangular matrix
% U : Upper triangular matrix
%
n=rank (A);
% Initialize L and U matrix
L=zeros (n);
U=eye (n);
for s=1:n
j=s;
for i=j:n
L(i,j)=A(i,j)-L(i,1:(j-1))*U(1:(j-1),j);
end
i=s;
U(i,i)=1;
for j=i+1:n
U(i,j)=(A(i,j)-L(i,1:(i-1))*U(1:(i-1),j))/(L(i,i));
end
end
%
disp(' ')
disp('Periksa Matrik A')
check=int8 (L*U)
if check==A
disp(sprintf ('Matrik L*U=A Benar'))
else
disp(sprintf ('Ada Kesalahan'))
end
%
xstar_soln(n)=0;
xstar_soln=xstar_soln';
xstar_soln(1)=B(1)/L(1,1);
for i=2:n
xstar_soln(i)=(B(i,1)-L(i,1:i-1)*xstar_soln(1:i-1))/L(i,i);
end
%
x_soln(n)=0;
x_soln=x_soln';
x_soln(n)=xstar_soln(n);
i=n-1;
%
while i>0
x_soln(i)=xstar_soln(i)-U(i,i+1:n)*x_soln(i+1:n);
i=i-1;
end
disp(' ')
disp('Matrik Segitiga Bawah')
L
disp('Matrik Segitiga Atas')
U
disp('Nilai x')
x=x_soln
Matrik A
A=
2 -5 1
-1 3 -1
3 -4 2
Vektor B
B=
12
-8
16
Periksa Matrik A
check =
2 -5 1
-1 3 -1
3 -4 2
L=
2.0000 0 0
-1.0000 0.5000 0
U=
0 1.0000 -1.0000
0 0 1.0000
Nilai x
x=
-1
3
- Tentukan x1,x2,x3 dengan menggunakan metode dekomposisi LU
dengan metode Crout dari persamaan berikut ini;
2 x1 5 x2 4 x3 20
x1 7 x2 5 x3 15
3x1 2 x2 x3 30
L. U = A
L11 2 L21 1
L11U12 5 L21U12 L22 7
5 19
U12 L22
2 2
L11U13 4 L21U13 L22U 23 5
U13 2 6
U 23
19
L31 3
L31U12 L32 2
19
L32
2
L31U13 L32U 23 L33 1
L33 10
2 0 0
y1 20
19
1 0 y2 15
2
y 3 30
19
3 10
2
y1 192 y2 15 y1 192 y2 10 y3 30
2 y1 20 19
y2 5 10 y3 5
y1 10 2
y2 = 10
19
y3 =- 12
5
1 2
2 10
x1
6 10
0 1 x2
19 19
x3
0 0 1 1
2
1
x3 0,5
2
6 10
x2 x3
19 19
13
x2 0, 684
19
x1 2 x2 2 x3 10
5
x1 483
38
= 12,71
clc
clear all
close all
%
disp('Matrik A')
A = [2 -5 4;1 7 5;3 2 -1]
%
disp('Vektor B')
B = [20 ; 15 ; 30]
%%%%%%%% Inputs %%%%%%%%
% A : state matrix
% B : input vector
%%%%%%%% Outputs %%%%%%%%
% x_soln : solution vector to U*x_soln=xstar_soln
% xstar_soln: solution vector to L*xstar_soln=b
% L : Lower triangular matrix
% U : Upper triangular matrix
%
n=rank (A);
% Initialize L and U matrix
L=zeros (n);
U=eye (n);
for s=1:n
j=s;
for i=j:n
L(i,j)=A(i,j)-L(i,1:(j-1))*U(1:(j-1),j);
end
i=s;
U(i,i)=1;
for j=i+1:n
U(i,j)=(A(i,j)-L(i,1:(i-1))*U(1:(i-1),j))/(L(i,i));
end
end
%
disp(' ')
disp('Periksa Matrik A')
check=int8 (L*U)
if check==A
disp(sprintf ('Matrik L*U=A Benar'))
else
disp(sprintf ('Ada Kesalahan'))
end
%
xstar_soln(n)=0;
xstar_soln=xstar_soln';
xstar_soln(1)=B(1)/L(1,1);
for i=2:n
xstar_soln(i)=(B(i,1)-L(i,1:i-1)*xstar_soln(1:i-1))/L(i,i);
end
%
x_soln(n)=0;
x_soln=x_soln';
x_soln(n)=xstar_soln(n);
i=n-1;
%
while i>0
x_soln(i)=xstar_soln(i)-U(i,i+1:n)*x_soln(i+1:n);
i=i-1;
end
disp(' ')
disp('Matrik Segitiga Bawah')
L
disp('Matrik Segitiga Atas')
U
disp('Nilai x')
x=x_soln
Matrik A
A=
2 -5 4
1 7 5
3 2 -1
Vektor B
B=
20
15
30
Periksa Matrik A
check =
2 -5 4
1 7 5
3 2 -1
L=
2.0000 0 0
1.0000 9.5000 0
U=
0 1.0000 0.3158
0 0 1.0000
Nilai x
x=
12.71
0.684
-0.5
>>
2. Metode Doo-little
Algoritma Doolittle adalah sebagai berikut:
0. Langkah awal: k : = 1,
untuk j = 1, 2, ..., n, kerjakan
u1j : = a1j
j1 : = aj1/u11
1. Untuk langkah k = 2, 3, ... (n-1), kerjakan :
Untuk j = k, k+1, k+2, ... , n, kerjakan:
k 1
r 1
kr u rj
ukj : = akj-
k 1
jk : = (ajk -
r 1
jr urk ) /ukk
n 1
unn: = ann - r 1
nr u rn
Untuk mendemonstrasikan kebenaran algoritma ini, tinjaulah relasi A = LU.
T
Kalikan vektor baris ek dengan ruas kiri dan kanan tanda =, lalu hasilnya
kalikan dengan vektor kolomej.
e k Ae j e k LU e j
T T
e LU e
T
k j
r n
u r 1 kr urj
r 1 kr rj
rk
kk ukj r 1 kr urj
r k 1
ik : aik r 1 ir urk / ukk
r k 1
SOAL
7 x1 2 x2 5 x3 18
Diketahui persamaan berikut: x1 5 x2 3x3 40
2 x1 x2 9 x3 26
LU A
;U11 a11 7
; L21U11 a21 ; L21 U13 U 23 a23
L21 7 1 1
(5) U 23 3
1 7
L21
7 16
U 23
; L31U11 a31 7
L31 7 2 ; L31 U12 L32 U 22 a32
2 2 33
L31 2 L32 1
7 7 7
;U12 a12 2 L32
11
;U13 a13 5 33
; L32U13 L32U 23 U 33 a33
; L21U12 U 22 a22
2 1 16
1
2 U 22 5 5 U 33 9
7 7 3 7
33 25
U 22 U 33
7 3
Sehingga didapatkan matrik LU:
1 0 0 7 2 5
18
y 40
1 33 16
L 1 0 U 0
7 7 7
2 26
1 25
1 0 0
7 3 3
%
clc
clear
clc
%
A=[7 2 -5;1 5 -3;2 -1 -9]
%
[m,n]=size(A);
if m~=n
disp('Matrix Harus Bujursangkar')
beep
break
end
U=zeros(m);
L=zeros(m);
for j=1:m
L(j,j)=1;
end
for j=1:m
U(1,j)=A(1,j);
end
for i=2:m
for j=1:m
for k=1:i-1
s1=0;
if k==1
s1=0;
else
for p=1:k-1
s1=s1+L(i,p)*U(p,k);
end
end
L(i,k)=(A(i,k)-s1)/U(k,k);
end
for k=i:m
s2=0
for p=1:i-1
s2=s2+L(i,p)*U(p,k);
end
U(i,k)=A(i,k)-s2;
end
end
end
disp('Matrik Dekomposisi')
A
disp('Matrik Segitiga Bawah')
L
disp('Matrik Segitiga Atas')
U
A=
7 2 -5
1 5 -3
2 -1 -9
s2 =
s2 =
s2 =
s2 =
s2 =
s2 =
s2 =
0
s2 =
s2 =
Matrik Dekomposisi
A=
7 2 -5
1 5 -3
2 -1 -9
L=
1.0000 0 0
0.1429 1.0000 0
U=
0 4.7143 -2.2857
0 0 -8.3333
>>
Dimana diketahui persamaan bahwa : L y y
1 0 0
y1 18
1 1 0 y2 40
7
2 y3 26
1
1
7 3
y1 18
2 1
1 y1 y2 y3 26
y1 y2 40 7 3
7 36 262
1 - y3 26
18 y2 40 7 21
7 176
262 y3
y2 21
7
7 2 5 18
x1
0 33
16
x2
262
7 7 7
x3
25 176
0 0
3 21
25 176
x3
3 21
x3 1.0057
7 x1 2 x2 5 x3 18
23 16 262
x2 x3 7x1 18 2(10.6917) 5(1.0057)
7 7 7
x1 4,9078
23 16.0914 262
x2
7 7 7
x2 10.6917
3x1 6 x2 2 x3 15
2 x1 5 x2 x3 7
4 x1 5 x2 3x3 16
. A
LU
1 0 0 U11 U12 U13 3 6 2
L 1 0 . 0 U 22 U 23 2 5 1
21
L31 L32 1 0 0 U 33 4 5 3
U11 3
U12 6
U13 2
L21.U11 2 L31.U11 4
L21 = 2/3 L31 = -4/3
L21.U12 U 22 5 L31.U12 L32U 22 5
(2 / 3).(6) U 22 5 (4 / 3).(2) L32 (1) 5
U 22 = -1 L32 = 3
L21.U13 U 23 1 L31.U13 L32U 23 U 33 3
(2 / 3).(2) U 23 1 (4 / 3).(2) 3(1/ 3) U 33 3
U 23 = -1/3 U 33 = 2/3
1 0 0 3 6 2
3 6 2
1 0 . 0 1 2 5 1
2 1
3 3
4 4 5 3
2
3 1 0 0
3 3
1 0 0
y1 15
1 0 y2 7
2
3
4 y3 16
3 1
3
2
y1 y2 7
3
2
y1 15 15 y2 7
3
y 2 3
4
y1 3 y2 y3 16
3
2
15 3(3) y3 16
3
y3 45
y1 15
y 2 3
y3 45
2 3
x 45
0 0
3
3 x1 6 x2 2 x3 15
1
x2 x3 3
3
2
x3 45
3
135
x3
2
1 135
x2 3
3 2
117
x2
6
117 135
3x1 6 2 15
6 2
x1 11
x1 11
117
x2
6
135
x3
2
3.Metode Cholensky
j 1
l jj a jj l 2jk
k 1
j 1
aij l ik l jk
lij k 1
; untuk i j
l jj
6 15 55
A 15 55 225
55 225 979
5 x1 2 x2 7 x3 22
2 x1 9 x2 3x3 15
x1 6 x2 8 x3 4
A L.LT
L11 xL21 2
2
L21 0,89
2, 236
L11 xL31 1
1
L31 0, 447
2, 236
1,9935 X 3 2, 0064
2, 0064
X3
1,9935
1, 0067
1,9935 y3 4
4
y3
1,9935
2, 0064
2,864 y2 1,95 y3 15
2,864 y2 1,95(2, 0064) 15
2,864 y2 15 3,913
18,913
y2
2,864
y2 6, 6035
LT . X Y
2, 236 0,89 3,13 X 1 4, 4026
0 2,864 1,956 X 2 6, 6035
0 0 1,994 X 3 2, 0064
1,9935 X 3 2, 0064
2, 0064
X3
1,9935
1, 0067
Jadi, nilai
x1 , x2 danx3 yaitu :
X 1 0, 084
X 2 1, 6183
X 3 1, 0067
PENCOCOKAN KURVA
1. Regresi Linier
- Berikut adalah data Biaya Promosi dan Volume Penjualan PT BIMOIL
perusahaan Minyak Goreng
Tahun x y xy x² y²
Biaya Volume
Promosi Penjualan
(Juta (Ratusan Juta
Rupiah) Liter)
1992 2 5 10 4 25
1993 4 6 24 16 36
1994 5 8 40 25 64
1995 7 10 70 49 100
1996 8 11 88 64 121
Σ Σx = 26 Σy = 40 Σxy = 232 Σx² =158 Σy² = 346
n xi yi xi yi
b
x x
2 2
i i
b
5 232 26 40 1160 1040
5 158 262 790 676
120
1, 053
114
a
y i
b
x i
n n
40 26
a 1, 053 8 1, 053 5, 2 8 5, 4756 2,5244
5 5
Y = a + b x → Y = 2.5244 + 1.053 x
50 40
51 46
52 44
53 55
54 49
Persamaaan Regresi : f ( x) ax b
n x. y x. y
Dimana b
n x2 y 2
y b x
a
n
No X Y x.y x2 y2
n x. y x. y
b
n x2 y 2
5(12195) (260).(234)
b
5(13530) (260)
b 2, 7
y b x
a
n
234 2, 7 x 260
a 93, 6
5
Maka dari persamaan didapatkan persamaan regresi yaitu:
f ( x) 93, 6 x 2, 7
2. Regresi Polinomial
rupiah/unit).
x1 x2 y x1 x2 x1y x2y x1² x2² y²
2 3 4 6 8 12 4 9 16
3 4 5 12 15 20 9 16 25
5 6 8 30 40 48 25 36 64
6 8 10 48 60 80 36 64 100
7 9 11 63 77 99 49 81 121
8 10 12 80 96 120 64 100 144
xΣ xΣ2 yΣ xxΣ12 xyΣ1 xyΣ2 xΣ12 xΣ22 yΣ2
1 = =50 =239 = = = = =
=3 40 296 379 187 306 470
1
x 31 x 40 y 50
1 2
360 b 2 = 270
b 2 = 0.75
Dapatkan Nilai (b1) dan nilai (a) dengan melakukan substitusi, sehingga:
6a + 31(0.50) + 40 (0.75) = 50
6a + 15.5 + 30 = 50
6a =4.5
a = 0.75
Sehingga Persamaan Regresi Berganda:
a + b1 X1 + b2 X2 dapat ditulis sebagai 0.75 + 0.50 X1 + 0.75X2
Jadi
a 3,9186
b1 2, 4909
b2 0, 466
1. Interpolasi Linier
Interpolasi linear adalah interpolasi dua buah titik dengan sebuah garis
lurus. Misalkan dua buah titik, ( , ) 0 0 x y dan ( , ) 1 1 x y . Polinom yang
menginterpolasi kedua titik itu adalah persamaan garis lurus.
SOAL
SUMBER: http://saifoemk.lecture.ub.ac.id/files/2012/08/Metnum4-
Pencocokan-Kurva-Interpolasi.pdf
Diketahui :
x0 7.8 y0 2.0541
x1 8.6 y1 2.1517
x 8.0
y1 y0 x x
p1 ( x) y0 0
x1 x0
t0 x0 25 v0 y0 30
t0 x1 50 v1 y1 15
P1 ( x) a0 a1 x
x1 y0 x0 y1 y1 y0
a0 a1
x1 x0 x1 x0
(50.30)-(25.15) (15 - 30)
= =
50-25 50 - 25
1500-375 = - 0,6
= 45
25
P1 ( x) a0 a1 x
= 45 + (-0,6)(75)
=0
.Interpolasi Kuadratik
SOAL
SUMBER: http://syaifulhamzah.files.wordpress.com/2012/12/soal-latihan-
persiapan-uas-metode-numerik.pdf
x0 5 y0 8
x1 3 y1 5
x2 2 y2 4
P2 ( x) a0 a1 x a2 x 2
y0 a0 a1 x0 a2 x0 2
8 = a0 5a1 25a2 .................1)
y1 a0 a1 x1 a2 x12
5= a0 3a1 9a2 ..................2)
y2 a0 a1 x2 a2 x2 2
4= a0 2a1 4a2 ..................3)
2a1 16a2 = 3 .................4)
3a1 21a2 = 4 .................5)
Eliminasi pers (4) dan Pers (5)
2a1 16a2 = 3
1
2a1 16( )= 3
6
2
2a1
6
1
a1
6
a0 2a1 4a2 = 4
1 1
a0 2( ) 4 = 4
6 6
11
a0
3
P2 ( x) a0 a1 x a2 x 2
11 1 1
x x2
3 6 6
P2 (8) a0 a1 x a2 x 2
11 1 1
(8) (64)
3 6 6
47
=
3
47
Jadi interpolasi yangterjadi pada saat x = 8 adalah
3
Dari data ln(5.7)=1.7404, ln(6.7)=1.9021, dan ln(7.7)=2.0412. Tentukan nilai
-
ln(8.7) dengan menggunakan metode interpolasi kuadratik.
Diketahui :
x0 5.7 y0 1.7404
x1 6.7 y1 1.9021
x2 7.7 y2 2.0412
a0 a1 x0 a2 x0 2 y0
a0 a1 x1 a2 x12 y1
a0 a1 x2 a2 x2 2 y2
3.Interpolasi Polinom
SOAL
SUMBER: http://syaifulhamzah.files.wordpress.com/2012/12/soal-latihan-
persiapan-uas-metode-numerik.pdf
1,7917595 0
f1(2) = 0 + (2 1) = 0,3583519.
6 1
0,69314718 0,35835190
Besar kesalahan adalah: Et = 100 % = 48,3
0,69314718
%.
1,3862944 0
f1(2) = 0 + (2 1) = 0,46209813.
4 1
0, 69314718 0,46209813
Besar kesalahan adalah: 100 % = 33,3 %.
0, 69314718
- Diberikan empat buah titik data yaitu ln(1.5)= 0.4054, ln(2)= 0.6931,
ln(4)= 1.3862, ln(5)= 1.6094. Tentukan nilai ln(5.5) menggunakan
metode interpolasi kubik.
Diketahui :
x0 1.5 y0 0.4054
x1 2 y1 0.6931
x2 4 y2 1.3862
x3 5 y3 1.6094
a0 a1 x0 a2 x0 2 a3 x03 y0
a0 a1 x1 a2 x12 a3 x13 y1
a0 a1 x2 a2 x2 2 a3 x23 y2
a0 a1 x3 a2 x32 a3 x33 y3
a0 1.5a1 2.25a2 3.375a3 0.4054
a0 2a1 4a2 8a3 0.6931
a0 4a1 16a2 64a3 1.3862
a0 5a1 25a2 125a3 1.6094
INTEGRASI NUMERIK
1. Aturan Trapesium
Polinom interpolasi Newton-Gregory derajat 1 yang melalui kedua buah titik itu
adalah
Kaidah trapesium untuk integrasi dalam selang [0, h] kita perluas untuk
menghitung
SOAL
- Diketahui f(x) = x+1. Carilah integrasinya dengan batas bawah = 0, batas atas
= 5 serta 5 sub-interval, menggunakan metode trapesium. Tentukan error dengan
membandingkan secara analitik .
Penyelesaian : (oleh Diva Septian Jones)
h = (5-0)/5=1
= [1+2(2)+2(3)+2(4)+2(5)+6]/2=35/2=17,5
secara analitik:
2. Aturan Simpson
Hampiran nilai integras yang lebih baik dapat ditingkatkan dengan mengunakan
polinom interpolasi berderajat yang lebih tinggi.
Misalkan fungsi f(x) dihampiri dengan polinom interpolasi derajat 2 yang
grafiknya berbentuk parabola. Luas daerah yang dihitung sebagai hampiran nilai
integrasi adalah daerah di bawah parabola. Untuk itu, dibutuhkan 3 buah titik
data, misalkan (0, f(0)), (h, f(h)), dan (2h, f(2h)).
Polinom interpolasi Newton-Gregory derajat 2 yang melalui ketiga buah titik
tersebut adalah
Dan
maka, selanjutnya
Kidah Simpson 1/3 gabungan:
Penggunaan kaidah 1/3 Simpson mensyaratkan jumlah upaselang (n) harus genap.
Ini berbeda dengan kaidah trapesium yang tidak mempunyaipersyaratan mengenai
jumlah selang.
Jadi, kaidah Simpson 1/3 gabungan ditambah dengan galatnya dapat dinyatakan
sebagai,
-
SOAL
- Hitunglah volume sebuah benda putar, pada contoh 4.3 menggunakan
perluasanaturan Simpson 1/3 dengan N=2,4,8,16,32,64. Nilai benar
adalah I=11,7286.
-
Penyelesaian : (oleh Diva Septian Jones)
Jadi,
1.Integrasi Romberg
Metode ini digunakan untuk memperbaiki hasil pendekatan integrasi
metode trapesium, karena kesalahan metode trapesium “cukup” besar
untuk polinom pangkat tinggi dan fungsi transeden. Caranya, hitung
integral tertentu dengan metode trapesium untuk sejumlah nilai h yang
berbeda. Misalkan hasilnya I(h), I(½h), I(¼h), dan I(⅛h); cantumkan
pada kolom pertama tabel.Untuk kolom kedua, hitunglah I(h, ½h),
I(½h, ¼h), I( ¼h, ⅛h) dengan formula :
Untuk n=2, diperoleh h=2, dan dengan metode trapesium diperoleh hasil = 320
Untuk n=4, diperoleh h=1, dan dengan metode trapesium diperoleh hasil = 272
Untuk n=8, diperoleh h=0,5, dan dengan metode trapesium diperoleh hasil = 260.
kolom kedua :
kolom ketiga :
melalui transformasi :
ditransformasikan dengan
Menjadi :
Sehingga
Jadi,
-Kuadratur Gauss 2 titik menghasilkan nilai 0,8907.
-Kuadratur Gauss 3 titik menghasilkan nilai 0,8906
SUMBER TEORI DAN SOAL
http://lecturer.eepis-its.edu.
http://saifoemk.lecture.ub.ac.id/files/2012/08/Metnum4-Pencocokan-Kurva-
Interpolasi.pdf
http://saifoemk.lecture.ub.ac.id/files/2012/08/Metnum4-Pencocokan-Kurva-
Regresi.pdf
http://saifoemk.lecture.ub.ac.id/files/2012/08/Metnum5-Integral-Numerik.pdf
http://marzukisilalahi.blog.esaunggul.ac.id/files/2012/04/Pertemuan-
11_Integrasi-Numerik.pdf
http://ivanky.files.wordpress.com/2013/02/scientific_software_modul5.pdf
http://asimtot.files.wordpress.com/2010/06/sistem-persamaan-aljabar-linear-
metode-gauss-jordan.pdf
http://syaifulhamzah.files.wordpress.com/2012/12/soal-latihan-persiapan-
uas-metode-numerik.pdf
http://teoriMENUM/Saifoe%20%20Manajemen%20Konstruksi%20»%20M
etode%20Numerik.htm
http://teoriMENUM/Metode%20BagiDua%20(Bisection%20Method)%20_
%20Math%20IS%20Beautiful.htm