METODE NUMERIK

Pokok Bahasan dalam mata kuliah Metode Numerik:

1. Pengantar Metode Numerik
2. Kesalahan (Error)
2.1. Kesalahan Absolut
2.2. Kesalahan Relatif
3. Akar-akar Persamaan Non linear
3.1. Metode Setengah Interval
3.2. Metode Interpolasi linear
3.3. Metode Newton-Raphson
3.4. Metode Secant
3.5. Metode Iterasi
4. Sistem Persamaan Linear
4.1. Notasi Matrik
4.2. Metode Eliminasi Gauss
4.2. Metode Gauss-Jordan
 4.3. Metode Matrik Invers
4.4. Metode Iterasi Jacobi
4.5. Metode Iterasi Gauss-Seidel
4.6. Metode Dekomposisi LU dan Cholesky
5. Analisis Regresi
5.1. Metode Kuadrat Terkecil
5.2. Linierisasi Kurva Tidak Linier
5.3. Regresi Polinomial
5.4. Regresi Linier dengan Banyak Variable
6. Interpolasi
6.1. Interpolasi Linier
6.2. Interpolasi Kuadrat
6.3. Interpolasi Polinomial Lagrange
6.4. Interpolasi Spline
I. Pengantar Metode Numerik
Metode Numerik adalah: teknik untuk menyelesaikan
permasalahan-permasalahan yang diformulasikan
secara matematis dengan cara operasi hitungan
(aritmatika) dan dilakukan secara berulang-ulang baik
dengan bantuan computer ataupun secara manual.
ÂBerbagai permasalahan dalam bidang ip-tek dapat
digambarkan dalam bentuk persamaan matematika
ÂPersamaan-persamaan yang sulit diselesaikan secara
analitis, hanya dapat diselesaikan secara numeric
ÂHasil penyelesaian numerik hanya merupakan nilai
perkiraan/pendekatan → terdapat kesalahan terhadap
nilai eksak → harus cukup kecil (minalisir) terhadap
tingkat kesalahan yang ditetapkan.
Metode numerik Î terdapat beberapa hitungan; Hitungan
numeric dilakukan dengan iterasi dalam jumlah banyak
dan berulang-ulang Î diperlukan computer

Metode numerik mampu menyelesaikan suatu system

persamaan yang rumit, sangat besar dan tidak linear.

Ilmu metode numerik adalah milik semua ahli dari berbagai

bidang: teknik (sipil, mesin, elektro, kimia …)
kedokteran, ekonomi dsb.
Bentuk umum sebuah model matematika sederhana:
Variabel terikat = f (variabel bebas, parameter, fungsi gaya) (1.1)
Variabel terikat : mencerminkan perilaku dari sistem
Variabel bebas : sering berupa waktu atau ruang.
Contoh: Hukum Newton II,
F=m.a (1.2)
Atau
F
a=
m (1.3)

dimana:
a Ö variabel terikat yang mencerminkan perilaku sistem
F Ö fungsi gaya
m Ö parameter yang merepresentasikan properti dari sistem.
Untuk kasus yang lebih
kompleks adalah kasus
penerjun payung.

Hukum Newton II dapat

juga digunakan untuk
menentukan kecepatan
akhir sebuah benda
jatuh bebas ke
permukaan bumi.
 dv
Percepatan = laju perubahan kecepatan =
dt
Substitusikan ke persamaan 1.2 sehingga menjadi:
dv
m =F (1.4)
dt
v = kecepatan (m/s).
Resultan gaya:
Î Gaya angkat dari tahanan udara (FU) + Gaya tarik (grafitasi) ke
bawah (FD)

F = FD + FU (1.5)
dimana:

FU = −c ⋅ v (1.6)
FD = m ⋅ g (1.7)
Sehingga:
dv
m = m⋅ g − c⋅v
dt (1.8)

kedua sisi dibagi dengan m menjadi:

dv c
=g− v (1.9)
dt m

Persamaan (1.9) di atas adalah sebuah model yang

menghubungkan percepatan benda jatuh bebas
dengan gaya yang bekerja padanya. Persamaan ini
adalah persamaan diferensial karena dirumuskan
dalam bentuk laju perubahan (dv/dt)
II. Kesalahan (Error)

Ada 3 jenis kesalahan:

a. Kesalahan bawaan → kesalahan dari nilai data. Terjadi
karena kekeliruan dalam menyalin data, membaca
skala, atau karena kurangnya pengertian hukum-
hukum fisik dari data yang diukur.
b. Kesalahan pembulatan → kesalahan yang terjadi karena
tidak diperhitungkannya beberapa angka terakhir dari
suatu bilangan. Contoh:
3,1415926 dibulatkan menjadi 3,14
85627841 dibulatkan menjadi 85627800
c. Kesalahan pemotongan → terjadi karena tidak
dilakukannya hitungan sesuai prosedur matematik
yang benar. Contoh:
nilai eksak dari ex diperoleh apabila semua suku dari
deret tersebut diperhitungkan.
II.1. Kesalahan Absolut dan Relatif
p = p* + Ee
dimana:
p : nilai eksak
p* : nilai perkiraan
Ee : kesalahan terhadap nilai eksak

Indeks e menunjukkan bahwa kesalahan dibandingkan

terhadap nilai eksak
Dari persamaan di atas dapat disimpulkan bahwa:
⇒ Kesalahan adalah perbedaan antara nilai eksak dan
nilai perkiraan
Ee = p – p* (2.1)
Bentuk kesalahan di atas adalah kesalahan absolut.
Kesalahan absolut tidak menunjukkan besarnya tingkat
kesalahan.
Contoh: kesalahan satu cm pada pengukuran panjang
pensil akan sangat terasa dibanding dengan kesalahan
yang sama pada pengukuran panjang jembatan.

Kesalahan relatif ⇒ Perbandingan kesalahan yang terjadi

dengan nilai eksak

Ee
εe = (2.2)
p
Kesalahan relatif sering diberikan dalam bentuk persen
seperti:

Ee
εe = × 100% (2.3)
p
Dalam persamaan (2.1); (2.2); dan (2.3) kesalahan
dibandingkan terhadap nilai eksak. Nilai eksak tersebut
hanya dapat diketahui apabila suatu fungsi dapat
diselesaikan secara analitis.
Dalam metode numerik, biasanya nilai tersebut tidak
diketahui. Untuk itu kesalahan dinyatakan berdasarkan
nilai perkiraan terbaik dari nilai eksak, sehingga
kesalahan mempunyai bentuk sbb:
Ea
εa = × 100% (2.4)
p*
dimana:
Ea : kesalahan terhadap nilai perkiraan terbaik
p* : nilai perkiraan terbaik.
Indeks a menunjukkan bahwa kesalahan dibandingkan
terhadap nilai perkiraan (approximate value).
Di dalam metode numerik seringkali dilakukan pendekatan
secara iteratif. Pada pendekatan iteratif ini, suatu
perkiraan dibuat berdasarkan perkiraan sebelumnya.
Sehingga :
Kesalahan ⇒ adalah perbedaan antara perkiraan
sebelumnya dengan perkiraan sekarang, dan
kesalahan relatif diberikan oleh bentuk berikut ini:
p*n +1 − p*n
εa = n +1
× 100% (2.5)
p*

dimana
n
p* : nilai perkiraan pada iterasi ke-n
n +1
p * : nilai perkiraan pada iterasi ke n+1
Contoh Soal:
Pengukuran panjang jembatan dan pensil
memberikan hasil 9999 cm dan 9 cm. Apabila
panjang yang benar (eksak) berturut-turut
adalah 10.000 cm dan 10 cm, hitunglah
kesalahan absolut dan relatifnya.
Penyelesaian:
a. Kesalahan absolut
– Jembatan:
Ec = 10.000 – 9999 = 1 cm
– Pensil:
Ec = 10 – 9 = 1 cm
b. Kesalahan relatif
Jembatan:
Ec 1
εc = × 100% = × 100% = 0,01%
p 10.000

Pensil:
1
ε c = × 100% = 10%
10
 BAB III
AKAR-AKAR PERSAMAAN KUADRAT

Rumus abc:

Misalkan suatu bentuk persamaan: ax2+bx+c=0, maka dapat dicari akar-

akarnya secara analitis dengan rumus:

− b ± b 2 − 4ac
x12 =
2a

III.1. Metoda Setengah Interval

Langkah-langkah untuk menyelesaikan persamaan polynomial

dengan menggunakan metoda setengah interval adalah sbb:
1. Hitung fungsi pada interval yang sama dari x sampai pada
perubahan tanda dari fungsi f(xi) dan f(xu), yaitu apabila
f(xi).f(xu)<0.
2. Perkiraan pertama dari akar xr dihitung dari rata-rata nilai xi
dan xu
xi + xu
xr = (3.1)
2
3. Buat evaluasi berikut untuk menentukan di dalam sub interval
mana akar persamaan berada:
a. jika f(xi).f(xr)<0, akar persamaan berada pada
subinterval pertama, kemudian tetapkan xu=xr dan
lanjutkan ke langkah ke-4.

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 b. jika f(xi).f(xr)>0, akar persamaan berada pada
subinterval kedua, kemudian tetapkan xi=xr dan
lanjutkan ke langkah ke-4.
c. jika f(xi).f(xr)=0, akar persamaan adalah xr dan hitungan
selesai.
4. Hitung perkiraan baru dari akar dengan cara berikut:
xi + xu
xr =
2
5. Apabila perkiraan baru sudah cukup kecil (sesuai dengan
batasan yang ditentukan), maka hitungan selesai dan xr adalah
akar persamaan yang dicari. Jika belum, maka hitungan
kembali ke langkah ke-3.

Gambar 3.1. Prosedur Hitungan Metode Setengah Interval

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
Contoh soal 3.1:
Hitung salah satu akar dari persamaan pangkat tiga berikut ini:

f ( x) = x 3 + x 2 − 3x − 3 = 0
Penyelesaian:
Dihitung nilai f (x ) pada interval antara dua titik, misalnya x=1 dan
x=2
Untuk x=1, f ( x = 1) = (1) 3 + (1) 2 − 3(1) − 3 = −4

Untuk x=2, f ( x = 2) = (2) 3 + (2) 2 − 3(2) − 3 = 3

Karena fungsi adalah kontinu, berarti perubahan tanda dari fungsi
antara x=1 dan x=2 akan memotong sumbu x paling tidak satu kali. Titik
perpotongan antara sumbu x dan fungsi merupakan akar-akar persamaan.
Dihitung nilai xt, dan kemudian dihitung fungsi f ( xt ) :
x1 + x 2 1 + 2
xt = = = 1,5
2 2

f ( xt = 1,5) = (1,5) 3 + (1,5) 2 − 3(1,5) − 3 = −1,875

Oleh karena fungsi berubah tanda antara x=1,5 dan x=2, maka akar
persamaan terletak di antara kedua nilai tersebut.
Selanjutnya dengan menggunakan prosedur tersebut di atas,
dilakukan penghitungan dengan menggunakan software komputer yang
hasilnya sebagaimana ditampilkan dalam tabel 3.1. Dengan
menggunakan metode setengah interval, akar persamaan diperoleh pada
iterasi ke-13, yaitu sebesar xr= 1,73206.

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 Tabel 3.1. Hasil Hitungan Metode Setengah Interval
Iterasi xi xu xr f(xi) f(xu) f(xr) f(xi).f(xr) εa (%)

1 1.0000000 2.0000000 1.5000000 -4.0000000 3.0000000 -1.8750000 7.5

2 1.5000000 2.0000000 1.7500000 -1.8750000 3.0000000 0.1718750 -0.32226563 14.2857143
3 1.5000000 1.7500000 1.6250000 -1.8750000 0.1718750 -0.9433594 1.768798828 7.6923077
4 1.6250000 1.7500000 1.6875000 -0.9433594 0.1718750 -0.4094238 0.386233807 3.7037037
5 1.6875000 1.7500000 1.7187500 -0.4094238 0.1718750 -0.1247864 0.051090516 1.8181818
6 1.7187500 1.7500000 1.7343750 -0.1247864 0.1718750 0.0220299 -0.00274903 0.9009009
7 1.7187500 1.7343750 1.7265625 -0.1247864 0.0220299 -0.0517554 0.006458372 0.4524887
8 1.7265625 1.7343750 1.7304688 -0.0517554 0.0220299 -0.0149572 0.000774119 0.2257336
9 1.7304688 1.7343750 1.7324219 -0.0149572 0.0220299 0.0035127 -5.254E-05 0.1127396
10 1.7304688 1.7324219 1.7314453 -0.0149572 0.0035127 -0.0057282 8.5678E-05 0.0564016
11 1.7314453 1.7324219 1.7319336 -0.0057282 0.0035127 -0.0011092 6.35393E-06 0.0281928
12 1.7319336 1.7324219 1.7321777 -0.0011092 0.0035127 0.0012013 -1.3326E-06 0.0140944
13 1.7319336 1.7321777 1.7320557 -0.0011092 0.0012013 0.0000460 -5.0983E-08 0.0070477
14 1.7319336 1.7320557 1.7319946 -0.0011092 0.0000460 -0.0005317 5.89739E-07 0.0035240

III.2. Metoda Interpolasi Linear

Metode ini didasarkan pada interpolasi antara dua nilai dari fungsi
yang mempunyai tanda berlawanan. Langkah awalnya adalah mencari
nilai fungsi untuk setiap interval Δx yang sama sampai akhirnya didapat

dua nilai fungsi f ( xi ) dan f ( xi +1 ) berturutan yang mempunyai tanda

berlawanan (lihat gambar 3.2) dari kedua nilai fungsi f ( xi ) dan
f ( xi +1 ) ditarik garis lurus sehingga terbentuk suatu segitiga. Dengan
menggunakan sifat segitiga sebangun, diperoleh persamaan sbb:

xi +1 − x* f ( xi +1 )
=
xi +1 − xi f ( xi +1 ) − f ( xi )

f ( xi +1 )
x* = xi +1 − ( xi +1 − xi )
f ( xi +1 ) − f ( xi ) (3.2)

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 Gambar 3.2. Metoda Interpolasi Linear

Nilai tersebut digunakan untuk menghitung nilai f ( x* ) yang

kemudian digunakan lagi untuk interpolasi linear dengan nilai f ( xi )

atau f ( xi +1 ) sedemikian sehingga kedua fungsi memiliki tanda berbeda.

Prosedur ini diulang lagi sampai didapat nilai f ( x* ) mendekati nol.

Contoh soal 3.2:

Hitung salah satu akar dari persamaan pangkat tiga berikut ini dengan
menggunakan metode interpolasi linear:
f ( x) = x 3 + x 2 − 3x − 3 = 0
Penyelesaian:

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
Seperti pada contoh soal 3.1 di atas, langkah pertama adalah menghitung
nilai f ( x) pada interval antara dua titik sedemikian sehingga nilai f ( x)
pada kedua titik tersebut berlawanan tanda.

Untuk x=1, f ( x = 1) = (1) + (1) − 3(1) − 3 = −4

3 2

Untuk x=2, f ( x = 2) = (2) + (2) − 3(2) − 3 = 3

3 2

Dengan menggunakan persamaan (3.2) didapat:

f ( xi +1 )
x* = xi +1 − ( xi +1 − xi )
f ( xi +1 ) − f ( xi )
3
= 2− ( 2 − 1) = 1,57142
[3 − (−4)]

f ( x* ) = (1,57142) 3 + (1,57142) 2 − 3(1,57142) − 3 = −1,36449

karena f ( x* ) bertanda positif maka akar persamaan terletak antara

x=1,57142 dan x=2. Selanjutnya dihitung nilai x* :

3
x* = 2 − (2 − 1,57142) = 1,70540
[3 − ( −1,36449)]

f ( x* ) = (1,70540) 3 + (1,70540) 2 − 3(1,70540) − 3 = −0,24784

Prosedur hitungan tersebut di atas dilanjutkan hitungannya dengan

menggunakan program komputer yang hasil lengkapnya dapat dilihat di
tabel 3.2. Dari tabel ini diketahui bahwa hasil hitungan diperoleh pada
iterasi ke-7, yaitu x*=1,73205.

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 Tabel 3.2. Hasil Hitungan Metode Interpolasi Linear

III.3. Metoda Newton-Raphson

Metoda ini paling sering digunakan dalam mencari akar-akar
persamaan. Jika perkiraan awal dari akar adalah xi, suatu garis singgung
dapat dibuat dari titik [xi,f(xi)]. Titik dimana garis singgung tersebut
memotong sumbu x biasanya memberikan perkiraan yang lebih dekat
dari nilai akar.
Seperti yang ditunjukkan dalam gambar 3.3, turunan pertama pada xi
adalah ekivalen dengan kemiringan.

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 Gambar 3.3. Prosedur Metoda Newton-Raphson Secara Grafis

f ( xi ) − 0
f ' ( xi ) =
xi − xi +1
atau

f ( xi )
xi +1 = xi − (3.3)
f ' ( xi )

Contoh soal 3.3:

Hitung salah satu akar dari persamaan pangkat tiga berikut ini dengan
menggunakan metoda Newton-Raphson:
f ( x) = x 3 + x 2 − 3x − 3 = 0
Penyelesaian:
Turunan pertama dari persamaan diatas adalah:

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 f ' ( x) = 3 x 2 + 2 x − 3
Dengan menggunakan persamaan (3.3), pada awal hitungan ditentukan
nilai xi sembarang, misalnya xi=1.

f ( x1 = 1) = (1) 3 + (1) 2 − 3(1) − 3 = −4

f ' ( x1 = 1) = 3(1) 2 + 2(1) − 3 = 2

−4
x2 = 1 − =3
2
Langkah berikutnya nilai xi=3, dilakukan iterasi sebagai berikut:

f ( x 2 = 3) = (3) 3 + (3) 2 − 3(3) − 3 = 24

f ' ( x 2 = 3) = 3(3) 2 + 2(3) − 3 = 30

24
x3 = 3 − = 2,2
30
Prosedur hitungan tersebut di atas dilanjutkan hitungannya dengan
menggunakan program komputer yang hasil lengkapnya dapat dilihat di
tabel 3.3. Dari tabel ini diketahui bahwa hasil hitungan diperoleh pada
iterasi ke-6.

Tabel 3.3. Hasil Hitungan dengan Metoda Newton-Raphson

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 BAB III
AKAR-AKAR PERSAMAAN KUADRAT

III.4. Metoda Secant

Kekurangan metoda Newton-Raphson adalah diperlukannya
turunan pertama dari f (x ) dalam hitungan. Terkadang sulit untuk
mencari turunan pertama dari suatu persamaan. Untuk itu maka bentuk
diferensial didekati dengan nilai perkiraan berdasarkan diferensial beda
hingga.
Seperti pada gambar 3.4 garis singgung di titik xi didekati oleh
bentuk sbb:

f ( xi ) − f ( xi −1 )
f ' ( xi ) =
xi − xi −1

Apabila bentuk di atas disubstitusikan ke dalam persamaan (3.3) didapat:

f ( xi )( xi − xi −1 )
xi +1 = xi − (3.4)
f ( xi ) − f ( xi −1 )

Dalam metode ini pendekatan memerlukan dua nilai awal dari x, yang
digunakan untuk memperkirakan kemiringan dari fungsi.

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 Gambar 3.4. Metoda Secant

Contoh soal 3.4:

Hitung salah satu akar dari persamaan pangkat tiga berikut ini dengan
menggunakan metoda secant:

f ( x) = x 3 + x 2 − 3x − 3 = 0
Penyelesaian:
Iterasi pertama, diambil dua nilai awal yaitu x=1 dan x=2.
Untuk x=1, → f ( x1 = 1) = −4

x=2, → f ( x2 = 2) = 3
Dengan menggunakan persamaan (2.4) dihitung:
f ( x 2 )( x 2 − x1 ) 3(2 − 1)
x3 = x 2 − = 2− = 1,57142
f ( x 2 ) − f ( x1 ) 3 − (−4)
Pada iterasi kedua, hitungan dilakukan berdasar nilai x2=2 dan
x3=1,57142

Untuk x2=2, → f ( x2 = 2) = 3

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 x3=1,57142, → f ( x3 = 1,57142 ) = −1,36449
Dengan menggunakan persamaan (2.4) didapat:
− 1,36449(1,57142 − 2)
x 4 = 1,57142 − = 1,70540
1,36449 − 3
Prosedur hitungan tersebut di atas dilanjutkan hitungannya dengan
menggunakan program computer yang hasil lengkapnya dapat dilihat di
table 3.4. Dari table ini diketahui bahwa hasil hitungan diperoleh pada
iterasi ke-5, yaitu x=1,73205.

Tabel 3.4. Hasil Hitungan dengan Metoda Secant

I Xi-1 Xi Xi+1 ƒ(Xi-1) ƒ(Xi) ƒ(Xi+1)

1 1 2.00000 1.57143 -4.00000 3.00000 -1.36443

2 2.00000 1.57143 1.70541 3.00000 -1.36443 -0.24775
3 1.57143 1.70541 1.73514 -1.36443 -0.24775 0.02926
4 1.70541 1.73514 1.73200 -0.24775 0.02926 -0.00052
5 1.73514 1.73200 1.73205 0.02926 -0.00052 0.00000

II.5. Metoda Iterasi

Dalam metoda ini digunakan suatu persamaan untuk
memperkirakan nilai akar persamaan. Persamaan tersebut dikembangkan
dari fungsi f ( x ) = 0 sehingga parameter x berada di sisi kiri dari
persamaan, yaitu:
x = g (x ) (3.5)

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 Transformasi ini dapat dilakukan dengan manipulasi aljabar atau
dengan menambahkan parameter x pada kedua sisi dari persamaan
aslinya.
Sebagai contoh:

x 3 + x 2 − 3x − 3 = 0
dapat ditulis menjadi bentuk:

x3 + x2 − 3
x=
3
Persamaan (3.5) menunjukkan bahwa nilai x merupakan fungsi dari x,
sehingga dengan memberi nilai perkiraan awal dari akar xi dapat
ditentukan perkiraan baru xi+1 dengan rumus iterasi sbb:
xi +1 = g ( xi ) (3.6)
besarnya kesalahan dihitung dengan rumus:

xi +1 − xi
εa = 100%
xi +1

Contoh soal 5:
Hitung salah satu akar dari persamaan pangkat tiga berikut ini dengan
menggunakan metoda iterasi:

f ( x) = x 3 + x 2 − 3x − 3 = 0
Penyelesaian:
Persamaan tersebut ditulis dalam bentuk:
1
x 3 = − x 2 + 3 x + 3 → x = ( − x 2 + 3 x + 3) 3

dalam bentuk persamaan (2.6) persamaan di atas menjadi:

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 2 1
xi +1 = (− xi + 3xi + 3) 3

Apabila ditentukan perkiraan awal x1=2 maka didapat:

2 1 1
x 2 = (− x1 + 3 x = 3) 3
= ( −2 2 + 3( 2) + 3) 3
= 1,70998
Besar kesalahan:
xi +1 − xi 1,70998 − 2
εa = × 100% = × 100% = 16,9607%
xi +1 1,70998

Selanjutnya, nilai x2=1,70998 tersebut digunakan untuk menghitung nilai

x3 pada iterasi berikutnya sehingga:
2 1 1
x3 = (− x 2 + 3 x 2 + 3) 3
= [ −1,70998 2 + 3(1,70998) + 3] 3
= 1,73313

x2 − x1 1,73313 − 1,70998
εa = × 100% = × 100% = 1,34%
x2 1,73313

Hitungan tersebut di atas dilanjutkan hitungannya dengan menggunakan

program komputer yang hasil lengkapnya dapat dilihat di table 3.5. Dari
tabel ini diketahui bahwa hasil hitungan diperoleh pada iterasi ke-7, yaitu
x=1,732051.
Tabel 3.5. Hasil hitungan dengan metoda iterasi

I xi xi + 1 εα (%)
1 2.000000 1.709976 16.960710
2 1.709976 1.733134 1.336213
3 1.733134 1.731995 0.065792
4 1.731995 1.732054 0.003400
5 1.732054 1.732051 0.000175
6 1.732051 1.732051 0.000009
7 1.732051 1.732051 0.000000

Hand-out Kuliah: Metode Numerik Teknik Mesin

Oleh: Adi Setiawan FT-Unimal
 Numerk
Metode
Pengantar

-otss:)l,l
lt o -o,zctt'1\t\=
[oao:rl
t:szc
lo t
lo o 4.8821
)lz) lt2,r1t)
ketiga dibagi denganelemenpivot, yaitu 4'8824' sehtngga
Persamaan
menjadi:
persamaa:uya
Ir rt2 go\ -o,z:s:111
xl [o,sazr]
-o.zttt1l) jj
lo t l=12
lo o t )lz) lz,65asl
pefiama
ketigadenganelenen ketigadan persamaan
Kalikanpersamaan
Hasilnya kemudiandiL:urangkandari persan'nanpedama Hal seruF-
persamaan
dilakuLn terhadap SPLmenjadi:
kedua,sehingga

lt o o)1.)lt.5c6tJ
lo i oJL
v\=l:,t:tt
lt-tl
la o 1)l') l:,6505)
adalah:
SPLtersebut
Jadipenyelesaian
x= 1,5061 y=3,1321 z=2,6505

3.3 Metode Matriks Invers

Jika fAl adalahsuatunatrik bujursangkar denganukuranm x m' maka
diperolehhubungan:
akanierdapatmatriksinvers[A]-r, sehingga
3.12
tAl.tAl"= t4
Makajika terdapatsuaruSPL dalan.rnotasrnttnks:

tAl {x} = {c}

[A]-r, maka:
Jikaruaskiri dankana\kita pt'eaLltiplydengan

tAl =tAl '.{c}

t.tAl.{x.}
t4.{x}=bl'.{c}
3.rl
{x}=tArt.{c}
terik Persamaan
Sistem Linear 71

Banyakcaradapatdigunakanunhrkmencarimat"iksinvas. Salah
satunyaadalahdenganmenggunakan metodeeliminasiGauss-Jordan.Untuk
melakukanhal ini, matriks koefisiendilcngkapidengansuanrmatriks
KemudiangunakanmetodeGauss-Jordan
identitas. rmtukmengubah matrils
koefisienmenjadimatriksidentitas,
Jika langkahini telahselesai
makaruas
kananmatriksitu akan merupakanmatriksinvers.Atau secamilustasi,
Droseste$ebutadalahsebasaiberil:ut:

dt: a r:I00

ma.
upa
l:,1: Qr:

Q:l
Qrs 0 1 0

Qll 0 0 1

tAl t!

l, a0
l0
att
azt
dtr

all
an

Qls

l, at a:t alr ass

r,{i
tAt-l

Contoh:
aka
ulangi contohsoalpadahalaman51, namundenganmenggunakan
metode
matriksinvers.
i.l2
Langkah pertamayang diiakukan adalah denganmelengkapimatrik
menjadimatrikslengkapsebagai
koefisiendenganmatriksidentitassehingga
berikut:

3 - 0,1 - 0,2l 0
0,t 7 - 0,30 l
0,3 - 0,2 10 00

Normalkanpercamaanpertamakemudiangunakanelemenpertamanya
r.13 daribarisyanglairrnya:
unuk menghilangkan.x7
 Numerik
Metode
Pengantar Sist

-0,06666671
-o,otsssss ai33333o o) $.r
It
0 7,a0333 -0,293333 I 0l Pen
l-0,0333333
- o,te o t)
t o,o2 1-0,09e9999 mer
la efisi
Gunakanc22dari pe$amaankeduaunhrk menghilangkan;r2dari persamaan dikc
oerlamadanketiea: itea
Mis

Ir
lu
a - a,0684570 , 333 1 75
I - 0 , 0 4 1 7 0 6 1a,0047
0,4M739329
3 aJ 42180
39.J
0,ta090 4,0270I12
lo 0 l,,at 2l dise
perlamadan
x3 dari persamaan
Gunakanelemenar; unnik menghilangkan
kedua:

It o ol o;:zato 0,001922970,00679st3)

la t ol-o,oostott
0, 1 12293 0,00418346
I
698t 6 0,a998801
l0 011-0,4t0077e0,aa2 )
adaiah:
Dengandemikianinvers-nya

I o.ssuat o,aue22e7
0,00679813f
=
tAl-' l-0,a0516110,1122e3a,0041$461
-| a,ata0779 0,a42698I6 a,a9988at
) Pros
$l Solusibagi;r1,.:r2dar .r3diperolehdariperkalianmatnksinversdenganruas
sam
dan
kananpersamaan:
a.aate2)e7 7,s5 pers
l,,f I o.s:zatca,!122t30 . 0 0 1 1 8 3 1 -6 1 9 , 3 0
o,oa67est3)l
lx,l=l-0.a0st6at
]L 71,4
o,aeessi,t
lr,I l- a,0ta47790,002698t6

lx,f l3,oaa41tstl
lxt l=l2.t88ae6t0
lx,) 17.0402s31+)
rerik Linear
Persarnaan
Sistem 73

3.4 lterasi Jacobi

suatuSPL tokadang
metodeeliminasiuntuk nenyelesaikan
Penggunaan
menJumpai masalah,sepertiadanya Metodeini jyeg-turye
pembulatan.
menyelesaikan
untr.rk SPL-SPL bemkuranbesar.Unhrkitulahmaka
"fisi"n
dikembangkan metodeiterasiyangada,melode
meiodeiterasi.Daribeberapa
raan
SPL
iterasiJacobiadalahsalahsatumetodeiterasiuntuk menyelesaikan
yangdalamnotasimatriksadalah:
I buahpersamaan,
Misalkandiberikan
tAl{x}= {c}
Jika elemen-lemen diagonalsenLuanyatidak nol, persamaanpertamadapat
untukx7,yangkeduauntukxr, danseterusnya
diselesaikan hinggadihasilkan:

dan 3.14.a

c' - a,t.xt- qtt.It j-2-!f! 3.14.b

arl
cJ - aJt.xt - aJ).x2-,.,- aJllxrl 3.14.c
aJs

c h - a n l . x t - a n 2 . x 2- . . . - a n . t -t x u -r 3.14.d

Prosespcnyelesaiannya dapatdimulaidengannilai awalbagix1,;rz,hingga x,

samadengannol.Niiai-nilaiawa'lnol ini dapatdisubstihrsikanke 3 14a,b, c
dand unirk memperoleh nilai barux7l: cfa,,. xf = c1a2,x! = cy'au,"' '
,,1 = x,1 ;r:1 tl, ..., *l kemudiandisubstitusikan lagi ke
",'o,n.Nilai
persamaan unh:kmemperoleh:
3.14.a,b,c,d
// - -alh.xn
_ct-A x2 -atJ.xt 3.15.a
,_l / / _
att
-Q:.X-
C t - O) 1 . x 1 - a 2 . t . X , 3.15.b
a2l

// c,- ar,.xl - 1tt.xl-:::-aro xl 3.15.c

asr
 lvletode
Pengantar Numerik Siste

//
// c.-attt.xt Q,,t.trt-...-Q,,.,,_1.t,,-1
3.15.d
a

Kritena
Prosedurtersebutdiulangttelus hingga tedadi kekonvergenan.
konvergen jika:
teryenuhi
lii-l

ti,,./t-t---, la0%<a 3 . 16

Contoh:
SPLberikutdenganmetodeiterasiJacobi:
Selesaikan Lanjr
ditab
3 , x 11 ' x 2 - xj=5
L,
I lter:
4x,+7't-3xt=211
F
2.x! - 2.x2+ 5.r3= l0 a-
SPL ters€butdapatr inrliskandalambenhrk: l3
{ . r-
tlT .
x,=#
.J T.
3
t)
20-{.x,+3.x,
xz =----j- r
I
lA-2.x,+2.x.
.)
t-;
= trl = 13= 0 untukmenghitung
nilai awal.:v/ xf , x.l,xl :
p
Substitusikan 112
,l t-;
x'"3 = : = I 6 6 6 6 7 '.' 7 J=2a- 2.857t.t ,, =!!=z t14
| 15
lagixr',x,', xrtke SPLtersebut
Substitusikan untukmemperoleh: t-; LC

/ / 5 - 2 , 8 5 7 1 12+= 111
-l
1,38095 I re
I 19
I , 3 8 0 9-51 , 6 6 6 6 7 2A
x 100%=20,69%
I,36095 at
Sehin

i;:- F .
erik Persamaan
Sistem Linear 75

// 2 0- ( 1 x 1 , 6 6 6 6) 7+ ( 3 x 2) _
5.d 2,76t90

2 , 7 6 1 9 02,, 8 5 7 I 4
,100" = 3,15.;
eria
2,76190 "
1 A- t ) . l 6 ( , 6 6 - t | | ) > ) 9 ' - 1 4 )
= 2,476t9
\.16 5
- 2
2,47619
/ t 0 0 % =t 9 , 2 3 %
2,17619
Lanjutkanpros€durdi atas hingga tcrjadi kekonvergenan.Hasil iterasi
ditabelkan berikut:
sebagai

Iterasi e e ,,:l%) a ,,r{%)

"4%)
1 0 0 0
2 1,66667 2.85714 2.00000100 100 100
3 1.38095 2 . 7 6 1 9 0 2.47619 20.6897 3.44S3 19,2308
4 1.57143 3.12925 2,55238 1 2 . 1 2 1 2 1 1 . 7 3 9 1 2,9851
5 1.47438 3.05306 2.62313 2.4955 2.6971
6 1.52336 3 , 13 8 8 4 2.63147 3.2152 2.7328 43171
7 1.49754 2.64619 1 . 7 2 3 6 0.7838 0.5563
I '1.51059 3 , 1 3 5 4 9 2.64675 0.8635 0 . 6 7 1 6 0.021'1
I 1.50376 3.12827 2.64996 4.4544 0.2306 0.1210
10 3 . 1 3 3 5 5 2,6498'1 0.2304 0,1684 0,0058
11 1.50542 3 , 1 3 1 5 0 2.65053 0 . 1 2 0 2 0.0655 0.0272
12 1.50634 3.13284 2,65043 0 . 0 6 1 3 0.0429 0.0036
13 1.50586 3.13228 2.65060 0 . 0 3 1 9 0 . 0 1 8 2 0,0063
1 . 5 0 6 ' 1 1 3 . 1 3 2 6 2 2.65057 0 . 0 1 6 3 0 , 0 1 1 1 0,0013
15 1.50598 2.65061 0.0085 0,0050 0,0015
16 1.50605 3 . 1 3 2 5 6 2.65059 0,0043 0,0029 0.0004
17 1.50601 3.13251 2.65060 0.0022 0.0013 0.0004
1B 1.50603 3,13254 2.6s060 0.0012 0.0008 0,0001
1.50602 3 . 1 3 2 5 3 2,65060 0.0006 0,0004 0.0001
2A 1 . 5 0 6 0 3 3.'13253 2.65060 0.0003 0,0002 0.0000
21 1.50602 3 . 1 3 2 5 3 2.65060 0.0002 0.0001 0,0000
diperoleh
Sehingga bahrva 3,.t.r= 2,65060
x,'= 3.1325
:t7= I ,50602,
 Sisten
Numerik
Metode
Pengantar
IO

Dengr

3.5 lterasi Gauss'Seidel

merode
Serain IeJl::::
racoli:
iterasi $iTff;
metodeiterasiGauss-Seldel
;:n;:i[Ti]::S;:t"ff
Sepenr Seianl
disusundaiambentr'rk:
.a
3.1',7
cl
Qtt

3.17.b

3.17.c
diulan
ditabe
Iteras
3.1?.d l
2
3
proses .lryl::'li
penyeresriannrl
nol.Nil"l.lll|
dengrn
sama
,|13.il,1',il:i-:trtJtlT::i.";
"),*-'=-' Nrlaibaru.x,kin 5
Tll,"i'.,. ,:,/o,,
oana yru\ t"-Tli:1.'i.i'ii ii,*.u'b.r awal lain(x',=;tr- = ^" 6
kepersat"- :,'.,"::::';,.
subsrirusikan "ir"itr* sererusny3 hnggax,' 7
n'lut
menghinrng
= 0) unn-rk oT"t;;.;;iu-Jrui
awat c
u"* yangdidapu. 8
Prosedurdiulangi lagi dari
Kekonvergenandaprtdipenksaoengrn; I
10
I i i-t\ 3.18
6.;ll-Jt-\raaw" <t' 11

l*i I 12

hasil danT-1 adalah

sekarang
iterasi 13
j
mana adalah
unhrksemuanilai i, di
hasil itel?sisebelurnnya
Dari I
Contoh: n]enca
it'erasiGauss-Seidel:
SPLdalamcontohsebelunnyadenganmetode
Selesaikan
3x1i x2- xj=5
-3 xj = 20
4.x1'l 7 x2
2 . x t - 2 x t + 5 x r - -l 0
 Llnear
Persamaan 77
nerik Sistem

Dengannilai awalx; = rr = 0' hitung,r/:

a - n r n"
ngan * ,. 3' = ' " =1.66667
lapat
-
S e r a n j u mdycan g annr l a i r r 1 0 0 6 0 - d a n I ' - 0 h i t u n g r r j :
2 0 ' t 4 1 , 6 6 6 6t --' 3 0 ' -- , ' n n " , ^
---.,,-
17.a )t =

-r7'=1,66661dan
Dengan x! =1.90476, hitunglah;r/:
.17.b l A - r ) ^ ! . ( t 6 6 6t 7- t 2 1 . 9 4 4 - J( - . , . , n . r ,

Selan;umya nilarx2 dcr x, dipakaiunTukmenghitung nilair{r . Proseslnl

.17.c
diulangihinggumencapaikekonvcrgenan yang diinginkan'Hasil hitungan
ditabelkansebagaiberikut:
t ,.\%) € ,o(%) € ,.1%)
llerasi
. 17 . d 0,00000 0,00000 0,00000
1,90476 2,49524 100 100 100
2 1,66667
1,73016 2,76644 241451 31,1475!' 13,22314
ga,r,' 3
3 00659 2,58289 11,66943 7,98736 6,51902
.b,c 1,54936
krta 2,62679 1,56424 1,67132
5 1,52543 3,A9242
3,11922 2,64311 a.92473 0,85925 0,6'1713
6 1,51146
3,12821 2,64814 0,23189 0,28735 0,18860
7
apat. 2,6/979 0,08838 0,09266 0,06390
8 1,50663 3,13111
3,13207 2,65034 4
a,a267 0,03051 0,02050
I 1,50623
3,13238 2,65052 0,009i3 0,00994 0,00677
10
3 .l 8 0,00292 0,00326 0,00220
11 3,13248 2.65057
3,13251 0,00097 0,00106 0,00072
12 1,50603
ialah 3,13252 2,65060 0,00031 0,00035 0,00024
13 1,50603
1,50602 3,13253 2,65060 0,00010 0,00011 0,00008

lebih cePat
Dari hasil di atas,tampahlyametodeiterasi Gauss-Seidel
del: mencapaikekonvergenan metodeiterasiJacobi.
daripada
78 Pengantar
Metode
Numerik Sist

3.6 DekomposisiLU Pen

sk"-t
SuatuSPLdisajikandalambentukmatrikssebagai
berikut: adal
tAl{x}= {c} 3.19
ya,rgdapatdisusunmenjadibentuk: dekt
tAl{x} - {c} = 0 3.20
3.19 dinyatakanulangsebagisuatumatnkssegitigaatas,
Jika persamaan
denganangkasahrpadadiagonalutana:
1 u,, u,, u,,
0 I ur uz. x2 d2
3.21
00luro
0041

Persamaan3.21 mirip denganeliminasimaju Gauss,yang dalamnoiasi

maEik dapatdinyatakan ulangsebagai:
dandisusr.r'r

tul {x} - {D}=0 3.22

matnk segitigabawah:
Jikaterdapat
1,, o 0 0 316.
l, l, 0 0
3.23 Metor
lt, lrt 0 [A] m
koefis

yang bila persamaan 3.22 di-prenultiplydengannyaakan menghasilkan

persamaan 3.20,yaitu:

tLl { tul {x}-{D}} = tAl{x}-{c} 3.24

Jikapersamaan
3.24berlakumakadariaturanperkalianmatrik berlaku: Secara
tLltul = tAl
IEISCbI
3.25.a
dn [L]{D} = {c} 3.25.b
enk Linear
SistemPersamaan 79

Persamaan3.25.a dikenal sebagaidekomposlsiLU dari [A]. Secara

skematis,penyelesaian dekomposisi
suatuSPL denganmenggunakan LU
berikut:
adalahsebagai
r.19 [A]{x}= {c}
I
oeKomposrstt
/ .f
1.20 tul tLl
llas! J
tl-l{D}= {c}
maju
substitusi
1.21 {D}
J

JNSI
{x} = {D}
muo"'
3.22 {x} )suustit",i
LU
Dekomposisi
tlambar 3,1LingJrah-langkah

3:6.1 Dekomposisi_LUMetode Eliminasi Gauss

1.23 Metode.eliminirsiGaussdapatdigunakanuntuk mendekomposjsi matrik
lAl menjadi[L] dan[U]. Perhatikanbahwahasileliminasimajudarimafiks
koefisienbenrpamatrikssegitigaatas[U].
I a,, o,t a,, )
ilkan
rU=10 a,, o,, | 326
I
3.24 lt). u ast I

matritstil juga dihasilkan'dari

Secaratidaknyata,sebenamya langkah
adaSPL:
misalkan
tersebut,
\.25.a
ai2"',-l[ol
..1).0
l::, q22 an ["'l
.' 3.27

l.;', lt' l=
a 3 2 a 3 Jl l . r 3I Lcll
 Numerik
Metode Sisl
80 Pengantar

pertama Der
LangkahpefiamadalameliminasiGaussadalahmengalikanbaris ben
denganfahomYa:
att
1" , , = -
Qu

a21.
hasilnyadari baris keduaunhrk menghilangkan
dan mengurangkan
DemikianpulabarisI dikalikandengan: Fak
mer
att
I"l t = :
Qtt

an
dan hasi)nya dikurangkan dari baris ketiga untuk mengeliminasi
f-gkuh ukhit*tut siitem3 x 3 adalahmengalikan bariskeduayangtelah
Dar
dimodifikasidengan:
/ Seh
. att
Jn=--'j
Qrz

danmengurangkan hasilnyadaribarisketigaunhikmengeliminasia1

l.lilai-nilaifr, f r,,/i-rsebenamyamerupakan elemen-elemendari [L]'

0 a] Da::
[,'
V)=\t, ,, ol 3.28
I f f ' '/)l tAl
LJJI Jt2

Jika matrikspl ini dikalikandenganmatriks[U] akandiperolehmatriks[A]'

Contoh: 3.6
LU metodeelminasiGaussuntukmatrikskoehsien
Lakukandekomposisi Untl
[A] berikutini:
t -0,l.xz -0,2.xt= 7'85
3.x.
l:,
0,l.xr+ 7.xz- a,3.xt= -19,3 t,,
-0,2.x2+ l0.xj= 71,4
0,3.x1

unru
umeflk SistemPersamaan r
Linea

Denganmelakukanproseseliminasimaju diperolehmatriks[U] sebagai

berikut:

1 41t.

'l aJt
I telah - n- "t' 0
Dan t,,= = 4,02713
7,00333
matik segitigabarvah[L] adalah:
Sehingga

ltoo)
[L] = 0,0333333 I 0
0,1 -4,027t3 t
| )
LU darimatrik lAl adalah:
Dandekomposisi
3.28 0,1 -0,2
I
tAl = tLlttl = 7,4833 -0,2e3333
|
s lAl. 0 10,0120
)

3.6.2 Dekomposisi LU Metode Crout

:fisien
UntukSPLdengann = 4, persamaan
3.25.adapatdituliskansebagai:
att Qt: ats Qtt

lzt l2' l'r 124 I U2.r a)t a22 azJ 424

3.29
a )1 Qr2 A3J Q31

Qtt Q,Q 4,, A,t,t

Metode Crout diturur'kandenganmenggunakan perkalianmatrik

3 29 lalu menyamakannya
untuk menghitungruas kiri persamaan dengan
82 Pengantar Numerik
l\4etode Siste

ruaskanan.Langkahpenamaadalahmengalikan barispertama[L] dengan Dan

kolompertama[tll. Langkahini meng}asillon: oeKo

umumdapatdituliskanbahwa:
Secara
i = 1,2,...,n
lit= airutltuk 3.30.a
barispertama[L] dikalikandengankolom-kolomdari[U] untuk
Selanjutnya
memberikan:
llt.Ltta=Qt2 I tt.LllJ=Q1) !1rU 1r=A11

danberikutnyaadalah:
pedamasudahjelas,
Hubungan
a tt a./t I q ,,
l i 't-t = .: tt =-j'
/tt Il

umumdinyatakan:
Atausecara

u,, =!! j = 2,3,....,n

ur11|lk 3.30.b

keempatdari lll dikalikandengankolom Cont

bariskeduasan'tpai
Selanjutnya
menghasilkan:
kedua[U] sehingga Lak!l
l 2 1 L t 1 2 i - 1 2 2 - c r , ,l i 1 t t 1 2 ' l 1 3 1 =q t t 1 , , ' t : * l o = d u

unnrkl::, hz danhz:
dapatdipecahkan
Masing-nrasing
li:: ai: -lit.Ltt:\ntttk i: 2,3, .'n 3 30 c

Kalikanbariskedua[L] dengankolom-kolomketigadankeempat: Dengr

ltl,Ll1j! lrt.vt, = qt, ltt.Utt * l::LI:t = Au

Yang dapatdipecahkanuntuk t/rr dan trr.r: Bans

- _ t ' : 1 ' ,t ,l
Ll),=":|
" !r, "rr=#
Atausecara
umum:
a,,-1,,.u,]
3.30.d
",j=-'i-
Jmenk Persamaan
Sistem Linear B3

engan Dari hasil-hasildi atas maka dapat diberikanrumusanumum metode

dekomposisi caraCrout:
lit = ait untuki = 1,2,3,..., n
at,
'r,=- u n t u K J = 1 . J ,' n
L30.a
untuk = 2 , 3 , . . . . . .n. -, 1
UntukT

1,,= a,,- llu uu untukl=j,/+1,....,n

ai* ll ,;.un
ujL=---t-j- untuk/r=j+1,J+2,..., n

dan
n'l
L30.b 1,,,= a,,,,- 11,,^ur"

{olom Contoh:
LaL:ukan LU dariSPLini d€nganmetodeCrout:
dekomposisi
2 . x r- 5 . r ' r x s =l 2
-;rrlj'tl - rl =-S
3.30.c 3.r1-1t2+)Y,=lS

Denganmemakairumusanyang ada;

Irt= 2 1 2 1 =- l l i 1= 3

Barispertama
dari[U];

u12 -=- = _z')

'' t,, 2
3.30.d
 Numerik
Metode
Pengantar Sist
84

Ker
Kolomkedua[L]:
- u,J
l)t= a:: -l:t.ut2= ) -l-l)t-z.r/
-- 3,5
lsz= at -ltrutt= 4 -(3)(1,,
Elementerakhirdari [U]:
- l- 1-l)(0 5) - ' Der
a,,-1,,.t,, --'
ut=---l-=
t)2 u
Danelementerakhirdari [L]:
ll= ar -lst.11tt-ls:.'uu=2 -3(0,5)- 3'5(-l) = 1

LU adalah:
Jadidekomposisi
-2.5 oJf 3.'
l2 o ol ll
ftl = -t a,5 0l tul=10 ' -,1 Dai
ll I1'ler
L-? 3,5 4) l0 0 tJ
ini digLrnakan
Danbila hasildekomposisi SPLte$ebut'
uni.rkmenyelesaikan Suk
makalangkahselanjuhyaadalahsebagaiberikut(sesuaiGambar3 l):
sep(
tI-l{D}= {c}
l2 o oll,tlllr)
l-t a.sall4l=l-'l
Lr r.5 4)ldt) u6 )
maju:
substitusi
denganmelakukan

Col
Gur
 IF

umenl( Sistem
Persamaan
Linear 85

l unl { X l = { D J
Kemudia
It -z,s a.sll
,,) | a-
tltl
0 t -rlx,l=l_4
l0 o .' lfx,l |.r l
Dengansubstitusi
mundurakandiperoleh:
xj = dj=3

x2 = d2 -tt21.xj= 4- (-1)3 = -1

t1 = d1 -u12.x2-ut,.xt= 6 - (-2,5)(-1) - 0,5(3)= 2

3.7 Dekomposisi Cholesky

Dalamdekomposisi
Choleslry,mahikskoefisien[A] dapatdidekomposisi
menjadibentukl
tAl = tLltLlr 3ji
rsebut,
Suku-suk-u
dalampersamaan
3.31dapatdiperolehdengancamyang sama
seperticaraCrout.Hasilnyadapatdinyatakan
dalamhubrmgan:

oo,- i.r,,ro,
Itt =---fL untuki=1,2,...,k-| . 3.32

l---k- | "
t"-rla"-\.lri

Contoh:
Gunakan
dekomposisi
Cholesky
untukmatrikskoefisien
berikutini:

lo t5 ,rl
[Al = l rs 55 2251
lss nt w)
 Pencocokan Kurva 33

BAB III. Pencocokan Kurva

III.1. Pendahuluan
Data dari suatu pengukuran atau pengamatan, ditampilkan dalam bentuk
diskrit. Artinya data tidak dapat ditampilkan kontinyu (terus-menerus tak
berhingga). Namun demikian data mengikuti pola tertentu (trend) yang
memiliki fungsi linier atau non-linier.

Masalah yang cukup sering muncul dengan data adalah menentukan nilai
antara titik-titik diskrit tersebut dengan tidak melakukan pengukuran lagi.
Salah satu solusinya adalah mencari fungsi yang mencocokkan (fit) titik-
titik data. Pendekatan seperti ini dinamakan pencocokan kurva (curve
fitting).

Pencocokan kurva dibedakan atas dua metode:

1. Interpolasi.
Bila data diketahui memiliki ketelitian yang tinggi, maka pencocokan
kurva dibuat melalui setiap titik data tersebut. Metode seperti ini
disebut dengan interpolasi titik-titik data dengan sebuah fungsi.
Pencocokan kurva yang dilakukan dengan polinom sehingga
dinamakan interpolasi polinom.

25
20
15
10 Gambar 3.1: Kurva interpolasi

5
0
0 0,5 1 1,5

2. Regresi.
Data dari suatu hasil mengukuran biasanya bersifat fluktuatif atau galat
yang cukup berarti. Hal ini dapat disebabkan oleh kesalahan
pembacaan alat ukur, ketelitian system pengukuran atau sifat system
 Pencocokan Kurva 34

yang diukur. Karena data tersebut tidak teliti, maka kurva yang
mencocokkan titik data itu tidak perlu melalui semua titik. Jadi kurva
yang dibentuk mengikuti trend dari sebaran data.

7 10
6
8
5
4 6
3 4
2
2
1
0 0
0 2 4 6 8 10 0 2 4 6 8 10

a b
Gambar 3.2: a. Pencocokan kurva linier
b. Pencocokan kurva non-linier

III.2. Interpolasi
Sering kita menghadapi suatu fakta harus menaksir harga diantara titik-
titik data yang telah tepat. Interpolasi adalah suatu cara yang dilakukan
untuk mendapatkan harga diantara titik-titik data tersebut. Berbagai
bentuk interpolasi dapat dilakukan antara lain dengan polynomial, fungsi
spline, fungsi rotasional, atau deret Fourier dan lain-lain. Interpolasi
polynomial merupakan satu diantara bahasan yang paling mendasar
dalam metode numerik karena banyak dari metode interpolasi didasari
pada interpolasi polynomial.

f(x)
p(x)
y1

p1(x)
y0

x0 x x1

Gambar 3.3: Interpolasi Linier

 Pencocokan Kurva 35

III.2.1. Interpolasi Linear

Interpolasi linier adalah interpolasi dua buah titik dengan sebuah garis
lurus seperti pada gambar 3.3.. Misal diberikan 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 (3.1)
Koefisien a0 dan a1 dicari dengan mensubtitusikan (x0, y0) dan (x1, y1)
kedalam persamaan 3.1, diperoleh persamaan linier:
y0 a0  a1 x0
y1 a0  a1 x1
Kemudian melakukan eleminasi, didapatkan:

y1  y0 (3.2)
a1
x1  x0
dan
x1 y0  x0 y1 (3.3)
a0
x1  x0
Subtitusikan kedua persamaan diatas kedalam persamaan 3.1 untuk
mendapatkan:
x1 y0  x0 y1  y1  y0  x (3.4)
p1 ( x) 
x1  x0  x1  x0 
Kemudian dengan manipulasi aljabar diubah menjadi:
( y1  y0 ) (3.5)
p1 ( x) y0  ( x  x0 )
( x1  x0 )

Contoh 3.1:
Harga eksak ln (9,0) = 2,1972, ln (9,5) = 2,2513, Tentukan ln (9,2) dengan
interpolasi linier.
Penyelesaian:

(2, 2513  2,1972)

p1 (9, 2) 2,1972  (9, 2  9, 0) 2, 2188
(9, 5  9, 0)
Kesalahan İ = 2,2192 - 2,2188 = 0,0004.

III.2.2. Interpolasi Kuadratik

Pada contoh diatas kurva didekati dengan sebuah garis lurus, sehingga
taksiran harga interpolasi memiliki kemungkinan galat yang besar. Untuk
 Pencocokan Kurva 36

mengatasi hal tersebut, sebuah strategi untuk memperbaiki harga taksiran

dilakukan dengan menggunakan lengkungan kedalam garis yang
menghubungkan titik-titik data. Metode ini disebut dengan metode
interpolasi kuadratik.

Misal diberikan tiga buah titik data, (x0, y0), (x1, y1), dan (x2, y2). Polinom
yang menginterpolasi ketiga titik tersebut berbentuk:

p2 ( x ) a0  a1 x  a2 x 2 (3.6)

y (x1, y1)

(x2, y2)
(x0, y0)

Gambar 3.4: Interpolasi Kuadratik

Polinom p2 (x) ditentukan dengan cara berikut:

- Subtitusikan (xi, yi) kedalam persamaan 3.6, I = 0, 1, 2. Dari sini
diperoleh tiga buah persamaan dengan tiga buah parameter yang tidak
diketahui, yaitu a0, a1, a2
a0  a1 x0  a2 x0 2 y0
a0  a1 x1  a2 x12 y1
a0  a1 x2  a2 x2 2 y2

Hitung a0, a1, a2 dengan metode eliminasi.

Contoh 3.2:
Harga eksak ln (8,0) = 2,0794, ln (9,0) = 2,1972, ln (9,5) = 2,2513,
Tentukan ln (9,2) dengan interpolasi kuadratik.
 Pencocokan Kurva 37

Penyelesaian:
a0  8, 0a1  8, 02 a2 2, 0794
a0  9, 0a1  9, 0 a22
2,1972
a0  9,5a1  9,5 a2 2
2, 2513
dengan menggunakan metode eliminasi gauss menghasilkan a0 = 0,6762,
a1 = 0,2266, a2 = -0,0064. Maka polinom kuadratiknya adalah:

p2 ( x ) 0, 6762  0, 2266 x  0, 0064 x 2

dengan memasukkan harga x = 9,2 diperoleh:

2,3

2,25
(9.2 , 2.2192)
2,2

2,15

2,1

2,05
7,5 8 8,5 9 9,5 10

Gambar 3.5: Posisi p(x) untuk x = 9,2

III.2.3. Interpolasi Lagrange

Interpolasi polynomial dapat ditampilkan dalam berbagai bentuk sebagai
alternativ dalam menyelesaikan masalah numerik. Salah satunya adalah
interpolasi polynomial Lagrange.

Sebagaimana diketahui bahwa polinomial orde N yang melewati N+1 titik-

titik data dapat dituliskan dalam bentuk deret pangkat sebagai berikut:

PN ( x) a0  a1 x  a2 x 2  L  aN x N (3.7)
dimana ai adalah koefisien yang tidak diketahui. Pencocokan (fitting) deret
pangkat terhadap N+1 titik-titik data memberikan sebuah bentuk
persamaan linier sebagai berikut:
 Pencocokan Kurva 38

y0 a0  a1 x0  a2 x0 2  L
‫  ڮ‬aN x0
N

y1 a0  a1 x1  a2 x12  L‫  ڮ‬aN x1N

‫ڭ‬
M
yN a0  a1 xN  a2 xN 2  L‫  ڮ‬aN xN N (3.8)
Ide dasar dari formulasi Lagrange adalah perkalian faktor-faktor sebagai
berikut:
V 0 ( x) ( x  x1 )( x  x2 )...( x  xN ) (3.9)
Fungsi V 0 adalah polynomial orde ke N dari x, dan menjadi nol pada
x = x1, x2, …,xN. Bila V 0 ( x) dibagi dengan V 0 ( x0 ,) maka menghasilkan:

( x  x1 )( x  x2 )( x  xN ) (3.10)
V 0 ( x)
( x0  x1 )( x0  x2 )( x0  xN )
persamaan diatas akan menjadi satu untuk x = x0 dan nol untuk x = x1,
x = x2, … ,x = xN. Dalam bentuk yang sama kita dapat menuliskan
persamaan 3.8 menjadi:
( x  x0 )( x  x1 ) ( x  xN ) (3.11)
V i ( x)
( xi  x0 )( xi  x1 )  ( xi  xN )

dimana pembilang tidak termasuk (x - xi) dan penyebut tidak termasuk

(xi – xi). Bila kita melakukan perkalian V0 ( x ), V1 ( x), …, VN ( x ) dengan y0,
y1,…, yN, berturut-turut dan menjumlahkan seluruhnya, maka sumasinya
adalah polinomial orde N dan sama dengan yi untuk masing-masing i = 0
hingga i = N.

Formula interpolasi Lagrange orde N dapat ditulis sebagai berikut:

( x  x1 )( x  x2 )  ( x  xN )
PN ( x ) y0
( x0  x1 )( x0  x2 )  ( x0  x N )
( x  x0 )( x  x2 )  ( x  xN )
 y1
( x1  x0 )( x1  x2 )  ( x1  xN )
 (3.12)
( x  x0 )( x  x1 )  ( x  xN 1 )
 yN
( x N  x0 )( xN  x1 )  ( xN  x N 1 )
 Pencocokan Kurva 39

Contoh 3.3:
Densitas dari sodium untuk tiga keadaan temperature adalah sebagai
berikut:
Tabel 3.1:

i Temperatur (Ti) Densitas (Ui)

0 94 0C 929 kg/m3
1 205 902
2 371 860
Tentukan densitas untuk T = 251 0C dengan menggunakan interpolasi
Lagrange.
Penyelesaian:
Karena jumlah titik-titik data ada tiga, maka orde formula Lagrange adalah
N = 2. Interpolasi Lagrange menjadi:

(T  205)(T  371)
P2 (T ) (929)
(94  205)(94  371)
(T  94)(T  371)
 (902)
(205  94)(205  371)
(T  94)(T  205)
 (860)
(371  94)(371  205)

P2 (251) 890, 5 kg/m3

III.2.4. Interpolasi Maju Newton-Gregory

Interpolasi dengan menggunakan polinom Lagrange kurang disukai dalam
praktek karena alasan berikut:
1. Jumlah komputasi yang besar dalam sekali interpolasi.
2. Interpolasi untuk nilai x yang lain membutuhkan jumlah komputasi
yang sama karena tidak ada bagian komputasi sebelumnya yang
dapat digunakan.
3. Bila jumlah data meningkat atau menurun, hasil komputasi
sebelumnya tidak dapat digunakan.
4. Evaluasi kesalahan tidak mudah.
Dengan polinom Newton, polinom yang dibentuk seblumnya dapat dipakai
untuk membuat polinom derajat yang lebih tinggi.
 Pencocokan Kurva 40

Kita asumsikan bahwa absis titik data memiliki jarak yang sama dengan
interval h. Untuk mengevaluasi formula interpolasi Newton, maka perlu
didefinisikan tabulasi selisih maju (forward difference) dengan:
D0fi = fi (orde ke nol selisih maju) (3.13)
D1fi = fi+1 - fi (orde ke satu selisih maju) (3.14)
D2fi = D1fi+1 – D1fi (orde ke dua selisih maju) (3.15)
3 2 2
D fi = D fi+1 – D fi (orde ke tiga selisih maju) (3.16)
k k-1 k-1
D fi = D fi+1 – D fi (orde ke k selisih maju) (3.17)
Apabila ditabulasikan, selisih maju adalah sebagai berikut:
Tabel 3.2: Selisih maju
i fi D1fi D2fi D3fi D4fi D5fi
0 f0 D1f0 D2f0 D3f0 D4f0 D5f0
1 f1 D1f1 D2f1 D3f1 D4f1
2 f2 D1f2 D22i D3f2
3 f3 D1f3 D2f3
4 f4 D1f4
5 f5
Kolom pertama adalah indeks dari titik data, kolom kedua adalah ordinat
data. Kolom ketiga adalah §selisih
s · orde pertama, yang diperoleh dari kolom
¨ ¸ 1
© 0 ¹ selisih orde kedua yang diperoleh dari
kedua. Kolom ke-empat adalah
kolom sebelumnya dan seterusnya. Kemudian koefisien binomial adalah
sebagai beikut:

§s·
¨ ¸ s
©1¹
§s· 1
¨ ¸ s ( s  1)
© 2¹ 2!

§s· 1
¨ ¸ s ( s  1)( s  2)
© 3¹ 3!

‫ڭ‬
 Pencocokan Kurva 41

§s· 1
¨ ¸ s ( s  1)( s  2)L ( s  n  1)
©n¹ n!

dimana s adalah koordinat lokal yang didefinisikan dengan s = (x – x0)/h.

Formula interpolasi Newton yang melalui k+1 titik-titik data, f0, f1, f2, …,fk
ditulis dengan:
݃ሺ‫ݔ‬ሻ ൌ ݃ሺ‫ݔ‬଴ ሻ ൅ ‫݄ݏ‬ሻ ൌ σ௞௡ୀ଴൫௡௦ ൯ο௡ ݂଴ (3.18)
§s·
Persamaan 3.18 adalah polynomial orde k karena ¨© n ¸¹ adalah suatu
polynomial orde n, dan orde tertinggi adalah k. Persamaan 3.18 bila
dijadikan sama dengan f0, f1, f2, …,fk pada x = x0, x1, …,xk adalah sebagai
berikut:
s = 0: g ( x0 ) g ( x0  0) f0
s = 1: g ( x1 ) g ( x0  h) f 0  'f 0 f1
s = 2: g ( x2 ) g ( x0  2h) f 0  2'f 0  ' 2 f 0 f2

‫ڭ‬
k (k  1) 2
s = k: g ( xk ) g ( x0  kh) f 0  k 'f 0  ' f 0 ... fk (3.19)
2

Contoh 3.4:
Diperoleh data sebagai berikut:
Tabel 3.3: Data
i 0 1 2 3 4 5 6
x 0,1 0,3 0,5 0,7 0,9 1,1 1,3
g(x) 0,9975 0,97763 0,93847 0,8812 0,80752 0,71962 0,62009

Tentukan nilai g(x) hingga orde ke 4 selisih maju untuk x = 0,23.

Penyelesaian:
Buat tabulasi selisih maju sebagai berikut:
 Pencocokan Kurva 42

Tabel 3.4: Hasil selisih maju

i xi fi D1fi D2fi D3fi D4fi D5fi D6fi
0 0,1 0,9975 -0,01987 -0,01929 0,00118 0,00052 -3E-05 -6E-05
1 0,3 0,97763 -0,03916 -0,01811 0,0017 0,00049 -9E-05
2 0,5 0,93847 -0,05727 -0,01641 0,00219 0,0004
3 0,7 0,8812 -0,07368 -0,01422 0,00259
4 0,9 0,80752 -0,0879 -0,01163
5 1,1 0,71962 -0,09953
6 1,3 0,62009

Gunakan formulasi interpolasi Newton:

s ( s  1) s ( s  1)( s  2) s ( s  1)( s  2)( s  3)

g ( x) f 0  'f 0 s  ' 2 f 0  '3 f  '4 f
2! 3! 4!
x  x0 0, 23  0,1
s 0, 65
h 0, 2
0, 65(0, 65  1)
g (0, 23) 0,99750  0, 01987 ˜ 0, 65  0, 01929
2!
0, 65(0, 65  1)(0, 65  2)
 0, 00118
3!
0, 65(0, 65  1)(0, 65  2)(0, 65  3)
 0, 00052
4!

Bila orde interpolasi ditingkatkan maka nilai hampiran akan mendekati nilai
sebenarnya, sebagaimana yang tampak pada gambar berikut:

0,98

0,93
orde 6
0,88
orde 5

0,83 orde 4

orde 3
0,78
orde 2
0,73
orde 1
0,68
Mendekati nilai eksak
0,63

0,58
0 0,2 0,4 0,6 0,8 1 1,2 1,4
Gambar 3.6: Perbandingan orde interpolasi Maju Newton-Gregory
 Pencocokan Kurva 43

III.2.5. Interpolasi Mundur Newton-Gregory

Polinomial interpolasi mundur Newton-Gregory dibentuk dari tabel selisih
mundur. Polinom ini sering digunakan pada perhitungan nilai turunan
(derivative) secara numerik. Titik-titik yang digunakan berjarak sama yaitu:
x0, x1, .., xn. Selisih mundur ditulis sebagai berikut:
0
Ñ fi = fi (orde ke nol selisih mundur)
1
Ñ fi = fi – fi -1 (orde ke satu selisih mundur)
2 1 1
Ñ fi = Ñ fi – Ñ fi -1 (orde ke dua selisih mundur)
3 2 2
Ñ fi = Ñ fi – Ñ fi -1 (orde ke tiga selisih mundur)
‫ڭ‬
k k-1
Ñ fi = Ñ fi – Ñ k-1fi -1 (orde ke k selisih mundur)
Kemudian koefisien binomial dalam interpolasi mundur Newton adalah
sebagai beikut:
§ s  1·
¨ ¸ 1
© 0 ¹
§s·
¨ ¸ s
©1¹
§ s  1· 1
¨ ¸ s ( s  1)
© 2 ¹ 2!

§ s  2· 1
¨ ¸ s ( s  1)( s  2)
© 3 ¹ 3! ‫ڭ‬

‫ݏ‬൅݊െͳ ͳ
൬ ൰ ൌ ‫ݏ‬ሺ‫ ݏ‬൅ ݊ െ ͳሻሺ‫ ݏ‬൅ ݊ െ ʹሻ ‫ ڮ‬ሺ‫ ݏ‬൅ ͳሻ‫ݏ‬
݊ ݊Ǩ

Interpolasi Newton mundur yang dicocokkan dengan titik-titk data pada x =

xj, x = xj - 1, x = xj – 2, …, dan x = xj – k ditulis sebagai berikut:

݃ሺ‫ݔ‬ሻ ൌ ݃ሺ‫ݔ‬଴ ൅ ‫݄ݏ‬ሻ ൌ σ௞௡ୀ଴൫௦ା௡ିଵ

௡
൯‫׏‬௡ ݂௝ , െ݇ ൑ ‫ ݏ‬൑ Ͳ (3.20)
dimana s adalah koordinat local yang didefinisikan dengan s = (x –xj)/h
 Pencocokan Kurva 44

contoh 3.5:
Dari contoh, tentukan nilai g(x) dengan interpolasi mundur Newton pada
titik-titik data i = 0, 1, 2 untuk x = 0,23.
Penyelesaian:
Tabel 3.5: Hasil selisih mundur
i xi fi Ñ 1f i Ñ 2fi Ñ 3fi Ñ 4fi Ñ 5fi Ñ 6 fi
0 0,1 0,9975
1 0,3 0,97763 -0,01987
2 0,5 0,93847 -0,03916 -0,01929
3 0,7 0,8812 -0,05727 -0,01811 0,00118
4 0,9 0,80752 -0,07368 -0,01641 0,0017 0,00052
5 1,1 0,71962 -0,0879 -0,01422 0,00219 0,00049 -3E-05
6 1,3 0,62009 -0,09953 -0,01163 0,00259 0,0004 -9E-05 -6E-05

݃ሺ‫ݔ‬ሻ ൌ ݃ሺ‫ݔ‬ଶ ൅ ‫݄ݏ‬ሻ ൌ σଶ௡ୀ଴൫௦ା௡ିଵ

௡
൯‫׏‬௡ ݂௝ െʹ ൑ ‫ ݏ‬൑ Ͳ
1
f 2  s’f 2  ( s  1) s’ 2 f 6
2
dimana:
s ( x  x2 ) / h (0, 23  0, 5) / 0, 2 -1, 35
0,01163
g (0, 23) 0,62009  0,09953(-1,35)  (-1,35)(-1,35  1)
2
III.2.6. Polinom Newton
Interpolasi Newton-gregory yang dibahas sebelumnya dibatasi pada titik-
titik data yang berjarak sama. Ada kalanya dibutuhkan interpolasi
terhadap titik data yang berjarak tidak sama. Interpolasi Newton dapat
digunakan untuk menghadapi kebutuhan yang seperti itu.

Tinjau kembali persamaan 3.5:

( y1  y0 )
p1 ( x ) y0  ( x  x0 )
( x1  x0 )
Bentuk persamaan ini diubah menjadi:
p1 ( x) a0  a1 ( x  x0 ) (3.21)
dimana:
a0 = y0 = f(x0)
 Pencocokan Kurva 45

dan
y1  y0 f ( x1 )  f ( x0 )
a1
x1  x0 x1  x0 (3.22)
Persamaan 3.22 ini merupakan bentuk selisih terbagi (devided difference).
Berdasarkan bentuk polinom linier persamaan 3.5, maka persamaan
polinom kuadratik dapat ditulis menjadi:
p2 ( x ) a0  a1 ( x  x0 )  a2 ( x  x0 )( x  x1 ) (3.23)

p2 ( x ) p1 ( x)  a2 ( x  x0 )( x  x1 ) (3.24)
p3 ( x) p2 ( x)  a3 ( x  x0 )( x  x1 )( x  x2 )
a0  a1 ( x  x0 )  a2 ( x  x0 )( x  x1 )  a3 ( x  x0 )( x  x1 )( x  x2 )

Dan seterusnya polinom Newton dapat dibentuk dengan cara rekursif

sebagai berikut:
‫݌‬௡ ሺ‫ݔ‬ሻ ൌ ‫݌‬௡ିଵ ሺ‫ݔ‬ሻ ൅ ܽ௡ ሺ‫ ݔ‬െ ‫ݔ‬଴ ሻሺ‫ ݔ‬െ ‫ݔ‬ଵ ሻ ǥ ሺ‫ ݔ‬െ ‫ݔ‬௡ ሻ
ൌ ܽ଴ ൅ ܽଵ ሺ‫ ݔ‬െ ‫ݔ‬଴ ሻ ൅ ܽଶ ሺ‫ ݔ‬െ ‫ݔ‬଴ ሻሺ‫ ݔ‬െ ‫ݔ‬ଵ ሻ ൅ ܽଷ ሺ‫ ݔ‬െ ‫ݔ‬଴ ሻሺ‫ ݔ‬െ ‫ݔ‬ଵ ሻሺ‫ ݔ‬െ
‫ݔ‬ଶ ሻ ൅ ǥ ൅ ܽ௡ ሺ‫ ݔ‬െ ‫ݔ‬଴ ሻሺ‫ ݔ‬െ ‫ݔ‬ଵ ሻ ‫ ڮ‬ሺ‫ ݔ‬െ ‫ݔ‬௡ିଵ ሻ

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 @
M‫ڭ‬
an f > xn , xn 1 ,L , x1 , x0 @

dimana:
f ( xi )  f ( x j )
f ª¬ xi , x j º¼
xi  x j
f ª¬ xi , x j º¼  f ª¬ x j , xk º¼
f ª¬ xi , x j , xk º¼
xi  xk
M‫ڭ‬
f > xn , xn 1 ,L‫ ڮ‬x1 @  f > xn 1 , xn  2 L
‫ ڮ‬, x0 @
f > xn , xn 1 ,L‫ ڮ‬x1 , x0 @
xn  x0
 Pencocokan Kurva 46

Dengan demikian polinom Newton lengkap dapat ditulis sebagai berikut:

M
pn ( x) f ( x0 )  f > x1 , x0 @ ( x  x0 )  f > x2 , x1 , x0 @ ( x  x0 )( x  x1 )
 f > xn , xn 1 ,L‫ ڮ‬x1 , x0 @ ( x  x0 )( x  x1 )L‫ ( ڮ‬x  xn 1 )

Nilai selisih terbagi dapat dibentuk dengan menggunakan table yang

disebut dengan table selisih terbagi, sebagai berikut:
Tabel 3.5: Selisih terbagi

f1  f 0 f1,2  f 0,1 ݂ଵǡଶǡ‫ڮ‬௡ାଵ െ ݂଴ǡଵǡଶǡ‫ڮ‬ǡ௡

x0 f0 f 0,1 ݂଴ǡଵǡଶǡ‫ڮ‬ǡ௡ାଵ ൌ
x1  x0 f 0,1,2
x2  x0 ‫ݔ‬௡ାଵ െ ‫ݔ‬଴

f 2  f1 f 2,3  f1,2
x1 f1 f1,2 f1,2,3
x2  x1 x3  x1
f3,4  f 2,3
f3  f 2 f 2,3,4
x2 f2 f 2,3
x3  x2 x4  x2
f n 1  f n
xn fn f n ,n 1
xn 1  xn

Contoh 3.6:
Bentuk selisih terbagi dari data berikut:
Tabel 3.6: Data
i xi fi
0 0,1 0,99750
1 0,2 0,99002
2 0,4 0,96040
3 0,7 0,88120
4 1,0 0,76520
5 1,2 0,67113
6 1,3 0,62009
Kemudian tuliskan rumus interpolasi menggunakan selisih terbagi pada
titik i = 0 hingga 6.
 Pencocokan Kurva 47

Penyelesaian:
Tabel 3.7: Hasil selisih terbagi

i xi fi fi, i+1 fi,…,i+2 fi,…,i+3 fi,…,i+4 fi,…,i+5 fi,…,i+6

0 0,1 0,9975 -0,0748 -0,24433 0,02089 0,01478 -0,00239 0,00129
1 0,2 0,99002 -0,1481 -0,2318 0,03419 0,01215 -0,00085
2 0,4 0,9604 -0,264 -0,20444 0,04635 0,01122
3 0,7 0,8812 -0,38667 -0,16737 0,05644
4 1 0,7652 -0,47035 -0,1335
5 1,2 0,67113 -0,5104
6 1,3 0,62009

p0,1,...,5 ( x) 0,9975  0,0748( x  0,1)  0,24433( x  0,1)( x  0, 2)

 0,02089( x  0,1)( x  0, 2)( x  0, 4)
 0,01478( x  0,1)( x  0, 2)( x  0, 4)( x  0, 7)
 0,00239( x  0,1)( x  0, 2)( x  0, 4)( x  0, 7)( x  1)
 0,00129( x  0,1)( x  0, 2)( x  0, 4)( x  0, 7)( x  1)( x  1, 2)
III.3. Regresi
Untuk mencocokan kurva terhadap titik-titik data yang memiliki ketelitian
yang rendah dapat dilakukan dengan metode regresi. Kurva yang
terbentuk tidak melewati titik-titik data secara persis tetapi mengikuti
kecendrungan dari sebaran data.
Misalkan kita menginginkan untuk mendapatkan fungsi linier yang
mencocoki data pada tabel 3.1 dengan deviasi terhadap titik-titik data
yang minimal. Fungsi linier yang diperoleh dalam metode ini disebut
regresi linier.
Tabel 3.8 Data dari suatu
pengukuran
i x y
1 0,1 0,61
2 0,2 0,92
3 0,3 0,99
4 0,4 1,52
5 0,5 1,47
6 0,6 2,03
 Pencocokan Kurva 48

2,5

1,5

0,5

0
0 0,2 0,4 0,6 0,8

Gambar 3.7 : Kurva regresi dari data hasil pengukuran

Fungsi linier dapat ditulis dengan:

f ( x) a  bx (3.25)
yang mencocokan data sedemikian hingga deviasinya:
ri yi  f ( x ) yi  (a  bx ) (3.26)
Total kuadrat deviasi persamaan diatas adalah:
n n
R ¦ (ri )2
i 1
¦(y
i
i  a  bx) 2
(3.27)
Agar minimum, maka:

wR
 2¦ ( yi  a  bxi ) 0 (3.28)
wa
wR
 2¦ xi ( yi  a  bxi ) 0 (3.29)
wb
setelah dibagi dengan -2 dapat ditulis dalam bentuk matrik:

ª A1,1 A1,2 º ª a º ª Z1 º
«A A2,2 »¼ «¬ b »¼ «Z » (3.30)
¬ 2,1 ¬ 2¼
dimana:

A1,1 n
A1,2 ¦x i

Z1 ¦y i

A2,1 ¦x i

A2,2 ¦ (x ) i
2

Z2 ¦x yi i
 Pencocokan Kurva 49

A2,2 Z1  A2,1Z 2
a
d
A1,1Z 2  A2,1Z1
b (3.31)
d

dimana:
d A1,1 A2,2  A1,2 A2,1

Contoh 3.7:
Tentukan regresi linier untuk data pada table berikut
i xi yi xi2 xiyi
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
Total 3,3 7,54 2,21 4,844

A1,1 = n = 6, A1,2 = 3,3 Z1 = 7,54

A2,1 = 3,3, A2,2 = 2,21 Z1 = 4,844
Dengan menggunakan persamaan 3.33:
ª 6 3,3 º ª a º ª 7,54 º
«3,3 2, 21» « b » « 4,844 »
¬ ¼¬ ¼ ¬ ¼
solusinya adalah:
a = 0,2862 b = 1,7645
regresinya linier adalah:
g(x) = 0,2862 + 1,7645x
Titik-titik data diplot pada gambar berikut:

y = 0,2862 + 1,7645x
2,5
2
1,5
1
0,5
0
0 0,2 0,4 0,6 0,8 1

Gambar 3.8: Pencocokan kurva data tabel 3.1

 Pencocokan Kurva 50

Deviasi dari pencocokan kurva terlihat pada table berikut:

i x y y = a + bx Deviasi
1 0,1 0,61 0,46265 0,14735
2 0,4 0,92 0,992 -0,072
3 0,5 0,99 1,16845 -0,17845
4 0,7 1,52 1,52135 -0,00135
5 0,7 1,47 1,52135 -0,05135
6 0,9 2,03 1,87425 0,15575

Metode regresi linier dapat diterapkan untuk pencocokan fungsi non-linier.

Misalkan kita akan mencocokkan data dengan fungsi:
y Cx b (3.32)
dimana C dan b adalah konstanta yang akan dicari.

Dengan mengubah persamaan diatas kedalam bentuk logaritmik, maka:

ln(y) = ln(C) + b ln(x)
dengan definisi:
Y = ln(y) X = ln(x) a = ln(C)
Persamaan regresi liniernya adalah:
Y = a + bx
Lakukan pengubahan (xi, yi) menjadi (ln(xi), ln(xi)), lalu hitung a dan b
dengan cara regresi linier. Dari persamaan a = ln(C), kita menghitung nilai:
C = ea
Subtitusikan nilai b dan C kedalam persamaan pangkat y = Cxb

Contoh 3.8:
Cocokkan data berikut dengan fungsi y = Cxb
i xi yi
1 0,15 4,4964
2 0,4 5,1284
3 0,6 5,6931
4 1,01 6,2884
5 1,5 7,0989
6 2,2 7,5507
7 2,4 7,5106
8 2,7 8,0756
9 2,9 7,8708
10 3,5 8,2403
11 3,8 8,5303
12 4,4 8,7394
 Pencocokan Kurva 51

13 4,6 8,9981
14 5,1 9,1450
15 6,6 9,5070
16 7,6 9,9115

12
10
8
6
4
2
0
0 2 4 6 8

Gambar 3.9: Titik-titik data

Penyelesaian:
Konversikan xi, yi kedalam ln(xi), ln(yi) sebagai berikut:
i ln(xi) ln(yi)
1 -1,8971 1,5033
2 -0,9163 1,6348
3 -0,5108 1,7393
4 0,0100 1,8387
5 0,4055 1,9599
6 0,7885 2,0216
7 0,8755 2,0163
8 0,9933 2,0888
9 1,0647 2,0632
10 1,2528 2,1090
11 1,3350 2,1436
12 1,4816 2,1678
13 1,5261 2,1970
14 1,6292 2,2132
15 1,8871 2,2520
16 2,0281 2,2937

Dengan metode regresi linier, kita dapatkan:

Y = 1,8588 + 0,2093x
 Pencocokan Kurva 52

Y = 1,8588 + 0,2093x
2,2

2,0

1,8

1,6
ln(Y)

1,4

1,2

1,0
-2 -1 ln(x) 0 1 2

Gambar 3.10: Titik-titik data dan pencocokan kurva

atau
ln(C) = 1,8588, b = 0,2093
Oleh karena itu kurva pada koordinat x-y menjadi:
Y(x) = (6,4160)x0,2093
dimana: C = e1,8588 = 6,4160

Untuk melakukan linierisasi terhadap fungsi yang lain dapat dilakukan

sebagaimana contoh berikut:
Cx
y
dx
Lakukan linierisasi sebagai berikut:

1 d 1 1

y C x C
definisikan:
Y = 1/y
a = 1/C
b = d/C
X = 1/x
Persamaan regresi liniernya:
Y = a + bx
Lakukan pengubahan (xi, yi) menjadi (1/(xi), 1/(xi)), lalu hitung a dan b
dengan cara regresi linier.
 Pencocokan Kurva 53

Dari persamaan a = 1/C, kita dapat menghitung nilai C = 1/a.

Dari persamaan b = d/C, kita dapat menghitung d = bC
Subtitusikan d dan C kedalam persamaan y = Cx/(d+x).
 Pencocokan Kurva 54

Tugas:
1. Diberikan pasangan nilai x dan f(x), sebagai berikut:
x 0,1 0,3 0,5 0,7 0,9 1,1 1,3
f(x) 0,003 0,067 0,148 0,248 0,370 0,518 0,697

a. Berapa derajat polinomyang dengan tepat melalui ketujuh titik data

tersebut.
b. Berapa derajat polinom yang terbaik untuk menginterpolasi ketujuh
titik data tersebut.
c. Dengan derajqt terbaik yang anda nyatakan dalam jawaban (b),
tentukan nilai fungsi di x = 0,58 dengan polinom interpolasi:
i. Lagrange
ii. Newton
iii. Newton-Gregory maju
iv. Newton-Gregory mundur
2. Tentukan fungsi linier yang mencocokkan titik-titik data berikut dengan
metode regresi:
x 1,0 1,5 2,0 2,5 3,0
y 2,0 3,2 4,1 4,9 5,9

3. Diberikan titik-titik data sebagai berikut:

x 1 2 3 4 5
y 0,6 0,9 4,3 7,6 12,6

a. Cocokkan titik-titik di tabel masing-masin dengan fungsi f(x) = Cebx

dan f(x) = Cxb.
b. Hitung deviasi = yi – f(xi)