Komputasi Numerik Terapan

Kelas D
Semester Gasal 2017/2018
 Materi Pembelajaran (1)
1. Kesalahan dan perambatan kesalahan (minggu I)
o Ide dasar perhitungan numerik
o Problema Numerik & Algoritma
o Kesalahan dalam perhitungan numerik
o Perambatan kesalahan
2. Penyelesaian persamaan non linier (minggu II)
o Bisection, interpolasi linier, secant, pendekatan berturutan,
newton-Raphson, bairstow
3. Penyelesaian system persamaan linier (minggu III dan IV)
o Metode Langsung (eliminasi gauss, gauss Jordan, LV Decompotion
o Metode tidak langsung (Yacobi, Gauss Siedel)
4. Penyelesaian system persamaan non linier (minggu V)
 Materi Pembelajaran (2)
5. Interpolasi dan Curve Fitting (minggu VII)
6. Differensiasi Numerik dan Integrasi Numerik (VIII & IX)
o Differensiasi: Pendekatan forward, pendekatan central
o Integrasi: Metode trapezium, metode simpson, metode gauss
7. Penyelesaian numerik persamaan differensial biasa (X & XI)
o Initial value problem: metode deret Taylor, metode Euler, Metode Runge
Kutta
o Boundary Value problem: shooting method, metode beda hingga
8. Penyelesaian numerik persamaan differensial partial (XII & XIII)
o Persamaan differential partial Parabolic
o Persamaan differential partial Elliptic
o Persamaan differential partial hiperbolic
Penilaian
 Quiz 1: 15%
 Quiz 2: 15%
 UAS: 25%
 Praktikum: 30%
 Tugas: 15%
 Pendahuluan
 Cara analitik umumnya
PERSOALAN /
hanya dapat digunakan
FENOMENA untuk menyelesaikan
persoalan-persoalan yang
sederhana
MODEL
MATEMATIK  Untuk persoalan yang rumit
umumnya digunakan cara
numerik.
CARA
PENYELESAIAN
MODEL CARA  Cara numerik berkembang
NUMERIK MATEMATIK ANALITIK
seiring dengan
perkembangan teknologi
komputer.
 Diagram Penyelesaian Metoda Numerik
PERMASALAHAN NUMERIK
ALGORITMA
(metodologi / langkah-langkah
untuk menyelesaikan persoalan numerik)
FLOW CHART
PROGRAM KOMPUTER
 Mahasiswa mampu mengenal dan
menerapkan metoda-metoda atau
algritma-algoritma numerik yang
diperlukan untuk menyelesaikan
persoalan-persoalan teknik
 Mahasiswa mampu menyelesaikan
persoalan teknik secara matematik
menggunakan komputer
 Perlu penguasaan prinsip-prinsip
dasar pemrograman
Permasalahan Numerik dan Algoritma
 PermasalahanNumerik adalah pernyataan yang jelas
mengenai hubungan fungsional antara data input dan
data out-put.
 Algoritma untuk suatu permasalahan numerik adalah
pernyataan yang komplit dari operasi-operasi dapat
berupa aritmatik dan logik.
Notasi penjumlahan dalam algoritma
a1  a2  a3  a4  a5  a6  a7  a8
8
Dinyatakan sebagai:
a
i 1
i

Perhatikan persamaan linier berikut:

2 x1  5 x2  3 x3  x4  7
4
Dinyatakan sebagai:
a x
i 1
i i b
Notasi penjumlahan dalam algoritma
Sehingga untuk 4 persamaan linier dapat dinyatakan sbb:
4

a
i 1
x  bj
ji i Dimana j = 1,2,3,4

Jadi, secara umum untuk n persamaan linier:

a
i 1
x  bj
ji i Dimana j = 1,2,...,n
Kesalahan dalam perhitungan numerik
1. Kesalahan dari data input
2. Round off error selama perhitungan
3. Truncation errors
4. Kesalahan akibat penyederhanaan model matematik
5. Human error dan machine error
Error definitions
 True error: Et = true value – approximation
 True percent relative error:
true value  appoximation
t  100%
true value
 Approximate percent relative error
present approximation  previous ppoximation
a  100%
present approximation
 Stopping criterion
Terminate computation when  a   s
where  s is the desired percent relative error
 Iteration (Pengulangan)

 X=F(x)
 Iteration dimulai dengan harga awal xo
 Menghitung x1= F(x0); x2 = F(x1); x3=F(x2) dst.
 Semua perhitungan bertype : xn+1=F(xn)  Iteration Method
 Bila himpunan (xn) memusat (converges) ke suatu harga batas ,
maka diperoleh:
 Lim F(xn)=F(), sehingga x= memenuhi persamaan x=F(x)
n 
Linierization
 Ide : Fungsi yang kompleks didekati dengan suatu fungsi linear
pada suatu titik/tempat tertentu
 Contoh pada penyelesaian f(x)=0 berarti akan dicari
perpotongan dengan sumbu x dari kurva y = f(x).
 Bila x0 adalah pendekatan awal dari titik potong ini Kurva
tersebut didekati dengan garis singgung pada titik (x0, f(x0)).
Biasanya x1 adalah lebih teliti dari pada x0

Y=(x)

x2 x1 x0
 Mencari akar persamaan
f ( x)  ax  bx  c  0
2

Untuk menyelesaikannya (mencari akar pers. kuadrat):

 b  b  4ac
2
x
2a
Bagaimana menyelesaikan persamaan berikut ?
f ( x)  e  x  x
 Drag coefficient problem
f (c ) 
gm
c

1 e 
 c / m t
v
Determine c for m=68.1 kg; v=40 m/s; t=10 s; g=9.8 m/s2

(Use graphical approach to obtain rough estimates of roots)

Penyelesaian Persamaan Non Linier
(Satu Variabel)

 Mencari harga x dari pers. F(x)=0

 Metoda yang digunakan
 Bisection
 Interpolasi Linier
 Newton Raphson
 Succesive Approximation (diubah menjadi x=g(x)
 Untuk mendapatkan akar pers. Polinomial
 Quotient – Difference (Q-D method)
 Bairstow
 Bisection
 Contoh : f(x) = x3 + x2 - 3 x - 3 = 0
 x1=1; f(x1)= - 4
F(x)
 x2=2; f(x2)= 3
4
 x3= ½ (x1+x2); f(x3)= -1,875 3 (x2,f2)

 x1= x3 2 (x4,f4)
1

X1 X3 X4 X2 X
-1
(x5,f5)
-2
(x3,f3)
-3
-4
(x1,f1)
Tabel Perhitungan
Metode Bisection
Ite x1 x2 x3 f(x1) f(x2) f(x3) 1/2 abs (x1- x2)

1 1 2 1.5 -4 3 -1.875 0.5

2 1.5 2 1.75 -1.875 3 0.171875 0.25
3 1.5 1.75 1.625 -1.875 0.171875 -0.94336 0.125
4 1.625 1.75 1.6875 -0.94336 0.171875 -0.40942 0.0625
5 1.6875 1.75 1.71875 -0.40942 0.171875 -0.12479 0.03125
6 1.71875 1.75 1.734375 -0.12479 0.171875 0.02203 0.015625
. .
. .
. .
17 1.73204 1.732056 1.732048 -9.8E-05 4.6E-05 -2.6E-05 7.62939E-06
Algoritma dan Flow chart Start

Metode Bisection Read x1,x2, Tol

f1 = f ( x1 )
f2 = f ( x2 )

1. Pilih harga x1 dan x2 sehingga

f(x1) dan f(x2) berlawanan Y
f1. f2 > 0

tanda N

2. x3 = (x1 + x2) / 2
x3 = 1/2 ( x1 + x2 )

3. Bila ½ | x1 – x2 | ≤ toleransi, E = 1/2 .abs( x1 – x2 )

x3 merupakan penyelesaian.
Bila tidak, dilanjutkan ke Y

tahap 4 E< Tol

N
Cetak x3

4. Bila f(x3) berlawanan tanda f 3 = f ( x3 )

End
dengan f(x1) tetapkan x2 = x3
5. Bila f(x3) berlawanan tanda f1. f2 < 0
Y x2 = x3
f2 = f3
dengan f(x2) tetapkan x1 = x3 N

6. Kembali ke tahap 2 x1 = x3
f1 = f3
 Interpolasi Linier
 Misal dianggap bahwa fungsi f(x) linear pada interval (x1, x2)
dimana f(x1) dan f(x2) mempunyai tanda yang berlawanan
x 2  x3 f ( x2 )

x 2  x1 f ( x 2 )  f ( x1 ) F(x)

4
3 (x2,f2)
atau 2
1

X1 X3 X2 X
f ( x2 ) -1
.f(x2)-f(x1)
x3  x 2  ( x 2  x1 ) -2
f ( x 2 )  f ( x1 ) -3 (x3,f3)
-4
(x1,f1)
Tabel Perhitungan
Metode Interpolasi Linier
Ite x1 x2 x3 f(x1) f(x2) f(x3) abs (f(x3))

1 1 2 1.57143 -4 3 -1.3644 1.364431487

2 1.57143 2 1.70541 -1.3644 3 -0.2477 0.2477451
3 1.70541 2 1.72788 -0.2477 3 -0.0393 0.039339551
4 1.72788 2 1.7314 -0.0393 3 -0.0061 0.006110673
5 1.7314 2 1.73195 -0.0061 3 -0.0009 0.000945921
6 1.73195 2 1.73204 -0.0009 3 -0.0001 0.000146349
7 1.73204 2 1.73205 -0.0001 3 -2E-05 2.26406E-05
8 1.73205 2 1.73205 -2E-05 3 -4E-06 3.50252E-06

f(x) = x3 + x2 - 3 x - 3 = 0
 Algoritma Metode Interpolasi Linier

1. Pilih harga x1 dan x2 sehingga f(x1) dan f(x2) berlawanan tanda

2. x3 = f ( x2 )
x3  x2  ( x2  x1 )
f ( x2 )  f ( x1 )
3. Bila f ( x3 )  Toleransi, harga x3 adalah harga x yang dicari. Bila
tidak, lanjutkan ke tahap 4
4. Bila f(x3) berlawanan tanda dengan f(x1), tetapkan x2 = x3
Bila f(x3) berlawanan tanda dengan f(x2), tetapkan x1 = x2
Kembali ke tahap 2
 Metode Secant

Harga x tidak hanya didekati dari satu sisi tetapi berganti-ganti

sehingga konvergensi cepat tercapai. Dua harga x yang dipilih tidak
perlu mempunyai harga fungsi yang berbeda
Metode ini termasuk metode linier yang diperbaiki
ALGORITMA
 Pilih harga x1 dan x2 sebagai pendekatan awal
 xx3 
=x  f ( x2 )
3 2 ( x2  x1 )
f ( x2 )  f ( x1 )
 Bila f ( x3 )  Toleransi, harga x3 adalah harga x yang dicari. Bila tidak,
lanjutkan ke tahap 4
 x1 = x2
x2 = x3
Kembali ke tahap 2
 Newton Raphson
 Didekati garis singgungnya pada titik(xn , f(xn)) dan xn+1 adalah absis dari titik potong
garis singgung dengan sumbu x
 untuk menentukkan xn+1 digunakan Persamaan : f(xn) + (xn+1- xn) f'(xn) = 0 atau
 f xn 
X n 1  X n 
f ' xn 
 Iterasi dihentikan bila (xn+1-xn)/xn menjadi lebih kecil dari kesalahan terbesar yang
dibolehkan
F(x)

4
3 (xn,fn)
2
1
X

-1 Xn+2 Xn+1 Xn

-2
-3
-4
Tabel Perhitungan Metode Newton Raphson
Contoh : f(x) = sin x – (x/2)2 = 0
Ite xn f(xn) f'(xn) hn xn+1 (xn+1 - xn)/xn
1 1.5 0.43499 -1.4293 -0.3043 1.80435 0.20289947
2 1.80435 0.15893 -2.0358 -0.0781 1.88242 0.04326702
3 1.88242 0.06596 -2.189 -0.0301 1.91255 0.01600796
4 1.91255 0.0277 -2.2477 -0.0123 1.92488 0.00644463
5 1.92488 0.01168 -2.2716 -0.0051 1.93002 0.00267059
6 1.93002 0.00493 -2.2816 -0.0022 1.93218 0.00111923
7 1.93218 0.00208 -2.2857 -0.0009 1.93309 0.00047124
. .
. .
12 1.93373 2.8E-05 -2.2888 -1E-05 1.93374 6.3244E-06
Algoritma dan Flow chart
Metode Newton Raphson start

xo; tol

1. Pilih pendekatan awal xo

2. Pendekatan selanjutnya f(x) ; f’(x)

dengan rumus:
f xn  X1= x0 - f(x0) / f’(x0)
X n 1  X n 
f ' xn 

3. Iterasi dihentikan bila

Y
abs((xn+1-xn)/xn) < toleransi Abs (f(x1))
< tol
Cetak
Xk+1

end
X0=X1
 Succesive Approximation /
Pendekatan berurutan (fixed-point iteration)

 Didekati dengan satu Y Y=x Y Y=x

harga x dimana bentuk
f(x)=0 diubah dalam
bentuk x=g(x)
 Dicek terlebih dahulu
abs(g’(x)) < 1 (kriteria X X
konvergen) .x0 .x1 .x2 .x0 .x2 .x3 .x1

Konvergen
Y Y
Y=x Y=x

X X
.x0 .x1 .x2 .x2 .x0 .x1

Divergen
Algoritma dan Flow chart
Succesive

1. Pilih pendekatan harga awal x0,

k=0 start
2. Tentukan pendekatan berikutnya
dengan rumus iterasi yaitu : X0 , tol
xk+1=g(xk) ; k=0, 1, 2, 3, …..
X1 = g(x0)
3. Iterasi dihentikan bila xk+1 ≈
g(xk) atau dengan pers:
x1  x0 x1  x0 Cetak
 Toleransi  Tol end
x0 x0 X1

(harga x yang dicari adalah

harga x pada iterasi terakhir) X0=X1

Bila tidak dilanjutkan ke tahap 4

4. xk=xk+1 ; k=k+1;
kembali ke tahap 2