Materikuliah Pemodelandanmatematikaterapan PDF

Seri Mata Kuliah : PEMODELAN dan MATEMATIKA TERAPAN
PRINSIP DASAR PEMODELAN
1 dan MODEL MATEMATIS
1.1. Prinsip Dasar Pemodelan

Secara fundamental, pemodelan di dalam kajian-kajian proses
teknik kimia dan proses adalah :
• Penggambaran kinerja suatu aktivitas, sistem atau proses
• Membangun persamaan matematis yang dapat
menggambar-kan kinerja suatu proses (secara fisik)
1.2. Persamaan Matematis

Didalam aktivitas pemodelan di dalam permasalahan teknik
kimia dan proses, umumnya dihasilkan suatu bentuk atau sistem
persamaan matematis. Secara garis besar, bentuk-bentuk persamaan
yang mungkin terbentuk adalah :
1. Persamaan Aljabar : manakala proses berlangsung secara
tunak atau penggambaran kinerja proses statik.
– Hubungan antar variabel : linier atau non-linier (PAL atau PANL)
– Jumlah persamaan (variabel anu) : tunggal atau jamak/serempak (PA atau
SPA)
– Pengungkapan : eksplisit atau implisit.
2. Persamaan Diferensial : bila proses yang digambar-kan

berlangsung secara dinamis (unsteady state process, time
dependent proses) :
– Hubungan antar variabel : linier atau non-linier

– Jumlah persamaan (jumlah variabel terikat yang dideferensialkan) : tunggal
atau jamak
– Dimensi perubahan (dinamisasi variabel) : biasa (PDB) atau parsial (PDP)
Property of Setijo Bismo Halaman (1)
– Pengungkapan : eksplisit atau implisit.
Persamaan Aljabar Persamaan Diferensial
• K =yx • dx A dt = k ⋅ C A ,0 ⋅ ( 1 − x A )
d
• q =mc p ΔT +mλ • (N X C )= FR X CR + R−V YC
dt
⎧ y1 = x1 +2x 2 ⎧ dy1 dθ = k1 y1 ⋅ y2 −k2 y22
• ⎨ 2 • ⎨
⎩ y2 = x1 ⋅x 2 −x 2 2
⎩dy2 dθ = k3 y1
1.3. Strategi Pemahaman Suatu Model Matematis

Secara konseptual, diperlukan pemahaman yang mendasar
tentang persamaan-persamaan model yang terbentuk, sebagai berikut :
A. Tidak mungkin semua variabel tidak diketahui (harganya) dan tidak
mungkin semua variabel/ besaran diketahui (dull equation).
B. Persamaan Tunggal : hanya satu variabel yang harus dihitung, simbol

atau besaran lainnya disebut konstanta atau paramater (yang
diketahui harganya).
C. Persamaan Jamak (n buah) : hanya n buah variabel yang harus

dihitung, teliti dan pelajari parameter/ besaran lain yang berperan
sebagai konstanta. Penyelesaian model ini umumnya memerlukan
harga awal atau tebakan, dilakukan secara iteratif dan serempak.
D. Jika pembentukan model telah sesuai dengan kaidah dan sistematika

yang benar : solusi dapat terarah (konvergen).
1.4. Penalaran atau Aliran Logika Pemodelan
Model matematis yang terbentuk disyaratkan harus memenuhi

aliran logika, baik yang bersifat fisika maupun matematis. Pada
dasarnya, model matematis tersebut harus mampu menggambarkan

diagram aliran informasi dasar dari permasalahan yang dimaksudkan.
Di bawah ini, secara sederhana diberikan suatu bentuk

persamaan atau model matematis sebagai berikut :
d
{N X C } = FR X CR + R − V YC
dt
Sebagai Persamaan Diferensial Biasa Eksplisit, persamaan di

atas memiliki 2 kelompok posisi variabel/parameter/ konstanta, yaitu
satu fihak di RUAS KIRI (N dan XC) dan di fihak lain berada pada
RUAS KANAN (FR, XCR, R, V dan YC).
Bila diinginkan mencari atau menyelesaikan persamaan di atas,

maka perlu difahami diagram aliran logika berikut :
FR, XCR
d XC
{N XC } = FR XCR + R − V YC
dt
V, YC

BEBERAPA CONTOH MODEL
Kasus #1 :
F1
ZZ0
Z
F2
Mempunyai DIAGRAM ALIR INFORMASI DASAR sbb :
Masukan Persamaan-persamaan Sistem Keluaran

dZ
F1, F2
dZ ⎧ dZ ⎫ Z
A = F1 − F2 dt Z = ∫ ⎨⎩ ⎬ dt
dt ⎭
A dt
Blok Diagram Informasi Dasar
Secara lebih ringkas, diagram alir kerja MODEL dari

Kasus #1 ini adalah sbb :
Masukan Persamaan Sistem Keluaran
F1, F2
dZ Z
A = F1 − F2
A dt
Model Kasus #1

Kasus # 2 :
k k
A ⎯⎯
⎯
1
→ B ⎯⎯
⎯2
→ C
RA = k1 C A , RB = k1 C A − k2 C B
Secara sistematik, diagram kerja MODEL dari Kasus

#2 ini adalah sbb :
Masukan Persamaan Sistem Keluaran
CA,0, CB,0 dC A
= k1 C A CA, CB
dt
k1, k2 dC B
= k1 C A − k2 C B
dt
Model Kasus #2
Dalam mencari solusi (jawab) dari Kasus #2 ini

sebagai fungsi dari waktu, baik secara analitis
maupun numeris diperlukan sejumlah HARGA AWAL
(initial values), sbb :
1. CA,0
2. CB,0
dan sejumlah TETAPAN (laju reaksi), sbb :
1. k1
2. k2
ÖÖÖ SOLUSI “PDB” dengan “HARGA AWAL”

SOLUSI PERSAMAAN DIFERENSIAL BIASA
2 dengan HARGA AWAL dalam PEMODELAN

dan MODEL MATEMATIS
2.1. Solusi Persamaan Diferensial Biasa

Secara umum, problem persamaan diferensial biasa selalu
melibat-kan harga awal, yang dapat ditulis sebagai berikut :
y' = f ( x , y ), y( x 0 ) = y0
x0 ≤ x ≤ x N
Secara numerik, solusi yang seringkali diterapkan dalam problem

ini adalah dengan metode eksplisit. Dalam hal ini, solusi dari problem
di atas adalah berada dalam interval [x 0 , x N ] yang dibagi secara tetap
(equidistance) sebanyak N buah panel :
x N − x0
h =
N
sehingga :
x i = x 0 + i h, i = 0,1, 2,… , N
Jika y(x ) adalah “solusi eksak” dari PDB di atas, maka dengan
melakukan ekspansi dengan “deret Taylor” dengan sisanya akan
diperoleh
( x i +1 − x i ) 2
y( x i +1 ) = y( x i ) + ( x i +1 − x i ) y' ( x i ) + y" ( ξi ),
: 2!
x i ≤ ξi ≤ x i +1
substitusi dari PDB di atas dan dengan pendekatan metode eksplisit

pada persamaan di atas akan didapatkan :
h2
y( x i +1 ) = y( x i ) + h f ( x i , y( x i )) + f' ( ξi , y( ξ i ))
2!
2.1. Metode EULER
Metode yang paling sederhana dalam menterjemahkan deret

Taylor diatas, yaitu dengan dengan cara “pemotongan” term kedua
(atau di atasnya). Dan bila dinotasikan ui ≈ y( x i ) , maka :
ui +1 = ui + h f ( x i , ui ), i = 0,1,… , N − 1
u0 = y0
Dari persamaan di atas, dapat diketahui bahwa untuk menghitung
ui +1 diperlukan informasi tentang harga-harga x i dan ui , yang disebut
sebagai harga awal. Akurasi dari metode ini adalah dalam “order satu”
(first-order approximation) :
ei +1 = 0( h1 )

Gambar 1. Representasi METODE EULER.
Untuk memperkecil “galat pemotongan lokal” pada setiap tahap

(panel), ukuran h dapat dibuat sekecil mungkin.
2.3. Metode RUNGE-KUTTA
Metode ini termasuk algoritma eksplisit yang melibatkan evaluasi

fungsi f di antara x i dan x i +1 . Formula umum dari metode ini adalah
sebagai berikut :
ν
ui +1 = ui + ∑ ωj K j
j =1
dengan :
j −1
K j = h f ( x i + c j h, ui + ∑ a jl K l )
l =1
c1 = 0
Perlu dicatat, bila ν = 1 , ω = 1 , dan K1 = h f ( x i , ui ) maka
formula yang akan diperoleh adalah : METODE EULER. Hal ini
berarti bahwa metode EULER adalah order terendah dari METODE
RUNGE-KUTTA.
Untuk mendapatakan formula dengan akurasi yang lebih tinggi,

parameter-parameter ω , c , dan a dapat diubah dengan tetap
melakukan ekspansi solusi eksak melalui deret Taylor.
Sebagai contoh, bila kita inginkan ν = 2 , maka pertama kali kita
ekspansikan solusi eksak di atas dengan deret Taylor :

h2
y( x i +1 ) = y( x i ) + h f ( x i , y( x i )) + f' ( x i , y( x i )) + 0( h 3 )
2!
sedangkan f ' ( x i , y( x i )) dapat dituliskan sebagai :
dfi ∂f ∂f dy
= i + i = ( fx + f y f )i
dx ∂x ∂y dx x = x i
Jika persamaan terakhir disubstitusikan kedalam persamaan di

atasnya dengan pemotongan term di atasnya, maka akan diperoleh :
h2
ui +1 = ui + h fi + ( fx + f y f )i
2!
Untuk ekspansi formula K j pada posisi ke- i , perlu dicatat bahwa
harga K 1 merupakan bentuk paling sederhana, sebagai berikut :
K1 = h f ( x i , ui ) = h fi
sehingga harga K 2 dapat dihitung melalui formula berikut :
K 2 = h f ( x i + c2 h, ui + a21 K1 )
Jika diketahui bahwa sembarang dua fungsi η dan φ yang
lokasinya berturut-turut berdekatan dengan x i dan ui , maka akan

diperoleh :
f ( η, φ) ≈ f ( x i , ui ) + ( η − x i ) f ( x i , ui ) + ( φ − ui ) f y ( x i , ui )
Dengan menggunakan persamaan di atas untuk K 2 , maka akan

didapatkan bentuk persamaan untuk menghitung K 2 :

K 2 = h ( fi + c2 h fx + a21 K1 f y )
atau
K 2 = hfi + h 2 ( c2 fx + a21 f y f )i
Bila disubstitusikan persamaan terakhir dan persamaan K1 di atas
kedalam formula dasar Runge-Kutta ( ui +1 ) di atas, maka akan

diperoleh :
ui +1 = ui + ω1 h fi + ω2 h fi + ω2 h 2 c2 ( fx )i + a21 ω2 h 2 ( f y f )i
Jika dibandingkan persamaan ui +1 yang terakhir ini dengan
persaamaan ui +1 sebelumnya, maka akan diperoleh :
ω1 + ω2 = 1,0
ω2 c2 = 0,5
ω2 a21 = 0,5
Algoritma METODE RUNGE-KUTTA dilengkapi dengan cara

memilih salah satu di antara paramater-parameter ω1 , ω2 , c2 atau
a21 , sedangkan parameter lainnya ditetapkan dengan menggunakan
formula-formula di atas.
Jika dipilih c2 = 0,5 , maka skema metode RK menjadi

METODE TITIK TENGAH (midpoint method) adalah :
ui +1 = ui + h f ( x i + 0,5 h, ui + 0,5 h fi ), i = 0,1,… , N − 1

u0 = y0

Dari persamaan di atas, dapat diketahui bahwa untuk menghitung

‘harga baru’, ui +1 , diperlukan besaran-besaran x i dan ui :
• x i dan ui merupakan ‘harga awal’
• harga fi dihitung sebagai fungsi dari x i dan ui : fi = f ( x i , ui )
• h adalah ‘lebar panel’ atau jarak antara ui ui +1
Representasi grafik dari formula metode titik tengah di atas adalah

sebagai berikut :
Gambar 2. Representasi METODE TITIK TENGAH.
Sedangkan jika dipilih c2 = 1 , maka akan diperoleh formulasi

kelandaian rata-rata (average slope) dari metode Runge-Kutta order-2
:

h
ui +1 = ui + [fi + f ( x i + h, ui + h fi )], i = 0,1,… , N − 1
2
u0 = y0
Representasi grafik dari metode kelandaian rata-rata di atas dapat

disajikan seperti pada halaman berikut :
Gambar 2. Representasi METODE Kelandaian rata-rata

RUNGE-KUTTA order-2.
Kedua skema Metode RK di atas memiliki akurasi order-2, karena

2
pemotongan deret Taylor dilakukan setelah 0( h ) .
Jika diinginkan akurasi pada order-p, maka harus diambil harga ν

yang sebesar mungkin. Namun hal ini hampir tidak mungkin atau
memerlukan usaha/ pekerjaan yang besar (?).
Tabel 1. hubungan order-p dengan ν .

p 2 3 4 5 6 …
ν 2 3 4 6 8 …

2.3.1. Peranan harga h dalam solusi numerik
Untuk metode RK order-2, harga h sangat berpengaruh dalam

peroleh atau solusi numeris dari model yang dimaksudkan, seperti
dapat dilihat pada gambar berikut :
2.3.2. Ketelitian beberapa metode numeris

Ketelitian dari beberapa metode numeris yang umum digunakan
dapat dilihat pada gambar berikut :

2.4. Metode RUNGE-KUTTA order tinggi

1. Metode RUNGE-KUTTA-GILL:
Metode Runge-Kutta-Gill (RKG) tergolong dalam
keluarga metode RK order-4, yang memiliki 4
(empat) buah ‘konstanta perhitungan antara’ yang
dikombinasikan dengan konstanta-konstanta lain (a,
b, c, dan d) sebagai keluarga bilangan emas (golden
numbers).
Algoritma ringkas dari metode RKG ini dapat
dituliskan seperti di bawah ini :
1 1
ui +1 = ui + ( K1 + K 4 ) + (b K 2 + d K 3 )
6 3
K1 = h f ( x i , ui )
K 2 = h f ( x i + 12 h, ui + 12 K1 )
K 3 = h f ( x i + 12 h, ui + a K1 + b K 2 )
K 4 = h f ( x i + h, ui + c K 2 + d K 3 )
2 −1 2− 2
a = , b =
2 2
2 2
c = − , d = 1+
2 2
untuk :
i = 0, 1, 2,…,N-1 dan
harga awal :
u0 = y0

2. Metode RUNGE-KUTTA-MERSON :
Metode Runge-Kutta-Merson (RKM) tergolong dalam
keluarga metode Runge-Kutta order-4, namun
memiliki ketelitian sampai order-5. Keistimewaan ini
dimungkinkan karena metode RKM memiliki 5 (lima)
buah ‘konstanta perhitungan antara’ yang berperan
untuk memprediksi harga solusi yang diinginkan
pada 2 (dua) keadaan sedemikian rupa sehingga
‘galat pembulatan’ dapat diminimisasi sampai order-
5.
Formulasi ringkas dari metode RKM ini dapat
dituliskan seperti di bawah ini :
1 3
ui +1 = ui + K1 − K 3 + 2 K 4
2 2
1 2 1
ui +1 = ui + K1 + K 4 + K 5
6 3 6
K1 = h f ( x i , ui )
K 2 = h f ( x i + 13 h, ui + 13 K1 )
K 3 = h f ( x i + 13 h, ui + 16 K1 + 16 K 2 )
K 4 = h f ( x i + 12 h , ui + 18 K 1 + 38 K 3 )
K 5 = h f ( x i + h, ui + 12 K1 − 32 K 3 + 2 K 4 )
untuk :
i = 0, 1, 2,…,N-1 dan
harga kondisi awal :
u0 = y0

3. Metode RUNGE-KUTTA-FEHLBERG :
Sama halnya dengan metode RKM, metode Runge-
Kutta-Fehlberg (RKF45) juga tergolong dalam
keluarga metode Runge-Kutta order-4, namun
memiliki ketelitian sampai order-5. Ketelitian yang
tinggi ini dimungkinkan karena metode RKF45
memiliki 6 (enam) buah ‘konstanta perhitungan
antara’ yang berperan untuk meng-update solusi
sampai order-5.
Formulasi ringkas dari metode RKM ini adalah :
K1 = h f ( x i , ui )
K 2 = h f ( x i + 14 h, ui + 14 K1 )
K 3 = h f ( x i + 38 h, ui + 323 K1 + 329 K 2 )
K 4 = h f ( x i + 12
13
h, ui + 1932
2197
K1 − 7200
2197
K 2 + 7296
2197
K3 )
K 5 = h f ( x i + h, ui + 439
216
K1 − 8 K 2 + 3680
513
845
K 3 − 4104 K4 )
K 6 = h f ( x i + 12 h, ui − 278 K 1 + 2 K 2 − 3544
2565
K 3 + 1859
4104
K 4 − 11
40
K5 )
• Formula ‘update’ order-4 :

25 1408 2197 1
ui +1 = ui + K1 + K3 + K4 − K5
216 2565 4104 5
• Formula order-5 :
16 6656 28561 9 2
uˆ i +1 = ui + K1 + K3 + K4 − K5 + K6
135 12825 56437 50 55
• Galat ‘pembabatan’ order-4 :

1 128 2197 1 2
uˆ i +1 − ui +1 = K1 − K3 − K4 + K5 + K6
360 4275 75240 50 55
untuk :
i = 0, 1, 2,…,N-1 dan u0 = y0

Contoh-contoh Integrasi Numerik :
Persamaan Tunggal :
dy
= − 25 y
dt
Solusi Eksak (Analitis) :
y = e − 25 t
Tabel 2. Hasil perhitungan persamaan tunggal dengan metode

RK order-2.
Nilai Hasil Perhitungan Numerik (ui+1)
x Solusi Eksak
(y) Contoh 1 (RKSR) Contoh 2 (RKMP) Contoh 3 (RKG)
0.00 1.0000E+00 1.0000E+00 1.0000E+00 1.0000E+00
0.20 6.7379E-03 6.7415E-03 6.7415E-03 6.7379E-03
0.40 4.5400E-05 4.5448E-05 4.5448E-05 4.5400E-05
0.60 3.0590E-07 3.0639E-07 3.0639E-07 3.0590E-07
0.80 2.0612E-09 2.0655E-09 2.0655E-09 2.0612E-09
1.00 1.3888E-11 1.3925E-11 1.3925E-11 1.3888E-11

Contoh 1 :
{Program Solusi Persamaan Diferensial Biasa

dengan Metode RUNGE-KUTA 'Slope Rata-rata'}
Type
Real = Extended;
Real01 = Array [0..1] of Real;
Procedure F(x,Y : Real;

Var DY : Real);
Begin
DY := -25*Y;
End;
Procedure DRK2SR(XV : Real01;

YI : Real;
Var YF : Real;
NP : Integer;
Eps : Real);
{-----------------------------------------------------
PROGRAM : 2-nd ORDER 'MEAN SLOPE' RUNGE-KUTTA METHOD
FOR ORDINARY DIFFERENTIAL EQUATION
(M.E. Davis, p13)
F : Function F(x,y) to be integrated
N : Number of differential equations
XV : Vector of xv[0]=initial and xv[1]=final
YI,YF : Values of Y-initial and Y-final
H : Step length
-----------------------------------------------------}
Var
H,X,YP : Real;
K1,K2 : Real;
Begin
H := (xv[1] - xv[0])/NP;
X := XV[0];
YF := YI;
Repeat
YP := YF;
F(X,YP,K1);
YF := YP + H*K1;
F(X+H,YF,K2);
YF := YP + H*(K1 + K2)/2;
X := X + H;
Until (ABS(XV[1]-X) <= EPS);
End;
Var
I,NP : Integer;
XV : Real01;
Yi,Yf,Eps,h : Real;
Begin
Eps := 1.0E-6;
NP := 200;
xv[0] := 0;
xv[1] := 0.2;
Yi := 1.0;
Writeln(xv[0]:0:4,' ',Yi:13,' ',exp(-25*xv[0]):13);
For I := 1 to 5 do
Begin
DRK2SR(xv,Yi,Yf,NP,Eps);
Writeln(xv[1]:0:4,' ',Yf:13,' ',exp(-25*xv[1]):13);
xv[0] := xv[1];
xv[1] := xv[1] + 0.2;
Yi := Yf;
End;
Readln;
End.

Contoh 2 :
{Program Solusi Persamaan Diferensial Biasa

dengan Metode RUNGE-KUTTA 'Midpoint'}
Type
Real = Extended;
Procedure F(x,Y : Real;

Var DY : Real);
Begin
DY := -25*Y;
End;
Procedure DRK2MP(XV : Real01;

YI : Real;
Var YF : Real;
NP : Integer;
Eps : Real);
{-----------------------------------------------------
PROGRAM : 2-nd ORDER 'MIDPOINT' RUNGE-KUTTA METHOD
FOR ORDINARY DIFFERENTIAL EQUATION
(M.E. Davis, p13)
F : Function F(x,y) to be integrated
XV : Vector of xv[0]=initial and xv[1]=final
YI,YF : Value of Y-initial and Y-final
NP : Number of panels
H : Step length
-----------------------------------------------------}
Var
H,X,YP : Real;
I : Integer;
K1,K2 : Real;
Begin
H := (xv[1] - xv[0])/NP;
X := XV[0];
YF := YI;
Repeat
YP := YF;
F(X,YP,K1);
YF := YP + H*K1/2;
F(X+H/2,YF,K2);
YF := YP + H*K2;
X := X + H;
Until (ABS(XV[1]-X) <= EPS);
End;
Var
I,NP : Integer;
XV : Real01;
Yi,Yf : Real;
Eps : Real;
Begin
Eps := 1.0E-6;
NP := 200;
xv[0] := 0;
xv[1] := 0.2;
Yi := 1.0;
Writeln(xv[0]:0:4,' ',Yi:13,' ',exp(-25*xv[0]):13);
For I := 1 to 5 do
Begin
DRK2MP(xv,Yi,Yf,NP,Eps);
Writeln(xv[1]:0:4,' ',Yf:13,' ',exp(-25*xv[1]):13);
xv[0] := xv[1];
xv[1] := xv[1] + 0.2;
Yi := Yf;
End;
Readln;
End.

Contoh 3 :
{Program Solusi Persamaan Diferensial Biasa Repeat

dengan Metode RUNGE-KUTA-GILL} YP := YF;
F(X,YP,K1);
Type YF := YP + H*K1/2;
Real = Extended; F(X+H/2,YF,K2);
Real01 = Array [0..1] of Real; YF := YP + H*(a*K1+b*K2);
F(X+H/2,YF,K3);
Procedure F(x,Y : Real; YF := YP + H*(c*K2+d*K3);
Var DY : Real); F(X+H,YF,K4);
Begin X := X + H;
DY := -25.0*Y; YF := YP + H*((K1+K4)/6 + (b*K2+d*K3)/3);
End; Until (ABS(XV[1]-X) <= EPS);
End;
Procedure DRKGIL(XV : Real01;
YI : Real;
Var YF : Real; Var
NP : Integer; I,NP : Integer;
Eps : Real); XV : Real01;
{----------------------------------------------------- Yi,Yf : Real;
PROGRAM : 4-th ORDER RUNGE-KUTTA-GILL METHOD FOR Eps : Real;
ORDINARY DIFFERENTIAL EQUATION
(M.E. Davis, p13) Begin
F : Function F(x,y) to be integrated Eps := 1.0E-6;
N : Number of differential equations NP := 200;
XV : Vector of xv[0]=initial and xv[1]=final xv[0] := 0;
YI,YF : Value of Y-initial and Y-final xv[1] := 0.2;
H : Step length Yi := 1.0;
-----------------------------------------------------} Writeln(xv[0]:0:3,' ',Yi:13,' ',exp(-25*xv[0]):13);
Var For I := 1 to 5 do
a,b,c,d,H,X,YP : Real; Begin
I : Integer; DRKGIL(xv,Yi,Yf,NP,Eps);
K1,K2,K3,K4 : Real; Writeln(xv[1]:0:3,' ',Yf:13,' ',exp(-25*xv[1]):13);
Begin xv[0] := xv[1];
a := (Sqrt(2)-1)/2; xv[1] := xv[1] + 0.2;
b := (2-Sqrt(2))/2; Yi := Yf;
c := -Sqrt(2)/2; End;
d := 1 + Sqrt(2)/2; Readln;
H := (xv[1] - xv[0])/NP; End.
X := XV[0];
YF := YI;

Persamaan Jamak (Sistem PDB) :
dy ⎡ 3,21 ⎤
= − 0,1744 exp ⎢ * ⎥ y
dx ⎣T ⎦
dT * ⎡ 3,21 ⎤
= 0,06984 exp ⎢ * ⎥ y
dx ⎣T ⎦
Tabel 3. Hasil perhitungan persamaan jamak dengan metode RK

order-2.
Hasil Perhitungan Numerik untuk Sistem PDB :

x
Contoh 4 : RK-Slope rata2 Contoh 5 : RK-Midpoint
y T y T
0.000 1.000000 1.000000 1.000000 1.000000
0.100 0.700397 1.119979 0.700430 1.119966
0.200 0.529232 1.188523 0.529259 1.188512
0.300 0.413765 1.234763 0.413787 1.234754
0.400 0.329942 1.268331 0.329959 1.268324
0.500 0.266512 1.293732 0.266525 1.293726
0.600 0.217224 1.313469 0.217235 1.313465
0.700 0.178223 1.329088 0.178232 1.329084
0.800 0.146954 1.341610 0.146961 1.341607
0.900 0.121638 1.351748 0.121644 1.351745
1.000 0.100989 1.360017 0.100993 1.360015

Contoh 4 :
{Program Solusi Sistem Persamaan Diferensial Biasa

dengan Metode RUNGE-KUTA 'Slope Rata-rata'}
Type
Real = Extended;
Procedure F(N : Integer;

x : Real;
Y : Real50;
Var DY : Real50);
Begin
DY[1] := -0.1744*exp(3.21/Y[2])*Y[1];
DY[2] := 0.06984*exp(3.21/Y[2])*Y[1];
End;
{$I DRK2SR}
Var
I,N,NP : Integer;
XV : Real01;
Yi,Yf : Real50;
Eps : Real;
Begin
Eps := 1.0E-6;
N := 2;
NP := 20;
xv[0] := 0;
xv[1] := 0.1;
Yi[1] := 1.0;
Yi[2] := 1.0;
Writeln(xv[0]:0:3,' ',Yi[1]:0:6,' ',Yi[2]:0:6);
For I := 1 to 10 do
Begin
DRK2SR(N,xv,Yi,Yf,NP,Eps);
Writeln(xv[1]:0:3,' ',Yf[1]:0:6,' ',Yf[2]:0:6);
xv[0] := xv[1];
xv[1] := xv[1] + 0.1;
Yi := Yf;
End;
Readln;
End.

Contoh 5 :

dengan Metode RUNGE-KUTTA 'Midpoint'}
Type
Real = Extended;

x : Real;
Y : Real50;
Var DY : Real50);
Begin
DY[1] := -0.1744*exp(3.21/Y[2])*Y[1];
DY[2] := 0.06984*exp(3.21/Y[2])*Y[1];
End;
{$I DRK2MP}
Var
I,N,NP : Integer;
XV : Real01;
Yi,Yf : Real50;
Eps : Real;
Begin
Eps := 1.0E-6;
N := 2;
NP := 20;
xv[0] := 0;
xv[1] := 0.1;
Yi[1] := 1.0;
Yi[2] := 1.0;
Writeln(xv[0]:0:3,' ',Yi[1]:0:6,' ',Yi[2]:0:6);
For I := 1 to 10 do
Begin
DRK2MP(N,xv,Yi,Yf,NP,Eps);
Writeln(xv[1]:0:3,' ',Yf[1]:0:6,' ',Yf[2]:0:6);
xv[0] := xv[1];
xv[1] := xv[1] + 0.1;
Yi := Yf;
End;
Readln;
End.

Tabel 4. Perbandingan hasil perhitungan sistem PDB jamak antara

metode-metode order-4 : RK-Gill dan RK-Merson.

x Contoh 6 : RK-Gill Contoh 7 : RK-Merson
y T y T
0.000 1.000000 1.000000 1.000000 1.000000
0.100 0.700372 1.119989 0.700372 1.119989
0.200 0.529209 1.188532 0.529209 1.188532
0.300 0.413745 1.234771 0.413746 1.234771
0.400 0.329925 1.268337 0.329925 1.268337
0.500 0.266497 1.293738 0.266497 1.293738
0.600 0.217212 1.313474 0.217212 1.313474
0.700 0.178213 1.329092 0.178213 1.329092
0.800 0.146945 1.341613 0.146945 1.341613
0.900 0.121631 1.351751 0.121631 1.351751
1.000 0.100982 1.360020 0.100982 1.360020

Contoh 6 :

dengan Metode RUNGE-KUTA-GILL}
Type
Real = Extended;

x : Real;
Y : Real50;
Var DY : Real50);
Begin
DY[1] := -0.1744*exp(3.21/Y[2])*Y[1];
DY[2] := 0.06984*exp(3.21/Y[2])*Y[1];
End;
{$I DRKGIL}
Var
I,N,NP : Integer;
XV : Real01;
Yi,Yf : Real50;
Eps : Real;
Begin
Eps := 1.0E-6;
N := 2;
NP := 10;
xv[0] := 0;
xv[1] := 0.1;
Yi[1] := 1.0;
Yi[2] := 1.0;
Writeln(xv[0]:0:3,' ',Yi[1]:0:6,' ',Yi[2]:0:6);
For I := 1 to 10 do
Begin
DRKGIL(N,xv,Yi,Yf,NP,Eps);
Writeln(xv[1]:0:3,' ',Yf[1]:0:6,' ',Yf[2]:0:6);
xv[0] := xv[1];
xv[1] := xv[1] + 0.1;
Yi := Yf;
End;
Readln;
End.

Contoh 7 :

dengan Metode RUNGE-KUTA-MERSON}
Type
Real = Extended;

x : Real;
Y : Real50;
Var DY : Real50);
Begin
DY[1] := -0.1744*exp(3.21/Y[2])*Y[1];
DY[2] := 0.06984*exp(3.21/Y[2])*Y[1];
End;
{$I DRKMER}
Var
I,MSG,N,NP : Integer;
xv : Real01;
s : Real02;
Yi,Yf : Real50;
Eps : Real;
Begin
Eps := 1.0E-4;
N := 2;
NP := 100;
xv[0] := 0;
xv[1] := 0.1;
s[0] := (xv[1] - xv[0])/NP;
s[1] := s[0]/64;
Yi[1] := 1.0;
Yi[2] := 1.0;
Writeln(xv[0]:0:3,' ',Yi[1]:0:6,' ',Yi[2]:0:6);
For I := 1 to 10 do
Begin
DRKMER(N,xv,Yi,Yf,s,Eps,MSG);
Writeln(xv[1]:0:3,' ',Yf[1]:0:6,' ',Yf[2]:0:6,'
',MSG);
xv[0] := xv[1];
xv[1] := xv[1] + 0.1;
Yi := Yf;
End;
Readln;
End.

Tabel 5. Perbandingan hasil perhitungan sistem PDB jamak antara

metode-metode order-4 : RK-Gill dan RK-Fehlberg.

x Contoh 6 : RK-Gill Contoh 8 : RK-Fehlberg
y T y T
0.000 1.000000 1.000000 1.000000 1.000000
0.100 0.700372 1.119989 0.700372 1.119989
0.200 0.529209 1.188532 0.529209 1.188532
0.300 0.413745 1.234771 0.413745 1.234771
0.400 0.329925 1.268337 0.329925 1.268337
0.500 0.266497 1.293738 0.266497 1.293738
0.600 0.217212 1.313474 0.217212 1.313474
0.700 0.178213 1.329092 0.178213 1.329092
0.800 0.146945 1.341613 0.146945 1.341613
0.900 0.121631 1.351751 0.121631 1.351751
1.000 0.100982 1.360020 0.100982 1.360020

Contoh 8 :

dengan Metode RUNGE-KUTA-FEHLBERG}
Type
Real = Extended;

x : Real;
Y : Real50;
Var DY : Real50);
Begin
DY[1] := -0.1744*exp(3.21/Y[2])*Y[1];
DY[2] := 0.06984*exp(3.21/Y[2])*Y[1];
End;
{$I DRKF45}
Var
xv : Real01;
s : Real02;
Yi,Yf : Real50;
Eps : Real;
Begin
Eps := 1.0E-5;
N := 2;
NP := 100;
xv[0] := 0;
xv[1] := 0.1;
s[0] := (xv[1] - xv[0])/NP;
s[1] := s[0]/64;
Yi[1] := 1.0;
Yi[2] := 1.0;
Writeln(xv[0]:0:3,' ',Yi[1]:0:6,' ',Yi[2]:0:6);
For I := 1 to 10 do
Begin
DRKF45(N,xv,Yi,Yf,s,Eps,MSG);
Writeln(xv[1]:0:3,' ',Yf[1]:0:6,' ',Yf[2]:0:6);
xv[0] := xv[1];
xv[1] := xv[1] + 0.1;
Yi := Yf;
End;
Readln;
End.

Solusi PDB Order-2 menggunakan Metode RKG dan

RKM dengan ‘Teknik Shooting’ :
Persamaan Diferensial Biasa Order-2 non-linier berikut :

d2 y
= − 1 − ( x 2 + 1) y
dx 2
y( −1) = 0 dan y(1) = 0
PDB di atas memiliki informasi tentang harga-harga

fungsi pada x = −1 dan x = 1 , akan tetapi tidak memiliki
informasi yang memadai tentang harga-harga awalnya
untuk turunan pertama dan kedua (karena merupakan
PDB order-2).
Salah satu solusi yang mungkin dilakukan adalah dengan
metode ‘trial and error’, sehingga PDB order-2 di atas
dapat diubah menjadi Sistem PDB berikut :
⎧ dy1 ⎧ y1 ( −1) = 0
⎪⎪ dx = y2 ⎪
⎨ ⎨
⎪ dy2 = − 1 − ( x 2 + 1 ) y ⎪ y ( −1) = input
⎪⎩ dx 1 ⎩ 2
Strategi solusi PDB yang mungkin dilakukan dapat

dijelaskan sebagai berikut :
• Karena PDB tunggal di atas berbentuk order-2, maka
dimisalkan suatu sistem PDB baru dengan 2 (dua) buah
variabel terikat, yaitu dalam y1 dan y2 ,

• Harga awal (kondisi awal) dari y1 diketahui, namun

untuk y2 tidak sehingga dalam hal ini perlu diberikan
dengan cara ‘trial and error’
• Integrasi PDB dapat dilakukan untuk informasi yang
diketahui, dalam hal ini antara x = −1 sampai x = 1 .
Tabel 6. Perbandingan hasil perhitungan sistem PDB order-2 dengan ‘teknik

shooting’ antara metode RK-Gill dan RK-Merson.
Contoh 9 : Metode RKG Contoh 10 : Metode RKM

x
y1 y2 y1 y2
-1.00 0.000000 1.736465 0.000000 1.736465
-0.90 0.168104 1.620549 0.168104 1.620549
-0.80 0.323231 1.478228 0.323231 1.478228
-0.70 0.463112 1.316726 0.463112 1.316726
-0.60 0.586136 1.141981 0.586136 1.141981
-0.50 0.691223 0.958637 0.691223 0.958637
-0.40 0.777693 0.770133 0.777693 0.770133
-0.30 0.845157 0.578843 0.845157 0.578843
-0.20 0.893419 0.386258 0.893419 0.386258
-0.10 0.922394 0.193192 0.922394 0.193192
0.00 0.932054 -0.000000 0.932054 -0.000000
0.10 0.922394 -0.193192 0.922394 -0.193192
0.20 0.893419 -0.386259 0.893419 -0.386259
0.30 0.845157 -0.578843 0.845157 -0.578843
0.40 0.777693 -0.770133 0.777693 -0.770133
0.50 0.691223 -0.958637 0.691223 -0.958637
0.60 0.586136 -1.141981 0.586136 -1.141981
0.70 0.463112 -1.316727 0.463112 -1.316727
0.80 0.323231 -1.478228 0.323231 -1.478228
0.90 0.168104 -1.620549 0.168104 -1.620549
1.00 -0.000000 -1.736465 -0.000000 -1.736465


Contoh 9 :
{Program Solusi Sistem PDB 'turunan kedua' (order 2)

dengan 'Shooting' menggunakan Metode RUNGE-KUTA-GILL
PDB order 2 : d2Y/dx2 = -1 - (x^2 + 1)*Y
x(-1) = 0 dan
x(1) = 0}
Type
Real = Extended;

x : Real;
Y : Real50;
Var DY : Real50);
Begin
DY[1] := Y[2];
DY[2] := -1 - (Sqr(x) + 1)*Y[1];
End;
{$I DRKGIL}
Var
I,N,NP : Integer;
XV : Real01;
Yi,Yf : Real50;
Eps : Real;
Begin
Eps := 1.0E-6;
N := 2;
NP := 10;
xv[0] := -1;
xv[1] := -0.9;
Yi[1] := 0.0;
Yi[2] := 1.736465;
Writeln(xv[0]:0:3,' ',Yi[1]:0:6,' ',Yi[2]:0:6);
For I := 1 to 20 do
Begin
Writeln(xv[1]:0:3,' ',Yf[1]:0:6,' ',Yf[2]:0:6);
xv[0] := xv[1];
xv[1] := xv[1] + 0.1;
Yi := Yf;
End;
Readln;
End.

Contoh 10 :

dengan 'Shooting' menggunakan Metode RUNGE-KUTA-MERSON
PDB order 2 : d2Y/dx2 = -1 - (x^2 + 1)*Y
x(-1) = 0
x(1) = 0}
Type
Real = Extended;

x : Real;
Y : Real50;
Var DY : Real50);
Begin
DY[1] := Y[2];
DY[2] := -1 - (Sqr(x) + 1)*Y[1];
End;
{$I DRKMER}
Var
xv : Real01;
s : Real02;
Yi,Yf : Real50;
Eps : Real;
Begin
Eps := 1.0E-4;
N := 2;
NP := 10;
xv[0] := -1.0;
xv[1] := -0.9;
s[0] := (xv[1] - xv[0])/NP;
s[1] := s[0]/64;
Yi[1] := 0.0;
Yi[2] := 1.736465;
Writeln(xv[0]:0:3,' ',Yi[1]:0:6,' ',Yi[2]:0:6);
For I := 1 to 20 do
Begin
DRKMER(N,xv,Yi,Yf,s,Eps,MSG);
Writeln(xv[1]:0:3,' ',Yf[1]:0:6,' ',Yf[2]:0:6);
xv[0] := xv[1];
xv[1] := xv[1] + 0.1;
Yi := Yf;
End;
Readln;
End.

Aplikasi Solusi PDB tunggal Order-2 dengan ‘Teknik

Substitusi Variabel’ (Rice & Duong Do, hal. 229-230)
menggunakan Metode Runge-Kutta-Gill :
Persamaan Diferensial Biasa Order-2 non-linier berikut :

y ′′ + y ′ = − sin ( x ) + cos ( x )
y( 0 ) = 0 ; y′(0) = 1
Harga-harga (kondisi) awal dari PDB tunggal di atas dapat memadai,

jika persamaan tersebut dikonversikan menjadi formula baku
permisalan Sistem PDB berikut (untuk order-2) :
⎧ dy1 ⎧ y1 (0) = 0
⎪ dx = 1 ⎧ dy1
⎪ ⎪ y1 = x ⇒ dx = 1 ⎪
⎪ dy2 ⎪ ⎪⎪
⎨ = y3 ⎨ y2 = y ⎨ y2 (0) = 0
⎪ dx ⎪ ⎪
dy
⎪ dy3 ⎪ y3 = 2 ⎪
⎪ dx = − sin( y1 ) + cos( y1 ) - y3 ⎩ dx ⎪⎩ y3 (0) = 1
⎩
Langkah-langkah permisalan di atas dapat dilakukan berdasarkan algoritma

berikut :
• Permisalan dimulai pada ‘variabel bebas’ x , untuk y1 sehingga diketahui
harga turunannya (lihat kolom tengah),
• Permisalan kedua adalah untuk ‘variabel terikat’ y , untuk y2 ,
• Permisalan ketiga (yang terakhir) adalah untuk ‘turunan variabel terikat’
( dy dx = dy2 dx ) sebagai y3 ,
• Sistem PDB baru yang diperoleh adalah dengan cara menyusun turunan-
turunan dari variabel-variabel permisalan di atas ( y1 dan y2 ) yang
digabungkan dengan penyusunan ulang PDB tunggal di atas untuk
dy3 dx (lihat kolom kiri)

• Harga-harga atau kondisi awal dari sistem PDB di atas berturut-turut

merupakan harga-harga pada x = 0 (dalam hal ini y1 (0) ), variabel terikat
pada saat x = 0 (dalam hal ini y2 (0) ), dan turunan pertama variabel
terikat pada saat x = 0 (dalam hal ini y3 (0) ).
• Solusi yang diinginkan adalah harga-harga y2 sebagai fungsi x .
Perbandingan harga-harga solusi numerik dengan metode RKG dari

PDB di atas ( y2 ) dengan solusi eksak disajikan pada tabel di bawah
ini :
Tabel 7. Perbandingan solusi numerik sistem PDB order-2 dengan metode RK-
Gill dengan solusi analitis.
Metode Runge-Kuta-Gill (Contoh 11) : Solusi Eksak

x
y1 y2 y3 y
0.000 0.000000 0.000000 1.000000 0.000000
0.157 0.157080 0.156434 0.987688 0.156434
0.314 0.314159 0.309017 0.951057 0.309017
0.471 0.471239 0.453990 0.891007 0.453990
0.628 0.628319 0.587785 0.809017 0.587785
0.785 0.785398 0.707107 0.707107 0.707107
0.942 0.942478 0.809017 0.587785 0.809017
1.100 1.099557 0.891007 0.453990 0.891007
1.257 1.256637 0.951057 0.309017 0.951057
1.414 1.413717 0.987688 0.156434 0.987688
1.571 1.570796 1.000000 -0.000000 1.000000
1.728 1.727876 0.987688 -0.156434 0.987688
1.885 1.884956 0.951057 -0.309017 0.951057
2.042 2.042035 0.891007 -0.453990 0.891007
2.199 2.199115 0.809017 -0.587785 0.809017
2.356 2.356194 0.707107 -0.707107 0.707107
2.513 2.513274 0.587785 -0.809017 0.587785
2.670 2.670354 0.453990 -0.891007 0.453990
2.827 2.827433 0.309017 -0.951057 0.309017
2.985 2.984513 0.156434 -0.987688 0.156434
3.142 3.141593 -0.000000 -1.000000 0.000000

Contoh 11 :

dengan 'konversi' atau 'substitusi variabel' menggunakan
Metode RUNGE-KUTA-GILL
PDB order 2 : y" + y' = - sin(x) + cos(x)
y1(0) = 0
y2(0) = 0 dan
y3(0) = 1}
Type
Real = Extended;

x : Real;
Y : Real50;
Var DY : Real50);
Begin
DY[1] := 1;
DY[2] := Y[3];
DY[3] := -Sin(Y[1]) + Cos(Y[1]) - Y[3];
End;
{$I DRKGIL}
Var
I,N,NP : Integer;
XV : Real01;
Yi,Yf : Real50;
Eps,Pi : Real;
Begin
Pi := 4*ArcTan(1);
Eps := 1.0E-6;
N := 3;
NP := 20;
xv[0] := 0;
xv[1] := Pi/20;
Yi[1] := 0.0;
Yi[2] := 0.0;
Yi[3] := 1.0;
Writeln(xv[0]:0:3,' ',Yi[1]:0:6,' ',Yi[2]:0:6,
' ',Yi[3]:0:6,' ',Sin(xv[0]):0:6);
For I := 1 to 20 do
Begin
Writeln(xv[1]:0:3,' ',Yf[1]:0:6,' ',Yf[2]:0:6,
' ',Yf[3]:0:6,' ',Sin(xv[1]):0:6);
xv[0] := xv[1];
xv[1] := xv[1] + Pi/20;
Yi := Yf;
End;
Readln;
End.

Materikuliah Pemodelandanmatematikaterapan PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Materikuliah Pemodelandanmatematikaterapan PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Seri Mata Kuliah : PEMODELAN dan MATEMATIKA TERAPAN

PRINSIP DASAR PEMODELAN

1 dan MODEL MATEMATIS

1.1. Prinsip Dasar Pemodelan

1.2. Persamaan Matematis

2. Persamaan Diferensial : bila proses yang digambar-kan

– Hubungan antar variabel : linier atau non-linier

– Pengungkapan : eksplisit atau implisit.

Persamaan Aljabar Persamaan Diferensial

1.3. Strategi Pemahaman Suatu Model Matematis

B. Persamaan Tunggal : hanya satu variabel yang harus dihitung, simbol

C. Persamaan Jamak (n buah) : hanya n buah variabel yang harus

D. Jika pembentukan model telah sesuai dengan kaidah dan sistematika

1.4. Penalaran atau Aliran Logika Pemodelan

Model matematis yang terbentuk disyaratkan harus memenuhi

dasarnya, model matematis tersebut harus mampu menggambarkan

Di bawah ini, secara sederhana diberikan suatu bentuk

Sebagai Persamaan Diferensial Biasa Eksplisit, persamaan di

Bila diinginkan mencari atau menyelesaikan persamaan di atas,

Property of Setijo Bismo Halaman (3)

BEBERAPA CONTOH MODEL

Mempunyai DIAGRAM ALIR INFORMASI DASAR sbb :

Masukan Persamaan-persamaan Sistem Keluaran

Blok Diagram Informasi Dasar

Secara lebih ringkas, diagram alir kerja MODEL dari

Masukan Persamaan Sistem Keluaran

Property of Setijo Bismo Halaman (4)

Secara sistematik, diagram kerja MODEL dari Kasus

Masukan Persamaan Sistem Keluaran

Dalam mencari solusi (jawab) dari Kasus #2 ini

ÖÖÖ SOLUSI “PDB” dengan “HARGA AWAL”

Property of Setijo Bismo Halaman (5)

SOLUSI PERSAMAAN DIFERENSIAL BIASA

2 dengan HARGA AWAL dalam PEMODELAN

2.1. Solusi Persamaan Diferensial Biasa

Secara numerik, solusi yang seringkali diterapkan dalam problem

substitusi dari PDB di atas dan dengan pendekatan metode eksplisit

2.1. Metode EULER

Metode yang paling sederhana dalam menterjemahkan deret

Property of Setijo Bismo Halaman (7)

Gambar 1. Representasi METODE EULER.

Untuk memperkecil “galat pemotongan lokal” pada setiap tahap

2.3. Metode RUNGE-KUTTA

Metode ini termasuk algoritma eksplisit yang melibatkan evaluasi

Untuk mendapatakan formula dengan akurasi yang lebih tinggi,

Property of Setijo Bismo Halaman (8)

sedangkan f ' ( x i , y( x i )) dapat dituliskan sebagai :

Jika persamaan terakhir disubstitusikan kedalam persamaan di

Untuk ekspansi formula K j pada posisi ke- i , perlu dicatat bahwa

harga K 1 merupakan bentuk paling sederhana, sebagai berikut :

sehingga harga K 2 dapat dihitung melalui formula berikut :

Jika diketahui bahwa sembarang dua fungsi η dan φ yang

lokasinya berturut-turut berdekatan dengan x i dan ui , maka akan

Dengan menggunakan persamaan di atas untuk K 2 , maka akan

Property of Setijo Bismo Halaman (9)

Bila disubstitusikan persamaan terakhir dan persamaan K1 di atas

kedalam formula dasar Runge-Kutta ( ui +1 ) di atas, maka akan

Jika dibandingkan persamaan ui +1 yang terakhir ini dengan

persaamaan ui +1 sebelumnya, maka akan diperoleh :

Algoritma METODE RUNGE-KUTTA dilengkapi dengan cara

Jika dipilih c2 = 0,5 , maka skema metode RK menjadi

ui +1 = ui + h f ( x i + 0,5 h, ui + 0,5 h fi ), i = 0,1,… , N − 1

Property of Setijo Bismo Halaman (10)

Persamaan Jamak (Sistem PDB) :