MODUL

MATA KULIAH
ANALISA NUMERIK

Disusun Oleh:
Candra Mecca Sufyana

1
 Daftar Isi

Kata Pengantar ............................................................................................................ 2

Daftar isi......................................................................................................... 3
Daftar Gambar.............................................................................................. 5
Daftar Tabel................................................................................................... 6
Deskripsi Mata Kuliah………….……………………………….………….. 7
Tujuan Mata Kuliah Umum...….……………………………….…………..7
Tujuan Mata Kuliah Khusus.….……………………………….………….. 7

BAB I PENDAHULUAN
1.1 Definisi analisa numerik..................................................... 8
1.2 Tahap penyelesaian secara numerik......................................10
1.3 Galat (Kesalahan)………………………………………….11

BAB II SISTEM PERSAMAAN NON-LINEAR

2.1 Metode Tertutup
2.1.1 Metode tabel..………………………………………….. 13
2.1.2 Metode grafik….………………………………………. 15
2.1.3 Metode bisection...…………………………………….. 16
2.1.4 Metode regulasi falsi………………………………… ...17
2.2 Metode Terbuka
2.2.1 Metode iterasi………………………………………….. 19
2.2.2 Metode Newton Rapshon…..…………………………. 20
2.2.3 Metode secant… ...…………………………………….. 23

BAB III INTERPOLASI

3.1 Interpolasi Linear… ……………………….………………... 29
3.2 Interpolasi Kuadratik……………………………..………… 30
3.3 Interpolasi Polinomial………………………….……….…… 31
3.4 Interpolasi Lagrange………………………….……….…… 32

BAB IV INTEGRASI NUMERIK

4.1 Dasar pengintegralan numerik…………….………………... 35
4.2 Metode Reimann…………….…………………..………… 38
4.3 Metode Trapesium…………………………….……….…… 39
4.4 Metode Simpson 1/3…………………….……….………… 40
4.5 Metode Simpson 3/8………………………….……….…….. 42
4.6 Metode Integrasi Gauss………………….……….………… 43
4.7 Penerapan Integrasi Numerik………………….……….…….. 44

2
BAB V PERSAMAAN LINEAR SIMULTAN
5.1 Eliminasi Gauss… ……………………….………………... 50
5.2 Eliminasi Gauss Jordan…………………………..………… 56
5.3 Dekomposisi LU………………………….……….…… 58
5.4 Iterasi Gauss-Seidel………………………….……….…… 62

DAFTAR PUSTAKA ................................................................................. 67

3
 Daftar Gambar

Gambar Nama gambar Halaman

1.1 Bagan Metode Analisa Numerik 8
2.1 Grafik akar persamaan kuadrat 10
2.2 Metode Grafik 15
2.3 Bisection 16
2.4 Daerah akar fungsi 17
2.5 Regulasi Falsi 18
2.6 Newton Rapshon 20
2.7 Penyelesaian dengan Newton Rapshon 20
2.8 Metode Secant 23
2.9 Grafik fungsi metode secant 24
2.10 Flowchart Metode Secant 25
3.1 Grafik Interpolasi 28
3.2 Interpolasi Linear 29
3.3 Interpolasi kuadratik 30
4.1 Dasar pengintegralan numeric 36
4.2 Pendekatan solusi integrasi numeric 36
4.3 Grafik Linear dan kuadratik 37
4.4 Grafik kubik dan polinomial 37
4.5 Grafik polynomial data 37
4.6 Grafik luas dengan integral 38
4.7 Metode Reimann 38
4.8 Grafik Solusi reimann 39
4.9 Metode Trapesium 40
4.10 Metode Simpson 1/3 41
4.11 Pembagian h metode simpson 1/3 42
4.12 Metode Simpson 3/8 42
5.1 Solusi sitem persamaan linear 48
5.2 Flowchart system persamaan linear 55

4
 Daftar Tabel

Tabel Keterangan Halaman

2.1 Metode tabel 14
2.2 Contoh metode tabel 15
2.3 Penentuan metode bisection 18
2.4 Iterasi 20
2.5 Iterasi Newton Rapshin 25
2.6 Perbandingan Metode system persamaan linear 26

5
A. Deskripsi Mata Kuliah

Pada mata kuliah ini disajikan beberapa analisa numerik. Pertama-tama diberikan beberapa
definisi, teorema yang berhubungan dengan analisa numerik, termasuk penyajian bilangan,
galat dan beberapa konsep dasar yang terkait. Selanjutnya dibahas penyelesaian
persamaaan non linear dengan menggunakan metode grafik, tabel, Bisection, Newton
Raphson, Secant, dan Modifikasi metode Newton untuk Polinomial. Pembahasan Sistem
Linear meliputi aljabar matriks, metode penyelesaian Sistem Linear dengan metode iterasi
Jacobi, Gauss Seidel dan penyelesaian sistem linear tridiagonal. Sementara metode
numerik untuk aljabar matriks dibahas mengenai menghitung determinan dan invers
matriks. Untuk Interpolasi dibahas Interpolasi Polinomial yang meliputi Interpolasi Linear
dan Kuadrat, Interpolasi Beda terbagi Newton, dan Interpolasi Lagrange, Integral numerik
yang meliputi Konsep dasar Integral Numerik, Diantaranya Metode Reimann dan
Trapezoid juga Metode Newton-Cotes termasuk Aturan Simpson 1/3 dan Aturan Simpson
3/8. Ditambah pengenalan tentang differensiasi numeric seperti konsep finite difference
dan berbagai analisa numerik tersebut diaplikasikan dalam bahasa pemograman

B. Tujuan Kompetensi Umum

Setelah mengikuti mata kuliah ini, mahasiswa diharapkan dapat menggunakan dan
menginterpretasikan beberapa analisa numerik beserta algoritmanya kepada berbagai
masalah yang berhubungan dengan masalah numerik.

C. Tujuan Kompetensi Khusus

• Menjelaskan penyajian bilangan, analisis kesalahan, pemilihan metode aritmetika

dan konsep-konsep dasar yang berhubungan dengan metode numerik
• Menyelesaikan persamaan non linear dengan beberapa metode dan
menginterpreasikan hasilnya beserta algoritmanya
• Menyelesaikan Sistem Linear dengan beberapa metode dan menginterpreasikan
hasilnya beserta algoritmanya
• Menentukan determinan dan invers matriks dan menginterpretasikan hasilnya beserta
algoritmanya
• Menentukan suatu interpolasi dari barisan data dengan beberapa metode dan
menginterpreasikan hasilnya beserta algoritmanya
• Menghitung integral secara numerik dengan beberapa metode.

6
 BAB I
PENDAHULUAN

A. Tujuan Kompetensi Khusus

• Mahasiswa dapat mengetahui dan memahami pengertian dan maksud pembelajaran
analisa numerik dan mampu mengetahui perbedaanya dengan metode analitik dan
metode empirik
• Menjelaskan penyajian bilangan, analisis kesalahan (galat), pemilihan metode
aritmetika dan konsep-konsep dasar yang berhubungan dengan metode numeric

B. Uraian Materi
1.1 Definisi Analisa Numerik
Dalam metode penyelesaian permasalahan di berbagai disiplin ilmu pengetahuan, seperti
dalam bidang fisika, kimia, matematika atau ekonomi, atau pada persoalan di bidang
rekayasa (engineering), seperti Teknik Sipil, Teknik Mesin, Elektro, dan sebagainya,
diantaranya pada umumnya harus diformulasikan dalam notasi matematika sebelum
dianalisa secara kualitatif baik secara analitik (secara eksakta) ataupun secara numerik,
walaupun ada beberapa pula yang menggunakan metode penyelesaian secara empiris
(melalui percobaan).

Metode
Penyelesaian

Analitik Numerik Empirik

Gambar 1.1. Bagan Metode Penyelesaian

Metode analitik adalah metode sebenarnya yang dapat memberikan solusi sebenarnya
(exact solution) atau solusi sejati artinya metode penyelesaian model matematika dengan
rumus-rumus aljabar yang sudah baku (lazim) dan solusi yang dihasilkan memiliki galat
atau error = 0. Namun metode analitik hanya unggul pada sejumlah persoalan matematika
yang terbatas. Padahal persoalan yang muncul dalam dunia nyata seringkali melibatkan
bentuk dan proses yang rumit. Akibatnya nilai praktis penyelesaian metode analitik
menjadi terbatas.
Bila metode analitik tidak dapat lagi diterapkan, maka solusi persoalan sebenarnya masih
dapat dicari dengan menggunakan metode numerik. Metode numerik adalah teknik yang
digunakan untuk memformulasikan persoalan matematik sehingga dapat dipecahkan
dengan operasi perhitungan/aritmetika biasa (tambah, kurang, kali, dan bagi). Metode
artinya cara, sedangkan numerik artinya angka. Jadi metode numerik secara harafiah
berarti cara berhitung dengan menggunakan angka-angka.
Dari penjelasan tersebut terdapat dua hal mendasar mengenai perbedaan antara
metode numerik dengan metode analitik yaitu pertama, solusi dengan menggunakan
metode numerik selalu berbentuk angka sedangkan metode analitik umumnya
menghasilkan solusi dalam bentuk fungsi matematik yang selanjutnya fungsi matematik
tersebut dapat dievaluasi untuk menghasilkan nilai dalam bentuk angka. Kedua, dengan
metode numerik, kita hanya memperoleh solusi yang menghampiri atau mendekati solusi

7
sejati sehingga solusi numerik dinamakan juga solusi pendekatan (approxomation),
namun solusi pendekatan dapat dibuat seteliti yang kita inginkan. Solusi hampiran jelas
tidak tepat sama dengan solusi sejati, sehingga ada selisih antara keduanya. Selisih inilah
yang disebut dengan galat (error).
Sebagai contoh ilustrasi, tinjau sekumpulan persoalan matematik di bawah ini.
(1) Tentukan akar-akar persamaan polinom:
7.77 x 7 − 1.24 x 6 + 99 x 4 + 38 x 3 − 14.2 x 2 − x + 666 = 0
(2) Selesaikan sistem persamaaan lanjar (linear)

(3) Tentukan nilai maksimum fungsi tiga matra (dimension):

(4) Hitung nilai integral-tentu berikut

(5) Diberikan persamaan differensial biasa (PDB) dengan nilai awal:

Hitung nilai y pada t = 1.8!

Untuk menyelesaikan soal-soal seperti di atas dengan metode analitik, sangatlah sulit. Soal
(1) misalnya, biasanya untuk polinom derajat dua masih dapat mencari akar-akar polinom
dengan rumus abc, grafik atau difaktorkan. Sedangkan untuk polinom berderajat banyak
seperti diatas memerlukan bantuan numerik. Soal (2) pun sama, untuk menyelesaikan
persamaan linear dengan banyak peubah juga sulit untuk diselesaikan secara analitik,
begitupun dengan soal lainya.
Dari Ilistrusi diatas dapat disimpulkan mengenai alasan menggunakan
MetodeNumerik
• Tidak semua permasalahan matematis atau perhitungan dapat diselesaikan dengan
mudah.
• Dibutuhkan metode yang menggunakan analisis-analisis pendekatan persoalan non
linier untuk menghasilkan nilai yang diharapkan.
• Kesulitan menggunakan metode analitik untuk mencari solusi exact dengan jumlah
data yang besar, diperlukan perhitungan komputer, metode numerik menjadi penting
untuk menyelesaikan permasalahan ini
• Pemakaian metode analitik terkadang sulit diterjemahkan kedalam algoritma yang
dapat dimengerti oleh komputer. Metode numeric yang memang berangkat dari
pemakaian alat bantu hitung merupakan alternatif yang baik dalam menyelesaian
persoalan-persoalan perhittungan yang rumit.

8
Beberapa kriteria penyelesaian perhitungan matematika
• Bila persoalan merupakan persoalan yang sederhana atau ada theorem analisa
matematika yang dapat digunakan untuk menyelesaikan persoalan tersebut, maka
penyelesaian matematis (metodeanalitik) adalah penyelesaian exact yang harus
digunakan. Penyelesaian ini menjadi acuan bagi pemakaian metode pendekatan.
• Bila persoalan sudah sangat sulit atau tidak mungkin diselesaiakan secara matematis
(analitik) karena tidak ada theorem analisa matematik yang dapat digunakan, maka
dapat digunakan metode numerik.
• Bila persoalan sudah merupakan persoalan yang mempunyai kompleksitas tinggi,
sehingga metode numeric pun tidak dapat menyajikan penyelesaian dengan baik,
maka dapat digunakan metode-metode simulasi.

1.2 Tahap-Tahap Memecahkan Persoalan Secara Numerik

Ada enam tahap yang dilakukan dakam pemecahan persoalan dunia nyata dengan
metode numerik, yaitu
1. Pemodelan
Ini adalah tahap pertama. Persoalan dunia nyata dimodelkan ke dalam persamaan
matematika (lihat contoh ilustrasi pada upabab 1.2)
2. Penyederhanaan model
Model matematika yang dihasilkan dari tahap 1 mungkin saja terlalu kompleks, yaitu
memasukkan banyak peubah (variable) atau parameter. Semakin kompleks model
matematikanya, semakin rumit penyelesaiannya. Mungkin beberapa andaian dibuat
sehingga beberapa parameter dapat diabaikan.Contohnya, faktor gesekan udara diabaikan
sehingga koefisian gesekan di dalam model dapat dibuang. Model matematika yang
diperoleh dari penyederhanaan menjadi lebih sederhana sehingga solusinya akan lebih
mudah diperoleh.
3. Formulasi numerik
Setelah model matematika yang sederhana diperoleh, tahap selanjutnya
adalah memformulasikannya secara numerik, antara lain:
a. menentukan metode numerik yang akan dipakai bersama-sama dengan analisis galat
awal (yaitu taksiran galat, penentuan ukuran langkah, dan sebagainya).
Pemilihan metode didasari pada pertimbangan:
- apakah metode tersebut teliti?
- apakah metode tersebut mudah diprogram dan waktu pelaksanaannya cepat?
- apakah metode tersebut tidak peka terhadap perubahan data yang cukup kecil?
b. menyusun algoritma dari metode numerik yang dipilih.
4. Pemrograman
Tahap selanjutnya adalah menerjemahkan algoritma ke dalam program computer dengan
menggunakan salah satu bahasa pemrograman yang dikuasai.
5. Operasional
Pada tahap ini, program komputer dijalankan dengan data uji coba sebelum data yang
sesungguhnya.
6. Evaluasi
Bila program sudah selesai dijalankan dengan data yang sesungguhnya, maka hasil yang
diperoleh diinterpretasi. Interpretasi meliputi analisis hasil run dan membandingkannya
dengan prinsip dasar dan hasil-hasil empirik untuk menaksir kualitas solusi numerik, dan
keputusan untuk menjalankan kembali program dengan untuk memperoleh hasil yang lebih
baik.

9
1.3 Galat (Kesalahan)
Penyelesaian secara numerik dari suatu persamaan matematis hanya memberikan nilai
perkiraan yang mendekati nilai eksak (yang benar) dari penyelesaian analitis.
Ada 3 macam kesalahan dasar;
1. Galat bawaan
2. Galat pemotongan
3. Galat pembulatan
Galat bawaan (Inheren)
Yaitu Galat dalam nilai data dan terjadi akibat kekeliruan dalam menyalin data, salah
membaca skala atau kesalahan karena kurangnya pengertian mengenai hukum-hukum fisik
dari data yang diukur.
Contoh :
Pengukuran selang waktu 2,3 detik :
• Terdapat beberapa galat karena hanya dg suatu kebetulan selang waktu akan diukur
tepat 2,3 detik.
• Beberapa batas yg mungkin pada galat inheren diketahui :
• Berhub dg galat pd data yg dioperasikan oleh suatu komputer dg beberapa prosedur
numerik.
Galat Pemotongan (Truncation Error)
• Berhubungan dengan cara pelaksanaan prosedur numerik
• Contoh pada deret Taylor tak berhingga :
x3 x5 x7 x9
sin x = x − + − + − ........
3! 5! 7! 9!
• Dapat dipakai untuk menghitung sinus sebarang sudut x dalam radian
• Jelas kita tdk dapat memakai semua suku dalam deret, karena deretnya tak berhingga
• Kita berhenti pada suku tertentu misal x9
• Suku yg dihilangkan menghasilkan suatu galat
• Dalam perhitungan numerik galat ini sangat penting
Galat Pembulatan
• Akibat pembulatan angka
• Terjadi pada komputer yg disediakan beberapa angka tertentu misal; 5 angka :
• Penjumlahan 9,2654 + 7,1625
hasilnya 16,4279
Ini terdiri 6 angka sehingga tidak dapat disimpan dalam komputer kita dan akan
dibulatkan menjadi 16,428

C. Rangkuman
• Metode numerik adalah teknik yang digunakan untuk memformulasikan persoalan
matematik sehingga dapat dipecahkan dengan operasi perhitungan/aritmetika biasa
(tambah, kurang, kali, dan bagi).
• metode numerik, kita hanya memperoleh solusi yang menghampiri atau mendekati
solusi sejati sehingga solusi numerik dinamakan juga solusi pendekatan
(approxomation),
• Tahap-Tahap Memecahkan Persoalan Secara Numerik yaitu pemodelan,
penyederhanaan model, pemograman, operasional, evaluasi
• Penyelesaian secara numerik dari suatu persamaan matematis hanya memberikan
nilai perkiraan yang mendekati nilai eksak (yang benar) dari penyelesaian analitis,
yaitu Galat bawaan, Galat pemotongan, Galat pembulatan

10
D. Tugas
Buatlah sebuah kajian literatur tentang manfaat analisa numeric di berbagai
bidang baik sains, rekayasa, maupun informatika!

E. Evaluasi
1. Apa perbedaan dari metode analitik, metode empirik, dan metode numerik?
2. Apa yang dimaksud pemodelan dan model matematika?
3. Jelaskan tahapan-tahapan penyelesaian secara numerik dan dimanakah peran
orang informatika dalam tahapan tersebut?
4. Mengapa dalam konsep analisa numerik ada yang dinamakan galat?
5. Jelaskan definisi dan berbagai jenis-jenis galat?
6. Apa yang dimaksud ketidakpastian dalam proses fisis dan pengukuran?
7. Sebutkan manfaat apa saja yang akan kalian dapat dalam mempelajari analisa
numerik?

11
 BAB II
SISTEM PERSAMAAN NON-LINEAR

A. Tujuan Kompetensi Khusus

• Menyelesaikan persamaan non linear dengan beberapa metode pengurung dan

menginterpreasikan hasilnya beserta algoritmanya
• Menyelesaikan persamaan non linear dengan beberapa metode terbuka dan
menginterpreasikan hasilnya beserta algoritmanya

B. Uraian Materi
Pada umumnya untuk mendapatkan penyelesaian matematika yang menjabarkan model
persoalan nyata di berbagai bidang, sering solusi yang harus dicari berupa suatu nilai
variabel x sehingga f(x) =0 artinya nilai-nilai x yang menyebabkan nilai f(x) sama dengan
nol. Atau dalam arti lain kita menentukan akar-akar persamaan non linier tersebut.
Beberapa metoda untuk mencari akar yang telah dikenal adalah:

Dengan memfaktorkan atau dengan cara Horner. Sebagai contoh, untuk mencari akar
dari persamaan x2 – 2x − 8 = 0 ruas kiri difaktorkan menjadi (x−4) (x+2) = 0 sehingga
diperoleh akar persamaannya adalah x = 4 dan x = -2.

Penyelesaian persamaan kuadrat ax2 + bx + c = 0 dapat dihitung dengan
menggunakan rumus ABC.
− b ± b 2 − 4ac
x12 =
2a

Akar persamaan f(x) adalah titik potong antara kurva f(x) dan sumbu X.

Gambar 2.1 Grafik akar persamaan kuadrat

Penyelesaian persamaan linier mx + c = 0 dimana m dan c adalah konstanta, dapat

dihitung dengan : mx + c = 0 , sehingga, x = - c
m

12
Akan tetapi, akar persamaan akan sulit dicari jika persamaan tersebut tidak dapat
difaktorkan menjadi bilangan bulat yang bukan pecahan dan cara-cara analitik diatas.
Sebagai contoh adalah akar dari persamaan polinom derajat tiga atau lebih. Sehingga
terdapat metode-metode secara numerik untuk menyelesaikan kasus-kasus persamaan non-
linear yang kompleks dan rumit yaitu metode tertutup dan terbuka..

2.1. Metode Tertutup (Akolade atau Bracketing Methods)

Mencari akar pada range [a,b] tertentu juga dibutuhkan dua tebakan awal.
Dalam range [a,b] dipastikan terdapat satu akar
Hasil selalu konvergen  disebut juga metode konvergen
Yang termasuk meode tertutup antara lain:
 Metode Tabel dan Grafik
 Metode Bisection
 Metode Regulasi Falsi

2.1.1 Metode Tabel

X f(x)
Dimana untuk x di antara a dan b dibagi
sebanyak N bagian dan pada masing- x0=a f(a)
masing bagian dihitung nilai f(x) sehingga
x1 f(x1)
diperoleh tabel :
Tabel 2.1 Metode Tabel x2 f(x2)
x3 f(x3)

…… ……
xn=b f(b)

Algoritma Metode Tabel:

13
Contoh:
Selesaikan persamaan : x+ex = 0 dengan range x = [− 1,.0,]
Untuk mendapatkan penyelesaian dari persamaan di atas range x = [− 1,0] dibagi menjadi
10 bagian sehingga diperoleh :
Tabel 2.2 Contoh metode tabel
X f(x)
-1,0 -0,63212
0,63212  Dari table diperoleh penyelesaian berada di
antara –0,6 dan –0,5
0,5 dengan nilai f(x) masing-
masing
-0,9 -0,49343
0,49343
masing -0,0512
0,0512 dan 0,1065, sehingga dapat
-0,8 -0,35067
0,35067 diambil keputusan penyelesaiannya di x=-0,6.
x=
 dibagi 10 maka diperoleh f(x) terdekat dengan
-0,7 -0,20341
0,20341 nol pada x = -0,57 dengan F(x) = 0,00447

-0,6 -0,05119
0,05119 Kelemahan Metode Tabel
Metode table ini secara umum sulit mendapatkan
-0,5 0,10653 penyelesaian dengan error yang kecil, karena itu metode
-0,4 0,27032 ini tidak digunakan dalam penyelesaian persamaan non
linier. Tetapi metode ini digunakan sebagai taksiran
-0,3 0,44082 awal
wal mengetahui area penyelesaian yang benar sebelum
-0,2 0,61873 menggunakan metode yang lebih baik dalam
menentukan penyelesaian
-0,1 0,80484
0,0 1,00000
.2.1.2 Metode Grafik
Selain metode table dapat pula melalui pendekatan grafik, dengan membuat grafik fungsi
untuk memperoleh taksiran akar persamaan f(x) = 0 yaitu mengamati dimana letak dia
memotong sumbu x. Titik ini untuk menyatakan f(x) = 0, memberikan suatu pendekatan
kasarar dari akar tersebut. Misalkan kita akan menyelesaikan persamaan
f ( x) = x 3 − x 2 + 4 x − 1 maka grafik tersebut dilukiskan:
12 x y
-1 -7
10
-0.75 -4.9843
8
-0.5 -3.375
6 -0.25 -2.0781
4 0 -1
y = 1x3 - 1x2 + 4x - 1 0.25 -0.0468
2
0.5 0.875
0 0.75 1.8593
-1.5 -1 -0.5 2 0
-2 0.5 1 1.5 2 2.5 1 3
1.25 4.3906
-4
4
1.5 6.125
-6
6 1.75 8.2968
-8
8 2 11
Gambar 2.2 Metode grafik
Jadi terlihat bahwa f(x) = y = 0, terletak diantara sumbu x : 0.25-0.5.
0.25

14
2.1.3 Bisection (METODE BAGI DUA)

Prinsip:
Ide awal metode ini adalah metode tabel, dimana area dibagi menjadi N bagian. Hanya
saja metode bisection ini membagi range menjadi 2 bagian, dari dua bagian ini dipilih
bagian mana yang mengandung dan bagian yang tidak mengandung akar dibuang. Hal ini
dilakukan berulang-ulang hingga diperoleh akar persamaan.
Langkah 1 :
Pilih a sebagai batas bawah dan b sebagai batas atas untuk taksiran akar sehingga terjadi
perubahan tanda fungsi dalam selang interval. Atau periksa apakah benar bahwa
f(a) . f(b) < 0

Gambar 2.3 Bisection

a+b
Langkah 2 : Taksiran nilai akar baru, c diperoleh dari : c =
2

15
Langkah 3 : Menentukan daerah yang berisi akar fungsi:
o Jika z merupakan akar fungsi, maka f(x < z) dan f(x > z) saling berbeda tanda.
o f(a)*f(c) negatif, berarti di antara a & c ada akar fungsi.
o f(b)*f(c) positif, berarti di antara b & c tidak ada akar fungsi

Gambar 2.4 Daerah akar fungsi

Langkah 4 : Menentukan kapan proses pencarian akar fungsi berhenti:

Proses pencarian akar fungsi dihentikan setelah keakuratan yang diinginkan dicapai, yang
dapat diketahui dari kesalahan relatif semu.

Contoh :
Carilah salah satu akar persamaan berikut: xe-x+1 = 0
disyaratkan bahwa batas kesalahan relatif (εa) =0.001, dengan menggunakan range
x=[−1,0]

Dengan memisalkan bahwa :

 (xl) = batas bawah = a
 (xu) = batas atas = b
 (xr) = nilai tengah = x a+b
maka diperoleh tabel biseksi sebagai berikut Χ ⇒
2
16
Tabel 2.3 Tabel Penentuan Metode Bisection

Pada iterasi ke 10 diperoleh x = -0.56738 dan f(x) = -0.00066

Untuk menghentikan iterasi, dapat dilakukan dengan menggunakan toleransi error atau
iterasi maksimum.
perkiraanakhir − perkiraanawal
Catatan : εa = × 100
perkiraanawal
Dengan menggunakan metode biseksi dengan tolerasi error 0.001 dibutuhkan 10 iterasi,
semakin teliti (kecil toleransi errornya) maka semakin bear jumlah iterasi yang dibutuhkan.

2.1.4 Metode Regula Falsi

o Metode pencarian akar persamaan dengan memanfaatkan kemiringan dan selisih
tinggi dari dua titik batas range.
o Dua titik a dan b pada fungsi f(x) digunakan untuk mengestimasi posisi c dari akar
interpolasi linier.
o Dikenal dengan metode False Position

Gambar 2.5. Grafik Regulasi Falsi

17
f (b) − f (a ) f (b) − 0
=
b−a b−x
f (b)(b − a ) af (b) − bf (a )
x =b− x=
f (b) − f (a ) f (b) − f (a )

Algoritma Metode Regulasi Falsi:

2.2 Metode Terbuka

Diperlukan tebakan awal
xn dipakai untuk menghitung xn+1
Hasil dapat konvergen atau divergen

2.2.1 Metode Iterasi Sederhana

Bentuk lain metode penentuan akar persamaan adalah dengan memulai suatu perkiraan
harga akar persamaan yang kemudian dengan serangkaian nilai perkiraan ini, mulai x0
(perkiraan awal), x1, x2, …., xk, akhirnya konvergen pada Ω, yaitu xn cukup dekat pada Ω
menurut tingkat kecermatan yang diinginkan, dapat ditulis sebagai berikut:
f(x) = x – g(x) = 0, sehingga Ω = g(Ω).
Bentuk iterasi satu titik ini dapat dituliskan dalam bentuk: x(n+1)=g(xn),
Dimana n=0,1,2,3,.... , Contoh:
x 3 − 3 x − 20 = 0
menyusun kembali persamaan tersebut dalam bentuk Ω = g(Ω).
(i)
x = 3 (3x + 20)
( ii ) x 3 − 20
x=
3
( iii ) x = 20
x2 − 3
( iv) x = (3 + 20 )
x
x( n +1) = 3 (3 xn + 20)
Dari rumusan pertama dapat dinyatakan persamaan iterasinya sebagai
dengan n = 1,2,3,....., Jika diambil dari nilai xo = 1, maka:

18
x1 = 3 (3 ×1 + 20) = 2.843867
x2 = 3 (3 × 2.843867 + 20) = 3.055686
Dan seterusnya. Hasilnya dapat ditabelkan sebagai berikut
Tabel 2.4. Tabel Iterasi

iterasi x g(x) Ea Algoritma program

dengan metode Iterasi
1 1 4.795832 a). Tentukan X0, toleransi,
2 4.795832 2.677739 -79.1 dan jumlah iterasi
maksimum.
3 2.677739 3.235581 17.24086 b). Hitung Xbaru= g(X0).
c). Jika nilai mutlak (Xbaru -
4 3.235581 3.030061 -6.78272
X0) < toleransi, diperoleh
5 3.030061 3.098472 2.207889 tulisan xbaru sebagai hasil
perhitungan;jika tidak,
6 3.098472 3.074865 -0.76773 lanjutkan ke langkah
7 3.074865 3.082913 0.26104 berikutnya.
d). Jika jumlah iterasi >
8 3.082913 3.080158 -0.08944 iterasi maksimum, akhiri
program.
9 3.080158 3.081099 0.030566
e). X0 = Xbaru, dan kembali
10 3.081099 3.080777 -0.01045 ke langkah (b).

2.2.2 Newton Rapshon

Salah satu metode penyelesaian akar-akar persamaan non linier f(x), dengan menentukan
satu nilai tebakan awal dari akar yaitu xi, dengan rumus:
f ( xi )
Grafik Pendekatan Metode Newton-Raphson xi +1 = xi −
f ' ( xi )
f ( xi )

Kemiringan f ' ( xi ) f (x)

xi+1

Kemiringan f ' ( xi + 1 )
f (xi1+)

f ( xi )

f ( xi+1 )

0 xi + 2 xi+1 xi x

xi − xi+1
Gambar 2.6. Grafik Newton Rapshon

19
 Gambar 2.7 Penyelesaian metode newton-rapshon
newton rapshon

Pernyataan Masalah:
Gunakan Metode Newton-Raphson
Newton untuk menaksir akar dari :
f(x) = e-x-x , menggunakan sebuah tebakan awal x0= 0.

Langkah 1:
Turunan pertama dan kedua dari fungsi f(x) = e-x-x , dapat dievaluasikan sebagai :

Langkah 2:
Lakukan uji syarat persamaan

20

Langkah 3:
Lakukan Iterasi dengan : x = x − f ( xi )
i +1 i
f ' ( xi )
Akar x akan semakin akurat, jika nilai f(x) semakin mendekati 0
Tabel 2.5 Tabel Iterasi Newton Rapshon

Contoh
f(x) = x3 - 3x - 20, maka f1(x) = 3x2- 3
Dengan demikian x k+1 = xk - (x3k - 3xk - 20) / (3x2k - 3).
Perkiraan awal xo = 5
Maka:
f(5)=53-3.(5)-20
20 =90
f'(5)=3(5)2-33 =72
xbaru=5-(90/72)=3.75
(90/72)=3.75
iterasi Xk Xk+1 f(xk) f'(xk) F(xk+1)

1 5 3.75 90 72 21.484375

2 3.75 3.201754 21.48438 39.1875 3.216661132

3 3.201754 3.085854 3.216661 27.75369344 0.127469447

4 3.085854 3.080868 0.127469 25.5674865 0.000229985

5 3.080868 3.080859 0.00023 25.47525192 7.53268E-10

Kelemahan Metode Newton-Raphson

Newton
1. Jika fungsi f(x) mempunyai beberapa akar (titik) penyelesaian, akar
akar-akar penyelesaian
tersebut tidak dapat dicari secara bersamaan.
2. Tidak dapat mencari akar kompleks (imajiner).
3. Tidak bisa mencari akar persamaan yang tidak memenuhi persyaratan persamaannya,
meskipun ada akar penyelesaiannya.
4. Untuk persamaan non linier yang cukup kompleks, pencarian turunan pertama dan
kedua f(x) akan menjadi sulit.

21
Algoritma

Tentukan Xo, toleransi, dan jumlah iterasi maksimum.

Hitung Xbaru = x - f'(x0)/f(X0).

Jika nilai mutlak (Xbaru - X0) < toleransi, diperoleh tulisan xbaru sebagai hasil
perhitungan;

jika tidak, lanjutkan ke langkah berikutnya.

Jika jumlah iterasi > iterasi maksimum, akhiri program.

X = Xbaru, dan kembali ke langkah (b).

2.2.3 Metode Secant

Masalah yang didapat dalam metode Newton
Newton-Raphson
Raphson adalah terkadang sulit mendapatkan
turunan pertama, yakni f’(x). Masalah potensial dalam metode Newton-Raphson
Newton adalah
’
evaluasi turunan f (xi), sehingga turunan dapat dihampiri oleh beda hingga terbagi.
Sehingga dengan jalan pendekatan f ' ( x ) = f ( xi −1 ) − f ( xi ) ,
xi −1 − xi
i

f ( xi )( xi −1 − xi )
didapat: xi +1 = xi −
f ( xi −1 ) − f ( xi )

metode secant memerlukan dua taksiran awal untuk x.

Gambar 2.8 Metode Secant

22
Contoh:
Selesaikan Persamaan:

Berdasarkan gambar grafk didapatkan akar terletak pada range [0.8, 0.9], maka X0 = 0.8
dan x1 = 0.9, sehingga:y0 = F(x0) = -0.16879y1 = F(x1) = 0.037518 Iterasi Metode Secant
adalah sbb:

Gambar 2.9 Grafik fungsi untuk range [-1,1}

Algoritma Metode Secant :

1. Definisikan fungsi F(x)
2. Ambil range nilai x =[a,b] dengan jumlah pembagi p
3. Masukkan torelansi error (e) dan masukkan iterasi n
4. Gunakan algoritma tabel diperoleh titik pendekatan awal x0 dan x1 untuk setiap
range yang diperkirakan terdapat akar dari :
F(xk) * F(xk+1)<0 maka x0 = xk dan x1=x0+(b-a)/p . Sebaiknya gunakan metode
tabel atau grafis untuk menjamin titik pendakatannya adalah titik pendekatan
yang konvergensinya pada akar persamaan yang diharapkan.
23
5. Hitung F(x0) dan F(x1) sebagai y0 dan y1
6. Untuk iterasi I = 1 s/d n atau |F(xi)|≥ e

Hitung yi+1 = F(xi+1)

7. Akar persamaan adalah nilai x yang terakhir

Gambar 2.10. Flowchart Metode Secant

24
Perbandingan Berbagai Metode.
Dari berbagai metode, baik metode tertutup maupun terbuka, maka dapat disimpulkan
seperti disajikan dalam tabel berikut ini:

Tabel 2.6 Perbandingan berbagai metode system persamaan non-linear

Metode Tebakan Laju Stabilitas Akurasi Luas Upaya Komentar

awal konversi aplikasi program
relatif
Langsung - - - - Sangat - -
terbatas
Grafik - - - Kurang Akar - Memakan
sesung- waktu lebih
guhnya banyak
daripada
metode
numerik
Bagidua 2 Perlahan Selalu Baik Akar Mudah -
konvergen sesung-
guhnya
Regula 2 Sedang Selalu Baik Akar Mudah -
Falsi konvergen sesung-
guhnya
Iterasi satu 1 Perlahan Bisa Baik Umum Mudah -
titik divergen
Newton- 1 Cepat Bisa Baik Umum, Mudah Memerlukan
Raphson divergen dibatasi evaluasi
jika f’(x)
f’(x)=0
Modifikasi 1 Cepat Bisa Baik Umum, Mudah Memerlukan
Newton- bagi akar divergen didesain evaluasi
Raphson berganda; khusus f’’(x) dan
sedang bagi f’(x)
bagi akar akar
tunggal berganda
Secant 2 Sedang Bisa Baik Umum Mudah Tebakan
hingga divergen awal tak
cepat harus
mengurung
akar
Modifikasi 1 Sedang Bisa Baik Umum Mudah -
Secant hingga divergen
cepat

25
C. Rangkuman

1. Metode-metode secara numerik untuk menyelesaikan kasus-kasus persamaan non-

linear yang kompleks dan rumit yaitu metode tertutup dan terbuka..
2. Metode Tertutup (Akolade atau Bracketing Methods)
• Mencari akar pada range [a,b] tertentu juga dibutuhkan dua tebakan awal.
• Dalam range [a,b] dipastikan terdapat satu akar
• Hasil selalu konvergen  disebut juga metode konvergen
3. Yang termasuk meode tertutup antara lain:
• Metode Tabel dan Grafik
• Metode Bisection
• Metode Regulasi Falsi
4. Metode tabel ini secara umum sulit mendapatkan penyelesaian dengan error yang
kecil, karena itu metode ini tidak digunakan dalam penyelesaian persamaan non linier.
5. Metode bisection ini membagi range menjadi 2 bagian, dari dua bagian ini dipilih
bagian mana yang mengandung dan bagian yang tidak mengandung akar dibuang. Hal
ini dilakukan berulang-ulang hingga diperoleh akar persamaan.
6. Metode Regula Falsi yaitu metode pencarian akar persamaan dengan memanfaatkan
kemiringan dan selisih tinggi dari dua titik batas range.
7. Metode Terbuka
• Diperlukan tebakan awal
• xn dipakai untuk menghitung xn+1
• Hasil dapat konvergen atau divergen
8. Yang termasuk metode terbuka adalah:
• Metode Iterasi Sederhana
• Metode Newton-Raphson
• Metode Secant.
9. metode iterasi adalah dengan memulai suatu perkiraan harga akar persamaan yang
kemudian dengan serangkaian nilai perkiraan ini
10. Newton-Rapshon menentukan satu nilai tebakan awal dari akar yaitu xi, dengan
rumus: x = x − f ( xi )
i +1 i
f ' ( xi )
11. metode secant memerlukan dua taksiran awal untuk x

D. Tugas
Pilihlah satu metode untuk menyelesaikan persamaan non-linear diatas, kemudian cobalah
membuat programnya dengan menggunakan bahasa MATLAB!

E. Evaluasi
Gunakan Metode Bisection dan Newton Rapshon untuk memperkirakan akar dari f(x) =0.
Yang ada diantara titik a dan b berkut ini. f ( x) = x 4 + x − 3 , a = 1 dan b = 2.

26
 BAB III
INTERPOLASI

A. Tujuan Kompetensi Khusus

• Menentukan suatu Interpolasi linear dan kuadratik dari barisan data dengan beberapa
metode dan menginterpreasikan hasilnya beserta algoritmanya.
• Menentukan suatu polinomial dari barisan data dengan beberapa metode dan
menginterpreasikan hasilnya beserta algoritmanya

B. Uraian Materi
Interpolasi adalah teknik mencari harga suatu titik diantara 2 titik yang nilai fungsi pada
ke-2 titik tersebut sudah diketahui. Kegunaan dari interpolasi itu sendiri sangat penting
karena Data yang sering dijumpai di lapangan sering dalam bentuk data diskrit yang
umumnya disajikan dalam bentuk tabel. Sebagai gambaran, sebuah eksperimen di
laboratorium fisika dasar mengenai hubungan antara jarak tempuh benda yang jatuh bebas
terhadap waktu tempuh menghasilkan data seperti disajikan dalam tabel berikut:
Tabel 3.1 Tabel data interpolasi

y (meter) 10 20 30 40 50 60 70 80 90 100
t (detik) 1.45 2.0 2.4 2.85 3.0 3.5 3.75 4.0 4.2 4.52

Permasalahan yang sering ditemui pada data di atas adalah menentukan suatu nilai di
antara titik-titik tersebut yang dapat diketahui tanpa melakukan pengukuran kembali.
Misalkan kita ingin mengetahui berapa jarak tempuh benda ketika waktu tempuhnya 7,5
detik? Pertanyaan ini tidak secara langsung dapat dijawab, karena fungsi yang
menghubungkan variabel t dan y tidak diketahui. Salah satu solusinya adalah mencari
fungsi yang mencocokkan (fit) titiktitik dalam tabel di atas. Pendekatan semacam ini
disebut pencocokan kurva (curve fitting) dan fungsi yang diperoleh dengan pendekatan
ini merupakan fungsi hampiran. Tentu saja nilai fungsi yang diperoleh juga merupakan
nilai hampiran (hasilnya tidak setepat nilai eksaknya), tetapi cara pendekatan ini dalam
praktek sudah mencukupi karena formula yang menghubungkan dua variabel atau dua
besaran fisika sulit ditemukan.

Bila data yang diketahui mempunyai

ketelitian yang sangat tinggi, maka kurva
pencocokannya dibuat melalui titik-titik,
persis sama apabila kurva fungsi yang
sebenarnya diplot melalui setiap titik-titik
yang bersangkutan. Di sini kita dikatakan
melakukan interpolasi titik-titik data
dengan sebuah fungsi (Gambar disamping)

Gambar 3.1 Grafik interpolasi

Interpolasi memegang peranan yang sangat penting dalam metode numerik. Fungsi yang
tampak sangat rumit akan menjadi sederhana bila dinyatakan dalam polinom interpolasi.
Sebagian besar metode integrasi numerik, metode persamaan difrensial biasa dan metode

27
turunan numerik didasarkan pada polinom interpolasi sehingga banyak yang menyatakan
bahwa interpolasi merupakan pokok bahasan yang fundamental dalam metode numerik.
Ada beberapa jenis interpolasi diantaranya:
Interpolasi Linier
Interpolasi Kuadratik
Interpolasi Polinomial
Interpolasi Lagrange

3.1 Interpolasi Linear

Interpolasi linear adalah interpolasi dua buah titik dengan sebuah garis lurus. Misalkan dua
buah titik, ( x1 , y1 ) dan (x2 , y2 ). Polinom yang menginterpolasi kedua titik itu adalah
persamaan garis lurus berbentuk:

Gambar 3.2 Grafik Interpolasi Linear

Persamaan garis lurus yang melalui 2 titik P1(x1,y1) dan P2(x2,y2) dapat dituliskan
dengan:

Sehingga diperoleh persamaan dari interpolasi linier sebagai berikut:

Algoritma Interpolasi Linier :

(1) Tentukan dua titik P1 dan P2 dengan koordinatnya masing-masing (x1,y1) dan (x2,y2)
(2) Tentukan nilai x dari titik yang akan dicari
(3) Hitung nilai y dengan :

(4) Tampilkan nilai titik yang baru Q(x,y)

28
Contoh: Diketahui data sebagai berikut :

x -3 -2 -1 0 1 2 3 4 5 6 7

y 9 4 1 0 1 4 9 16 25 36 49

Tentukan harga y pada x = 6,5 !

Jawab : x = 6,5 terletak antara x=6 dan x=7, sehingga dengan menggunakan rumus:
x − xk
y = yk + ( yk + 1 − yk ) , didapat:
xk + 1 − xk
(6,5 − 6)
y = 36 + (49 − 36) = 42,5
Alternatif 2(7: −x 6=) 6,5 terletak antara x=1 dan x=7, dengan rumus yang sama, didapat:
(6,5 − 1) (5,5)
y = 1+ (49 − 1) = 1 + (48) = 45
(7 − 1) ( 6)
Jika kita bandingkan kedua kedua hasil tersebut yakni:
Karena hubungan. x dan y adalah y = x2 maka untuk harga x = 6,5 didapat y = (6,5)2 =
42,25
Kesalahan mutlak (E), untuk :
y = 42.5  |42.5 – 42.25| = 0.25 = 25 %
Sedangkan untuk
y = 45  |45 – 42.25| = 3.25 = 325 %

Terlihat bahwa y = 42.5 lebih akurat, jadi dapat disimpulkan bahwa Semakin kecil interval
antara titik data, hasil perkiraan interpolasi akan semakin baik.

3.2 Interpolasi Kuadratik

Banyak kasus, penggunaan interpolasi linier tidak memuaskan karena fungsi yang
diinterpolasi berbeda cukup besar dari fungsi linier. Untuk itu digunakan polinomial lain
yang berderajat dua (interpolasi kuadrat) atau lebih mendekati fungsinya. Interpolasi
Kuadratik digunakan untuk mencari titik-titik antara dari 3 buah titik P1(x1,y1), P2(x2,y2)
dan P3(x3,y3) dengan menggunakan pendekatan fungsi kuadrat.

Gambar 3.3 Grafik Interpolasi Kuadratik

29
Untuk memperoleh titik Q(x,y) digunakan interpolasi kuadratik sebagai berikut:

Algoritma Interpolasi Kuadratik:

(1) Tentukan 3 titik input P1(x1,y1), P2(x2,y2) dan P3(x3,y3)
(2) Tentukan nilai x dari titik yang akan dicari
(3) Hitung nilai y dari titik yang dicari menggunakan rumus dari interpolasi kuadratik:

(4) Tampilkan nilai x dan y

3.3 Interpolasi Polinomial

Interpolasi polynomial digunakan untuk mencari titik-titik antara dari n buah titik
P1(x1,y1), P2(x2,y2), P3(x3,y3), …, PN(xN,yN) dengan menggunakan pendekatan fungsi
polynomial pangkat n-1:

Masukkan nilai dari setiap titik ke dalam persamaan polynomial di atas dan diperoleh
persamaan simultan dengan n persamaan dan n variable bebas:

Penyelesaian persamaan simultan di atas adalah nilai-nilai a0, a1, a2, a3, …, an yang
merupakan nilai-nilai koefisien dari fungsi pendekatan polynomial yang akan digunakan.
Dengan memasukkan nilai x dari titik yang dicari pada fungsi polinomialnya, akan
diperoleh nilai y dari titik tersebut.

Algoritma Interpolasi Polynomial :

(1) Menentukan jumlah titik N yang diketahui.
(2) Memasukkan titik-titik yang diketahui Pi = xi yi untuk i=1,2,3,…,N
(3) Menyusun augmented matrik dari titik-titik yang diketahui sebagai berikut:

(4) Menyelesaikan persamaan simultan dengan augmented matrik di atas dengan

menggunakan metode eliminasi gauss/Jordan.
(5) Menyusun koefisien fungsi polynomial berdasarkan penyelesaian persamaan

30
 simultan di atas.

(6) Memasukkan nilai x dari titik yang diketahui

(7) Menghitung nilai y dari fungsi polynomial yang dihasilkan

(8) Menampilkan titik (x,y)

3.4 Interpolasi lagrange

Interpolasi polynomial digunakan untuk mencari titik-titik antara dari n buah titik
P1(x1,y1), P2(x2,y2), P3(x3,y3), …, PN(xN,yN) dengan menggunakan pendekatan fungsi
polynomial yang disusun dalam kombinasi deret dan didefinisikan dengan:

Algoritma Interpolasi Lagrange :

(1) Tentukan jumlah titik (N) yang diketahui
(2) Tentukan titik-titik Pi(xi,yi) yang diketahui dengan i=1,2,3,…,N
(3) Tentukan x dari titik yang dicari
(4) Hitung nilai y dari titik yang dicari dengan formulasi interpolasi lagrange

(5) Tampilkan nilai (x,y)

Contoh: Nilai yang berkorespondensi dengan y = 10log x adalah :

X 300 304 305 307
10
log x 2,4771 2,4829 2,4843 2,4871

Carilah 10log 301 ?

Untuk menghitung y(x) = 10log 301 dimana x = 301, maka nilai diatas menjadi
x0 = 300 x1 = 304 x2 = 305 x3 = 307
y0 = 2,4771 y1 = 2,4829 y2 = 2,4843 y3 = 2,4871
Dengan menggunakan interpolasi lagrange

(301 − 304)(301 − 305)(301 − 307) (301 − 300)(301 − 305)(301 − 307)

y (x) = 2,4771 + 2,4829 +
(300 − 304)(300 − 305)(300 − 307) (304 − 300)(304 − 305)(304 − 307)

(301 − 300)(301 − 304)(301 − 307) (301 − 300)(301 − 304)(301 − 305)

2,4843 + 2,4871
(305 − 300)(305 − 304)(305 − 307) (307 − 301)(307 − 304)(307 − 305)

= 1,2739 + 4,9658 − 4,4717 + 0,7106

y ( x) = 2,4786 31
Contoh 2 :
Bila y1 = 4, y3 = 12, y4 = 19 dan yx = 7, carilah x ?
Karena yang ditanyakan nilai x dengan nilai y diketahui, maka digunakan interpolasi
invers atau kebalikan yang analog dengan interpolasi Lagrange.

(7 − 12)(7 − 19) (7 − 4)(7 − 19) (7 − 4)(7 − 12)

x= (1) + (3) + ( 4)
(4 − 12)(4 − 19) (12 − 4)(12 − 19) (19 − 4)(19 − 12)

1 27 4
x= + − = 1,86
2 14 7

Nilai sebenarnya dari x adalah 2, karena nilai-nilai atau data diatas adalah hasil dari
polinom y(x) = x2 + 3.
Adapun untuk membentuk polinom derajat 2 dengan diketahui 3 titik, dapat menggunakan
cara yang sebelumnya pernah dibahas dalam hal mencari persamaan umum polinomial
kuadrat.

C. Rangkuman
1. Interpolasi adalah teknik mencari harga suatu titik diantara 2 titik yang nilai fungsi
pada ke-2 titik tersebut sudah diketahui
2. Interpolasi linear adalah interpolasi dua buah titik dengan sebuah garis lurus.
Misalkan dua buah titik, ( x1 , y1 ) dan (x2 , y2 ). Polinom yang menginterpolasi kedua
titik itu adalah persamaan garis lurus

3. Interpolasi Kuadratik digunakan untuk mencari titik-titik antara dari 3 buah titik
P1(x1,y1), P2(x2,y2) dan P3(x3,y3) dengan menggunakan pendekatan fungsi kuadrat.

4. Interpolasi polynomial digunakan untuk mencari titik-titik antara dari n buah titik
P1(x1,y1), P2(x2,y2), P3(x3,y3), …, PN(xN,yN) dengan menggunakan pendekatan
fungsi polynomial pangkat n-1:

5. P1(x1,y1), P2(x2,y2), P3(x3,y3), …, PN(xN,yN) dengan menggunakan pendekatan

fungsi polynomial yang disusun dalam kombinasi deret dan didefinisikan dengan:

D. Tugas
Carilah sebuah data di lapangan (x,y) dan kemudian lakukan interpolasi pada saat x
tertentu!

32
E. Soal

1. Cari nilai y untuk titik x =2.5 yang berada diantara titik (1,5), (2,2) dan (3,3) dengan
menggunakan interpolasi kuadratik !

2. Diketahui data berikut:

x 100 110 120 130

10
log 2 2.0413 2.0791 2.1139
x

Carilah 10log 115 dengan menggunakan Interpolasi Lagrange dari data diatas..

N (x − x j )
y = ∑ yi ∏
i =1 j ≠1 ( xi − x j )

3. Hitunglah interpolasi dari data yang diketahui berikut ini:

a) Jika dari data-data diketahui bahwa ℓn (9,0) = 2,1972 dan ℓn (9,5) = 2,2513
maka tentukanlah nilai ℓn (9,2) dengan interpolasi linear sampai 5 angka
dibelakang koma.
b) Diberikan data ℓn (8,0) = 2,0794, ℓn (9,0) = 2,1972 dan ℓn (9,5) = 2,2513.
Tentukanlah nilai ℓn (9,2) dengan interpolasi kuadratik

33
 BAB IV
INTEGRASI NUMERIK

A. Tujuan Kompetensi Khusus

• Menghitung integral secara numerik dengan beberapa metode persegi panjang dan
trapezium
• Menghitung integral secara numerik dengan aturan simpson 1/3 dan aturan simpson
3/8

B. Uraian Materi

Di dalam kalkulus, terdapat dua hal metode penting untuk menyelesaikan permasalahan
matematis yaitu integral dan turunan (derivative). Pengintegralan numerik merupakan alat
atau cara yang digunakan untuk memperoleh jawaban hampiran (aproksimasi) dari
pengintegralan yang tidak dapat diselesaikan secara analitik. Kita lihat contoh berikut:
Fungsi yang dapat dihitung integralnya secara analitik :
ax n+1
∫ ax dx = +C
n

n +1
e ax
∫ e dx = a + C
ax

∫ sin(ax + b)dx = − 1 a cos(a + b) + C

∫ cos(ax + b)dx = 1 a sin(a + b) + C
1
∫ x dx = ln | x | +C
∫ ln | x |dx = x ln | x | − x + C
3
2 + cos(1 + x 2 ) 0.5 x
Fungsi yang rumit misalnya : 2

∫0 1 + 0.5 sin x e dx
Perhitungan integral adalah perhitungan dasar yang digunakan dalam kalkulus, dalam
banyak keperluan. digunakan untuk menghitung luas daerah yang dibatasi oleh fungsi y =
f(x) dan sumbu x. Penerapan integral semisal menghitung luas dan volume-volume benda
putar dan juga yang lainya.

4.1 Dasar Pengintegralan Numerik

Penjumlahan berbobot dari nilai fungsi
n
f ( x)dx ≈ ∑ ci f ( xi )
b
∫ a
i =0

= c0 f ( x0 ) + c1 f ( x1 ) + ... + cn f ( xn )

34
 Gambar 4.1 Dasar Pengintegralan Numerik

Melakukan penginteralan pada bagian-bagian

bagian bagian kecil, seperti saat awal belajar
integral yaitu penjumlahan bagian-bagian.
bagian

Metode Numerik hanya mencoba untuk lebih cepat dan lebih mendekati jawaban
eksak.

Gambar 4.2 Pendekatan solusi

Perhitungan integral menggunakan Formula Newton-Cotes

Newton Cotes yaitu berdasarkan pada
b b
I = ∫ f ( x)dx ≅ ∫ f n ( x)dx Nilai hampiran f(x) dengan polynomial:
a a

f n ( x) = a0 + a1 x + L + an −1 x n −1 + an x n
f n dapat berupa fungsi linear, kuadrat, kubik, ataupun polynomial yang lebih tinggi. Dan
juga polinomial dapat didasarkan pada data.

35
 Gambar 4.3 Linear dan kuadartik

Gambar 4.4 Kubik dan polynomial yang lebih tinggi

Gambar 4.5 Polinomial dapat didasarkan pada data

36
Integrasi secara numeric merupakan proses menghitung integral berdasarkan sejumlah nilai
numerik integran (fungsi yang diintegrasi). Jika fungsi yang diintegrasikan
diintegrasika mempunyai
satu variabel, proses disebut QUADRATUR MECHANIC, dan bila fungsi mempunyai dua
variabel bebas, proses disebut CUBATURE MECHANIC. Menyelesaikan secara
numeric dapat dilakukan dengan menyatakan f(x) dalam rumusan interpolasi dalam fungsi
perbedaan
daan yang diintgrasikan antara [ a,b].
Luas (L) = b

a
∫ f (x )dx

Gambar 4.6 Grafik Luas Integrasi

Contoh : Hitung luas daerah di atas sumbu x yang dibatasi oleh kurva y = x2, antara x = 0
dan
x = 4. 4 4
Solusi: L = ∫ ( x ) dx = 13 x 3 = 13 (4) 3 - 13 (0) 3 = 64 3 = 21.33 satuan luas
2

0 0

4.2 Metode Pendekatan Persegi Panjang ( Integral Reimann )

 Bagi interval a sampai b atas n sub-interval h = b - a( n
)
 Hitung nilai fungsi pada ujung-ujung
ujung interval tersebut → f (xk )
sub-interval
 Hitung luas tiap-tiap
tiap persegi panjang tersebut → Pk = h * f (xk )
 Jumlahkan semua luas persegi panjang tersebut

h
L = ∑ h . f(xk )
k =1

Gambar 4.7 Metode Reimann

Selain mengambil tinggi persegi panjang ke-k,ke sama dengan f (xk ) yaitu nilai fungsi pada
ujung kanan sub-interval
interval ke-k
ke k tersebut, juga dapat mengambil tinggi sama dengan f (xk-1 )
yaitu nilai fungsi pada ujung kiri sub-interval,
sub ataupun juga pada : f((x + x ) / 2)
k -1 k
Contoh:
Cari luas daerah di bawah kurva f(x) = x2, antara x = 0 sampai x = 4

37
 1
x**2

0.8

0.6

0.4

0.2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Gambar 4.8 Grafik Solusi Metode Reimann
Dengan mengambil h=0.1 maka diperoleh tabel :
Tabel 4.1. Perhitungan integral dengan metode Reimann

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

Algoritma Metode Integral Reimann:
 Definisikan fungsi f(x)
 Tentukan batas bawah dan batas atas integrasi
 Tentukan jumlah pembagi area N
 Hitung h=(b-a)/N
a)/N
 Hitung N
L = h.∑ f ( xi )
i =0

4.3 Metode Trapesium

Bagi interval (a, b)) menjadi n sub-interval yang sama → h = ( b n- a )
ujung-ujung sub-interval tersebut → f (xk )
Hitung nilai fungsi pada ujung
Hitung luas trapesium → Pk = h * f (xk )
Luas trapesium ke-1 = t1 = ½ ( f(x0) + f(x1) ) * h = h/2 ( f(x0) + f(x1) )
ke-2 = t2 = ½ ( f(x1) + f(x2) ) * h = h/2 ( f(x1) + f(x2) )
…………….
ke-n = tn = ½ ( f(xn-1) + f(xn) ) * h = h/2 (f(xn-1) + f(xn) )
Luas Total = t1 + t2 + ……. + tn
= h/2 ( f(x0) + f(x1) ) + h/2 ( f(x1) + f(x2) ) + ……. + h/2 (f(xn-1) + f(xn) )
n −1
h 
=  f(x 0 ) + 2 ∑ f(x k ) + f(x n ) 
2 k =1 
38
 Gambar 4.9 Grafik Metode Trapesium

Hitung luas daerah di bawah kurva f(x) = x2, antara x = 0 sampai x = 4

Solusi:
sub
Interval (0, 4) dibagi menjadi 4 sub-interval, n = 4 → h = (4 - 0)/4 = 1
xk 0 1 2 3 4

f(xk) 0 1 4 9 16

Luas total:
=
1
(0 + 2 (1 + 4 + 9) + 16) = 22
2
h 3

 f(x 0 ) + 2 ∑ f(x k ) + f(x 4 ) 
=
2 k =1 
Algoritma Metode Integrasi Trapezoida
• Definisikan y=f(x)
• Tentukan batas bawah (a) dan batas atas integrasi (b)
• Tentukan jumlah pembagi n
• Hitung h=(b-a)/n
• Hitung h n −1

L =  f 0 + 2∑ f i + f n 
2 i =1 

4.4 Aturan Simpson 1/3

Perumusan Aturan Simpson 1/3 diaproksimasi dengan fungsi parabola:
b 2

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

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

39
 Gambar 4.10 Grafik Metode Simpson 1/3

Perumusan tersebut didapat dari penurunan berikut ini:

( x − x1 )( x − x2 ) ( x − x0 )( x − x2 )
L( x) = f ( x0 ) + f ( x1 )
( x0 − x1 )( x0 − x2 ) ( x1 − x0 )( x1 − x2 )
( x − x0 )( x − x1 )
+ f ( x2 )
( x2 − x0 )( x2 − x1 )
a+b
let x 0 = a , x 2 = b, x 1 =
2
b−a x − x1 dx
h= ,ξ = , dξ =
2 h h
 x = x0 ⇒ ξ = −1

 x = x1 ⇒ ξ = 0
x = x ⇒ ξ = 1
 2

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

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

40
 Gambar 4.11.
4.11. Grafik pembagian h pada metode simpson 1/3

Atau penurunan perumusan tersebut dapat pila didapat dari Polinom interpolasi Newton-
Newton
Gregory derajat 2 yang melalui ketiga titik tersebut.
Algoritma:
a) Definisikan fungsi integran
b) Tentukan batas pengintegralan a dan b dan jumlah segmen n (harus genap)
c) Hitung : h = (b-a)/n
a)/n
d) Inisialisasi sum = F (a) + 4 x F (a+h)
e) Hitung untuk i = 2 sampai i = n-1n dengangan indeks pertambahan sama dengan 2 sum
= sum + 2 x F (a+ixh) + 4 x F (a+(i+1)h)
f) Hitung nilai integral I = h/3 x (sum + F(b))
g) Tulis hasil perhitungan

4.5 Aturan Simpson 3/8

Aturan Simpson 3/8 diaaproksimasi dengan fungsi kubik
b 3

∫ f ( x)dx ≈ ∑ ci f ( xi ) = c 0 f ( x 0 ) + c1f ( x1 ) + c 2 f ( x 2 ) + c3f ( x 3 )

a
i =0

= [ f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + f ( x3 )]
3h
8

Gambar 4.12 Grafik Metode Simpson 3/8

41
Error Pemenggalan
3 5 ( 4) (b − a ) 5 ( 4) b−a
Et = − h f (ξ ) = − f (ξ ) ; h =
80 6480 3
Algoritma:
a) Definisikan fungsi integran
b) Tentukan batas pengintegralan a dan b dan jumlah segmen n (harus kelipatan 3)
c) Hitung : h = (b-a)/n
d) Inisialisasi sum = F (a) + 3 x F (a+h) + 3 x F (a+2h)
e) Hitung untuk i = 3 sampai i = n-1 dengan indeks pertambahan sama dengan 3 sum
= sum + 2 x F (a+ih) + 3 x F (a+(i+1)h) + 3 x F (a+(i+2)h)
f) Hitung nilai integral I = 3h/8 x (sum + F(b))
Tulis hasil perhitungan

4.6 Metode Integrasi Gauss

Metode Newton Code (Trapezoida, Simpson) berdasarkan titik 2 data diskrit, dengan
batasan h sama dan Luas dihitung dari a sampai b, mengakibatkan error yang dihasilkan
cukup besar. Oleh karena itu, diperlukan metode Integrasi Gauss.
Persamaan dibawah ini dinamakan metode Gauss Legendre 2 titik:
−1
1
1
∫ f ( x)dx = f (
−1 3
)+ f ( )
3
Algoritma Integrasi Kuadratur Gauss dengan Pendekatan 2 titik:
• Definisikan fungsi f(x)
• Tentukan batas bawah (a) dan batas atas integrasi (b)
• Hitung nilai konversi variabel :
x = (b − a )u + (b + a )
1 1
2 2
• Tentukan fungsi g(u) dengan:
g (u ) = (b − a ) f ( 12 (b − a )u + 12 (b + a ) )
1
2
• Hitung  1   1 
L = g −  + g 
 3  3

42
4.7 Beberapa Penerapan Integrasi Numerik
Menghitung Luas Daerah Berdasarkan Gambar

 Untuk menghitung luas integral di peta di atas, yang perlu dilakukan adalah
menandai atau membuat garis grid pada setiap step satuan h yang dinyatakan dalam
satu kotak. Bila satu kotak mewakili 1 mm, dengan skala yang tertera maka berarti
panjangnya adalah 100.000 mm atau 100 m.
 Pada gambar di atas, mulai si
sisi
si kiri dengan grid ke 0 dan sisi kanan grid ke n (dalam
hal ini n=22). Tinggi pada setiap grid adalah sebagai berikut:

Dari tabel di atas, luas area dapat dihitung dengan menggunakan 3 macam metode:
Dengan menggunakan metode integrasi Reimann
16
L = h∑ yi = 73.5
i =0

Dengan menggunakan metode integrasi trapezoida

h 15

L =  y0 + y16 + 2∑ yi  = 73.5
Dengan menggunakan 
2 i =1
metode integrasi Simpson
h 
L =  y0 + y16 + 4 ∑ yi + 2 ∑ yi  = 74
3 i = ganjil i = genap 

Menghitung Luas dan Volume Benda Putar

b
Luas benda putar:
L p = 2π ∫ f ( x)dx
a
b
Volume benda putar:
V p = π ∫ [ f ( x)] dx
2

a
Contoh :

43
Ruang benda putar dapat dibedakan menjadi 4 bagian
• bagian I dan III merupakan bentuk silinder yang tidak perlu dihitung dengan
membagi-bagi
bagi kembali ruangnya,
• bagian II dan IV perlu diperhitungkan kembali.

Bagian I: LI = 2π (4)(7) = 56π dan VI = π (4)(7) = 196π

2

Bagian II: LII = 2π (12)(12) = 288π dan VII = 2π (12 )(12 ) = 3456π
2

Sedangkan untuk menghitung bagian II dan IV diperlukan pembagian area , misalkan

dengan mengambil h=1 diperoleh:

Pada bagian II dan IV: LII = LIV dan VII = VIV

Dengan menggunakan integrasi trapezoida dapat diperoleh:
h 4

LII ( LIV ) = 2π 
2
y 0 + y 5 + 2 ∑
i =1
yi  = 108π

h 2 4

VII (= VIV ) = π  y 0 + y 2
5 + 2 ∑ yi2  = 1187.5π
2 i =1 
Luas permukaan dari botol adalah:
L = LI + LII + LIII + LIV
= 56π + 108π + 288π + 108π
= 560π
= 1758.4
Luas = 1758.4 cm2
Volume botol adalah:
V = VI + VII + VIII + VIV
= 196π + 1187.5π + 3456π + 1187.5π
= 6024π
Volume = 18924.78 cm3

Rangkuman
1. Pengintegralan numerik merupakan alat atau cara yang digunakan untuk memperoleh
jawaban hampiran (aproksimasi) dari pengintegralan yang tidak dapat diselesaikan
secara analitik.
2. Metode Pendekatan Persegi Panjang ( Integral Reimann )
h
L = ∑ h . f(xk )
k =1

3. Metode Trapesium
n −1
h 
L=  f(x 0 ) + 2 ∑ f(x k ) + f(x n ) 
2 k =1 

44
4. Perumusan Aturan Simpson 1/3 diaproksimasi dengan fungsi parabola:
b 2

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

h
[ f ( x0 ) + 4 f ( x1 ) + f ( x2 )]
=
3
5. Aturan Simpson 3/8 diaaproksimasi dengan fungsi kubik
b 3

∫ f ( x)dx ≈ ∑ ci f ( xi ) = c 0 f ( x 0 ) + c1f ( x1 ) + c 2 f ( x 2 ) + c3f ( x 3 )

a
i =0

=
3h
[ f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + f ( x3 )]
8

C. Tugas
Pilihlah satu metode untuk menyelesaikan integral secara numerik diatas, kemudian coba
aplikasikan algoritmanya dalam sebuah bahasa pemograman menggunakan bahasa
pemograman MATLAB!

D. Evaluasi

Perbandingkan berbagai metode dengan metode Reimann, Trapezoid, dan aturan simpson
untuk menghitung integral di bawah ini!
2
∫
0
x 4 dx , n=4

45
 BAB V
PERSAMAAN LINEAR SIMULTAN

A. Tujuan Kompetensi Khusus

• Menyelesaikan Sistem Linear dengan beberapa metode dan menginterpreasikan

hasilnya beserta algoritmanya.
• Menentukan Determinan dan invers matriks dan menginterpretasikan hasilnya beserta
algoritmanya

B. Uraian Materi
Kasus-kasus persamaan linier akan banyak ditemui dalam masalah rekayasa atau science
baik dari cara analisis maupun hitungan rumusan model matematika permasalahan. Kasus
yang terpenting adalah jika jumlah besaran atau variabel yang dicari sama jumlahnya
dengan jumlah persamaan atau lazim disebut persamaan linear simultan. Terdapat
beberapa metode yang akan dipelajari guna menyelesaikan persamaan linear simultan ini.
Persamaan linier simultan adalah suatu bentuk persamaan-persamaan yang secara bersama-
sama menyajikan banyak variabel bebas. Bentuk persamaan linier simultan dengan m
persamaan dan n variabel bebas dapat dituliskan sebagai berikut:

dimana:
aij untuk i=1 s/d m dan j=1 s/d n adalah koefisien atau persamaan simultan
xi untuk i=1 s/d n adalah variabel bebas pada persamaan simultan
Penyelesaian persamaan linier simultan adalah penentuan nilai xi untuk semua i=1 s/d n
yang memenuhi semua persamaan yang diberikan. Permasalahan persamaan linier simultan
merupakan permasalahan yang banyak muncul ketika berhubungan dengan permasalahan
multi-variabel dimana setiap persamaan merupakan bentuk persamaan linier atau dengan
kata lain setiap variabel berpangkat paling besar satu. Persamaan linier simultan di atas
dapat dinyatakan sebagai bentuk matrik yaitu :

atau dapat dituliskan:

46
Matrik A dinamakan dengan Matrik Koefisien dari persamaan linier simultan, atau ada
yang menamakan dengan matrik Jacobian. Vektor x dinamakan dengan vektor variabel
(atau vektor keadaan) dan vektor B dinamakan dengan vektor konstanta.
Augmented Matrix ( matrik perluasan ) dari persamaan linier simultan adalah matriks yang
merupakan perluasan matrik A dengan menambahkan vector B pada kolom terakhirnya,
dan dituliskan:
Augmented (A) = [A B]
Sehingga secara detail, augmented matrik dari persamaan linier simultan dapat dituliskan:

Persamaan Linier Simultan atau Sistem Persamaan Linier mempunyai kemungkinan solusi:
 Tidak mempunyai solusi
 Tepat satu solusi
 Banyak solusi

Gambar 5.1 Grafik solusi persamaan linear

Contoh permasalahan 1:
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 dan 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
47
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.
Contoh permasalahan 2 :
Diketahui panas beberapa titik pada plat baja yaitu pada sisi luar. Bila ditentukan bahwa
aliran panas bergerak secara laminar dan panas pada sebuah titik adalah rata-rata panans
dari 4 titik tetangganya, maka dapat dihitung panas pada titik T1 dan T2 sebagai berikut:

Persamaan panas pada titik T1 dan T2 dapat dihitung dengan:

Persamaan linier simultan dari permasalahan di atas adalah:

Penyelesaian permasalahan di atas adalah nilai T1 dan T2 yang memenuhi kedua

persamaan .
Theorema 4.1.
Suatu persamaan linier simultan mempunyai penyelesaian tunggal bila memenuhi syarat-
syarat sebagai berikut.
1) Ukuran persamaan linier simultan bujursangkar, dimana jumlah persamaan sama
dengan jumlah variable bebas.
2) Persamaan linier simultan non-homogen dimana minimal ada satu nilai vector
konstanta B tidak nol atau ada bn ≠ 0.
3) Determinan dari matrik koefisien persamaan linier simultan tidak sama dengan nol.
Untuk menyelesaikan permasalahan-permasalahan persamaan linier simultan dapat
dilakukan dengan menggunakan metode-metode analitik seperti pemakaian metode grafis,
aturan Crammer, atau invers matrik. Metode-metode tersebut dapat dilakukan dengan
mudah bila jumlah variabel dan jumlah persamaannya di bawah 4, tetapi bila ukurannya
besar maka metode-metode di atsa menjadi sulit dilakukan, sehingga pemakaian metode
numerik menjadi suatu alternatif yang banyak digunakan. Metode numerik yang dapat
digunakan untuk menyelesaikan permasalahan persamaan linier simultan antara lain:
(1) Metode Eliminasi Gauss
(2) Metode Eliminasi Gauss-Jordan
(3) Metode Iterasi Gauss-Seidel

48
 5.1 Metode Eliminasi Gauss
Metode Eliminasi Gauss merupakan metode yang dikembangkan dari metode eliminasi,
yaitu menghilangkan atau mengurangi jumlah variabel sehingga dapat diperoleh nilai dari
suatu variable bebas. Untuk menggunakan metode eliminasi Gauss ini, terlebih dahulu
bentuk matrik diubah menjadi augmented matrik sebagai berikut :

 a11 a12 ... a1n b1 

 
a21 a22 ... a2 n b2 
 ... ... ... ... ... 
 
an1 an 2 ... ann bn 

Metode eliminasi gauss, adalah suatu metode dimana bentuk matrik di atas, pada biagan
kiri diubah menjadi matrik segitiga atas atau segitiga bawah dengan menggunakan OBE
(Operasi Baris Elementer).

 a11 a12 a13 ... a1n b1  c11 c12 c13 ... c1n d1 
a 0 c d 2 
 21 a 22 a 23 ... a2n b2   22 c23 ... c2 n
a 31 a 32 a 33 ... a3 n b3  0 0 c33 ... c3n d3 
   
 ... ... ... ... ... ...   ... ... ... ... ... ... 
a n1  0 d n 
an2 an3 ... a nn bn  0 0 ... cnn

Metode dasar untuk menyelesaikan Sistem Persamaan Linier adalah mengganti sistem
yang ada dengan sistem yang baru yang mempunyai himpunan solusi yang sama dan lebih
mudah untuk diselesaikan. Sistem yang baru diperoleh dengan serangkaian step yang
menerapkan 3 tipe operasi. Operasi ini disebut Operasi Baris Elementer
1. Mengalikan persamaan dengan konstanta kecuali nol
2. Mempertukarkan dua baris
3. Menambahkan perkalian suatu baris pada baris lainya.
Gauss menyelesaikan persamaan linear simultan melalui proses menghilangkan atau
mengganti secara beruntun beberapa besaran yang dicari sampai sistem menjadi satu
persamaan dengan satu besaran. Persamaan yang menyatakan satu variabel yang tidak
diketahui disebut persamaan PIVOTAL atau persamaan POROS. Jika telah diketahui nilai
satu variabel, maka variabel lainnya diperoleh melalui proses substitusi ke belakang
dengan menggunakan persamaan pivotal.
Dalam penyelesaian numerik cara Gauss selalu ditentukan terlebih dahulu persamaan
pivotal atau persamaan poros bagi variabel, yaitu persamaan yang mempunyai koefisien
terbesar dari besaran yang akan dieliminasi. Apabila besaran yang akan dieliminasi secara
berturut-turut adalah x1,x2, maka persamaan pivotal pertama diperoleh dari koefisien x1
mutlak yang terbesar. P
Persamaan ini dipindahkan posisinya pada susunan baris pertama, sehingga koefisien yang
terbesar berada pada lokasi diagonal a11. Persamaan pivotal kedua x2 dari hasil susunan
persamaan pivotal pertama dipilih dari koefisien besaran x2 yang terbesar. Demikian
seterusnya sehingga tersusun persamaan linear simultan dengan koefisien diagonal dapat
ditulis sebagai berikut:

49
Tinjaulah contoh penyelesaian sistem persamaan linear dengan cara Gauss sebagai berikut.
Persamaan linear dengan 4 besaran yang tidak diketahui disusun pada empat persamaan:

Besaran yang akan dihilangkan berturut-turut adalah x1, x2, dan x3. Karena koefisien x1
terbesar pada persamaan (3), ini merupakan persamaan pivotal pertama. Nyatakan x1 dari
persamaan ini:

Masukkan nilai x1 ini pada persamaan (1), (2), dan (4):

Dari persamaan (6), (7), dan (8) terlihat koefisien terbesar x2 pada persamaan (6), sehingga
ini merupakan persamaan pivotal kedua.
Nyatakan x2 dari persamaan ini:

Persamaan (10) adalah persamaan pivotal ketiga, sehingga:

Isikan (12) ke (11) sehingga diperoleh:

50
Dengan cara subsitusi ke belakang, besaran x3, x2 dan x1 diperoleh dari persamaan (12), (9)
dan (5). Dengan mengisikan nilai x4 ke persamaan (12) diperoleh x3 = 0.22636 dan dengan
mengisikan nilai x3 dan x4 ke persamaan (9) didapat x2 = 0.208898, sehingga nilai x1 dapat
diperoleh dari persamaan (5) dari x2, x3, da x4 yang telah diketahui, yaitu x1 = 1.038335.
Hasil penyelesaian sistem :

Untuk memeriksa kebenaran keempat nilai di atas, masukkan nilai x1, x2, x3, dan x4 pada
persamaan (1), (2), (3) dan (4). Terlihat bahwa cara Gauss menyelesaikan sistem
persamaan linear adalah dengan mengubah sistem persamaan yang diketahui menjadi
persamaan pivotal sistem triangulasi. Dalam penyajian matriks, susunan akhir menjadi :

Dengan mudah dari matriks ini dihitung determinan, berupa perkalian nilai koefisien
diagonal utama : D = 5.36 x 4.287538 x 1.47564 x (-3.117463) = -105.720.
Dengan penjelasan dalam contoh di atas, Algoritma Program mengubah bentuk umum
persamaan simultan :

51
Hal ini dilakukan melalui proses me-nol-kan kolom 1 sampai kolom n-1 di bawah posisi
diagonal. Untuk tujuan ini dibutuhkan (n-1) tahapan proses. Setiap tahap k, k = 1, 2, ..., n-1
akan menghasilkan nilai 0 pada kolom k tanpa mengubah nilai 0 yang sudah ada pada
kolom sebelumnya. Ini berarti bahwa pada setiap tahap dicari suatu pengali mik, dan
kemudian dilakukan pengurangan hasil pengali dari baris persamaan pivoting yang ditinjau
dengan persamaan dari baris lainnya sedemikian rupa sehingga diperoleh nilai nol. Untuk
mendapatkan nilai nol pada kolom pertama di bawah diagonal elemen a11 pada contoh
berikut:

Secara umum :

Pada proses perhitungan besaran ini sesungguhnya hanya ditinjau nilai j = k+1, k+2, .., n,
karena besaran nol di bawah posisi diagonal tidak memerlukan perhitungan lanjut. Dengan
substitusi ke belakang

52
dengan i = n-1, n-2, ..., 2, 1, akan diperoleh besaran variabel yang dicari.
Elemen akk yang digunakan menghitung mik disebut elemen PIVOT. Pada tahap akhir
penghitungan, determinan dunyatakan sebagai :

Sehingga jika ada pivot bernilai nol, berarti determinan |A| = 0. Ini menunjukkan invers
-1
[A] tidak ada, dan tidak ada penyelesaian unik persamaan sebab solusi vektor x dicari dari
-1
{x} = [A] {b}.
Jika pada proses eliminasi nilai akk bernilai 0, tetapi elemen di bawahnya bukan 0, maka
perlu modifikasi susunan baris, dengan pertukaran baris dalam matriks untuk mendapatkan
pivot yang bukan bernilai 0. Proses ini disebut proses PIVOTING.
Suatu pivot bernilai kecil sekali, dan sistem persamaan mempunyai nilai determinan yang
kecil; sistem disebut berkondisi ill (ill conditioned); yang berarti solusi yang akan
diperoleh tidak memberikan hasil yang besar. Penjelasan uraian ini dapat dilihat pada
solusi dua persamaan berikut

yang dalam penyajiannya secara grafik hampir paralel. Solusi persamaan ini tidak stabil
dan hasilnya dengan cara apa pun tidak akan memberikan nilai yang benar.
Algoritma yang memberikan sifat tidak stabil harus dicegah dengan menetapkan syarat
perlu :

Dengan ketentuan ini, prosedur pivoting perlu dimodifikasi pada tahap ke-k, sebelum
dibentuk pengali mik dengan penyusunan baris baru sedemikian rupa untuk memperoleh
nilai mutlak terbesar elemen dalam kolom k di posisi diagonal utama.

Algoritma Program
Algoritma penyelesaian persamaan simultan cara eliminasi Gauss :
a). Masukkan nilai matriks [A] dan {b} yang membentuk persamaan simultan linear.
b). Bentuk matriks gabungan [G] yang merupakan gabungan matriks [A] dan {b}.
c). Lakukan eliminasi untuk me-nol-kan bagian segitiga bawah matriks.
d). Lakukan substitusi mundur untuk mendapatkan hasil perhitungan.
e). Tulis keluaran dan akhiri program.

53
Gambar 5.2 Flowchart Penyelesaian Numerik SistemPersamaan Linear

54
5.2 Metode Eliminasi Gauss Jordan
Metode ini merupakan pengembangan metode eliminasi Gauss, hanya saja augmented
matrik, pada sebelah kiri diubah menjadi matrik diagonal.
 a11 a12 a13 ... a1n b1  1 0 0 ... 0 d1 
a 0 d 2 
 21 a22 a23 ... a2 n b2   1 0 ... 0
a31 a32 a33 ... a3n b3  0 0 1 ... 0 d3 
   
 ... ... ... ... ... ...  ... ... ... ... ... ... 
an1 an 2 an 3 ... ann bn   0 0 0 ... 1 d n 

Penyelesaian dari persamaan linier simultan diatas adalah nilai d1,d2,d3,…,dn dan atau:
x1 = d1 , x2 = d 2 , x3 = d 3 ,...., xn = d n

Teknik yang digunakan dalam metode eliminasi Gauss-Jordan ini sama seperti metode
eliminasi Gauss yaitu menggunakan OBE (Operasi Baris Elementer). Hanya perhitungan
penyelesaian secara langsung diperoleh dari nilai pada kolom terakhir dari setiap baris.
Contoh 1:
Selesaikan persamaan linier simultan:
x1 + x2 = 3 1 1 3
2 x1 + 4 x2 = 8  2 4 8
 
Penyelesaian dengan operasi baris elementer:
1 1 3 
B2 − 2b1  
0 2 2 
1 1 3
B 2 / 2 
 0 1 1
1 0 2
B1 − B2  
0 1 1 
Penyelesaian persamaan linier simultan : x1 = 2 dan x2 = 1
Contoh 2:
x + y + 2z = 9
2 x + 4 y − 3z = 1
3x + 6 y − 5 z = 0

1 1 2 9  B2-2B1 1 1 2 9  B3-3B1
2 4 − 3 1 0 2 − 7 − 17
   
3 6 − 5 0 3 6 − 5 0 

1 1 2 9  ½ B2 1 1 2 9  B3-3B2
0 2 − 7 − 17  0 1 − 7 − 17 
   2 2 
0 3 − 11 − 27 0 3 − 11 − 27

55
1 1 2 9  -2 B3 1 1 2 9  B1- B2
0 1 − 7 0 1 − 7 − 172 
 2 − 172   2

0 0 − 12 − 32  0 0 1 3 

1 0 112 35
 B2 + 7/2 B3 1 0 0 1
2
0 1 − 7 − 
17 0 1 0 2 
 2 2
B1 - 11/2 B3  
0 0 1 3  0 0 1 3

Solusi x = 1, y=2 dan z=3

Secara umum prosedur me-nol-kan unsur pada posisi atas dan bawah diagonal dilakukan
dengan pengali.

bagi unsur di bawah pivotal dan bagi unsur di atas pivotal,

dengan i = 2,3, ..., n dan l = k-1, k-2, ....., 1, dan

Dengan hanya unsur diagonal matriks ≠ 0 dapat dilakukan normalisasi pada matriks. Hasil
perhitungan langsung didapatkan pada kolom terakhir matriks. Bentuk matriks gabungan
setelah normalisasi adalah sebagai berikut :

Algoritma Metode Eliminasi Gauss-Jordan adalah sebagai berikut:

(1) Masukkan matrik A, dan vektor B beserta ukurannya n

(2) Buat augmented matrik [A|B] namakan dengan A
(4) Untuk baris ke i dimana i=1 s/d n
(a) Perhatikan apakah nilai ai,i sama dengan nol :
Bila ya :
pertukarkan baris ke i dan baris ke i+k≤n, dimana ai+k,i tidak sama dengan
nol, bila tidak ada berarti perhitungan tidak bisa dilanjutkan dan proses
dihentikan dengan tanpa penyelesaian.
Bila tidak : lanjutkan

56
 (b) Jadikan nilai diagonalnya menjadi satu, dengan cara untuk setiap kolom k
dimana k=1 s/d n+1, hitung

(5) Untuk baris ke j, dimana j = i+1 s/d n

Lakukan operasi baris elementer: untuk kolom k dimana k=1 s/d n
Hitung c = aj,i
Hitung a j,k = a j,k − c.ai,k
(6) Penyelesaian, untuk i = n s/d 1 (bergerak dari baris ke n sampai baris pertama)
xi = ai,n+1

5.3 METODE DEKOMPOSISI LU

Dari pembuktian matematika, jika suatu matriks [A] bukanlah singular sifatnya (ada
penyelesaian yang unik :

triangular [L] dan [U]. [L] disebut matriks triangular bawah yang elemen matriksnya
mempunyai nilai satu pada diagonal dan nilai 0 di atas diagonal, seperti :

[U] disebut matriks triangulasi atas dengan nilai elemen di bawah diagonal sama dengan 0.
Dengan demikian :
[A] = [L] [U]
Bila persamaan linear yang simultan dinyatakan dalam matriks [A]{x} ={b}, maka
mengisikan matriks [A] dengan [L] [U] menghasilkan
[L][U]{x} ={b} (5.21)

57
Berarti terdapat dua sistem :
[L] {z} = {b} untuk mencari {z}, dan [U] {x} = {z} untuk memperoleh {x}.
Matriks [U] sama dengan matriks triangulasi yang diperoleh dari metode Gauss.
Penyelesaian [U] {x} = {z} dilakukan dengan cara substitusi ke belakang, setelah diketahui
nilai {z}, yang diselesaikan dari [L] {z} = {b}.
Unsur elemen matriks [L] merupakan pengali dalam proses eleminasi Gauss, sehingga
menyimpan pengali ini selama proses eliminasi menjadi dasar pembentukan matriks [L]
dan [U]. Metode penyelesaian seperti ini disebut metode dekomposisi LU.
Algoritma proses dekomposisi LU:
a). Mendapatkan matriks [L] dan [U].
b). Menyelesaikan [L]{z} = {b}.
c). Menyelesaikan [U]{x} = {z}
Proses ini mempunyai syarat telah memasukkan prosedur pivotal. Selanjutnya, cara
dekomposisi ini mempunyai keunggulan dari cara Gauss, yaitu untuk nilai {b} yang
berbeda-beda cukup dilakukan satu kali penguraian matriks [A] ke [L][U].

Sebagai contoh, ditinjau proses dekomposisi LU untuk menyelesaikan persamaan

3x1 + 2x2 - 5x3 = 8
5x1 - 2x2 + 3x3 = 5
x1 + 4x2 - 2x3 = 9
Dalam bentuk matriks :

Dari persamaan awal terlihat perlu dilakukan proses pivotal untuk koefisien x1

yang diubah susunannya menjadi

Karena proses dekomposisi LU pada matriks A, cukup ditulis

Proses pertama ialah menghilangkan elemen di bawah a11 menjadi nol. Secara umum:

58
Susunan baru [A] :

Dari susunan unsur tidak ada perubahan pivotal untuk meneruskan proses triangulasi.

59
sedangkan [L] ialah

Dekomposisi [A] = [L][U]

Penyelesaian dari persamaan menjadi :

Dari langkah (a), vektor {b} dapat mempunyai nilai yang berbeda, sehingga vektor {z}
sebagai vektor antara mendapatkan nilai vektor {x} menjadi fasilitator penyelesaian
persamaan bagi berbagai nilai vektor {b}. []{}{}bxA=
Metode dekomposisi LU banyak dipakai dalam pemrograman solusi analisis sistem yang
baku, yang unsur matriks [A] tetap, tetapi unsur vektor {b} yang terkait dengan pengaruh
luar terhadap sistem mempunyai beberapa variasi.

Algoritma Program
Algoritma penyelesaian persamaan simultan linear dengan metode dekomposisi LU:
a). Masukkan nilai matriks [A] dan {b}.
b).Lakukan dekomposisi matriks [A] (algoritma diberikan selengkapnya pada Bagan Alir
Program program).
c). Lakukan substitusi ke depan.
d). Lakukan substitusi ke belakang untuk mendapatkan penyelesaian persamaan.
e). Tulis keluaran dan akhiri program.

60
5.4 Metode Iterasi Gauss-Seidel
Metode interasi Gauss-Seidel adalah metode yang menggunakan proses iterasi hingga
diperoleh nilai-nilai yang berubah. Bila diketahui persamaan linier simultan:

a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1

a21 x1 + a22 x2 + a23 x3 + ... + a2 n xn = b2
a31 x1 + a32 x2 + a33 x3 + ... + a3 n xn = b3
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
an1 x1 + an 2 x2 + a n 3 x3 + ... + ann xn = bn

Berikan nilai awal dari setiap xi (i=1 s/d n) kemudian persamaan linier simultan diatas
dituliskan menjadi:

x1 =
1
(b1 − a12 x2 − a13 x3 − .... − a1n xn )
a11

x2 =
1
(b2 − a21 x1 − a23 x3 − .... − a2n xn )
a2 2
...............................................................

xn =
1
(bn − an1 x1 − an 2 x2 − .... − ann−1 xn−1 )
ann
Dengan menghitung nilai-nilai xi (i=1 s/d n) menggunakan persamaan-persamaan di atas
secara terus-menerus hingga nilai untuk setiap xi (i=1 s/d n) sudah sama dengan nilai xi
pada iterasi sebelumnya maka diperoleh penyelesaian dari persamaan linier simultan
tersebut. Atau dengan kata lain proses iterasi dihentikan bila selisih nilai xi (i=1 s/d n)
dengan nilai xi pada iterasi sebelumnya kurang dari nilai tolerasi error yang ditentukan.
Untuk mengecek kekonvergenan :

Hati-hati dalam menyusun sistem persamaan linier ketika menggunakan metode iterasi
Gauss-Seidel ini. Perhatikan setiap koefisien dari masing-masing xi pada semua persamaan
di diagonal utama (aii).Letakkan nilai-nilai terbesar dari koefisien untuk setiap xi pada
diagonal utama. Masalah ini adalah ‘masalah pivoting’ yang harus benar-benar
diperhatikan, karena penyusun yang salah akan menyebabkan iterasi menjadi divergen dan
tidak diperoleh hasil yang benar.
x1 + x2 = 5
2 x1 + 4 x2 = 14
Berikan nilai awal : x1 = 0 dan x2 = 0. Susun persamaan menjadi:

61
Nilai interasi ke-7 sudah tidak berbeda jauh dengan nilai interasi ke-6 maka proses
dihentikan dan diperoleh penyelesaian:

Algoritma Metode Iterasi Gauss-Seidel adalah sebagai berikut:

(1) Masukkan matrik A, dan vektor B beserta ukurannya n
(2) Tentukan batas maksimum iterasi max_iter
(3) Tentukan toleransi error ε
(4) Tentukan nilai awal dari xi, untuk i=1 s/d n
(5) Simpan xi dalam si, untuk i=1 s/d n
(6) Untuk i=1 s/d n hitung :

(7) iterasi  iterasi+1

62
(8) Bila iterasi lebih dari max_iter atau tidak terdapat ei <ε untuk i=1 s/d n maka proses.
proses
dihentikan dari penyelesaiannya adalah xi untuk i=1 s/d n. Bila tidak maka ulangi langkah
(5)

5.5 Contoh Penyelesaian Permasalahan Persamaan Linier Simultan

Contoh 1.
Mr.X membuat 2 macam boneka A dan B. Boneka A memerlukan bahan 10 blok B1 dan 2
blok B2, sedangkan boneka B memerlukan bahan 5 blok B1 dan 6 blok B2. Berapa jumlah
boneka yang dapat dihasilkan bila tersedia 80 blok bahan B1 dan 36 blok bahan B2.
Model Sistem Persamaan Linier :
Variabel yang dicari adalah jumlah boneka, anggap:
x1 adalah jumlah boneka A
x2 adalah jumlah boneka B
Perhatikan dari pemakaian bahan :
B1: 10 bahan untuk boneka A + 5 bahan untuk boneka B = 80
B2: 2 bahan untuk boneka A + 6 bahan untuk boneka B = 36
Diperoleh model sistem persamaan linier
10 x1 + 5 x2 = 80
2 x1 + 6 x2 = 36
metode eliminasi Gauss-Jordan
Gauss

Diperoleh x1 = 6 dan x2 = 4,
artinya bahan yang tersedia dapat dibuat 6 boneka A dan 4 boneka B.

Contoh Kasus 2:
Permasalahan aliran panas pada plat baja
Diketahui panas beberapa titik pada plat baja yaitu pada sisi luar. Bila ditentukan bahwa
aliran panas
nas bergerak secara laminar dan panas pada sebuah titik adalah rata-rata
rata panas
dari 4 titik tetangganya, maka dapat dihitung panas pada titik T1 dan T2 sebagai berikut:

63
Persamaan panas pada titik T1 dan T2 dapat dihitung dengan:

Sistem persamaan linier dari permasalahan di atas adalah:

Penyelesaian dengan menggunakan iterasi Gauss-Seidel, terlebih dahulu ditentukan nilai

pendekatan awal T1=0 dan T2=0 dan fungsi pengubahnya adalah :

Diperoleh hasil perhitungan untuk toleransi error 0.0001 sebagai berikut:

Jadi temperatur pada T1=23,3333 dan T2=43,3333

C. Rangkuman
1. Persamaan linier simultan adalah suatu bentuk persamaan-persamaan yang secara
bersama-sama menyajikan banyak variabel bebas. Bentuk persamaan linier simultan
dengan m persamaan dan n variabel bebas dapat dituliskan sebagai berikut:

64
2. Persamaan Linier Simultan atau Sistem Persamaan Linier mempunyai kemungkinan
solusi:
• Tidak mempunyai solusi
• Tepat satu solusi
• Banyak solusi
3. Metode eliminasi gauss, adalah suatu metode dimana bentuk matrik di atas, pada
biagan kiri diubah menjadi matrik segitiga atas atau segitiga bawah dengan
menggunakan OBE (Operasi Baris Elementer).
4. Operasi Baris Elementer
• Mengalikan persamaan dengan konstanta kecuali nol
• Mempertukarkan dua baris
• Menambahkan perkalian suatu baris pada baris lainya.
5. Persamaan yang menyatakan satu variabel yang tidak diketahui disebut persamaan
PIVOTAL atau persamaan POROS
6. Suatu pivot bernilai kecil sekali, dan sistem persamaan mempunyai nilai determinan yang
kecil; sistem disebut berkondisi ill (ill conditioned); yang berarti solusi yang akan diperoleh
tidak memberikan hasil yang besar.
7. Dekomposisi LU

8. Metode interasi Gauss-Seidel adalah metode yang menggunakan proses iterasi hingga
diperoleh nilai-nilai yang berubah

D. Tugas

Pilihlah satu metode untuk menyelesaikan Sistem Persamaan Linear secara numerik diatas,
kemudian coba aplikasikan algoritmanya dalam sebuah bahasa pemograman menggunakan
bahasa pemograman MATLAB!

E. Evaluasi

Perbandingkan metode Eliminasi Gauss, Iterasi Gauss-Seidel, dan Aturan Cramers dalam
menyelesaikan persamaan linear di bawah ini:

x1 + 2 x 2 + 3 x3 = 14
− 2 x1 + 3 x 2 + 2 x3 = 10
5 x1 − 8 x 2 + 6 x3 = 7

65
DAFTAR PUSTAKA

Numerical Analysis Using Matlab and SpreadSheets. Steven T. Karris. Orchard

Publications
P. L. DeVries, A First Course in Computational Physics (John Wiley & Sons, Inc., New
York, 1994)
Metode Numerik dalam Ilmu Rekayasa Sipil. Amriyansyah Nasution dan Hasballah
Zakaria. Penerbit ITB.2001
Metode Numerik Sebagai Algoritma Komputasi. Slide Nana Ramadijanti
Metode Numerik. Diktat ajar Irfan Subakti
MODUL 8 Interpolasi dan Regresi. Diktat ajar Zuhair

A. Pustaka
Anton, Howard. Dasar-dasar Aljabar Linear Jilid 2 Edisi 7. 2000. Penerbit Interaksara. Jakarta
Buku Ajar Aljabar Linear Oleh Yuliant Sibaroni 2002
Aljabar Linier Elementer. Mahmud ’Imrona. 2002
PAUL CALTER, 1979, Theory and Problems of Technical Mathematics, Schaum’s outline, Mc
GRAW.HILL BOOK COMPANY
Slide: AgusSoft, dll.
Gilbert Strang, Linear Algebra and its Applications, second edition, Harcourt Brace Jovanovich,
1980.
Evar D. Nering, Linear Algebra and Matrix Theory, second edition, John Wiley, 1970.
Serge Lang, Linear Algebra, Addison-Wesley, 1966.

66