UAS

METODE NUMERIK

Oleh :

Nama : J Hendra Riko

Nim : 201231005

FAKULTAS TEKNIK

JURUSAN TEKNIK MESIN

UNIVERSITAS KATOLIK WIDYA KARYA MALANG

JANUARI 2014
No. 01

 Interpolasi Linear
Interpolasi adalah suatu cara untuk mencari nilai di antara beberapa titik data yang
telah diketahui. Di dunia nyata, interpolasi dapat digunakan untuk memperkirakan
suatu fungsi, yang mana fungsi tersebut tidak terdefinisi dengan suatu formula, tetapi
didefinisikan hanya dengan data-data atau tabel, misalnya tabel dari hasil percobaan.
Ada berbagai macam interpolasi berdasarkan
fungsinya, di antaranya adalah interpolasi linier,
interpolasi kuadrat, dan interpolasi polinomial. Adapun
berbagai metode dalam interpolasi antara lain metode
Lagrange dan metode Newton. Kedua metode tersebut
menggunakan fungsi polinomial untuk menginterpolasi
f (x) pada titik-titik yang diberikan. Bagi para peneliti,
interpolasi sering digunakan apalagi bila penelitian
yang dilakukan adalah jenis penelitian kuantitatif, artinya banyak data-data yang
harus dikumpulkan dan dianalisis.
Direct Method of Interpolation

Linier Interpolation
Linier Interpolation adalah Metode matematis untuk mencari data yang tidak diketahui
ditengah data yang diketahui, dengan catatan data-data tersebut tersusun secara linier naik
atau turun
 Diperoleh catatan waktu dan kecepatan sepeda motor sbb:

T V(t)
S m/s
0 0
10 227,04
15 362,75
20 517,35
22,5 602,97
30 901,67
Tentukan Kecepatan Sepeda motor pada detik ke-16?
Jawab:

V(t) = a0 + a1t

V(15) = 362,75 = a0 + a1(15)

V(20) = 517,35 = a0 + a1(15)

Dapat dibentuk matriks sbb:

dengan Invers matriks (lihat postingan sebelumnya), maka diperoleh:

a0 = -100,93
 a1 = 30,914

V(t) = a0 + a1t
= -100,93 + 30, 914 t ,
V(16) = -100,93 + 30,914 (16)

V(16) = 393,7 m/s

 Metode Setengah Interval (Bisection Method)

Contoh:
1) Hitung salah satu akar dari persamaan pangkat tiga berikut ini:

f (x) = 2x3 + 3x2 – 6x – 8 = 0.

Penyelesaian:

a. Penyelesaian dengan Microsoft Excel

Dihitung nilai f (x) pada interval antara dua titik, misalnya x = 1 dan x = 2.

Untuk x = 1; f (x = 1) = 2*(1)3 +3* (1)2 – 6*(1) – 8 = – 9.

Untuk x = 2; f (x = 2) = 2*(2)3 +3* (2)2 – 6*(2) – 8 = 8.

Mengingat fungsi mempunyai bentuk kontinu, maka perubahan tanda dari fungsi antara
nilai 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, lalu dihitung fungsi f (xt):

= = 1,5.

f (x3 = 1,5) = 2*(1,5)3 + 3*(1,5)2 – 6(1,5) – 8 = –3,5.

Karena fungsi berubah tanda antara x = 1,5 dan x = 2, maka akar persamaan terletak diantara
kedua nilai tersebut.
Dengan menggunakan pemrograman komputer maka hasil hitungan akar persamaan dengan
metode setengah interval didapat pada iterasi 16 (lihat Tabel 1, yang merupakan keluaran dari
program komputer), yaitu sebesar x3 = 1,68614.

Tabel 1. Hasil hitungan metode setengah interval

Iterasi X1 X2 X3 f(X1) f(X2) f(X3)

1 1,00000 2,00000 1,50000 -9,00000 8,00000 -3,50000

2 1,50000 2,00000 1,75000 -3,50000 8,00000 1,40625

3 1,50000 1,75000 1,62500 -3,50000 1,40625 -1,24609

4 1,62500 1,75000 1,68750 -1,24609 1,40625 0,02881

5 1,62500 1,68750 1,65625 -1,24609 0,02881 -0,62128

6 1,65625 1,68750 1,67188 -0,62128 0,02881 -0,29942

7 1,67188 1,68750 1,67969 -0,29942 0,02881 -0,13610

8 1,67969 1,68750 1,68359 -0,13610 0,02881 -0,05385

9 1,68359 1,68750 1,68555 -0,05385 0,02881 -0,01257

10 1,68555 1,68750 1,68652 -0,01257 0,02881 0,00811

11 1,68555 1,68652 1,68604 -0,01257 0,00811 -0,00223

12 1,68604 1,68652 1,68628 -0,00223 0,00811 0,00294

13 1,68604 1,68628 1,68616 -0,00223 0,00294 0,00035

14 1,68604 1,68616 1,68610 -0,00223 0,00035 -0,00094

15 1,68610 1,68616 1,68613 -0,00094 0,00035 -0,00030

16 1,68613 1,68616 1,68614 -0,00030 0,00035 0,00003

 Pengertian Metode Secant

Metode secant merupakan perbaikan dari metode regula-falsi dan newton raphson dimana
kemiringan dua titik dinyatakan sacara diskrit, dengan mengambil bentuk garis lurus yang
melalui satu titik.
f’ (X) =( f (Xn) – f (Xn-1)) / (Xn – Xn-1)
Xn+1 = Xn – ( (f(Xn) (Xn – Xn-1)) / ( f(Xn) -f(Xn-1) )

Tujuan dan Fungsi

Tujuan metode secant adalah untuk menyelesaikan masalah yang terdapat pada metode
Newton-Raphson yang terkadang sulit mendapatkan turunan pertama yaitu f‘ (x).
Fungsi metode secant adalah untuk menaksirkan akar dengan menggunakan diferensi
daripada turunan untuk memperkirakan kemiringan/slope.

Algoritma Metode Secant

1. Definisikan fungsi F(x)
2. Definisikan torelansi error (e) dan iterasi maksimum (n)
3. Masukkan dua nilai pendekatan awal yang di antaranya terdapat akar yaitu x0 dan
x1,sebaiknya gunakan metode tabel atau grafis untuk menjamin titik pendakatannya
adalah titik pendekatan yang konvergensinya pada akar persamaan yang diharapkan.
4. Hitung F(x0) dan F(x1) sebagai y0 dan y1
5. Untuk iterasi I = 1 s/d n atau |F(xn)|
Xn+1 = Xn – Yn (Xn – Xn-1 / Yn – Yn-1)
6.Akar persamaan adalah nilai x yang terakhir.

Contoh Soal
Hitung akar persamaan dari :
dimana x1 = 1 dan x2 = 2 ?
Jawab :
f(1) = – 4
f(2) = 3

Iterasi I :
x3 = x2 – (f(x2) (x2 – x1) / f(x2)-f(x1))
 = 2 – (3 (2-1) / 3 – (-4))
= 1,57142
F (1.57142) = -1.36449

Iterasi 2 :
x4 = x3 – (f(x3)(x3-x2) / f(x3)-f(x2))
= 1.57142 – (-1,36449) (1.57142 – 2)
———————————
-1.36449 – 3
= 1,70540
F (1.70540) = -0.24774

Iterasi 3 :
x5 = x4 – (f(x4)(x4-x3) / f(x4)-f(x3))
= 1.70540 – (-0.24774) (1.71 – 1.57)
————————-
(-0.24774)-(-1.36449)
= 1.73514
F (1.73514) = 0.02925

Iterasi 4 :
x6 = x5 – (f(x5)(x5-x4) / f(x5)- f(x4))
= 1.73514 – 0.02925 (1.73514 – 1.70540)
————————————
0.02925 – (-0.24774)
= 1.73200
F (1.73200) = -0.00051

Iterasi 5 :
x7 = x6 – (f(x6)(x6-x5) / f(x6) – f(x5))
= 1.73200 – (-0.00051)(1.73200 – 1.73514)
————————————–
– 0.00051 – 0.02925
= 1.073205
F (1.073205) = 0
.: maka akarnya adalah 1.073205

No xn f (xn) xn – xn-1 f (xn) – f (xn-1)

1 1 -4 - 1
2 2 3 1 7
3 1,57142 -1,36449 -0,42858 -4,36449
4 1,70540 -0,24774 0,13398 1,11675
5 1,73514 0,02925 0,02974 0,27699
6 1,73200 -0,00051 -0,00314 -0,02976
7 1,073205 0 - -

Iterasi dapat dihentikan pada iterasi ke-7

Karena nilai f(x7) = 0, sehingga ditemukan salah satu akarnya = 1,073205

 Metode Iterasi
Sebelum kita membahas metode iterasi untuk menyelesaikan problem sistem
persamaan
linear, saya ingin menyampaikan satu hal yang sangat sederhana, yaitu tentang cara
merepresentasikan
elemen-elemen suatu vektor-kolom. Sebagaimana tertulis pada catatan catatan
sebelumnya, biasanya suatu vektor-kolom ditulis sebagai

 Metode Newthon-Rapshon

 metode pendekatan yang menggunakan satu titik awal dan mendekatinya dengan
memperhatikan slope atau gradien pada titik tersebut.Titik pendekatan ke n+1
dituliskan dengan :
F (xn )
Xn+1 = xn - F 1 ( x n )
Algoritma Metode Newton Raphson

1. Definisikan fungsi f(x) dan f1(x)

2. Tentukan toleransi error (e) dan iterasi maksimum (n)

3. Tentukan nilai pendekatan awal x0

4. Hitung f(x0) dan f’(x0)

5. Untuk iterasi I = 1 s/d n atau |f(xi)|< e

 Hitung f(xi) dan f1(xi)

f (x )
xi +1 = xi − 1 i
f ( xi )

6. Akar persamaan adalah nilai xi yang terakhir diperoleh.

Contoh soal:

Hitunglah Salah Satu Akar dari persamaan untuk fungsi yang diberikan berikut ini 

F(x) : X3 + X2 – 3X – 3 = 0

Tabel Hasil Perhitungan Metode Newton Raphson

 I (X ) (X ) f(X ) F (X )
i i+1 i i+1

1 3 2,2 24 5,888

2 2,2 1,83015 5,888 0,98900

3 1,83015 1,73780 0,98900 0,05457

4 1,73780 1,7307 0,05457 0,00021

5 1,73207 1,73205 0,00021 0,00000

No. 02

Persamaan linear simultan

 Penyelesaian persamaan linier simultan adalah penentuan nilai xi untuk semua i=1 s/d
n yang memenuhi semua persamaan yang diberikan.

 a11 a12 ... a1n   x1   b1 

a a22 ... a2 n   x2  b2 
 21 =
 ... ... ... ...   ...   ... 
    
am1 am 2 ... amn   xn  bn 

 AX = B

 Matrik A = Matrik Koefisien/ Jacobian.

 Vektor x = vektor variabel

 vektor B = vektor konstanta.

 Persamaan Linier Simultan atau Sistem Persamaan

Linier mempunyai kemungkinan solusi :

 Tidak mempunyai solusi

 Tepat satu solusi
 Banyak solusi
 - Augmented Matrix
o matrik yang merupakan perluasan matrik A dengan menambahkan vector B
pada kolom terakhirnya, dan dituliskan:
o Augmented (A) = [A B]

 a11 a12 a13 ... a1n b1 

a a22 a23 ... a2 n b2 
 21
 ... ... ... ... ... ... 
 
am1 am 2 am 3 ... amn bm 

Contoh:

 Seorang pembuat boneka ingin membuat dua macam boneka yaitu boneka A dan
boneka B. Kedua boneka tersebut dibuat dengan menggunakan dua macam bahan
yaitu potongan kain dan kancing. Boneka A membutuhkan 10 potongan kain dan 6
kancing, sedangkan boneka B membutuhkan 8 potongan kain dan 8 kancing.

 Permasalahannya adalah berapa buah boneka A dan boneka B yang dapat dibuat dari
82 potongan kain dan 62 kancing ?

 Permasalahan ini dapat dimodelkan dengan menyatakan :

 x = jumlah boneka A

 y = jumlah boneka B

 Untuk setiap bahan dapat dinyatakan bahwa:

 Potongan kain

10 untuk boneka A + 8 untuk boneka B = 82

 Kancing

6 untuk boneka A + 8 untuk boneka B = 62

 Atau dapat dituliskan dengan :

10 x + 8 y = 82
 6 x + 8 y = 62

 Penyelesaian dari permasalahan di atas adalah penentuan nilai x dan y yang

memenuhi kedua persamaan di atas.

N0. 03

 Metode Aturan Cramer Dan Matrix

Persamaan – persamaan hasil diskritisasi volume untuk perhitungan numeric, seperti pada
gambar 1, dapat diselesaikan dengan berbagai metode. Metode – metode apapun yang
digunakan, pada prinsipnya, dapat menyelesaikan persamaan – persamaan ini untuk mencari
solusi dari sistem persamaannya sendiri. Namun, untuk perhitungan – perhitungan yang rumit
dengan jumlah persamaan dan variable yang banyak, dimana computer digunakan, algoritma
kalkulasi yang efisien serta bersahabat dengan performa computer yang ekonomis perlu
untuk dipahami.

Secara umum, metode yang digunakan adalah metode langsung (Direct) dan tidak langsung
(Indirect atau Iterative). Yang dimaksud dengan metode langsung adalah suatu metode
analitis yang digunakan langsung untuk mencari solusi dari sistem persamaan, contohnya
adalah metode aturan cramer dan eliminasi Gauss. Pada metode ini, jumlah operasi
perhitungan yang dilakukan dapat diketahui sebelumnya, yaitu, untuk menyelesaikan
sebanyak N persamaan dengan N variable yang tidak diketahui, diperlukan N3 operasi
dimana sebanyak N2 koefisien harus disimpan pada memori computer.

Gambar 1. Contoh sistem persamaan linear

Tentunya, hal ini menjadi suatu hambatan tersendiri jika kemampuan computer yang akan
digunakan mempunyai performa yang minim pada saat ingin dilakukan komputasi mengenai
permasalahan, yang pada saat sudah didiskritisasi, membentuk suatu sistem persamaan
dengan jumlah persamaan dan jumlah variable yang banyak sehingga akan diperlukan
memori computer yang besar untuk menyimpan N2 koefisien.

Sedangkan metode tidak langsung atau iterative, merupakan metode yang berbasiskan
terhadap aplikasi dari langkah – langkah/algoritma sederhana yang diulang – ulang pada
sistem persamaan tersebut hingga sistem persamaan mencapai keadaan konvergen yang
merepresentasikan solusi dari sistem persamaan tersebut. Pada metode iterative, banyaknya
langkah – langkah perhitungan yang dilakukan tidak dapat diprediksi, dimana tipikalnya
adalah sebanyak N perhitungan per satu kali iterasi. Kekurangan lainnya adalah, jika sistem
persamaan tidak berada pada kondisi yang kondusif, maka konvergensi dari suatu sistem
persamaan tidak dapat terjamin. Satu – satunya kelebihan dari penggunaan metode iterative
adalah sedikitnya memori computer yang digunakan sebagai akibat dari algoritma yang
mendesain agar computer hanya menyimpan koefisien – koefisien yang tidak nol. Simulasi –
simulasi aliran fluida dapat memiliki jumlah persamaan dan variabel yang sangat banyak,
mulai dari 1000 – 2 juta persamaan, yang tentunya dari sistem persamaan tersebut akan
terdapat koefisien – koefisien nol, yang jika tidak disimpan pada memori computer, akan
menghemat banyak ruang untuk performa computer.

Dikarenakan sistem persamaan Jacobi dan Gauss – Siedel yang lambat mencapai konvergensi
pada saat sistem persamaan yang ditinjau mempunyai jumlah persamaan dan variable yang
banyak, maka metode ini tidak digunakan pada prosedur kalkulasi CFD. Metode iterative
selain Jacobi dan Gauss – Siedel, metode lain yang dapat digunakan adalah kalkulasi dengan
menggunakan algoritma matrix tri – diagonal (TDMA) yang diperkenalkan oleh Thomas
pada tahun 1949.

Tri – Diagonal Matrix Algorithm (TDMA)

TDMA merupakan metode kalkulasi iterative untuk komputasi CFD dua atau tiga dimensi
dan merupakan algoritma standar untuk kalkulasi solusi persamaan aliran pada koordinat
cartesius. Dapat diperhatikan salah satu contoh matriks tri – diagonal pada gambar 2.
 Gambar 2. Contoh sistem persamaan yang membentuk matriks tri – diagonal

Pada gambar di atas, ϕ1 dan ϕn+1 adalah merupakan nilai batas yang diketahui. Bentuk umum
dari setiap persamaan adalah seperti berikut,

Persamaan – persamaan pada gambar 2 dapat di atur ulang seperti berikut,

Gambar 3.

Untuk mendapatkan solusi terhadap ϕ, langkah kalkulasi yang pertama dilakukan

adalahforward elimination dengan kemudian dilakukan back substitution untuk mendapatkan
nilai – nilai ϕ. Inti dari forward elimination adalah mengatur ulang persamaan – persamaan
pada gambar di atas. Dapat diperhatikan urutannya seperti pada gambar 4 untuk
contoh forward elimination untuk ϕ3. Untuk langkah pertama, ϕ2 disubtitusi dari persamaan
pertama seperti pada gambar 3 di atas.
 Gambar 4. Forward Elimination pada ϕ3

Setelah langkah pada gambar 4 diteruskan sampai ϕn, langkah back substitution dilakukan
untuk kalkulasi solusi terhadap nilai – nilai ϕ. Dengan Back Substitution adalah langkah yang
mencari solusi variable dari persamaan yang terakhir, dengan kemudian mensubtitusi
persamaan terakhir tersebut ke persamaan sebelumnya, langkah ini terus dilakukan hingga
nilai semua variable diperoleh.

Aplikasi TDMA

Pada kasus dua dimensi (lihat gambar 5), TDMA akan dilakukan dengan mengkalkulasi
sistem persamaan pada satu arah dengan kemudian berpindah ke garis lainnya. Untuk lebih
jelasnya, misal akan dilakukan suatu kalkulasi pada bidang dua dimensi seperti pada gambar
5, maka perlu dibuat sistem persamaan dari 1 sampai titik n. Setelah kalkulasi dari titik satu
sampai titik n selesai, kalkulasi berpindah ke samping dengan arah yang sama dengan
kalkulasi sebelumnya.
 Gambar 5. Bidang dua dimensi

Misal, pada titik 2, persamaan yang terbentuk dapat berupa seperti pada gambar di bawah ini.

Gambar 6.

Untuk menyesuaikannya seperti persamaan pada gambar 2, maka persamaan di atas diatur
seperti di bawah ini.

Gambar 7.

Dengan subskrip S, N, W, E, P adalah masing – masing koefisien dan variable sebelah

selatan titik, koefisien dan variable sebelah utara titik, koefisien dan variable sebelah barat
titik, koefisien dan variable sebelah timur titik, dan titik yang bersangkutan, serta b yang
adalah suku sumber atau factor yang berkontribusi terhadap perubahan nilai – nilai atau
distribusi variable ϕ pada daerah komputasi. Karena perhitungan bergerak dari selatan ke
utara, maka nilai – nilai yang bersangkutan dengan titik sebelah barat dan sebelah timur titik
yang bersangkutan dianggap diketahui (biasanya diberikan nilai nol). Begitu terus
perhitungan dilakukan hingga variable – variable ϕ di setiap titik pada bidang diperoleh.
Setelah itu, perhitungan dilakukan lagi (diulang/iterasi) hingga error terhadap solusi dari
sistem persamaan mencapai toleransi yang telah ditetapkan sebelumnya.

Sedangkan untuk kasus tiga dimensi, perhitungan pada dasarnya sama seperti pada kasus dua
dimensi. Namun, sebelum kalkulasi sistem persamaan diiterasi, pergerakan perhitungan
bergerak ke atas/ bawah terlebih dahulu untuk mendapatkan variable pada semua daerah
komputasi. Berikut contoh gambar untuk memperjelas aplikasi TDMA pada kasus tiga
dimensi.

Gambar 8. Daerah komputasi tiga dimensi

Serta berikut contoh persamaan pada setiap titik di kasus komputasi tiga dimensi.

Untuk contoh kalkulasi pada model fisikanya, referensi versteeg [1] dapat menjadi bahan
acuan. Sedangkan beberapa contoh – contoh kalkulasi iterasi dapat diperhatikan padaMetoda
Iterative Bisection dalam kalkulasi solusi persamaan polynomial orde tiga,Kalkulasi
ketinggian cairan pada tanki horizontal dengan menggunakan Microsoft Visual Basic. Serta
berikut pembahasan – pembahasan singkat mengenai kalkulasi solusi sistem
persamaan, Kalkulasi solusi persamaan aljabar simultan, Metoda Iterasi.
NO. 04

 Metode gauss-seidel

Merupakan metode iterasi.

• Prosedur umum:
- Selesaikan secara aljabar variabel tidak diketahui xi masing-masing persamaan linier
- Asumsikan suatu nilai awal pada setiap penyelesaian
- Selesaikan masing-masing xi dan ulangi
- Hitung nilai mutlak dari kesalahan perkiraan relatif
setelah masing-masing iterasi sehingga kurang darinilai toleransi.
• Metode Gauss-Seidel Method membolehkan pengguna untuk mengkontrol round-off
error.
• Metode eliminasi seperti Eliminasi Gauss dan Metode Gauss-Seidel Dekompoisi LU
rentan terhadap round-off error.
• Juga, bila bentuk dari masalah dapat dipahami, dapat ditentukan nilai perkiraan awal
yang lebih dekat, sehingga menghemat waktu iterasi.
persamaan dan n bilangan tak diketahui:
Algoritma
a x1 + a12 x2 a13 x3 + ...+ a1n xn = b1
11

a21x1+ a22x2 + a33x3 + ... + a2nxn = b2

an1x1 + an2x2 + an3x3 + ... + a3nxn = bn

• Jika element diagonal tidak nol, tuliskan kembali masingmasingpersamaan untuk

menyelesaikan bilangan yang tak diketahui.
Misal:
– Persamaan ke-1, untuk menyelesaian x1,
– Persamaan ke-2, untuk menyelesaikan x2, dst.
Contoh :
Hasis beberapa iterasi adalah sebagai berikut:
Iterasi a1 |∈a|1 % a2 |∈a|2 % a3 |∈a|3 %
1 3.6720 72.767 -7.8510 125.47 -155.36 103.22
2 12.056 69.543 -54.882 85.695 -798.34 80.540
3 47.182 74.447 -255.51 78.521 -3448.9 76.852
4 193.33 75.595 −1093.4 76.632 −14440 76.116
5 800.53 75.850 −4577.2 76.112 −60072 75.963
6 3322.6 75.906 −19049 75.972 −249580 75.931
Catatan– Nilai kesalahan relatif tidak banyak berkurang pada setiap iterasi, termasuk pula
tidak konvergen pada nilai sebenarnya.

a1 19.690
a2 = 1.0857
a3 0.29048

NO.05

 Integral Numerik Metode Trapezoid dan Metode Simpson

Integral numerik juga dinamakan quadrature telah menjadi perhatian para ilmuwan sejak
abad 18 hingga 19.Quadrature pada prinsipnya adalah konsep yang sangat mudah yaitu
bagaimana mengevaluasi integral suatu fungsi:

Dipandang dari sudut persamaan diferensial maka mencari nilai integral I adalah sama
dengan menyelesaikan persamaan diferensial:

Dengan syarat batas f(x)=0

Newton-Cotes Formula
Metode yang umum digunakan dalam menghitung integral numerik adalah Newton-Cotes
Formula, dimana batas antara a dan b dibagi ke dalam bagian yang lebih kecil (step-size h)
sedemikian rupa sehingga notasi integral dapat diganti ,emjadi notasi penjumlahan (sigma),
yaitu:

Untuk metode closed loop

Untuk metode open loop

Fungsi f(x) adalah fungsi yang diintegralkan, namun untuk memperoleh rumus integral
numerik dapat diganti dengan fungsi interpolasi seperti deret Taylor, Newton forward,
Lagrange, dll.

Ada dua formula dasar yang populer pada formula Newton-Cotes yaitu trapezoidal rule dan
Simpson-rule.

Trapezoidal rule
Metode trapezoid ini dapat diturunkan dengan substitusi fungsi Lagrange orde-1 sebagai f(x)
yaitu:

Dengan demikian :

Dimana R adalah suku yang mengandung error komputasi O(h3). Sehingga kita mendapatkan
rumus integral trapezoid yaitu:

Simpson rule
Metode Simpson dapat diturunkan dengan substitusi fungsi Lagrange orde-2 sebagai f(x)
yaitu sebagai berikut:

Dimana h=(b-a)/2, x0 = a,
x1 = a+h, x2 = a+2h. Dengan demikian
Dimana Rs adalah suku yang mengandung error komputasi O(h3). Sehingga kita
mendapatkan rumus integral Simpson yaitu:

Sekarang kita coba kedua metode di atas untuk menyelesaikan persoalan berikut ini:

Hitung
menggunakan metode trapezoid dan simpson 1/3 dengan jumlah pias N=8!

Sebelum menghitung dengan metode numerik, sebaiknya kita hitung dahulu menggunakan
metode analitik kemudian hasil akhirnya kita bandingkan.

Misal u = 1+x sehingga

Kita substitusikan menjadi

Solusi metode trapezoid

Hasil integral di atas didekati dengan metode trapezoid dengan persamaan:

Dengan N=8, sehingga nilai h=0,125

Kita lakukan perhitungan manual terlebih dahulu seperti berikut:

i
xi F(xi)
 0 0 1

1 0,125 0,888

2 0,25 0,8

3 0,375 0,7272

4 0,5 0,666

5 0,625 0,6153

6 0,75 0,571

7 0,875 0,533

8 1 0,5

Hasil yang diberikan metode trapezoid memberikan nilai 0,6938.

Solusi metode Simpson 1/3

Solusi ini menggunakan persamaan
Dengan tabel yang sama kita dapatkan

Hasil yang didapatkan melalui metode simpson 1/3 adalah 0,69255.

Setelah melakukan perhitungan manual, kita buat program pada MATLAB untuk menghitung
berapa nilai dari hasil inetgral fungsi yang diberikan dengan kedua metode tersebut.

Berikut listing programnya:

clear;clc;

a=0;

b=1;

x=0;

h=0.125;

n=(b-a)/h

n=round(n)

for i=1:(n+1)

f(i)=1/(1+x);

x=x+h;

end

f
ff=f(2:n)

sum=0;

for i=1:(n-1);

sum=sum+ff(i);

end

sum

trap=(h/2)*(f(1)+2*sum+f(n+1))

sigma=0;

for i=1:(n-1)

if (rem(i,2)~=0)

sigma=sigma+4*ff(i); else

sigma=sigma+2*ff(i); end

simp=(h/3)*(f(1)+sigma+f(n+1))

Kedua metode di atas dapat diletakkan pada satu listing program saja. Kode
trap=(h/2)*(f(1)+2*sum+f(n+1))digunakan untuk metode trapezoid dan kode
simp=(h/3)*(f(1)+sigma+f(n+1))
untuk metode simpson 1/3. Jika program di atas kita run maka akan memberikan hasil berikut
ini:
n=8

n=8

f = 1.0000 0.8889 0.8000 0.7273 0.6667 0.6154 0.5714 0.5333 0.5000

ff = 0.8889 0.8000 0.7273 0.6667 0.6154 0.5714 0.5333

sum = 4.8030

trap = 0.6941

simp = 0.6932
Tampak nilai trap = 0,6941 dan simp = 0,6932 masing-masing nilai metode trapezoid dan
metode simpson yang hampir sama dengan perhitungan manual.

 Metode integral reiman

- Luasan yang dibatasi y = f(x) dan sumbu x
- Luasan dibagi menjadi N bagian pada range x = [a,b]
- Kemudian dihitung Li : luas setiap persegi panjang dimana Li=f(xi).

 Luas keseluruhan adalah jumlah Li dan dituliskan :

L = L0 + L1 + L2 + .. + Ln
= f ( x0 )∆x0 + f ( x1 )∆x1 + f ( x2 )∆x2 + ... + f ( xn )∆x3
n
= ∑ f ( xi )∆xi
i =0

Dimana : ∆x0 = ∆x1 = ∆x 2 = ... = ∆x n = h

b
Didapat : n

∫ f ( x )dx = h∑ f ( xi )
a i =0

Contoh: Dengan mengambil h=0.1 maka diperoleh tabel :

10
L = h.∑ f ( xi )
i =0

= 0.1(0 + 0.01 + 0.04 + 0.09 + 0.16 + 0.25 + 0.36 + 0.49 + 0.64 + 0.81 + 1.00 )
= (0.1)(3,85) = 0,385

1
1
Secara kalkulus: L = ∫ x 2 dx = x 3 |10 = 0,3333.....
0
3
Terdapat kesalahan e = 0,385-0,333

= 0,052
  Aturan simson 3/8

( x − x1 )( x − x2 )( x − x3 )
L( x) = f ( x0 ) +
( x0 − x1 )( x0 − x2 )( x0 − x3 )
( x − x0 )( x − x1 )( x − x3 )
+ f ( x2 ) +
( x2 − x0 )( x2 − x1 )( x2 − x3 )
( x − x0 )( x − x2 )( x − x3 )
f ( x1 )
( x1 − x0 )( x1 − x2 )( x1 − x3 )
( x − x0 )( x − x1 )( x − x2 )
f ( x3 )
( x3 − x0 )( x3 − x1 )( x3 − x2 )

b b b−a
∫a
f(x)dx ≈ ∫ L(x)dx ; h =
a 3
=
3h
[ f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + f ( x3 )]
8

Error pemenggalan: Et = − 3 h 5 f ( 4 ) (ξ ) = − (b − a ) f ( 4 ) (ξ ) ; h = b − a
5

80 6480 3

 Aturan Simson 1/3

Aproksimasi dengan fungsi parabola

2
f ( x)dx ≈ ∑ ci f ( xi ) = c0 f ( x0 ) + c1 f ( x1 ) + c2 f ( x2 )
b
∫
a
i =0

=
h
[ f ( x0 ) + 4 f ( x1 ) + f ( x2 )]
3

L(x)
f(x)

Xo h x1 h x2 x

ξ (ξ − 1) ξ (ξ + 1)
L(ξ ) = f ( x0 ) + (1 − ξ 2 ) f ( x1 ) + f ( x2 )
2 2
 b 1 h 1
∫a
f ( x)dx ≈ h ∫ L(ξ )dξ = f ( x0 )
−1 2 ∫−1
ξ (ξ − 1)dξ
1 h 1
+ f ( x1 )h ∫ ( 1 − ξ 2 )dξ + f ( x2 ) ∫ ξ (ξ + 1)dξ
0 2 −1
1 1
h ξ3 ξ2 ξ3
= f ( x0 ) ( − ) + f ( x1 )h(ξ − )
2 3 2 −1 3 −1
1
h ξ3 ξ2
+ f ( x2 ) ( + )
2 3 2 −1

h
[ f ( x0 ) + 4 f ( x1 ) + f ( x2 )]
b
∫
a
f ( x )dx =
3