Metode Numerik

BAB I
METODE NUMERIK SECARA UMUM
1.1 Pengertian Metode Numerik
Metode numerik merupakan teknik untuk menyelesaikan masalah matematika
dengan pengoperasian aritmatika (hitungan), metode penyelesaian model matematika
dengan rumus – rumus aljabar yang sudah baku atau lazim.
Contoh ilustrasi :
1. Tentukan akar-akar persamaan polinom :
14𝑥 5 + 5𝑥 4 + 2𝑥 3 − 𝑥 2 − 𝑥 − 12 = 0
2. Tentukan harga 𝑥 yang memenuhi persamaan:
1 (120𝑥 2 + √2𝑥)
√27,8𝑒 5𝑥 − = cos −1
𝑥 17𝑥 − 65
 Soal (1) tidak terdapat rumus aljabar untuk menghitung akar polinom.
 Sousi untuk (1) memanipulasi polinom, misalnya memfaktorkan (atau
menguraikan ) polinom menjadi perkalian beberapa suku.
 Kendala : semakin tinggi derajat polinom, semakin sukar memfaktorkannya.
 Soal (2) masih sejenis dengan soal (1) yaitu menentukan nilai 𝑥 yang memenuhi
kedua persamaan.
1.2 Alasam Mempelajari Metode Numerik
Beberapa alasan mengapa kita harus mempelajari metode numerik :
Metode Numerik Page 1

1. Metode numerik merupakan alat bantu pemecahan masalah matematika yang
sangat ampuh. Metode numerik mampu menangani sistem
persamaan besar, ketidaklinearan, dan geometri yang rumit yang
dalam praktek rekayasa seringkali tidak mungkin dipecahkan
secara analitik.
2. Metode numerik menyediakan sarana untuk memperkuat kembali
pemahamanmatematika, karena metode numerik ditemukan
dengan cara menyederhanakanmatematika yang lebih tinggi
menjadi operasi matematika yang mendasar.
3. Menyediakan sarana memperkuat pengetahuan matematika,
karena salah satu kegunaannya adalah menyederhanakan
matematika yang lebih tinggi menjadi operasi – operasi
matematika yang mendasar.
1.3 Tahap Pemecahan Secara numeris :
1. Pemodelan
2. Penyederhanaan model
3. Formulasi Numerik
a. Menentukan metoe numeric yang akan dipakai, bersama
dengan analisis error awal.
b. Pertimbangan pemilihan metode
1) Apakah metode tersebut teliti ?

2) Apakah metode mudah diprogram, dan waktu
pelaksanaannya cepat ?
3) Apakah metode tersebut peka terhadap ukuran data ?
c. Menyusun algoritma dari metode numeric yang dipilih
4. Pemrograman
5. Operasional -> pengujian program dengan data uji
6. Evaluasi -> intepretasi output, penaksiran kualitas
solusi numeric, pengambilan keputusan untuk menjelaskan
program guna memperoleh hasil yang lebih baik.
1.4 Langkah-langkah Penyelesaian persoalan numerik :
1.1 Identifikasi masalah
1.2 Memodelkan masalah ini secara matemais
1.3 Identifikasi metode numerik yang diperlukan untuk menyelesaikannya
1.4 Analisis hasil akhir : implementasi, metode, model dan masalah
1.5 Jenis-jenis persoalan matematika yang akan diselesaikan secara
numerik dalam naskah ini:
1. Pencarian akar-akar persamaan tak linear.
2. Metode iteratif untuk penyelesaian sistem persamaan linear
3. Interpolasi linear, kuadrat, Newton, dan spline.
4. Regresi kuadrat terkecil.

5. Diferensiasi numerik.
6. Persamaan diferensial biasa.
7. Integrasi numerik.
BAB II

DERET TAYLOR DAN ANALISIS GALAT
2.1 Deret Taylor dan Deret MaclLaurin
Deret Taylor
Rumus :
(𝑥 − 𝑥0 ) ′ (𝑥 − 𝑥0 )2 ′′ (𝑥 − 𝑥0 )𝑚 𝑚
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 (𝑥0 ) + 𝑓 (𝑥0 ) + … + 𝑓 (𝑥0 ) + …
1! 2! 𝑚!
(𝒙𝟎 ) = 𝟏
Pada deret Taylor ini mempunyai panjang deret yang tak berhingga
sehingga untuk mempermudahkan penulisan suku-suku selanjutnya
kita menggunakan tanda elipsis (...).
contoh 1 :
Hampiri fungsi 𝑓(𝑥) = 𝑠𝑖𝑛 (𝑥) ke dalam deret Taylor di sekitar 𝑥0 = 1.
Penyelesaian :
Tahap 1 :
Menentukan turunan 𝑠𝑖𝑛 (𝑥) terlebih dahulu sebagai berikut :
𝑓(𝑥) = sin 𝑥
𝑓′(𝑥) = cos 𝑥
𝑓′′(𝑥) = −sin 𝑥
𝑓′′′(𝑥) = −cos 𝑥
𝑓 4 (𝑥) = sin 𝑥
Dan seterusnya.
Tahap 2 :
Subtitusikan 𝑠𝑖𝑛 (𝑥) beserta turunannya ke persamaan deret taylor
dibawah ini:

(𝑥 − 𝑥0 ) ′ (𝑥 − 𝑥0 )2 ′′ (𝑥 − 𝑥0 )𝑚 𝑚
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 (𝑥0 ) + 𝑓 (𝑥0 ) + … + 𝑓 (𝑥0 ) + …
1! 2! 𝑚!
Maka akan menghasilkan :
(𝑥 − 𝑥0 ) (𝑥 − 𝑥0 )2
𝑆𝑖𝑛 (𝑥) = 𝑠𝑖𝑛 (𝑥0 ) + 𝑐𝑜𝑠 (𝑥0 ) + (−𝑠𝑖𝑛 (𝑥0 ))
1! 2!
(𝑥 − 𝑥0 )3 (𝑥 − 𝑥0 )4
+ (−𝑐𝑜𝑠 (𝑥0 )) + 𝑠𝑖𝑛 (𝑥0 ) + …
3! 4!
Tahap 3 :
Karena pada deret taylor 𝑥0 = 1, maka subtitusi 𝑥0 menjadi 1:
(𝑥 − 1) (𝑥 − 1)2 (𝑥 − 1)3
𝑆𝑖𝑛 (𝑥) = 𝑠𝑖𝑛 (1) + 𝑐𝑜𝑠 (1) + (−𝑠𝑖𝑛 (1)) + (−𝑐𝑜𝑠 (1))
1! 2! 3!
(𝑥 − 𝑥0 )4
+ 𝑠𝑖𝑛 (1) + …
4!
Pada suku-suku deret taylor tidak berhingga banyaknya, maka untuk
alasan praktis deret Taylor dipotong sampai suku orde tertentu.
contoh 2 :
Tentukan deret Taylor 𝑓(𝑥) = 𝑐𝑜𝑠 (𝑥) ke dalam deret Taylor di sekitar
𝑥0 = 1 untuk 𝑓(𝑥) hingga suku orde 3.
Penyelesaian :
Tahap 1 :
Menentukan turunan 𝑐𝑜𝑠 (𝑥) terlebih dahulu sebagai berikut :
𝑓(𝑥) = 𝑐𝑜𝑠 𝑥
𝑓′(𝑥) = −sin 𝑥
𝑓"(𝑥) = −cos 𝑥
𝑓"′(𝑥) = sin 𝑥
Tahap 2 :
Subtitusikan 𝑐𝑜𝑠 (𝑥) bersama dengan turunan 𝑐𝑜𝑠 (𝑥) ke persamaan
deret taylor dibawah ini:

(𝑥 − 𝑥0 ) ′ (𝑥 − 𝑥0 )2 ′′
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 (𝑥0 ) + 𝑓 (𝑥0 ) + …
1! 2!
𝑚
(𝑥 − 𝑥0 ) 𝑚
+ 𝑓 (𝑥0 ) + …
𝑚!
(𝑥 − 𝑥0 ) (𝑥 − 𝑥0 )2
𝐶𝑜𝑠 (𝑥) = 𝑐𝑜𝑠 (𝑥0 ) + (−𝑠𝑖𝑛 (𝑥0 )) + (−𝑐𝑜𝑠 (𝑥0 ))
1! 2!
(𝑥 − 𝑥0 ) 3
+ 𝑠𝑖𝑛 (𝑥0 )
3!
Karena pada deret taylor 𝑥0 = 1, maka subtitusi 𝑥0 menjadi 1:
(𝑥 − 1) (𝑥 − 1)2
𝐶𝑜𝑠 (𝑥) = 𝑐𝑜𝑠 (1) + (−𝑠𝑖𝑛 (1)) + (−𝑐𝑜𝑠 (1))
1! 2!
(𝑥 − 1) 3
+ 𝑠𝑖𝑛 (1)
3!
Deret MacLaurin
Rumus :
(𝑥 − 𝑥0 ) ′ (𝑥 − 𝑥0 )2 ′′
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 (𝑥0 ) + 𝑓 (𝑥0 ) + …
1! 2!
(𝑥 − 𝑥0 )𝑚 𝑚
+ 𝑓 (𝑥0 ) + …
𝑚!
(𝒙𝟎 ) = 𝟎
Pada deret MacLaurin ini juga mempunyai panjang deret yang tak
berhingga sehingga untuk mempermudahkan penulisan suku-suku
selanjutnya kita menggunakan tanda elipsis (...).
Contoh 3 :
Tentukan deret MacLaurin untuk 𝑠𝑖𝑛 𝑥.
Penyelesaian :
Tahap 1 :
Menentukan turunan 𝑠𝑖𝑛 (𝑥) terlebih dahulu sebagai berikut :

𝑓(𝑥) = sin 𝑥 𝑓(0) = sin 0 0
𝑓 ′(𝑥) = cos 𝑥 𝑓 ′ (0) = cos 0
1
𝑓 ′′(𝑥) = − sin 𝑥 𝑓′′(0) = −sin 0
𝑓 ′′′(𝑥) = − cos 𝑥 𝑓′′′(0) = −cos 0 0
4 (0)
𝑓 4 (𝑥)
= sin 𝑥 𝑓 = sin 0
-1
. .
0
. .
Tahap 2 :
Subtitusikan 𝑠𝑖𝑛 (𝑥) bersama dengan turunan 𝑠𝑖𝑛 (𝑥) ke persamaan
dibawah ini:
(𝑥 − 𝑥0 ) ′ (𝑥 − 𝑥0 )2 ′′
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 (𝑥0 ) + 𝑓 (𝑥0 ) + …
1! 2!
(𝑥 − 𝑥0 )𝑚 𝑚
+ 𝑓 (𝑥0 ) + …
𝑚!
(𝑥 − 𝑥0 ) (𝑥 − 𝑥0 )2
𝑆𝑖𝑛 (𝑥) = 𝑠𝑖𝑛 (𝑥0 ) + 𝑐𝑜𝑠 (𝑥0 ) + (−𝑠𝑖𝑛 (𝑥0 ))
1! 2!
(𝑥 − 𝑥0 )3 (𝑥 − 𝑥0 )4
+ (−𝑐𝑜𝑠 (𝑥0 )) + 𝑠𝑖𝑛 (𝑥0 ) + …
3! 4!
Tahap 3 :
Karena pada deret MacLaurin 𝑥0 = 0, maka subtitusi 𝑥0 menjadi 0:
(𝑥 − 0) (𝑥 − 0)2
𝑆𝑖𝑛 (𝑥) = 𝑠𝑖𝑛 (0) + 𝑐𝑜𝑠 (0) + (−𝑠𝑖𝑛 (0))
1! 2!
(𝑥 − 0)3 (𝑥 − 0)4
+ (−𝑐𝑜𝑠 (0)) + 𝑠𝑖𝑛 (0) + …
3! 4!
Tahap 4 :
Operasikan deret di bawah ini :
(𝑥) (𝑥)2 (𝑥)3 (𝑥)4

𝑆𝑖𝑛 (𝑥) = 0 + 1+ 0+ (−1) + 0+ …
1! 2! 3! 4!

Hasil akhir :
𝑥3
sin 𝑥 = 𝑥 −
3!
Pada suku-suku deret MacLaurin tidak berhingga banyaknya, maka
untuk alasan praktis deret MacLaurin dipotong sampai suku orde
tertentu.
Cotoh 4 :
Tentukan deret MacLaurin untuk 𝑓(𝑥) hingga suku orde 3 dari 𝑓(𝑥) =
tan 𝑥
Penyelesaian :
Tahap 1 :
Menentukan turunan 𝑡𝑎𝑛 (𝑥) terlebih dahulu sebagai berikut :
𝑓(𝑥) = tan 𝑥
1
𝑓 ′(𝑥) =
𝑐𝑜𝑠 2 𝑥
2 sin 𝑥
𝑓′′(𝑥) =
𝑐𝑜𝑠 2 𝑥
2 2𝑠𝑖𝑛2 𝑥
𝑓 ′′′(𝑥) = +
𝑐𝑜𝑠 4 𝑥 𝑐𝑜𝑠 4 𝑥
Tahap 2 :
Subtitusikan tan (𝑥) beserta turunannya ke persamaan dibawah ini:
(𝑥 − 𝑥0 ) ′ (𝑥 − 𝑥0 )2 ′′
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 (𝑥0 ) + 𝑓 (𝑥0 ) + …
1! 2!
(𝑥 − 𝑥0 )𝑚 𝑚
+ 𝑓 (𝑥0 ) + …
𝑚!

(𝑥 − 𝑥0 ) 1 (𝑥 − 𝑥0 )2 2 sin 𝑥
𝑡𝑎𝑛(𝑥) = 𝑡𝑎𝑛(𝑥0 ) + (𝑥 ) + + …
1! 𝑐𝑜𝑠 2 𝑥 0 2! 𝑐𝑜𝑠 2 𝑥
(𝑥 − 𝑥0 )𝑚 2 2𝑠𝑖𝑛2 𝑥
+ + + …
𝑚! 𝑐𝑜𝑠 4 𝑥 𝑐𝑜𝑠 4 𝑥
Tahap 3 :
Karena pada deret MacLaurin 𝑥0 = 0, maka subtitusi 𝑥0 menjadi 0:
(𝑥 − 0) (𝑥 − 0)2 (𝑥 − 0)3
𝑡𝑎𝑛(𝑥) = 0 + 1+ 0 + …+ 2
1! 2! 3!
Tahap 4 :
Operasikan deret di bawah ini :
𝑥 2𝑥
𝑆𝑖𝑛 (𝑥) = +
1! 3!
Hasil akhir :
2𝑥 3
sin 𝑥 = 𝑥 +
6
𝑥3
sin 𝑥 = 𝑥 +
3
Deret MacLaurin yang Penting.
1
1. = 1 + 𝑥 + 𝑥2 + 𝑥3 + 𝑥4 + …
1−𝑥
𝑥2 𝑥3 𝑥4 𝑥5
2. ln(1 + 𝑥) = 𝑥 − + + + + …
2 3 4 5
𝑥3 𝑥5 𝑥7 𝑥9
3. 𝑡𝑎𝑛−1𝑥 = 𝑥 − + − + − …
3 5 7 9
𝑥2 𝑥3 𝑥4
4. 𝑥
𝑒 =1+𝑥+ + + + …
2! 3! 4!
𝑥3 𝑥5 𝑥7 𝑥9
5. sin 𝑥 = 𝑥 − + – + − …
3! 5! 7! 9!
𝑥2 𝑥4 𝑥6 𝑥8
6. cos 𝑥 = 1 − + − + − …
2! 4! 6! 8!
𝑥3 𝑥5 𝑥7 𝑥9
7. sinh 𝑥 = 𝑥 + + + + + …
3 5 7 9
𝑥2 𝑥4 𝑥6 𝑥8
8. cosh 𝑥 = 1 + + + + + …
2! 4! 6! 8!
9. (1 + 𝑥)2 = 1 + (𝑝1)𝑥 + (𝑝2)𝑥 2 + (𝑝3)𝑥 3 + (𝑝4) 𝑥 4 + …
Deret Taylor dan Deret MacLaurent mempunyai rumus deret

yang sama yaitu :
(𝑥 − 𝑥0 ) ′ (𝑥 − 𝑥0 )2 ′′
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 (𝑥0 ) + 𝑓 (𝑥0 ) + …
Metode Numerik 1! 2! Page 10
𝑚
(𝑥 − 𝑥0 ) 𝑚
+ 𝑓 (𝑥0 ) + …
𝑚!
Hanya saja berbeda pada nilai 𝑥0 , yaitu :
2.2 Aalisis Galat
Menganalisis galat sangat penting di dalam perhitungan yang
menggunakan metode numerik. Galat berasosiasi dengan seberapa
dekat solusi hampiran terhadap solusi sejatinya. Semakin kecil galatnya,
semakin teliti solusi numerik yang didapatkan.
𝑁𝑖𝑙𝑎𝑖 𝑠𝑒𝑗𝑎𝑡𝑖 ( 𝑡𝑟𝑢𝑒 𝑣𝑎𝑙𝑢𝑒 ) = 𝐻𝑎𝑚𝑝𝑖𝑟𝑎𝑛 (𝑎𝑝𝑟𝑜𝑘𝑠𝑖𝑚𝑎𝑠𝑖) + 𝐺𝑎𝑙𝑎𝑡


Misalkan a adalah nilai hampiran terhadap nilai sejatinya a , maka
selisih

  aa
 disebut Galat. Jika tanda Galat ( positif atau negatif ) tidak
dipertimbangkan , maka Galat mutlak

  aa
2.3
Galat Relatif didefinisikan sebagai

R 
a
Atau dalam persentase

R  x100%
a
Karena galat dinormalkan terhadap nilai sejati, maka galat relatif
2.4 tersebut dinamakan juga galat relatif sejati. Dengan demikian,
pengukuran panjang kawat mempunyai galat relatif sejati = 1/100 =
0.01, sedangkan pengukuran panjang pensil mempunyai galat relatif
sejati = 1/10 = 0.1.

 RA  
a
Proses ini dilakukan secara berulang , atau secara iterasi dengan
maksud secara beruntun menghitung aproksimasi yang lebih dan lebih
baik. Jadi, persen galat relatif :
aproksimas i sekarang - aproksimas i sebelumnya

a  100%
aproksimas i sekarang
Komputasi diulang sampai a  s

Pada perhitungan numerik yang menggunakan pendekatan lelaran
(iteration), eRA dihitung dengan cara

𝑎𝑟+1 − 𝑎𝑟
𝜀𝑅𝐴 =
𝑎𝑟+1

yang dalam hal ini ar+1 adalah nila i hampiran lelaran sekarang dan ar
adalah nilai
hampiran lelaran sebelumnya. Proses lelaran dihentikan bila
| 𝜀𝑅𝐴 | < 𝜀𝑆
yang dalam hal ini 𝜀𝑆 adalah toleransi galat yang dispesifikasikan. Nilai
𝜀𝑆 menentukan ketelitian solusi numerik. Semakin kecil nilai 𝜀𝑆 , semakin
teliti solusinya, namun semakin banyak proses lelarannya.
Contoh :
1. Misalkan nilai sejati = 10/3 dan nilai hampiran = 3.333. Hitunglah
galat, galat mutlak, galat relative, dan galat relatif hampiran.
Penyelesaian :
Galat = 10/3 – 3.333 = 10/3 – 3333/1000 = 1/3000 = 0.000333…
Galat mutlak = | 10.000333…| = 0.000333…
Galat Relatif = (1/3000)(10/3) = 1/1000 = 0.0001
Galat Relatif Hampiran = (1/3000) / 3.333 = 1/9999
2. Misalkan ada prosedur leleran sebagai berikut
−𝑥𝑟3 + 3
𝑥𝑟+1 = , 𝑟 = 0, 1, 2, 3, …
6
Leleran dihentikan bila kondisi | 𝜀𝑅𝐴 | < 𝜀𝑆 dalam hal ini 𝜀𝑆 adalah
toleransi galat yang diinginkan. Misalkan dengan memberikan
𝑥0 = 0.5, dan 𝜀𝑆 = 0.00001 kita memperoleh runtutan.
𝑥0 = 0.5

( 𝑥1 − 𝑥0 )
𝑥1 = 0.4791667 ; | 𝜀𝑅𝐴 = | = 0.043478 > 𝜀𝑆
𝑥1
( 𝑥2 − 𝑥1 )
𝑥2 = 0.4791667 ; | 𝜀𝑅𝐴 = | = 0.0051843 > 𝜀𝑆
𝑥2
( 𝑥3 − 𝑥2 )
𝑥3 = 0.4813757 ; | 𝜀𝑅𝐴 = | = 0.0005984 > 𝜀𝑆
3
( 𝑥4 − 𝑥3 )
𝑥4 = 0.4814091 ; | 𝜀𝑅𝐴 = | = 0.0000693 > 𝜀𝑆
𝑥4
( 𝑥5 − 𝑥4 )
𝑥5 = 0.4791667 ; | 𝜀𝑅𝐴 = | = 0.0000081 > 𝜀𝑆 ,
𝑥5
Berhenti !
Pada leleran ke-5, | 𝜀𝑅𝐴 | < 𝜀𝑆 sudah terpenuhi sehingga leleran
dapat dihentikan.
3. Hasil pengukuran jari-jari suatu bola adalah: r = (4,50  0,45) m
Keterangan : 𝜀 = 0,45 𝑑𝑎𝑛 𝑎 = 4,50
Hitung galat maksimum dari:
a. Luas permukaan bola
b. Volume bola
Penyelesaian :
a. Luas permukaan bola ( 𝑆 = 4p 𝑟 2 )
Galat relatif luas permukaan bola: 𝜀𝑟 (𝑆) = 2 𝜀𝑟

𝜀
=2 =
𝑎
0,45
2
4,50
= 0,2
Galat mutlak luas permukaan bola:
𝜀𝑠 = 𝑆 𝜀𝑟 (𝑆) = 4𝜋𝑟 2 . 2𝜀𝑟

= 4 (3,14)(4,50)2 (0,2)

= 50,868
𝑆 = (254,340 ± 50,868) 𝑚2
4
𝑉𝑜𝑙𝑢𝑚𝑒 𝑏𝑜𝑙𝑎 ∶ 𝑉 = p 𝑟3
3
Galat relatif volume bola: 𝜀𝑟 (𝑉) = 3 ε r
0,45
= 3
4,50
= 0,3
Galat mutlak volume bola:
4
𝜀𝑉 = 𝑉. 𝜀𝑟 (𝑉) = p 𝑟 3 𝜀𝑟 (𝑉)
3
4
= (3,14)(4,50)3 (0,3)
3
= 114,453
𝑉 = (381,51 ± 114,453) 𝑚3
2.3 Sumber Utama Galat Numerik
Secara umum terdapat dua sumber utama penyebab galat dalam
perhitungan numerik
 Galat Pemotongan ( truncation error )
 Galat pembulatan ( round-off error )
Selain kedua galat ini, terdapat sumber galat lain :
1. Galat eksperimental , galat yang timbul dari data yang diberikan,
misalnya karena kesalahan pengukuran, ketidaktelitian alat ukur
dan sebagainya.

2. Galat pemrograman, Galat yang terdapat di dalam program
sering dinamakan dengan bug. Dan proses penghilangan galat
dinamakan debugging.
2.3.1 Galat Pemotongan
Galat pemotongan adalah keterbatasan komputer dalam
menyajikan bilangan riil menghasilkan galat. Akibat pembulatan
angka terjadi pada komputer yang disediakan beberapa angka
tertentu.
Misal :
5 angka, penjumlahan 9.2654 + 7.1625 hasilnya 16.4279. ini
berarti terdiri 6 angka sehingga tidak dapat disimpan dalam
komputer kita dan akan dibulatkan menjadi 16.428
Galat pemotongan mengacu pada galat yang ditimbulkan akibat
penggunaan hampiran sebagai pengganti formula eksak atau
matematika yang lebih komplek diganti lebih sederhana. Tipe
galat pemotongan bergantung pada metode komputasi yang
digunakan penghampiran sehingga kadang-kadang disebut juga
galat metode. Misalnya, tuurunan pertama fungsi 𝑓 di 𝑥1
dihampiri dengan formula

𝑓(𝑥1+𝑖 )−𝑓(𝑥𝑖 )
𝑓 ′ (𝑥1 ) =
ℎ
h adalah lebar absis (𝑥1+𝑖 ) dengan 𝑥𝑖 .

galat yang ditimbulkan dari penghampiran turunan tersebut
merupakan galat pemotongan.
Contoh :
Hampiran fungsi cos(x) dengan bantuan deret taylor di sekitar x =
0:
𝑥2 𝑥4 𝑥6 𝑥8 𝑥 10
cos 𝑥 ≈ 1 − + − + − +⋯
2! 4! 6! 8! 10!
Nilai hampiran galat pemotongan
Deret taylor fungsi cos(x) deret tersebut kita potong sampai suku
orde tertentu, misalngya sampai suku orde n = 6. Kita lihat bahwa
menghampiri cos (x) dengan deret taylor sampai suku berderajat
enam tidak memberikan hasil yang tepat. Namun kita dapat
menghampiri galat pemotongan ini dengan rumus suku sisa :
(𝑥−𝑥0 )(𝑛+1)
𝑅𝑛 (𝑥) = (𝑛+1)!
𝑓 (𝑛+1) (𝑐)
, 𝑥0 < 𝑐 < 𝑥
Pada contoh cos (x) di atas,
𝑥7
𝑅6 (𝑥) = cos(𝑐)
7!
,0 < 𝑐 < 𝑥
Nilai 𝑅𝑛 yang tepat hampir tidak pernah dapat kita peroleh,
karena kita tidak mengetahui nilai c sebenarnya terkecuali
informasi bahwa c terletak pada suatu selang tertentu.

(𝑥−𝑥0 )𝑛+1
|𝑅𝑛 (𝑥)| < 𝑚𝑎𝑥(𝑥0 <𝑐<𝑥) |𝑓 (𝑛+1) (𝑐)|.
𝑛+1!
Galat pemotongan pada deret taylor dapat dikurangi dengan
meningkatkan orde suku-sukunya, namun jumlah komputasinya
menjadi lebih banyak.
Contoh soal :
1. Gunakan deret taylor orde 4 disekitar 𝑥0 = 1 untuk
menghampiri 𝑙𝑛(0,9) dan berikan taksiran untuk galat
pemotongan maksimum yang dibuat.
Penyelesaian :
Tahap 1 :
Menentukan turunan fungsi 𝑓(𝑥) = 𝑙𝑛(𝑥) terlebih
dahulu.
𝑓(𝑥) = 𝑙𝑛(𝑥) 𝑓(1) = 0

1 𝑓′(1) = 1
𝑓′(𝑥) =
𝑥
1
𝑓"(𝑥) = 2
𝑥 𝑓"(1) = −1
2
𝑓"′(𝑥) = 3 𝑓"′(1) = 2
𝑥
−6
𝑓 (4) (𝑥) = 2
𝑥
𝑓 (4) (1) = −6
(5)
24
𝑓 (𝑥) = 5 24
𝑥 𝑓 (5) (𝑐) =
𝑐5

Deret Taylornya adalah
(𝑥 − 1)2 (𝑥 − 1)3 (𝑥 − 1)4

ln(𝑥) = (𝑥 − 1) − + − 𝑅4 (𝑥)
2 3 4
Dan
ln(0,9) =
(0,9 − 1)2 (0,9 − 1)3 (0,9 − 1)4
(0,9 − 1) − + − 𝑅4 𝑅4 (𝑥)
2 3 4
(−0,1)2 (−0,1)3 (−0,1)4
ln(0,9) = (−0,1) − + − 𝑅4 (𝑥)
2 3 4
ln(0,9) = −0.1053583 + 𝑅4 (𝑥)
Juga
24 (−0.1)5
|𝑅5 (0.9)| < 𝑚𝑎𝑥0.9<𝑐<1 | |𝑥
𝑐5 5!
Dan nilai Max |24/𝑐 5 | di dalam selang 0.9 < c < 1 adalah
pada c = 0.9 (dengan medasari pada fakta bahwa suatu
pecahan nilainya semakin membesar bilamana
penyebut dibuat lebih kecil), sehingga
24 (−0.1)5
|𝑅4 (0.9)| < 𝑚𝑎𝑥0.9<𝑐<1 | |𝑥 = 0.0000034
𝑐5 5!
Jadi ln (0.9) = 0.1053583 dengan galat pemotongan
lebih kecil dari 0.0000034.
2. Deret Taylor yang digunakan untuk menghitung integral
fungsi yang sulit diintegralkan secara analitik (bahkan,
adakalanya tidak mungkin dihitung secara analatik).

1
Hitunglah hampiran nilai ∫0 sin 𝑥 𝑑𝑥 secara numeric,

yaitu fungsi 𝑓(𝑥) = sin 𝑥 dihampiri dengan deret
MacLaurin orde 9.
Penyelesaian :
Deret Maclaurin orde 9 fungsi 𝑓(𝑥) = 𝑠𝑖𝑛 𝑥 adalah
𝑥3 𝑥5 𝑥7 𝑥9
sin 𝑥 = 𝑥 − + – + − …
3! 5! 7! 9!
Dengan demikian maka
1 1 𝑥3 𝑥5 𝑥7 𝑥9
∫0 sin 𝑥 𝑑𝑥 = ∫0 (x − + – + ) dx
3! 5! 7! 9!
13 15 17 19
= (1 − + – + )
3! 5! 7! 9!
1 1 1 1
= 1− + – + = 0.8414710097
6 120 5040 362880
2.3.2 Galat Pembulatan
Galat pembulatan adalah galat yang ditimbulkan oleh
keterbatasan computer dalam menyajikan bilangan real. Hampir
semua proses penghitungan dalam metode numeric
menggunakan bilangan real. Penyajian bilangan real yang
panjang nyata terhingga tidak bias disajikan secara tepat.
Misalnya 1/6 akan menghasilkan nilai real 0.66666666 … Digit 6
pada bilangan tersebut panjangnya tidakterbatas. Sehingga untuk
melanjutkan proses penghitungan bilangan tersebut dibulatkan
menjadi 0.6667, tergantung berapa digit angka yang dibutuhkan.
Dalam hal ini selisih antara 0.666666 … dan 0.6667 disebut galat

pembulatan.
Angka Bena
Angka bena (significant figure) adalah angka bermakna,angka
penting, atau angka yang dapat digunakan pasti .
Contohnya :
43.123 Memiliki 5 angka bena (yaitu 4, 3, 1, 2, 3)
0.1764 Memiliki 4 angka bena (yaitu 1, 7, 6, 4)
0.0000012 Memiliki 2 angka bena (yaitu 1, 2)
278.300 Memiliki 6 angka bena (yaitu 2, 7, 8, 3, 0, 0)
270.0090 Memiliki 7 angka bena (yaitu 2, 7, 0, 0, 0, 9, 0)
0.0090 Memiliki 2 angka bena (yaitu 9, 0)
Perhatikan bahwa angka 0 bisa menjadi angka bena ata bukan. Pada
contoh 0,001360, tigabuah angka nol pertama tidak berarti,
sedangkan angka 0 yang terakhir angkab berarti karen pengukuran
dilakukan sampai ketelitian ke 4 digit. Jumlah angka bena akan terlihat
dengan pasti bila bilangan riil itu ditulis dlam penulisan ilmiah
(scientific natation).

4.3123 × 101 Memiliki 5 angka bena
1.764 × 10−1
Memiliki 4 angka bena
1.2 × 10−6
3
0.2700090 × 10
9.0 × 10−3
13.60 × 102 , 0.1360 × 101 , 1.360 Memiliki 7 angka bena
× 10−3
6.02 × 1023
Memiliki 24 angka
bena(bilangan avogadro)
Memiliki 8 angka bena ( jarak
bumi-matahari)
Komputer hanya menyimpan sejumlah tertentu angka bena.
Bilangan riil yang jumlah angka benanya melebihi jumlah angka
bena computer akan disimpan dalam sejumlah angka bena
computer itu. Pengabaian angka bena sisanya itulah yang
menimbulkan galat pembulatan.
Contoh :
1. Hitunglah dengan lima angka bena nilai 𝑓(13.400) bila :
𝑓(𝑥) = 𝑥 − 1000(√𝑥 + 0.1 − √−𝑥)
Penyelesaian :

𝑓(𝑥) = 𝑥 − 1000(√𝑥 + 0.1 − √−𝑥)
𝑓(13.400) = 13.400 − 1000(√13.400 + 0.1 − √−13.400)
𝑓(13.400) = 13.400 − 13.633
−233
𝑓(13.400) =
1000
𝑓(13.400) = −0.233
2. Hitunglah hampiran nilai cos(0.2), sudut dinyatakan dalam
radian, dengan deret
Maclaurin sampai suku orde n = 6.
Penyelesaian:
Dari hasil pada Contoh 2.2,
cos(0.2) 1 - 0.22/2 + 0.24/24 - 0.26/720 = 0.9800667
(sampai 7 angka di belakang koma)
2.3.3 Galat Total
Galat akhir atau galat total atau pada solusi numerik merupakan
jumlah galat pemotongan dan galat pembulatan. Misalnya kita
enggunakan deret maclaurin orde-4 untuk menghampiri cos (0,2)
sebagai berikut:
0,22
cos(0.2)≈ 1 − + 0,24 /24 ≈ 0,9800667
2

galat pemotongan galat pembulatan
galat pemotongan timbul karena kita menghampiri cos(0,2)
sampai suku orde empat, sedangkan galat pembulatan timbul
karena kita membulatkan nilai hampiran kedalam 7 digit bena.
Contoh :
1. Tentukam polinom MacLaurin orde 3 untuk 𝑓(𝑥) = 𝑠𝑖𝑛(𝑥),
kemudian gunakan polinom tersebut untuk menghampiri
nilai 𝑓(0.2) gunakan galat total dalam menentukan hasilnya
dengan 4 angka bena.
Penyelesaian :
𝑥3 𝑥5 𝑥7
sin(𝑥) = 𝑥 − + –
3! 5! 7!
0.23 0.25 0.27

sin(0.2) = 0.2 − + – = 0.1986693308
3! 5! 7!
𝐺𝑎𝑙𝑎𝑡 𝑡𝑜𝑡𝑎𝑙 ∶ 0.1987
2. Carilah deret MacLaurin 𝑒 𝑥 . Gunakanpolinom tersebut untuk
menghampiri nilai 𝑓(0.1), yang setiap hasil perhitungan
antara maupun hasil perhitungan akhir menggunakan galat
total.
Penyelesaian :
𝑥2 𝑥3
𝑒𝑥 = 1 + 𝑥 + +
2! 3!

0.12 0.13
𝑒 (0.1) = 1 + 0.1 + +
2! 3!
= 1.105166667
𝐺𝑎𝑙𝑎𝑡 𝑡𝑜𝑡𝑎𝑙 ∶ 1.105167
2.4 Orde Peghampiran
Di dalam metode numerik, fungsi 𝑓(𝑥) sering diganti dgn fungsi
hampiran yang lebih sederhana. Satu cara mengungkap-kan tingkat
ketelitian penghampiran itu adalah dengan menggunakan notasi O-
Besar (Big-Oh).
Misal :
𝑓(ℎ) dihampiri dgn fungsi 𝑝(ℎ).
Jika |𝑓(ℎ) − 𝑝(ℎ)| ≤ 𝑀|ℎ𝑛|, yg dalam hal ini M adalah konstanta riil >
0, maka kita katakan bahwa 𝑝(ℎ) menghampiri 𝑓(ℎ) dengan orde
penghampiran 𝑂(ℎ𝑛 ) dan ditulis dgn :
𝑓(ℎ) = 𝑝(ℎ) + 𝑂(ℎ𝑛 )
𝑂(ℎ𝑛 ) juga dapat diartikan sebagai orde galat dari penghampiran
fungsi. Karena ℎ umumnya cukup kecil, yaitu < 1, maka semakin tinggi
nilai n semakin kecil galat, yg berarti semakin teliti penghampiran
fungsinya.
Metode yg berorde 𝑂(ℎ2 ) misalnya, lebih teliti drpd metode yg
berorde 𝑂(ℎ). Juga pada metode yg berorde 𝑂(ℎ2 ), jika ukuran h
dijadikan setengah kali semula, maka galatnya menjadi seperempat kali

galat semula.
Umumnya deret Taylor digunakan untuk menghampiri fungsi.
Misalkan :
𝑥𝑖 + 1 = 𝑥𝑖 + ℎ, 𝑖 = 0,1,2, … . .
Adalah titik-titik sebesar h, maka hampiran 𝑓(𝑥𝑖 + 1) dengan deret
Taylor di sekitar 𝑥𝑖 adalah :
( xi 1  xi ) ' ( x  x )2 ( x  x )n
f ( xi 1 )  f ( xi )  f ( xi )  i 1 i f '' ( xi )  ....  i 1 i f ( n ) ( xi )  Rn ( xi 1 )
1! 2! n!
h ' h2 hn
f ( xi 1 )  f ( xi )  f ( xi )  f '' ( xi )  ....  f (n)
( xi )  Rn ( xi 1 )
1! 2! n!
Dalam hal ini :
h ( n 1) ( n 1)
Rn ( xi 1 )  f (t )  O(h n 1 ); xi  t  xi 1
(n  1)!
Jadi, kita dapat menuliskan :
n
hk k
f ( xi 1 )   f ( xi )  O(h n 1 )
k 0 k!
Bilangan â disebut mendekati a sampai pada d digit-digit yang
signifikan bila d adalah bilangan positif terbesar yang memenuhi:
|a − â | 10−𝑑
|𝜀𝑟 | = <
â 2
Pada deret Taylor:]

𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 ′ (𝑥0 )(𝑥 − 𝑥0 ) + ! 𝑓 ′′ (𝑥0 )(𝑥 − 𝑥0 )2 + ! 𝑓 ′′′ (𝑥0 )(𝑥 −
1 1
2 3
1
𝑥0 )3 + … + ! 𝑓 𝑛 (𝑥0 )(𝑥 − 𝑥0 )𝑛 + 𝑅𝑛 (𝑥)
𝑛
Bila (𝑥 − 𝑥0 ) = ℎ atau 𝑥 = 𝑥0 + ℎ, maka:
1
f ( x0  h)  f ( x0 )  f ' ( x0 ) h  f '' ( x0 ) h 2  ...
2!
1
 f n
( x0 ) h n  Rn ( h)
n!
1
Rn ( h)  f n 1
( ) h n1  Mh n1  O( h n1 )
( n  1)!
Dapat dituliskan menjadi:
f (h)  p(h)  O(h n1 )
𝑝(ℎ) adalah fungsi hampiran untuk 𝑓(ℎ) dengan galat 𝑂(ℎ𝑛 + 1).
𝑂(ℎ𝑛 + 1) disebut sebagai Big-Oh (O-besar).
Pada umumnya 0 < ℎ < 1, jadi semakin besar n semakin dekat
𝑝(ℎ) menghampiri 𝑓(ℎ)
Contoh:
1
1. 𝐶𝑜𝑠 ℎ = 1 – ! ℎ2 ± 𝑂(ℎ4 )
2
1 2 1
= 1– ! ℎ ± ! ℎ4 ± 𝑂(ℎ6 )
2 4
1 2 1 4 1 6
= 1 – ! ℎ + ! ℎ – ! ℎ ± 𝑂(ℎ8 )
2 4 6

1 2 1 1 1
= 1– ! ℎ + ! ℎ4 – ! ℎ6 + ! ℎ8 ± 𝑂(ℎ10 )
2 4 6 4
Orde Penghampiran didapat dati Deret Penting Maclaurin :
h2 h3 h4
f ( x)  e x  1  h     O( h 5 )
2! 3! 4!
𝑥2 𝑥3 𝑥4 𝑥5
𝑓(𝑥) = ln(𝑥) = 𝑥 − + − + + 𝑂(ℎ6 )
2 3 4 5
h3 h5
f ( x)  sin( h)  h    O( h 7 )
3! 5!
ℎ2 ℎ4 ℎ6
𝑓(𝑥) = cos(ℎ) = 1 − + − + 𝑂(ℎ8 )
2! 4! 6!
ℎ2 ℎ3 ℎ4
𝑒ℎ = 1 + ℎ + + + + 𝑂(ℎ5 )
2! 3! 4!
𝑥2 𝑥3 𝑥4 𝑥5
𝑙𝑛(𝑥 + 1) = 𝑥 – + – + + 𝑂(ℎ6 )
2 3 4 5
ℎ3 ℎ5
𝑠𝑖𝑛(ℎ) = ℎ – + + 𝑂(ℎ7 ) (𝑏𝑢𝑘𝑎𝑛 𝑂(ℎ6 ), 𝑘𝑎𝑟𝑒𝑛𝑎 𝑠𝑢𝑘𝑢 𝑜𝑟𝑑𝑒 6
3! 5!
= 0)
2
ℎ ℎ4 ℎ6
𝑐𝑜𝑠(ℎ) = 1 – + –
2! 4! 6!
+ 𝑂(ℎ8 ) (𝑏𝑢𝑘𝑎𝑛 𝑂(ℎ7 ), 𝑘𝑎𝑟𝑒𝑛𝑎 𝑠𝑢𝑘𝑢 𝑜𝑟𝑑𝑒 7 = 0)
Contoh :
2. a = 3,141592; â = 3,142
3,141592  3,142 103

er   0,0001299 
3,142 2

â mendekati a teliti sampai tiga desimal
2.5 Bilangan Titik Kambang
Bilangan riil di dalam komputer umumnya disajikan dalam format
bilangan titik-kambang. Bilangan titik -kambang a ditulis sebagai :
𝒂 = ±𝒎 ⨯ 𝑩𝒑 =
±𝟎. 𝒅𝟏𝒅𝟐𝒅𝟑𝒅𝟒𝒅𝟓𝒅𝟔 . . . 𝒅𝒏 ⨯ 𝑩𝒑
dengan,
m = mantisa (riil), d1d2d3d4d5d6 ...dn adalah digit atau bit mantisa
yang nilainya dari 0
sampai B – 1, n adalah panjang digit (bit) mantisa.
B = basis sistem bilangan yang dipakai (2, 8, 10, 16, dan sebagainya)
P = pangkat (berupa bilangan bulat), nilainya dari –Pmin sampai
+Pmaks
Contoh :
Bilangan riil 245.7654 dinyatakan sebagai 0.2457654⨯103 dalam
format bilangan titik kambang dengan basis 10. Cara penyajian seperti
itu serupa dengan cara penulisan ilmiah.
Penulisan ilmiah termasuk ke dalam sistem bilangan titik-kambang.
Sistem bilangan yang kita gunakan setiap hari menggunakan basis
sepuluh (disebut juga sistem desimal), B = 10. Umumnya komputer

menggunakan sistem biner (B = 2), tapi beberapa komputer
menggunakan basis 8 dan 16.
Contoh soal :
1. bilangan rill 38.980 dinyatakan 0.3898 × 102 dalam format
bilangan titik kambang dengan basis 10.
2. bilangan rill 6588 dinyatakan0.6588 × 104 dalam format bilangan
titik kambang dengan basis 10.
3. bilangan riil 3794.33 dinyatakan 0.379433 × 104 dalam format
bilangan titik kambang dengan basis 10.
2.5.1 Bilangan titik kambag Ternormalisasi
Bilangan titik kambang dapat dituliskan dalam bentuk sebagai
berikut.
a = ± (mb) ⨯ B p – 1
Misalnya, 245.7654 dapat ditulis sebagai
0.2457654 ⨯ 103 atau
2.457654 ⨯ 102 atau
0.02457654 ⨯ 104 , dan sebagainya
Bilangan titik-kambang yang dinormalisasi ditulis sebagai
𝒂 = ± 𝒎 ⨯ 𝑩𝒑 = ± 𝟎. 𝒅𝟏 𝒅𝟐 𝒅𝟑 𝒅𝟒 𝒅𝟓 𝒅𝟔 . . . 𝒅𝒏 ⨯ 𝑩𝒑
dengan, d1d2d3d4d5d6 ...dnadalah digit (atau bit) mantisa dengan

syarat
1 ≤d1≤b - 1 dan 0 ≤dk ≤B-1 untuk k > 1.
Pada sistem desimal, 1 ≤d1≤ 9 dan 0 ≤dk ≤ 9,
sedangkan pada sistem biner, d1 = 1 dan 0 ≤dk ≤ 1
Contoh,
0.0563⨯10-3 dinormalisasi menjadi 0.563⨯10-4,
0.00023270⨯106 dinormalisasi menjadi 0.23270 ⨯103.
Pada sistem desimal (B = 10), m akan berkisar dari 0.1 sampai 1,
dan pada sistem biner (B = 10), antara 0.5 dan 1. Sebagai catatan,
nol adalah kasus khusus. Nol disajikan dengan bagian mantisa
seluruhnya nol dan pangkatnya nol. Nol semacam ini tidak
dinormalisasi.
Contoh :
Tulislah bilangan e dalam format bilangan titik-kambang
ternormalisasi dengan basis 10, basis 2, dan basis 16.
Penyelesaian:
Dalam basis 10 (menggunakan 8 angka bena),
e ≈ 2.7182818 = 0.27182818 ⨯ 101
(bilangan titik-kambang desimal ternormalisasi)

Dalam basis 2 (menggunakan 30 bit bena),
e ≈ 0.1010110111111000010101000101102⨯22
(bilangan titik-kambang biner ternormalisasi)
Dalam basis 16 (gunakan fakta bahwa 16 = 24, sehingga 22 = ¼ ⨯
161
e ≈ 0.1010110111111000010101000101102⨯ 22
= ¼ ⨯ 0.1010110111111000010101000101102⨯ 161
= 0.001010110111111000010101000101102⨯ 161
= 0.2B7E151616 x 161
(bilangan titik-kambang heksadesimal ternormalisasi)
2.5.2 Epsilon mesin
Ukuran yang digunakan untuk membedakan suatu bilangan riil
dengan bilangan riil berikutnya adalah epsilon mesin. Epsilon
mesin distandardisasi dengan menemukan bilangan titik-kambang
terkecil yang bila ditambahkan dengan 1 memberikan hasil yang
lebih besar dari 1. Dengan kata lain, jika epsilon mesin
dilambangkan dengan 𝜀maka
1 + 𝜀> 1
Contoh :

tinjau kasus bilangan titik-kambang biner 6-bit word (1 bit tanda, 3
bit untuk pangkat bertanda, dan 2 bit mantisa) dengan B = 2, dan
nilai pangkat dari –2 sampai 3 Karena semua bilangan
dinormalisasi, maka bit pertama harus 1, sehingga semua bilangan
yang mungkin adalah berbentuk:
±0.102⨯2p atau ±0.112⨯2p, -2 ≤p ≤3
Daftar bilangan riil positif yang dapat direpresentasikan adalah
0.102⨯2-2 = (1 ⨯2-1 + 0 ⨯2-2) ⨯2-2 = 1/8 = 0.12510
0.102⨯2-1 = (1 ⨯2-1 + 0 ⨯2-2) ⨯2-1 = 1/4 = 0.2510
0.102⨯20 = (1 ⨯2-1 + 0 ⨯2-2) ⨯20 = 1/2 = 0.510
0.102⨯21 = (1 ⨯2-1 + 0 ⨯2-2) ⨯21 = 1 = 1.010
0.102⨯22 = (1 ⨯2-1 + 0 ⨯2-2) ⨯22 = 2 = 2.010
0.102⨯23 = (1 ⨯2-1 + 0 ⨯2-2) ⨯23 = 4 = 4.010
0.112⨯2-2 = (1 ⨯2-1 + 1 ⨯2-2) ⨯2-2 = 3/16 = 0.187510
0.112⨯2-1 = (1 ⨯2-1 + 1 ⨯2-2) ⨯2-1 = 3/8 = 0.37510
0.112⨯20 = (1 ⨯2-1 + 1 ⨯2-2) ⨯20 = 3/4 = 0.7510
0.112⨯21 = (1 ⨯2-1 + 1 ⨯2-2) ⨯21 = 3/2 = 1.510
0.112⨯22 = (1 ⨯2-1 + 1 ⨯2-2) ⨯22 = 3 = 3.010
0.112⨯23 = (1 ⨯2-1 + 1 ⨯2-2) ⨯23 = 6 = 6.010
Bila kita susun dari nilai positif terkecil ke nilai terbesar, maka
seluruh bilangannya digambarkan dalam diagram garis bilangan

sebagai berikut:
Rentang nilai-nilai positifnya diperlihatkan pada gambar berikut.
Epsilon mesin pada sistem bilangan riil yang ditunjukkan pada
gambar adalah
𝜀= 1.000000119 - 1.0 = 0.119 ⨯10-6
Gap (∆x) atau jarak antara sebuah bilangan titik-kambang dengan
bilangan titik-kambang berikutnya, yang besarnya adalah
∆x = 𝜀⨯R

yang dalam hal ini R adalah bilangan titik-kambang sekarang.
Contohnya, gap antara bilangan positif terkecil pertama 0.29 ⨯10-
38
dengan bilangan titik-kambang terkecil kedua pada gambar
adalah
∆x = (0.119 ⨯10-6 ) ⨯(0.29 ⨯10-38) = 0.345 ⨯10-45
dan dengan demikian bilangan titik-kambang terkecil kedua
sesudah 0.29 ⨯10-38 adalah
0.29 ⨯10-38 + 0.345 ⨯10-45
Dapat dilihat bahwa gap akan bertambah besar dengan semakin
besarnya bilangan titik-kambang.
Keadaan underflow terjadi bila suatu bilangan titik-kambang tidak
dapat dinyatakan di antara 0 dan bilangan positif terkecil (atau
antara 0 dan bilangan negatif terbesar). Keadaan overflow terjadi
bila suatu bilangan titik-kambang lebih besar dari bilangan positif
terbesar (atau lebih kecil dari bilangan negatif terkecil).
Jika kita mengetahui jumlah bit mantisa dari suatu bilangan titik-
kambang, kita dapat menghitung epsilon mesinnya dengan
rumus
𝜀= B1−n

yang dalam hal ini B adalah basis bilangan dan n adalah
banyaknya digit (atau bit) bena di dalam mantisa. Pada contoh
pertama di atas (B = 2 dan n = 2),
𝜀=21−2=0.5
Kita juga dapat menemukan perkiraan nilai epsilon mesin dengan
prosedur yang sederhana. Gagasannya ialah dengan membagi
dua secara terus menerus nilai 1 dan memeriksa apakah 1
ditambah hasil bagi itu lebih besar dari 1.
Epsilon dapat digunakan sebagai kriteria berhenti kekonvergenan
pada pada prosedur lelaran yang konvergen. Nilai lelaran
sekarang dibandingkan dengan nilai lelaran sebelumnya. Jika
selisih keduanya sudah kecil dari epsilon mesin, lelaran dihentikan,
tetapi jika tidak, lelaran diteruskan.
2.5.3 Pembulatan Pada Bilagan Titik Kambang
 Bil. Riil dalam computer memiliki rentang terbatas
 Floating-point yang tidak cocok salah satu dari nilai-nilai
dalam rentang nilai yang tersedia akan dibulatkan
kesalahsatu nilai dalam rentang

 Error yang muncul akibat penghampiran di atas disebut
galat pembulatan
 Teknik pembulatan yang umumnyadipakaikomputer, yaitu:
- Pemenggalan (Chooping)
- Pembulatanke digit terdekat (In-rounding)
a. Pemenggalan (chopping)
– Misaldiketahui:a =  0.d1d2d3…dndn+1…⨯10P
flchop(a) =  0.d1d2d3…dndn+1…⨯10P
• Contoh pemenggalannya:
p = 0.31459265358…⨯101
flchop(p) = 0.314592⨯101 (6 digit mantis)
Error = 0.00000065…⨯101
b. Pembulatan ke digit terdekat (in-rounding)

– Misaldiketahui: a =  0.d1d2d3…dndn+1…⨯10P
^
flround ( a )  0.d1d 2 d 3 ... d n X 10 P
dn ,jika dn+1< 5
^ dn+1 ,jika dn+1 > 5

dn
dn ,jika dn+1 = 5 dan n genap
dn+1 ,jika dn+1 = 5 dan n ganjil
Contoh 1:
p = 0.31459265358…⨯101
Dalam komputer 6 digit, pembulatan menjadi
flround(p) = 0.314593⨯101
dengan error = 0.00000034642…⨯101
Pembulatan ke digit terdekat menghasilkan error yang lebih
kecil dari pada pemenggalan
• Pembulatanke digit terdekat (In-rounding)
Contoh 2: a = 0.568278571528⨯10-4
1. Dalam komputer 7 digit, pembulatan menjadi
flround(a) = 0.5682786⨯10-4
2. Dalam komputer 8 digit, pembulatan menjadi
flround(a) = 0.56827857⨯10-4
Contoh lainnya, nilai 𝑎 = 0.5682785715287⨯10-4:

- di dalam komputer 7 digit dibulatkan menjadi flround(𝑎) =
0.5682786 ⨯10-4
0.56827857 x 10-4
0.568278 x10-4
0.568278572 x 10-4
2.5.4 Aritmatika Bilangan Titik Kambang
a. Operasi Penambahan dan Pengurangan
 Permasalahan 1
Penjumlahan dan Penguranga bilangan yang sangat kecil ke atau dari
bilangan yang lebih besar menyebabkan error
Contoh :
Misalkam digunakan komputer dengan mantis 4 digit (basis 10). Hitunglah
1.557 + 0.04381 = 0.1557 × 101 + 0.4381 × 10−1

Penyelesaian :
Perhatikan bahwa dua digit terakhir dari bilangan yang digeser ke kanan
pada dasarnya telah hilang dari perhitungan.
Galat mutlak pembulatan = |(0.160081 × 101 ) − (0.1601 ×
101 )| = 0.000019
Galat mutlak Pemenggalan = |(0.160081 × 101 ) − (0.1601 ×
101 )| = 0.000081
 Permasalahan 2 :
Pengurangan dua buah bilangan yang hampir sama besar,
menyebabkan kehilangan angka bena dan
pemenggalan maupun pembulatan menghasilkan
jawaban yang sama.
Contoh:
0.56780⨯105 – 0.56430⨯105 (5 angka bena)
Penyelesaian :
Kurangi 0.56780 × 105 denga 0.56430 × 105 (5 angka
bena)

Hasil yang diperolrh hanya mempunyai 3 angka bena. Jadi kita kehilangan
2 buah angka bena. Meskipun kita dapat menuliskan hasilnya sebagai
0.35000 × 105 , namun dua nol yang terakhir bukan angka bena tetapi
sengaja ditambahkan untuk mengisi kekosongan digit yang hilang.
Cotoh soal :
1) Kurangi 3.1415926536 dengan 3.1415957341 (11 angka
Bena)
2) Kurangi 0.7642 × 103 dengan 0.7641103 (4 angka bena)
3) Hitung akar-akar polinom 𝑥 2 − 40𝑥 + 2 = 0 sampai 4 angka
bena.
ℯ 𝑥 −1−𝑥
4) Diberikan 𝑓(𝑥) = . Hitung 𝑓(0.01) sampai 6 angka bena.
𝑥2
Penyelesaian :
1)

2)
3)
4)

b. Operasi Perkalian da Pembagian
Kriteria:
1. Tidak memerlukan penyamaan pangkat seperti halnya
pada penjumlahan
2. Perkalian dapat dilakukan dengan mengalikan kedua
mantis dan menjumlahkan pangkatnya.
3. Pembagian dikerjakan dengan membagi mantis dan
mengurangi pengkatnya.
Contoh.
1. Hitung perkalian 0.4652 ⨯104 dengan 0.1456 ⨯ 10-1 (4
angka bena).
Penyelesaian:
a. Kalikan mantis
0.4652 ⨯ 0.1456 = 0.06773312

b. Jumlahkan pangkat
4 + (−1) = 3
c. Gabungkan mantis dengan pangkat
0.06773312 ⨯ 103
d. Normalisasi: 0.6773312 ⨯ 102
in-rounding → 0.6773 ⨯102
chopping → 0.6773 ⨯102
2. Hitung (0.8675 ⨯ 10−4)/0.2543 ⨯ 10−2 (4 angka bena).
Penyelesaian:
a. Bagi mantis
0.8657 : 0.2543 = 3.4113252
b. Kurangi pangkat
(−4) – (−2) = −2
c. Gabungkan mantis dengan pangkat
3.4113252 ⨯ 10−2
d. Normalisasi: 0.34113252 ⨯ 10−2
in-rounding →0.3411 ⨯ 10−2
chopping →0.3411 ⨯ 10−2
2.6 Perambatan Galat

Galat yang dikandung dalam bilangan titik-kambang merambat pada
hasil komputasi. Misalkan terdapat dua bilangan 𝑎dan 𝑏 (nilai sejati)
dan nilai hampirannya masing-masing 𝑎̂dan 𝑏̂, yang mengandung
galat masing-masing 𝜺𝒂 dan 𝜺𝒃 . Dapat ditulis 𝑎 = 𝑎̂ + 𝜀𝑎 dan 𝑏 = 𝑏̂ +
𝜀𝑏 .
Galat merambat pada hasil penjumlahan 𝑎 dan 𝑏
̂ + 𝜺𝒃 ) = (𝒂
̂ + 𝜺𝒂 ) + (𝒃
𝒂 + 𝒃 = (𝒂 ̂ ) + (𝜺𝒂 + 𝜺𝒃 )
̂ +𝒃
Jadi, galat hasil penjumlahan sama dengan jumlah galat masing-
masing operand.
Galat merambat pada hasil perkalian 𝑎 dan 𝑏
̂ + 𝜺𝒃 ) = 𝒂
̂ + 𝜺𝒂 )(𝒃
𝒂𝒃 = (𝒂 ̂𝒃̂+𝒂 ̂𝜺𝒂 + 𝜺𝒂 𝜺𝒃
̂ 𝜺𝒃 + 𝒃
̂𝒃
𝒂𝒃 − 𝒂 ̂=𝒂 ̂𝜺𝒂 + 𝜺𝒂 𝜺𝒃
̂ 𝜺𝒃 + 𝒃
Jika, a dan b 0, maka galat relatifnya adalah
̂𝒃
(𝒂𝒃 − 𝒂 ̂) (𝒂 ̂𝜺𝒂 + 𝜺𝒂 𝜺𝒃 ) (𝒂
̂ 𝜺𝒃 + 𝒃 ̂𝜺𝒂 ) 𝜺𝒂 𝜺𝒃
̂ 𝜺𝒃 ) (𝒃
= = + +
𝒂𝒃 𝒂𝒃 𝒂𝒃 𝒂𝒃 𝒂𝒃
Jika, 𝑎 dan 𝒂
̂hampir sama besar, yaitu 𝑎 ̂
𝒂 begitu juga b dan𝒃
̂,
̂
𝒂 ̂
b
dan 𝜺𝒂 dan 𝜺𝒃 sangat kecil, maka dan
𝑎 𝑏
𝜺 𝜺
( 𝒂)( 𝒃) , maka
𝑎 𝑏
̂𝒃
𝐚𝐛 − 𝒂 ̂ 𝜺𝒃 𝜺𝒂
= + = 𝜺𝑹𝒃 + 𝜺𝑹𝒂
𝐚𝐛 𝐛 𝐚
Jadi, galat relatif hasil perkalian sama dengan jumlah galat relatif
masing-masing operand.

2.7 Kondisi Buruk
Suatu persoalan dikatakan berkondisiburuk (illconditioned) bila
jawabannya sangat peka terhadap perubahan kecil data
(misalnyaperubahankecilakibatpembulatan). Bila kita mengubah sedikit
data, maka jawabannya berubah sangat besar (drastis). Lawan dari
berkondisi buruk adalah berkondisi baik (wellconditioned). Suatu
persoalan dikatakan berkondisi baik bila perubahan kecil datahanya
mengakibatkan perubahan kecil pada jawabannya.
Sebagai contoh, tinjau persoalan menghitung akar persamaan
kuadratax 2 + bx + c = 0. Caranya hanya mengubah nilai-nilai tetapan
c-nya saja:
(i) 𝑥 2 − 4𝑥 + 3.999 = 0 akar-akarnya 𝑥1 =2.031 dan 𝑥2 =1.968
Sekarang, ubah 3.99 menjadi 4.00:
(ii) 𝑥 2 − 4𝑥 + 4.000 = 0 akar-akarnya 𝑥1 =𝑥2 =2.000
Ubah 4.00 menjadi 4.001:
(iii) 𝑥 2 − 4𝑥 + 4.001 = 0 akar-akarnya imajiner
Jadi, persoalan akar-akar persamaan kuadrat diatas berkondisi buruk,
karena dengan pengubahan sedikit saja data masukannya (dalam hal
ini nilai koefisien c ), ternyata nilai akar-akarnya berubah sangat besar.

2.8 Bilangan Kondisi
Kondisi komputasi numerik dapat diukur dengan bilangan kondisi.
Bilangan kondisi merupakanukuran tingkat sejauh mana
ketidakpastian dalam diperbesar x oleh f(x). Bilangan kondisi dapat
dihitung dengan bantuan Deret taylor. Fungsi f(x) diuraikan di sekitar
𝑥̂sampai suku orde pertama:
𝒇(𝒙) ≈ 𝒇(𝑥̂) + 𝒇′(𝑥̂)(𝒙 − 𝑥̂)
Galat relatif hampiran dari 𝑥 adalah
𝜺𝑹𝑨 [𝒇(𝒙)] = (𝒇(𝒙) − 𝒇(𝑥̂ ))/(𝒇(𝑥̂)) ≈ (𝒇′(𝑥̂)(𝒙 − 𝑥̂))/(𝒇(𝑥̂))
Dan galat relatif hampiran dari adalah
𝒙 − 𝑥̂
𝜺𝑹𝑨 [𝒙] =
𝑥̂
Bilangan kondisi didefinisikan sebagai nisbah (ratio) antara galat relatif
hampiran dari f(x) dan galat relatif hampiran dari x:
𝜺𝑹𝑨[𝒇(𝒙)] 𝑥̂𝒇′ (𝑥̂)

Bilangan kondisi = | |=| |
𝜺𝑹𝑨 [𝒙] 𝒇(𝑥̂)
Arti dari bilangan kondisi adalah:
- Bilangan kondisi = 1 berarti galat relatif hampiran fungsi
sama dengan galat relatif x
- Bilangan kondisi lebih besar dari 1 berarti galat relatif
hampiran fungsi besar
- Bilangan kondisi lebih kecil dari 1 berarti galat relatif
hampiran fungsi kecil (kondisi baik)
Suatu komputasi dikatakan berkondisi buruk jika bilangan kondisinya

sangat besar, sebaliknya berkondisi baik bila bilangan kondisinya
sangat kecil.
Contoh soal :
1. Misalkanf(x) = √𝑥. Tentukan bilangan kondisi perhitungan akar
kuadrat x.
Penyelesaian:
Hitungf '(x) terlebihdahulu
𝟏
𝐟 ′ (𝐱) =
𝟐√𝐱
Yangakandigunakanuntukmenghitung
̂
𝑥
1
Bilangankondisi= | 2√𝑥̂̂ | =
√𝑥 2
Bilangankondisiinisangatkecil, yang berartipenarikanakarkuadrat x
merupakan prosesyang berkondisibaik. Sebagaicontoh, √20.999
= 4.5824665, danjika 20.999 diubahsedikit (dibulatkan)menjadi
21.000 maka√21.000 = 4.5825756. Ternyata
perubahankecilpadanilaix
hanyaberakibatperubahansedikitpadaf(x).
𝟏𝟎
2. Hitungbilangankondisi𝒇(𝒙) = .
𝟏−𝒙𝟐
Penyelesaian:
Hitungf '(x) terlebihdahulu

20𝑥
𝑓 ′ (𝑥) =
(1 − 𝑥 2 )²
Yangdigunakanuntukmenghitung
̂
𝟐𝟎𝑥
𝑥̂[ 𝟐 ]
̂ 2) 𝟐𝑥̂2
bilangankondisi= |
(𝟏−𝑥
𝟏𝟎 |=| |
𝟏−𝑥̂ 2
̂2)
(𝟏−𝑥
Bilangan kondisi ini sangat besar untuk |𝑥| ≈ 11. Jadi, menghitung
f(x) untuk x mendekati 1 atau -1 sangat buruk keadaannya, karena
galat relatifnya besar. Sebagai contoh, f(1.009) = -55.306675,
tetapi f(1.01) = -497.51243. Ternyata perubahan kecil pada nilai x
di sekitar 1 (karena dibulatkan dari 4 angka bena menjadi 3
angka bena), mengakibatkan nilai f(x) berubah sangat besar.
Untuk x yang jauh dari 1 atau –1, f(x) berkondisi baik.
3. Hitung bilangan kondisi untuk f(x) = tan(x).
Penyelesaian:
Hitung f '(x) terlebih dahulu
1
𝑓 ′ (𝑥) =
𝑐𝑜𝑠 2 𝑥
Yang digunakan untuk menghitung
𝟏
𝑥̂| |
𝒄𝒐𝒔𝟐 (𝑥
Bilangan kondisi= |
̂)
tan(𝑥̂)
|
Bilangan kondisi ini sangat besar untuk x ≈ . Misalkan untuk x =

𝜋
2
𝜋 𝜋
+ 0.1( ),
2 2
Bilangan kondisi = 1.7279(40.86)/-6.314 = -11.2

Dan untuk x =
𝜋 𝜋
+ 0.01( ),
2 2
Bilangan kondisi = 1.5865(4053)/-63.66 = -101

BAB III
SOLUSI PERSAMAAN NIRLANJAR
Dalam matematika terapan kita sering mencari penyelesaian persamaan untuk 𝑓(𝑥) =
0, yakni bilangan- bilangan 𝑥 = 1 sedemikian hingga 𝑓(𝑥) = 0 sehingga 𝑓(𝑟) = 0; 𝑓 adalah
fungsi tak linear dan 𝑟 yang memenuhi disebut akar persamaan atau titik 0 fungsi tersebut.
3.1 Rumusan Masalah
Persoalan mencari solusi persamaan yang lazim disebut akar
persamaan atau nilai-nilai nol yang berbentuk 𝑓(𝑥) = 0 . Yaitu nilai 𝑥 =
𝑠 sedemikian sehingga 𝑓(𝑠) sama dengan nol.
Beberapa persamaan sederhana mudah ditemukan akarnya, misalnya
5𝑥 − 10 = 0pemecahannyaadalah dengan memindahka -10 ke ruas
kanan sehingga menjadi 5𝑥 = 10, sehingga solusi atau akarnya adalah
𝑥 = 2 . Begitu juga dengan persamaan kuadratik seperti 𝑥 2 − 4𝑥 − 5 =
0, akar-akarnya mudah ditemukan dengan cara pemfaktoran menjadi

(𝑥 − 5)(𝑥 + 1) = 0 sehingga 𝑥1 = 5 dan 𝑥2 = −1
Umumnya persamaan yang akan dipecahkan muncul dalam bentuk
nirlanjar (non linear) yang melibatkan bentuk sinus, cosinus,
eksponensial, logaritma dan fungsi transenden lainnya. Misalnya :
Tentukan akar riil terkecil dari :
9.34 − 21.97𝑥 + 16.3𝑥 3 − 3.704𝑥 5 = 0
Contoh di atas memperlihatkan bentuk persamaan yang rumit atau
kompleks yang tidak dapat dipecahkan secara analitik. Bila metode
analitik tidak dapat menyelesaikan persamaan, maka kita masih bisa
mencari solusinya dengan menggunakan metode numerik.
3.2 Metode Pencarian Akar
Dalam metode numerik, pencarian akar 𝑓(𝑥) = 0 dilakukan secara
lelaran (iteratif). Secara umum, metode pencarian akar dapat
dikelompokkan menjadi dua golongan besar :
a) Metode tertutup atau metode pengurung (bracketing method)
Metode ini mencari akar dalam selang [𝑎, 𝑏]Selang
[𝑎, 𝑏]sudah dipastikan berisi minimal satu buah akar, karena itu
metode jenis ini selalu berhasil menemukan akar. Dengan
lelarannya selalu konvergen menuju ke akar, karena itu metode

tertutup sering disebut sebagai metode konvergen.
b) Metode terbuka
Metode terbuka tidak memerlukan selang[𝑎, 𝑏]yang
mengandung akar, yang diperlukan adalah tebakan (guest) awal
akar. Kemudian dengan prosedur lelaran, kita menggunakannya
untuk menghitung hampiran akar yang baru. Mungkin saja
hampiran akar yang baru mendekati akar sejati (konvergen), atau
mungkin juga menjauhinya (divergen). Karena itu metode terbuka
tidak selalu menemukan akar, kadang-kadang konvergen,
kadangkala ia divergen.
3.3 Metode Tertutup
Seperti yang telah dijelaskan, metode tertutup memerlukan
selang[a,b] untuk mencari akar yang berada pada selang tersebut.
Dalam selang tersebut dapat dipastikan minimal terdapat satu buah
akar. Sebagaimana namanya, selang tersebut “mengurung” akar
sejati. Strategi yang dipakai adalah mengurangi lebar selang secara
sistematis sehingga lebar selang tersebut semakin sempit dan
karenanya menuju akar yang benar.
Dalam sebuah selang mungkin terdapat lebih dari satu buah akar
atau tidak ada akar sama sekali. Secara grafik dapat ditunjukkan bahwa

jika :
(1)𝑓(𝑎)𝑓(𝑏) < 0 maka terdapat akar sebanyak bilangan
ganjil.
Gambar 1. Banyaknya akar ganjil
(2)𝑓(𝑎)𝑓(𝑏) > 0, maka terdapat akar sebanyak bilangan genap
atau tidak ada akar sama sekali
Gambar 2. Banyaknya akar genap
Syarat Cukup Keberadaan Akar
Jika nilai fungsi berbeda tanda tanda di ujung-ujung selang,
pastilah terdapat sedikit satu buah akar di dalam selang tersebut.
Syarat cukup keberadaan akar persamaan ditulis sebagai berikut:

Jika 𝑓(𝑎)𝑓(𝑏) < 0 dan 𝑓(𝑥)menerus didalam selang [𝑎, 𝑏], maka
paling sedikit terdapat satu buah akar persamaan 𝑓(𝑥) = 0 di
dalam selang[𝑎, 𝑏].
Gambar 3. Lokasi akar
Syarat tersebut disebut sebagai syarat cukup (bukan syarat
perlu) sebab meskipun nilai nilai ujung selang tidak berbeda tanda,
mungkin saja terdapat akar di dalam selangtersebut.
Ada dua masalah yang terjadi karenaketidaktepatan
mengambil selang [𝑎, 𝑏] yaitu :
1. Bila di dalam selang[𝑎, 𝑏] terdapat lebih dari satu buah
akar. Perlu diingat bahwa sekali suatu metode tertutup digunakan
untuk mencari akar di dalam selang[𝑎, 𝑏]. Karena itu bila mengambil
selang [𝑎, 𝑏]. Yang mengandung lebih dari satu akar, maka hanya satu
buah akar saja yang berhasil ditemukan

2. Bila mengambil selang[𝑎, 𝑏] yang tidak memenuhi
syarat cukup 𝑓(𝑎)(𝑏) < 0. sehingga mungkin sampai pada kesimpulan
tidak terdapat akar di dalam selang[𝑎, 𝑏]tersebut, padahal seharusnya
ada.
Untuk mengatasi kedua masalah di atas, pengguna metode
tertutup disarankan untuk mengambil selang yang berukuran cukup
kecil yang memuat hanya satu akar. Ada dua pendekatan yang dapat
digunakan dalam memilih selang tersebut, yaitu :
1. Pendekatan pertama yaitu membuat grafik fungsi di bidang 𝑋 − 𝑌,
lalu melihat dimana perpotongannya dengan sumbu 𝑋. Dari sini
kita dapat mengira-ngira selang yang memuat titik potong
tersebut. Grafik fungsi dapat dibuat dengan program yang ditulis
sendiri, atau lebih praktis menggunakan paket program yang
dapat membuat grafik fungsi.
2. Pendekatan kedua adalah dengan mencetak nilai fungsi pada titik-
titik absis yang berjarak tetap. Jarak titik ini dapat diatur cukup
kecil. Jika tanda fungsi berubah pada sebuah selang, pasti
terdapat minimal satu akar didalamnya. Keberhasilan dari
pendekatan ini bergantung pada jarak antara titik-titik absis.

Semakin kecil jarak titik absis, semakin besar peluang menemukan
selang yang mengandung hanya sebuah akar.
Ada dua metode klasik yang termasuk ke dalam metode tertutup,
yaitu metode bagi dua dan metode regula-falsi.
3.3.1. Metode Bagidua2
Metode bagi dua ini dilakukan untuk pencarian
akar suatu persamaan dengan cara selalu membagi dua
selang sehingga diperoleh nilai fungsi untuk titik
tengahselang.Metode ini mengasumsikan bahwa fungsi
f(x) adalah kontinu pada interval[𝑎1 ,𝑏1 ], serta 𝑓 (𝑎1 ) dan
𝑓 (𝑏1 ) mempunyai tanda berlawanan,
artinya 𝑓 (𝑎1 ). 𝑓(𝑏) < 0, karena itu terdapat minimal satu
akar pada interval [𝑎1 ,𝑏1 ]. Interval dalam metode ini
selalu dibagi dua sama lebar, jika fungsi berubah tanda
sepanjang suatu subinterval, maka letak akarnya
kemudian ditentukan ada di tengah-tengah subinterval.
Proses ini diulangi sampai ukuran interval yag baru
sudah sangat kecil dan hal ini tentu saja sesuai dengan
toleransi kesalahan yang diberikan.

Misalkan kita telah menentukan selang [a,b]
sehingga 𝑓(𝑎)𝑓(𝑏) < 0. Pada setiap kali lelaran, selang
[a,b] kita bagi dua di 𝑥 = 𝑐 , sehingga terdapat dua
buah subselang yang berukuran sama yaitu selang
[𝑎, 𝑐]dan [𝑐, 𝑏]. Selang yang diambil untuk lelaran
berikutnya adalah subselang yang memuat akar,
bergantung pada apakah 𝑓(𝑎)𝑓(𝑏) < 0.
Langkah pencarian akar dengan metode bagi dua :
Langkah 1 : Pilih selang inteval pencarian awal 𝑥1 <
𝑥 < 𝑥𝑢 , dimana𝑥1 adalah batas bawahdan 𝑥𝑢 adalah
batas atas. Kemudian lakukan pengujian apakah akar
terdapat dalaminterval , yaitu 𝑓(𝑥𝑢 ) . 𝑓(𝑥1 )< 0.

Langkah 2 : Taksir nilai akar (𝑥𝑟 ) dalam selang
𝑥1 +𝑥𝑢
dengan cara membagi dua selang𝑥𝑟 =
2
Langkah 3 : Lakukan pengujian terhadap nilai
fungsi untuk mengetahui inteval
pencarian berikutnya , yaitu dengan cara :
 Jika (𝑥1 ) . 𝑓(𝑥𝑟 )< 0 , berarti akar terletak pada
interval di bawah 𝑥𝑟 , sehingga interval pencarian
selanjutnya 𝑥1 = 𝑥1 < 𝑥 < 𝑥𝑢 = 𝑥𝑟 laluulangi langkah ke –
2.
 Jika (𝑥1 ) . 𝑓(𝑥𝑟 )>0 , berarti akar terletak pada
interval di atas 𝑥𝑟 , sehingga interval pencarian
selanjutnya 𝑥1 = 𝑥𝑟 < 𝑥 < 𝑥𝑢 = 𝑥𝑢 laluulangi langkah ke –
2.
 Jika (𝑥1 ) . 𝑓(𝑥𝑟 )=0 , berarti akar sama dengan
𝑥𝑟 maka hentikan perhitungan.
Selang yang baru dibagi dua lagi dengan cara
yang sama. Begitu seterusnya sampai ukuran selang
yang baru sudah sangat kecil. Kondisi berhenti lelaran
dapat dipilih salah satu dari tiga kriteria berikut :

1. Lebar selang baru|𝑎 − 𝑏| < 𝜖 , yang dalam hal ini
𝜖adalah nilai toleransi lebar selang yang mengurung
akar
2. Nilai fungsi di hampiran akar 𝑓(𝑐) = 0. Beberapa
bahasa pemrograman membolehkan pembandingan
dua buah bilangan riil, sehingga perbandingan 𝑓(𝑐) =
0dibenarkan. Namun jika kembali ke konsep awal
bahwa dua buah bilangan riil tidak dapat dibandingkan
kesamaannya karena representasi di dalam mesin tidak
tepat, maka kita dapat menggunakan bilangan yang
sangat kecil (misalnya epsilon mesin) sebagai pengganti
nilai 0. Dengan demikian, menguji kesamaan 𝑓(𝑐) = 0
dapat kita hampiridengan𝑓(𝑐) < 𝑒𝑝𝑠𝑖𝑙𝑜𝑛𝑚𝑒𝑠𝑖𝑛.
3. Galat relative hampiran akar :|(𝐶𝑏𝑎𝑟𝑢 − 𝐶𝑙𝑎𝑚𝑎 /𝐶𝑏𝑎𝑟𝑢 | < 𝛿,
yang dalam hal ini galat relative hampiran yang
diinginkan.
Dengan jumlah iterasi dapat diprediksi
menggunakan :

Contoh Soal :
Carilah salah satu akar persamaan berikut:
𝑥 𝑒 -x+1 = 0
disyaratkan bahwa batas kesalahan relatif (εa) =0.001
dengan menggunakan range x=[−1,0]
Penyelesaian :
Dengan memisalkan bahwa :
- (xl) = batas bawah = a
- (xu) = batas atas =b
- (xr) = nilai tengah = x
maka diperoleh tabel biseksi sebagai berikut :
Pada iterasi ke 10 diperoleh x = -0.56738 dan f(x) = -0.00066
Untuk menghentikan iterasi, dapat dilakukan dengan

menggunakan toleransi error atau iterasi maksimum.
Catatan :
Dengan menggunakan metode biseksi dengan tolerasi error
0.001 dibutuhkan10 iterasi, semakin teliti (kecil toleransi
errornya) maka semakin bear jumlah iterasi yang dibutuhkan.
Contoh :
1. Carilah nilai akar dari persamaan 𝑓(𝑥) = 𝑥 3 − 𝑥 − 1 = 0
Penyelesaian :
Pilih 𝑎 = 1 𝑑𝑎𝑛 𝑏 = 2. Karena 𝑓(1)𝑛𝑒𝑔𝑎𝑡𝑖𝑓 𝑑𝑎𝑛 𝑓(2)𝑝𝑜𝑠𝑖𝑡𝑖𝑓,
maka salah satu akar terletak di antara 1 dan 2 . Oleh karena
3 3 3 3 3
itu 𝑥0 = = 1,5. Kemudian karena 𝑓 ( )=( ) − −1=
2 2 2 2
7
(𝑝𝑜𝑠𝑖𝑡𝑖𝑓) maka akar karakteristik terletak antara 1 dan 1,5.
8
1+1,5
Kondisi ini memberikan 𝑥1 = = 1,25. Karena 𝑓(𝑥1 ) = 𝑓(1
2
19
,25) = − (negatif), nilai akar yang dicari terletak diantara
64
1,25 dan 1,5. Sehingga diperoleh
1,25 + 1,5
𝑥2 = = 1,375.
2
Bila prosedur diatas diulang kembali hingga 𝑥5 diperoleh

nilai-nilai aproksimasi berikut :
𝑥3 = 1,3125, 𝑥4 = 1,34375 , 𝑥5 = 1,328125
2. Carilah lokasi akar pada fungsin 𝑓(𝑥) = 𝑥 2 − 4𝑥 − 5
menggunakan metode bagi dua sampai 2 iterasi pada
selang [2,9]
Penyelesaian :
𝑓(2) = 22 − 4(2) − 5 = −9
𝑓(9) = 92 − 4(9) − 5 = 40
𝑓(2). 𝑓(9) = (−9). (40) = −360 < 0 jadi memang terdapat
akar pada selang [2,9]
Iterasi 1
Bagi 2 selang [2:9]
Panjang selang [2:9] adalah 9-2=7
Panjang setengah selang [2:9] adalah 7:2 = 3,5
Titik tengah selang [2:9] adalah 𝑐1 = 2 + 3,5 = 5,5 ≥ 𝑐1 disebut

solusi hampiran lokasi akar untuk iterasi 1.
Galat/error= [akar sejati – akar hampiran] = [5 – 5,5] = 0,5
Karena ingin lanjut ke iterasi 2 maka bagi 2 selang [2:9]
dengan titik tengah 𝑐1 = 5,5 𝑦𝑎𝑖𝑡𝑢[2: 5,5]𝑑𝑎𝑛[5,5: 9]
Cek selang mana yang ada akarnya :
𝑓(2) = 22 − 4(2) − 5 = −9
𝑓(5,5) = (5,5)2 − 4(5,5) − 5 = 3,25
𝑓(9) = 92 − 4(9) − 5 = 40
𝑓(2). 𝑓(5,5) = (−9) . (3,25) = −29,25 < 0 jadi terdapat akar
pada selang [2:5,5]
𝑓(5,5). 𝑓(9) = (3,25) . (40) = 130 > 0 jadi tidak terdapat akar
pada selang [5,5:9]
Iterasi 2
Bagi 2 selang [2:5,5]
Panjang selang [2:5,5] adalah 5,5 – 2 = 3,5

Panjang setengah selang [2:5,5] adalah 3,5 : 2 = 1,75
Titik tengah selang [2:5,5] adalah 𝑐2 = 2 + 1,75 = 3,75 ≥
𝑐2 disebut solusi hampiran lokasi akar untuk iterasi 2.
Galat/error= [akar sejati – akar hampiran] = [5 – 3,75] = 1,25
3. Selesaikan persamaan 𝑥 2 − 3 = 0 dalam interval [1,2]
menggunakan metode bagi dua sampai 5 iterasi.
Penyelesaian :
Iterasi 1 :
𝑎1 = 1 ⇒ 𝑓(𝑎1 ) = −2
𝑏1 = 2
𝑎1 + 𝑏1 1 + 2
𝑥1 = = = 1,5 ⇒ 𝑓(𝑥1 ) = −0,75
2 2
Iterasi 2:
Diamati (𝑎1 ) . 𝑓(𝑥1 )> 0, maka
𝑎2 = 𝑥1 = 1,5 ⇒ 𝑓(𝑎2 ) = −0,75
𝑏2 = 𝑏1 = 2

𝑎2 + 𝑏2 1,5 + 2
𝑥2 = = = 1,75 ⇒ 𝑓(𝑥2 ) = 0,0625
2 2
Iterasi 3:
Diamati (𝑎2 ) . 𝑓(𝑥2 )< 0, maka
𝑎3 = 𝑎2 = 1,5 ⇒ 𝑓(𝑎3 ) = −0,75
𝑏3 = 𝑥2 = 1,75
𝑎3 + 𝑏3 1,5 + 1,75
𝑥3 = = = 1,625 ⇒ 𝑓(𝑥3 ) = −0,3594
2 2
Iterasi 4:
Diamati (𝑎3 ) . 𝑓(𝑥3 )> 0, maka
𝑎4 = 𝑥3 = 1,625 ⇒ 𝑓(𝑎4 ) = −0,3594
𝑏4 = 𝑏3 = 1,75
𝑎4 + 𝑏4 1,625 + 1,75
𝑥4 = = = 1,6875 ⇒ 𝑓(𝑥3 ) = −0,1523
2 2
Iterasi 5:
Diamati (𝑎4 ) . 𝑓(𝑥4 )<0, maka

𝑎5 = 𝑥4 = 1,6875 ⇒ 𝑓(𝑎5 ) = −0,1523
𝑏5 = 𝑏4 = 1,75
𝑎5 + 𝑏5 1,6875 + 1,75
𝑥5 = = = 1,7187 ⇒ 𝑓(𝑥3 ) = −0,0459
2 2
Jadi, pada iterasi ke 5 diperoleh akar hampiran x=1,7187
3.3.2 Metode Regula-Falsi
Metode regula falsi atau metode posisi palsu merupakan salah
satu solusi pencarian akar dalam penyelesaian persamaan-
persamaan non linier melaui proses iterasi (pengulangan).
Persamaan non linier ini biasanya berupa persamaan polynomial
tingkat tinggi, eksponensial, logaritmik, dan kombinasi dari
persamaan-persamaan tersebut. Seperti metode biseksi, Metode
regula falsi juga termasuk dalam metode tertutup.
Pada umumnya pencarian akar dengan metode biseksi selalu
dapat menemukan akar, namun kecepatan untuk mencapai akar
hampiran sangat lambat, oleh karena itu untuk mempercepat
pencarian akar tersebut dibutuhkan metode lain yaitu metode
regula falsi. kehadiran metode regula falsi adalah sebagai modifikasi

dari metode biseksi, yang kinerjanya lebih cepat dalam mencapai
akar hampiran.
Metode Regula Falsi merupakan salah satu metode tertutup
untuk menentukan solusi akar dari persamaan non linier , dengan
prinsip utama sebagai berikut :
1. Menggunakan garis scan (garis lurus yang menghubungkan
dua koordinat nilai awal terhadap kurva) untuk mendekati akar
persamaan nonlinier (titik potong kurva f(x) dengan sumbu x) .
2. Taksiran nilai akar selanjutnya merupakan titik potong garis
scan dengan sumbu x.
Berdasarkan gambar di atas, didapat rumus metode
regula falsi :
𝑓(𝑏) − 𝑓(𝑎) 𝑓(𝑏) − 0

=
𝑏−𝑎 𝑏−𝑐
𝑓(𝑏)𝑎−𝑓(𝑎)𝑏
Dapat disederhanakan menjadi 𝑐 =
𝑓(𝑏)−𝑓(𝑎)
Algoritma Metode Regula Falsi
1. Tentukan nilai awal a dan b
2. Cek konvergensi nilai 𝑓(𝑎) dan 𝑓(𝑏)

a. Jika tanda 𝑓(𝑎) dan 𝑓(𝑏), nilai awal dapat digunakan
untuk iterasi selanjutnya
b. Jika tanda 𝑓(𝑎) = (𝑏) , pilih nilai awal yang baru.
3. Lakukan iterasi dan tentukan nilai c (hitung akar),
dengan rumus :
𝑓(𝑏)𝑎 − 𝑓(𝑎)𝑏
𝑓(𝑏) − 𝑓(𝑎)
4. Cek konvergensi nilai c yaitu jika nilai 𝑓(𝑐) =0 maka
hentikan proses iterasi.
5. Jika belum konvergensi tentukan nilai interval baru
dengan cara :
a. Jika tanda f(c) = tanda f(a) maka c = a
b. Jika tanda f(c) = tanda f(b) maka c = b
Contoh Soal:
1. Dengan menggunakan metode regula falsi, tentukanlah salah
satu akar dari persamaan (𝑥) = 𝑥 2 − 5𝑥 + 4 . Jika diketahui nilai
awal x=2 dan x=5 dan serta ketelitian hingga 3 desimal.
Penyelesaian :
Cek nilai awal
n 𝑎 𝑓(𝑎) 𝑏 𝑓(𝑏) 𝑤 𝑐 𝑓(𝑐)
0 2 -2 5 4 0,333 3 -2

Nilai awal :
𝑎 = 2 → 𝑓(2) = (2)2 − 5(2) + 4 = −2
𝑏 = 5 → 𝑓(5) = (5)2 − 5(5) + 4 = 4

(−2)
𝑤= = 0,333
(−2) − (4)
𝑐 = 2 + 0,333(5 − 2) = 3 → 𝑓(3) = (3)2 − 5(3) + 4 = −2
Langkah selanjutnya menukar nilai a atau b dengan c jika
𝑓(𝑎) atau 𝑓(𝑏) sama tanda nilainya dengan 𝑓(𝑐) seperti pada
metode biseksi
0 2 -2 5 4 0,333 3 -2
1 3 -2 5 4 0,333 3,667 -0,889
2 3,667 -0,889 5 4 0,182 3,909 -0,264
3 3,909 -0,264 5 4 0,062 3,977 -0,069
(−0,264)
𝑤= = 0,062
(−0,264) − (4)
𝑐 = 3,909 + 0,062(5 − 3,909) = 3,977
→ 𝑓(3,977) = (3,977)2 − 5(3,977) + 4 = −0,069
Dan seterusnya ….
0 2 -2 5 4 0,333 3 -2

1 3 -2 5 4 0,333 3,667 -0,889
(−2)
𝑤= = 0,333
(−2) − (4)
𝑤 = 3 + 0,333(5 − 3) = 3,667
→ 𝑤(3,667) = (3,667)2 − 5(3,667) + 4 = −0,889
Iterasi dapat dihentikan pada iterasi ke-7, karena 𝑐6 𝑑𝑎𝑛 𝑐7 konstan
(𝑐6 𝑑𝑎𝑛 𝑐7 = 4,0000) sehingga diperoleh akar dari persamaan non
linearnya adalah 4,0000
3.4 Metode Terbuka
Tidak seperti pada metode tertutup, metode terbuka tidak memerlukan selang yang
mengurung akar. Yang diperlukan hanya sebuah tebakan awal akar atau duabuah tebakan
yang tidak perlu mengurungakar. Inilah alasannya mengapa metode ini dinamakan metode
terbuka. Hampiran akar sekarangpada hampiran akar sebelumnya melalui prosedur
lelaran.kadangkala lelaran konvergen ke akar sejati kadangkala divergen.Namun, apabila
lelarannya konvergen ,konvergensinya berlangsung sangat cepat dibanding metode tertutup.

Ciri-ciri Metode terbuka sebagai berikut :
1. Tidak memerlukan selang [a,b] yang mengandung akar.
2. Mencari akar melalui suatu lelaran yang dimulai dari sebuah
tebakan (guest)awal.
3. Pada setiap lelaran kita menghitung hampiran akar yang baru.
4. Mungkin saja hampiran akar yang baru mendekati akar sejati
(konvergen),atau mungkin juga menjauhi (divergen).
5. Karena itu ,metode terbuka tidak selalu menemukan akar ,kadang
konvergen dan kadang ia divergen
Yang termasuk ke dalam metode terbuka :
1. Metode lelaran titik tetap (fixed point iteration).
2. Metode Newton-‐ Rhapson.
3. Orde Kovergesi Metode Terbuka
4. Metode Secant.
3.4.1 Metode lelaran titik tetap ( metode iterasi sederhana )
Metode iterasi sederhana adalah metode yang memisahkan x dengan
sebagian x yang lain sehingga diperoleh : x = g(x).
PROSEDUR:

1. Susun persamaan 𝑓(𝑥) = 0 menjadi bentuk 𝑥 = 𝑔(𝑥)
2. Bentuk menjadi 𝑥𝑟+1 = 𝑔(𝑥)
3. Tentukan sebarang𝑥0 , kemudian hitung 𝑥1 , 𝑥2 , … … …yang
dapat konvergen ke akar sejati
4. STOP
|𝑥𝑟+1 − 𝑥𝑟 |
|𝑥𝑟+1 − 𝑥𝑟 | < 𝜀 𝑎𝑡𝑎𝑢 <𝛿
|𝑥𝑟 |
Contoh :
𝑥 – 𝑒𝑥 = 0
𝑥 = 𝑒𝑥 𝑎𝑡𝑎𝑢 𝑔(𝑥) = 𝑒𝑥
Lalu, bentuklah menjadi prosedur lelaran
𝑥𝑟 + 1 = 𝑔(𝑥𝑟)
Dan terkalah sebuah nilai awal x0 , lalu hitung nilai 𝑥1 , 𝑥2, 𝑥3 , . . .,
𝑓(𝑠) = 0 𝑑𝑎𝑛 𝑠 = 𝑔(𝑠).
Kondisi berhenti lelaran dinyatakan bila
│𝑥𝑟 + 1 − 𝑥𝑟 │ < 𝜀
Atau bila menggunakan galat relatif hampiran
𝑥𝑟+1 − 𝑥𝑟
| |<𝛿
𝑥𝑟+1
Dengan𝜀 dan𝛿telahditetapkan sebelumnya
Perhatikan contoh berikut:

Carilah akar persamaan 𝑓(𝑥) = 𝑥 2 − 2𝑥 − 3 = 0 dengan metode
lelaran titik tetap. Gunakan 𝜀 = 0.000001.
Penyelesaian:
Terdapat beberapa kemungkinan prosedur lelaranyang dapat
dibentuk
a) 𝑥2 − 2𝑥 – 3 = 0
𝑥2 = 2𝑥 + 3
𝑥 = √(2𝑥 + 3)
Dalam hal ini, (𝑥) = √2𝑥 + 3 . Prosedur lelaran adalah 𝑥𝑟+1 =
√(2𝑥𝑟 + 3). Ambil terkaan awal x0 = 4.
Tabel lelarannya :
r xr | xr+1 – xr |
0 4.000000 -
1 3.316625 0.683375
2 3.103748 0.212877
3 3.034385 0.069362
4 3.011440 0.022945
5 3.003811 0.007629
6 3.001270 0.002541

7 3.000423 0.000847
8 3.000141 0.000282
9 3.000047 0.000094
10 3.000016 0.000031
11 3.000005 0.000010
12 3.000002 0.000003
13 3.000001 0.000001
14 3.000000 0.000000
Hampiran akar x = 3.000000
b) 𝑥2 − 2𝑥 – 3 = 0
𝑥 (𝑥 – 2) = 3
3
𝑥 =
𝑥−2
3
Dalam hal ini, 𝑔(𝑥) = . Prosedur lelarannya adalah
𝑥−2
3
𝑥𝑟 + 1 = . Ambil terkaan awal x0 = 4.
𝑥𝑟 −2

Tabel lelarannya :
R xr | xr+1 – xr |
0 4.000000 -
1 1.500000 2.500000
2 -6.000000 7.500000
3 -0.375000 5.625000
4 -1.263158 0.888158
5 -0.919355 0.343803
6 -1.027624 0.108269
7 -0.990876 0.036748
8 -1.003051 0.012175
9 -0.998984 0.004066
10 -1.000339 0.001355
11 -0.999887 0.000452
12 -1.000038 0.000151
13 -0.999987 0.000050
14 -1.000004 0.000017
15 -0.999999 0.000006
16 -1.000000 0.000002

17 -1.000000 0.000001
Hampiran akar x = -1.000000
(c) −𝑥 2 − − 2𝑥 – 3 = 0
−2𝑥 = −𝑥2 + 3
𝑥2 − 3
𝑥=
2
𝑥𝑟 2 −3
Prosedur lelarannya adalah xr+1= . Ambil terkaan
2
awal x0 = 4.
Tabel lelarannya :
I xr | xr+1 – xr |
0 4.000000 -
1 6.500000 2.500000
2 19.625000 13.125000
3 191.070313 171.445312
4 18252.432159 18061.361847
...
Ternyata lelarannya divergen.
Teorema 3.2

Misalkan 𝑥 = 5 adalah solusi dari 𝑥 = 𝑔(𝑥)dan
andaikan 𝑔 mempunyai turunan continue dalam selang
[𝑎, 𝑏] yang memuat 𝑥.
Maka jika |𝑔′ (𝑥)| < 𝑘 < 1 dalam selang tersebut, proses
iterasi yang didefinisikan 𝑥𝑟+1 = 𝑔(𝑥) akan konvergen ke
𝑥. Sebaiknya jika |𝑔′ (𝑥)| < 𝑘 < 1 dalam selang tersebut,
maka iterasinya 𝑥𝑟+1 = 𝑔(𝑥𝑟 ) akan divergen 𝑥.
Di dalam selang I = [s-h, s+h], dengan s titik tetap.
1. Jika 0 < g'(x) < 1 untuk setiap x∈I, maka
lelarankonvergen monoton;
2. Jika -1< g'(x) < 0 untuk setiap x∈ I, maka
lelarankonvergen bersosilasi;
3. Jika g'(x) > 1 untuk setiap x ∈ I, maka lelarandivergen
monoton;
4. Jika g'(x) < -1 untuk setiap x ∈I, maka lelarandivergen
berosilasi.
Pertanyaan :
1. Dalam setiap soal apakah prosedur lelarannya selalu lebih
dari satu?
2. Kapan iterasinya harus berhenti?

3. Bagaimana menentukan tebakan akarnya?
4. Apakah maksud dari konvergen monoton, konvergen
berosilsi, divergen monoton dan divergen berosilasi?
Jawaban :
1. Tidak, tergantung pada f(x) = 0 yang terdapat pada soal
tersebut.
𝑥𝑟+1 −𝑥𝑟
2. Kondisi berhenti ketika |𝑥𝑟+1 −𝑥𝑟 | < 𝜀 atau | | < 𝛿3.
𝑥𝑟−1
3. Tebakan akar dilakukan secara bebas tetapi sebaiknya
diambil dari akar yang mendekati fungsi f(x).
4. Konvergen monoton : hasil dari |𝑥𝑟+1 −𝑥𝑟 | selalu turun
dan mendekati akarsejatinya.
Konvergen berosilasi : hasil dari |𝑥𝑟+1 −𝑥𝑟 | selalu naik
turun tetapi mendekatiakar sejatinya.
Divergen monoton : hasil dari |𝑥𝑟+1 −𝑥𝑟 | selalu naik sehingga
menjauhi
akar sejatinya.
Divergen berosilasi : hasil dari |𝑥𝑟+1 −𝑥𝑟 | selalu naik turun
tetapi menjauhiakar sejatinya.
Contoh Soal :
Hitung akar 𝑓(𝑥) = 𝑥 2 – 2𝑥 – 3 dengan 𝜀 = 0.000001.
𝑥 2 – 2𝑥 – 3 = 0

𝑥(𝑥– 2)= 3
3
𝑥𝑟 + 1 =
𝑥𝑟 − 2
r xr | xr+1 – xr |
0 4.000000 -
1 1.500000 2.500000
2 -6.000000 7.500000
3 -0.375000 5.625000
4 -1.263158 0.888158
5 -0.919355 0.343803
6 -1.027624 0.108269
7 -0.990876 0.036748
8 -1.003051 0.012175
9 -0.998984 0.004066
10 -1.000339 0.001355
11 -0.999887 0.000452
12 -1.000038 0.000151
13 -0.999987 0.000050
14 -1.000004 0.000017
15 -0.999999 0.000006
16 -1.000000 0.000002
17 -1.000000 0.000001

3.4.2 Metode Newton Rhapson
Metode Newton Raphson adalah metode pendekatan yang
menggunakan satu titik awal dan mendekatinya dengan
memperhatikan kemiringan kurva pada titik tersebut. Metode
Newton-Rephson yang paling terkenal dan paling banyak
dipakai dalam terapan sains dan rekayasa. Metode ini disukai
karena konvergensinya paling cepat diantara metode lainnya.
Ada dua pendekatan dalam menurunkan rumus metode
Newton-Rephson, yaitu :
a) Penurunan rumus Newton-Rephson secara geometri
b) Penurunan rumus Newton-Rephson dengan bantuan
deret Taylor
Uraikan 𝑓(𝑥𝑟+1 ) disekitar 𝑥𝑟 ke dalam deret Taylor :
(𝑥𝑟+1 − 𝑥𝑟 )2
𝑓(𝑥𝑟+1 ) = 𝑓(𝑥𝑟 ) + (𝑥𝑟+1 − 𝑥𝑟 )𝑐 + 𝑓"(𝑡), 𝑥𝑟 < 𝑡 < 𝑥𝑟+1
2
Yang bila dipotong sampai suku orde-2 saja menjadi
𝑓(𝑥𝑟+1 ) = 𝑓(𝑥𝑟 ) + (𝑥𝑟+1 − 𝑥𝑟 )𝑓 ′ (𝑥𝑟 )
Karena kita mencari akar, maka 𝑓(𝑥𝑟+1 ) = 0, sehingga
0 = 𝑓(𝑥𝑟 ) + (𝑥𝑟+1 − 𝑥𝑟 )𝑓 ′ (𝑥𝑟 )
Atau
𝑓(𝑥𝑟 ) ′
𝑥𝑟+1 = 𝑥𝑟 − , 𝑓 (𝑥𝑟 ) ≠ 0
𝑓 ′ (𝑥𝑟 )

Yang merupakan rumus metode Newton-Raphson.
Kondisi berhenti lelaran Newton-Raphson adalah bila
|𝑥𝑟+1 − 𝑥𝑟 | < 𝜀
Atau bila menggunakan gelat relative hampiran

𝑥𝑟+1 − 𝑥𝑟
| |<𝛿
𝑥𝑟+1
Dengan 𝜀 dan 𝛿 adalah toleransi galat yang diinginkan
Catatan :
 Jika terjadi 𝑓 ′ (𝑥𝑟 ) = 0, ulangi perhitungan lelaran dengan
𝑥0 yang lain.
 Jika persamaan 𝑓(𝑥) = 0 memiliki lebih dari satu akar,
pemilihan yang berbeda-beda dapat menemukan akar
yang lain.
 Dapat pula terjadi lelaran konvergen ke akar yang berbeda
dari yang diharapkan (seperti halnya pada metode lelaran
titik tetap)
Penjelasan grafis mengenai metode ini adalah seperti
gambar

Diasumsikam bahwa fungsi 𝑓(𝑥) adalah kontinu. Idenya
adalah menghitung akar yang merupakan titik potong antara
sumbu 𝑥 dengan garis singgung pada kurva di titik
(𝑥𝑛−1 , 𝑓(𝑥𝑛−1 )). Kemiringan kurva di titik tersebut adalah 𝑓 ′ (𝑥𝑛−1 ),
sehinbgga garis singgung mempunyai persamaan
𝑦 − 𝑓(𝑥𝑛−1 ) = 𝑓 ′ (𝑥𝑛−1 )(𝑥 − 𝑥𝑛−1 )
Karena itu diperoleh akar hampiran dengan mengambil 𝑦 =
0, yaitu
𝑓(𝑥𝑛−1 )
𝑥𝑛 = 𝑥𝑛−1 −
𝑓′(𝑥𝑛−1 )
Kriteria Konvergen Newton Raphson
Untuk memperoleh iterasi konvergen maka harus memenuhi
harga mutlak |𝑔′ (𝑥) < 1|karena metode Newton Raphson adalah
metode terbuka maka dapat dirumuskan :
𝑓(𝑥)
𝑔(𝑥) = 𝑥 − maka turunan pertama 𝑔(𝑥) adalah :
𝑓 ′ (𝑥)
𝑓 ′ (𝑥). 𝑓 ′ (𝑥) − 𝑓"(𝑥). 𝑓(𝑥)

𝑔′ (𝑥) = 1 −
[𝑓 ′ (𝑥)]

|𝑓 ′ (𝑥)|2 − |𝑓 ′ (𝑥)|2 + 𝑓"(𝑥)𝑓(𝑥)
𝑔′ (𝑥) =
[𝑓 ′ (𝑥)]2
𝑓"(𝑥). 𝑓(𝑥)
𝑔′ (𝑥) =
[𝑓 ′ (𝑥)]2
Karena syarat konvergensi |𝑔′ (𝑥)| < 1
𝑓"(𝑥).𝑓(𝑥)
Maka | [𝑓 ′ (𝑥)]2
| < 1 dengan syarat 𝑓 ′ (𝑥) ≠ 0
3.4.3 Orde Kovergensi Metode Terbuka
Prosedur lelaran pada setiap metode terbuka dapat ditulis dalam
bentuk 𝑥𝑟+1 = 𝑔(𝑥𝑟 ) . Misalnya pada metode Newton-Raphson 𝑔
𝑓(𝑥𝑟 )
(𝑥𝑟 ) = 𝑥𝑟 − . Misalkan 𝑥𝑟 adalah hampiran tetap akar sejati s
𝑓 1 (𝑥𝑟 )
sehingga 𝑠 = 𝑔(𝑠). Maka, berdasarkan konsep galat 𝑠 = 𝑥𝑟 + 𝜀𝑟
dengan 𝜀𝑟 adalah galat dari 𝑥𝑟 . Uraikan 𝑔(𝑠) disekitar 𝑥𝑟 :
1
𝑔(𝑠) = 𝑔(𝑥𝑟 ) + 𝑔′ (𝑥𝑟 )(𝑠 − 𝑥𝑟 ) + 𝑔(𝑥𝑟 )(𝑠 − 𝑥𝑟 )2 + ⋯,
2
1
= 𝑔(𝑥𝑟 ) + 𝑔′ (𝑥𝑟 )𝜀𝑟 + 𝑔(𝑥𝑟 )𝜀𝑟 2 + ⋯,
2
Kemudian kurangi dengan 𝑥𝑟+1 = 𝑔(𝑥𝑟 ) sehingga diperoleh:
1
𝑔(𝑠) − 𝑥𝑟+1 = 𝑔′ (𝑥𝑟 ) + 𝑔(𝑥𝑟 )𝜀𝑟 2 + ⋯
2
Karena 𝑠 = 𝑔(𝑠), maka

1
𝑠 − 𝑥𝑟+1 = 𝑔′ (𝑥𝑟 )𝜀𝑟 + 𝑔(𝑥𝑟 )𝜀𝑟 2 + ⋯
2
Misalkan 𝑠 − 𝑥𝑟+1 = 𝜀𝑟+1 , sehingga
1
𝜀𝑟+1 = 𝑔(𝑥𝑟 )𝜀𝑟 + 𝑔(𝑥𝑟 )𝜀𝑟 2 + ⋯
2
Bilangan pangkat dari 𝜀𝑟 menunjukkan orde (atau laju) konvergensi
prosedur lelaran:
(a) : 𝜀𝑟+1 ≈ 𝑔′ (𝑡)𝜀𝑟 , 𝑥𝑟 < 𝑡 < 𝑥𝑟+1 , Prosedur lelaran orde satu
(b) : 𝜀𝑟+1 ≈ 𝑔′ (𝑥𝑟 )𝜀𝑟 2 Prosedur lelaran orde dua

1
2
3.4.4 Metode Secant
Pada Metode Newton-Raphson memerlukan syarat wajib
yaitu fungsi f(x) harus memiliki turunan f’(x). Sehingga syarat
wajib ini dianggap sulit karena tidak semua fungsi bisa dengan
mudah mencari turunannya. Oleh karena itu muncul ide dari
yaitu mencari persamaan yang ekivalen dengan rumus turunan
fungsi. Ide ini lebih dikenal dengan nama Metode Secant. Ide
dari metode ini yaitu menggunakan gradien garis yang melalui

titik (x0, f(x0)) dan (x1, f(x1)). Perhatikan gambar dibawah ini.
Persamaan garis l adalah
𝑥 − 𝑥1 𝑦 − 𝑓(𝑥1 )
=
𝑥0 − 𝑥1 𝑓(𝑥0 ) − 𝑓(𝑥1 )
Karena 𝑥 = 𝑥2 maka 𝑦 = 0, sehingga diperoleh
𝑥2 − 𝑥1 0 − 𝑓(𝑥1 )
=
𝑥0 − 𝑥1 𝑓(𝑥0 ) − 𝑓(𝑥1 )
𝑓(𝑥1 )(𝑥0 − 𝑥1 )
𝑥2 − 𝑥1 = −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
𝑓(𝑥1 )(𝑥0 − 𝑥1 )
𝑥2 = 𝑥1 −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
𝑓(𝑥1 )(𝑥1 − 𝑥0 )
𝑥2 = 𝑥1 −
𝑓(𝑥1 ) − 𝑓(𝑥0 )
Secara umum rumus Metode Secant ini ditulis
𝑓(𝑥𝑛 )(𝑥𝑛 − 𝑥𝑛−1 )

𝑥𝑛+1 = 𝑥𝑛 −
𝑓(𝑥𝑛 ) − 𝑓(𝑥𝑛−1 )
Prosedur Metode Secant :
 Ambil dua titik awal, misal 𝑥0 dan 𝑥1

 Ingat bahwa pengambilan titik awal tidak disyaratkan
alias pengambilan secara sebarang
 Setelah itu hitung 𝑥2 menggunakan rumus diatas
 Kemudian pada iterasi selanjutnya ambil 𝑥1 dan 𝑥2
sebagai titik awal dan hitung 𝑥3
 Kemudian ambil 𝑥2 dan 𝑥3 sebagai titik awal dan
hitung 𝑥4
 Begitu seterusnya sampai iterasi yang diingankan atau
sampai mencapai error yang cukup kecil.
Contoh :
Tentukan salah satu akar dari 4x3 – 15x2 + 17x – 6 = 0
menggunakan Metode Secant sampai 9 iterasi.
Penyelesaian :
f(x) = 4x3 – 15x2 + 17x – 6
iterasi 1 :
ambil 𝑥0 = −1 dan 𝑥1 = 3 (ambil titik awal sembarang)
𝑓(−1) = 4(−1)3 – 15(−1)2 + 17(−1) – 6

𝑓(−1) = −42
𝑓(3) = 4(3)3 – 15(3)2 + 17(3) – 6
𝑓(3) = 18
18(3 − (−1))
𝑥2 = 3 −
18 − (−42)

𝑥2 = 1,8
Iterasi 2 :
Ambil ambil 𝑥1 = 3 dan 𝑥2 = 1,8
𝑓(1,8) = 4(1,8)3 – 15(1,8)2 + 17(1,8) – 6

𝑓(3) = −0,672
(−0,672)(1,8 − (3))
𝑥3 = 1,8 −
−0,672 − 18
𝑥3 = 1,84319
Iterasi 3 :
Ambil ambil 𝑥2 = 1,8 dan 𝑥3 = 1,84319
𝑓(1,84319) = 4(1,84319)3 – 15(1,84319)2 + 17(1,84319) – 6

𝑓(1,84319) = −0,57817
(−0,57817)(1,84319 − 1,8)
𝑥4 = 1,84319 −
−0,57817 − 0,672
𝑥4 = 2,10932
Iterasi 4 :
Ambil ambil 𝑥3 = 1,84319 dan 𝑥4 = 2,10932
𝑓(2,10932) = 4(2,10932)3 – 15(2,10932)2 + 17(2,10932) – 6

𝑓(2,10932) = 0,65939
(0,65939)(2,10932 − 1,84319)
𝑥5 = 2,10932 −
0,65939 − (−0,57817)
𝑥5 = 1,96752
Iterasi 5 :
Ambil ambil 𝑥4 = 2,10932dan 𝑥5 = 1,96752
𝑓(1,96752) = 4(1,96752)3 – 15(1,96752)2 + 17(1,96752) – 6

𝑓(1,96752) = −0,15303
(−0,15303)(1,96752 − 2,10932)
𝑥6 = 1,96752 −
−0,15303 − (0,65939)
𝑥6 = 1,99423

Iterasi 6 :
𝑓(1,99423) = 4(1,99423)3 – 15(1,99423)2 + 17(1,99423) – 6

𝑓(1,99423) = −0,02854
(−0,02854)(1,99423 − 1,96752)
𝑥7 = 1,99423 −
−0,02854 − (−0,15303)
𝑥7 = 2,00036
Iterasi 7 :
𝑓(2,00036) = 4(2,00036)3 – 15(2,00036)2 + 17(2,00036) – 6

𝑓(2,00036) = 0,00178
(0,00178)(2,00036 − 1,99423)
𝑥8 = 2,00036 −
0,00178 − (−0,02854)
𝑥8 = 2,00000
Iterasi 8 :
Ambil ambil 𝑥7 = 2,00036 𝑑𝑎𝑛 𝑥8 = 1,999996
𝑓(1,999996) = 4(1,999996)3 – 15(1,999996)2

+ 17(1,999996) – 6
𝑓(1,999996) = −0,0002
(−0,0002)(1,999996 − 2,00036)
𝑥9 = 1,999996 −
−0,0002 − (0,00178)
𝑥9 = 2,0000
Iterasi 9 :
Ambil ambil 𝑥8 = 1,999996 𝑑𝑎𝑛 𝑥9 = 2,00000
𝑓(2,00000) = 4(2,00000)3 – 15(2,00000)2 + 17(2,00000) – 6

𝑓(2,00000) = 0,00000
(0,00000)(2,00000 − 1,999996)
𝑥10 = 2,00000 −
0,00000 − (−0,00002)
𝑥10 = 0,00000

𝑛 𝑥𝑛−1 𝑥𝑛 𝑥𝑛+1 𝑓(𝑥𝑛−1 ) 𝑓(𝑥𝑛 ) 𝑓(𝑥𝑛+1 )
1 -1 3 1,8 -4,2 18 -0,672
2 3 1,8 1,84319 18 -0,672 -0,57817
3 1,8 1,84319 2,10932 -0,672 -0,57817 0,65939
4 1,84319 2,10932 1,96752 -0,57817 0,65939 -0,15303
5 2,10932 1,96752 1,99423 0,65939 -0,15303 -0,02854
6 1,96752 1,99423 2,00036 -0,15303 -0,02854 0,00178
7 1,99423 2,00036 2,00000 -0,02854 0,00178 -0,00002
8 2,00036 2,00000 2,00000 0,00178 -0,00002 0,00000
9 2,00000 2,00000 2,00000 -0,00002 0,00000 0,00000
Jadi salah satu akar dari 4x3 – 15x2 + 17x – 6 Adalah 2
4.5 Akar Ganda
Akar ganda berpadanan dengan suatu titik dimana fungsi
menyinggung sumbu . Misalnya, akar ganda-dua dihasilkan dari
𝑓(𝑥) = (𝑥 − 3)(𝑥 − 1)(𝑥 − 1)..................(*)
atau dengan mengalikan faktor-faktornya,
𝑓(𝑥) = 𝑥 3 − 5𝑥 2 + 7𝑥 − 3
Persamaan tersebut mempunyai akar kembar karena satu
nilai menyebabkan dua faktor dalam Persamaan (*) sama dengan
nol. Secara grafis, ini berpadanan terhadap kurva yang yang

menyentuh sumbu x secara bersinggungan pada akar kembar
tersebut.
Akar ganda-tiga (triple root) berpadanan dengan kasus
dimana satu nilai x membuat tiga faktor dalam suatu persamaan
sama dengan nol, seperti dalam
𝑓(𝑥) = (𝑥 − 3)(𝑥 − 1)(𝑥 − 1)
atau dengan mengalikan faktor-faktornya,
𝑓(𝑥) = 𝑥 4 − 6𝑥 3 + 12𝑥 2 − 10𝑥 − 3
Akar ganda menimbulkan sejumlah kesulitan untuk banyak
metode numerik :
1. Kenyataan bahwa fungsi tidak berubah tanda pada akar
ganda genap menghalangi penggunaan metode-metode
tertutup. Metode terbuka, seperti metode Newton-Raphson,
sebenarnya dapat diterapkan disini. Tetapi, bila digunakan
metode Newton-Rapshon untuk mencari akar ganda,
kecepatan konvergensinya berjalan secara linier, tidak lagi
kuadratis sebagaimana aslinya.
2. Permasalahan lain yang mungkin berkaitan dengan fakta
bahwa tidak hanya f(x) tetapi juga f’(x) menuju nol pada
akar. Ini menimbulkan masalah untuk menote Newton-
Repshon mmaupun metode secant (talibusur), yang dua-
duanya menggunakan turunan (atau taksirannya) pada

penyebut rumus mereka masing-masing. Ini dapat
menghasilkan pembagian oleh nol pada waktu penyelesaian
konvergen sangat dengan ke akar. Pembagian dengan nol
ini dapat dihindari dengan melihat fakta bahwa f(x) lebih
dulu nol sebelum f’(x). Jadi jika f(x)=0 maka hentikan
lelarannya.
3. Ralston dan Rabinowitz (1978) telah menjukkan bahwa
menunjukan bahwa perubahan sedikit dalam perumusan
mengembalikannya ke kekonvergenan kuadrat, seperti
dalam
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − 𝑚 … … … … . . (∗∗)
𝑓′(𝑥𝑖 )
Dengan m adalah Bilangan multiplisitas akar, misalnya :
 Akar tunggal m=1
 Akar ganda dua m=2
 Akar ganda tiga m=3, dan seterusnya.
Alternatif lain yang juga disarankan oleh Ralston dan
Rabinowitz (1978) adalah mendefinisikan suatu fungsi baru u(x),
yaitu rasio (hasil bagi) fungsi terhadap turunannya seperti dalam
𝑓(𝑥𝑖 )
𝑢(𝑥) = … … … … . . (∗∗∗)
𝑓′(𝑥𝑖 )

Dapat diperhatikan bahwa fungsi ini mempunyai akar pada lokasi
yang sama seperti fungsi semula. Oleh karena itu, persamaan di
atas dapat disubtitusikan ke dalam persamaan (**) dengan
maksud mengembangkan suatu bentuk alternatif dari metode
Newton-Rapshon:
𝑢(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − … … … … . . (∗∗∗∗)
𝑢′(𝑥𝑖 )
Persamaan (***) dan (*****) dapat disubtitusikan ke dalam
persamaan (****) dan hasilnya disederhanakan untuk
menghasilkan
𝑓(𝑥𝑖 )𝑓 ′ (𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − … … … … . . (∗∗)
[𝑓 ′ (𝑥𝑖 )]2
− 𝑓”(𝑥𝑖 )𝑓(𝑥𝑖 )
Contoh soal :
1. Pernyataan masalah : Gunakan baik metode Newton-
Rapshon yang baku maupun yang dimodifikasi untuk
menghitung akar ganda dari 𝑓(𝑥) = 𝑥 3 − 5𝑥 2 + 7𝑥 − 3 ,
dengan terkaan awal 𝑥0 = 0
Penyelesaian :
𝑓(𝑥) = 𝑥 3 − 5𝑥 2 + 7𝑥 − 3
𝑓 ′(𝑥) = 3𝑥 2 − 10𝑥 + 7
𝑓 ′′(𝑥) = 6𝑥 − 10
Dengan metode Newton-Rapshon yang baku :

𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 −
𝑓′(𝑥𝑖 )
(𝑥𝑖3 − 5𝑥𝑖2 + 7𝑥𝑖 − 3)
𝑥𝑖+1 = 𝑥𝑖 −
(3𝑥𝑖2 − 10𝑥𝑖 + 7)
Dengan metode Newton-Rapshon yang dimodifikasi :
𝑥𝑖+1 = 𝑥𝑖 − … … … … . . (∗∗)
[𝑓 ′ (𝑥𝑖 )]2
− 𝑓”(𝑥𝑖 )𝑓(𝑥𝑖 )
Tabel lelarannya adalah :
Metode Newton-Raphson Metode Newton-Raphson
baku yang dimodifikasi
𝑖 𝑥𝑖 𝑖 𝑥𝑖
0 0,000000000 0 0,000000000
1 0,428571429 1 1,105263158
2 0,685714286 2 1,003081664
3 0,832865400 3 1,000002382
4 0,913328983
5 0,955783293
6 0,977655101
Lelaran konvergen ke akar x=1. Terlihat dari tabel di atas
bahwa metode newton raphson yang dimodifikasi memiliki
jumlah lelaran lebih sedikit.

menghitung akar ganda dari 𝑓(𝑥) = 𝑥 2 − 2𝑥 − 3 , dengan
terkaan awal 𝑥0 = 4
Penyelesaian :
𝑓(𝑥) = 𝑥 2 − 2𝑥 − 3
𝑓′(𝑥) = 2𝑥 − 2
𝑓 ′′(𝑥) = 2
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 −
𝑓′(𝑥𝑖 )
𝑥𝑖 2 − 2𝑥𝑖 − 3
𝑥𝑖+1 = 𝑥𝑖 −
2𝑥𝑖 − 2
𝑥𝑖+1 = 𝑥𝑖 − … … … … . . (∗∗)
[𝑓 ′ (𝑥𝑖 )]2
− 𝑓"(𝑥𝑖 )𝑓(𝑥𝑖 )
(𝑥𝑖 2 − 2𝑥𝑖 − 3)(2𝑥𝑖 − 2)
𝑥𝑖+1 = 𝑥𝑖 −
(2𝑥𝑖 − 2)2 − (2)(𝑥𝑖 2 − 2𝑥𝑖 − 3)
Metode Newton-Raphson Metode Newton-Raphson yang
baku dimodifikasi
0 4,000000000 0 4,000000000
1 3,166666667 1 3,400000000
2 3,006410256 2 2,967213115
3 3,000010240 3 2,999726813

4 3,000000000 4 3,000000000
Konvergen di akar x=3
menghitung akar ganda dari 𝑓(𝑥) = 𝑥 3 + 6𝑥 − 3 ,
dengan terkaan awal 𝑥0 = 0,5
Penyelesaian :
𝑓(𝑥) = 𝑥 3 + 6𝑥 − 3
𝑓 ′(𝑥) = 3𝑥 2 + 6
𝑓 ′′(𝑥) = 6𝑥
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 −
𝑓′(𝑥𝑖 )
𝑥 3 + 6𝑥 − 3
𝑥𝑖+1 = 𝑥𝑖 −
3𝑥 2 + 6
𝑥𝑖+1 = 𝑥𝑖 − … … … … . . (∗∗)
[𝑓 ′ (𝑥𝑖 )]2 − 𝑓"(𝑥𝑖 )𝑓(𝑥𝑖 )
(𝑥 3 + 6𝑥 − 3)(3𝑥 2 + 6)
𝑥𝑖+1 = 𝑥𝑖 −
(3𝑥 2 + 6)2 − (6𝑥)(𝑥 3 + 6𝑥 − 3)
Metode Newton-Raphson Metode Newton-Raphson yang
baku dimodifikasi

0 0,5000000000 0 0,5000000000
1 0,4814814815 1 0,4813278008
2 0,4814056015 2 0,4814055989
3 0,4814056002 3 0,4814056002
Konvergen ke akar x=0,5
4.6 Akar-akar Polinom
4.6.1 Metode Horner untuk Evaluasi Polinom
Menghitung langsung 𝑝(𝑥) untuk 𝑥 = 1 tidak efektif
sebab melibatkan banyak operasi perkalian. Metode Horner,
atau disebut juga metode perkalian bersarang (nested
multiplication) menyediakan cara perhitungan polinom
dengan sedikit operasi perkalian. Dalam hal ini, polinom𝑝(𝑥)
dinyatakan sebagai perkalian bersarang
𝑝(𝑥) = 𝑎0 + 𝑥(𝑎1 + 𝑥 (𝑎2 + 𝑥(𝑎3 + ⋯ + 𝑥(𝑎𝑛−1 + 𝑎𝑛 𝑥))) … ))
Hasil Evaluasi : 𝑝(𝑡) = 𝑏0

Contoh:
1. Nyatakan𝑝(𝑥) = 𝑥 5 + 2𝑥 4 + 8𝑥 3 + 8𝑥 2 + 4𝑥 + 2
Penyelesaian:
𝑝(𝑥) = 𝑥 5 + 2𝑥 4 + 8𝑥 3 + 8𝑥 2 + 4𝑥 + 2 (15 operasiperkalian)
𝑝(𝑥) = ((((𝑥 + 2)𝑥 + 8)𝑥 + 8) 𝑥 + 4) 𝑥 + 2(hanya 5 operasi
perkalian)
Dari pernyataan di atas jelas bahwa menggunakan metode
perkalian bersarang akan jauh lebih efektif, tidak melakukan banyak
operasi perkalian.
Perhitungan untuk 𝑝(1) adalah
𝑝(1) = ((((1 + 2)1 + 8)1 + 8) 1 + 4) 1 + 2 = 25
Metode perkalian bersarang untuk menghitung 𝑝(𝑡) sering kali
dinyatakan dalam bentuk tabel Horner berikut: (untuk contoh di atas)
1 1 2 8 8 4 2
1 3 11 19 23
1 3 11 19 23 25
Hasilevaluasi: 𝑝(1) = 25
Dan menghasilkan polinom sisa : 𝑥 4 + 3𝑥 3 + 11𝑥 2 + 19𝑥 + 23
2. Nyatakan𝑝(𝑥) = 5𝑥 3 + 2𝑥 2 + 6𝑥 + 8
Penyelesaian:
𝑝(𝑥) = 5𝑥 3 + 2𝑥 2 + 6𝑥 + 8 (6 operasi perkalian)

𝑝(𝑥) = ((5𝑥 + 2)𝑥 + 6)𝑥 + 8 (hanya 3 operasi
perkalian)
Dari pernyataan di atas jelas bahwa menggunakan metode
perkalian bersarang akan jauh lebih efektif, tidak melakukan banyak
operasi perkalian.
Perhitungan untuk 𝑝(2) adalah
𝑝(2) = ((5(2) + 2)(2) + 6)(2) + 8 = 68
Metode perkalian bersarang untuk menghitung 𝑝(𝑡) sering kali
dinyatakan dalam bentuk tabel Horner berikut: (untuk contoh di atas)
2 5 2 6 8
10 24 60
5 12 30 68 = 𝑝(2)
Hasilevaluasi: 𝑝(2) = 68
Dan menghasilkan polinom sisa : 5𝑥 2 + 12𝑥 + 30
4.6.2 Pencarian Akar-akar Polinom
Proses perhitungan 𝑝(𝑥) untuk 𝑥=𝑡 dengan
menggunakan metode Horner sering dinamakan pembagian
sintetis 𝑝(𝑥): (𝑥 − 𝑡), menghasilkan 𝑞(𝑥) dan sisa 𝑏𝑜
𝑝(𝑥)
[ = 𝑞(𝑥)] + 𝑠𝑖𝑠𝑎 𝑏𝑜
(𝑥 − 𝑡)
Atau
𝑝(𝑥) = 𝑏𝑜 + (𝑥 − 𝑡)𝑞(𝑥)

Yang dalam hal ini,
𝑞(𝑥) = 𝑏𝑛 𝑥 𝑛−1 + 𝑏𝑛−1 𝑥 𝑛−2 + ⋯ + 𝑏3 𝑥 2 + 𝑏2 𝑥 + 𝑏1
Jika t adalah hampiran akar polinom 𝑝(𝑥) maka
𝑝(𝑡) = 𝑏𝑜 + (𝑡 − 𝑡)𝑞(𝑡) = 𝑏𝑜 + 0 = 𝑏𝑜
(perhatikan, jika t akarsejati, maka𝑏𝑜 = 0)
Akar-akar lain dari𝑝(𝑥) dapat dicari dari polinom 𝑞(𝑥) sebab
setiap akar 𝑞(𝑥) juga adalah akar𝑝(𝑥). Proses reduksi
polinom ini disebut deflasi (deflation). Koefisien-koefisien
𝑞(𝑥), yaitu 𝑏𝑛, 𝑏𝑛−1 , … , 𝑏3 , 𝑏2 , 𝑏1 dapat ditemukan langsung dari
tabel Horner.
Algoritmanya:
Misalkan akar polinom dihitung dengan metode Newton-
Raphson,
𝑝(𝑥)
𝒙𝒓+𝟏 = 𝑥𝑟 −
𝑝′ (𝑥)
Maka proses pencarian akar secara deflasi dapat dirumuskan
dalam langkah 1 sampai 4 berikut ini:
Langkah 1
Menghitung 𝑝(𝑥𝑟 ) dapat dilakukan secara mangkus dengan
metode Horner
Misalkan 𝑡 = 𝑥𝑟 adalah hampiran akar polinom 𝑝(𝑥)
𝑝(𝑥) = 𝑏𝑜 + (𝑥 − 𝑥𝑟 )𝑞(𝑥)
Perhitungan 𝑝(𝑥𝑟 ) menghasilkan
𝑝(𝑥𝑟 ) = 𝑏𝑜 + (𝑥𝑟 − 𝑥𝑟 )𝑞(𝑥𝑟 ) = 𝑏𝑜

Langkah 2
Menghitung 𝑝′(𝑥𝑟 ) secara mangkus:
Misalkan 𝑡 = 𝑥𝑟 adalah hampiran akar polinom𝑝(𝑥),
𝑝(𝑥) = 𝑏𝑜 + (𝑥 − 𝑥𝑟 )𝑞(𝑥)
Turunan dari 𝑝 adalah
𝑝′ (𝑥) = 0 + 1. 𝑞(𝑥) + (𝑥 − 𝑥𝑟 )𝑞′ (𝑥)

= 𝑞(𝑥) + (𝑥 − 𝑥𝑟 )𝑞′(𝑥)
Sehingga
𝑝′ (𝑥) = 𝑞(𝑥𝑟 ) + (𝑥𝑟 − 𝑥𝑟 )𝑞′ (𝑥𝑟 ) = 𝑞(𝑥𝑟 )
Langkah 3
𝑝(𝑥)
𝒙𝒓+𝟏 = 𝑥𝑟 −
𝑝′ (𝑥)
Langkah 4
Ulangi langkah 1, 2 dan 3 sampai|𝑥𝑟+1 − 𝑥𝑟 | < 𝜀
Contoh Soal :
Temukan seluruh akar nyata polinom
𝑝(𝑥) = 𝑥 6 + 4𝑥 5 − 72𝑥 4 − 214𝑥 3 + 1127𝑥 2 + 1602𝑥 − 5040
Dengan tebakan awal 𝑥0 = 8
Penyelesaian:
 Dengan menggunakan metode Newton-Raphson kita
dapat memperoleh akar pertama yaitu 7.

Bukti:
Diketahui:
𝑝(𝑥) = 𝑥 6 + 4𝑥 5 − 72𝑥 4 − 214𝑥 3 + 1127𝑥 2 + 1602𝑥 − 5040
𝑝′ (𝑥) = 6𝑥 5 + 20𝑥 4 − 288𝑥 3 − 642𝑥 2 + 2254𝑥 + 1602
𝑥0 = 8
Kemudian,
𝑝(𝑥)
𝒙𝒓+𝟏 = 𝑥𝑟 −
𝑝′ (𝑥)
Maka:
𝑥 6 + 4𝑥 5 − 72𝑥 4 − 214𝑥 3 + 1127𝑥 2 + 1602𝑥 − 5040

𝒙𝟏 = 𝑥0 −
6𝑥 5 + 20𝑥 4 − 288𝑥 3 − 642𝑥 2 + 2254𝑥 + 1602
68640
𝒙𝟏 = 8 −
109618
𝒙𝟏 = 𝟕. 𝟑 …
Jika digambarkan,
Deflasi→ 𝒑(𝒙) = (𝒙 − 𝒙𝟏 )𝒒(𝒙) + 𝒃𝟎
Untuk mengetahui 𝑞(𝑥), lakukan skema horner yaitu:

Maka 𝑞(𝑥) = 𝑥 5 + 11𝑥 4 + 5𝑥 3 − 179𝑥 2 − 126𝑥 + 720
 Setelah itu kita akan cari akar polinom derajat 5 dengan
tebakan awal 7
(gunakan metode Newton-Raphson)
𝑝(𝑥) = 𝑥 5 + 11𝑥 4 + 5𝑥 3 − 179𝑥 2 − 126𝑥 + 720
𝑝′ (𝑥) = 5𝑥 4 + 44𝑥 3 + 15𝑥 2 − 358𝑥 − 126
𝑥0 = 7
iterasi 𝑥𝑟 𝑝(𝑥) 𝑝′(𝑥) 𝑥𝑟+1
1 7 36000 25200 5.5714
2 5 6240 6844 4.0882
3 4 1512 2778 3.4557
4 3 0 528 3
Ternyata akar ditemukan pada titik𝑤 = 3, yang akan
ditunjukkan dengan titik merah pada gambar berikut

Deflasi→ 𝑤(𝑤) = (𝑤 − 𝑤𝑤)𝑤(𝑤) + 𝑤𝑤
Lakukan skema horner untuk mencari 𝑤(𝑤)
Maka kita peroleh 𝑟(𝑥) = 𝑥 4 + 14𝑥 3 + 47𝑥 2 − 38𝑥 − 240
Ulangi langkah sebelumnya untuk mencari akar
polinom derajat 4 ini, gunakan tebakan awal 3
𝑟(𝑥) = 𝑥 4 + 14𝑥 3 + 47𝑥 2 − 38𝑥 − 240
𝑟 ′ (𝑥) = 4𝑥 3 + 42𝑥 2 + 94𝑥 − 38
𝑥0 = 3
Iterasi 𝑥𝑟 𝑟(𝑥) 𝑟′(𝑥) 𝑥𝑟+1

1 3 528 730 2.2767
2 2 0 170 2
Berdasarkan iterasi di atas akar diperoleh di titik 2 yang
ditunjukkan dengan titik berwarna kuning
Deflasi→ 𝒓(𝒙) = (𝒙 − 𝒙𝟑 )𝒔(𝒙) + 𝒃𝟐

Kemudian dengan skema horner,
Maka didapatlah
𝑠(𝑥) = 𝑥 3 + 16𝑥 2 + 79𝑥 + 120
Demikian untuk seterusnya sampai kita temukan akar-akar
yang lainnya. Seluruh akar-akar yang ditemukan adalah -8, -
5, -3, 2, 3 dan 7.
4.6.3 Lokasi akar Polinom
Metode Newton-Raphson memerlukan tebakan awal akar.
Misalkan akar-akar diberi indeks dan diurutkan menaik
sedemikian sehingga
|𝑥1 | ≤ |𝑥2 | ≤ |𝑥3 | ≤ ⋯ ≤ |𝑥𝑛 |
Tebakan awal untuk akar terkecil 𝑥1 menggunakan hampiran
𝑎0 + 𝑎1 𝑥 ≈ 0
−𝑎0
𝑥≈
𝑎1
yang dapat dijadikan sebagai tebakan awal untuk
menemukan 𝑥1

Tebakan awal untuk akar terbesar xn menggunakan
hampiran
yang dapat dijadikan sebagai tebakan awal untuk
menemukan 𝑥𝑛
Contoh
1. Tentukan tebakan awal untuk mencari akar polinom
𝑥 2 − 200𝑥 + 1 = 0
Jawab :
Tebakan awal untuk akar terkecil adalah
𝑥0 = − 1/(− 200) = 1/200
Tebakan awal untuk akar terbesar adalah
𝑥0 = −( −200)/1 = 200
2. Tentukan tebakan awal untuk mencari akar polinom
2𝑥 2 + 4𝑥 + 1 = 0
Jawab :
Tebakan awal untuk akar terkecil adalah
𝑥0 = − 2/(4) = 1/2
Tebakan awal untuk akar terbesar adalah
𝑥0 = −( 4)/2 = 2
4.7 Sistem Persamaan Nirlanjar

4.7.1 Metode lelaran titik tetap
lelarannya titik-tetap untuk sistem dengan dua
persamaan nirlanjar:
𝑥𝑟+1 = 𝑔1 (𝑥𝑟 , 𝑦𝑟 )
𝑦𝑟+1 = 𝑔1 (𝑥𝑟+1 , 𝑦𝑟 )
𝑟 = 0,1,2, …
Kecepatan konvergensi lelaran titik-tetap ini dapat
ditingkatkan. Nilai 𝑥𝑟+1 yang baru dihitung langsung dipakai
untuk menghitung 𝑦𝑟+1 Jadi,
𝑥𝑟+1 = 𝑔1 (𝑥𝑟 , 𝑦𝑟 )
𝑦𝑟+1 = 𝑔1 (𝑥𝑟+1 , 𝑦𝑟 )
𝑟 = 0,1,2, …
Kondisi berhenti (konvergen) adalah
|𝑥𝑟+1 − 𝑥𝑟 | < 𝜀 dan |𝑦𝑟+1 − 𝑦𝑟 | < 𝜀 dan |𝑧𝑟+1 − 𝑧𝑟 | < 𝜀
Contoh :
Selesaikan sistem persamaan nirlanjar berikut ini,
𝑓1 (𝑥, 𝑦) = 𝑥 2 + 𝑥𝑦 − 10 = 0
𝑓2 (𝑥, 𝑦) = 3𝑥𝑦 2 − 57 = 0
(Akar sejatinya 𝑥 = 2 dan = 3 )
Prosedur lelaran titik-tetapnya adalah
10 − 𝑥𝑟 2
𝑥𝑟+1 =
𝑦𝑟

𝑦𝑟+1 = 57 − 3𝑥𝑟+1 𝑦𝑟 2
Berikan tebakan awal 𝑥0 = 1.5 dan 𝑦0 = 3.5 dan 𝜀 = 0.000001
Tabel lelarannya :
r x Y |𝑥𝑟+1 | |𝑦𝑟+1 𝑦𝑟 |
0 1.500000 3.500000 − −
1 2.214286 −24.375000 0.714286 27.875000
2 −0.209105 429.713648 2.423391 454.088648
3 0.023170 −12778.041781 0.232275 13207.755429
.....................................................................................................................
Ternyata lelarannya divergen!
Sekarang kita ubah persamaan prosedur lelarannya menjadi
𝑥𝑟+1 = √10 − 𝑥𝑟 2
57 − 𝑦𝑟
𝑦𝑟+1 = √
3𝑥𝑟+1 𝑦𝑟 2
Berikan tebakan awal 𝑥0 = 1.5 dan 𝑦0 = 3.5 dan 𝜀 = 0.000001
Hasilnya,
𝑟 𝑥 𝑦 |𝑥𝑟+1 | |𝑦𝑟+1 𝑦𝑟 |
0 1.500000 3.500000 − −
1 2.179449 2.860506 0.679449 0.639494
2 1.940534 3.049551 0.238916 0.189045
3 2.020456 2.983405 0.079922 0.066146
4 1.993028 3.005704 0.027428 0.022300
5 2.002385 2.998054 0.009357 0.007650
6 1.999185 3.000666 0.003200 0.002611

7 2.000279 2.999773 0.001094 0.000893
8 1.999905 3.000078 0.000374 0.000305
9 2.000033 2.999973 0.000128 0.000104
10 1.999989 3.000009 0.000044 0.000036
11 2.000004 2.999997 0.000015 0.000012
12 1.999999 3.000001 0.000005 0.000004
13 2.000000 3.000000 0.000002 0.000001
14 2.000000 3.000000 0.000001 0.000000
......................................................................................................................
Akar 𝑥 = 2.000000 dan 𝑦 = 3.000000
4.7.2 Metode newton raphson
Metode Newton-Raphson dapat dirampatkan
(generalization) untuk sistem dengan n persamaan.
𝜕𝑢𝑟 𝜕𝑢𝑟
𝑢𝑟+1 = 𝑢𝑟 + (𝑥𝑟+1 − 𝑥𝑟 ) + (𝑦𝑟+1 − 𝑦𝑟 )
𝜕𝑥 𝜕𝑦
dan
𝜕𝑣𝑟 𝜕𝑣𝑟
𝑣𝑟+1 = 𝑣𝑟 + (𝑥𝑟+1 − 𝑥𝑟 ) + (𝑦𝑟+1 − 𝑦𝑟 )
𝜕𝑥 𝜕𝑦
Determinan Jacobi :
𝜕𝑢𝑟 𝜕𝑣𝑟 𝜕𝑢𝑟 𝜕𝑣𝑟

−
𝜕𝑥 𝜕𝑦 𝜕𝑦 𝜕𝑥
𝜕𝑣𝑟 𝜕𝑢𝑟
𝑢𝑟 + 𝑣𝑟
𝜕𝑦 𝜕𝑦
𝑥𝑟+1 = 𝑥𝑟 − 𝜕𝑢𝑟 𝜕𝑣𝑟 𝜕𝑢𝑟 𝜕𝑣𝑟
−
𝜕𝑥 𝜕𝑦 𝜕𝑦 𝜕𝑥
Dan

𝜕𝑣 𝜕𝑢
𝑢𝑟 𝑟 + 𝑣𝑟 𝑟
𝜕𝑥 𝜕𝑦
𝑦𝑟+1 = 𝑦𝑟 + 𝜕𝑢 𝜕𝑣 𝜕𝑢 𝜕𝑣
𝑟 𝑟
− 𝑟 𝑟
𝜕𝑥 𝜕𝑦 𝜕𝑦 𝜕𝑥
Contoh :
Gunakan metode Newton -Raphson untuk mencari akar
𝑓1 (𝑥, 𝑦) = 𝑥 2 + 𝑥𝑦 − 10 = 0
𝑓2 (𝑥, 𝑦) = 3𝑥𝑦 2 − 57 = 0
Dengan tebakan awal 𝑥0 = 1.5 dan 𝑦0 = 3.5
Penyelesaian :
𝜕𝑢0
= 2𝑥 + 𝑦 = 2(1.5) + 3.5 = 6.5
𝜕𝑥
𝜕𝑢𝑜
= 𝑥 = 1.5
𝜕𝑦
𝜕𝑣0
= 3𝑥𝑦 2 = 3(3.5)2 = 36.5
𝜕𝑥
𝜕𝑣0
= 1 + 6 𝑥𝑦 = 1 + 6(1.5) = 32.5
𝜕𝑦
Determinan Jacobi untuk lelaran pertama adalah
𝜕𝑢𝑟 𝜕𝑣𝑟 𝜕𝑢𝑟 𝜕𝑣𝑟

− = 6.5(32.5) − 1.5(36.75) = 156.125
𝜕𝑥 𝜕𝑦 𝜕𝑦 𝜕𝑥
Nilai-nilai fungsi dapat dihitung dari tebakan awal sebagai
𝑢0 = (1.5) 2 + 1.5(3.5) − 10 = − 2.5

𝑣0 = (3.5) 2 + 3(1.5)(3.5)2 − 57 = 1.625
Nilai x dan y pada lelaran pertama adalah

1.5 − (−2.5)(32.5) − 1.625(1.5
𝑥0 = = 2.03603
156.125
Dan
3.5 − (−2.5)(36.75) − 1.625(6.5)

𝑦0 = = 2.84388
156.125
Apabila lelarannya diteruskan, ia konvergen ke akar sejati 𝑥 = 2
dan 𝑦 = 3.
Seperti halnya metode lelaran titik -tetap, metode Newton-
Raphson mungkin saja divergen jika tebakan awal tidak cukup
dekat ke akar. Penggambaran kurva masing -masing persamaan
secara grafik dapat membantu pemilihan tebakan awal yang
bagus.
4.8 Soal terapan
Dalam suatu proses kimia, campurkan karbon monoksida dan
oksigen mencapai kesetimbangan pada suhu 300°𝐾 dan tekanan
5 atm.reaksi teoritisnya adalah
1
𝐶𝑂 + 𝑂2 ⇄ 𝐶𝑂2
2
Reaksi kimia yang sebenarnya terjadi dapat ditulis sebagai
(1 + 𝑥)
𝐶𝑂 + 𝑂2 ⟶ 𝑥𝐶𝑂2 + 𝑂2 + (1 − 𝑥)𝐶𝑂2
2
Persamaan kesetimbangan kimia untuk menentukan fraksi mol 𝐶𝑂
yang tersisa yaitu 𝑥, yang ditulis sebagai

1
(1 − 𝑥)(3 + 𝑥)2
𝐾𝑝 = 1 1 , 0<𝑥<1
𝑥(𝑥 + 1)2 𝑝2
Yang dalam hal ini . 𝐾𝑝 = 3,06 adalah tetapan kesetimbangan
1
untuk reaksi 𝐶𝑂 + 𝑂2 pada 3000°𝐾 dan 𝑃 = 5𝑎𝑡𝑚. tentukan nilai
2
𝑥 dengan menggunakan regulasi falsi yang diperbaiki.
Penyelesaian :
Persoalan ini lebih tepat diselesaikan dengan metode tertutup
karena 𝑥 adalah fraksi mol yang nilainya terletak antara 0 dan 1.
Fungsi yang akan dicari akarnya dapat ditulis sebagai

1
(1 − 𝑥)(3 + 𝑥)2
𝑓(𝑥) = 1 1 − 𝐾𝑝 , 0<𝑥<1
𝑥(𝑥 + 1)2 𝑝2
Dengan 𝐾𝑝 = 3,06 dan 𝑃 = 5𝑎𝑡𝑚.
Selang yang mengandung akar adalah [0.1,0.9]. nilai fungsi di
ujung – ujung selang adalah

1
(1 − 0,1)(3 + 0,1)2
𝑓(0,1) = 1 1 − 3,06 = 3,696815
0,1(0,1 + 1)2 (5)2
1
(1 − 0,9)(3 + 0,9)2
𝑓(0,9) = 1 1 − 3,06 = −2,988809
0,9(0,9 + 1)2 (5)2
Yang memenuhi 𝑓(0,1)𝑓(0,9) < 0
R a C b f(a)
0 0,100000 0,542360 0,900000 3,696815
1 0,100000 0,288552 0,542360 1,848407

2 0,100000 0,178401 0,288552 0,924204
3 0,178401 0,200315 0,288552 0,322490
4 0,178401 0,193525 0,200315 0,322490
5 0,178401 0,192520 0,193525 0,161242
6 0,192520 0,192963 0,193525 0,009064
7 0,192520 0,192962 0,192963 0,009064
f(c) f(b) Sb Lebar
-2,988809 -2,988809 [a,c] 0,442360
-1,298490 -2,488120 [a,c] 0,188552
0,322490 -1,298490 [c,b] 0,110151
-0,144794 -1,298490 [a,c] 0,021914
-0,011477 -0,144794 [a,c] 0,015124
0,009064 -0,011477 [c,b] 0,001005
-0,000027 -0,011477 [a,c] 0,000443
-0,000000 -0,000027 [a,c] 0,000442
Hampiran akar 𝑥 = 0,192962
Jadi, setelah reaksi berlangsung, fraksi mol 𝐶𝑂 yang tersisa adalah
0,192962.

BAB IV
SOLUSI SISTEM PERSAMAAN LANJAR
4.1 Bentuk Umum Sistem Persamaan Lanjar
Sistem Persamaan Lanjar (SPL) dengan 𝑛 peubah dinyatakan sebagai :
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
: :
: :
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛 (P.4.1)
Dengan menggunakan perkalian matriks, kita dapat menulis (P.4.1)
sebagai persamaan matriks
𝐴𝑥 = 𝑏 (P.4.2)
Yang dalam hal ini.
𝐴 = [𝑎𝑖𝑗 ] adalah matriks berukuran 𝑛 × 𝑛
𝑥 = [𝑥𝑗 ] adalah matriks berukuran 𝑛 × 1
𝑏 = [𝑏𝑗 ] adalah matriks berukuran 𝑛 × 1 (disebut juga vector kolom)
yaitu

𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛 𝑥1 𝑏1
𝑎21 𝑎22 𝑎23 ⋯ 𝑎2𝑛 𝑥2 𝑏2
𝑎31 𝑎32 𝑎33 ⋯ 𝑎3𝑛 𝑥3 = 𝑏3
⋮ ⋯ ⋮ ⋮ ⋮
[𝑎n1 𝑎𝑛2 𝑎𝑛3 ⋯ 𝑎n𝑛 ] [𝑥𝑛 ] [𝑏𝑛 ]
Solusi (P.4.1) adalah himpunan nilai 𝑥1 , 𝑥2 , … , 𝑥𝑛 yang memenuhi 𝑛 buah
persamaan. Beberapa metode penyelesaian praktis system persamaan
lanjar yang di bahas adalah :
4.2 Metode Cramer
Jika 𝐴𝑥 = 𝑏 adalah sebuah sistem linear n yang tidak diketahui dan
det(𝐴) ≠ 0 maka persamaan tersebut mempunyai penyelesaian yang
unik
det(𝐴1 ) det(𝐴2 ) det(𝐴3 ) det(𝐴𝑛 )

𝑋1 = , 𝑋2 = , 𝑋3 = , … , 𝑋𝑛 =
det(𝐴) det(𝐴) det(𝐴) det(𝐴)
Contoh soal :
Selesaikan dengan aturan cramer
1. 𝑥1 + 𝑥2 + 2𝑥3 =6
2𝑥1 + 𝑥2 − 𝑥3 =3
−𝑥1 + 2𝑥2 + 2𝑥3 = −1
Jawab :
1 1 2
𝐴 = [ 2 1 −1]
−1 2 2
6
𝑏=[ 3 ]
−1
1 −1 2 −1 2 1
𝐷 = (1) [ ] − (1) [ ] + (2) [ ]
2 2 −1 2 −1 2
𝐷 = (2 − (−2)) − (4 − 1) + 2(4 − (−1))
𝐷 = 4 − 3 + 10

𝐷 = 11
6 1 2
𝐷𝑋1 = [ 3 1 −1]
−1 2 2
1 −1 3 −1 3 1
𝐷𝑋1 = (6) [ ] − (1) [ ] + (2) [ ]
2 2 −1 2 −1 2
𝐷𝑋1 = (6)(2 − (−2)) − (6 − 1) + (2)(6 − (−1))
𝐷𝑋1 = 6(4) − 5 + 2(7)
𝐷𝑋1 = 33
1 6 2
𝐷𝑋2 = [ 2 3 −1]
−1 −1 2
(1) 3 −1 2 −1 2 3
𝐷𝑋2 = [ ] − (6) [ ] + (2) [ ]
−1 2 −1 2 −1 −1
𝐷𝑋2 = (6 − 1)) − 6(4 − 1) + (2)(−2 − (−3))
𝐷𝑋2 = 5 − 6(3) + 2(1)
𝐷𝑋2 = −11
1 1 6
𝐷𝑋3 = [ 2 1 3 ]
−1 2 −1
1 3 2 3 2 1
𝐷𝑋3 = (1) [ ] − (1) [ ] + (6) [ ]
2 −1 −1 −1 −1 2
𝐷𝑋3 = (−1 − 6) − (−2 − (−3)) + (6)(4 − (−1))
𝐷𝑋3 = −7 − 1 + 6(5)
𝐷𝑋3 = 22
𝐷𝑥1 33
𝑥1 = = =3
𝐷 11
𝐷𝑥 −11
𝑥2 = 2 = = −1
𝐷 11
𝐷𝑥 22
𝑥3 = 3 = =2
𝐷 11

∴ 𝑥1 = 3 ; 𝑥2 = −1 ; 𝑑𝑎𝑛 𝑥3 = 2
2. 𝑥1 − 2𝑥2 + 𝑥3 =3
2𝑥1 − 3𝑥2 + 4𝑥3 = 13
−3𝑥1 + 5𝑥2 + 2𝑥3 = 5
Jawab :
1 −2 1
𝐴 = [ 2 −3 4]
−3 5 2
3
𝑏 = [13]
5
−3 4 2 4 2 −3
𝐷 = (1) [ ] − (−2) [ ] + (1) [ ]
5 2 −3 2 −3 5
𝐷 = (−6 − 20) + 2(4 − (−12)) + (10 − 9)
𝐷 = −26 + 2(16) + 1
𝐷 =7
3 −2 1
𝐷𝑋1 = [13 −3 4]
5 5 2
−3 4 13 4 13 −3
𝐷𝑋1 = (3) [ ] − (−2) [ ] + (1) [ ]
5 2 5 2 5 5
𝐷𝑋1 = (3)(−6 − 20) + 2(26 − 20) + (65 − (−15))
𝐷𝑋1 = 3(−26) + 12 + 80
𝐷𝑋1 = 14
1 3 1
𝐷𝑋2 = [ 2 13 4]
−3 5 2
13 4 2 4 2 13
𝐷𝑋2 = (1) [ ] − (3) [ ] + (1) [ ]
5 2 −3 2 −3 5
𝐷𝑋2 = (26 − 20) − 3(4 − (−12) + (10 − (−39))
𝐷𝑋2 = 6 − 3(16) + 49

𝐷𝑋2 = 7
1 −2 3
𝐷𝑋3 = [ 2 −3 13]
−3 5 5
−3 13 2 13 2 −3
𝐷𝑋3 = (1) [ ] − (−2) [ ] + (3) [ ]
5 5 −3 5 −3 5
𝐷𝑋3 = (−15 − 65) + 2(10 − (−39)) + (3)(10 − 9)
𝐷𝑋3 = −80 + 2(49) + 3(1)
𝐷𝑋3 = 21
𝐷𝑥1 14
𝑥1 = = =2
𝐷 7
𝐷𝑥 7
𝑥2 = 2 = = 1
𝐷 7
𝐷𝑥3 21
𝑥3 = = =3
𝐷 7
∴ 𝑥1 = 2 ; 𝑥2 = 1 ; 𝑑𝑎𝑛 𝑥3 = 3
3. −12𝑥1 + 𝑥2 + 8𝑥3 = −80

𝑥1 − 6𝑥2 − 4𝑥3 = 13
−2𝑥1 − 𝑥2 + 10𝑥3 = 90
Jawab :
−12 1 8
𝐴=[ 1 −6 −4]
−2 −1 10
−80
𝑏 = [ 13 ]
90
−6 −4 1 −4 1 −6
𝐷 = (−12) [ ] − (1) [ ] + (8) [ ]
−1 10 −2 10 −2 −1
𝐷 = −12(−60 − 4) − (10 − 8) + 8(−1 − 12)
𝐷 = −12(−64) − 2 + 8(−13)
𝐷 =662

−80 1 8
𝐷𝑋1 = [ 13 −6 −4]
90 −1 10
−6 −4 13 −4 13 −6
𝐷𝑋1 = (−80) [ ] − (1) [ ] + (8) [ ]
−1 10 90 10 90 −1
𝐷𝑋1 = (−80)(−60 − 4) − (130 − (−360)) + 8(−13 − (−540))
𝐷𝑋1 = −80(−64) − 490 + 8(527)
𝐷𝑋1 = 8846
−12 −80 8
𝐷𝑋2 = [ 1 13 −4]
−2 90 10
13 −4 1 −4 1 13
𝐷𝑋2 = (−12) [ ] − (−80) [ ] + (8) [ ]
90 10 −2 10 −2 90
𝐷𝑋2 = −12(130 − (−360)) + 80(10 − 8) + 8(90 − (−26))
𝐷𝑋2 = −12(490) + 80(2) + 116
𝐷𝑋2 = −4792
−12 1 −80
𝐷𝑋3 = [ 1 −6 13 ]
−2 −1 90
−6 13 1 13 1 −6
𝐷𝑋3 = (−12) [ ] − (1) [ ] + (−80) [ ]
−1 90 −2 90 −2 −1
𝐷𝑋3 = −12(−540 − (−13)) − (90 − (−26)) + (−80)(−1 − 12)
𝐷𝑋3 = −12(527) − (116) − 80(−13)
𝐷𝑋3 = 7248
𝐷𝑥1 8846 4423

𝑥1 = = =
𝐷 662 331
𝐷𝑥2 −4792 −2396
𝑥2 = = =
𝐷 662 331
𝐷𝑥3 7248 3624
𝑥3 = = =
𝐷 662 331

4423 −2396 3624
∴ 𝑥1 = ; 𝑥2 = ; 𝑑𝑎𝑛 𝑥3 =
331 331 331
4. 0,3𝑥1 + 0,5𝑥2 + 𝑥3 = −0,01

0,5𝑥1 + 𝑥2 + 1,9𝑥3 = 0,67
0,1𝑥1 + 0,3𝑥2 + 0,5𝑥3 = 0,44
Jawab :
Penskalaan 10
3 5 10
𝐴 = [5 10 19]
1 3 5
−0,1
𝑏 = [ 6,7 ]
4,4
10 19 5 19 5 10
𝐷 = (3) [ ] − (5) [ ] + (10) [ ]
3 5 1 5 1 3
𝐷 = 3(50 − 57) − 5(25 − 19) + 10(15 − 10)
𝐷 = 3(−7) − 5(6) + 10(5)
𝐷 = −1
−0,1 5 10
𝐷𝑋1 = [ 6,7 10 19]
4,4 3 5
10 19 6,7 19 6,7 10
𝐷𝑋1 = (−0,1) [ ] − (5) [ ] + (10) [ ]
3 5 4,4 5 4,4 3
𝐷𝑋1 = (−0,1)(50 − 57) − 5(33,5 − 83,6) + 10(20,1 − 44)
𝐷𝑋1 = −0,1(−7) − 5(−50,1) + 10(−23,9)
𝐷𝑋1 = 12,2
3 −0,1 10
𝐷𝑋2 = [5 6,7 19]
1 4,4 5
6,7 19 5 19 5 6,7
𝐷𝑋2 = (3) [ ] − (−0,1) [ ] + (10) [ ]
4,4 5 1 5 1 4,4

𝐷𝑋2 = (3)(33,5 − 83,6) + 0,1(25 − 19) + 10(22 − 6,7)
𝐷𝑋2 = 3(−50,1) + 0,1(6) + 10(15,3)
𝐷𝑋2 = 3,3
3 5 −0,1
𝐷𝑋3 = [5 10 6,7 ]
1 3 4,4
10 6,7 5 6,7 5 10
𝐷𝑋3 = (3) [ ] − (5) [ ] + (−0,1) [ ]
3 4,4 1 4,4 1 3
𝐷𝑋3 = (3)(44 − 20,1) − 5(22 − 6,7) − 0,1(15 − 10)
𝐷𝑋3 = 3(23,9) − 5(15,3) − 0,1(5)
𝐷𝑋3 = −5,3
𝐷𝑥1 12,2
𝑥1 = = = −12,2
𝐷 −1
𝐷𝑥 3,3
𝑥2 = 2 = = −3,3
𝐷 −1
𝐷𝑥 −5,3
𝑥3 = 3 = = 5,3
𝐷 −1
∴ 𝑥1 = −12,2; 𝑥2 = −3,3 ; 𝑑𝑎𝑛 𝑥3 = 5,3
4.3 Metode Eliminasi Gauss
Eliminasi Gauss adalah suatu metode untuk mengoperasikan nilai-
nilai di dalam matriks sehingga menjadi matriks yang lebih sederhana
lagi. Dengan melakukan operasi baris sehingga matriks tersebut
menjadi matriks yang baris. Ini dapat digunakan sebagai salah satu
metode penyelesaian persamaan linear dengan menggunakan matriks.
Caranya dengan mengubah persamaan linear tersebut ke
dalam matriks teraugmentasi dan mengoperasikannya. Setelah

menjadi matriks baris, lakukan substitusi balik untuk mendapatkan nilai
dari variabel-variabel tersebut.
Kelebihan dan Kekurangan
Metode ini digunakan dalam analisis numerik untuk meminimalkan
mengisi selama eliminasi, dengan beberapa tahap
Keuntungan :
 menentukan apakah sistem konsisten
 menghilangkan kebutuhan untuk menulis ulang variabel setiap
langkah
 lebih mudah untuk memecahkan masalah
kelemahan :
 memiliki masalah akurasi saat pembulatan desimal
Metode ini berbentuk matriks segitiga atas seperti :
𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛 𝑥1 𝑏1

0 𝑎22 𝑎23 ⋯ 𝑎2𝑛 𝑥2 𝑏2
0 0 𝑎33 ⋯ 𝑎3𝑛 𝑥3 = 𝑏3
⋮ ⋯ ⋮ ⋮ ⋮
[0 0 0 ⋯ 𝑎n𝑛 ] [𝑥𝑛 ] [𝑏𝑛 ]
Maka solusinya dapat dihitung dengan tekhnik penyulingan mundur
(backward substitution):
𝑏𝑛
𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛 → 𝑥𝑛 =
𝑎𝑛
𝑏𝑛−1 − 𝑎𝑛−1.𝑛 𝑥𝑛
𝑎𝑛−1.𝑛−1 𝑥𝑛−1 + 𝑎𝑛−1.𝑛 𝑥𝑛 = 𝑏𝑛−1 →
𝑎𝑛−1.𝑛−1

𝑎𝑛−2.𝑛−2 𝑥𝑛−2 + 𝑎𝑛−2.𝑛−1 𝑥𝑛−1 + 𝑎𝑛−2.𝑛 𝑥𝑛 = 𝑏𝑛−2 → 𝑥𝑛−2
𝑏𝑛−2 − 𝑎𝑛−2.𝑛−1 𝑥𝑛−1 − 𝑎𝑛−2.𝑛 𝑥𝑛
=
𝑎𝑛−2.𝑛−2
⋮
𝑑𝑠𝑡.
Sekali 𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥𝑘+1 diketahui, maka nilai𝑥𝑘 maka dihitung
dengan
𝑏𝑘 −∑𝑛
𝑗=𝑘+1 𝑎𝑘𝑗 𝑥𝑗
𝑥𝑘 = , 𝑘 = 𝑛 − 1, 𝑛 − 2, … , 𝑑𝑎𝑛 𝑎𝑘𝑘 ≠ 0
𝑎𝑘𝑘
Contoh Soal :
1. 𝑥1 + 𝑥2 + 2𝑥3 =6
2𝑥1 + 𝑥2 − 𝑥3 =3
−𝑥1 + 2𝑥2 + 2𝑥3 = −1
Jawab :
1 1 2 6
𝐴 = [ 2 1 −1] , 𝑏 = [ 3 ]
−1 2 2 −1
1 1 2 6 𝐵𝐵2 −2𝐵 1 1 1 2 6 𝐵3 +3𝐵2 1 1 2 6
3 +𝐵1
[2 1 −1| 3 ] → [0 −1 −5| −9] → [0 −1 −5 | −9 ]
−1 2 2 −1 0 3 4 5 0 0 −11 −22
−11𝑥3 = −22 → 𝑥3 = 2
−𝑥2 − 5𝑥3 = −9 → 𝑥2 = 9 − 5(2) = −1
𝑥1 + 𝑥2 + 2𝑥3 = 6 → 𝑥1 = 6 − (−1) − 2(2) = 3
∴ 𝑥1 = 3; 𝑥2 = −1; 𝑥3 = 2
2. 𝑥1 − 2𝑥2 + 𝑥3 =3
2𝑥1 − 3𝑥2 + 4𝑥3 = 13
−3𝑥1 + 5𝑥2 + 2𝑥3 = 5
Jawab :

1 −2 1 3
𝐴 = [ 2 −3 4] , 𝑏 = [13]
−3 5 2 5
1 −2 1 3 𝐵𝐵2 −2𝐵 1 1 −2 1 3 𝐵3 +𝐵2 1 −2 1 3
3 +3𝐵1
[ 2 −3 4| 13] → [0 1 2| 7 ] → [0 1 2| 7 ]
−3 5 2 5 0 −1 5 14 0 0 7 21
7𝑥3 = 21 → 𝑥3 = 3
𝑥2 + 2𝑥3 = 7 → 𝑥2 = 7 − 2(3) = 1
𝑥1 − 2𝑥2 + 𝑥3 = 3 → 𝑥1 = 3 + 2(1) − 3 = 2
∴ 𝑥1 = 2; 𝑥2 = 1; 𝑥3 = 3
3. −12𝑥1 + 𝑥2 + 8𝑥3 = −80

𝑥1 − 6𝑥2 − 4𝑥3 = 13
−2𝑥1 − 𝑥2 + 10𝑥3 = 90
Jawab :
−12 1 8 −80
𝐴=[ 1 −6 −4] , 𝑏 = [ 13 ]
−2 −1 10 90
−12 1 8 −80
[ 1 −6 −4| 13 ]
−2 −1 10 90
𝐵2 ↔𝐵1 1 −6 −4 13 𝐵𝐵2 +12𝐵 1 1 −6 −4 13
3 +2𝐵1
→ [−12 1 8 | −80] → [0 −71 −40| 76 ]
−2 −1 10 90 0 −13 2 116
1 −6 −4 13
1 1 −6 −4 13 40 76
− 𝐵2 40 76 𝐵3 +13𝐵2 0 1 −
71 || 71
71
→ [0 1 |− ]→
71 71 662 7248
0 −13 2 116
[0 0
71 71 ]
662 7248 7248 3624
𝑥 = → 𝑥3 = =
71 3 71 662 331
40 76 76 40 3624 2396
𝑥2 + 𝑥3 = − → 𝑥2 = − − ( )=−
71 71 71 71 331 331
2396 3624 4423
𝑥1 − 6𝑥2 − 4𝑥3 = 13 → 𝑥1 = 13 + 6 (− )+ 4( )=
331 331 331
4423 2396 3624
∴ 𝑥1 = ;𝑥 = − ;𝑥 =
331 2 331 3 331

4. 0,3𝑥1 + 0,5𝑥2 + 𝑥3 = −0,01
0,5𝑥1 + 𝑥2 + 1,9𝑥3 = 0,67
0,1𝑥1 + 0,3𝑥2 + 0,5𝑥3 = 0,44
Jawab :
Penskalaan 10
3 5 10 −0,1
𝐴 = [5 10 19] , 𝑏 = [ 6,7 ]
1 3 5 4,4
3 5 10 −0,1 𝐵1 ↔𝐵3 1 3 5 4,4 𝐵𝐵2 −5𝐵 1
3 −3𝐵1
[5 10 19| 6,7 ] → [5 10 19| 6,7 ] →
1 3 5 4,4 3 5 10 −0,1
1 3 5 4,4 −0,2𝐵 1 3 5 4,4 𝐵 +4𝐵
2 3 2
[0 −5 −6| −15,3] → [0 1 1,2| 3,06 ] →
0 −4 −5 −13,3 0 −4 −5 −13,3
1 3 5 4,4
[0 1 1,2 | 3,06 ]
0 0 −0,2 −1,06
−0,2𝑥3 = −1,06 → 𝑥3 = 5,3
𝑥2 + 1,2𝑥3 = 3,06 → 𝑥2 = 3,06 − 1,2(5,3) = −3,3
𝑥1 + 3𝑥2 + 5𝑥3 = 4,4 → 𝑥1 = 4,4 − 3(−3,3) − 5(5,3) = −12,2
4.4 Metode Eliminasi Gauss-Jordan
Dalam aljabar linear, eliminasi Gauss-Jordan adalah versi dari
eliminasi Gauss. Pada metode eliminasi Gauss-Jordan kita membuat
nol elemen-elemen di bawah maupun di atas diagonal utama suatu
matriks. Hasilnya adalah matriks tereduksi yang berupa matriks
diagonal satuan (semua elemen pada diagonal utama bernilai 1,
elemen-elemen lainnya nol).

Dalam bentuk matriks, eliminasi Gauss-Jordan ditulis sebagai
berikut.
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 𝑏1 1 0 0 … 0 𝑏1,

𝑎21 𝑎22 𝑎23 … 𝑎2𝑛 𝑏2 0 1 0 … 0 𝑏2,
𝑎31 𝑎32 𝑎33 … 𝑎3𝑛 𝑏3 0 0 1 … 0 𝑏3,
… … … … … … … … … … … …
[𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 … 𝑎𝑛𝑛 𝑏𝑛 ] [0 0 0 … 1 𝑏𝑛, ]
Solusinya: 𝑥1 = 𝑏1, 𝑥2 = 𝑏2, …… ……
𝑥𝑛 = 𝑏𝑛,
Seperti pada metode eliminasi gauss naïf, metode eliminasi Gauss-
Jordan naïf tidak menerapkan tata-ancang pivoting dalam proses
eliminasinya.
Langkah-langkah operasi baris yang dikemukakan oleh Gauss
dan disempurnakan oleh Jordan sehingga dikenal dengan Eliminasi
Gauss-Jordan, sebagai berikut:
1. Jika suatu baris tidak seluruhnya dari nol, maka bilangan tak
nol pertama pada baris itu adalah 1. Bilangan ini disebut 1
utama (leading 1).
2. Jika terdapat baris yang seluruhnya terdiri dari nol, maka
baris-baris ini akan dikelompokkan bersama pada bagian
paling bawah dari matriks.
3. Jika terdapat dua baris berurutan yang tidak seluruhnya dari
nol, maka 1 utama pada baris yang lebih rendah terdapat

pada kolom yang lebih kanan dari 1 utama pada baris yang
lebih tinggi.
4. Setiap kolom memiliki 1 utama memiliki nol pada tempat lain.
Algoritma Metode Eliminasi Gauss-Jordan adalah sebagai berikut:
5. Masukkan matriks A dan vector B beserta ukurannya n
6. Buat augmented matriks [AB] namakan dengan A
7. Untuk baris ke-i dimana i=1 s/d n
a) Perhatikan apakah nilai 𝑎𝑖,𝑖 sama dengan nol:
Bila ya:
Pertukarkan baris ke-i dan baris ke i+k≤n, dimana 𝑎𝑖+𝑘,𝑖
tidak sama dengan nol, bila tidak ada berarti
perhitungan tidak bisa dilanjutkan dan proses
dihentikan dengan tanpa penyelesaian.
Bila tidak: Lanjutkan
b) Jadikan nilai diagonalnya menjadi satu, dengan cara
untuk setiap kolom k dimana k=1 s/d n+1, hitung 𝑎𝑖,𝑘 =

𝑎𝑖,𝑘
𝑎𝑖,𝑖
8. Untuk baris ke j, dimana j=i+1 s/d n
Lakukan operasi baris elementer untuk kolom k dimana k=1
s/d n
Hitung 𝑐 = 𝑎𝑗,𝑖
Hitung 𝑎𝑗,𝑘 = 𝑎𝑗,𝑘 − 𝑐. 𝑎𝑖,𝑘

9. Penyelesaian, untuk i=n s/d 1 (bergerak dari baris ke n sampai
baris pertama)
𝑥𝑖 = 𝑎𝑖,𝑛+1
Contoh Soal :
1. 𝑥1 + 𝑥2 + 2𝑥3 =6
2𝑥1 + 𝑥2 − 𝑥3 =3
−𝑥1 + 2𝑥2 + 2𝑥3 = −1
Jawab :
1 1 2 6
𝐴 = [ 2 1 −1] , 𝑏 = [ 3 ]
−1 2 2 −1
1 1 2 6 𝐵𝐵2 −2𝐵 1 1 1 2 6 −𝐵2 1 1 2 6 𝐵𝐵1−3𝐵 −𝐵2
3 +𝐵1 3 2
[2 1 −1| 3 ] → [0 −1 −5| −9] → [0 1 5| 9] →
−1 2 2 −1 0 3 4 5 0 3 4 5
1 0 −3 −3 − 1 𝐵3 1 0 −3 −3 𝐵𝐵1 +3𝐵 3 1 0 0 3
11 2 −5𝐵3
[0 1 5 | 9 ]→ [0 1 5 | 9 ]→ [0 1 0| −1]
0 0 −11 −22 0 0 1 2 0 0 1 2
∴ 𝑥1 = 3; 𝑥2 = −1; 𝑥3 = 2
2. 𝑥1 − 2𝑥2 + 𝑥3 =3
2𝑥1 − 3𝑥2 + 4𝑥3 = 13
−3𝑥1 + 5𝑥2 + 2𝑥3 = 5
Jawab :
1 −2 1 3
𝐴 = [ 2 −3 4] , 𝑏 = [13]
−3 5 2 5
1 −2 1 3 𝐵𝐵2 −2𝐵 1 1 −2 1 3 𝐵𝐵1 +2𝐵 2 1 0 5 17 1𝐵3
3 +3𝐵1 3 +𝐵2 7
[ 2 −3 4| 13] → [0 1 2| 7 ] → [0 1 2| 7 ] →
−3 5 2 5 0 −1 5 14 0 0 7 21
1 0 5 17 𝐵𝐵1 −5𝐵 3 1 0 0 2
2 −2𝐵3
[0 1 2| 7 ] → [0 1 0| 1]
0 0 1 3 0 0 1 3
∴ 𝑥1 = 2; 𝑥2 = 1; 𝑥3 = 3

3. −12𝑥1 + 𝑥2 + 8𝑥3 = −80
𝑥1 − 6𝑥2 − 4𝑥3 = 13
−2𝑥1 − 𝑥2 + 10𝑥3 = 90
Jawab :
−12 1 8 −80
𝐴=[ 1 −6 −4] , 𝑏 = [ 13 ]
−2 −1 10 90
−12 1 8 −80
[ 1 −6 −4| 13 ]
−2 −1 10 90
1
𝐵2 ↔𝐵1 −6 −4 13 𝐵𝐵2 +12𝐵 1 1 −6 −4 13
3 +2𝐵1
→ [−12 1 8 | −80] → [0 −71 −40| 76 ]
−2 −1 10 90 0 −13 2 116
44 467 467
1 0 − 44
1 1 −6 −4 13 𝐵1 +6𝐵2 71 71 71 1 0 − 71
− 𝐵2 40 76 𝐵3 +13𝐵2 40 | 76 662𝐵3 71 76
40 || −
71
→ [0 1 |− ]→ 0 1 − →
71 71 71 | 71 0 1 71
0 −13 2 116 662 7248 71 3624
0 0 0 0 1
[ 71 71 ] [ 331 ]
44
𝐵1 + 𝐵3
71 4423⁄
40
𝐵2 − 𝐵3 1 0 0 331
0 1 0| − 2396⁄331
71
→
0 0 1 3624
[ ⁄331 ]
4423 2396 3624
∴ 𝑥1 = ;𝑥 = − ;𝑥 =
331 2 331 3 331
4. 0,3𝑥1 + 0,5𝑥2 + 𝑥3 = −0,01

0,5𝑥1 + 𝑥2 + 1,9𝑥3 = 0,67
0,1𝑥1 + 0,3𝑥2 + 0,5𝑥3 = 0,44
Jawab :
Penskalaan 10
3 5 10 −0,1
𝐴 = [5 10 19] , 𝑏 = [ 6,7 ]
1 3 5 4,4

3 5 10 −0,1 𝐵1 ↔𝐵3 1 3 5 4,4 𝐵𝐵2 −5𝐵 1
3 −3𝐵1
[5 10 19| 6,7 ] → [5 10 19| 6,7 ] →
1 3 5 4,4 3 5 10 −0,1
1 3 5 4,4 −0,2𝐵 1 3 5 4,4 𝐵𝐵1 −3𝐵 2
2 3 +4𝐵2
[0 −5 −6| −15,3] → [0 1 1,2| 3,06 ] →
0 −4 −5 −13,3 0 −4 −5 −13,3
1 0 1,4 −4,78 − 1 𝐵3 1 0 1,4 −4,78 𝐵𝐵1 −1,4𝐵 3
0,2 2 −1,2𝐵3
[0 1 1,2 | 3,06 ] → [0 1 1,2| 3,06 ] →
0 0 −0,2 −1,06 0 0 1 5,3
1 0 0 −12,2
[0 1 0| −3,3 ]
0 0 1 5,3
∴ 𝑥1 = −12,2; 𝑥2 = −3,3; 𝑥3 = 5,3
4.5 Metode Matriks Balikan
Misalkan 𝐴−1 adalah matriks balikan dari 𝐴 dengan 𝐴−1
menghasilkan matriks identitas I.
𝐴𝐴−1 = 𝐴−1 𝐴 = 𝐼
Bila matriks A dikalikan dedngan I akan menghasilkan matriks 𝐴 sendiri.
𝐴𝐼 = 𝐼𝐴 = 𝐴
Berdasarkan dua kesamaan di atas, sistem persamaan lanjar 𝐴𝑥 =
𝑏 dapat diselesaikan sebagai berikut :
𝐴𝑥 = 𝑏
𝐴−1 𝐴𝑥 = 𝐴−1 𝑏 (kalikan kedua ruas dengan 𝐴−1 )
𝐼𝑥 = 𝐴−1 𝑏
𝑥 = 𝐴−1 𝑏
Jadi, penyelesaian sistem persamaan lanjar 𝐴𝑥 = 𝑏 adalah 𝑥 =
𝐴−1 𝑏 dengan syarat 𝐴−1 ada.
Contoh Soal :

1. 𝑥1 + 𝑥2 + 2𝑥3 =6
2𝑥1 + 𝑥2 − 𝑥3 =3
−𝑥1 + 2𝑥2 + 2𝑥3 = −1
Jawab :
1 1 2 6
𝐴 = [ 2 1 −1] , 𝑏 = [ 3 ]
−1 2 2 −1
1 1 2 1 0 0 𝐵𝐵2 −2𝐵 1 1 1 2 1 0 0 −𝐵2
3 +𝐵1
[2 1 −1| 0 1 0] → [0 −1 −5| −2 1 0] →
−1 2 2 0 0 1 0 3 4 1 0 1
1 1 2 1 0 0 𝐵𝐵1−3𝐵−𝐵2
1 0 −3 −1 1 0 − 1 𝐵3
3 2 11
[0 1 5| 2 −1 0] → [0 1 5 | 2 −1 0] →
0 3 4 1 0 1 0 0 −11 −5 3 1
4⁄ 2⁄ 3
1 0 −3 −1 1 0 𝐵1 +3𝐵3
1 0 0 11 11 − ⁄11
𝐵2 −5𝐵3
[0 1 5 | 2 −1 0 ]→ 0 1 0| − 3⁄11 4⁄
11
5⁄
11
0 0 1 5⁄11 − 3⁄11 − 1⁄11 0 0 1 5 3
[ ⁄11 − ⁄11 − 1⁄11]
Solusinya adalah 𝑥 = 𝐴−1 𝑏
4⁄ 2⁄ 3
𝑥1 11 11 − ⁄11 6
3
[𝑥2 ] = − ⁄11 4⁄11 5⁄11 [ 3 ]
𝑥3 5⁄ 3⁄ 1⁄ −1
[ 11 − 11 − 11]
24⁄ + 6⁄ + 3⁄
𝑥1 11 11 11
[𝑥2 ] = − 18⁄11 + 12⁄11 − 5⁄11
𝑥3 30⁄ − 9⁄ + 1⁄
[ 11 11 11 ]
𝑥1 3
[𝑥2 ] = [−1]
𝑥3 2
∴ 𝑥1 = 3; 𝑥2 = −1; 𝑥3 = 2
2. 𝑥1 − 2𝑥2 + 𝑥3 =3
2𝑥1 − 3𝑥2 + 4𝑥3 = 13
−3𝑥1 + 5𝑥2 + 2𝑥3 = 5
Jawab :

1 −2 1 3
𝐴 = [ 2 −3 4] , 𝑏 = [13]
−3 5 2 5
1 −2 1 1 0 0 𝐵𝐵2 −2𝐵 1 1 −2 1 1 0 0 𝐵𝐵1 +2𝐵 2
3 +3𝐵1 3 +𝐵2
[ 2 −3 4| 0 1 0] → [0 1 2| −2 1 0] →
−3 5 2 0 0 1 0 −1 5 3 0 1
1 0 5 −3 2 0 𝐵3 1 0 5 −3
1 2 0 𝐵1 −5𝐵3
7
[0 1 2| −2 1 0] → [0 1 2| −2 1 0 ] 𝐵→2 −2𝐵3
0 0 7 1 1 1 0 0 1 1⁄7 1⁄7 1⁄
7
− 26⁄7 9⁄7 − 5⁄7
1 0 0
0 1 0| − 16⁄7 5⁄7 − 2⁄7
0 0 1 1 1⁄ 1⁄
[ ⁄7 7 7 ]
𝑥1 − 26⁄7 9⁄7 − 5⁄7

3
[𝑥2 ] = − 16⁄7 5⁄7 − 2⁄7 [13]
𝑥3 1 1⁄ 1⁄ 5
[ ⁄7 7 7 ]
𝑥1 − 78⁄7 + 117⁄7 − 25⁄7

[𝑥2 ] = − 48⁄7 + 65⁄7 − 10⁄7
𝑥3 3⁄ + 13⁄ + 5⁄
[ 7 7 7 ]
𝑥1 2
[𝑥2 ] = [1]
𝑥3 3
∴ 𝑥1 = 2; 𝑥2 = 1; 𝑥3 = 3
3. −12𝑥1 + 𝑥2 + 8𝑥3 = −80

𝑥1 − 6𝑥2 − 4𝑥3 = 13
−2𝑥1 − 𝑥2 + 10𝑥3 = 90
Jawab :
−12 1 8 −80
𝐴=[ 1 −6 −4] , 𝑏 = [ 13 ]
−2 −1 10 90
−12 1 8 1 0 0 𝐵2 ↔𝐵1 1 −6 −4 0 1 0 𝐵𝐵2 +12𝐵 1
3 +2𝐵1
[ 1 −6 −4| 0 1 0] → [−12 1 8 | 1 0 0] →
−2 −1 10 0 0 1 −2 −1 10 0 0 1

1 −6 −4 0 1 0
[0 −71 −40| 1 12 0]
0 −13 2 0 2 1
1 1 −6
−4 0 1 0 𝐵1 +6𝐵2
− 𝐵2 40 1 12 𝐵3 +13𝐵2
71
→ [0 1 |− − 0] →
71 71 71
0 −13 2 0 2 1
44 6 1 6 1
1 0 − − − 0 44 − − 0
71 71 71 71 1 0 − 71 71
40 | 1 12 𝐵3 71 1 12
40 || −
662
0 1 − − 0 → − 0
71 | 71 71 0 1 71 71
662 13 14 71 13 7 71
0 0 1 −
[0 0 71 − 71 − 71 1] [ 662
−
331 662]
44
𝐵1 + 𝐵3
32 9 22
71 − −
40 331 331 331
𝐵2 − 𝐵3 1 0 0
71 1 52 20
→ 0 1 0| − − −
0 0 1 331 331 331
13 7 71
[ − −
662 331 662 ]
32 9 22
− −
𝑥1 331 331 331
1 52 20 −80
[𝑥2 ] = − − − [ 13 ]
𝑥3 331 331 331 90
13 7 71
−
[ 662 −
331 662 ]
2560⁄ 117⁄ 1980⁄
𝑥1 331 − 331 + 331
[𝑥2 ] = 80⁄331 − 676⁄331 − 1800⁄331
𝑥3 520⁄ 91 3195⁄
[ 331 − ⁄331 + 331 ]
4423
𝑥1 331
2396
𝑥
[ 2] = −
𝑥3 331
3624
[ 331 ]
4423 2396 3624
∴ 𝑥1 = ;𝑥 = − ;𝑥 =
331 2 331 3 331
4. 0,3𝑥1 + 0,5𝑥2 + 𝑥3 = −0,01

0,5𝑥1 + 𝑥2 + 1,9𝑥3 = 0,67
0,1𝑥1 + 0,3𝑥2 + 0,5𝑥3 = 0,44
Jawab :
Penskalaan 10
3 5 10 −0,1
𝐴 = [5 10 19] , 𝑏 = [ 6,7 ]
1 3 5 4,4
3 5 10 1 0 0 𝐵1 ↔𝐵3 1 3 5 0 0 1 𝐵𝐵2 −5𝐵 1
3 −3𝐵1
[5 10 19| 0 1 0] → [5 10 19| 0 1 0] →
1 3 5 0 0 1 3 5 10 1 0 0
1 3 5 0 0 1 −0,2𝐵2 1 3 5 0 0 1 𝐵𝐵1 −3𝐵2
3 +4𝐵2
[0 −5 −6| 0 1 −5] → [0 1 1,2| 0 −0,2 1 ] →
0 −4 −5 1 0 −3 0 −4 −5 1 0 −3
1 0 1,4 0 0,6 −2 − 1 𝐵3 1 0 1,4 0 0,6 −2
0,2
[0 1 1,2 | 0 −0,2 1 ] → [0 1 1,2| 0 −0,2 1 ]
0 0 −0,2 1 −0,8 1 0 0 1 −5 4 −5
𝐵1 −1,4𝐵3
𝐵2 −1,2𝐵3
1 0 0 7 −5 5
→ [0 1 0| 6 −5 7 ]
0 0 1 −5 4 −5
𝑥1 7 −5 5 −0,1
[𝑥2 ] = [ 6 −5 7 ] [ 6,7 ]
𝑥3 −5 4 −5 4,4
𝑥1 −0,7 − 33,5 + 22
[𝑥2 ] = [−0,6 − 33,5 + 30,8]
𝑥3 0,5 + 26,8 − 22
𝑥1 −12,2
[𝑥2 ] = [ −3,3 ]
𝑥3 5,3
∴ 𝑥1 = −12,2; 𝑥2 = −3,3; 𝑥3 = 5,3
4.6 Metode Dekomposisi LU
Jika matriks A non-singular, maka dapat difaktorkan/diuraikan
menjadi matriks segitiga bawah L (lower) dan matriks segitiga atas U

(Upper)
𝐴 = 𝐿𝑈
Dalam bentuk matriks ditulis sebagai berikut:
𝑎11 𝑎12 𝑎13 1 0 0 𝑢11 𝑢12 𝑢13

[𝑎21 𝑎22 𝑎23 ] = [𝑙21 1 0] [ 0 𝑢22 𝑢23 ]
𝑎31 𝑎32 𝑎33 𝑙31 𝑙32 1 0 0 𝑢33
a. Matriks segitiga bawah L, semua elemen diagonal adalah 1
b. Matriks segitigas atas tidak ada syarat khusus untuk nilai
diagonalnya
Contoh: hasil pemfaktoran matriks 3x3
2 −1 −1 1 0 0 2 −1 −1
[0 −4 2 ] = [0 1 0] [0 −4 2 ]
6 −3 1 3 0 1 0 0 4
Penyelesaian 𝐴𝑥 = 𝑏, dengan dekomposisi LU, maka
– Faktorkan 𝐴 = 𝐿𝑈, sehingga
𝐴𝑥 = 𝑏
𝐿𝑈𝑥 = 𝑏
– Misalkan 𝑈𝑥 = 𝑦, maka 𝐿𝑦 = 𝑏
Untuk memperoleh y, gunakan teknik substitusi maju
1 0 0 𝑦1 𝑏1
𝐿𝑦 = 𝑏 → [𝑙21 1 0] [𝑦2 ] = [𝑏2 ]
𝑙31 𝑙32 1 𝑦3 𝑏3
Untuk memperoleh x, gunakan teknik substitusi mundur

𝑢11 𝑢12 𝑢13 𝑥1 𝑦1
𝑈𝑥 = 𝑦 → [ 0 𝑢22 𝑢23 ] [𝑥2 ] = [𝑦2 ]
0 0 𝑢33 𝑥3 𝑦3
Langkah menghitung solusi SPL dengan dekomposisi LU:
– Membentuk matriks L dan U dari A
– Pecahkan Ly = b, lalu hitung y dengan teknik substitusi

maju
– Pecahkan Ux = y, lalu hitunng x dengan substitusi
mundur
4.6.1 Metode Dekomposisi LU Crout
Matriks 3 × 3 :
𝑎11 𝑎12 𝑎13 1 0 0 𝑢11 𝑢12 𝑢13

𝐴 = [𝑎21 𝑎22 𝑎23 ] , 𝐿 = [𝑙21 1 0] , 𝑈 = [ 0 𝑢22 𝑢23 ]
𝑎31 𝑎32 𝑎33 𝑙31 𝑙32 1 0 0 𝑢33
Karena 𝐿𝑈 = 𝐴, maka hasil perkalian L dan U itu dapat ditulis sebagai :
𝑢11 𝑢12 𝑢13 𝑎11 𝑎12 𝑎13

𝐿𝑈 = [𝑙21 𝑢11 𝑙21 𝑢12 + 𝑢22 𝑙21 𝑢13 + 𝑢23 ] = 𝐴 = [𝑎21 𝑎22 𝑎23 ]
𝑙31 𝑢13 𝑙31 𝑢12 + 𝑙32 𝑢22 𝑙31 𝑢13 + 𝑙32 𝑢23 + 𝑢33 𝑎31 𝑎32 𝑎33
Dari kesamaan dua buah matriks 𝐿𝑈 = 𝐴, diperoleh :
𝑢11 = 𝑎11 , 𝑢12 = 𝑎12 , 𝑢13 = 𝑎13 Baris pertama U
𝑎21
𝑙21 𝑢11 = 𝑎21 → 𝑙21 = Kolom pertama L
𝑢11
𝑎31
𝑙31 𝑢13 = 𝑎31 → 𝑙31 =
𝑢13
𝑙21 𝑢12 + 𝑢22 = 𝑎22 → 𝑢22 = 𝑎22 − 𝑙21 𝑢12 Baris kedua U
𝑙21 𝑢13 + 𝑢23 = 𝑎23 → 𝑢23 = 𝑎23 − 𝑙21 𝑢13
𝑎32 −𝑙31 𝑢12

𝑙31 𝑢12 + 𝑙32 𝑢22 = 𝑎32 → 𝑙32 = Kolom kedua L
𝑢22

𝑙31 𝑢13 + 𝑙32 𝑢23 + 𝑢33 = 𝑎33 → 𝑢33 = 𝑎33 − (𝑙31 𝑢13 + 𝑙32 𝑢23 ) Baris
Ketiga U
Contoh Soal :
1. 𝑥1 + 𝑥2 + 2𝑥3 =6
2𝑥1 + 𝑥2 − 𝑥3 =3
−𝑥1 + 2𝑥2 + 2𝑥3 = −1
Jawab :
1 1 2 6
𝐴 = [ 2 1 −1] , 𝑏 = [ 3 ]
−1 2 2 −1
𝑢11 = 𝑎11 → 𝑢11 = 1
𝑢12 = 𝑎12 → 𝑢12 = 1
𝑢13 = 𝑎13 → 𝑢13 = 2
𝑎21 2
𝑙21 = = =2
𝑢11 1
𝑎31 −1
𝑙31 = = = −1
𝑢13 1
𝑢22 = 𝑎22 − 𝑙21 𝑢12 = 1 − 2(1) = −1

𝑢23 = 𝑎23 − 𝑙21 𝑢13 = −1 − 2(2) = −5
𝑎32 − 𝑙31 𝑢12 2 − (−1)(1)

𝑙32 = = = −3
𝑢22 −1
𝑢33 = 𝑎33 − (𝑙31 𝑢13 + 𝑙32 𝑢23 ) = 2— 1(2) + (−3)(−5) = −11
Diperoleh 𝐿 dan 𝑈 sebagai berikut :
1 1 2 1 0 0
𝑈 = [0 −1 −5 ] , 𝐿 = [ 2 1 0]
0 0 −11 −1 −3 1

Berturut-turut hitung nilai 𝑦 dan 𝑥 sebagai berikut :
1 0 0 𝑦1 6
𝐿𝑦 = 𝑏 → [ 2 1 0] [𝑦2 ] = [ 3 ]
−1 −3 1 𝑦3 −1
𝑦1 = 6
2𝑦1 + 𝑦2 = 3 → 𝑦2 = 3 − 2(6) = −9
−𝑦1 − 3𝑦2 + 𝑦3 = −1 → 𝑦3 = −1 + 6 + 3(−9) = −22
1 1 2 𝑥1 6
𝑈𝑥 = 𝑦 → [0 −1 −5 ] [𝑥2 ] = [ −9 ]
0 0 −11 𝑥3 −22
−11𝑥3 = −22 → 𝑥3 = 2
−𝑥2 − 5𝑥3 = −9 → 𝑥2 = −5(2) + 9 = −1
𝑥1 + 𝑥2 + 2𝑥3 = 6 → 𝑥1 = 6 − (−1) − 2(2) = 3
∴ 𝑥1 = 3, 𝑥2 = −1, 𝑑𝑎𝑛 𝑥3 = 2
2. 𝑥1 + 𝑥2 − 𝑥3 =1
2𝑥1 + 2𝑥2 + 𝑥3 = 5
−𝑥1 + 𝑥2 + 2𝑥3 = 5
Jawab :
1 1 −1 1
𝐴 = [ 2 2 1 ] , 𝑏 = [5]
−1 1 2 5
𝑢11 = 𝑎11 → 𝑢11 = 1

𝑢12 = 𝑎12 → 𝑢12 = 1
𝑢13 = 𝑎13 → 𝑢13 = −1
𝑎21 2
𝑙21 = = =2
𝑢11 1
𝑎31 −1
𝑙31 = = = −1
𝑢13 1

𝑢22 = 𝑎22 − 𝑙21 𝑢12 = 2 − 2(1) = 0
Karena 𝑢𝑞𝑞 tidak boleh nol, lakukan pertukaran baris, baik untuk
matriks 𝐴 maupun untuk vector 𝑏.
1 1 −1
𝑅2 ⟺ 𝑅3 [−1 1 2 ]
2 2 1
1
𝑅2 ⟺ 𝑅3 [1]
5
𝑢11 = 𝑎11 → 𝑢11 = 1
𝑢12 = 𝑎12 → 𝑢12 = 1
𝑢13 = 𝑎13 → 𝑢13 = −1
𝑎21 −1
𝑙21 = = = −1
𝑢11 1
𝑎31 2
𝑙31 = = =2
𝑢13 1
𝑢22 = 𝑎22 − 𝑙21 𝑢12 = 1 − (−1)(1) = 2

𝑢23 = 𝑎23 − 𝑙21 𝑢13 = 1 − (−1)(−1) = 0
𝑎32 − 𝑙31 𝑢12 2 − (2)(1)

𝑙32 = = =0
𝑢22 2
𝑢33 = 𝑎33 − (𝑙31 𝑢13 + 𝑙32 𝑢23 ) = 1 − ((2)(−1) + (0)(0)) = 3
Diperoleh 𝐿 dan 𝑈 sebagai berikut :
1 1 −1 1 0 0
𝑈 = [0 2 0 ] , 𝐿 = [−1 1 0]
0 0 3 2 0 1
Berturut-turut hitung nilai 𝑦 dan 𝑥 sebagai berikut :

1 0 0 𝑦1 1
𝐿𝑦 = 𝑏 → [−1 1 0] [𝑦2 ] = [1]
2 0 1 𝑦3 5
𝑦1 = 1
−𝑦1 + 𝑦2 = 1 → 𝑦2 = 1 + 1 = 2
2𝑦1 + 0𝑦2 + 𝑦3 = 5 → 𝑦3 = 5 − 2(1) − 0 = 3
1 1 −1 𝑥1 1
𝑈𝑥 = 𝑦 → [0 2 0 ] [𝑥2 ] = [2]
0 0 3 𝑥3 3
3𝑥3 = 3 → 𝑥3 = 1
2𝑥2 + 0𝑥3 = 2 → 2𝑥2 = 2 − (0) = 1
𝑥1 + 𝑥2 − 𝑥3 = 1 → 𝑥1 = 1 − (1) + (1) = 1
∴ 𝑥1 = 1, 𝑥2 = 1, 𝑑𝑎𝑛 𝑥3 = 1
4.7 Metode Lelaran untuk Menyelesaikan SPL
4.7.1 Metode Lelaran Jacobi
Tinjau kembali sistem persamaan linear
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
: :
: :
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛
dengan syarat 𝑎𝑘𝑘≠0, k =1, 2, ..., n.
Misalkan diberikan tebakan awalnya
𝑥1(0),𝑥2(0),𝑥3(0),…,𝑥𝑛(0).
Maka lelalaran pertamanya adalah :
𝑏1 − 𝑎12 𝑥2 (0) − 𝑎13 𝑥3 (0) − ⋯ − 𝑎1𝑛 𝑥𝑛 (0)

𝑥1 (1) =
𝑎11
𝑏2 − 𝑎21 𝑥1 (0) − 𝑎23 𝑥3 (0) − ⋯ − 𝑎2𝑛 𝑥𝑛 (0)
𝑥2 (1) =
𝑎21

⋮
𝑏𝑛 − 𝑎𝑛1 𝑥1 (0) − 𝑎𝑛2 𝑥2 (0) − ⋯ − 𝑎𝑛𝑛−1 𝑥𝑛−1 (0)

𝑥𝑛 (1) =
𝑎𝑛1
Lelaran kedua
𝑏1 − 𝑎12 𝑥2 (1) − 𝑎13 𝑥3 (1) − ⋯ − 𝑎1𝑛 𝑥𝑛 (1)

𝑥1 (2) =
𝑎11
𝑏2 − 𝑎21 𝑥1 (1) − 𝑎23 𝑥3 (1) − ⋯ − 𝑎2𝑛 𝑥𝑛 (1)
𝑥2 (2) =
𝑎21
⋮
𝑏𝑛 − 𝑎𝑛1 𝑥1 (1) − 𝑎𝑛2 𝑥2 (1) − ⋯ − 𝑎𝑛𝑛−1 𝑥𝑛−1 (1)

𝑥𝑛 (2) =
𝑎𝑛1
Secara umum :
𝑏1 − 𝑎12 𝑥2 (0) − 𝑎13 𝑥3 (0)

𝑥𝑖 (𝑘+1) =
𝑎𝑖𝑖
4.6.2 Metode Lelaran Gauss-Seidel
Kecepatan Konvergen pada lelaran Jacobi dapat
dipercepat bila setiap harga 𝑥 yang baru dihasilkan segera
dipakai pada persamaan berikutnya untuk menentukan
harga 𝑥𝑖+1 yang lainnya
Lelaran Pertama :

Rumus Umum :
𝑏𝑖 − ∑𝑛𝑖=1 𝑎𝑖𝑗 𝑥𝑗 (𝑘+1) − ∑𝑛𝑗=𝑖+1 𝑎𝑖𝑗 𝑥𝑗 (𝑘)

𝑥𝑖 (𝑘+1) = , 𝑘 = 0,1,2, …
𝑎𝑖𝑗
Contoh :
4𝑥 − 𝑦 + 𝑧 = 7
4𝑥 − 8𝑦 + 𝑧 = −21
−2𝑥 + 𝑦 + 5𝑧 = 15
Dengan nilai awal 𝑃0 = (𝑥0 , 𝑦0 , 𝑧0 ) = (1,2,2)
Solusi sejatinya adalah (2,4,3)
Penyelesaian :
7 + 𝑦𝑟 −𝑧𝑟
𝑥𝑟+1 =
4
21 + 4𝑥𝑟 −𝑧𝑟
𝑦𝑟+1 =
8
15 + 2𝑥𝑟 −𝑦𝑟
𝑧𝑟+1 =
5
Lelarannya
7+2−2
𝑥1 = = 1.75
4
21 + 4(1.75) + 2
𝑦1 = = 3.75
8
15 + 2(1.75) − 3.75
𝑧1 = = 3.000
5
7 + 3.75 − 2.95
𝑥2 = = 1.95
4

21 + 4(1.95) + 3.000
𝑦1 = = 3.96875
8
15 + 2(1.95) − 3.96875
𝑧2 = = 2.98625
5
⋯
𝑥10 = 2.00000000
𝑦10 = 4.00000000
𝑧10 = 3.00000000
Jadi solusi SPL adalah 𝑥 = 2.00000000, 𝑦 = 4.00000000
dan 𝑧 = 3.00000000

BAB V
INTERPOLASI DAN REGRESI
Pada rekayasawan dan ahli ilmu alam sering bekerja dengan
sejumlah data diskrit (yang mumnyadisajikan dalm bentuk tabel). Data di
dalam tabel mungkin diperoleh dari hasil pengamatan di lapangan, hasil
pengukuran di laboratorium, atau tabel yang diambildari buku-buku acuan.
Seagai ilustrasi, sebuah pengukuran fisika telah dilakukan untuk
menentukan hubungan antara tegangan yang diberikan kepada baja tahan
karat dan waktu yang diperlukan hingga baja tersebut patah. Delapan nilai
tegangan yang berbeda dicobakan, dan data yang dihasilkan adalah :
Tegangan yang 5 10 15 20 25 30 35 40
𝑘𝑔
diterapkan,𝑥,
𝑚𝑚2
Waktu patah,𝑦, jam 40 30 25 40 18 20 22 15

Masalah yang cukup sering munculdengan data dan tabel adalah
menentukan nilai di antara titik-titik diskrit tersebut (tanpa harus melakukan
pengukuran lagi).misalnya dalam tabel pengukuran di atas, rekayasawan
ingin mengetahui waktu patah 𝑦 jika tegangan 𝑥 yang diberikan kepada
𝑘𝑔⁄
baja adalah 12 𝑚𝑚2 . Masalah ini tidak bisa langsung dijawab karena
fungsi yang menghubungkan peubah 𝑦 dengan peubah 𝑥 tidak
diketahui.salah satu solusinya adalah mencari fungsi yang mencocokan (fit)
titik-titik data di dalam tabel. Pendekatan seperti ini di dalam metode
numerik dinamakan Pencocokan Kurva . Fungsi yang diperoleh dengan
pendekatan ini merupakan fungsi hampiran.
I. Interpolasi
5.1 Persoalan Interpolasi Polinom
Diberikan 𝑛+1 buah titik berbeda (𝑥0 , 𝑦0 ), (𝑥1 , 𝑦1 ), … , (𝑥𝑛 , 𝑦𝑛 ).
Tentukan polinom 𝑃𝑛 (𝑥) yang menginterpolasi (melewati) semua titik-
titik tersebut sedemikian rupa hingga
𝑦𝑖 = 𝑝𝑛 (𝑥𝑖 ) untuk 𝑖 = 0,1,2, … , 𝑛
Nilai 𝑦𝑖 dapat berasal dari fungsi matematika 𝑓(𝑥) (seperti
ln 𝑥 , sin 𝑥 , 𝑓𝑢𝑛𝑔𝑠𝑖 𝐵𝑒𝑠𝑠𝑒𝑙, 𝑑𝑠𝑏 ) sedemikian sehingga 𝑦𝑖 =
𝑓(𝑥𝑖 ), sedangkan 𝑝𝑛 (𝑥) disebut fungsi hampiran terhadap 𝑓(𝑥). Atau
𝑦𝑖 berasal dari nilai empiris yang diperoleh melalui percobaan atau
pengamatan.

i. Jika 𝑥0 < 𝑎 < 𝑥𝑛 maka 𝑦𝑘 = 𝑝(𝑥𝑘 ) disebut nilai interpolasi
ii. Jika 𝑥0 < 𝑥𝑘 atau 𝑥0 < 𝑥𝑛 maka 𝑦𝑘 = 𝑝(𝑥𝑘 ) disebut nilai
ekstrapolasi
5.1.1 Interpolasi Lanjar
Interpolasi lanjar adalah interpolasi dua buah titik dengan
sebuah garis lurus.misal diberika dua buah titik (𝑥0 , 𝑦0 ) dan
(𝑥1 , 𝑦1 ). Polinom yang menginterpolasi kedua titik itu adalah
persamaan garis lurus yang berbentuk :
𝑝1 (𝑥) = 𝑎0 + 𝑎1 𝑥
Koefisien 𝑎0 dan 𝑎1 dicari dengan proses penyulihan dan
eliminasi, diperoleh :
𝑦0 = 𝑎0 + 𝑎1 𝑥0
𝑦1 = 𝑎0 + 𝑎1 𝑥1
Lalu kedua persamaan diselesaikan dengan proses eliminasi,
di dapat :
𝑦1 − 𝑦0
𝑎1 =
𝑥1 − 𝑥0
𝑥1 𝑦0 − 𝑥0 𝑦1
𝑎0 =
𝑥1 − 𝑥0
Sulihkan :
𝑥1 𝑦0 − 𝑥0 𝑦1 (𝑦1 − 𝑦0 )𝑥
𝑝1 (𝑥) = +
𝑥1 − 𝑥0 (𝑥1 − 𝑥0 )
(𝑦1 − 𝑦0 )
𝑝1 (𝑥) = 𝑦0 + (𝑥 − 𝑥0 )
(𝑥1 − 𝑥0 )
Contoh :

1. Perkiraan jumlah penduduk Amerika Serikat pada Tahun
1968 berdasarkan data tabulasi berikut
Tahun 1960 1970
Jumlah penduduk ( juta) 179.3 203.2
Penyelesaian :
(𝑦1 − 𝑦0 )
𝑝1 (𝑥) = 𝑦0 + (𝑥 − 𝑥0 )
(𝑥1 − 𝑥0 )
(203,2 − 179,3)
𝑝1 (1968) = 179,3 + (1968 − 1960) = 198,4
(1960 − 1970)
Jadi taksiran jumlah penduduk Amerika Serikat pada tahun
1968 adalah 198,4 juta
2. Dari data ln(9,0) = 2,1972, ln(9,5) = 2,2513, tentukan
ln(9,2) dengan interpolasi lanjar sampai 5 angka bena.
Bandingkan dengan nilai sejati ln(9,2) = 2,2192.
Penyelesaian :
(𝑦1 − 𝑦0 )
𝑝1 (𝑥) = 𝑦0 + (𝑥 − 𝑥0 )
(𝑥1 − 𝑥0 )
(2,2513 − 2,1972)
𝑝1 (9,2) = 2,1972 + (9,2 − 9,0) = 2,2188
(9,5 − 9,0)
𝐺𝑎𝑙𝑎𝑡 = 2,2192 − 2,2188 = 0,0004
(𝑘𝑒𝑡𝑒𝑙𝑖𝑡𝑖𝑎𝑛 3 𝑎𝑛𝑔𝑘𝑎 𝑏𝑒𝑛𝑎)
5.1.2 Interpolasi Kuadratik
Misal diberika tiga buah titik data (𝑥0 , 𝑦0 ), (𝑥1 , 𝑦1 ) dan (𝑥2 , 𝑦2 ).
Polinom yang menginterpolasi ketiga buah titik itu adalah

polinom kuadrat yang berbentuk :
𝑝2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2
Kurva polinom berbenuk parabola
Polinom 𝑝2 (𝑥) ditentukan dengan cara :
 Sulihkan (𝑥𝑖 , 𝑦𝑖 ) ke dalam persamaan 𝑝2 (𝑥) = 𝑎0 + 𝑎1 𝑥 +
𝑎2 𝑥 2 , dengan 𝑖 = 0,1,2. Dari sini diperoleh :
𝑦0 = 𝑎0 + 𝑎1 𝑥0 + 𝑎2 𝑥0 2
𝑦1 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥1 2
𝑦2 = 𝑎0 + 𝑎1 𝑥2 + 𝑎2 𝑥2 2
 Hitung 𝑎0 , 𝑎1 , 𝑎2 dengan metode eliminasi Gauss
Contoh :
Diberikan titik ln(8,0) = 2,0794 , ln(9,0) = 2,1972 dan ln(9,5) =
2,2513. Tentukan nilai ln(9,2) dengan interpolasi kuadratik.
Penyelesaian :
Sistem persamaan lanjar yang terbentuk adalah
𝑎0 + 8,0 𝑎1 + 64,00𝑎2 = 2.0794

𝑎0 + 9,0 𝑎1 + 81,00𝑎2 = 2.1972
𝑎0 + 9,5 𝑎1 + 90,25𝑎2 = 2.2513
Dengan menggunakan eliminasi Gauss menghasilkan
𝑎0 = 0,06762
𝑎1 = 0,2266
𝑎2 = −0,0064
Polinom Kuadratnya adalah
𝑝2 (𝑥) = 0,06762 + 0,2266𝑥 − 0,0064𝑥 2

𝑝2 (9,2) = 2.2192
5.1.3 Interpolasi Kubik
Misal diberika empat buah titik data
(𝑥0 , 𝑦0 ), (𝑥1 , 𝑦1 ), (𝑥2 , 𝑦2 ),dan(𝑥3 , 𝑦3 ). Polinom yang
menginterpolasi keempat buah titik itu adalah polinom kubik
yang berbentuk :
𝑝3 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3
Polinom 𝑝3 (𝑥) ditentukan dengan cara :
 Sulihkan (𝑥𝑖 , 𝑦𝑖 ) ke dalam persamaan 𝑝2 (𝑥) = 𝑎0 + 𝑎1 𝑥 +
𝑎2 𝑥 2 + 𝑎3 𝑥 3, dengan 𝑖 = 0,1,2,3. Dari sini diperoleh :
𝑦0 = 𝑎0 + 𝑎1 𝑥0 + 𝑎2 𝑥0 2 + 𝑎3 𝑥0 3
𝑦1 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥1 2 + 𝑎3 𝑥1 3
𝑦2 = 𝑎0 + 𝑎1 𝑥2 + 𝑎2 𝑥2 2 + 𝑎3 𝑥2 3
𝑦3 = 𝑎0 + 𝑎1 𝑥3 + 𝑎2 𝑥3 2 + 𝑎3 𝑥3 3
 Hitung 𝑎0 , 𝑎1 , 𝑎2 dan 𝑎3 dengan metode eliminasi Gauss
5.2 Polinom Lagrange
Tinjau kembali polinom lanjar pada persamaan
(𝑦1 − 𝑦2 )
𝑝1 (𝑥) = 𝑦0 + (𝑥 − 𝑥0 )
(𝑥1 − 𝑥0 )
Persamaan ini dapat diatur kembali sedemikian rupa sehingga
menjadi
(𝑥 − 𝑥1 ) (𝑥 − 𝑥0 )
𝑝1 (𝑥) = 𝑦0 + 𝑦1
(𝑥0 − 𝑥1 ) (𝑥1 − 𝑥0 )

Atau dapat dinyatakan dalam bentuk
𝑝1 (𝑥) = 𝑎0 𝐿0 (𝑥) + 𝑎1 𝐿1 (𝑥)
Yang dalam hal ini
(𝑥 − 𝑥1 )
𝑎0 = 𝑦0 , 𝐿0 (𝑥) =
(𝑥0 − 𝑥1 )
(𝑥 − 𝑥0 )
𝑎1 = 𝑦1 , 𝐿1 (𝑥) =
(𝑥1 − 𝑥0 )
Bentuk umum polinom Lagrange derajat ≤ 𝑛 untuk (𝑛 + 1) titik
berada adalah
𝑛
𝑝1 (𝑥) = ∑ 𝑎𝑖 𝐿𝑖 (𝑥) = 𝑎0 𝐿0 (𝑥) + 𝑎1 𝐿1 (𝑥) + ⋯ + 𝑎𝑛 𝐿𝑛 (𝑥)

𝑖=0
Yang dalam hal ini
𝑎𝑖 = 𝑦𝑖 , 𝑖 = 0,1,2, … , 𝑛
Dan
𝑛
(𝑥 − 𝑥𝑗 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑖−1 )(𝑥 − 𝑥𝑖+1 ) … (𝑥 − 𝑥𝑛 )
𝐿𝑖 (𝑥) = ∏ =
(𝑥𝑖 − 𝑥𝑗 ) (𝑥𝑖 − 𝑥)(𝑥𝑖 − 𝑥𝑖 ) … (𝑥𝑖 − 𝑥𝑖−1 )(𝑥𝑖 − 𝑥𝑖+1 ) … (𝑥𝑖 − 𝑥𝑛 )
𝑖=0
𝑗≠1
Contoh :
1. Hampiri fungsi 𝑓(𝑥) = cos 𝑥 dengan polinom interpolasi derajat
tiga di dalam selang [0.0, 1.2]. gunakan empat titik, 𝑥0 = 0.0,
𝑥1 = 0.4, 𝑥2 = 0.8 dan 𝑥3 = 1.2. perkirakan nilai 𝑝3 (0.5) dan
bandingkan dengan nilai sejatinya.
Penyelesaian :

𝑥𝑖 0.0 0.4 0.8 1.2
𝑦𝑖 1.000000 0.921061 0.696707 0.362358
Polinom Lagrange derajat 3 yang menginterpolasi keempat titik di
tabel adalah
𝑝1 (𝑥) = 𝑎0 𝐿0 (𝑥) + 𝑎1 𝐿1 (𝑥) + 𝑎2 𝐿2 (𝑥) + 𝑎3 𝐿3 (𝑥)

(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑝3 (𝑥) = 𝑦0 + 𝑦1 +
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑦2 + 𝑦3
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) (𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
(𝑥 − 0.41 )(𝑥 − 0.8)(𝑥 − 1.23 ) (𝑥 − 0.0)(𝑥 − 0.8)(𝑥 − 1.2)
= 1.000000 + 0.921061
(0.0 − 0.4)(0.0 − 0.8)(0.0 − 1.2) (0.4 − 0.0)(0.4 − 0.8)(0.4 − 1.2)
(𝑥 − 0.0)(𝑥 − 0.4)(𝑥 − 1.2) (𝑥 − 0.0)(𝑥 − 0.4)(𝑥 − 0.8)
+0.696707 + 0.362358
(0.8 − 0.0)(0.8 − 0.4)(1.2 − 0.8) (1.2 − 0.0)(1.2 − 0.4)(1.2 − 0.8)
𝑝3 (0.5) = 0.877221
2. dari fungsi 𝑦 = 𝑓(𝑥) diberikan tiga buah titik data dalam bentuk
tabel :
X 1 4 6
y 1.5709 1.5727 1.5751
Tentukan 𝑓(3.5) dengan polinom Lagrange derajat 2. Gunakan
lima angka bena.
Penyelesaian :
Polinom derajat 2 → 𝑛 = 2 (perlu tiga buah titik)
𝑝2 (𝑥) = 𝑦0 + 𝐿1 (𝑥)𝑦1 + 𝐿2 (𝑥)𝑦2

(𝑥 − 4)(𝑥 − 6) (3.5 − 4)(3.5 − 6)
𝐿0 (𝑥) = → 𝐿0 (3.5) = = 0.083333
(1 − 4)(1 − 6) (1 − 4)(1 − 6)
(𝑥 − 1)(𝑥 − 6) (3.5 − 1)(3.5 − 6)
𝐿1 (𝑥) = → 𝐿1 (3.5) = = 1.0417
(4 − 1)(4 − 6) (4 − 1)(4 − 6)

(𝑥 − 1)(𝑥 − 4) (3.5 − 1)(3.5 − 4)
𝐿2 (𝑥) = → 𝐿1 (3.5) = = −0.12500
(6 − 1)(6 − 4) (6 − 1)(6 − 4)
Jadi,
𝑝2 (3.5) = (0.083333)(1.5709) + (1.0417)(1.5727) +

(−0.12500)(1.5751)
𝑝2 (3.5) = 1.5723
5.3 Polinom Newton
Polinom Lagrange kurang disukai dalam praktek karena alasan berikut
1. Jumlah komputasi yang dibutuhkan untuk satu kali interpolasi
adalah besar. Interpolasi untuk nilai 𝑥 yang lain memerlukan
jumlah komputasi yang sama karena tidak ada bagian komputasi
sebelumnya yang dapat digunakan.
2. Bila jumlah titik data meningkat atau menurun, hasil komputasi
sebelumnya tidak dapat digunakan. Hal ini disebabkan oleh tidak
adanya hubungan antara 𝑝𝑛−1 (𝑥) dan 𝑝𝑛 (𝑥) pada polinom
Langrange.
Nilai konstanta 𝑎0 , 𝑎1 , 𝑎2 , … , 𝑎𝑛 merupakan nilai selisih terbagi, dengan
nilai masing-masing :
𝑎0 = 𝑓(𝑥0 )
𝑎1 = 𝑓[𝑥1 , 𝑥0 ]
𝑎2 = 𝑓[𝑥2 , 𝑥1 , 𝑥0 ]
⋮
𝑎𝑛 = 𝑓[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ]
Yang dalam hal ini :

𝑓(𝑥𝑖 ) − 𝑓(𝑥𝑗 )
𝑓[𝑥𝑖 , 𝑥𝑗 ] =
𝑥𝑖 − 𝑥𝑗
𝑓[𝑥𝑖 , 𝑥𝑗 ] − 𝑓[𝑥𝑗 , 𝑥𝑘 ]
𝑓[𝑥𝑖 , 𝑥𝑗 , 𝑥𝑘 ] =
𝑥𝑖 − 𝑥𝑘
⋮
𝑓[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 ] − 𝑓[𝑥𝑛−1 , 𝑥𝑛−2 , … , 𝑥0 ]
𝑓[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ] =
𝑥𝑛 − 𝑥0
Bentuk polinom lengkap :
𝑝𝑛 (𝑥) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 )𝑓[𝑥1 , 𝑥0 ] + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )𝑓[𝑥2 , 𝑥1 , 𝑥0 ] +

(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )𝑓[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ]
Karena tetapan 𝑎0 , 𝑎1 , 𝑎2 dan 𝑎3 merupakan nilai selisih terbagi, maka
polinom Newton dinamakan juga Polinom Interpolasi selisih terbagi
Newton. Misalnya tabel selisih tabel selisih terbagi untuk empat buah titik
𝑛 = 3 berikut :
i 𝑥𝑖 𝑦𝑖 = 𝑓(𝑥𝑖 ) ST-1 ST-2 ST-3
0 𝑥0 𝑓(𝑥0 ) 𝑓[𝑥1 , 𝑥0 ] 𝑓[𝑥2 , 𝑥1 , 𝑥0 ] 𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ]
1 𝑥1 𝑓(𝑥1 ) 𝑓[𝑥2 , 𝑥1 ] 𝑓[𝑥3 , 𝑥2 , 𝑥1 ]
2 𝑥2 𝑓(𝑥2 ) 𝑓[𝑥3 , 𝑥2 ]
3 𝑥3 𝑓(𝑥3 )
Keterangan : Selisih Terbagi
Contoh :
Hitunglah 𝑓(9.2) dari nilai-nilai (𝑥, 𝑦) yang diberikan pada tabel dibawah ini
dengan polinom Newton derajat 3
Penyelesaian :
Tabel selisih terbagi:

i 𝑥𝑖 𝑦𝑖 = 𝑓(𝑥𝑖 ) ST-1 ST-2 ST-3
0 8.0 2.079442 0.117783 −0.006433 0.000411
1 9.0 2.197225 0.108134 −0.005200
2 9.5 2.251292 0.097735
3 11.0 2.397895
Contoh cara menghitung nilai selisih terbagi pada tabel adalah :
𝑓(𝑥2 ) − 𝑓(𝑥1 ) 2.251292 − 2.197225

𝑓[𝑥2 , 𝑥1 ] = = = 0.108134
𝑥2 − 𝑥1 9.5 − 9.0
𝑓[𝑥2 , 𝑥1 ] − 𝑓[𝑥1 , 𝑥0 ] 0.108134 − 0.117783
𝑓[𝑥3 , 𝑥2 , 𝑥1 ] = = = −0.006433
𝑥2 − 𝑥0 9.5 − 8.0
Polinom Newton-nya (dengan 𝑥0 = 8.0 sebagai titik data pertama) adalah :
𝑓(𝑥) ≈ 𝑝3 (𝑥) = 2.079442 + 0.117783(𝑥 − 8.0) − −0.006433(𝑥 − 8.0)(𝑥 − 9.0)

+0.000411(𝑥 − 8.0)(𝑥 − 9.0)(𝑥 − 9.5)
taksiran nilai fungsi pada 𝑥 = 9.2 adalah
𝑓(9.2) ≈ 𝑝3 (9.2) = 2.079442 + 0.141340 − 0.001544 − 0.000030 = 2.219208
Nilai sejati 𝑓(9.2) = ln(9.2) = 2.219208 (7 angka Bena)
5.4 Galat Interpolasi Polinom
Galat interpolasi minimum terjadiuntuk nilai 𝑥 di pertengahan selang.
Penjelasannya adalah sebagai berikut :
Nilai –nilai 𝑥 yang berjarak sama ditulis sebagai :
𝒙𝟎 , 𝒙𝟏 = 𝒙𝟎 + 𝒉, 𝒙𝟐 = 𝒙𝟎 + 𝟐𝒉, … , 𝒙𝒏 = 𝒙𝟎 + 𝒏𝒉
atau dengan rumus umum
𝒙𝒊 = 𝒙𝟎 + 𝒊𝒉, 𝒊 = 𝟎, 𝟏, 𝟐, … , 𝒏
Titik yang diinterpolasikan dinyatakan dengan :

𝒙 = 𝒙𝟎 + 𝒔𝒉, 𝒔∈𝑹
Sehingga
𝒙 − 𝒙𝒊 = (𝒔 − 𝒊)𝒉, 𝒊 = 𝟎, 𝟏, 𝟐, … , 𝒏
Galat interpolasinya adalah
𝒇(𝒏+𝟏) (𝒄)
𝑬(𝒙) = (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) … (𝒙 − 𝒙𝒏 )
(𝒏 + 𝟏)!
𝒇(𝒏+𝟏) (𝒄)
𝑬(𝒙) = 𝒔𝒉(𝒔 − 𝟏)𝒉 … (𝒔 − 𝒏)𝒉
(𝒏 + 𝟏)!
𝒇(𝒏+𝟏)(𝒄)
𝑬(𝒙) = 𝒔(𝒔 − 𝟏)(𝒔 − 𝟐) … (𝒔 − 𝒏)𝒉𝒏+𝟏
(𝒏 + 𝟏)!
Dapat ditunjukkan bahwa
𝑸𝒏+𝟏 (𝒔) = 𝒔(𝒔 − 𝟏)(𝒔 − 𝟐) … (𝒔 − 𝒏)
Bernilai minimum bila
𝑸𝒏+𝟏 (𝒔) = 𝟎
yang dipenuhi untuk 𝑠 = 𝑛/2. Dengan kata lain, 𝐸(𝑥) bernilai minimum
untuk nilai-nilai 𝑥 terletak di (sekitar) pertengahan selang.
Untuk mendapatkan galat interpolasi yang minimum, pilihlah

selang [𝑥0 , 𝑥𝑛 ] sehingga 𝑥 yang terletak di (sekitar) pertengahan
selang.
Missal :

Diberikan data :
𝑥 𝑓(𝑥)
0.025 2.831
0.050 3.246
0.075 4.721
0.100 5.210
0.125 6.310
0.150 7.120
0.175 8.512
0.200 9.760
0.225 10.310
Bila diminta menghitung 𝑓(0.160), maka selang yang digunakan agar
galat interpolasi 𝑓(0.160) kecil adalah
[0.150, 0.175] Untuk polinom derajat Satu
[0.125, 0.200] Untuk Polinom derajat tiga
[0.125, 0.200] Untuk Polinom derajat tiga
[0.100, 0.225] Untuk Polinom derajat lima
5.4.1 Batas Atas Galat Interpolasi Untuk Titik – titik yang Berjarak Sama
Diberikan absis titik-titik yang berjarak sama :
𝒙𝒊 = 𝒙𝟎 + 𝒊𝒉, 𝒊 = 𝟎, 𝟏, 𝟐, … , 𝒏
Dan nilai 𝑥 yang akan diinterpolasikan dinyatakan sebagai

𝒙 = 𝒙𝟎 + 𝒔𝒉, 𝒔∈𝑹
Untuk polinom interpolasi berderajat 1, 2 dan 3 yang dibentuk
dari 𝒙𝒊 diatas dapat dibuktikan bahwa
1 𝑀𝑎𝑘𝑠
(a) |𝐸1 (𝑥)| = |𝑓(𝑥) − 𝑝1 (𝑥)| ≤ ℎ2 |𝑓 ′′ (𝑐)|
8 𝑥0 ≤ 𝑐 ≤ 𝑥1
𝑀𝑎𝑘𝑠
(b)
√3
|𝐸2 (𝑥)| = |𝑓(𝑥) − 𝑝2 (𝑥)| ≤ ℎ3 |𝑓 ′′′ (𝑐)|
27 𝑥0 ≤ 𝑐 ≤ 𝑥2
1 𝑀𝑎𝑘𝑠
(c) |𝐸3 (𝑥)| = |𝑓(𝑥) − 𝑝3 (𝑥)| ≤ ℎ4 |𝑓 𝑖𝑣 (𝑐)|
24 𝑥0 ≤ 𝑐 ≤ 𝑥1
Contoh Soal :
Tinjaulah kembali tabel yang berisi pasangan titik (𝑥, 𝑓(𝑥))
yang diambil dari 𝑓(𝑥) = cos(𝑥)
𝑥𝑖 𝑓(𝑥𝑖 )
0.0 1.0000000
1.0 0.5403023
2.0 -0.4161468
3.0 -0.9899925
4.0 -0.6536436
(a) Hitung galat rata-rata interpolasi di titik 𝑥 = 0.5, 𝑥 = 1.5,
dan 𝑥 = 2.5, bila 𝑥 diinterpolasikan dengan polinom
Newton derajat 3 berdasarkan 𝑥0 = 0.
(b) Hitung batas atas galat interpolasi bila kita melakukan
interpolasi titik – titik berjarak sama dalam selang [0.0, 3.0]
dengan polinom interpolasi derajat 3

(c) Hitung batas atas dan bawah galat interpolasi di 𝑥 = 0.5
dengan polinom Newton derajat 3
Penyelesaian :
(a) cos(𝑥) ≈ 𝑝3 (𝑥) = 1.0000 − 0.4597(𝑥 − 0.0) − 0.2485(𝑥 −

0.0)(𝑥 − 1.0) + 0.1466(𝑥 − 0.0)(𝑥 − 1.0)(𝑥 − 2.0)
Menghitung galat rata-rata interpolasi :
0.0+3.0
Titik tengah selang [0.0 , 3.0] adalah di 𝑥𝑚 = = 1.5
2
Galat rata-rata interpolasi adalah :

(𝑥−0.0)(𝑥−1.0)(𝑥−2.0)(𝑥−3.0)
𝐸3 (𝑥) = 𝑓 (4) (𝑥𝑚 )
4!
Hitung turunan keempat dari fungsi 𝑓(𝑥) = cos(𝑥)
𝑓 ′ (𝑥) = − sin(𝑥)
𝑓 ′′ (𝑥) = − cos(𝑥)
𝑓′′′ (𝑥) = 𝑠𝑖𝑛(𝑥)
𝑓 (4) (𝑥) = cos(𝑥)
Karena itu
(𝑥 − 0.0)(𝑥 − 1.0)(𝑥 − 2.0)(𝑥 − 3.0)

𝐸3 (𝑥) = (cos(𝑥))
4!
Untuk 𝑥 = 0.5, 𝑥 = 1.5, dan 𝑥 = 2.5, nilai-nilai interpolasinya
serta galat rata-rata interpolasinya dibandingkan dengan
nilai sejati dan galat sejati diperlihatkan oleh tabel berikut :
𝑥 𝑓(𝑥) 𝑝3 (𝑥) 𝐸3 (𝑥) Galat sejati
0.5 0.8775826 0.8872048 0.0027632 -0.0096222
1.5 0.0707372 0.0707372 -0.0016579 0.0015252
2.5 -0.8011436 -0.8058546 0.0027632 0.0047110

Catatan :
Perhatikan bahwa karena 𝑥 = 1.5 terletak di titik tengah
selang, maka galat galat interpolasinya lebih paling kecil
dibandingkan interpolasi 𝑥 yang lain.
(b) Galat interpolasi dengan polinom erajat 3
1 4
|𝐸3 (𝑥)| = |𝑓(𝑥) − 𝑝3 (𝑥)| ≤ ℎ 𝑀𝑎𝑥|𝑓 𝑖𝑣 (𝑐)|, 𝑥0 ≤ 𝑐 ≤ 𝑥1
24
𝑓 (4) (𝑥) = cos(𝑥) dalam selang [0.0 , 3.0]
Maka Max |𝑓 (4) (𝑥)|terletak di 𝑥 = 0.0
|𝑓 (4) (𝑥)| = |cos(0.0)| = 1.000000
𝑝3 (𝑥) dengan jarak antar titik data adalah ℎ = 1.0
1.000000 1
|𝐸3 (𝑥)| ≤ (1.0)4 = = 0.0416667
24 24
Jadi batas atas galat interpolasi 𝐸3 (𝑥) = 0.0416667
(𝑥−0.0)(𝑥−1.0)(𝑥−2.0)(𝑥−3.0)
(c) 𝐸3 (𝑥) = 𝑓 (4) (1.5)
4!
𝐸3 (0.5)
(0.5 − 0.0)(0.5 − 1.0)(0.5 − 2.0)(0.5 − 3.0)
= (− cos(𝑐)) , 0.0 ≤ 𝑐
4!
≤ 3. 𝐶
Fungsi cosinus monoton dalam selang [0.0, 3.0], maka nilai
maksimum dan nilai minimumnya adalah :
Untuk nilai minimum 𝑐 = 0.0
(0.5 − 0.0)(0.5 − 1.0)(0.5 − 2.0)(0.5 − 3.0)

𝐸3 (0.5) = (− cos(0.0))
4!
𝐸3 (0.5) = −0.0390625

Untuk nilai maksimum 𝑐 = 3.0
(0.5 − 0.0)(0.5 − 1.0)(0.5 − 2.0)(0.5 − 3.0)

𝐸3 (0.5) = (− cos(3.0))
4!
𝐸3 (0.5) = 0.0386716
Sehingga batas – batas galat interpolasi di 𝑥 = 0.5 adalah :
−0.0390625 ≤ 𝐸3 (𝑥) ≤ 0.0386716
5.4.2 Taksiran Galat Interpolasi Newton
Polinom Newton :
𝑝𝑛 (𝑥) = 𝑝𝑛−1 (𝑥) + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥

− 𝑥𝑛−1 )𝑓[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ]
Suku
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )𝑓[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ]
dinaikan dari 𝑛 sampai 𝑛 + 1 menjadi
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )(𝑥 − 𝑥𝑛 )𝑓[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ]
Bentuk terakhir ini bersesuaian dengan rumus galat interpolasi
𝑓 (𝑛+1) (𝑡)
𝐸(𝑥) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )
(𝑛 + 1)!
Ekspresi
𝑓 (𝑛+1) (𝑡)
(𝑛 + 1)!
Dapat dihampiri nilainya dengan
𝑓[𝑥𝑛+1 , 𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ]
yang dalam hal ini 𝑓[𝑥𝑛+1 , 𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ] adalah selisih
terbagi ke (𝑛 + 1),jadi,
𝑓 (𝑛+1) (𝑡)
≈ 𝑓[𝑥𝑛+1 , 𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ]
(𝑛 + 1)!

Sehingga taksiran galat interpolasi Newton dapat dihitung
sebagai
𝐸(𝑥) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )𝑓[𝑥𝑛+1 , 𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ]
Asalkan tersedia titik tambahan 𝑥𝑛+1
5.5 Polinom Newton-Gregory
Polinom Newton-Gregory merupakan kasus khusus dari polinom
Newton untuk titik – titik yang berjarak sama.
5.5.1 Polinom Newton Gregory Maju
Tabel selisih maju
𝑥 𝑓(𝑥) ∆𝑓 ∆2 𝑓 ∆3 𝑓 ∆4 𝑓
𝑥0 𝑓0 ∆𝑓0 ∆2 𝑓0 ∆3 𝑓0 ∆4 𝑓0
2 3
𝑥1 𝑓1 ∆𝑓1 ∆ 𝑓1 ∆ 𝑓1
𝑥2 𝑓2 ∆𝑓2 ∆2 𝑓2
𝑥3 𝑓3 ∆𝑓3
𝑥4 𝑓4
Lambang ∆ menyatakan selisih maju. Arti setiap symbol di
dalam tabel adalah :
𝑓0 = 𝑓(𝑥0 ) = 𝑦0
𝑓1 = 𝑓(𝑥1 ) = 𝑦1
⋯
𝑓4 = 𝑓(𝑥4 )
Notasi :𝑓𝑝 = 𝑓(𝑥𝑝 )
∆𝑓0 = 𝑓1 − 𝑓0

∆𝑓1 = 𝑓2 − 𝑓1
⋯
∆𝑓3 = 𝑓4 − 𝑓3
Notasi :∆𝑓𝑝 = 𝑓𝑝+1 − 𝑓𝑝
∆2 𝑓0 = ∆𝑓1 − ∆𝑓0
∆2 𝑓1 = ∆𝑓2 − ∆𝑓1
∆2 𝑓2 = ∆𝑓3 − ∆𝑓2
Notasi : ∆2 𝑓𝑝 = ∆𝑓𝑝+1 − ∆𝑓𝑝
∆3 𝑓0 = ∆2 𝑓1 − ∆2 𝑓0
∆3 𝑓1 = ∆2 𝑓2 − ∆2 𝑓1
Notasi :∆3 𝑓𝑝 = ∆2 𝑓𝑝+1 − ∆2 𝑓𝑝
Bentuk umum:
∆𝑛+1 𝑓𝑝 = ∆𝑛 𝑓𝑝+1 − ∆𝑛 𝑓𝑝 , 𝑛 = 0,1,2, …
Penurunan Rumus Polinom Newton-Gregory Maju
∆2 𝑓(𝑥0 ) ∆2 𝑓0
𝑓[𝑥𝑛 , … , 𝑥1 , 𝑥0 ] = =
𝑛! ℎ𝑛 𝑛! ℎ𝑛
Relasi rekrusif
∆2 𝑓0
𝑝𝑛 (𝑥) = 𝑝𝑛−1 (𝑥) + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )
𝑛! ℎ𝑛
𝑠 𝑠(𝑠 − 1) 2
𝑝𝑛 (𝑥) = 𝑓0 + ∆𝑓 + ∆ 𝑓0 + ⋯
1! 0 2!
𝑠(𝑠 − 1)(𝑠 − 2) … (𝑠 − 𝑛 + 1) 𝑛
+ ∆ 𝑓0
𝑛!
Atau dalam bentuk relasi rekrusif,
𝑠(𝑠−1)(𝑠−2)…(𝑠−𝑛+1)
(a) Rekurens : 𝑝𝑛 (𝑥) = 𝑝𝑛−1 (𝑥) + ∆𝑛 𝑓0
𝑛!
(b) Basis : 𝑝0 (𝑥) = 𝑓(𝑥0 )
Persamaan dalam bentuk binomial :

𝑛
𝑠
𝑝𝑛 (𝑥) = ∑ ( ) ∆𝑘 𝑓0
𝑘
𝑘=0
Dimana ,
𝑠 𝑠 𝑠(𝑠 − 1)(𝑠 − 2) … (𝑠 − 𝑘 + 1)
( ) = 1, ( )=
0 𝑘 𝑘!
Syarat : 𝑠 > 0, bilangan bulat dan 𝑘! = 1 × 2 × … × 𝑘
Bentuklah tabel selisih untuk fungsi 𝑓(𝑥) = 1/(𝑥 + 1) di dalam
selang [0.000, 0.625] dan ℎ = 0.125. hitung 𝑓(0.300) dengan
polinom Newton Gregory maju derajat 3
Tabel selisih maju :
𝑥 𝑓(𝑥) ∆ ∆2 ∆3
0.000 1.000 0.111 0.022 -0.006
0.125 0.889 -0.089 0.016 -0.003
0.250 0.800 -0.073 0.013 0.005
0.375 0.727 -0.060 0.008
0.500 0.667 -0.052
0.625 0.615
Untuk memperkirakan 𝑓(0.300) dengan polinom Newton-
Gregory maju derajat tiga, dibutuhkan 4 buah titik. Ingatlah
kembali bahwa galat interpolasi akan minimum jika 𝑥terletak
di sekitar pertengahan selang. Karena tu, titik-titik yang
diambil adalah.
𝑥0 = 0.125, 𝑥1 = 0.250, 𝑥2 = 0.375, 𝑥3 = 0.500

Karena 𝑥 = 0.300 terletak di sekitar pertengahan selang
[0.125, 0.500]
Diketahui
ℎ = 0.125
dan
𝑥−𝑥0 0.310−0.125
𝑥 = 𝑥0 + 𝑠ℎ 𝑠= = = 1.4
ℎ 0.125
Nilai 𝑓(0.300) dihitung dengan polinom Newton-Gregory
maju derajat tiga :
𝑠 𝑠(𝑠 − 1) 2 𝑠(𝑠 − 1)(𝑠 − 2 3

𝑝3 (𝑥) = 𝑓0 +
∆𝑓 + ∆ 𝑓0 + ∆ 𝑓0
1! 0 2! 3!
(1.4)(0.4)
= 0.889 + (1.4)(−0.089) + (0.016)
2
(1.4)(0.4)(−0.6)
+ (−0.003)
6
= 0.889 − 0.1246 + 0.0045
= 0.769
5.5.2 Polinom Interpolasi Newton-Gregory Mundur
Tabel Selisih Mundur
𝑖 𝑥𝑖 𝑓(𝑥) ∇𝑓 ∆2 𝑓 ∆3 𝑓
-3 𝑥−3 𝑓−3
-2 𝑥−2 𝑓−2 ∇𝑓−2
-1 𝑥−1 𝑓−1 ∇𝑓−1 ∇2 𝑓−1
0 𝑥0 𝑓0 ∇𝑓0 ∇2 𝑓0 ∇3 𝑓0
Keterangan :
𝑓0 = 𝑓(𝑥0 )

𝑓−1 = 𝑓(𝑥−1 )
∇𝑓0 = 𝑓0 − 𝑓−1
∇𝑓−1 = 𝑓−1 − 𝑓−2
∇2 𝑓0 = ∇𝑓0 − ∇𝑓−1
∇𝑘+1 𝑓𝑖 = ∇k 𝑓𝑖 − ∇k 𝑓𝑖−1
Polinom Newton Gregory mundur yang menginterpolasi (𝑛 +
1) titik data adalah

𝑛
𝑠+𝑘−1 k
𝑓(𝑥) ≈ 𝑝𝑛 (𝑥) = ∑ ( ) ∇ 𝑓0
𝑠
𝑘=0
𝑠 𝑠(𝑠 + 1) 2 𝑠(𝑠 + 1)(𝑠 + 2) 𝑛

= 𝑓0 + ∇𝑓0 + ∇ 𝑓0 + ⋯ + ∇ 𝑓0
1! 2! 𝑛!
Contoh :
Diberikan 4 buah titik data dalam tabel berikut.hitunglah
𝑓(1.72) dengan
(a) Polinom Newton Gregory maju derajat 3
(b) Polinom Newton Gregory mundur derajat 3
Penyelesaian :
(a) Polinom Newton Gregory maju derajat 3
𝑖 𝑥𝑖 𝑓(𝑥) ∆𝑓 ∆2 𝑓 ∆3 𝑓
0 1.7 0.3979849 −0.0579985 −0.0001693 0.0004093
1 1.8 0.3399864 −0.0581678 0.0002400
2 1.9 0.2818186 −0.0579278
3 2.0 0.2238908
𝑥 − 𝑥0 1.72 − 1.70
𝑠= = = 0.2
ℎ 0.1
Perkiraan nilai 𝑓(1.72) adalah

𝑓(1.72) ≈ 𝑝3 (1.72) = 0.3979849 + 0.2(−0.0579985)
0.2(−0.8) 0.2(−0.8)(−1.8)
+ (−0.0001693) + (0.0004093)
2 6
= 0.3864183
Nilai sejati 𝑓(1.72)=0.3864185, jadi 𝑝3 (1.72) tepat
sampai 6 angka bena
(b) Polinom Newton Gregory mundur derajat 3
𝑖 𝑥𝑖 𝑓(𝑥𝑖 ) ∇ ∇2 ∇3
-3 1.7 0.3979849
-2 1.8 0.3399864 -0.0579985
-1 1.9 0.2818186 -0.0581678 -0.0001693
0 2.0 0.2238908 -0.0579278 0.0002400 0.0004093
𝑥 − 𝑥0 1.72 − 2.0
𝑠= = = −2.8
ℎ 0.1
Perkiraan nilai 𝑓(1.72) adalah
𝑓(1.72) ≈ 𝑝3 (1.72) = 0.2238908 − 2.8(−0.0579278)

(−2.8)(−1.8)
+ (0.0002400)
2
(−2.8)(−1.8)(−0.8)
+ (0.0004093)
6
= 0.2238908 + 0.1621978
= 0.3864183
II. Regresi
5.6 Regresi
Regresi adalah teknik pencocokan kurva untuk data yang berketelitian

renah. Contoh data yang berketelitian rendah data hasil pengamatan,
percobaan di laboratorium, atau data statistic. Data seperti itu disebut
data hasil pengukuran. Galat yang dikandung data berasal dari ketidak
telitian alat ukur yang dipakai, kesalahan membaca alat ukur (paralaks),
atau karena kelakukan sistem yang diukur.
5.6.1 Regresi Lanjar
Misalkan (𝑥𝑖 , 𝑦𝑖 ) adalah data hasil pengukuran. Kita akan
menghampiri titik-titik tersebut dengan sebuah garis lurus.
Garis lurus tersebut dibuat sedemikian sehingga galatnya
sekecil mungkin dengan titik – titik data.
Karena data mengandung galat, maka nilai data sebenarnya
𝑔(𝑥𝑖 ) dapat ditulis sebagai :
𝑔(𝑥𝑖 ) = 𝑦𝑖 + 𝑒𝑖 , 𝑖 = 1,2, … , 𝑛
𝑒𝑖 adalah galat setiap data. Diinginkan fungsi lanjar :
𝒇(𝒙) = 𝒂 + 𝒃𝒙
Sehingga deviasinya adalah :
𝒓𝒊 = 𝒚𝒊 − 𝒇(𝒙𝒊 ) = 𝒚𝒊 − (𝒂 + 𝒃𝒙𝒊 )
Total kuadrat deviasi

𝑛 𝑛
𝑅 = ∑ 𝑟𝑖 2 = ∑( 𝒚𝒊 − (𝒂 + 𝒃𝒙𝒊 )𝟐
𝑖=1 𝑖=1
Persamaan normal dalam bentuk persamaan matriks :

𝑛 ∑ 𝑥𝑖 𝑎 ∑ 𝑦𝑖
[ ] = [ ][ ]
∑ 𝑥𝑖 ∑ 𝑥𝑖 2 𝑏 ∑ 𝑥𝑖 𝑦𝑖
Nilai 𝑎 dan 𝑏 dapat dicari dengan mengutakatik kedua buah
persamaan normal menjadi :
𝑛 ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑏=
𝑛 ∑ 𝑥𝑖 2 − (∑ 𝑥𝑖 )2
𝑎 = 𝑦 − 𝑏𝑥
Untuk menentukan seberapa bagus fungsi hampiran
mencocokan data, kita dapat mengukurnya dengan galat RMS
(galat baku)
𝒏 𝟐
𝟏
𝑬𝑹𝑴𝑺 = ( ∑|𝒇(𝒙𝒊 ) − 𝒚𝒊 |𝟐 )
𝒏
𝒊=𝟏
Contoh :
Tentukan persamaan garis lurus yang mencocokkan data pada
tabel di bawah ini. Kemudian, perkirakan nilai 𝑦 untuk 𝑥 = 1.0
Penyelesaian :
𝑖 𝑥𝑖 𝑦𝑖 𝑥𝑖 2 𝑥𝑖 𝑦𝑖
1 0.1 0.61 0.01 0.061
2 0.4 0.92 0.16 0.368
3 0.5 0.99 0.25 0.495
4 0.7 1.52 0.49 1.064
5 0.7 1.47 0.49 1.029
6 0.9 2.03 0.81 1.827
∑ 𝑥𝑖 = 3.3 ∑ 𝑦𝑖 = 7.54 ∑ 𝑥𝑖 2 = 2.21 ∑ 𝑥𝑖 𝑦𝑖 = 4.4844

Dipermalukan sistem persamaan lanjar :
6 3.3 𝑎 7.54
[ ] = [ ][ ]
3.3 2.21 𝑏 4.4844
Solusi Persamaan Lanjar di atas adalah
𝑎 = 0.2862
𝑏 = 1.7645
Persamaan garis regresinya adalah : 𝑓(𝑥) = 0.2862 + 1.7645𝑥
Perbandingan antara nilai 𝑦𝑖 dan (𝑥𝑖 ) :
𝑖 𝑥𝑖 𝑦𝑖 𝑓(𝑥𝑖 ) deviasi (𝑑𝑒𝑣𝑖𝑎𝑠𝑖)2
1 0.1 0.61 0.46261 0.147389 0.02172
2 0.4 0.92 0.99198 -0.07198 0.00518
3 0.5 0.99 1.16843 -0.17844 0.03184
4 0.7 1.52 1.52135 -0.00135 0.00000
5 0.7 1.47 1.52135 -0.05135 0.00264
6 0.9 2.03 1.87426 0.15574 0.02425
∑ 𝑥𝑖 = 3.3 ∑ 𝑦𝑖 = 7.54 ∑ = 0.08563
Taksiran nilai 𝑦 untuk 𝑥 = 1.0 adalah
𝑦 = 𝑓(0.1) = 0.2862 + 1.7645(1.0) = 2.0507

1
0.08563 2
Galat RMS adalah 𝐸𝑅𝑀𝑆 = ( ) = 0.119464
6
5.6.2 Pelanjaran
Misalkan kita akan mencocokan data dengan data dengan

fungsi
𝑦 = 𝐶𝑥 𝑏
Lakukan pelanjaran sebagai berikut :
𝑦 = 𝐶𝑥 𝑏 ⟺ ln(𝑦) = ln(𝐶) + ln(𝑥)
Definisikan
𝑌 = ln(𝑦)
𝑎 = ln(𝐶)
𝑋 = ln(𝑥)
Persamaan regresi Lanjarnya adalah :
𝑌 = 𝑎 + 𝑏𝑋
Contoh :
Cocokkan data berikut dengan fungsi 𝑦 = 𝐶𝑥 𝑏
Penyelesaian :
𝑖 𝑥𝑖 𝑦𝑖 𝑋𝑖 = ln(𝑥𝑖 ) 𝑌𝑖 = ln(𝑦𝑖 )
1 0.1500 4.4964 -1.8971 1.5033
2 0.4000 5.1284 -0.9163 1.6348
3 0.6000 5.6931 -0.5108 1.7393
4 1.0100 6.2884 0.0100 1.8387
5 1.5000 7.0989 0.4055 1.9599
6 2.2000 7.5507 0.7885 2.0216
7 2.4000 7.5106 0.8755 2.0163
∑ = −1.2447 ∑ = 12.7139
𝑋𝑖 2 𝑋𝑖 𝑌𝑖

3.5990 -2.8519
0.8396 -1.4980
0.2609 -0.8884
0.0001 0.0184
0.1644 0.7947
0.6217 1.5940
0.7665 1.7653
∑ = 6.2522 ∑ = −1.0659
Diperioleh sistem persamaan lanjar
7 −1.2447 𝑎 12.7139
[ ][ ] = [ ]
−1.2447 6.2522 𝑏 −1.0659
Solusi SPL di atas :
𝑎 = 1.8515
𝑏 = 0.1981
Hitung 𝐶 = 𝑒 𝑎 = 𝑒1.8515 = 6.369366
Jadi titik (𝑥, 𝑦) pada tabel di atas di hampiri dengan fungsi
pangkat sederhana :
𝑦 = 6.369366𝑥 0.1981

BAB VI
INTEGRASI NUMERIK
Di dalam kalkulus, integral adalah satu dari dua pokok bahasan yang
mendasar disamping turunan (derivative). Dalam kuliah kalkulus integral,
anda telah diajarkan cara memperoleh solusi analitik (dan eksak) dari
integral Tak-tentu maupun integral Tentu. Integral Tak-tentu dinyatakan
sebagai

∫ 𝑓(𝑥)𝑑𝑥 = 𝐹(𝑥) + 𝐶
Solusinya, F(x), adalah fungsi menerus sedemikian sehingga F'(x) = f(x), dan
C adalah sebuah konstanta. Integral Tentu menangani perhitungan integral
di antara batas-batas yang telah ditentukan, yang dinyatakan sebagai

𝑏
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥
𝑎
Menurut teorema dasar kalkulus integral, persamaan diatas dihitung
sebagai
𝑏
𝑏
∫ 𝑓(𝑥)𝑑𝑥 = 𝐹(𝑥) | = 𝐹(𝑏) − 𝐹(𝑎)
𝑎
𝑎
Secara geometri, integrasi Tentu sama dengan luas daerah yang dibatasi
oleh kurva 𝑦 = 𝑓(𝑥), garis 𝑥 = 𝑎 dan garis 𝑥 = 𝑏. Daerah yang dimaksud
ditunjukkan oleh bagian yang diarsir.
Tafsiran geometri integral Tentu
Fungsi-fungsi yang dapat diintegrasikan dapat dikelompokkan sebagai

1. Fungsi menerus yang sederhana, seperti polinomial, eksponensial,
atau fungsi trigonometri. Misalnya,
Fungsi sederhana seperti ini mudah dihitung integralnya secara eksak
dengan menggunakan metode analitik. Metode-metode analitik untuk
menghitung integral fungsi yang demikian sudah tersedia, yaitu
2. Fungsi menerus yang rumit, misalnya
Fungsi yang rumit seperti ini jelas sulit, bahkan tidak mungkin,
diselesaikan dengan metode-metode integrasi yang sederhana.
Karena itu, solusinya hanya dapat dihitung dengan metode
numerik.

3. Fungsi yang ditabulasikan, yang dalam hal ini nilai 𝑥 dan 𝑓(𝑥)
diberikan dalam sejumlah titik diskrit. Fungsi seperti ini sering
dijumpai pada data hasil eksperimen di laboratorium atau berupa
data pengamatan di lapangan. Pada
kasus terakhir ini, umumnya fungsi 𝑓(𝑥) tidak diketahui secara
eksplisit. Yang dapat diukur hanyalah besaran fisisnya saja.
6.1 Terapan Integral dalam Bidang Sains dan Rekayasa
Integral mempunyai banyak terapan dalam bidang sains dan rekayasa.
Dalam praktek rekayasa, seringkali fungsi yang diintegrasikan
(integrand) adalah fungsi empirik yang diberikan dalam bentuk tabel,
atau integrand-nya tidak dalam bentuk fungsi elementer (seperti sinh
x, fungsi Gamma G(a), dsb), atau fungsi
eksplisit 𝑓 yang terlalu rumit untuk diintegralkan. Oleh sebab itu,
metode numerik dapat digunakan untuk menghampiri integrasi.
Di bawah ini diberikan beberapa contoh persoalan dalam bidang sains
dan rekayasa.
1. Dalam bidang fisika, integral digunakan untuk menghitung
persamaan kecepatan. Misalkan kecepatan sebuah partikel
merupakan fungsi waktu menerus yang diketahui terhadap waktu,
v(t). Jarak total d yang ditempuh oleh partikel ini selama waktu t
diberikan oleh:

2. Dalam bidang teknik elektro/kelistrikan, telah diketahui bahwa
harga rata-rata suatu arus listrik yang berosilasi sepanjang satu
periode boleh nol. Disamping kenyataan bahwa hasil netto adalah
nol, arus tersebut mampu menimbulkan kerja dan menghasilkan
panas. Karena itu para rekayasawan listrik sering mencirikan arus
yang demikian dengan persamaan
yang dalam hal ini IRMS adalah arus RMS (root-mean-square), T
adalah periode, dan i(t) adalah arus pada rangkaian, misalnya
3. Contoh fungsi dalam bentuk tabel adalah pengukuran fluks panas
matahari yang diberikan oleh tabel berikut:

Data yang ditabulasikan pada tabel ini memberikan pengukuran
fluks panas 𝑞 setiap jam pada permukaan sebuah kolektor sinar
matahari. Diminta memperkiraan panas total yang diserap oleh
panel kolektor seluas 150.000cm2 selama waktu 14 jam. Panel
mempunyai kemangkusan penyerapan (absorption), eab, sebesar
45%. Panas total yang diserap diberikan oleh persamaan
Demikianlah beberapa contoh terapan integral dalam bidang
sains dan rekayasa. Umumnya fungsi yang diintegralkan
bentuknya rumit sehingga sukar diselesaikan secara analitik.

Karena itu, perhitungan integral secara numerik lebih banyak
dipraktekkan oleh para insinyur.
6.2 Persoalan Integrasi Numerik
Perhitungan integral adalah perhitungan dasar yang digunakan dalam
kalkulus, dalam banyak keperluan. Integral ini secara definitif digunakan
untuk menghitung luas daerah yang dibatasi oleh fungsi y = f(x) dan
sumbu x. Perhatikan gambar berikut :
Luas daerah yang diarsir L dapat dihitung dengan :
Pada beberapa permasalahan perhitungan integral ini, dapat dihitung
secara manual dengan mudah, sebagai contoh :
Secara manual dapat dihitung dengan :

Tetapi pada banyak permasalahan, integral sulit sekali dihitung bahkan
dapat dikatakan tidak dapat dihitung secara manual, sebagai contoh :
Dalam hal ini, metode numerik dapat digunakan sebagai alternatif
untuk menyelesaikan integral di atas. Pada penerapannya, perhitungan
integral ini digunakan untuk menghitung luas area pada peta, volume
permukaan tanah, menghitung luas dan volume-volume benda putar
dimana fungsi f(x) tidak ditulis, hanya digunakan gambar untuk
menyajikan nilai
f(x). Sebagai contoh, diketahui photo daerah sebagai berikut :
Untuk menghitung luas daerah yang diarsir L, perlu digunakan analisa
numerik.Karena polanya disajikan dalam gambar dengan faktor skala
tertentu.
Klasifikasi Metode Integrasi Numerik

1. Metode Pias
Daerah integrasi dibagi atas sejumlah pias (strip) yang berbentuk
segiempat. Luas daerah integrasi dihampiri dengan luas seluruh
pias.
2. Metode Newton-Cotes
Fungsi integrand f(x) dihampiri dengan polinom interpolasi pn(x).
Selanjutnya, integrasi dilakukan terhadap pn(x).
3. Kuadratur Gauss.
Nilai integral diperoleh dengan mengevaluasi nilai fungsi pada
sejumlah titik tertentu di dalam selang [-1, 1], mengalikannya
dengan suatu konstanta, kemudian menjumlahkan keseluruhan
perhitungan.
6.3 Metode Pias
 Selang integrasi [𝑎, 𝑏] menjadi 𝑛 buah pias (strip) atau
segmen. Lebar tiap pias adalah
 Titik absis pias dinyatakan sebagai
dan nilai fungsi pada titik absis pias adalah
𝑓𝑟 = 𝑓(𝑥𝑟 )

 Kaidah integrasi numerik yang dapat diturunkan dengan metode
pias adalah:
1. Kaidah segiempat (rectangle rule)
2. Kaidah trapesium (trapezoidal rule)
3. Kaidah titik tengah (midpoint rule)
 Dua kaidah pertama pada hakekatnya sama, hanya cara
penurunan rumusnya yang berbeda
 Kaidah yang ketiga, kaidah titik tengah, merupakan bentuk
kompromi untuk memperoleh nilai hampiran yang lebih baik.
6.3.1 Kaidah segiempat
Pandang sebuah pias berbentuk empat persegi panjang dari
𝑥 = 𝑥0 sampai 𝑥 = 𝑥1

Luas satu pias adalah 𝑡𝑖𝑛𝑔𝑔𝑖 𝑝𝑖𝑎𝑠 = 𝑓(𝑥0 )
𝑥1
∫ 𝑓(𝑥)𝑑𝑥 ≈ ℎ 𝑓(𝑥0 )
𝑥0
Atau (𝑡𝑖𝑛𝑔𝑔𝑖 𝑝𝑖𝑎𝑠 = 𝑓(𝑥1 ) )
𝑥1
∫ 𝑓(𝑥)𝑑𝑥 ≈ ℎ 𝑓(𝑥1 )
𝑥0
jadi :
𝑥1
∫ 𝑓(𝑥)𝑑𝑥 ≈ ℎ 𝑓(𝑥0 )
𝑥0
𝑥1
∫ 𝑓(𝑥)𝑑𝑥 ≈ ℎ 𝑓(𝑥1 )
𝑥0
___________________ +
𝑥1
2 ∫ 𝑓(𝑥)𝑑𝑥 ≈ ℎ[ 𝑓(𝑥0 ) + 𝑓(𝑥1 )]
𝑥0
Bagi setiap ruas persamaan hasil penjumlahan di atas dengan
2, untuk menghasilkan :

𝑥1
ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ [𝑓(𝑥0 ) + 𝑓(𝑥1 )]
𝑥0 2
Persamaan diatas ini dinamakan kaidah segiempat. Kaidah
segiempat untuk satu pias dapat kita perluas untuk
menghitung
𝑎
yang dalam hal ini, I sama dengan luas daerah integrasi dalam
selang [𝑎, 𝑏]. Luas daerah tersebut diperoleh dengan
membagi selang [𝑎, 𝑏] menjadi 𝑛 buah pias segiempat dengan
lebar ℎ, yaitu pias dengan absis [𝑥0 , 𝑥1 ], [𝑥1 , 𝑥2 ], [𝑥2 , 𝑥3 ], . . .,
dan pias [𝑥𝑛−1 , 𝑥𝑛 ]. Jumlah luas seluruh pias segiempat itu
adalah hampiran luas 𝐼.Kaidah integrasi yang diperoleh adalah
kaidah segiempat gabungan
∫ 𝑓(𝑥)𝑑𝑥 ≈ ℎ𝑓(𝑥0 ) + ℎ𝑓(𝑥1 ) + ℎ𝑓(𝑥2 ) + ⋯ + ℎ𝑓(𝑥𝑛−1 )

𝑎
∫ 𝑓(𝑥)𝑑𝑥 ≈ ℎ𝑓(𝑥1 ) + ℎ𝑓(𝑥2 ) + ℎ𝑓(𝑥3 ) + ⋯ + ℎ𝑓(𝑥𝑛 )

𝑎
_________________________________________________ +

𝑏
2 ∫ 𝑓(𝑥)𝑑𝑥 ≈ ℎ𝑓(𝑥0 ) + 2ℎ𝑓(𝑥1 ) + 2ℎ𝑓(𝑥2 ) + ⋯ + 2ℎ𝑓(𝑥𝑛−1 )

𝑎
+ ℎ𝑓(𝑥𝑛 )
Bagi setiap ruas persamaan hasil penjumlahan di atas dengan
2, untukmenghasilkan:
𝑏
ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ 𝑤(𝑤0 ) + ℎ𝑤(𝑥1 ) + ℎ𝑤(𝑤2 ) + ⋯ + ℎ𝑤(𝑤𝑤−1 )
2
𝑎
ℎ
+ 𝑤 (𝑤 𝑤 )
2
Jadi kaidah segiempat gabungan adalah:
𝑤
ℎ
∫ 𝑤(𝑤)𝑤𝑤 ≈ (𝑤0 + 2𝑤1 + 2𝑤2 + ⋯ + 2𝑤𝑤−1 + 𝑤𝑤 )
2
𝑤
𝑤−1
ℎ
= (𝑤 0 + 2 ∑ 𝑤 1 + 𝑤 𝑤
2
𝑤=1
𝑤𝑤𝑤𝑤𝑤𝑤 𝑤𝑤 = 𝑤(𝑤𝑤 ), 𝑤 = 0,1,2, … , 𝑤

6.3.2 Kaidah Trapesium
Pandang sebuah pias berbentuk trapesium dari 𝑥 =
𝑥0 sampai 𝑥 = 𝑥1 berikut
Luas satu trapesium adalah
𝑥1
ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ [𝑓(𝑥0 ) + 𝑓(𝑥1 )]
𝑥0 2

Persamaan diatas dikenal dengan nama kaidah trapesium.
Bila selang [a, b] dibagi atas n buah pias trapesium, kaidah
integrasi yang diperoleh adalah kaidah trapesium gabungan
(composite trapezoidal's rule):
𝑏
𝑥1 𝑥2 𝑥𝑛
∫ 𝑓(𝑥)𝑑𝑥 ≈ ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓(𝑥)𝑑𝑥 + ⋯ + ∫ 𝑓(𝑥)𝑑𝑥
𝑥0 𝑥1 𝑥𝑛−1
𝑎
ℎ ℎ
[𝑓(𝑥0 ) + 𝑓(𝑥1 )] + [𝑓(𝑥1 ) + 𝑓(𝑥2 )] + ⋯
2 2
ℎ
+ [𝑓(𝑥𝑛−1 ) + 𝑓(𝑥𝑛 )]
2
ℎ
≈ [𝑓(𝑥0 ) + 2𝑓(𝑥1 ) + 2𝑓(𝑥2 ) + ⋯ + 2𝑓(𝑥𝑛−1 ) + 𝑓(𝑥𝑛 )]
2
𝑛−1
ℎ
≈ (𝑓0 + 2 ∑ 𝑓1 + 𝑓𝑛 )
2
𝑖=1
dengan 𝑓𝑟 = 𝑓(𝑥𝑟 ), 𝑟 = 0,1,2, … , 𝑛
METODE TRAPESIUM DENGAN BANYAK PIAS
Untuk mengurangi banyak kesalahan yang terjadi, maka
kurva lengkung didekat oleh sejumlah garis lurus, sehingga
terbentuk banyak pias.
6.3.3 Kaidah Titik Tengah

Pandang sebuah pias berbentuk empat persegi panjang dari
ℎ
𝑥 = 𝑥0 sampai 𝑥 = 𝑥1 dan titik tengah absis 𝑥 = 𝑥0 +
2
Luas satu pias adalah:
𝑥1
ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ ℎ 𝑓 (𝑥0 + ) ≈ ℎ 𝑓(𝑥1⁄ )
2 2
𝑥0
Persamaan diatas disebut kaidah titik tengah Kaidah titik-titik
tengan gabungan dirumuskan:
𝑏 𝑥1 𝑥2 𝑥𝑛
∫ 𝑓(𝑥)𝑑𝑥 ≈ ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓(𝑥)𝑑𝑥 + ⋯ + ∫ 𝑓(𝑥)𝑑𝑥

𝑎 𝑥0 𝑥1 𝑥𝑛−1
≈ ℎ 𝑓 (𝑥1⁄ ) + ℎ 𝑓 (𝑥3⁄ ) + ℎ 𝑓 (𝑥5⁄ ) + ℎ 𝑓 (𝑥7⁄ ) + ⋯

2 2 2 2
+ ℎ 𝑓(𝑥𝑛−1⁄ )
2
≈ ℎ (𝑓1⁄ + 𝑓3⁄ + ⋯ + 𝑓𝑛−1⁄ )

2 2 2

𝑛−1
≈ ℎ ∑ 𝑓𝑖+1⁄
2
𝑖=0
Yang dalam hal ini:
𝑥𝑟+1⁄ = 𝑎 + (𝑟 + 1/2)ℎ
2
Dan
𝑓𝑟+1⁄ = 𝑓(𝑥𝑟+1⁄ ) 𝑟 = 0,1,2, . . , 𝑛 − 1

2 2
6.3.4 Galat metode Pias
𝐼 adalah nilai integrasi sejati dan 𝐼 , adalah integrasi secara
numeric
maka galat hasil integrasi numeric didefinisikan sebagai
𝐸 = 𝐼 − 𝐼,
Untuk penurunan galat, kita tinjau galat integrasi di dalam
selang [0, ℎ]

ℎ
0
Untuk setiap kaidah sebagai berikut :
6.3.4.1 Galat Kaidah Trapesium
Galat untuk sebuah pias

ℎ
ℎ
𝐸 = ∫ 𝑓(𝑥)𝑑𝑥 − (𝑓0 − 𝑓1 )
0 2
Jadi,
ℎ
ℎ
∫ 𝑓(𝑥)𝑑𝑥 = (𝑓0 − 𝑓1 ) + 𝑂(ℎ3 )
0 2
Dan untuk galat total

𝑛−1
ℎ
ℎ
∫ 𝑓(𝑥)𝑑𝑥 = (𝑓 + 2 ∑ 𝑓𝑖 − 𝑓𝑛 ) + 𝑂(ℎ2 )
0 2 0
𝑖=1
Catatan :
Galat total integrasi dengan kaidah trapesium
sebanding dengan kuadrat lebar pias (ℎ). Semakin
kecil ukuran ℎ, semakin kecil pula galatnya, namun
semakin banyak jumlah komputasinya
Contoh :
3.4
Hitung Integral ∫1.8 𝑒 𝑥 𝑑𝑥 dengan kaidah trapezium.
Ambil ℎ = 0.2. perkirakan juga batas-batas galatnya.
Gunakan 5 angka bena.
Penyelesaian :
Fungsi Integrand nya adalah

𝑓(𝑥) = 𝑒 𝑥
𝑏−𝑎 3.4−1.8
Jumlah pias adalah 𝑛 = = =8
ℎ 0.2
Tabel data diskritnya adalah
𝑟 𝑥𝑟 𝑓(𝑥𝑟 ) 𝑟 𝑥𝑟 𝑓(𝑥𝑟 )
0 1.8 6.050 5 2.8 16.445
1 2.0 7.389 6 3.0 20.086
2 2.2 9.025 7 3.2 24.533
3 2.4 11.023 8 3.4 29.964
4 2.6 13.464
Nilai integrasinya
3.4
ℎ
∫ 𝑒 𝑥 𝑑𝑥 = (𝑓 + 2𝑓1 + 2𝑓2 + ⋯ + 2𝑓6 + 2𝑓7 + 𝑓8 )
1.8 2 0
0.2
= [6.050 + 2(7.389) + 2(9.025) + ⋯ + 2(16.445)
2
+ 2(20.086) + 2(24.533)
+ 2(29.964)]
= 23.994
Nilai integrasi Sejatinya adalah

3.4
𝑥 = 1.8
∫ 𝑒 𝑥 𝑑𝑥 = 𝑒 𝑥 |
1.8 𝑥 = 3.4
= 𝑒 3.4 − 𝑒1.8
= 29.964 − 6.050
= 23.914
Galat kaidah trapesium
1
𝐸 = − (0.2)2 (3.4 − 1.8)𝑒 𝑥 , 1.8 < 𝑡 < 3.4
2
Karena fungsi 𝑓(𝑥) = 𝑒 𝑥 menarik secara monoton di

dalam selang [1.8, 3.4], maka batas-batas galatnya :
1 𝑒1.8 (min) = −0.0323

𝐸 = − (0.2)2 (3.4 − 1.8) × { 3.4
2 𝑒 (max) = −0.1598
Atau
−0.0323 < 𝐸 < −0.1598
Disini nilai sejati 𝐼 harus terletak di antara
23.994 − 0.1598 = 23.834
Dan
23.994 − 0.0323 = 23.962

3.4
Galat hasil integrasi ∫1.8 𝑒 𝑥 𝑑𝑥 adalah
23.914 − 23.944 = 0.080
Yang memang terletak antara galat minimum dan
galat maksimum.
6.3.4.2 Galat Kaidah Titik Tengah
Galat untuk sebuah pias

ℎ
𝐸 = ∫ 𝑓(𝑥)𝑑𝑥 − ℎ𝑓1
0 2
3
ℎ
𝐸≈ 𝑓"(𝑡),0 < 𝑡 < ℎ
24
Galat untuk seluruh pias adalah
ℎ3
𝐸𝑡𝑜𝑡 ≈ 𝑛 𝑓"(𝑡),𝑎 < 𝑡 < 𝑏
24
ℎ2
≈ (𝑏 − 𝑎)𝑓"(𝑡)
24
= 𝑂(ℎ2 )

6.4 Metode Newton-Cotes
Moetode Newton-cotes adalah metode yang umum untuk
menurunkan kaidah integrasi numerik. Polinom interpolasi menjadi
dasar metode Newton-cotes. Gagasanya adalah menghampiri fungsi
𝑓(𝑥) dengan polinom interpolasi 𝑝𝑛 (𝑥)
𝑏 𝑏
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 ≈ ∫ 𝑝𝑛 (𝑥)𝑑𝑥
𝑎 𝑎
Yang dalam hal ini
𝑝𝑛 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛−1 𝑥 𝑛−1 + 𝑎𝑛 𝑥 𝑛
Dari beberapa kaidah integrasi numerik yang diturunkan dari metode
Newton-Cotes, tiga di antaranya yang terkenal adalah :
1. Kaidah trapesium
2. Kaidah simpson 1/3
3. Kaidah simpson 3/8
Sebagai catatan, kaidah trapesium sudah kita turunkan dengan
metode pias. Metode Newton-Cotes memberikan pendekatan lain
penurunan kaidah trapesium.
6.4.1 Kaidah Trapesium
Diberikan dua bauh titik data (0, 𝑓(0)) dan (ℎ, 𝑓(ℎ)). Polinom

interpolasi yang melalui kedua buah titik itu adalah sebuah
garis lurus. Luas daerah yang dihitung sebagai hampiran nilai
integrasi adalah daerah di bawah garis lurus tersebut. Polinom
interpolasi Newton-Gregory derajat 1 yang melalui kedua buah
titik itu adalah :
∆𝑓(𝑥0 ) ∆𝑓0
𝑝1 (𝑥) = 𝑓(𝑥0 ) + 𝑥 = 𝑓(𝑥0 ) + 𝑥
ℎ ℎ
Integrasi 𝑝1 (𝑥) di dalam selang [0,1]
Jadi, kaidah trapesium adalah
ℎ
ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ (𝑓 + 𝑓1 )
𝑎 2 0
Galat kaidah trapesium sudah kita tutunkan sebelumnya pada
metode pias, yaitu
1
𝐸 = − ℎ3 𝑓"(𝑡) = 𝑂(ℎ3 ) ,0 < 𝑡 < ℎ
2
Jadi.
ℎ
ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ (𝑓 + 𝑓1 ) + 𝑂(ℎ3 )
𝑎 2 0
Kaidah trapesium untuk integrasi dalam selang [0, ℎ] kita
perluas untuk menghitung

𝑏
𝑎
Yang dalam hal ini , 𝐼 sama dengan luas daerah integrasi di
dalam selang [𝑎, 𝑏]. Luas daerah tersebut diperoleh dengan
membagi selang [𝑎, 𝑏] menjadi n buah upaselang (subinterval)
dengan lebar tiap upaselang h, yaitu
[𝑥0 , 𝑥1 ], [𝑥1, 𝑥2 ], [𝑥2, 𝑥3 ], … , [𝑥𝑛−1, 𝑥𝑛 ]. Titik-titik ujung tiap upaselang
diinterpolasi dengan polinom derajat 1. Jadi di dalam selang
[𝑎, 𝑏] terdapat n buah polinom derajat satu yang terpotong-
potong (piecewise). Integrasi masing-masing polinom itu
menghasilkan n buah kaidah trapesium yang disebut kaidah
trapesium gabungan. Luas daerah integrasi di dalam selang
[𝑎, 𝑏] adalah jumlah seluruh luas trapesium, yaitu
𝑏 𝑛−1
ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ (𝑓0 + 2𝑓𝑖 + ∑ 𝑓𝑛 )
𝑎 2
𝑖=1
dengan 𝑓𝑟 = 𝑓(𝑥𝑟 ) , 𝑟 = 0, 1, 2, … , 𝑛
galat total kaidah trapesium gabungan sudah kita turunkan
pada metode pias, yaitu
1 2
𝐸𝑡𝑜𝑡 ≈ − ℎ (𝑏 − 𝑎)𝑓"(𝑡) = 𝑂(ℎ2 ), 𝑥0 < 𝑡 < 𝑥𝑛
12
Dengan demikian,

𝑏 𝑛−1
ℎ
∫ 𝑓(𝑥)𝑑𝑥 = (𝑓0 + 2 ∑ 𝑓𝑖 + 𝑓𝑛 ) + 𝑂(ℎ2 )
𝑎 2
𝑖=1 𝑖
Jadi, galat integrasi dengan kaidah trapesium sebanding
dengan ℎ2 .
6.4.2 Kaidah Simpson 1/3
Hampiran nilai integrasi yang lebih baik dapat ditingkatkan
dengan menggunakan polinom interpolasi berderajat yang
lebih tinggi. Misalkan fungsi 𝑓(𝑥) di hampiri dengan polinom
interpolasi derajat 2 yang grafiknya berbentuk parabola. Luas
daerah yang dihitung sebagai hampiran nilai integrasi adalah
daerah di bawah parabola (Gambar 6.10). 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
𝑥 𝑥(𝑥 − ℎ) 2
𝑝2 (𝑥) = 𝑓(𝑥0 ) + ∆𝑓(𝑥0 ) + ∆ 𝑓(𝑥0 )
ℎ 2! ℎ2
𝑥(𝑥 − ℎ) 2
= 𝑓0 + 𝑥 ∆𝑓0 + ∆ 𝑓0
2! ℎ2
Integrasikan 𝑝2 (𝑥) di dalam selang [0, 2ℎ] :
ℎ
𝐼≈ (𝑓 + 4𝑓1 + 𝑓2 )
3 0

Ini dinamakan Kaidah Simpson 1/3. Sebutan “1/3” muncul
karana di dalam persamaan terdapat faktor “1/3” (sekaligus
untuk membedakannya dengan kaidah Simpson yang lain,
yaitu Simpson 3/8).
Misalkan kurva fungsi sepanjang selang integrasi [𝑎, 𝑏] kita bagi
menjadi n + 1 buah tiitk diskrit 𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑛 . Dengan n genap
dan setiap tiga buah titik (atau 2 pasang upaselang) di kurva
dihampiri dengan parabola (polinom interpolasi derajat 2).
Maka kita akan mempunyai n/2 buah potongan parabola. Bila
masing-masing polinom derajat 2 tersebut kita integrasikan di
dalam upaselang(sub-interval) integrasinya. Maka jumlah
seluruh integrasi tersebut membentuk Kaidah Simpson 1/3
gabungan.
𝑛−1 𝑛−2
ℎ
𝐼𝑡𝑜𝑡 ≈ (𝑓0 + 4 ∑ 𝑓𝑖 + 2 ∑ 𝑓𝑖 + 𝑓𝑛 )
3
𝑖=1,3,5 𝑖=2,4,6
Galat Kaidah Simpson 1/3
1 5 (𝑖𝑣)
𝐸=− ℎ 𝑓0 = 𝑂(ℎ5 )
90
Jadi, kaidah Simpson 1/3 untuk sepasang upaselang ditambah
dengan galatnya dapat dinyatakan sebagai

2ℎ
ℎ
∫ 𝑓(𝑥)𝑑𝑥 = (𝑓0 + 4𝑓1 + 𝑓2 ) + 𝑂(ℎ5 )
3
0
Galat untuk n/2 pasang upaselang adalah
1 𝑏−𝑎
𝐸𝑡𝑜𝑡 = − ℎ4 (𝑏 − 𝑎)𝑓 (𝑖𝑣) (𝑡) , karena 𝑛 =
180 ℎ
= 𝑂(ℎ4 )
Jadi, kaidah Simpson 1/3 gabungan ditambah dengan galatnya
dapat dinyatakan sebagai,
𝑏 𝑛−1 𝑛−2
ℎ
∫ 𝑓(𝑥)𝑑𝑥 = (𝑓 + 4 ∑ 𝑓𝑖 + 2 ∑ 𝑓𝑖 + 𝑓𝑛 )
3 0
𝑎 𝑖=1,3,5 𝑖=2,4,6
6.4.3 Kaidah Simpson 3/8
Sepeti halnya pada kaidah Simpson 1/3, hampiran nilai integrasi
yang lebih teliti dapat ditingkatkan terus dengan menggunakan
polinom interpolasi berderajat lebih tinggi pula. Mislkan
sekarang fungsi 𝑓(𝑥) kita hampiri dengan polinom interpolasi
derajat 3. Luas daerah yang dihitung sebagai hampiran nilai
integrasi adalah daerah dibawah kurva polinom derajat 3
tersebut parabola (Gambar 6.11). Untuk membentuk polinom
interpolasi derajat 3, dibutuhkan 4 biuah titik data, misalkan
titik-titik tersebut
(0, 𝑓(0)), (ℎ, 𝑓(ℎ)), (2ℎ, 𝑓(2ℎ)), dan (3ℎ, 𝑓(3ℎ))..

Dengan cara penurunan yang sama seperti kaidah Simpson
1/3, diperoleh
3ℎ
3ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ (𝑓 + 3𝑓1 + 3𝑓2 + 𝑓3 )
0 8 0
Yang merupakan Kaidah Simpson 3/8
Galat kaidah Simpson 3/8 adalah
3ℎ 5 (𝑖𝑣)
𝐸≈− ℎ 𝑓0 (𝑡), 0 < 𝑡 < 3ℎ
8
Jadi kaidah simpson 3/8 ditambah dengan galatnya dapat di
nyatakan sebagai
3ℎ
3ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ (𝑓 + 3𝑓1 + 3𝑓2 + 𝑓3 ) + 𝑂(ℎ5 )
0 8 0
Sedangkan kaidah Simpson 3/8 gabungan adalah
𝑛−1 𝑛−3
𝑏
3ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ (𝑓 + 3 ∑ 𝑓𝑖 + 2 ∑ 𝑓𝑖 + 𝑓𝑛 )
𝑎 8 0
𝑖=1 𝑖=3,6,9,…
𝑖≠3,6,9
Namun penggunaan kaidah simpson 3/8 mensyaratkan jumlah
upaselang (n) harus kelipatan tiga
Galat kaidah 3/8 simpson gabungan adalah
(𝑏 − 𝑎)ℎ4 (𝑖𝑣)
𝐸𝑡𝑜𝑡 = − 𝑓 (𝑡) , 𝑎<𝑡<𝑏
80

𝐸𝑡𝑜𝑡 = 𝑂(ℎ4 )
Jadi, kaidah Simpson 3/8 ditambah dengan galatnya dapat
dinyatakan sebagai
𝑛−1 𝑛−3
𝑏
3ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≈ (𝑓 + 3 ∑ 𝑓𝑖 + 2 ∑ 𝑓𝑖 + 𝑓𝑛 ) + 𝑂(ℎ4 )
𝑎 8 0
𝑖=1 𝑖=3,6,9,…
𝑖≠3,6,9
kaidah Simpson 3/8 memiliki orde galat yang sama dengan
orde galat kaidah Simpson 1/3. Namun dalam praktek, kaidah
Simpson 1/3 biasanya lebih disukai dari pada kaidah Simpson
3/8, karena dengan tiga titik (Simpson 1/3) sudah diperoleh
orde ketelitian yang sma dengan 4 titik (Simpson 3/8). Tapi,
untuk n kelipatan tiga, kita hanya dapat menggunakan kaidah
simpson 3/8, dan bukan kaidah Simpson 1/3
Metode Integrasi Numerik untuk 𝒉 yang berbeda-beda
1. Untuk sejumlah upaselang berurutan yang berjarak sama
adalah genap,gunakan kaidah 1/3 simpson
2. Untuk sejumlah upaselang berurutan yang berjarak sama
adalah kelipatan tiga, gunakan kaidan 3/8
3. Untuk sejumlah upaselang yang tidak berjarak sama dengan
tetangganya gunakan kaidah trapezium
Bentuk umum Metode Newton-Cotes

Bentuk umum metode Newton-cotes dapat di tulis sebagai
𝑏
∫ 𝑓(𝑥)𝑑𝑥 = 𝛼 ℎ[𝑤0 𝑓0 + 𝑤1 𝑓1 + 𝑤2 𝑓2 + ⋯ + 𝑤𝑛 𝑓𝑁 ] + 𝐸
𝑎
CONTOH SOAL
1. diketahui:
4
∫0 𝑒 𝑥 𝑑𝑥
ℎ = 0,5
ditanya:
a. Kaidah trapesium
b. Kaidah titik tengah
c. Kaidah simpson 1/3
d. Kaidah simpsom 3/8
jawab:
4−0
𝑛= =8
0,5
Membuat tabel:
a. Tabel trapesium dan simpson
r xr F(xr)
0 0 1
1 0,5 1,64872

2 1 2,71828
3 1,5 4,48168
4 2 7,38905
5 2,5 12,18249
6 3 20,08553
7 3,5 33,11545
8 4 54,59815
b. tabel titik tengah
r xr F(xr)
0 0 1
1 0,5 1,64872
2 1 2,71828
3 1,5 4,48168
4 2 7,38905
5 2,5 12,18249
6 3 20,08553
7 3,5 33,11545
8 4 54,59815

a. Kaidah trapesium
ℎ
= (𝑓0 + 2𝑓1 + 2𝑓2 + 2𝑓3 + 2𝑓4 + 2𝑓5 + 2𝑓6 + 2𝑓7 + 2𝑓8 )
2
0,5
= {1 + (2.1,64872) + (2.2,71828) + (2.4,48168) + (2.7,38905) +
2
(2.12,18249) + (2.20,08553) + (2.33,11545) + 54,59815}

= 1(1 + 3,2974 + 5,43656 + 8,96336 + 14,7781 + 24,36498 +
40,17106 + 66,2309 + 54,59815)
= 218,84051
b. Kaidah titik tengah
= 0,5(1,28402 + 2,117 + 3,49034 + 5,7546 + 9,48774 + 15,64263 +

25,79034 + 42,52108
= 0,5(106,08775)
= 53,043875
c. Kaidah simpson 1/3

0,5
= (𝑤0 + 4𝑓1 + 2𝑓2 + 4𝑓3 + 2𝑓4 + 4𝑓5 + 2𝑓6 + 4𝑓7 + 𝑓8 )
3
1 + (4.1,64872) + (2.2,71828) + (4.4,48168) + (2.7,38905)

= 0,17 { }
+ (4.12,18249) + (2.20,08553) + (4.33,11545) + 54,59815
= 0,17(321,69735)
= 53,64224 ~53,6
d. Kaidah simpson 3/8

3ℎ
= (𝑓0 + 3𝑓1 + 3𝑓2 + 2𝑓3 + 3𝑓4 + 3𝑓5 + 2𝑓6 + 3𝑓7 + 𝑓8 )
8
3.0,5
= {1 + (3.1,64872) + (3.2,71828) + (2.4,48168) + (3.7,38905) +
8
(3.12,18249) + (2.20,08553) + (3.33,11545) + 54,59815}

= 0,1875(1 + 4,94616 + 8,15484 + 8,96336 + 22,16715 +

36,54747 + 40,17106 + 99,43635 + 54,59815)
= 0,1875(275,89454)
= 51,73022625
2. 𝑓(𝑥) = 𝑥 + 1, 0 ≤ 𝑥 ≤ 5, ℎ = 5
r c F(xr)
0 0 1
1 5 6
 Trapesium
ℎ
(𝑓0 + 𝑓1)
2
5
(1 + 6)
2
= 17.5
 Simpson 1⁄3
ℎ
(𝑓0 + 𝑓1)
3
5
(1 + 6)
3
= 11.667
 Titik Tengah

R xr F(xr)
1 2.5 3.5
2
1
h (𝑓 )
2
5(3.5)
= 17.5
∫∭𝑥 + 1
0
5
1 2
∫∬ 𝑥 +𝑥
2
0
5
1 1
∬ 𝑥3 + 𝑥2
6 2
0
5
1 4 1 3
∫ 𝑥 + 𝑥
24 6
0
1 5 1 4
𝑥 + 𝑥
120 24
4−0
3. 4𝑥 3 𝑑𝑥 , 0≤x≤4, h=1, n= =4
1
r xr F(xr)
0 0 0

1 1 4
2 2 32
3 3 108
4 4 256
 Trapesium
1
(𝑓0 + 2𝑓1 + 2𝑓2 + 2𝑓3 + 𝑓4)
2
1
= (0 + 2(4) + 2(32) + 2(108) + 256)
2
1
= (564)
2
= 282
 Simpson 1⁄3
ℎ
= (𝑓0 + 4𝑓1 + 2𝑓2 + 4𝑓3 + 𝑓4)
3
1
= (0 + 4(4) + 2(32) + 4(108) + 256)
3
1
= (768)
3
= 256
R xr F(xr)

1 1 0.5
2 2
3 3 13.5
2 2
5 5 62.5
2 2
7 7 171.5
2 2
= ℎ(𝑓 1⁄2 + 𝑓 3⁄2 + 𝑓 5⁄2 + 𝑓 7⁄2)
= 1(0.5 + 13.5 + 62.5 + 171.5)
=248
6.5 Singularitas
Kita akan kesulitan melakukan menghitung integrasi numerik apabila
fungsi tidak terdefenisi di x=t, dalam hal ini a < t <b. Misalnya dalam
menghitung integrasi
1
cos( x)
I  dx
0 x
Fungsi f(x) = cos x/ x jelas tidak terdefenisi di x = 0 (ujung bawah
selang). Begitu juga apabila perhitungan integrasi
2
1
I  x  1dx
0.5

Menggunakan h = 0.1, titik diskrit di x=1 tidak dapat dihitung sebab
fungsi f ( x)  I /( x  1) tidak terdefenisi di x=1. Fungsi yang tidak
terdefenisi di x=t, untuk a  t  b , dinamakan singular.
Singular juga muncul pada fungsi yang turunannya tidak terdefenisi di
1
x=t, untuk a t b. Misalnya hasil perhitungan integral  x
0
memperlihatkan hasil yang menyimpang meskipun fungsi f ( x )  x
sendiri terdefenisi untuk semua x= t, untuk a  t  b . Penyimpangan ini
1
dapat dijelaskan sebagai berikut. Misalkan integral  x dihitung
0
dengan kaidah trapezium.
Tinjau kembali galat total pada kaidah trapezium:
h3 "
Etot   ( f 0  f1"  ...  f " n1 )
12
h3 n 1 "
  fi
12 i 0
b
h3
12 a
 f ( x )dx
h3 '
 [ f (b)  f ' (a)]
12 …(1)

b
Persamaan (1) menyiratkan bahwa galat integrasi akan besar
 f ( x)dx
a
apabila f ' (a) atau f ' (b) tidak ada.
Singularitas harus dihilangkan dengan cara memanipulasi persamaan
fungsi sedemikian sehingga ia tidak singularitas lagi.
Contoh 1:
Ubahlah fungsi integrasi
1
cos( x)
I  dx
0 x
Sehingga menjadi tidak singular lagi.
Penyelesaian:
Fungsi f ( x)  cos( x) / x tidak terdefenisi di x=0.
Misalkan
x  u 2  dx  2udu
Batas-batas selang integrasi juga berubah
x  0u  x  0

x 1 u  x 1
Maka
1
cos( x)
I  dx
0 x
1
cos(u 2 )
I  (2u )du
0
u
1
 tidak singular lagi.
 2 cos(u
2
)du
0
6.6 Penggunaan Ekstrapolasi untuk Integrasi
Misalkan I ( h) adalah perkiraan nilai integrasi dengan jarak antara titik
data adalah h(h<1). Dari persamaan galat kaidah integrasi (trapezium,
Simpson 1/3, dll) yang dinyatakan dalam notasi orde :
E  O  h 
p
 
Dapat dilihat bahwa galat E semakin kecil bila digunaka h yanh
semakin kecil, seperti yang ditunjukkan oleh diagram garis berikut:
Nilai integrasi adalah bila h=0, tetapi pemilihan h=0 tidak mungkin kita
lakukan didalam rumus integrasi numerik sebab iya akan membuat
nilai integrasi sama dengan 0. Yang dapat kita peroleh adalah
perkiraan nilai integrasi yang lebih baik dengan melakukan ekstrapolasi

ke h= 0. Ada dua macam metode ekstrapolasi yang digunakan untuk
integrasi:
6.6.1 Ekstrapolasi Richardson
Pandang kembali kaidah trapesium
(b  a) f " (t ) 2
b n
h
 f ( x)dx  2 ( f 0  2 f i  f n )  h
a i 1 12
Yang dapat ditulis sebagai
 f ( x)dx  I (h)  Ch
2
Dengan I(h) adalah integrasi dengan menggunakan kaidah
trapesium dengan jarak antar titik selebar h dan (b  a) f " (t )

C
12
Secara umum, kaidah integrasi yang lain dapat kita tulis sebagai
…(2)
b
 f ( x)dx  l (h)  Ch
q
Dengan C dan q adalah konstanta yang tidak bergantung pada
h. nilai q dapat ditentukan langsung dari orde galat kaidah
integrasi, misalnya:

Kaidah trapezium O h 2   𝑞 = 2
Kaidah trapezium O h 2   𝑞 = 2
Kaidah 1/3 simpson, O h 4   𝑞 = 4
Tujuan ekstrapolasi Richardson ialah menghitung nilai integrasi
yang lebih baik (improve) dibandingkan dengan I. Misalnya J
adalah nilai integrasi yang lebih baik daripada I dengan jarak
antar titik h:
q
𝐽 = 𝑙(ℎ) + 𝐶 h …(3)
Ekstrapolasikan h menjadi 2h, lalu hitung integrasi numeriknya
𝐽 = 𝑙(2ℎ) + 𝐶  2 h  q …(4)
Eliminasikan C dari kedua persamaan dengan menyamakan
persamaan (3) dan persamaan (4):
hq = 𝑙(2ℎ) + 𝐶  2 h 
q
I ( h) + 𝐶
Sehingga diperoleh
…(5)
I (h)  I (2h)
C
(2q  1)h q

Sulihkan persamaan (5) kedalam persamaan (3) untuk
memperoleh:
𝐽 = 𝑙(ℎ) + I (h)  I (2h) …(6)

(2q  1)
Yang merupakan persamaan ekstrapolasi Ricahrdson.
Ekstrapolsi Ricahrdson dapat kita artikan sebagai berikut.
Mula –mula hitung nilai itegrasi dengan kaidah yang sudah
baku dengan jarak antara titik selebar h untuk mendapatkan
l(h), kemudian hitung kembali nilai itegrasi dengan jarak antara
titik selebar 2h untuk memperoleh l(2h). akhirnya, hitunglah
nilai itegrasi yang lebih baik dengan menggunakan persamaan
(6).
Perhatikan bahwa jika pernyataan diatas di balik, kita telah
menggunakan ekstrapolasi menuju h=0, yaitu kita hitung l(2h)
lalu hitung l(h). Urutan pengerjaan (I (h2h) atau I(h) lebih dulu)
tidak mempengaruhi solusi akhirnya.
Sebagai contoh perhatikan bila (h) dan (2h) di hitung dengan
kaidah trafesium (q=2), maka ekstpolasi Ricahrdson-nya adalah
𝐽 = 𝑙(ℎ) + 1 l (h)  l (2h) …(7)

3

Dan bila I(h) dan I(2h) dihitung dengan kaidah 1/3 Simpson (q =
4), maka ekstpolasi Ricahrdson-nya adalah
[ 𝐼(ℎ) − 𝐼(2ℎ) ]
1
𝐽 = 𝑙(ℎ) + l (h)  l (2h) …(8)
15
Perhatikan bahwa suku 1/3 [ 𝐼(ℎ) − 𝐼(2ℎ) ] pada persamaan (7)
dan suku 1/15 [𝐼(ℎ) − 𝐼(2ℎ)] pada persamaan (8) merupakan
factor korelasi. Artinya, nilai taksiran itegrasinya I(h) dapat
dikatakan menjsdi nilai yang lebih baik dengan menambahkan
factor koreksi tersebut
Contoh 2:
Hitunglah kembali itegrasi dengan menggunakan ekstpolasi
Richardson.yang dalam hal ini I(h) dan (2h) hitung dengan
kaidah trafesium dan h=0,125
Penyelesaian:
Jumlah upaselang ;𝑛 = (1 − 0)/0.125 = 8
Tabel titik-titik didalam selang [0,1] dengan h=0,125

R xr fr
0 0 1
1 0.12 0.88889
2 0.250 0.80000
3 0.375 0.72727
4 0.500 0.66667
5 0.625 0.61538
6 0.750 0.57143
7 0.875 0.53333
8 1000 0.50000
I (h) adalah nilai itegrasi dengan kaidah trafesium
menggunakan h=0,125
I ( h) =
1
1
 1  xdx  h / 2( f
0
0  2 f1  2 f 2  2 f3  2 f 4  2 f5  2 f 6  2 f 7  2 f8
 0.125 / 2[1  2(0.88889)  2(0.80000)  ...  (0.50000)
 0.69412
𝐼 (2ℎ) adalah nilai itegrasi dengan kaidah trafesium
menggunakan 2ℎ = 0,250;

1
1
I (2h)   dx  (2h) / 2( f 0  2 f 2  2 f 4  2 f 6  2 f8 )
0
1 x
 0.125 / 2[1  2(0,80000)  2(0.66667)  2(0.57143)  (0.50000)
 0.69702
Nilai itegrasi yang lebih baik , J, diperoleh dengan ekstpolasi
Richardson:
𝐽 = I (ℎ) + I (h)  I (2h)

(2q  1)
Yang dalam hal ini, q= 2, karena I(h) dan I(2h) dihitung dengan
kaidah trapezium yang (yang mempunyai orde galat = 2)
0.69412  0.69412
J  0.69412   0, 69315
22  1
jadi, taksiran nilai integrasi yang lebih baik adalah 0,69315.
Bandingkanlah dengan nilai integrasi sejatinya
1 x 1
1
 1  xdx  ln(1  x)
0
x 0
 ln(2)  ln(1)  0.69314718
Yang apabila dibulatkan ke dalam 5 angka bena
f(0,69314718)=0,69315, hasilnya tepat sama dengan nilai

integrasi yang dihitung dengan dengan ekstrapolasi Richardson
6.6.2 Metode Romberg
Metode integrasi Romberg didasarkan pada perluasan
ekstrapolasi Richardson untuk memperoleh nilai integrasi yang
semakin baik. Sebagai catatan, setiap penerapan ekstrapolasi
Richardson akan menaikkan order galat pada hasil solusinya
sebesar dua:
𝑂(ℎ2𝑁 ) → 𝑂(ℎ2𝑁+2 )
Misalnya, bila 𝐼(ℎ) dan 𝐼(2ℎ) dihitung dengan kaidah trpesium
yang berorde galat O(h), maka ekstrapolasi Rrichardson
menghasilkan kaidah Simpson 1/3 yang berorde O(h).
selanjutnya bila I(h) dan I(2h) dihitung dengan kaidah Simpson
1/3, ekstrapolasi Richardson menghasilkan kaidah Boole yang
berorde 𝑂(ℎ).
𝑂(ℎ2 ) 𝑂(ℎ2 ) 𝑂(ℎ2 )
Tinjau kembali persamaan ekstrapolasi Richardson:
𝐼(ℎ) − 𝐼(2ℎ)
𝐽 = 𝐼(ℎ) +
(2𝑞 − 1)
Misalkan I adalah nilai integrasi sejati yang dinyatakan sebagai:

I  Ak  Ch 2  Dh 4  Eh 6  ...
yang dalam hal ini
ℎ = (𝑏 − 𝑎)/𝑛
dan Ak perkiraan nilai integrasi dengan kaidah trapezium dan
jumlah pias n  2 k . Orde galat Ak adalah O(h 2 ) .
Sebagai contoh, selang dalam [a, b] dibagi menjadi 64 buah
pias atau upaselang:
n  64  26  k  6(0,1, 2,3, 4,5,6)
𝑘=0 (artinya 𝑛 = 20 =1 pias,
h0  (b  a) /1)  A0  h0 / 2[ f0  f64 ]
𝑘=1 (artinya 𝑛 = 21 = 2 pias,
h1  (b  a) / 2)  A1  h1 / 2[ f0  2 f32  f64 ]
𝑘=2 (artinya 𝑛 = 22 = 4 pias,
h2  (b  a) / 4)  A2  h2 / 2[ f0  2 f16  2 f32  2 f 48  f64 ]
𝑘 = 3 (artinya 𝑛 = 23 = 8 pias,
𝑏−𝑎
ℎ3 = → 𝐴3 = ℎ3 /2[𝑓0 + 2𝑓8 + 2𝑓16 + 2𝑓24 + 2𝑓32
8

+2𝑓40 + 2𝑓56 + 2𝑓64 ]
𝐾 = 6 (artinya 𝑛 = 26 = 64 pias,
𝑏−𝑎
ℎ6 = → 𝐴6 = ℎ6 /2[𝑓0 + 2𝑓1 + 2𝑓2 + ⋯ + 2𝑓63 + 2𝑓64
64
Arti dari setiap adalah sebagai berikut :

𝐴0
b
𝐴0 adalah taksiran nilai integrasi I   f ( x ) dx dengan
a
menggunakan kaidah trapezium dengan pembagian daerah
integrasi menjadi 𝑛 = 20 = 1 buah pias;
b
a
b
a
b
a

Gunakan A0 , A1 , ..., Ak pada persamaan ekstrapolasi Richardson
untuk mendapatkan runtunan B1 , B2 , ..., Bk , yaitu
Ak  Ak 1
Bk  Ak 
22  1
Jadi nilai I (yang lebih baik) sekarang adalah
4
l  Bk  D ' h 4  E ' h6  ... dengan orde galat Bk adalah O ( h ) .
Selanjutkan gunakan B1 , B2 , ..., Bk pada persamaaan
ekstrapolasi Richardson untuk mendapatkan runtunan
C 2 , C3 , ..., C k , yaitu
Bk  Bk 1
Ck  Bk 
24  1
Jadi nilai I (yang lebih baik) sekarang adalah l  Ck  E "h 6  ...
6
dengan orde galat Ck adalah O ( h ) . Selanjutnya gunakan
C2 , C3 ,..., Ck pada persamaan ekstrapolasi Richardson untuk
mendapatkan runtunan D3 , D4 , ..., C k , yaitu
Ck  Ck 1
Dk  Ck 
26  1

Jadi nilai I (yang lebih baik) sekarang adalah l  Dk  E '"h8  ...
8
dengan orde galat D adalah O(h ) . Demikian seterusnya
k
6.6.3 Ekstrapolasi Aitken
Kita telah membahas ekstrapolasi Richardson yang dapat
diringkas sebagai berikut:
b
I   f ( x)dx  l (h)  Ch q
a
Yang dalam hal ini :
h = lebar tiap upaselang atau pias (atau jarak antara titik)
C dan q adalah konstanta dengan q diketahui (C dapat
dieliminir)
I(h) adalah hampiran nilai I
Ch q adalah galat dari hampiran nilai I
maka
1
J  I ( h)  [ I (h)  I (2h)]
2q  1
Adalah perkiraan nilai integrasi yang lebih baik (improve) dari
pada I.Apabila nilai q tidak diketahui maka kita gunakan tiga
buah perkiraan nilai I, yaitu I(h),I(2h),I(4h);
J  I (h)  Chq  J  I ( h) …(9)

C
hq

J  I (2h)  C (2h)q  C
J  I (2h) …(10)
(2h)q
J  I (4h)  C (4h)q  J  I (4h) …(11)

C
(4h)q
Eliminasikan nilai C dan q tidak diketahui? Untuk kasus ini kita
gunakan tiga buah perkiraan nilai I , yaitu I ( h) , I (2h) , dan
I (4h) :
J  I (h)
h q = J  I (2h)
(2h) q
J  I (h) hq 1
 q q  q
J  1(2h) 2  h 2 …(12)
Dan menyamakan persamaan (10) dan (11)
J  I (2h) 2hq 1
 
J  I (4h) (4h)q 2q …(13)
Persamaan (12)sama dengan persamaan (13)
J  I (h) J  I (2h)

J  I (2h) J  I (4h) …(14)
Kali silangkan kedua persamaan (14)

J 2  JI (h)  JI (4h)  I (h) I (4h)  J 2  2 JI (2h)  [ I (2h)]2
I (h) I (4h)  [ I (2h)]2

J
I (h)  2 I (2h)  I (4h)
atau
[ I (h)  I (2h)]2
J  I (h) 
I (h)  2I (2h)  I (4h) …(15)
Persamaan (15) ini dinamakan persamaan ekstrapolasi Aitken.
Sekarang tinjau kembali:
J  I (h)  Ch q
J  I (2h)  C (2h) q
0  I (h)  I (2h)  Ch q  C (2h) q
I (h)  I (2h)  C (2h)q  Chq …(16)
J  I (2h)  C (2h) q
J  I (4h)  C (4h) q
0  I (2h)  I (4h)  C (2h) q  C (4h) q
I (2h)  I (4h)  C(4h) q  C(2h) q …(17)
Bagi persamaan (17)dengan persamaan (16)

I (2h)  I (4h) C (2h)q  C (4h)q
  2q
I (h)  I (2h) Chq  C (2h)q …(18)
Besaran C pada persamaan (18)dapat dihilangkan menjadi
I (2h)  I (4h)
t  2q
I (h)  I (2h) …(19)
Tinjau kembali persamaan (15) yang dapat ditulis ulang
sebagai
I (h)  I (2h)
J  I ( h) 
I (h)  2 I (2h)  I (4h)
I ( h)  2 I ( h)
I (h)  I (2h)
 I ( h) 
I  I (2h)  I (4h)
I (h)  I (2h)
I (h)  I (2h)
 I ( h) 
1 t
I (h)  I (2h)
 I ( h) 
1 t
jadi
I (h)  I (2h)
J  I (h) 
t 1 …(20)
Yang mirip dengan persamaan ekstrapolasi Richardson

Aitken akan tepat sama dengan ekstrapolasi Richardson jika
nilai teoritis
t  2q
Tepat sama dengan niai empirik
I (2h)  I (4h)
t
I (h)  I (2h)
Perbedaan antara kedua metode ekstrapolasi muncul
bergantung kepada apakah kita mengetahui nilai q atau
tidak.
Secara matematis, prinsip kerja dari metode-metode ini
adalah melakukan evaluasi dan perbaikan rasio nilai-nilai
akar yang telah diperoleh relatif terhadap akar eksaknya
sedemikian rupa sehingga dapat meningkatkan laju
konvergensinya (dan bahkan menghindari divergensi) sampai
mendekati konvergensi kuadratis.
6.7 Integral Ganda
Dalam bidang teknik, integral sering muncul dalam bentuk integral
ganda dua (atau lipat dua) atau integral ganda tiga (lipat tiga).

Misalkan kita tinjau untuk integral lipat dua. Integral lipat dua
didefinisikan sebagai
Tafsiran geometri dari integral ganda adalah menghitung volume
ruang di bawah permukaan kurva f(x,y) yang alasnya adalah berupa
bidang yang dibatasi oleh garis-garis x = a, x = b, y = c, dan y = d.
Volume benda berdimensi tiga adalah
V = luas alas tinggi
Kaidah-kaidah integrasi numerik yang telah kita bahas dapat dipakai
untuk menghitung integral ganda. Jika pada fungsi dengan satu
peubah, y = f(x), luas daerah dihampiri dengan pias-pias yang
berbentuk segiempat atau trapesium, maka pada fungsi dengan dua
peubah, z = f(x, y), volume ruang dihampiri dengan balokbalok yang
berbentuk segiempat atau trapesium.
Solusi integral lipat dua diperoleh dengan melakukan integrasi dua kali,
pertama dalam arah x (dalam hal ini nilai, nilai y tetap), selanjutnya
dalam arah y (dalam hal ini, nilai x tetap), atau sebaliknya. Dalam arah x
berarti kita menghitung luas alas benda, sedangkan dalam arah y

berarti kita mengalikan alas dengan tinggi untuk memperoleh volume
benda. Tinggi benda dinyatakan secara tidak langsung dengan
koefisien-koefisien wi pada persamaan.
Misalkan integrasi dalam arah x dihitung dengan kaidah trapesium,
dan integrasi dalam arah y dihitung dengan kaidah Simpson 1/3. Maka
dengan
∆𝑥 = jarak antar titik dalam arah x,
∆𝑦= jarak antar titik dalam arah y,
n = jumlah titik diskrit dalam arah x,
m = jumlah titik diskrit dalam arah y.
Diberikan tabel f(x,y) sebagai berikut:

Penyelesaian:
Misalkan
- dalam arah x kita gunakan kaidah trapesium
- dalam arah y kita gunakan kaidah Simpson 1/3
Dalam arah x (y tetap):

Dalam arah y :
Jadi,
6.8 Kuadratus Gauss
Di dalam metode trapesium dan Simpson, fungsi yang diintegralkan
secara numerik terdiri dari dua bentuk yaitu tabel data atau fungsi.
Pada metode kuadratur, yang akan dibahas adalah metode Gauss
Kuadratur, data yang diberikan berupa fungsi.
Pada aturan trapesium dan Simpson, integral didasarkan pada nilai-
nilai di ujung-ujung pias. Seperti pada Gambar 7.9a, metode trapesium
didasarkan pada luasan di bawah garis lurus yang menghubungkan
nilai-nilai dari fungsi pada ujung-ujung interval integrasi.
Rumus yang digunakan untuk menghitung luasan adalah:
f (a)  f (b)
I  (b  a)
2
dengan a dan b adalah batas integrasi dan (b – a) adalah lebar dari
interval integrasi. Karena metode trapesium harus melalui titik-titik

ujung, maka seperti terlihat pada Gambar 7.9a. rumus trapesium
memberikan kesalahan cukup besar.
Gambar 7.9. Bentuk grafik metode trapesium dan Gauss kuadratur
Di dalam metode Gauss kuadratur dihitung luasan di bawah garis lurus
yang menghubungkan dua titik sembarang pada kurve. Dengan
menetapkan posisi dari kedua titik tersebut secara bebas, maka akan
bisa ditentukan garis lurus yang dapat menyeimbangkan antara
kesalahan positif dan negatif, seperti pada Gambar 7.9b.
Dalam metode trapesium, persamaan integral seperti diberikan oleh
persamaan (7.24) dapat ditulis dalam bentuk:
I  c1 f (a)  c2 f (b)
dengan c adalah konstanta. Dari persamaan tersebut akan dicari
koefisien c1 dan c2.
Seperti halnya dengan metode trapesium, dalam metode Gauss
Kuadratur juga akan dicari koefisien-koefisien dari persamaan yang
berbentuk:
I  c1 f ( x1 )  c2 f ( x2 )

Dalam hal ini variabel x1 dan x2 adalah tidak tetap, dan akan dicari
seperti pada Gambar 7.10. Persamaan (7.26) mengandung 4 bilangan
tak diketahui, yaitu c1, c2, x1, dan x2, sehingga diperlukan 4 persamaan
untuk menyelesaikannya.
Untuk itu persamaan (7.26) dianggap harus memenuhi integral dari
empat fungsi, yaitu dari nilai 𝑓 ( 𝑥 ) = 1, 𝑓 ( 𝑥 ) = 𝑥, 𝑓 ( 𝑥 ) =
𝑥 2 𝑑𝑎𝑛 𝑓 ( 𝑥 ) = 𝑥 3 , sehingga untuk:

1
f ( x)  x3 : c1 f ( x1 )  c2 f ( x2 )   x3 dx  0  c1 x1  c2 x2
3 3
1 (7.27)
1
2
f ( x)  x 2 : c1 f ( x1 )  c2 f ( x2 )   x 2 dx   c1 x1  c2 x2
2 2
1 3 (7.28)
1
f ( x)  x : c1 f ( x1 )  c2 f ( x2 )   x dx  0  c1 x1  c2 x2
1 (7.29)
1
f ( x)  1 : c1 f ( x1 )  c2 f ( x2 )   1dx  2  c1  c2
1 (7.30)
Sehingga didapat sistem persamaan:
c1 x1  c2 x2  0 ;
3 3
c1 x1  c2 x2  0 c1  c2  2.
c1 x1  c2 x2  ;
2 2 2
3
Penyelesaian dari sistem persamaan diatas adalah:
1 1
𝑐1 = 𝑐2 = 1; 𝑥1 =  = – 0,577350269; 𝑥2 = =
3 3
0,577350269.
Substitusi dari hasil tersebut ke dalam persamaan (7.26) menghasilkan:

1 1
I  f ( ) f ( )
3 3 (7.31)
Gambar 7.10. Integrasi Gauss kuadratur
Batas-batas integral dalam persamaan (7.27) hingga persamaan (7.30)
adalah –1 sampai 1, sehingga lebih memudahkan hitungan dan
membuat rumus yang didapat bisa digunakan secara umum. Dengan
melakukan transformasi batas-batas integrasi yang lain dapat diubah
ke dalam bentuk tersebut. Untuk itu dianggap terdapat hubungan
antara variabel baru xd dan variabel asli x secara linier dalam bentuk:
𝑥 = 𝑎0 + 𝑎1 𝑥𝑑
Bila batas bawah adalah 𝑥 = 𝑎, untuk variabel baru batas tersebut
adalah xd = –1. Kedua nilai tersebut disubstitusikan ke dalam
persamaan (7.32), sehingga diperoleh:
𝑎 = 𝑎0 + 𝑎1 (– 1)
dan batas baru 𝑥𝑑 = 1, memberikan:
𝑏 = 𝑎0 + 𝑎1 (– 1)
Persamaan (7.33) dan (7.34) dapat diselesaikan secara simultan dan
hasilnya adalah:
ba
a0 
2
dan

ba
a1 
2
Substitusikan persamaan (7.35) dan (7.36) ke persamaan (7.32)
menghasilkan:
(b  a)  (b  a) xd
x
2
Diferensial dari persamaan tersebut menghasilkan:
ba
dx  dxd
2
Persamaan (7.37) dan persamaan (7.38) dapat disubstitusikan ke dalam
persamaan yang diintegralkan.
Bentuk rumus Gauss Kuadratur untuk dua titik dapat dikembangkan
untuk lebih banyak titik, yang secara umum mempunyai bentuk:
𝐼 = 𝑐1 𝑓 (𝑥1 ) + 𝑐2 𝑓 (𝑥2 ) + … + 𝑐𝑛 𝑓 (𝑥𝑛 )
Nilai c dan x untuk rumus sampai dengan enam titik diberikan dalam
Tabel 7.1.
Tabel 7.1. Nilai c dan x pada rumus Gauss kuadratur
Jumlah titik Koefisien c Variabel x

c1 = 1,000000000 x1 =  0,577350269
2
c2 = 1,000000000 x2 = 0,577350269
c1 = 0,555555556 x1 =  0,774596669
3 c2 = 0,888888889 x2 = 0,000000000
c3 = 0,555555556 x3 = 0,774596669
c1 = 0,347854845 x1 =  0,861136312
4
c2 = 0,652145155 x2 =  0,339981044

c3 = 0,652145155 x3 = 0,339981044
c4 = 0,347854845 x4 = 0,861136312
c1 = 0,236926885 x1 =  0,906179846
c2 = 0,478628670 x2 =  0,538469310
5 c3 = 0,568888889 x3 = 0,000000000
c4 = 0,478628670 x4 = 0,538469310
c5 = 0,236926885 x5 = 0,906179846
c1 = 0,171324492 x1 =  0,932469514
c2 = 0,360761573 x2 =  0,661209386
c3 = 0,467913935 x3 =  0,238619186
6
c4 = 0,467913935 x4 = 0,238619186
c5 = 0,360761573 x5 = 0,661209386
c6 = 0,171324492 x6 = 0,932469514
Contoh soal:
4
Hitung integral I   e x dx, dengan menggunakan metode Gauss
0
kuadratur.
Penyelesaian:
Dengan menggunakan persamaan (7.37) untuk a = 0 dan b = 4
didapat:
(b  a)  (b  a) xd
x
2
(4  0)  (( 4  0) xd )
x  2  2 xd
2
Turunan dari persamaan tersebut adalah:
𝑑𝑥 = 2 𝑑𝑥𝑑
Kedua bentuk diatas disubstitusikan ke dalam persamaan asli, sehingga

didapat:
4 1
( 2 2xd )
 e dx   e
x
2 dxd
0 1
Ruas kanan dari persamaan diatas dapat digunakan untuk menghitung
luasan dengan metode Gauss Kuadratur, dengan memasukkan nilai
𝑥𝑑 = 𝑥2 = – 0,577350269 dan nilai 𝑥𝑑 = 𝑥2 = 0,577350269.
Untuk x1 = –0,577350269  2 e 2  ( 2  ( 0,577350269))   4,6573501.
Untuk x2 = 0, 577350269  2 e 2  ( 2  0,577350269)   46,8920297.
Luas total seperti diberikan oleh persamaan (7.30):
𝐼 = 4,6573501 + 46,8920297 = 51,549380.
Kesalahan:
53,598150  51,549380
t   100 %  3,82 % .
53,598150
Contoh soal:
Hitung integral 4
dengan menggunakan metode Gauss
I   e x dx,
0
Kuadratur 3 titik.
Penyelesaian:
Untuk 3 titik persamaan (7.26) menjadi:
I  c1 f ( x1 )  c2 f ( x2 )  c3 f ( x3 )
Seperti terlihat dalam Tabel 7.1, untuk 3 titik, koefisien c dan x adalah:
𝑐1 = 0,555555556 . 𝑥1 = 0,774596669.
𝑐2 = 0,888888889. 𝑥2 = 0,000000000.
𝑐3 = 0,555555556. 𝑥3 = 0,774596669.

Dari contoh soal sebelumnya didapat persamaan yang telah dikonversi
adalah:
4 1
( 2 2xd )
 e dx   e
x
2 dxd
0 1
Untuk x1 = –0,774596669  2 e( 2  2 x1 )  3,13915546.
Untuk x2 = 0,000000000  2 e( 2  2 x 2 )  14,7781122.
Untuk x3 = 0,774596669  2 e( 2  2 x 3 )  69,5704925.
Persamaan (c1) menjadi:
𝐼 = (0,555555556  3,13915546) + (0,888888889  14,7781122)

+ (0,555555556  69,5704925) = 53,5303486.
Kesalahan:
53,598150  53,5303486
t  100 %  0,13 %.
53,598150

BAB VII
TURUNAN NUMERIK
7.1 Persoalan Turunan Numerik
Persoalan turunan numerik adalah menentukan nilai hampiran
nilai turunan fungsi 𝑓. Meskipun metode numerik untuk menghitung
turunan fungsi tersedia, tetapi perhitungan turunan sedapat mungkin
dihindari. Alasannya, nilai turunan numerik umumnya kurang teliti
dibandingkan dengan nilai fungsinya. Dalam kenyataannya, turunan
adalah limit dari hasil bagi selisih: yaitu pengurangan dua buah nilai
yang besar (𝑓𝑥 + 𝑤) − 𝑓𝑥) ) dan membaginya dengan bilangan yang
kecil (h). Pembagian ini dapat menghasilkan turunan dengan galat
yang besar.
7.2 Tiga Pendekatan dalam Menghitung Turunan Numerik
Misal diberikan nilai – nilai 𝑥 di 𝑥0 − ℎ, serta nilai fungsi untuk
nilai – nilai 𝑥 tersebut. Titik-titik yang diperoleh adalah
(𝑥−1 , 𝑓−1 ), (𝑥0 , 𝑓0 ), (𝑥1 , 𝑓1 ), yang dalam hal ini 𝑥−1 = 𝑥0 − ℎ dan 𝑥1 = 𝑥0 +
ℎ.

1. Hampiran Selisih Maju (Forward Difference
Approximation)
𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 ) 𝑓1 − 𝑓0
𝑓 ′ 𝑥0 = =
ℎ ℎ
2. Hampiran selisih-mundur (Backward Difference
Approximation)
𝑓(𝑥0 ) − 𝑓(𝑥0 − ℎ) 𝑓0 − 𝑓1
𝑓 ′ 𝑥0 = =
ℎ ℎ
3. Hampiran selisih-pusat (Central Difference
Approximation)
𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 − ℎ) 𝑓1 − 𝑓−1

𝑓 ′ 𝑥0 = =
2ℎ 2ℎ

7.3 Penurunan Rumus Turunan dengan Deret Taylor
Misalkan diberi titik-titik (𝑥𝑖 , 𝑓𝑖 ), 𝑖 = 0, 1, 2, … , 𝑛
𝑥𝑖 = 𝑥0 + 𝑖ℎ dan 𝑓𝑖 = 𝑓(𝑥𝑖 )
a. Hampiran selisih – maju
(𝑥𝑖+1 − 𝑥𝑖 ) ′ (𝑥𝑖+1 − 𝑥𝑖 )2 ′′
𝑓(𝑥𝑖+1 ) = 𝑓(𝑥𝑖 ) + 𝑓 (𝑥𝑖 ) + 𝑓 (𝑥𝑖 ) + ⋯
1! 2!
ℎ2 ′′
𝑓𝑖+1 = 𝑓𝑖 + ℎ𝑓𝑖 ′ + 𝑓 +⋯
2 𝑖
ℎ2 ′′
ℎ𝑓𝑖 ′ = 𝑓𝑖+1 − 𝑓𝑖 − 𝑓 +⋯
2 𝑖
𝑓𝑖+1 − 𝑓𝑖 ℎ ′′
𝑓𝑖 ′ = − 𝑓𝑖
ℎ 2
′ 𝑓𝑖+1 − 𝑓𝑖
𝑓𝑖 = + 𝑂(ℎ)
ℎ
Yang dalam hal ini, 𝑂(ℎ) = 𝑓𝑖 ′′ (𝑡), 𝑥𝑖 < 𝑡 < 𝑥𝑖+1
ℎ
2
Untuk nilai-nilai 𝑓 di 𝑥0 𝑑𝑎𝑛 𝑥1 persamaan rumusnya menjadi
𝑓1 − 𝑓0
𝑓0 ′ = + 𝑂(ℎ)
ℎ

b. Hampiran selisih mundur
(𝑥𝑖+1 − 𝑥𝑖 ) ′ (𝑥𝑖+1 − 𝑥𝑖 )2 ,,
𝑓(𝑥𝑖−1 ) = 𝑓(𝑥𝑖 ) + 𝑓 (𝑥𝑖 ) + 𝑓 (𝑥𝑖 ) + ⋯
1! 2!
ℎ2 ,,
𝑓𝑖−1 = 𝑓𝑖 − ℎ𝑓𝑖 , + 𝑓 +⋯
2 𝑖
ℎ2 ,,
ℎ𝑓𝑖 ′ = 𝑓𝑖 − 𝑓𝑖−1 + 𝑓 +⋯
2 𝑖
𝑓𝑖 − 𝑓𝑖−1 ℎ ,,
𝑓𝑖 ′ = − 𝑓𝑖 + ⋯
ℎ 2
′ 𝑓𝑖 − 𝑓𝑖−1
𝑓𝑖 = + 𝑂(ℎ)
ℎ
Yang dalam hal ini, 𝑂(ℎ) = − 𝑓𝑖 ′′ (𝑡), 𝑥𝑖−1 < 𝑡 < 𝑥𝑖+1
ℎ
2
Untuk nilai-nilai 𝑓 di 𝑥0 𝑑𝑎𝑛 𝑥1 persamaan rumusnya menjadi
𝑓0 − 𝑓−1
𝑓0 ′ = + 𝑂(ℎ)
ℎ
c. Hampiran selisih pusat
Kurangkan persamaan hampiran selisih maju dengan mundur
ℎ3 ,,,
𝑓𝑖+1− 𝑓𝑖−1 = 2ℎ𝑓𝑖 ′ + 𝑓 +⋯
3 𝑖
ℎ3 ,,,
2ℎ𝑓𝑖 ′ = 𝑓𝑖+1− 𝑓𝑖−1 − 𝑓
3 𝑖
𝑓𝑖+1− 𝑓𝑖−1 ℎ2 ,,,,
𝑓𝑖 , = − 𝑓𝑖 + ⋯
2ℎ 6
𝑓 𝑓
𝑖+1− 𝑖−1
𝑓𝑖 , = + 𝑂(ℎ2 )
2ℎ
ℎ2
Yang dalam hal ini, 𝑂(ℎ2 ) = − 𝑓𝑖 ,,,, (𝑡), 𝑥𝑖−1 < 𝑡 < 𝑥𝑖+1
6
Untuk nilai-nilai 𝑓di 𝑥−1 𝑑𝑎𝑛 𝑥1 persamaan rumusnya menjadi :
𝑓𝑖+1− 𝑓𝑖−1
𝑓0 , = + 𝑂(ℎ2 )
2ℎ
Rumus untuk Turunan Kedua, 𝑓 ,, (𝑥) dengan bantuan Deret Taylor

a) Hampiran selisih-pusat
Jumlahkan persamaan hampiran selisih maju dengan mundur
ℎ4 (4)
𝑓𝑖+1 + 𝑓𝑖−1 = 2𝑓𝑖 + ℎ2 𝑓𝑖 ,, + 𝑓 +⋯
12 𝑖
ℎ4 (4)
𝑓𝑖+1 − 2𝑓𝑖 + 𝑓𝑖−1 = ℎ2 𝑓𝑖 ,, + 𝑓 +⋯
12 𝑖
𝑓𝑖+1 − 2𝑓𝑖 + 𝑓𝑖−1 ℎ2 (4)
𝑓𝑖 ,, = − 𝑓𝑖
ℎ2 12
jadi,
𝑓𝑖+1 − 2𝑓𝑖 + 𝑓𝑖−1

𝑓𝑖 ,, = + 𝑂(ℎ2 )
ℎ2
ℎ2
yang dalam hal ini, 𝑂(ℎ2 ) = −
(4)
𝑓 (𝑡), 𝑥𝑖−1 < 𝑡 < 𝑥𝑖+1
12 𝑖
Untuk nilai-nilai 𝑓 di 𝑥−1 , 𝑥0 𝑑𝑎𝑛 𝑥1 persamaan rumusnya menjadi :
𝑓1 − 2𝑓0 + 𝑓𝑖
𝑓0 ,, = + 𝑂(ℎ2 )
ℎ2
b) Hampiran selisih-mundur
Dengan cara yang sama seperti hampiran selisih-pusat di atas,
diperoleh:
𝑓𝑖−2 − 2𝑓𝑖−1 + 𝑓𝑖
𝑓𝑖 ,, = + 𝑂(ℎ)
ℎ2
𝑦𝑎𝑛𝑔 𝑑𝑎𝑙𝑎𝑚 ℎal ini, 𝑂(ℎ) = ℎ𝑓 ,, (𝑡), 𝑥𝑖−2 < 𝑡 < 𝑥𝑖
Untuk nilai-nilai 𝑓 di 𝑥−2 , 𝑥−1 𝑑𝑎𝑛 𝑥0 persamaan rumusnya menjadi
𝑓−2 − 2𝑓−1 + 𝑓0
𝑓0 ,, = + 𝑂(ℎ)
ℎ2
c) Hampiran selisih-maju

Dengan cara yang sama seperti hampiran selisih-pusat di atas,
diperoleh:
𝑓𝑖+2 − 2𝑓𝑖+1 + 𝑓𝑖
𝑓𝑖 ,, = + 𝑂(ℎ)
ℎ2
𝑦𝑎𝑛𝑔 𝑑𝑎𝑙𝑎𝑚 ℎal ini, 𝑂(ℎ) = −ℎ𝑓 ′′ (𝑡), 𝑥𝑖 < 𝑡 < 𝑥𝑖+2
Untuk nilai-nilai 𝑓 di 𝑥0 , 𝑥1 𝑑𝑎𝑛 𝑥2 persamaan rumusnya menjadi :
𝑓2 − 2𝑓1 + 𝑓0
𝑓0 ′′ = + 𝑂(ℎ)
ℎ2
7.4 Penurunan Rumus Turunan Numerik dengan Polinom Interpolasi
Misalkan diberikan titk-titik data berjarak sama,
𝑥𝑖 = 𝑥0 + 𝑖ℎ, 𝑖 = 0,1,2, … , 𝑛,
𝑑𝑎𝑛
𝑥 = 𝑥0 + 𝑠ℎ, 𝑠 ∈ 𝑅
Adalah titik yang akan dicari nilai interpolasinya. Polinom Newton-
Gregory yang menginterpolasi seluruh titik data tersebut adalah:
𝑠∆𝑓0 ∆2 𝑓0 ∆3 𝑓0
𝑓(𝑥) ≈ 𝑝𝑛 (𝑥) = 𝑓0 + + 𝑠(𝑠 − 1) + 𝑠(𝑠 − 1)(𝑠 − 2)
1! 2! 3!
∆𝑛 𝑓0
+ 𝑠(𝑠 − 1)(𝑠 − 2) … (𝑠 − 𝑛 + 1)
𝑛!
= 𝐹(𝑠)
(𝑥−𝑥0 )
Yang dalam hal ini, 𝑠 =
ℎ
Turunan pertama dari 𝑓(𝑥) adalah :
𝑑𝑓 𝑑𝐹 𝑑𝑠
𝑓 ′ (𝑥) = =
𝑑𝑥 𝑑𝑠 𝑑𝑥
1 𝑠2 1 1
= (0 + ∆𝑓0 + (𝑠 − ) ∆2 𝑓0 + ( − 𝑠 + ) ∆3𝑓0 + ⋯ )
2 2 3 ℎ

1 1
= (∆𝑓0 + (𝑠 − ) ∆2 𝑓0 + 𝑔𝑎𝑙𝑎𝑡)
ℎ 2
Berdasarkan persamaan diatas, diperoleh rumus turunan numerik
dengan ketiga pendekatan (maju, mundur, pusat) sebagai berikut :
(a) Hampiran selisih-maju
 Bila digunakan titik-titik 𝑥0 𝑑𝑎𝑛 𝑥1 :
1 𝑓1 − 𝑓0
𝑓 ′ (𝑥0 ) = (∆𝑓0 ) =
ℎ ℎ
 Bila digunakan titik-titik 𝑥0 , 𝑥1 , 𝑑𝑎𝑛 𝑥2 :
1 1
𝑓 ′ (𝑥0 ) = (∆𝑓0 + (𝑠 − ) ∆2 𝑓0 )
ℎ 2
(𝑥0 −𝑥0 )
Untuk titik 𝑥0 → 𝑠 = = 0, sehingga
ℎ
1 1
𝑓 ′ (𝑥0 ) =
(∆𝑓0 − ∆2 𝑓0 )
ℎ 2
1 1
= (∆𝑓0 − (∆𝑓1 − ∆𝑓0 )
ℎ 2
1 3 1
= ( ∆𝑓0 − ∆𝑓1 )
ℎ 2 2
1 3 3 1 1
= ( 𝑓1 − 𝑓0 − 𝑓2 + 𝑓1 )
ℎ 2 2 2 2
′ (𝑥 )
−3𝑓0 + 4𝑓1 − 𝑓2
𝑓 0 =
2ℎ
(b) Hampiran selisih-mundur
Polinom interpolasi: Newton-Gregory mundur bila digunakan
titik-titik 𝑥0 𝑑𝑎𝑛 𝑥−1 :
1 𝑓0 − 𝑓−1
𝑓 ′ (𝑥0 ) = (∇𝑓0 ) =
ℎ ℎ

(c) Hampiran selisih-pusat
digunakan titik-titik 𝑥0 , 𝑥1 , 𝑑𝑎𝑛 𝑥2 :
1 1
𝑓 ′ (𝑥0 ) = (∆𝑓0 + (𝑠 − ) ∆2 𝑓0 )
ℎ 2
(𝑥1 −𝑥0 ) ℎ
Untuk titik 𝑥1 → 𝑠 = = = 1, sehingga
ℎ ℎ
1 1
𝑓 ′ (𝑥1 ) = (∆𝑓0 + ∆2 𝑓0 )
ℎ 2
1 1
= (∆𝑓0 + (∆𝑓1 − ∆𝑓0 )
ℎ 2
1 1 1
= ( ∆𝑓0 + ∆𝑓1 )
ℎ 2 2
1
= (𝑓 − 𝑓0 + 𝑓2 − 𝑓1 )
2ℎ 1
𝑓2 − 𝑓0
𝑓 ′ (𝑥1 ) =
2ℎ
Untuk titik 𝑥−1 , 𝑥0 , 𝑑𝑎𝑛 𝑥1 :
𝑓1 − 𝑓−1
𝑓 ′ (𝑥0 ) =
2ℎ
Rumus untuk Turunan Kedua, 𝑓 ′′ (𝑥) dengan Polinom Interpolasi
Turunan kedua 𝑓 adalah
𝑑2 𝑓 𝑑 𝑑𝑓 𝑑𝑠
= ( )
𝑑𝑥 2 𝑑𝑠 𝑑𝑥 𝑑𝑥
1 1
= (0 + ∆2 𝑓0 + (𝑠 − 1)∆3 𝑓0 ).
ℎ ℎ
1 2
= 2 (∆ 𝑓0 + (𝑠 − 1)∆3 𝑓0 )
ℎ
Misalkan untuk hampiran selisih-pusat, titik-titik yang digunakan
𝑥0 , 𝑥1 , 𝑑𝑎𝑛 𝑥2 :
(𝑥1 −𝑥0 ) ℎ
Untuk titik 𝑥1 → 𝑠 = = = 1, sehingga
ℎ ℎ

1 2
𝑓 ,, (𝑥1 ) = (∆ 𝑓0 + (1 − 1)∆3 𝑓0 )
ℎ2
1 2
= (∆ 𝑓0 )
ℎ2
1
= 2 (∆𝑓1 − ∆𝑓0 )
ℎ
1
= 2 (𝑓0 − 2𝑓1 + 𝑓2 )
ℎ
Untuk titik 𝑥−1 , 𝑥0 , 𝑑𝑎𝑛 𝑥1:
𝑓−1 − 2𝑓0 + 𝑓1
𝑓 ,, (𝑥0 ) =
ℎ2
7.5 Menentukan Orde Galat
Pada penurunan rumus turunan numerik dengan deret Taylor, kita
dapat langsung memperoleh rumus galatnya. Tetapi dengan polinom
interpolasi kita harus mencari rumus galat tersebut dengan bantuan
deret Taylor.
Contohnya, kita menentukan rumus galat dan orde dari rumus turunan
numerik hampiran selisih-pusat :
𝑓1 − 𝑓−1
𝑓 ′ (𝑥0 ) = +𝐸
2ℎ
Nyatakan E (galat) sebagai ruas kiri persamaan, lalu ekspansi ruas
kanan dengan deret Taylor di sekitar 𝑥0 :

𝑓1 − 𝑓−1
𝐸 = 𝑓 ′ (𝑥0 ) −
2ℎ
1 ℎ2 ℎ3
= 𝑓0 , − [(𝑓0 + ℎ𝑓0 , + 𝑓0 ,, + 𝑓0 ,,, + ⋯ )
2ℎ 2 6
ℎ2 ,, ℎ3 ,,,
− (𝑓0 − ℎ𝑓0 , + 𝑓 − 𝑓0 + ⋯ )]
2 0 6
1 ℎ3
= 𝑓0 − (2ℎ𝑓0 , + 𝑓0 ,,, + ⋯ )
2ℎ 3
ℎ2 ,,,
= 𝑓0 − 𝑓0 − 𝑓 +⋯
6 0
ℎ2 ,,,
=− 𝑓 +⋯
6 0
ℎ2 ,,,
=− 𝑓 (𝑡), 𝑥−1 < 𝑡 < 𝑥1
6
= 𝑂(ℎ2 )
Jadi, hampiran selisih-pusat memiliki galat
ℎ2
𝐸=− 𝑓 ,,, (𝑡), 𝑥−1 < 𝑡 < 𝑥1 dengan orde 𝑂(ℎ2 ).
6
7.6 Ringkasan Rumus-rumus Turunan
Turunan pertama
𝑓1 −𝑓0
𝑓0 ′ = + 𝑂(ℎ) (selisih-maju)
ℎ
𝑓0 −𝑓−1
𝑓0 ′ = + 𝑂(ℎ) (selisih-mundur)
ℎ
𝑓1 −𝑓−1
𝑓0 ′ = + 𝑂(ℎ2 ) (selisih-pusat)
2ℎ

−3𝑓0 +4𝑓1 −𝑓2
𝑓0 ′ = + 𝑂(ℎ2 ) (selisih-maju)
2ℎ
−𝑓2 +8𝑓1 −8𝑓−1 +𝑓−2

𝑓0 ′ = + 𝑂(ℎ4 ) (selisih-pusat)
12ℎ
Turunan kedua
𝑓2 −2𝑓1 +𝑓0
𝑓0 ′′ = + 𝑂(ℎ) (selisih-maju)
ℎ2
𝑓−2 −2𝑓−1 +𝑓0

𝑓0 ′′ = + 𝑂(ℎ) (selisih-mundur)
ℎ2
𝑓1 −2𝑓0 +𝑓−1
𝑓0 ′′ = + 𝑂(ℎ2 ) (selisih-pusat)
ℎ2
−𝑓3 +4𝑓2 −5𝑓1 +2𝑓0

𝑓0 ′′ = + 𝑂(ℎ2 ) (selisih-maju)
2ℎ
−𝑓 +16𝑓 −30𝑓0 +16𝑓−1 +𝑓−2

𝑓0 ′′ = 2 1
+ 𝑂(ℎ4 ) (selisih-pusat)
12ℎ 2
Turunan ketiga
𝑓3 −3𝑓2 +3𝑓1 −𝑓0

𝑓0 ′′′ = + 𝑂(ℎ) (selisih-maju)
ℎ3
𝑓2 −2𝑓1 +2𝑓−1 −𝑓−2

𝑓0 ′′′ = + 𝑂(ℎ2 ) (selisih-pusat)
2ℎ 3
Turunan keempat
𝑓4 −4𝑓3 +6𝑓2 −4𝑓1 +𝑓0

𝑓0 (4) = + 𝑂(ℎ) (selisih-maju)
ℎ4
𝑓2 −4𝑓1 +6𝑓0 −4𝑓−1 +𝑓−2

𝑓0 (4) = + 𝑂(ℎ2 ) (selisih-pusat)
ℎ4

7.7 Contoh Perhitungan Turunan
𝒙 𝒇(𝒙)
1.3 3.669
1.5 4.482
1.7 5.474
1.9 6.686
2.1 8.166
2.3 9.974
2.5 12.182
a) Hitunglah 𝑓 1 (1.7) dengan rumus hampiran selisih-pusat orde
O(ℎ2 ) 𝑑𝑎𝑛 𝑂 (ℎ4 )
b) Hitunglah 𝑓 1 (1. 4) dengan rumus hampiran selisih-pusat orde
𝑂(ℎ2 )
c) Rumus apa yang digunakan untuk menghitung 𝑓 1 (1.3)𝑑𝑎𝑛 𝑓 1 (2.5)
Penyelesaian :
a) Orde 𝑂(ℎ2 ) ∶
𝑓 − 𝑓−1
𝑓01 = 1
2ℎ

Ambil titik-titik 𝑥−1 =1.5 𝑑𝑎𝑛 𝑥1 = 1.9 yang dalam hal ini 𝑥0 = 1.7
terletak ditengah keduanya dengan h=0.2
6.686−4.482
𝑓 1 (1.7) = = 5.510 (empat angka bena)
2(0.2)
Orde 𝑂(ℎ4 ) :
−𝑓2 +8𝑓1 −8𝑓−1 +𝑓2
𝑓𝑜1 =
12ℎ
Ambil titik-titik 𝑥−2 = 1.3 𝑑𝑎𝑛 𝑥−1 =1.5,𝑥1 = 1.9 𝑑𝑎𝑛 𝑥2 = 2.1 yang
dalam hal ini 𝑥0 = 1.7 terletak dipertengahannya.
−8.166 + 8(6.686) − 8(4.482) + 3.669

𝑓 1 (1.7) =
12(0.2)
= 5.473 (empat angka bena)
b) Orde 𝑂(ℎ2 )
Ambil titik-titik 𝑥−1 =1.3 𝑑𝑎𝑛 𝑥1 = 1.5 yang dalam hal ini 𝑥0 = 1.4
terletak ditengah keduanya dengan h=0.1
4.482−3.669
𝑓 1 (1.4) = = 4.065 (empat angka bena )
2(0.1)
c) Untuk menhitung 𝑓 1 (1.3)digunakan rumus hampiran selesih-maju,
sebab 𝑥 = 1.3 i hanya mempunyai titik-titik sesudahnya(maju),
tetapi tidak memiliki titik-titik sebelumnya.sebaliknya untuk nilai
𝑓 1 (2.5)digunakan rumus hampiran selisih-mundur sebab 𝑥 =
2.5 hanya mempunyai titik-titik sebelumnya (mundur)
Hampiran selisih-maju :

𝑓1 − 𝑓0
𝑓01 = + 𝑂(ℎ)
ℎ
4.482 − 3.669
𝑓 1 (1.3) = = 4.065
0.2
hampiran selisih-mundur :
𝑓0−𝑓1
𝑓01 = + 𝑂(ℎ)
ℎ
12.182−9.974
𝑓 1 (2.5) = = 11.04
0.2
7.8 Ekstrapolasi Richardson
Ekstrapolasi Richardson juga dapat diterapkan pada turunan numerik
untuk memperoleh solusi yang lebih teliti. Misalkan 𝐷(ℎ) dan 𝐷(2ℎ)
adalah hampiran 𝑓 ′ (𝑥0 ) dengan mengambil titik-titik masing-masing
sejarak ℎ dan 2ℎ. Misalkan untuk menghitung 𝑓 ′ (𝑥0 ) digunakan
rumus hampiran beda-pusat orde 𝑂(ℎ2 ) ∶
1
𝐷(ℎ) = (𝑓 − 𝑓−1 ) + 𝑂(ℎ2 )
2ℎ 1
= 𝑓0 ′ + 𝐶ℎ2 + ⋯

1
𝐷(2ℎ) = (𝑓 − 𝑓−2 ) + 𝑂(2ℎ)2
2(2ℎ) 2
= 𝑓0 ′ + 𝐶(2ℎ)2 + ⋯
= 𝑓0 ′ + 4𝐶ℎ2 + ⋯
 Kurangi persamaaan 𝐷(ℎ) − 𝐷(2ℎ)
𝐷(ℎ) − 𝐷(2ℎ) = −3𝐶ℎ2

𝐷(ℎ) − 𝐷(2ℎ)
𝐶=
−3ℎ2
𝑠𝑢𝑏𝑠𝑡𝑖𝑡𝑢𝑠𝑖𝑘𝑎𝑛 𝑛𝑖𝑙𝑎𝑖 𝐶 𝑡𝑒𝑟ℎ𝑎𝑑𝑎𝑝 𝐷(ℎ)
Ekstrapolasi Richardson dapat diperluas penggunaannya untuk
mendapatkan nilai turunan fungsi yang lebih baik (improve).
Berdasarkan persamaan diatas dapat ditulis aturan:

Yang dalam hal ini 𝑛 adalah orde galat rumus yang dipakai. Misalnya
digunakan rumus hampiran selisih-pusat orde 𝑂(ℎ2 ) dalam
menghitung 𝐷(ℎ) 𝑑𝑎𝑛 𝐷(2ℎ), maka 𝑛 = 2, sehingga rumus
ekstrapolasi Richardsonnya adalah seperti persamaan
Catatan juga bahwa setiap perluasan ekstrapolasi Richardson akan
menaikkan orde galat dari 𝑂(ℎ𝑛 ) menjadi 𝑂(ℎ𝑛+2 ).
Contoh Soal :
Diberikan data dalam bentuk tabel sebagai berikut :
X F(x)
2.0 0.42298
2.1 0.40051
2.2 0.37507
2.3 0.34718
2.4 0.31729
2.5 0.28587
2.6 0.25337
2.7 0.22008

2.8 0.18649
2.9 0.15290
3.0 0.11963
Tentukan 𝑓 1 (2.5) dengan ekstrapolasi Richrdson bila D(h) dan D(2h)
dihitung dengan rumus hampiran selisih-pusat orde
𝑂(ℎ2 )𝑠𝑎𝑚𝑝𝑎𝑖 5 𝑎𝑛𝑔𝑘𝑎 𝑏𝑒𝑛𝑎.
Penyelesaian :
𝐷(ℎ) selang titik yang dipakai:[2.4 ,2.6] dan h = 0.1
𝑥−1= 2.4, 𝑥0= 2.5, 𝑥1= 2.6
𝑓1 − 𝑓−1 (0.25337−0.31729)
D(h) = = = −0.31960
2ℎ 2(0.1)
D(2h) selang titik yang dipakai:[2.3 ,2.7] dan h = 0.2
𝑥−2= 2.3, 𝑥0= 2.5, 𝑥1= 2.7
𝑓2 − 𝑓−2 (0.22008−0.34718)
D(2h) = = = −0.31775
2ℎ 2(0.2)
D(4h) selang titik yang dipakai:[2.1 ,2.9] dan h = 0.4
𝑥−4= 2.1, 𝑥0= 2.5, 𝑥4= 2.9
𝑓4 − 𝑓−4 (0.40051−0.15290)
D(4h) = = = −0.30951
2ℎ 2(0.4)

𝐷(ℎ) = −0.31960 dan 𝐷(2ℎ) = −0.31775 keduanya dihitung dengan
rumus orde 0(ℎ2 ), sehingga n=2, sehingga
𝑓 1 (2.5) = 𝑓0 = 𝐷(ℎ) + 1/(22 − 1) [ 𝐷(ℎ) − 𝐷(2ℎ)]
= − 0.31960 + 1/3 (−0.31960 + 0.31775)
= −0.32022 mempunyai galat orde 0(ℎ4 )
𝐷(2ℎ) = −0.31775 dan 𝐷(4ℎ) = −0.30951 keduanya dihitung
dengan rumus orde 0(ℎ2 ), sehingga n=2, sehingga
𝑓 1 (2.5) = 𝑓0 = 𝐷(2ℎ) + 1/(22 − 1) [ 𝐷(2ℎ) − 𝐷(4ℎ)]
= − 0.31775 + 1/3 (−0.31775 + 0.30951)
D(2h) = -0.32022 dan D(4h) = -0.32050 keduanya dihitung dengan
rumus orde 0(ℎ4 ), sehingga n=4, sehingga
𝑓 1 (2.5) = 𝑓0 = 𝐷(2ℎ) + 1/(24 − 1) [ 𝐷(2ℎ) − 𝐷(4ℎ)]
= − 0.32022 + 1/15 (−0.32022 + 0.32050)
Tabel Richardson :
h 0(ℎ2 ) 0(ℎ4 ) 0(ℎ6 )

0.1 -0.31960
0.2 -0.31775 -0.32022
0.4 -0.30951 -0.32050 -0.32020
Jadi, 𝑓 1 (2.5) = -0.32020.

Daftar Pustaka
Munir, Rinaldi,2010. Metode Numerik. Bandung : Informatika.
http://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=13&c
ad=rja&ved=0CDcQFjACOAo&url=http%3A%2F%2Faning.staff.gunadarma.
ac.id%2FDownloads%2Ffiles%2F27626%2Fnumerik.doc&ei=g2RbUpTmJMb
DrAfTwIH4Cw&usg=AFQjCNH_LP320anr6OvOfvuPLcsubLg4jQ&sig2=gwfo
NnSP3tfFdVZOOgIAnQ&bvm=bv.53899372,d.bmk
http://sainsmat.uksw.edu/2008/wp-
content/uploads/2010/03/mastermetnum.pdf
http://ilkom.starcomptechnology.com/wp-content/uploads/2013/02/Bahan-
Ajar-Metode-Numerik.pdf
http://millatulkhaniifah28.blogspot.com/2012/11/metode-secant-part-2.html
http://studentresearch.umm.ac.id/index.php/dept_of_mathematics/article/vi
ew/6070
http://id.wikipedia.org/wiki/Aljabar_linear

Metode Numerik

Diunggah oleh

Informasi Dokumen

Judul 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

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB I

METODE NUMERIK SECARA UMUM

1.1 Pengertian Metode Numerik

Metode numerik merupakan teknik untuk menyelesaikan masalah matematika

dengan pengoperasian aritmatika (hitungan), metode penyelesaian model matematika

dengan rumus – rumus aljabar yang sudah baku atau lazim.

1. Tentukan akar-akar persamaan polinom :

2. Tentukan harga 𝑥 yang memenuhi persamaan:

 Sousi untuk (1) memanipulasi polinom, misalnya memfaktorkan (atau

menguraikan ) polinom menjadi perkalian beberapa suku.

 Kendala : semakin tinggi derajat polinom, semakin sukar memfaktorkannya.

1.2 Alasam Mempelajari Metode Numerik

Beberapa alasan mengapa kita harus mempelajari metode numerik :

Metode Numerik Page 1

sangat ampuh. Metode numerik mampu menangani sistem

persamaan besar, ketidaklinearan, dan geometri yang rumit yang

dalam praktek rekayasa seringkali tidak mungkin dipecahkan

2. Metode numerik menyediakan sarana untuk memperkuat kembali

pemahamanmatematika, karena metode numerik ditemukan

dengan cara menyederhanakanmatematika yang lebih tinggi

menjadi operasi matematika yang mendasar.

3. Menyediakan sarana memperkuat pengetahuan matematika,

karena salah satu kegunaannya adalah menyederhanakan

matematika yang lebih tinggi menjadi operasi – operasi

matematika yang mendasar.

1.3 Tahap Pemecahan Secara numeris :

a. Menentukan metoe numeric yang akan dipakai, bersama

dengan analisis error awal.

b. Pertimbangan pemilihan metode

1) Apakah metode tersebut teliti ?

Metode Numerik Page 2

3) Apakah metode tersebut peka terhadap ukuran data ?

c. Menyusun algoritma dari metode numeric yang dipilih

5. Operasional -> pengujian program dengan data uji

6. Evaluasi -> intepretasi output, penaksiran kualitas

solusi numeric, pengambilan keputusan untuk menjelaskan

program guna memperoleh hasil yang lebih baik.

1.4 Langkah-langkah Penyelesaian persoalan numerik :

1.1 Identifikasi masalah

1.2 Memodelkan masalah ini secara matemais

1.3 Identifikasi metode numerik yang diperlukan untuk menyelesaikannya

1.4 Analisis hasil akhir : implementasi, metode, model dan masalah

1.5 Jenis-jenis persoalan matematika yang akan diselesaikan secara

numerik dalam naskah ini:

1. Pencarian akar-akar persamaan tak linear.

2. Metode iteratif untuk penyelesaian sistem persamaan linear

3. Interpolasi linear, kuadrat, Newton, dan spline.

4. Regresi kuadrat terkecil.

Metode Numerik Page 3

6. Persamaan diferensial biasa.

Metode Numerik Page 4

2.1 Deret Taylor dan Deret MaclLaurin

sehingga untuk mempermudahkan penulisan suku-suku selanjutnya

kita menggunakan tanda elipsis (...).

Hampiri fungsi 𝑓(𝑥) = 𝑠𝑖𝑛 (𝑥) ke dalam deret Taylor di sekitar 𝑥0 = 1.

Menentukan turunan 𝑠𝑖𝑛 (𝑥) terlebih dahulu sebagai berikut :

Subtitusikan 𝑠𝑖𝑛 (𝑥) beserta turunannya ke persamaan deret taylor

Metode Numerik Page 5

Maka akan menghasilkan :

Karena pada deret taylor 𝑥0 = 1, maka subtitusi 𝑥0 menjadi 1:

Pada suku-suku deret taylor tidak berhingga banyaknya, maka untuk

alasan praktis deret Taylor dipotong sampai suku orde tertentu.

𝑥0 = 1 untuk 𝑓(𝑥) hingga suku orde 3.