Numerik 1-5
Numerik 1-5
1.1. Umum
Metode Numerik adalah teknik untuk menyelesaikan permasalahan-
permasalahan yang diformulasikan secara matematis dengan cara operasi hitungan
(arithmatic).
Dalam metode numerik ini dilakukan operasi hitungan dalam jumlah yang sangat
banyak dan berulang-ulang. Oleh karena itu diperlukan bantuan komputer untuk
melaksanakan operasi hitungan tersebut. Metode numerik juga mampu menyelesaikan
suatu sistem persamaan yang besar, tidak linier dan sangat kompleks yang tidak
mungkin diselesaikan secara analitis.
Karenanya mata kuliah ini diajarkan untuk membantu mahasiswa menyelesaikan
perhitungan numerik dan menyelesaikannya dengan bantuan komputer.
Ruang lingkup metode numerik antara lain mencari akar-akar persamaan dan
mencari akar dari suatu sistem persamaan simultan.
Dari persamaan (1.1), (1.2) dan (1.3) yang dibandingkan terhadap nilai eksak, maka
kesalahan yang dinyatakan berdasarkan pada nilai perkiraan terbaik dari nilai eksak
dapat dirumuskan sebagai berikut :
a 100% (1.4)
p
Dengan :
Suku Hasil e % a %
1 1 39.3 0
2 1,5 9.02 33.3
3 1.625 1.44 7.69
4 1.645833333 0.175 1.27
5 1.648437500 0.0172 0.158
Dengan :
f(xi) : fungsi di titik xi
f(xi+1) : fungsi di titik xi+1
f’, f”,....fn : turunan pertama, kedua,....., ke n dari fungsi
x : jarak antara xi dan xi+1
Rn : kesalahan pemotongan
! : operator faktorial, misalkan bentuk 3! = 1 x 2 x 3; 4! = 1 x 2 x 3 x 4
Dalam persamaan (1.5) kesalahan pemotongan Rn diberikan oleh bentuk berikut ini.
n 1 x n 1 n2 x n 2
Rn f ( xi ) f ( xi) ........ (1.6)
(n 1)! (n 1)!
Persamaan (1.5) yang mempunyai suku sebanyak tak terhingga akan memberikan
perkiraan nilai suatu fungsi sesuai dengan penyelesaian analitisnya. Dalam praktek sulit
memperhitungkan semua suku tersebut dan biasanya hanya diperhitungkan beberapa
suku pertama saja. Gambar 1.1. menunjukkan perkiraan suatu fungsi dengan deret
Taylor.
1. Memperhitungkan satu suku pertama (order nol)
Apabila hanya diperhitungkan satu suku pertama dari ruas kanan, maka persamaan
(1.5) dapat ditulis dalam bentuk :
f ( x 1) f ( xi ) (1.7)
Pada persamaan (1.7) yang disebut sebagai perkiraan order nol, nilai f pada titik
xi+1 sama dengan harga pada xi. Perkiraan tersebut adalah benar jika fungsi yang
diperkirakan adalah suatu konstan. Jika fungsi tidak konstan maka harus
diperhitungkan suku-suku berikutnya dari deret Taylor.
2. Memperhitungkan dua suku pertama (order 1)
Bentuk deret Taylor order satu dengan memperhitungkan dua suku pertama ditulis
sbb :
x
f ( x 1) f ( xi) f ' ( xi)
1!
Yang merupakan suatu garis lurus (naik/turun).
3. Memperhitungkan tiga suku pertama (order dua)
Deret Taylor yang memperhitungkan tiga suku pertama dari ruas kanan ditulis :
x
f ( xi 1) f ( xi ) f ' ( xi ) x f " ( xi )
2
(1.8)
Persamaan (1.8) disebut perkiraan order dua.
Indeks n menunjukkan bahwa deret yang diperhitungkan adalah sampai pada suku ke-n,
sedangkan indeks n + 1 menunjukkan bahwa kesalahan pemotongan mempunyai order n
+ 1.
Kesalahan pemotongan ini kecil apabila :
1. interval ∆x adalah kecil
2. memperhitungkan lebih bayak suku deret taylor
Pada perkiraan order satu, kesalahan pemotongan adalah :
x 2 x 3
O x 2 f " xi
2!
f " ' xi
3!
......
(1.10)
1.4.3. Diferensial Numerik
Digunakan untuk memperkirakan bentuk diferensial kontinyu menjadi bentuk
diskret. Biasanya digunakan untuk menyelesaikan persamaan diferensial dan dapat
diturunkan berdasar deret Taylor.
1. Diferensial Maju
f xi 1 f xi f ' xi x O x 2 (1.11)
atau
f f xi 1 f xi
x
f ' xi
x
O x 2 (1.12)
Disebut diferensial maju karena order satu karena menggunakan data pada titik
xi dan xi+1.
2. Diferensial Mundur
x x 2 x 3
f xi 1 f xi f ' xi f " xi f " ' xi
1! 2! 3!
(1.13)
atau
f xi 1 f xi f ' xi x O x 2 (1.14)
f f xi f xi 1
f ' xi O x (1.15)
x x
Data yang digunakan adalah di titik xi dan xi-1.
3. Diferensial Terpusat
f xi 1 f xi 1
atau
f
f ' xi
f xi
x
atau
f
f ' xi
f xi
x
(1.16)
Data yang digunakan adalah pada titik xi-1 dan xi+1.
atau
2 f
f " xi
f xi
x 2
(1.17)
dari uraian diatas disimpulkan bahwa bentuk diferensial (biasa atau parsiil) dapat
diubah menjadi diferensial numerik (beda hingga).
Diferensial fungsi f terhadap t,
f f t n1 f t n
f 'tn (1.18)
t t
2 f f t n
f " tn
t 2
(1.19)
BAB II
AKAR-AKAR PERSAMAAN
2.1. Pendahuluan
Untuk polinomial derajad dua, persamaan diselesaikan dengan rumus
persamaan kuadrat. Misalnya bentuk ax2 + bx + c = 0 diselesaikan dengan
b b 2 4ac
menggunakan rumus : x12
2a
Sedang untuk persamaan dengan derajad yang lebih tinggi tidak ada rumus yang
digunakan untuk menyelesaikannya. Misalnya :
f x x 3 x 2 3x 3 0
f x x 5 2 x 4 3x 3 4 x 2 3x 1 0
f x e x 3x 0
f x 3 x sin x e x 0
Penyelesaian
Dihitung nilai f(x) pada interval antara 2 titik, misalnya x=1 dan x=2.
Untuk x = 1, f(x=1) = (1)3 + (1)2 -3(1) -3 = -4
Untuk x = 2, f (x=2) = (2)3 + (2)2 -3(2) -3 = 3
Mengingat fungsi adalah kontinyu, berarti perubahan tanda dari fungsi antara x = 1 dan
x = 2 akan memotong sumbu x paling tidak satu kali.
Dihitung nilai xt, dan juga nilai f(xt),
x1 x 2 1 2
xt 1,5
2 2
f ( xt 1,5) (1,5) 3 (1,5) 2 3(1,5) 3 1,875
Oleh karena fungsi berubah tanda antara x = 1,5 dan x = 2, maka akar terletak diantara
kedua nilai tsb.
Tabel 2.1. Hasil hitungan metode setengah interval
Nilai tsb digunakan untuk menghitung nilai f(x*), kemudian digunakan lagi
untuk interpolasi linier dengan nilai f(xn) atau f(xn+1) sehingga kedua fungsi
mempunyai tanda yang berbeda. Prosedur ini diulang sampai didapat nilai f(x *)
mendekati nol.
Contoh 2.
Hitung salah satu akar dari persamaan f(x) = x3 + x2 -3x -3 = 0
Penyelesaian
Langkah pertama adalah menghitung nilai f(x) pada interval antara 2 titik
sedemikian sehingga nilai f(x) pada kedua titik tsb berlawanan tanda.
Untuk x1 = 1, f(x1 = 1) = -4
Untuk x2 = 2, f(x2 = 2) = 3
Dengan menggunakan rumus :
f ( xn 1)
x xn 1 ( xn 1 xn)
f ( xn 1) f ( xn)
3
x 2 (2 1) 1.57142
3 (4)
f ( x) (1.57142) 3 (1.57142) 2 3(1.57142) 3 1.36449
Karena f(x*) bertanda sama dengan x1 (negatif) maka akar terletak antara x =
1.57142 dan x = 2. Selanjutnya dihitung nilai x*,
3
x 2 ( 2 1.57142) 1.70540
3 (1.36449)
f ( x) (1.70540) 3 (1.70540) 2 31.70540 3 0.24784
Prosedur hitungan seperti tsb diatas dilanjutkan sampai akhirnya didapat nilai
f(x*) ≈ 0. Tabel 2.2. menunjukkan hasil hitungan tsb.
Tabel 2.2. Hasil hitungan metode interpolasi linier
Pada gambar dijelaskan bahwa turunan pertama pada xi adalah ekivalen dengan
kemiringan.
f ( xi) 0
f ' ( xi)
xi xi 1
atau (2.3)
f ( xi )
xi 1 xi
f ' ( xi )
Contoh 3
Selesaikan soal pada contoh 1 dengan menggunakan metode Newton Raphson
Penyelesaian
Persamaan yang diselesaikan,
f ( x) x3 x 2 3x 3 0
Contoh 4
Selesaikan persamaan dalam contoh sebelumnya dengan menggunakan metode
Secant.
Penyelesaian
Iterasi pertama, diambil 2 nilai awal x = 1 dan x = 2
Untuk x=1, f(x=1) = -4
Untuk x=2, f(x=2) = 3
Dengan menggunakan persamaan (2.4),
f ( x 2)( x 2 x1) 3( 2 1)
x3 x 2 2 1.57142
f ( x 2) f ( x1) 3 (4)
Iterasi kedua,
x 2 2, f ( x 2 2) 3
x3 1.57142; f ( x3 1.57142) 1.36449
Dengan menggunakan persamaan (2.4),
1.36449(1.57142 2)
x 4 1.57142 1.70540
1.36449 3
Contoh 5
Hitung akar dari persamaan x3 + x2 – 3x – 3 = 0 dengan metode iterasi.
Penyelesaian
Persamaan tsb dapat ditulis dalam bentuk :
x 3 x 2 3 x 3 x ( x 2 3 x 3)1 / 3
Dalam bentuk persamaan 2.6, persamaan tsb menjadi :
x i 1 ( xi 2 3 xi 3)1 / 3
Bila ditentukan perkiraan awal x 1 2 didapat :
2
x 2 ( x1 3 x1 3)1 / 3 ( 2 2 3 2 3)1 / 3 1.70998
Besar kesalahan :
x 2 x1 1.70998 2
a 100% 100% 16.9607%
x2 1.70998
Hitungan dilanjutkan dengan prosedur yang sama dan hasilnya diberikan dalam
tabel 2.5. Hasil hitungannya adalah x = 1.73205.
Tabel 2.5. Hasil hitungan dengan metode Iterasi
Iterasi (i) xi εa (%)
1 2.00000
2 1.70998 16.9607
3 1.73313 1.3362
4 1.73199 0.0658
5 1.73205 0.0034
6 1.73205 0.0002
Dari tabel terlihat bahwa hasil hitungan pada iterasi yang lebih tinggi semakin
dekat dengan akar persamaan yang benar, atau kesalahan yang terjadi semakin
kecil. Penyelesaian persamaan seperti ini disebut konvergen.
Persamaan x 3 x 2 3 x 3 0 dapat diubah dalam bentuk berikut :
x3 x 2 3
x
3
Dalam bentuk iterasi persamaan diatas menjadi :
3 2
xi xi 3
xi 1
3
Untuk perkiraan awal x1 2, didapat :
3 2
x x1 3 23 2 2 3
x2 1 3
3 3
Besar kesalahan :
x2 x1 3 2
a 100% 100% 33.3333%
x2 3
Dengan prosedur yang sama hitungan dilanjutkan dan hasilnya diberikan dalam
tabel 2.6.
Tabel 2.6. Hasil hitungan metode Iterasi
Iterasi (i ) xi εa
1 2.00000
2 3.00000 33.3333
3 11.00000 72.7273
4 483.00000 97.7226
5 37637290.0 99.9987
Tampak bahwa hasil hitungan pada iterasi yang lebih tinggi semakin menjauhi
nilai akar persamaan yang benar. Keadaan hitungan seperti ini disebut
divergen.
Jadi dapat disimpulkan bahwa penyelesaian disebut konvergen karena
perkiraan x bergerak mendekati perpotongan kedua kurva dan sebaliknya jika
penyelesaian iterasi semakin menjauhi nilai akar yang benar disebut divergen.
Gambar 2.9. Penjelasan konvergensi dan divergensi pada metode iterasi
BAB III
SISTEM PERSAMAAN LINIER
3.1. Pendahuluan
Di dalam penyelesaian sistem persamaan akan dicari nilai x1, x2, ........,xn yang
memenuhi sistem persamaan berikut,
f1(x1,x2, ..........,xn) = 0
f2(x1, x2, ........., xn) = 0
.
.
.
fn(x1, x2, .........., xn) = 0
Sistem persamaan diatas dapat linier atau tak linier. Bentuk umum sistem
persamaan linier :
a11 x1 a12 x2 ....... a1n xn b1
a21 x1 a22 x2 ....... a2 n xn b2
. (3.1)
.
an1 x1 an 2 x2 ....... ann xn bn
Diagonal yang terdiri dari elemen a11, a22, a33, dan a44 adalah diagonal utama
matriks.
3.2.1. Beberapa tipe matriks bujur sangkar
Digunakan dalam penyelesaian sistem persamaan linier.
Ada beberapa bentuk khusus dari matriks bujur sangkar, yaitu :
1. Matriks simetris, bila aij = aji. Misalnya matriks simetris 3x3.
2. Matriks diagonal adalah matriks bujur sangkar dimana semua elemen kecuali
diagonal utama adalah nol :
a11 0 0 0
0 a 22 0 0
A
0 0 a33 0
0 0 0 a 44
3. Matriks identitas, adalah matriks diagonal dimana semua elemen pada diagonal
utama adalah 1,
1 0 0 0
0 1 0 0
I
0 0 1 0
0 0 0 1
4. Matriks segitiga atas, adalah matriks dimana semua elemen di bawah diagonal
utama adalah nol, seperti
a11 a12 a13 a14
0 a 22 a 23 a 24
A
0 0 a33 a34
0 0 0 a 44
5. Matriks segitiga bawah, adalah matriks dimana semua elemen diatas diagonal
utama adalah nol.
a11 0 0 0
a 21 a 22 0 0
A
a31 a32 a33 0
a 41 a 42 a 43 a 44
6. Matriks pita, adalah matriks yang mempunyai elemen sama dengan nol, kecuali
pada satu jalur yang berpusat pada diagonal utama.
a11 a12 0 0
a 21 a 22 a 23 0
A
0 a32 a33 a34
0 0 a 43 a 44
Matriks diatas mempunyai tiga jalur, yang biasa disebut dengan matriks
tridiagonal.
3.2.2. Operasi matriks
a. Kesamaan dua matriks
Dua matriks A dan B dikatakan sama bila elemen-elemen matriks A sama dengan
elemen-elemen matriks B dan ukuran keduanya adalah sama, aij = bij untuk semua
i dan j.
b. Penjumlahan matriks
C A B aij bij cij
contoh :
1 2 3 2 3 0
A B
0 1 4 1 2 5
1 2 2 3 3 0 3 5 3
A B
0 (1) 1 2 4 5 1 3
9
c. Perkalian matriks
Jika g A C, maka cij g aij
Contoh :
2 - 2
A dan g 5
4 3
2 2 10 10
C gA 5
4 3 20 15
1
2 3 4 - 2 2(1) 3(-2) 4(3) 8
3
1 2 x1
2 1 4
Jika A B - 1 3 dan X x 2
1 3 2
4 - 1 x3
Tentukan :
AB ; BA ; dan AX
d. Matrik Transpose
Matriks transpose adalah matriks yang terbentuk dengan mengganti baris menjadi
kolom dan kolom menjadi baris. Matriks ini diberi notasi AT.
a11 a12 a13 . . a1n
a a 22 a 23 . . a 2 n
21
. . . .
A
. . . .
. . . .
a m1 am2 am3 . . a mn
e. Matriks Invers
Di dalam matriks, operasi pembagian matriks tidak didefinisikan. Tetapi operasi
matriks yang mirip dengan pembagian adalah matriks invers.
Bila A adalah matriks, maka matriks inversnya adalah A-1.
AA1 A1 A I
Dengan demikian, perkalian matriks dengan matriks invers adalah analog dengan
pembagian.
f. Peningkatan matriks
Matriks dapat ditingkatkan dengan menambahkan kolom pada matriks asli. Misalnya
suatu matriks koefisien ukuran 3 x 3.
a11 a12 a13
A a 21 a 22 a 23
a31 a32 a33
Prosedur berikutnya adalah mengeliminasi x2 dari salah satu dari dua persamaan
terakhir. Untuk itu persamaan (3.6.b) dibagi dengan koefisien pertama dari persamaan
(3.6.b) yaitu a’22
a '23 b'2
x2 x3 (3.7)
a '22 a '22
Persamaan (3.7) dikalikan dengan koefisien pertama dari persamaan (3.6.c)
a '23 b'2
a '32 x 2 a '32 x3 a '32 (3.8)
a '22 a '22
Persamaan (3.6.c) dikurangi persamaan (3.8),
a '23 b'2
a '33 a '32 x3 b'3 a '32
a '22 a '22
atau
a"33 x3 b"3
dengan demikian sistem persamaan menjadi :
a11x1 a12x2 a13x3 b1 (3.9.a)
a'22x2 a'23x3 b'2 (3.9.b)
a"33x3 b"3 (3.9.c)
Sistem persamaan diatas mempunyai koefisien matriks yang berbentuk segitiga atas
(ai,j = 0 untuk i > j). Dari sistem persamaan tsb akan dapat dihitung nilai x1, x2 dan x3,
b"3
x3 (3.10.a)
a"33
b'2 a '23 x3
x2 (3.10.b)
a '22
b1 a12 x 2 a13 x3
x1 (3.10.c)
a11
Dengan demikian sistem persamaan telah dapat diselesaikan.
Contoh 5
Selesaikan sistem persamaan berikut :
3x y z 5 (1.a)
4 x 7 y 3 z 20 (1.b)
2 x 2 y 5 z 10 (1.c)
Penyelesaian
1. Menormalkan persamaan (1.a) dengan membagi persamaan tsb dengan elemen
pivot (koefisien pertama persamaan 1.a)
x 0,3333 y 0,3333 z 1,6666 (2)
Persamaan (2) dikalikan dengan elemen pertama dari persamaan (1.b)
4 x 1,3333 y 1,3333 z 6,6666 (3)
Persamaan (1.b) dikurangi persamaan (3)
5,6667 y 1,6666 z 13,3334 (4)
Kalikan persamaan (2) dengan elemen pertama dari persamaan (1.c) yaitu 2.
2 x 0,6666 y 0,6666 z 3,3333 (5)
Persamaan (1.c) dikurangi persamaan (5)
2,6666 y 5,6666 z 6,6667 (6)
Dengan demikian sistem persamaan menjadi :
3x y z5 (7.a)
5,6667 y 1,6666 z 13,3334 (7.b)
- 2,6666 y 5,6666 z 6,6667 (7.c)
Dalam metode Gauss Jordan dipilih secara berurutan setiap baris sebagai baris
pivot, dengan pivot adalah elemen pertama tidak nol dari baris tsb.
1. Pertama kali baris pertama dari persamaan (3.12) dibagi dengan elemen pivot,
yaitu a11 sehingga didapat
1 a '12 a '13 a '14 x1 b'1
a 21 a 22 a 23 a 24 x 2
b 2
a31 a32 a33 a34 x3 b3
a 41 a 42 a 43 a 44 x 4 b 4
Elemen pertama dari semua baris lainnya dihilangkan dengan cara :
a. Persamaan pertama dikalikan elemen pertama dari persamaan kedua (a21) dan
kemudian dikurangkan thd persamaan kedua.
b. Persamaan pertama dikalikan elemen pertama dari persamaan ketiga (a31) dan
kemudian dikurangkan thd persamaan ketiga.
c. Persamaan pertama dikalikan elemen pertama dari persamaan keempat (a41) dan
kemudian dikurangkan thd persamaan keempat.
Operasi ini menghasilkan sistem persamaan berikut :
1 a'12 a'13 a '14 x1 b'1
0 a '22 a '23 a '24 x 2 b'2
(3.13)
0 a'32 a '33 a '34 x3 b'3
0 a '42 a '43 a '44 x 4 b'4
2. Kemudian ditetapkan baris kedua sebagai baris pivot dan a’22 sebagai elemen
pivot. Prosedur diatas diulangi lagi untuk baris kedua.
Baris kedua dari persamaan diatas dibagi dengan elemen pivot yaitu a’22, sehingga
didapat :
1 a '12 a '13 a '14 x1 b'1
0 1 a ' '23 a ' '24 x 2 b' '2
0 a '32 a '33 a '34 x3 b'3
0 a '42 a '43 a '44 x 4 b'4
Elemen kedua dari semua baris lainnya dihilangkan dengan cara :
a. Persamaan kedua dikalikan elemen kedua dari persamaan pertama (a’12) dan
kemudian dikurangkan thd persamaan pertama.
b. Persamaan kedua dikalikan elemen kedua dari persamaan ketiga (a’32) dan
kemudian dikurangkan thd persamaan ketiga.
c. Persamaan kedua dikalikan elemen kedua dari persamaan keempat (a’42) dan
kemudian dikurangkan thd persamaan keempat.
Operasi ini menghasilkan sistem persamaan berikut :
1 0 a' '13 a' '14 x1 b' '1
0 1 a' '23 a ' '24 x 2 b' '2
(3.15)
0 0 a' '33 a ' '34 x3 b' '3
0 0 a' '43 a ' '44 x 4 b' '4
3. Untuk langkah selanjutnya ditetapkan baris ketiga sebagai pivot. Setelah itu
prosedur diulangi lagi sehingga akhirnya didapat sistem persamaan berikut :
1 0 0
0 x1 b1iv
0 1 0
0 x 2 iv
b 2
0 0 1 0 x3 b3iv
iv
0 0 0 1 x 4 b 4
Dari sistem persamaan (3.15) dapat dihitung nilai x1, x2, x3, x4
x1 b1iv
x 2 b 2iv
x3 b3iv
x 4 b 4iv
Contoh
3x y z 5 (1.a)
4 x 7 y 3 z 20 (1.b)
2 x 2 y 5 z 10 (1.c)
Sistem persamaan dapat ditulis dalam bentuk matriks :
3 1 - 1 x 5
4 7 - 3 y 20 (2)
2 - 2 5 z 10
Baris pertama dari persamaan (2) dibagi dengan elemen pivot, yaitu 3 sehingga persamaan
menjadi :
1 0,3333 - 0,3333 x 1,6666
4 7 - 3 y 20
2 -2 5 z 10
Persamaan pertama dikalikan elemen pertama dari persamaan kedua, yaitu 4, dan
kemudian dikurangkan thd persamaan kedua. Dengan cara yang sama untuk persamaan
ketiga, sehingga didapat :
1 0,3333 0,3333 x 1,6666
0 5,6668 - 1,6668 y 13,3336
0 - 2,6666 5,6666 z 6,6668
Baris kedua dari persamaan diatas dibagi dengan elemen pivot, yaitu 5,6668, sehingga
sistem persamaan menjadi :
1 0,3333 0,3333 x 1,6666
0 1 - 0,2941 y 2,3529
0 - 2,6666 5,6666 z 6,6668
Persamaan kedua dikalikan dengan elemen kedua dari persamaan pertama (0,3333) dan
kemudian dikurangkan thd persamaan pertama. Kemudian dengan cara yang sama
untuk persamaan ketiga, sehingga didapat :
1 0 0,2353
x 0,8824
0 1 - 0,2941
y 2,3529
0 0 4,8824
z 12,9410
Persamaan ketiga dibagi dengan elemen pivot yaitu 4,8824 sehingga pers. menjadi :
1 0 0,2353 x 0,8824
0 1 - 0,2941 y 2,3529
0 0 1 z 2,6505
Persamaan ketiga dikalikan elemen ketiga dari persamaan pertama dan kemudian
dikurangkan thd persamaan pertama. Kemudian dengan cara yang sama untuk
persamaan kedua , sehingga didapat :
1 0 0
x 1,5061
0 1 0
y 3,1324
0 0 1
z 2,6505
Dari sistem persamaan diatas didapat nilai x, y, dan z
x 1,5061 y 3,1324 dan z 2,6505
Penyelesaian
Matriks A ditingkatkan dengan matriks identitas sehingga menjadi :
2 1 1 1 0 0
A 1 2 1 0 1 0
1 1 2 0 0 1
1. Ditetapkan elemen pertama dari baris pertama sebagai elemen pivot, yaitu 2.
Baris tsb dibagi dengan elemen pivot (2) sehingga didapat :
1 1 / 2 1 / 2 1 / 2 0 0
1 2 1 0 1 0
1 1 2 0 0 1
Baris kedua dan ketiga dikurangi oleh baris pertama,
1 1/ 2 1/ 2 1/ 2 0 0
0 3/ 2 1/ 2 1/ 2 1 0
0 1/ 2 3/ 2 1/ 2 0 1
2. Baris kedua ditetapkan sebagai baris pivot, kemudian baris tsb dibagi dengan
elemen pivot, yaitu 3/2.
1 1 / 2 1/ 2 1/ 2 0 0
0 1 1/ 3 1/ 3 2/3 0
0 1 / 2 3/ 2 1/ 2 0 1
3. Persamaan ketiga ditetapkan sebagai baris pivot dan kemudian baris tsb dibagi
dengan elemen pivot, yaitu 4/3.
1 0 1/ 3 2/3 1/ 3 0
0 1 1/ 3 1/ 3 2/3 0
0 0 1 1/ 4 1/ 4 3 / 4
Baris pertama dan kedua dikurangi dengan baris ketiga yang dikalikan dengan 1/3.
1 0 0 3/ 4 1/ 4 1 / 4
0 1 0 1/ 4 3/ 4 1 / 4
0 0 1 1/ 4 1/ 4 3 / 4
4.1. Pendahuluan
Dalam praktek, sering dijumpai data diberikan dalam nilai diskret atau tabel.
Ada 2 hal yang diharapkan dari data diskret tsb, yaitu :
1. mencari bentuk kurva yang dapat mewakili data diskret tsb
2. mengestimasi/memperkirakan nilai data pada titik-titik diantara nilai-nilai yang
diketahui.
Kedua aplikasi tsb dikenal sebagai curve fitting.
Ada 2 pendekatan dalam curve fitting yang didasarkan pada jumlah kesalahan yang
terjadi pada data.
1. Regresi kuadrat terkecil
Dilakukan bila data menunjukkan adanya kesalahan cukup besar. Untuk itu dibuat
kurva tunggal yang mempresentasikan trend secara umum dari data. Karena beberapa
data mungkin kurang benar, maka kurva tidak dipaksakan melalui setiap titik. Kurva
dibuat mengikuti pola dari sekelompok titik data. Seperti dijelaskan pada gambar 4.1.
tdp 2 titik data A dan B kemungkinan mempunyai kesalahan yang sangat besar, karena
tidak mengikuti pola penyebaran titik-titik lainnya. Curve fitting dengan menggunakan
data A dan B akan menghasilkan nilai yang juga mempunyai kesalahan.
2. Interpolasi
Bila data diketahui sangat benar maka pendekatan yang dilakukan adalah membuat
kurva melalui setiap titik.
Gambar 4.2. menunjukkan sket kurva yang dibuat dari data yang sama dengan cara
regresi kuadrat terkecil (gambar 4.2.a) dan interpolasi (gambar 4.2.b dan c).
Kurva pada gambar 4.2.a tidak melalui semua titik pengukuran, tetapi hanya
mengikuti trend dari data menurut garis lurus.
Gambar 4.2.b menggunakan segmen garis lurus atau interpolasi linier untuk
menghubungkan titik-titik data.
Gambar 4.2.c menggunakan kurva untuk menghubungkan titik-titik data.
Gambar 4.2
Regresi kuadrat terkecil banyak menggunakan beberapa notasi dan teori statistik.
Tahun yi (debit) yi y yi y 2
(m3/det)
1971 8,52 1,486 2,208
1972 3,33 -3,704 13,720
1973 7,85 0,816 0,666
1974 7,65 0,616 0,379
1975 10,91 3,876 15,023
1976 4,17 -2,864 8,202
1977 3,40 -3,634 13,206
1978 8,00 0,966 0,933
1979 13,4 6,366 40,526
1980 5,40 -1,634 2,670
1981 8,87 1,836 3,371
1982 4,73 -2,304 5,308
1983 7,40 0,366 0,134
1984 6,88 -0,154 0,024
1985 5,00 -2,034 4,137
yi yi 105,51
y i 1
i 1
7,034
n 15 15
Penyebaran data dapat diukur menggunakan deviasi standar ( ) thd nilai rerata.
yi y
2
D2
n 1 n 1
D2 adalah jumlah dari kuadrat residu antara data dan nilai rerata. Bila penyebaran
data sangat besar thd nilai rerata, maka deviasi standar akan besar. Penyebaran dapat
dipresentasikan oleh kuadrat dari deviasi standar, yang disebut varians.
2
D2
yi y 2
n 1 n 1
Standar deviasi :
yi y
2
110,507
2,810
n 1 15 - 1
Varians :
yi y
2
110,507
2 7,893
n 1 15 1
Agar nilai D2 adalah minimum, maka persamaan (4.2) diturunkan thd parameter a dan b,
dan kemudian disamadengankan nol. Turunan pertama thd parameter a,
D 2
0
a
yi a bxi 0 (4.3)
Turunan pertama thd parameter b,
D 2
0
b
yixi axi bxi 2 0 (4.4)
Penjumlahan (4.3) dan (4.4) :
n a xi b yi (4.5)
xi a xi b xi yi
2
(4.6)
dengan a n a , sehingga :
n a yi xi b
a yi xi b
1
(4.7)
n
1 1
a yi xi b atau
n n
a y bx (4.8)
Substitusi persamaan (4.7) ke (4.6) :
n xi yi xi yi
b (4.9)
n xi 2 xi
2
Dengan menggunakan persamaan (4.8) dan (4.9) maka fungsi g(x) dapat dicari.
Nilai koefisien korelasi :
Dt 2 D 2
r (4.10)
Dt 2
Dengan :
r : koefisien korelasi
yi y
n 2
Dt 2
i 1
n
D2 yi a bx
i 1
2
Untuk perkiraan yang sempurna nilai r = 1. Bila r = 0 perkiraan suatu fungsi sangat
jelek. Koefisien korelasi juga dapat digunakan untuk memilih suatu persamaan dari
beberapa alternatif yang ada, terutama dalam regresi garis tidak lurus.
Contoh 1
Tentukan persamaan garis yang mewakili data berikut :
x 4 6 8 10 14 16 20 22 24 28
y 30 18 22 28 14 22 16 8 20 8
Penyelesaian
No xi yi xi . yi xi2
1 4 30 120 16
2 6 18 108 36
3 8 22 176 64
4 10 28 280 100
5 14 14 196 196
6 16 22 352 256
7 20 16 320 400
8 22 8 176 484
9 24 20 480 576
10 28 8 224 784
152 186 2432 2912
x
xi 152 15,2
n 10
y
yi
186
18,6
n 10
Persamaan garis yang mewakili titik - titik data adalah :
y a bx
dengan :
n xi yi xi yi 10 2432 152 186 3952
b 0,6569
n xi xi 10 2912 152
2 2
2 6016
a y b x 18,6 0,6569 15,2 28,5849
Jadi persamaan garis adalah :
y 28,5849 0 ,6569 x
Gambar 4.5. Titik data didekati dengan garis lurus dan lengkung
Tampak bahwa pendekatan dengan garis lurus menimbulkan kesalahan yang sangat
berarti.
Berikut adalah beberapa fungsi pendekatan yang biasa digunakan :
1. Fungsi Eksponensial
y a1e b1x
dengan a1 dan b1 adalah konstanta.
Persamaan tsb dilinierka n dengan menggunaka n logaritma natural sehingga menjadi :
ln y ln a1 b1 x ln e
Oleh karena ln e 1, maka :
ln y ln a1 b1 x
Gambar 4.6. Transformasi fungsi
2. Persamaan berpangkat
y a2 x b 2
Persamaan tsb dilinerkan dengan menggunakan fungsi logaritmik sehingga didapat :
log y b2 log x log a2
x 1 2 3 4 5
y 0.5 1.7 3.4 5.7 8.4
Penyelesaian
Dicoba untuk mencari kurva dengan menggunakan dua bentuk transformasi, yaitu
transformasi log dan ln
a. Transformasi log
Misalkan persamaan kurva yang dicari adalah :
y ax b
Transformasi dengan menggunakan fungsi log,
log y log ax b log y log a b log x
Dilakukan transformasi sbb :
p log y B b
A log a q log x
Sehingga persamaan diatas dapat ditulis dalam bentuk :
p A Bq
No xi yi qi log xi pi log yi qi pi qi 2
1 1 0,5 0 -0,301 0 0
2 2 1,7 0,3010 0,2304 0,0693 0,0906
3 3 3,4 0,4771 0,5315 0,2536 0,2276
4 4 5,7 0,6020 0,7559 0,4550 0,3624
5 5 8,4 0,6990 0,9243 0,6461 0,4886
2,0791 2,1411 1,4240 1,1692
Dari hitungan dalam tabel diatas didapat beberapa parameter berikut ini :
q
log xi 2,0791
0,4158
n 5
p
log yi 2,1411 0,42822
n 5
Koefisien A dan B dihitung dengan persamaan (4.8) dan (4.9) :
n qi pi qi pi 51,4240 2,0791 2,1411 2,6684
B 1,7572
n qi qi 51,1692 2,0791 2,0791
2
2
1,5233
Setelah nilai B didapat kemudian dicari nilai A,
A p B q 0,42822 1,7572 0,4158 0,3024
Dengan demikian persamaan transformasi adalah :
p 0,3024 1,7572 q
Mengingat :
A log a 0,3024 log a a 0,4984
B b b 1,7572
Maka persamaan yang dicari adalah :
y 0,4984 x1, 7572
b. Transformasi ln
Misalkan persamaan mempunyai bentuk :
y aebx
Transformasi dengan menggunakan fungsi ln,
ln y ln aebx ln a ln e bx
ln y ln a bx
Dilakukan transformasi berikut :
p ln y A ln a
q x B b
Sehingga persamaan diatas dapat ditulis dalam bentuk :
p A Bq
Dari hitungan dalam tabel diatas didapat beberapa parameter berikut ini.
y 3,94
q
qi 15
3
n 5
p
pi 2,0791 0,4158
n 5
Koefisien A dan B dihitung dengan persamaan (4.8) dan (4.9).
n qi pi qi pi 5 21,6425 15 4,93 34,2625
B 0,6852
n qi qi 5 55 15
2 2
2
50
Setelah nilai B didapat kemudian dicari nilai A,
A p B q 0,99 0,68525 3,0 1,06575
Dengan demikian persamaan transformasinya adalah :
p 1,06575 0,68525q
Mengingat :
A ln a 1,06575 ln a a 0,34447
B b b 0,68525
maka persamaan yang dicari adalah :
y 0,34447e 0 , 68525x
Untuk memilih salah satu dari kedua hasil terbaik, dihitung nilai koefisien korelasi.
Dt 2 D 2
r
Dt 2
dengan
yi y
n
Dt 2
i 1
n
D2 yi a o a1x
2
Dari kedua nilai tsb diatas, terlihat bahwa koefisien korelasi r untuk transformasi log
adalah lebih besar dari transformasi ln, sehingga dapat disimpulkan bahwa persamaan
yang didapat dari transformasi log adalah lebih baik.
yi a0 a1x1 a 2 x1
n
2
D2 2
.........arx1r xi 2 yiyi
a0 i 1
D 2
n
2 xi yi a0 a1 xi a2 xi 2 ....... ar xi 0
r
a1 i 1
D 2
n
2 xi yi a0 a1 xi a2 xi 2 ....... ar xi 0
2 r
a2 i 1
.
.
D 2
n
2 xi yi a0 a1 xi a2 xi 2 ....... ar xi 0
r r
ar i 1
Contoh 3
Cari persamaan kurva polinomial order dua yang mewakili data berikut :
xi 0 1 2 3 4 5
yi 2,1 7,7 13,6 27,2 40,9 61,1
Penyelesaian
Persamaan polinomial order 2 mempunyai bentuk :
g ( x ) a0 a1 x a 2 x 2
Ei yi g ( x )
yi a0 a1 x a 2 x 2 2
Ei 2
D2 Ei 2
No xi yi xi 2 xi 3 xi 4 xi yi xi 2 yi
1 0 2,1 0 0 0 0 0
2 1 7,7 1 1 1 7,7 7,7
3 2 13,6 4 8 16 27,2 54,4
4 3 27,2 9 27 81 81,6 244,8
5 4 40,9 16 64 256 163,6 654,4
6 5 61,1 25 75 625 305,5 1527,5
15 397,4 55 175 979 585,6 2488,8
Dengan melakukan hitungan dalam tabel diatas maka sistem persamaan (2) menjadi :
6a 0 15a1 55a 2 397,4
15a 0 55a1 175a 2 585,6 (3)
55a 0 175a1 979a 2 2488,8
BAB V
INTERPOLASI
5.1. Pendahuluan
Bentuk umum persamaan polinomial order n adalah :
f ( x) a0 a1 x a2 x 2 .......... an x n
Dari dua segitiga sebangun ABC dan ADE seperti tampak dalam gambar 5.2., tdp
hubungan berikut :
BC DE
AB AD
f 1( x) f ( x0) f ( x1) f ( x0)
(5.2)
x x0 x1 x0
f ( x1) f ( x0)
f 1( x) f ( x0) x x0
x1 x0
Contoh 1
Dicari nilai ln 2 dengan metode interpolasi linier berdasar data ln 1 = 0 dan ln 6 =
1,7917595. Hitung juga nilai tsb berdasar data ln 1 dan ln 4 = 1,3862944. Untuk
membandingkan hasil yang diperoleh, diketahui nilai eksak dari ln 2 = 0,69314718
Penyelesaian
Dengan menggunakan persamaan 5.2., interpolasi linier dari x0 = 1 sampai x1 = 6.
1,7917595
f 1(2) 0 2 1 0,35835190
6 1
Besarkesalahanadalah :
0,69314718 0,35835190
Et 100% 48,3%
0,69314718
Dengan interval lebih kecil, x0 1 dan x1 4
1,3861944
f 1(2) 0 2 1 0,46209813
4 1
Besar kesalahan adalah :
0,69314718 0,46209813
Et 100% 33,3%
0,69314718
Dari contoh dapat dilihat bahwa dengan menggunakan interval yang lebih kecil
diperoleh hasil yang lebih baik (kesalahan yang lebih kecil).
Gambar 5.3.
Contoh 2
Gunakan polinomial order dua dengan data spt dalam contoh 1 :
x0 = 1 f(x0) = 0
x1 = 4 f(x1) = 1,3862944
x2 = 6 f(x2) = 1,7917595
untuk mencari ln 2
Penyelesaian
Interpolasi polinomial dihitung dengan menggunakan persamaan (5.3), dan koefisien
b0, b2, dan b2 dihitung dengan persamaan (4.4), (4.5) dan (4.6).
Dengan menggunakan persamaan (5.4) diperoleh nilai b0 :
b0 0
Koefisien b1 dapat dihitung dengan persamaan (5.5) :
1,3862944 0
b1 0,46209813
4 1
Persamaan (5.6) digunakan untuk menghitung koefisien b2 :
1,7917595 1,3862944
0,46209813
b2 64 0,051873116
6 1
Nilai - nilai tsb disubstitusikan ke persamaan (5.3) :
f 2( x ) 0 0,46209813 x 1 - 0,05187311 6 x - 1 x - 4
Untuk x 2, maka diperoleh nilai fungsi interpolasi :
f 2(2) 0,56584436
Besar kesalahan adalah :
0,69314718 0,5684436
Et 100% 18,4%
0,69314718
Contoh 3
Dalam contoh 2, titik data x0 = 1, x1 = 4 dan x2 = 6 digunakan untuk mengestimasi ln 2
dengan parabola. Sekarang dengan menambah titik ke empat x3 = 5, f(x3) = 1,6094379,
hitung ln 2 dengan interpolasi polinomial order tiga.
Penyelesaian
Data yang diketahui :
x0 = 1 f(x0) = 0
x1 = 4 f(x1) = 1,3862944
x2 = 6 f(x2) = 1,7917595
x3 = 5 f(x3) = 1,6094379
Persamaan polinomial order tiga diperoleh dengan memasukkan nilai n = 3 ke dalam
persamaan (5.7) :
f 3( x ) b0 b1 x x 0 b 2 x x 0 x x1 b3 x x 0 x x1 x x 2
Pembagian beda hingga pertama dihitung dengan persamaan (5.12) :
1,3862944 0
f x1, x 0 0,46209813
44
1,7917595 1,3862944
f x 2, x1 0,20273255
64
1,6094379 1,7917595
f x3, x 2 0,18232160
56
Pembagian beda hingga kedua dihitung dengan persamaan (5.13) :
0,20273255 0,46209813
f x 2, x1, x 0 0,051873116
6 1
0,18232160 0,20273255
f x3, x 2, x1 0,020410950
54
Pembagian beda hingga ketiga dihitung dengan persamaan (5.14) :
0,020410950 (0,051873116 )
f x3, x 2, x1, x 0 0,0078655415
5 1
Hasil dari f[x1,x0], f[x2,x1,x0] dan f[x3,x2,x1,x0] merupakan koefisien b1, b2, dan b3
dari persamaan (5.7) ; dan dengan b0 = f(x0) = 0, maka persamaan (5.7) menjadi :
dengan
n
x xj
Li( x)
j 0 xj
xi (5.21)
j 0
x x1 x xo
f1 ( x ) f ( xo) f ( x1)
xo x1 x1 xo
Untuk x 2 dan dengan data yang diketahui maka :
24 2 1
f1 (2) 0 1,3862944 0,4620981
1 4 4 1
Untuk interpolasi polinomial Lagrange order dua digunakan persamaan (5.19)
24 26 2 1 2 6 2 1 2 4
f 2 ( 2) 0 1,3862944 1,7917595 0,56584437
1 4 1 6 4 1 4 6 6 1 6 4
Terlihat bahwa kedua hasil diatas memberikan hasil yang hampir sama dengan contoh
sebelumnya.
2 1 1
A 1 2 1
1 1 2
Penyelesaian :
Matriks A ditingkatkan dengan matriks identitas sehingga menjadi :
2 1 1 1 0 0
A 1 2 1 0 1 0
1 1 2 0 0 1
1. Ditetapkan elemen pertama dari baris pertama sebagai elemen pivot yaitu 2. Baris tsb
dibagi dengan elemen pivot (2) sehingga didapat :
1 1 / 2 1/ 2 1/ 2 0 0
1 2 1 0 1 0
1 1 2 0 0 1