METODE NUMERIK
Oleh :
FAKULTAS TEKNIK
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(t) = a0 + a1t
= -100,93 + 30, 914 t ,
V(16) = -100,93 + 30,914 (16)
Penyelesaian:
Dihitung nilai f (x) pada interval antara dua titik, misalnya x = 1 dan x = 2.
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.
= = 1,5.
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.
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
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
Contoh soal:
Hitunglah Salah Satu Akar dari persamaan untuk fungsi yang diberikan berikut ini
F(x) : X3 + X2 – 3X – 3 = 0
1 3 2,2 24 5,888
No. 02
Penyelesaian persamaan linier simultan adalah penentuan nilai xi untuk semua i=1 s/d
n yang memenuhi semua persamaan yang diberikan.
AX = B
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 ?
x = jumlah boneka A
y = jumlah boneka B
Potongan kain
Kancing
10 x + 8 y = 82
6 x + 8 y = 62
N0. 03
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.
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.
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,
Gambar 3.
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.
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.
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
a1 19.690
a2 = 1.0857
a3 0.29048
NO.05
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:
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:
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.
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
Setelah melakukan perhitungan manual, kita buat program pada MATLAB untuk menghitung
berapa nilai dari hasil inetgral fungsi yang diberikan dengan kedua metode tersebut.
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
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.
L = L0 + L1 + L2 + .. + Ln
= f ( x0 )∆x0 + f ( x1 )∆x1 + f ( x2 )∆x2 + ... + f ( xn )∆x3
n
= ∑ f ( xi )∆xi
i =0
∫ f ( x )dx = h∑ f ( xi )
a i =0
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 ) ( x − x0 )( x − x2 )( x − x3 )
L( x) = f ( x0 ) + f ( x1 )
( x0 − x1 )( x0 − x2 )( x0 − x3 ) ( x1 − x0 )( x1 − x2 )( x1 − x3 )
( x − x0 )( x − x1 )( x − x3 ) ( x − x0 )( x − x1 )( x − x2 )
+ f ( x2 ) + f ( x3 )
( x2 − x0 )( x2 − x1 )( x2 − 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
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