Bahan Ajar Metode Numerik Statistika 1 PDF

METODE NUMERIK
Pengantar Metode Numerik

Solusi Persamaan Tak Linear
Penyelesaian Sistem Persamaan Linear
Interpolasi Polinomial
Turunan Numerik
Integrasi Numerik
Agusyarif Rezka Nuha
JURUSAN MATEMATIKA
FAKULTAS MIPA
UNIVERSITAS NEGERI GORONTALO
2019
agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 1 / 257

1. Pengantar Metode Numerik
1. Pengantar Metode Numerik
Masalah matematika tidak selalu dapat diselesaikan secara analitik,

misalnya yang melibatkan integral dari fungsi-fungsi yang berbentuk
kompleks.
Dalam kasus demikian, komputasi numerik (penyelesaian masalah
menggunakan metode numerik) menjadi salah satu pendekatan
alternatif yang dapat digunakan.
Solusi yang diperoleh melalui komputasi numerik biasanya berupa
suatu hampiran, yang mengandung kesalahan numerik.
Aspek penting dalam komputasi numerik selain kecepatan proses
adalah keakuratan hasil.
Metode numerik yang baik adalah yang bisa memberikan solusi yang
akurat dalam waktu yang relatif cepat.

1. Pengantar Metode Numerik 1.1 Fungsi Polinom
1.1 Fungsi Polinom
Sebagian penyelesaian metode numerik diturunkan berdasarkan

pendekatan fungsi pada bentuk polinom.
Bentuk Umum:
f (x ) = a0 x 0 + a1 x 1 + a2 x 2 + a3 x 3 + ... + an x n
Dengan:
n = derajat polinom = 0, 1, 2, 3, ...
ai = koe…sien konstanta
x = peubah (variabel)

1. Pengantar Metode Numerik 1.2 Deret Taylor & Deret Maclaurin
1.2 Deret Taylor & Deret Maclaurin

Deret Taylor
Andaikan fungsi f dan semua turunannya, f 0 , f 00 , f 000 , f (4 ) , ... pada selang
[a, b ]. Misalkan x0 2 [a, b ], maka nilai x disekitar x0 adalah
(x x0 )x0 )2 00 (x x0 )3 000
(x
f (x ) = f (x0 ) + f 0 ( x0 ) +
f (x0 ) + f (x0 )
1! 2! 3!
(x x0 )4 (4 ) (x x0 )m (m )
+ f (x0 ) + ... + f (x0 ) + ...
4! m!
Deret Maclaurin
Bentuk deret yang diperoleh saat x0 = 0 pada Deret Taylor
x 0 x2 x3 x4
f (x ) = f (0) + f (0) + f 00 (0) + f 000 (0) + f (4 ) (0) + ...
1! 2! 3! 4!
x m (m )
+ f (0) + ...
m!
1.2 Deret Taylor & Deret Maclaurin
Problem
Hampirilah fungsi f (x ) = sin (x ) ke dalam deret Taylor di sekitar x0 = 1!
(catatan : sudut dalam radian)
Solution
f (x ) = sin(x ) f 0 (x ) = cos(x ) f 00 (x ) = sin(x )
f 000 (x ) = cos(x ) f (4 ) (x ) = sin x dst...
Deret Taylor
(x 1 ) (x 1 )2 (x 1 )3
sin(x ) = sin(1) + 1! (cos(1)) + 2! ( sin(1)) + 3! ( cos(1))
4
+ (x 4!1 ) (sin(1)) + ...
sin(x ) = 0, 8415 + 0, 5403(x 1) 0, 4208(x 1)2 0, 0901(x 1)3
+0, 0351(x 1)4 + ...
Misalkan h = (x 1), maka
= 0, 8415 + 0, 5403h 0, 4208h2 0, 0901h3 + 0, 0351h4 + ...
1.2.1 Deret Taylor Terpotong
Suku-suku deret Taylor tak berhingga jumlahnya, maka untuk

praktisnya deret Taylor tersebut dapat dipotong hingga orde tertentu.
Deret Taylor yang dipotong hingga orde ke n disebut deret Taylor
terpotong.
(x x0 ) (x x0 )2 00
f (x ) t pn (x ) = f (x0 ) + f 0 (x0 ) + f (x0 ) + ...
1! 2!
(x x0 )n (n )
+ f (x0 ) + Rn (x )
n!
Dengan
(x x0 )(n +1 ) (n +1 )
Rn (x ) = f (c ), x0 < c < x
(n + 1) !
Disebut degan galat atau sisa (residu).
Problem
Hampirilah fungsi f (x ) = sin (x ) ke dalam deret Taylor terpotong hingga
orde ke-4 di sekitar x0 = 1 dan x = 0, 2 dengan ketelitian hingga 4 desimal
di belakang koma. (Catatan : sudut dalam radian)
Solution
f (x ) = sin(x ) f 0 (x ) = cos(x ) f 00 (x ) = sin(x )
f 000 (x ) = cos(x ) f (4 ) (x ) = sin x dst...
Deret Taylor
(x 1 ) (x 1 )2
sin(0, 2) t p4 (x ) = sin(1) + 1! (cos(1)) + 2! ( sin(1))
3 4
+ (x 3!1 ) ( cos(1)) + (x 4!1 ) (sin(1))
sin(0, 2) t p4 (x ) = 0, 8415 + 0, 5403(0, 2 1) 0, 4208(0, 2 1)2
0, 0901(0, 2 1)3 + 0, 0351(0, 2 1)4

Solution
sin(0, 2) t p4 (x ) = 0, 8415 + 0, 5403( 0, 8) 0, 4208( 0, 8)2
0, 0901( 0, 8)3 + 0, 0351( 0, 8)4
= 0, 2005
Secara analitik sin(0, 2) = 0, 1987
Coba tentukan nilai p5 (x ) dan p6 (x )!

1. Pengantar Metode Numerik 1.3 Penyajian Bilangan Bulat
1.3 Penyajian Bilangan Bulat

De…nition
Bilangan bulat yang sering digunakan adalah bilangan bulat dalam sistem
bilangan desimal yang dide…nisikan:
N = (an an 1 an 2 ...a2 a1 a0 )
= an 10n + an 1 10n 1 + an 2 10
n 2
+ ... + a2 102 + a1 101 + a0 100
Example (Contoh)
2673 = 2.103 + 6.102 + 7.101 + 3.100
De…nition
Bilangan bulat dengan dasar c dide…nisikan dengan:
N = (an an 1 an 2 ...a2 a1 a0 )c
= an c n + an 1 c n 1 + an 2 c n 2
+ ... + a2 c 2 + a1 c 1 + a0 c 0
1.3.1 Bilangan Biner

De…nition
Bilangan biner atau bilangan dasar 2, dide…nisikan:
N = (an an 1 an 2 ...a2 a1 a0 )2
= an 2n + an 1 2n 1 + an 2 2n 2 + ... + a2 22 + a1 21 + a0 20
Theorem (Algoritma)
Bila diketahui koe…sien-koe…sien a1 , a2 , a3 , ..., an dari polinom
p (x ) = an x n + an 1 x n 1 + an 2 x n 2 + ... + a0 100
dan suatu bilangan β. Maka dapat dihitung bn , bn 1 , ..., b0 dari β sebagai
berikut:
b n = an
b n 1 = an 1 + b n β
b n 2 = an 2 + b n 1 β
.....................
b 0 = a0 + b 1 β
1.3.1 Bilangan Biner

Example (Contoh)
Bilangan biner (1101)2 dapat dihitung dengan:
b3 = 1
b2 = a2 + b3 β = 1 + 1.2 = 3
b1 = a1 + b2 β = 0 + 3.2 = 6
b0 = a0 + b1 β = 1 + 6.2 = 13
Jadi (1101)2 = 13
Problem
Konversi sistem biner berikut ke dalam bentuk desimal:
1 (1101)2
2 (110011)2
3 (1010101)2
4 (100010001)2
1. Pengantar Metode Numerik 1.4 Analisis Galat
1.4 Analisis Galat

1.4.1 Perhitungan Galat
De…nition (Galat)
Misalkan α adalah nilai hampiran terhadap nilai eksak c, maka galat
dide…nisikan sebagai:
ε=c α
De…nition (Galat Mutlak)

Misalkan α adalah nilai hampiran terhadap nilai eksak c, maka galat
mutlak (absolut) dide…nisikan sebagai:
j ε j = jc α j
Galat menyatakan seberapa dekat solusi hampiran terhadap solusi

eksaknya.
Semakin kecil galat suatu perhitungan, menunjukan semakin teliti
solusi numerik yang didapatkan. Begitupun sebaliknya.
1.4 Analisis Galat

De…nition (Galat Relatif)

Misalkan nilai eksak c mempunyai galat ε, maka galat relatif dide…nisikan
sebagai:
εr = cε atau dalam presentase εr = cε 100%
Apabila nilai sebenarnya tidak/belum diketahui, maka alternatifnya

menormalkan galat dengan menggunakan taksiran terbaik yang tersedia
dari nilai sejati yaitu terhadap aproksimasi sendiri. Galat aproksimasi
dirumuskan sebagai berikut:
japroksimasi saat ini - aproksimasi sebelumnyaj

εa = , atau
japroksimasi saat inij
jxn xn 1 j jxn xn 1 j
εa = dalam persentase εa = 100%
jxn j jxn j

1.4 Analisis Galat

Proses iterasi akan berhenti salah satunya jika syarat jεa j < jεs j terpenuhi,
dimana εs merupakan toleransi galat yang telah ditetapkan (biasanya εs
dituliskan sebagai XTOL).
Problem
Misalkan terhadap proses iterasi sebagai berikut:
3
xn +1 = xn3+6 , n = 0, 1, 2, 3, ....
Kapankah proses iterasi dapat dihentikan ? Jika diketahui nilai awal
x0 = 0, 5 dan XTOL = 0, 00001.

1.4 Analisis Galat

Solution
x0 = 0, 5
jx 1 x 0 j
x1 = 0, 4791667 ! εa = jx 1 j
= 0, 043478
jx 2 x 1 j
x2 = 0, 4816639 ! εa = jx 2 j
= 0, 051843
jx 3 x 2 j
x3 = 0, 4813757 ! εa = jx 3 j
= 0, 0005984
jx 4 x 3 j
x4 = 0, 4814091 ! εa = jx 4 j
= 0, 0000693
jx 5 x 4 j
x5 = 0, 4814052 ! εa = = 0, 0000081
jx 5 j
Proses iterasi dihentikan pada iterasi ke-5

1.4 Analisis Galat

1.4.2 Sumber Utama Galat
Galat Pemotongan (Truncation Error)

Galat ini disebabkan karena kita menghentikan suatu deret atau
runtunan dengan suku-suku yang tidak berhingga. Galat ini timbul
akibat penggunaan hampiran sebagai pengganti formula eksak. Galat
pemotongan disebut juga galat dari metode, karena muncul akibat
dari komputasi yang digunakan.
Galat Pembulatan (Round-O¤ Error)
Galat ini disebabkan oleh jumlah keterbatasan jumlah digit komputer
dalam menyatakan bilangan real. Bilangan real yang panjangnya
melebihi jumlah digit komputer dibulatkan ke bilangan terdekat.
Galat pembulatan dinamakan juga galat dari perhitungan.
Galat Eksperimental
Galat yang ditimbulkan akibat kesalahan pengukuran atau kurangnya
ketelitian dalam menggunakan alat hitung.
1. Pengantar Metode Numerik 1.5 Angka Bena
1.5 Angka Bena
Konsep angka bena (signi…cant …gure) atau angka berarti telah

dikembangkan secara formal untuk menandakan keandalan suatu nilai
numerik.
De…nition (Angka Bena)
Angka bena adalah angka bermakna, angka penting, atau angka yang
digunakan dengan pasti atau ditentukan batas toleransinya.
Example
63, 897 memiliki 5 angka bena

1. Pengantar Metode Numerik 1.6 Pembulatan Bilangan
1.6 Pembulatan Bilangan

1.6.1 Pembulatan Pangkas
Pembulatan Pangkas (Chopping)

Pembulatan pangkas dilakukan dengan memotong bilangan sebanyak n
digit sesuai yang dibutuhkan untuk melakukan perhitungan.
Example (Contoh)
Misalkan bilangan π = 3, 1459265358 . . .
Maka:
Pembulatan 5 digit, menjadi π = 3, 14592

1.6.2 Pembulatan ke Digit Terdekat
Pembulatan Ke Digit Terdekat (in-rounding)

Misalkan n adalah jumlah digit mantisa komputer, karena jumlah digit
mantisa a > jumlah digit mantis komputer, maka bilangan a akan
dibulatkan.
0
‡round (a) = 0, d1 , d2 , d3 , d4 , ...dn 10p
Dimana
8
dn ,
>
> jika dn + 1 <5
<
0 dn + 1, jika dn + 1 >5
dn =
>
> dn , jika dn + 1 = 5 dan n genap
:
dn + 1, jika dn + 1 = 5 dan n ganjil

Example (Contoh)
Misalkan bilangan a = 0, 5682785715287 10 4 maka:
Pembulatan 7 digit, menjadi a = 0, 5682786 10 4

2. Solusi Persamaan Tak Linear 2.1 Persamaan Tak Linear
2. Solusi Persamaan Tak Linear

2.1 Persamaan Tak Linear
Bentuk Umum Fungsi Polinomial:

Bentuk umum dari fungsi polinomial adalah:
f (x ) = a0 x 0 + a1 x 1 + a2 x 2 + a3 x 3 + ... + an x n
= a0 + a1 x + a2 x 2 + a3 x 3 + ... + an x n
Dengan
n = derajat polinom
ai = koe…sien konstanta
x = peubah (variabel)
Fungsi Linear & Nonlinear
Fungsi Konstan ! derajat polinom n = 0
Fungsi linier ! derajat polinom n = 1
Fungsi Nonlinear ! derajat polinom memuat n > 1
2. Solusi Persamaan Tak Linear 2.2 Akar Persamaan Tak Linear
2.2 Akar Persamaan Tak Linear

Mencari akar persamaan fungsi tak linear f (x ), yaitu mencari solusi x = x0
terhadap persamaan f (x ) sehingga f (x0 ) = 0.
Problem
Selesaikanlah persamaan nonlinear f (x ) = x 2 2x 8
Solution
Misal
f (x ) = 0 ! x 2 2x 8=0
(x 4)(x + 2) = 0
(x 4) = 0 atau (x + 2) = 0
x = 4 atau x = 2
Sehingga diperoleh himpunan penyelesaiannya: f 2, 4g

Solution
Kurva persamaan f (x ) = x 2 2x 8:
Untuk f (x ) = ax + b, dengan a dan b konstanta bilangan nyata serta

a 6= 0, maka pembuat nol fungsi tersebut adalah x = ba
Dalam beberapa kasus, bentuk fungsi f (x ) cukup kompleks sehingga tidak

memungkinkan penentuan akar persamaan secara langsung.
Example (Contoh)
Persamaan tak linear:
1 f (x ) = 5x 4 12x 3 + 16x 2
2 g (x ) = xe x
3 h (x ) = cos(x ) 8x
4 i (x ) = log(x ) x

Eksistensi akar persamaan tak linear:

Fungsi tanpa akar persamaan
Fungsi dengan satu akar persamaan
Fungsi dengan lebih dari satu akar persamaan
Examples (Contoh)
1 e x + 1 = 0, tidak memiliki akar persamaan
2 e x x = 0, memiliki satu akar persamaan
3 x2 4 sin(x ) = 0, memiliki dua akar persamaan
4 x 3 + 6x 2 + 11x 6 = 0, memiliki tiga akar persamaan
5 sin(x ) = 0, memiliki tak hingga akar persamaan

2. Solusi Persamaan Tak Linear 2.3 Metode Pencarian Akar Persamaan Tak Linear
2.3 Metode Pencarian Akar Persamaan Tak Linear
Metode pencarian akar suatu persamaan dapat dilakukan dalam dua

cara, yaitu melalui kekonvergenan secara global (metode tertutup)
atau kekonvergenan lokal (metode terbuka).
Metode yang pertama disebut juga metode pengapitan akar
(bracket), oleh karena pencarian akar dilakukan pada suatu interval
tertutup [a, b ] sedemikian sehingga f (a) dan f (b ) mempunyai tanda
yang berlawanan. Metode ini terdiri atas:
Metode Bisection (Bagi Dua)
Metode Regulasi Falsi (Posisi Palsu)
Bila f (x ) = 0 memiliki beberapa akar persamaan pada [a, b ], maka
interval awal yang berbeda harus digunakan untuk menemukan setiap
akar persamaan tersebut.

2.3 Metode Pencarian Akar Persamaan Tak Linear
Metode kekonvergenan lokal dalam menyelesaikan persamaan

f (x ) = 0 mensyaratkan suatu hampiran yang cukup dekat dengan
akar persamaan sehingga menjamin kekonvergenan ke akar persamaan
tersebut. Metode ini terdiri atas:
Metode Iterasi titik tetap
Metode Newton-Raphson
Metode secant
Bila dibandingkan dengan metode kekonvergenan global, maka
metode kekonvegenan lokal ini konvergen lebih cepat.

2.3.1 Metode Bisection
Secara umum jika f (x ) bernilai real dan kontinu pada selang [a, b ] dengan
f (a).f (b ) < 0 , maka ada peluang paling sedikit terdapat satu akar real
pada interval tersebut. Ujung-ujung selang, yaitu a dan b disebut dengan
tebakan awal. Interval [a, b ] dibagi dua menjadi interval [a, c ] dan [c, b ]
dengan
a+b
c=
2


Berikut ilustrasi dari metode bisection


Langkah Penyelesaian
Langkah-langkah penyelesaian persamaan non linear dengan menggunakan

metode bisection ialah sebagai berikut:
1 Tentukan nilai awal a dan b
2 Cek konvergensi nilai f (a) dan f (b )
1 Jika tanda f (a ) 6 = tanda f (b ), nilai awal dapat digunakan untuk iterasi
selanjutnya
2 Jika tanda f (a) = f (b ) , pilih nilai awal yang baru
3 Lakukan iterasi
4 Hitung nilai tengah (c ) antara a dan b, dimana c = (a + b )/2
5 Cek konvergensi nilai c
1 Jika terdapat XTOL, bandingkan XTOL dengan Erc
Erc = jcn cn 1 j/jcn j atau Erc = jb aj
2 Jika nilai cn 1 dan cn konstan
3 Jika nilai f (cn ) = 0
6. Jika belum konvergen juga, tentukan nilai awal baru dengan cara:
1 Jika tanda f (c ) = tanda f (a) maka c akan menggantikan a
2 Jika tanda f (c ) = tanda f (b ) maka c akan menggantikan b
Kelebihan dari metode ini:
Sangat sederhana
Selalu konvergen
Kelemahan:
Harus menebak dua titik awal
Kekonvergenan relatif lambat
Bila pada selang yang diamati f (x ) tidak kontinu atau dalam selang
yang diamati terdapat double roots, metode bagi dua akan
memberikan hasil yang tidak akurat

Problem
Diberikan fungsi f (x ) = x 3 2 cos(x ), akar positif terkecil berada pada
interval [(0, 8), (1, 2)]. Gunakan metode bisection untuk menghampiri:
Akar persamaan tersebut sampai iterasi ke-4 serta ketelitian hingga 4
desimal.
Tentukan nilai dari f (c4 ).
c4 c3
Hitung nilai dari c4 .

Solution
Iterasi 1:
f (x ) = x 3 2 cos(x )
Cek nilai awal
a = 0, 8 ! f (0, 8) = 0, 83 2 cos(0, 8) = 0, 8814
b = 1, 2 ! f (1, 2) = 1, 23 2 cos(1, 2) = 1, 0033
Karena tanda f (a) 6= f (b ) ! nilai awal dapat digunakan untuk iterasi
selanjutnya.
c = a +2 b = 0,8 +2 1,2 = 1, 0
Sehingga f (c ) = f (1, 0) = 1, 03 2 cos(1, 0) = 0, 0806
Iterasi a b c f (c ) f (a ) Keterangan
1 0,8 1,2 1,0 -0,0806 -0,8814 Tanda Sama

Solution
Iterasi 2:
f (x ) = x 3 2 cos(x )
a = 1, 0 ! f (1, 0) = 1, 03 2 cos(1, 0) = 0, 0806
b = 1, 2 ! f (1, 2) = 1, 23 2 cos(1, 2) = 1, 0033
c = a +2 b = 1,0 +2 1,2 = 1, 1
Sehingga f (c ) = f (1, 1) = 1, 13 2 cos(1, 1) = 0, 4238
2 1,0 1,2 1,1 0,4238 -0,0806 Berbeda Tanda

Solution
Iterasi 3:
f (x ) = x 3 2 cos(x )
a = 1, 0 ! f (1, 0) = 1, 03 2 cos(1, 0) = 0, 0806
b = 1, 1 ! f (1, 1) = 1, 13 2 cos(1, 1) = 0, 4238
c = a +2 b = 1,0 +2 1,1 = 1, 05
Sehingga f (c ) = f (1, 05) = 1, 053 2 cos(1, 05) = 0, 1625
3 1,0 1,1 1,05 0,1625 -0,0806 Berbeda Tanda

Solution
Iterasi 4:
f (x ) = x 3 2 cos(x )
a = 1, 0 ! f (1, 0) = 1, 03 2 cos(1, 0) = 0, 0806
b = 1, 05 ! f (1, 05) = 1, 053 2 cos(1, 05) = 0, 1625
c = a +2 b = 1,0 +21,05 = 1, 025
Sehingga f (c ) = f (1, 025) = 1, 0253 2 cos(1, 025) = 0, 0387
4 1,0 1,05 1,025 0,0387 -0,0806 Berbeda Tanda
Diperoleh akar persamaan pada iterasi ke-4 adalah c4 = 1, 025.
f (c4 ) = 0, 0387
c4 c3 1,025 1,05
c4 = 1,025 = 0, 0244


Kurva dari persamaan f (x ) = x 3 2 cos(x ) :

Problem
Dengan menggunakan metode bisection, periksalah apakah salah satu akar
dari persamaan f (x ) = x 3 2 sin(x ) telah ditemukan pada iterasi ke-10?
Jika diketahui nilai awal x = 0, 5 dan x = 2, XTOL = 0, 002 serta
ketelitian hingga 3 desimal.
Solution
Metode Bisection
f (x ) = x 3 2 sin(x )
Cek nilai awal
a = 0, 5 ! f (0, 5) = 0, 53 2 sin(0, 5) = 0, 834
b = 2 ! f (2) = 23 2 sin(2) = 6, 182
Karena tanda f (a) 6= f (b ) ! nilai awal dapat digunakan untuk iterasi
selanjutnya.


Solution
Dengan demikian dapat dicari nilai c dengan cara,
c = (a + b )/2 ! c = (0, 5 + 2)/2 = 1, 25
c = 1, 25 ! f (1, 25) = 1, 253 2 sin(1, 25) = 0, 055
1 0,5 2 1,25 0,055 -0,834 Berlawanan Tanda
2 0,5 1,25 0,875 -0,865 -0,834
3 0,875 1,25 1,063 -0,548 -0,865
4 1,063 1,25 1,156 -0,258 -0,548
5 1,156 1,25 1,203 -0,125 -0,285
6 1,203 1,25 1,227 -0,037 -0,125
7 1,227 1,25 1,238 0,008 -0,037 Berlawanan Tanda
8 1,227 1,238 1,232 -0,015 -0,037
9 1,232 1,238 1,235 -0,003 -0,015
10 1,235 1,238 1,237 0,002 -0,003
Solution
Cek galat pada iterasi ke-10;
Erc = jc10 c9 j /c10 = j1, 237 1, 235j /1, 237 = 0, 001
karena Erc < XTOL maka iterasi dihentikan.
Diperoleh akar penyelesaian dari persamaan f (x ) = x 3 2 sin(x ) adalah
x = 1, 237.

Theorem (Kekonvergenan Metode Bisection)

Andaikan f kontinu pada [a, b ] dan terdapat suatu bilangan r 2 [a, b ],
sedemikian sehingga f (r ) = 0. Jika f (a) dan f (b ) memiliki tanda yang
berlawanan dan fcn g merepresentasikan skuens dari nilai tengah yang
dibangkitkan oleh proses bagi dua, maka:
b a
jr , untuk n = 0, 1, 2, ...
cn j
2n +1
dan sekuens fcn g konvergen ke akar persamaan x = r , yaitu:
lim cn = r
n !∞

Examples (Contoh)
Jika a = 0, 1 dan b = 1, 0. Berapa banyak iterasi diperlukan dalam metode
bisection untuk mencari akar persamaan agar menghasilkan galat paling
8
besar 102 ?
Jawab:
8
jr xn j 102
(b 0 a 0 ) 10 8 (1,0 0,1 ) 10 8
2 n +1 2 () 2 n +1 2
10 8
() 20,9 n +1 2 () ( 0, 9 )( 10 8) 2n
() log((0, 9)(108 )) n log(2) () n 26, 4


LATIHAN
1 Tentukan harga pendekatan dari akar persamaan f (x ) = x 2 e x di

[0, 1] dengan metode bagi dua serta carilah harga N, sehingga
[bN aN ] 10 3 .
2 Tentukan salah satu akar dari persamaan non linear, dengan toleransi
galat relatif (XTOL) = 0,001 serta ketelitian hingga 4 desimal:
a f (x ) = 9x 4 + 18x 3 + 38x 2 57x + 14, pada interval [0, 1] dengan
menggunakan metode bisection
b f (x ) = tan(x ), pada interval [4, 5] dengan menggunakan metode
bisection.
3 Gunakan metode bisection untuk menentukan akar dari persamaan
f (x ) = x 3 + 2x 2 + 10x 20 pada [1, 2] , dengan XTOL = 0,0001
serta ketelitian hingga 5 desimal:
4 Tentukan akar persamaan 6(e x x ) = 6 + 3x 2 + 2x 3 pada interval
[ 1, 1] dengan menggunakan metode bisection, dengan XTOL =
0,0001 serta ketelitian hingga 5 desimal.
2.3.2 Metode Regulasi Falsi
Metode regulasi falsi atau biasa dikenal dengan metode posisi salah
merupakan metode yang mirip dengan metode bagi dua (bisection),
yang memerlukan pendugaan interval untuk memulai proses iterasi.
Hanya saja cara yang dilakukan tidak dengan membagi dua interval
tersebut, melainkan membuat suatu interpolasi linear yang digunakan
untuk mendapatkan suatu titik baru yang diharapkan cukup dekat
dengan akar persamaan yang dicari.
Prinsip utama metode regulasi falsi adalah sebagai berikut:
1 Menggunakan garis scan (garis lurus yang menghubungkan 2 koordinat
nilai awal pada kurva) untuk mendekati akar persamaan nonlinear
2 Taksiran nilai akar selanjutnya merupakan titik potong garis scan
dengan sumbu x.


Secara ringkas dasar dari metode ini yaitu "jika f kontinu di [a, b ] dan
f (a).f (b ) < 0 maka ada x0 2 [a, b ] sehingga f (x0 ) = 0 ". Pada
metode ini nilai akar dihampiri oleh fungsi linear (garis lurus), nilai
hampiran akan berupa perpotongan garis lurus melalui (a, f (a)) dan
(b, f (b )) dengan sumbu X .
Secara gra…s dapat diinterpretasikan sebagai berikut:

Persamaan garis yang melalui titik (a, f (a)) dan (b, f (b )) diberikan oleh
y f (a ) f (b ) f (a )
=
x a b a
y f (a ) x a
=
f (b ) f (a ) b a
Perpotongan dengan sumbu X ! y = 0, x = c
a b b a a.f (b ) b.f (a)

c=b f (b ) =a f (a ) =
f (a ) f (b ) f (b ) f (a ) f (b ) f (a )


1 Tentukan nilai awal a dan b

2 Cek konvergensi nilai f (a) dan f (b )
Jika tanda f (a) 6= tanda f (b ), nilai dapat digunakan untuk iterasi
selanjutnya
Jika tanda f (a) = tanda f (b ), pilih nilai awal yang baru
3 Lakukan iterasi
a.f (b ) b.f (a )
4 Hitung nilai c diantara a dan b, di mana c = f (b ) f (a )
5 Cek konvergensi nilai c
Jika terdapat XTOL, bandingkan XTOL dengan Erc
Erc = jcn cn 1 j / jcn j
Jika nilai cn dan cn 1 konstan
Jika nilai f (cn ) = 0
6 Jika belum konvergen juga, tentukan nilai awal baru dengan cara:
Jika tanda f (c ) = tanda f (a) maka c akan menggantikan a
Jika tanda f (c ) = tanda f (b ) maka c akan menggantikan b
Problem
Diberikan fungsi f (x ) = cos(x ) sin(x ), akar posistif terkecil berada pada
interval [0, 1]. Gunakan metode posisi palsu untuk menghampiri:
Akar persamaan tersebut sampai iterasi ke-4 serta ketelitian hingga 4
desimal.
Tentukan f (c4 ).
c4 c3
Hitung c4

Solution
Iterasi 1:
f (x ) = cos(x ) sin(x )
a = 0 ! f (0) = cos(0) sin(0) = 1
b = 1 ! f (1) = cos(1) sin(1) = 0, 3012
Karena tanda f (a) 6= f (b ), nilai awal dapat digunakan untuk iterasi
selanjutnya.
a.f (b ) b.f (a ) 0.f (1 ) 1.f (0 ) 0 1 (1 )
c = f (b ) f (a ) = f (1 ) f (0 ) = 0,3012 1 = 0, 7685
Sehingga f (c ) = cos(0, 7685) sin(0, 7685) = 0, 0238
Iterasi a b c f(c) f(a) Keterangan
1 0 1 0,7685 0,0238 1 Tanda Sama

Solution
Iterasi 2:
a = 0, 7685 ! f (0, 7685) = cos(0, 7685) sin(0, 7685) = 0, 0238
b = 1 ! f (1) = cos(1) sin(1) = 0, 3012
a.f (b ) b.f (a ) 0,7685.( 0,3012 ) 1.(0,0238 )
c = f (b ) f (a ) = 0,3012 0,0238 = 0, 7855
2 0,7685 1 0,7855 -0,0002 0,0238 Berbenda Tanda

Solution
Iterasi 3:
a = 0, 7685 ! f (0, 7685) = cos(0, 7685) sin(0, 7685) = 0, 0238
b = 0, 7855 ! f (0, 7855) = cos(0, 7855) sin(0, 7855) = 0, 0002
a.f (b ) b.f (a ) 0,7685.( 0,0002 ) 0,7855.(0,0238 )
c = f (b ) f (a ) = 0,0002 0,0238 = 0, 7854
3 0,7685 0,7855 0,7854 0,0000 0,0238 Tanda Sama

Solution
Iterasi 4:
a = 0, 7684 ! f (0, 7684) = cos(0, 7684) sin(0, 7684) = 0, 0000
b = 0, 7855 ! f (0, 7855) = cos(0, 7855) sin(0, 7855) = 0, 0002
a.f (b ) b.f (a ) 0,7685.( 0,0002 ) 0,7855.(0,0238 )
c = f (b ) f (a ) = 0,0002 0,0238 = 0, 7854
4 0,7684 0,7855 0,7854 0,0000 0,0000
Diperoleh akar persamaan pada iterasi ke-4 adalah c4 = 0, 7854
f (c4 ) = 0, 0000
c4 c3
c4 = 0, 0000

Bila diberikan XTOL = 0, 0000001 dalam mencari akar persamaan

f (x ) = cos(x ) sin(x ) dengan menggunakan metode regulasi falsi.
Nilai c akan konvergen pada iterasi ke-4 atau i = 4, yaitu:
c = 0, 7854
f (c ) = 0, 0000
Sebagai perbandingan, bila digunakan metode bisection (bagi dua)

dengan XTOL = 0, 0000001. Nilai c akan konvergen pada iterasi
ke-24, yaitu:
c = 0, 7854
f (c ) = 0, 0000


Kurva dari persamaan f (x ) = cos(x ) sin(x ) :
Problem
Dari gra…k di atas terlihat bahwa persamaan f (x ) = cos(x ) sin(x ),
memiliki akar persamaan yang lain, selain dari akar persamaan yang telah
kita tentukan sebelumnya. Tentukan nilai dari akar persamaan tersebut
dengan menggunakan metode regulasi falsi sampai iterasi ke-4!
Problem
Persamaan f (x ) = e x 3x memiliki dua akar persamaan yang berbeda.
Tentukan kedua akar persamaan tersebut dengan metode regulasi falsi dan
ketelitian hingga 5 desimal. (XTOL = 0, 0001)

Solution
Salah satu akar persamaan f (x ) = e x 3x terletak pada interval [0, 1].
Dengan menggunakan metode regulasi falsi diperoleh:
Ite a b c f (b ) f (c ) εr
1 0, 00000 1, 00000 0, 78020 0, 28172 0, 15869
2 0, 00000 0, 78020 0, 67335 0, 15869 0, 05925 0, 15869
3 0, 00000 0, 67335 0, 63568 0, 05925 0, 01877 0, 05925
4 0, 00000 0, 63568 0, 62399 0, 01874 0, 00561 0, 01874
5 0, 00000 0, 62399 0, 62051 0, 00561 0, 00165 0, 00561
6 0, 00000 0, 62050 0, 61949 0, 00165 0, 00048 0, 00165
7 0, 00000 0, 61949 0, 61919 0, 00048 0, 00014 0, 00048
8 0, 00000 0, 61919 0, 61900 0, 00014 0, 00004 0, 00014
9 0, 00000 0, 61909 0, 61907 0, 00004 0, 00001 0, 00004


Kelebihan dan Kelemahan
Kelebihan Metode Regulasi Falsi:

Membutuhkan lebih sedikit iterasi dibandingkan metode bisection
Kelemahan Metode Regulasi Falsi:
Jika terdapat lebih dari satu akar harus dicari satu persatu
Rumus yang digunakan untuk mendapatkan akar lebib rumit jika
dibandingkan dengan metode bisection

2.3.3 Metode Iterasi Titik Tetap
Metode iterasi titik tetap adalah metode yang memisahkan x dengan

sebagian x yang lain sehingga diperoleh x = g (x ).
Pada prinsipnya kita ingin menyelesaikan persamaan x = g (x )
dengan menggunakan iterasi titik tetap (…x point):
xn +1 = g (xn ), n = 0, 1, 2, 3, 4, ...
Metode ini dapat dianalogikan sebagai berikut:
f (x ) = 0 $ x = g (x )
f (x ) = g (x ) x $ x = g (x )
g (x ) inilah yang menjadi dasar iterasi pada metode iterasi titik tetap
ini.


Secara gra…s metode iterasi titi tetap diinterpretasikan sebagai berikut:


1 Susunlah persamaan f (x ) = 0 menjadi bentuk x = g (x ).

Lalu bentuklah menjadi prosedur iterasi:
xn +1 = g (xn )
2 Tentukan nilai awal x0 .

3 Lakukan iterasi dengan menghitung nilai
x1 = g (x0 ), x2 = g (x1 ), x3 = g (x2 )... yang mudah-mudahan
konvergen ke akar sejati k, sehingga:
f (k ) = 0 ; k = g (k )
4 Cek konvergensi terhadap XTOL (jika ada).


Problem
Tentukan akar persamaan f (x ) = 2x 2 6x + 3 dengan menggunakan
metode iterasi titik tetap. Gunakan x0 = 0, 2 dan ketelitian hingga 3
desimal serta tentukan:
Nilai dari x4 dan f (x4 )
Hitung nilai galat relatif.
Solution
Perhatikan
f (x ) =0 () 2x 2 6x + 3 = 0
2x 2 + 3
() x =
6
1 2 1
() x = x +
3 2
Solution
x = g (x ) () g (x ) = 13 x 2 + 12
Dengan demikian xn +1 = 13 xn2 + 1
2
x0 = 0, 2
Iterasi 1:
1 1
x1 = (0, 2)2 + = 0, 513
3 2
f (x1 ) = 2(0, 513)2 6(0, 513) + 3 = 0, 448
Iterasi 2:
1 1
x2 = (0, 513)2 + = 0, 588
3 2
f (x2 ) = 2(0, 588)2 6(0, 588) + 3 = 0, 163

Solution
Iterasi 3:
1 1
x3 = (0, 588)2 + = 0, 615
3 2
f (x3 ) = 2(0, 615)2 6(0, 615) + 3 = 0, 066
Iterasi 4:
1 1
x4 = (0, 615)2 + = 0, 626
3 2
f (x4 ) = 2(0, 626)2 6(0, 626) + 3 = 0, 028
Diperoleh x4 = 0, 626 dan f (x4 ) = 0, 028

j0,626 0,615 j
Galat relatif = j0,626 j
= 0, 018


Berikut kurva dari f (x ) = 2x 2 6x + 3 :
Problem
Coba tentukan akar persamaan f (x ) diatas dengan menggunakan nilai
awal x0 = 1, 5 dan x0 = 2, 7.Hitung nilai x4 , f (x4 ) dana galat relatifnya.

Interpretasi secara gra…k metode iterasi titik tetap pada persamaan
f (x ) = 2x 2 6x + 3 :

Latihan
1 Tentukan harga pendekatan dari akar persamaan f (x ) = 2x 2 3e x
di [0, 1] dengan metode regulasi falsi serta carilah harga N,
sehingga [bN aN ] 10 3 .
2 Tentukan salah satu akar dari persamaan non linear, dengan toleransi
galar relatif (XTOL) = 0,001 serta ketelitian hingga 4 desimal:
a f (x ) = x 4 + 20x 3 + 8x 2 60x + 15, pada interval [0, (1, 5)] dengan
menggunakan metode regulasi falsi.
b f (x ) = sin(x ), pada interval [3, 4] dengan menggunakan metode
regulasi falsi.
3 Gunakan metode iterasi titik tetap untuk menentukan akar dari
persamaan f (x ) = x 3 + x 2 + 15x 10, dengan x0 = 1 dan XTOL =
0,0001 serta ketelitian hingga 5 desimal:
4 Tentukan akar persamaan f (x ) = x e x menggunakan metode
iterasi titik tetap, dengan x0 = 2 dan XTOL = 0,0001 serta
Pencarian Titik Awal Proses Iterasi
Secara umum pencarian akar persamaan tak linear dengan metode

kekonvergenan global maupun kekonvergenan lokal bergantung pada
proses iterasi dan pemilihan titik awal yang memungkinkan proses iterasi
konvergen.
Beberapa kriteria penentuan titik awal yaitu:
Dengan cara membuat sketsa gra…k f (x ). Dari sketsa tersebut dapat
diperkirakan lokasi akar persamaan yang akan dicari.
Pada suatu interval tertutup [xn 1 , xn ] , bila f (xn 1 ) dan f (xn )
berbeda tanda, maka berarti terdapat sedikitnya satu buah akar
persamaan di interval tersebut.

Suatu interval [xn 1 , xn ] dapat mempunyai satu atau lebih akar

persamaan atau mempunyai nilai fungsi yang mendekati nol tetapi
tidak memotong sumbu x.
Dalam hal ini mungkin saja f (xn 1 ) dan f (xn ) tidak berbeda tanda,
karena f (x ) berubah sangat cepat pada interval yang pendek tersebut.
Bila f (xn ) < ε atau f (xn ) t 0, maka xn dapat digunakan sebagai
hampiran awal bagi akar persamaan yang dicari.
Namun bisa jadi f (xn ) t 0 pada interval yang agak melebar di sekitar
xn , sehingga xn bukan suatu nilai hampiran yang baik bagi suatu akar
persamaan f (xn ), karena xn tidak cukup dekat dengan akar yang
sebenarnya.


Sebagai syarat tambahan adalah bahwa gradien f (x ) di sekitar
(xn , yn ) harus mempunyai tanda yang berlawanan, yaitu:
yn yn 1
mn 1 =
xn xn 1
dan
yn +1 yn
mn =
xn +1 xn
harus berbeda tanda. Karena kedua penyebut > 0, maka cukup
diperiksa tanda dari kedua pembilangnya saja. Bila berbeda, maka xn
dapat digunakan sebagai hampiran akar persamaan.
Namun dengan cara ini belum dijamin iterasi akan konvergen.
Bila y = f (x ) mempunyai maksimum atau minimum lokal yang sangat
dekat dengan nol, maka sangat mungkin xn akan dilaporkan sebagai
akar persamaan bila f (xn ) 0, meskipun xn mungkin tidak cukup
dekat dengan akar persamaan yang sesungguhnya.
Example
Carilah suatu nilai hampiran bagi akar persamaan
x3 2x 2 4x + 8 = 0
pada interval [ 2.1, 2.1]. Pilih N = 18.Hasil perhitungannya dapat dilihat

pada tabel berikut:

Example (Contoh)
Nilai f (xn ) Turunan di y Perubahan tanda
xn yn 1 yn yn yn 1 yn +1 yn Pada f atau f 0
2, 1 6, 558 1, 681 4, 877 3, 864
1, 853 1, 681 2, 183 3, 864 2, 941 f berubah tanda
di [xn 1 , xn ]
1, 606 2, 183 5, 124 2, 941 2, 1
1, 359 5, 124 7, 234 2, 1 1, 367
1, 112 7, 234 8, 601 1, 367 0, 716
0, 865 8, 601 9, 317 0, 716 0, 155
0, 618 9, 317 9, 472 0, 155 0, 315 f 0 berubah tanda
di sekitar xn
0, 371 9, 472 9, 157 0, 315 0, 695
0, 124 9, 157 8, 462 0, 695 0, 985

Example (Contoh)
Nilai f ( xn ) Turunan di y Perubahan tanda
xn yn 1 yn yn yn 1 yn +1 yn Pada f atau f 0
0, 124 8, 462 7, 477 0, 985 1, 183
0, 371 7, 477 6, 294 1, 183 1, 292
0, 618 6, 294 5, 002 1, 292 1, 31
0, 865 5, 002 3, 692 1, 31 1, 237
1, 112 3, 692 2, 455 1, 237 1, 074
1, 359 2, 455 1, 381 1, 074 0, 821
1, 606 1, 381 0, 56 0, 821 0, 477
1, 853 0, 56 0, 083 0, 477 0, 042
2, 1 0, 083 0, 041 0, 042 0, 483 f 0 berubah tanda
di sekitar xn

Example
Berdasarkan tabel di atas, terdapat tiga nilai yang menjadi pertimbangan
menentukaan nilai hampiran f (x ) yaitu:
( 1, 977) , ( 0, 618), dan (2, 1).
Karena f (x ) berubah tanda pada inteval [( 2, 1), ( 1, 853)] , nilai
x = 1, 977 adalah nilai hampiran bagi akar persamaan tersebut. Di
mana f ( 1, 977) = 0, 364.
Walaupun gradien di sekitar x = 0, 618 mengalami perubahan
tanda, namun diperoleh nilai f ( 0, 618) = 9, 472. Ini berarti
x = 0, 618 tidak cukup dekat dengan akar persamaan f (x ).
Sedangkan gradien di sekitar x = 2, 1 yang juga mengalami
perubahan tanda merupakan nilai hampiran bagi akar persamaan
f (x ). Di mana f (2, 1) = 0, 041.

2.3.4 Metode Newton Raphson
Prinsip utama metode newton raphson adalah sebagai berikut:

1 Metode ini melakukan pendekatan terhadap kurva f (x ) dengan garis
singgung (gradien) pada suatu titik nilai awal.

2 Nilai taksiran selanjutnya adalah titik potong antara garis singgung
(gradien) kurva dengan sumbu X .
Perhatikan suku deret taylor bagi f (x ) yang diperluas di sekitar titik
x = x0 berikut:
(x x0 )2 00
f (x ) = f (x0 ) + (x x0 )f 0 (x0 ) + f (x0 ) + O jx x0 j 3
2
Dengan mengabaikan suku berpangkat 2 atau lebih, maka
penyelesaian persamaan f (x ) = 0 untuk x menghasilkan
f (x0 )
x1 = x0
f 0 (x0 )


Dengan cara yang sama diperoleh iterasi pada titik berikutnya:
f (xn )
xn +1 = xn
f 0 (xn )
Metode newton raphson dapat digambarkan sebagai berikut:


1 Tentukan nilai awal x0

2 Hitung f (x0 ) kemudian cek konvergensi f (x0 )
3 Tentukan fungsi f 0 (x0 ),kemudian hitung f 0 (x0 )
4 Lakukan iterasi
5 Hitung nilai taksiran akar selanjutnya:
f (xn )
xn +1 = xn
f 0 (xn )
6 Cek konvergensi terhadapa XTOL (Jika ada)


Problem
Tentukan akar persamaan f (x ) = e x 5x 2 dengan menggunakan metode
newton raphson. Gunakan XTOL = 10 5 dan x0 = 0, 5 serta ketelitian
hingga 7 desimal.
Solution
Persamaan f (x ) = e x 5x 2
Turunan fungsi f 0 (x ) = e x 10x
x0 = 0, 5
f (0, 5) = e 0,5 5(0, 5)2 = 0, 3987213
f 0 (0, 5) = e 0,5 10(0, 5) = 3, 3512787
f (x ) 0,3987213
x1 = x0 f 0 (x00 ) = 0, 5 3,3512787 = 0, 6189759
f (x1 ) = 0.0586304
εr = j j0,6189759 j j = 0, 1922141
0,6189759 0,5


Solution
x1 = 0, 6189759
f (0, 6189759) = e 0,6189759 5(0, 6189759)2 = 0, 0586304
f 0 (0, 6189759) = e 0,6189759 10(0, 6189759) = 4, 3327337
f (x ) 0,0586304
x2 = x1 f 0 (x00 ) = 0, 6189759 4,3327337 = 0, 6054439
j0,6054439 0,6189759 j
εr = j0,6054439 j
= 0, 0223505
Dengan cara yang sama akar persamaan f (x ) diperoleh sebagai
berikut:
Iterasi x f (x ) εr
3 0, 6052672 0, 0000001 0, 0002920
4 0, 6052671 0, 0000000 0, 0000000
Terlihat bahwa pada iterasi ke 4 diperoleh εr < XTOL. Sehingga
proses iterasi dihentikan.
Diperoleh akar persamaan f (x ) = e x 5x 2 adalah x4 = 0, 6052671
dengan f (x4 ) = 0, 0000000.

Berikut kurva dari persamaan f (x ) = e x 5x 2 :
Problem
Dari gra…k diatas terlihat bahwa f (x ) = e x 5x 2 memiliki 3 akar
persamaan. Tentukan dua akar persamaan yang lain dengan menggunakan
metode newton raphson serta ketelitian hingga 4 angka desimal dan XTOL
= 10 3 !

Permasalahan pada pemakaian metode newton raphson:
1 Metode ini tidak dapat digunakan ketika pendekatannya berada pada
titik puncak. Disebabkan pada titik ini f 0 (x ) = 0.Secara gra…s dapat
dilihat sebagai berikut:
Bila titik pendekatan berada pada titik puncak, maka titik selanjutnya
akan berada di tak hingga.

2 Metode ini menjadi sulit atau lama mendapat penyelesaian ketika titik
pendekatannya berada di antara dua titik stasioner. Secara gra…s
dapat dilihat sebagai berikut:
Bila titik pendekatan berada pada dua titik puncak akan

menyebabkam titik selanjutnya berada pada salah satu titik puncak
atau arah pendekatannya perbeda.
Untuk dapat menyelesaikan kedua permasalahan di atas dapat dilakukan

dengan:
1 Menggeser titik pendekatan yang berada pada titik puncak sebesar
δ(konstanta yang ditentukan) sedemikian sehingga xi = xi δ.
Dengan demikian f (xi ) 6= 0 dan metode newton raphson tetap dapat
berjalan.
2 Menggunakan metode tabel terlebih dahulu untuk menghindari
titik-titik pendekatan yang berada jauh, sehingga kekonvergenan
metode newton raphson ini dapat terjamin.
Kelebihan dari metode newton raphson ialah memiliki kekonvergenan yang
lebih cepat dibandingan dengan metode bagi dua dan metode reghulasi
falsi.

2.3.5 Metode Secant
Metode secant merupakan salah satu metode terbuka untuk menentukan

solusi akar dari persamaan tak lienar, dengan prinsip utama sebagai
berikut:
1 Metode ini melakukan pendekatan terhadap kurva f (x ) dengan garis
secant yang ditentukan oleh dua titik terakhir.
2 Nilai taksiran akar selanjutnya adalah titik potong antara garis secant
dengan sumbu X .
Metode ini pada dasarnya sama dengan metode newton raphson.
Perbedaan dengan metode sebelumnya adalah pada f 0 (x ) yang dihampiri
dengan beda hingga berdasarkan nilai penduga akar sebelumnya dan
penduga saat ini.

2.3.5 Metode Secant
Secara gra…s metode secant diinterpretasikan sebagai berikut:

2.3.5 Metode Secant

Misalkan diberikan titik xn dan xn 1 sebagai titik awal iterasi pada
persamaan y = f (x ). Gradien garis yang melewati titik (xn , yn ) dan
(xn 1 , yn 1 ) adalah
yn yn 1
mn =
xn xn 1
Persamaan garis yang melewati titik (xn , yn ) dan (xn 1 , yn 1 ) serta
memotong sumbu X di titik (xn +1 , 0) adalah
0 yn
mn =
xn +1 xn
yn yn 1 yn
=
xn xn 1 xn +1 xn
(yn yn 1 )(xn +1 xn ) = yn (xn xn 1 )
xn +1 (yn yn 1) = xn (yn yn 1 ) yn (xn xn 1)
(xn xn 1 )
xn +1 = xn yn
(yn yn 1 )
2.3.5 Metode Secant
Diperoleh formula metode secant:
(xn xn 1 )
xn +1 = xn yn
(yn yn 1 )
(xn xn 1 )
xn +1 = xn f ( xn )
(f (xn ) f (xn 1 ))

2.3.5 Metode Secant

1 Tentukan nilai awal x0 dan x1

2 Hitung f (x0 ) dan f (x1 ) kemudian cek konvergensi f (x0 ) dan f (x1 )
3 Lakukan iterasi
4 Hitung nilai taksiran akar selanjutnya
(x x )
xn +1 = xn f (xn ) f (xn n) f n(xn1 1 )
5 Cek konvergensi terhadapa XTOL (Jika ada)

2.3.5 Metode Secant
Problem
Gunakan metode secant untuk menentukan akar dari persamaan
f (x ) = x 5 + x 3 + 3 dengan x0 = 2 dan x1 = 1. Dengan ketelitian
hitung hingga 4 desimal, tentukan:
Nilai dari f (x5 )
jx 5 x 4 j
Nilai jx 5 j
Solution
f (x ) = x 5 + x 3 + 3
Iterasi 1:
x0 = 2 =) f (x0 ) = 25 + ( 2)3 + 3 = 37
x1 = 1 =) f (x1 ) = 15 + ( 1)3 + 3 = 1
(x x ) ( 1 ( 2 ))
x2 = x1 f (x1 ) f (x1 1) f 0(x0 ) = 1 1 1 ( 37 ) = 1, 0263

2.3.5 Metode Secant

Solution
Iterasi 2:
x2 = 1, 0263 =) f (x2 ) = 1, 02635 + ( 1, 0263)3 + 3 = 0, 7803
( x2 x1 )
x3 = x2 f (x2 )
f ( x2 ) f (x1 )
( 1, 0263 ( 1))
= 1, 0263 0, 7803 = 1, 1198
0, 7803 (1)
Iterasi 3:
x3 = 1, 1198 =) f (x3 ) = 1, 11985 + ( 1, 1198)3 + 3 = 0, 1645
(x3 x2 )
x4 = x3 f (x3 )
f (x3 ) f (x2 )
( 1, 1198 ( 1, 0263))
= 1, 1198 ( 0, 1645) = 1, 1035
0, 1645 (0, 7803)
2.3.5 Metode Secant
Solution
Iterasi 4:
x4 = 1, 1035 =) f (x4 ) = 1, 10355 + ( 1, 1035)3 + 3 = 0, 02
(x4 x3 )
x5 = x4 f (x4 )
f (x4 ) f (x3 )
( 1, 1035 ( 1, 1198))
= 1, 1035 0, 02 = 1, 1052
0, 02 ( 0, 1645)
Diperoleh:
x5 = 1, 1052
f (x5 ) = 1, 10525 + ( 1, 1052)3 + 3 = 0, 0004
jx 5 x 4 j j 1,1052 ( 1,1035 )j
jx 5 j
= j 1,1052 j
= 0, 0015

Latihan
1 Persamaan f (x ) = x 3 2 sin(x ) memiliki tiga akar persamaan pada

interval [ 2, 2] . Gunakan metode newton raphson untuk
menentukan ketiga akar persamaan tersebut dengan XTOL = 10 4
serta hitunglah nilai dari f (xn )!
2 Gunakan metode secant untuk mendekati nilai dari kedua akar
persamaan f (x ) = e x 3x 2 yang terletak pada interval [ 1, 1].
Hitung nilai f (xn ) dengan XTOL = 10 4 !
3 Tentukan harga pendekatan akar persamaan
f (x ) = x 3 + 6x 2 + 11x 6, dengan metode newton raphson,
sehingga galat relatif (εr ) 10 4 !Lanjutkan dengan menggunakan
metode secant!
4 Lanjutkan penyelesaian soal nomor 1, 2, dan 3 dengan menggunakan
metode bisection dan metode regulasi falsi!

3. Penyelesaian Sistem Persamaan Linear 3.1 Sistem Persamaan Linear
3.1 Sistem Persamaan Linear

De…nition
Suatu sistem persamaan linear (SPL) adalah kumpulan dari m persamaan
linear yang masing-masing mengandung n variabel yang tidak diketahui
Bentuk umum sistem persamaan linear dapat dituliskan sebagai berikut:

a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ... + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ... + a3n xn = b3
...
am1 x1 + am2 x2 + am3 x3 + ... + amn xn = bm
Di mana:
aij = Koe…sien sistem persamaan, dengan i = 1 s/d m dan j = 1 s/d n
xi = Variabel bebas sistem persamaan, dengan i = 1 s/d n
bi = Konstanta sistem perjamaan, dengan i = 1 s/d m

Ada tiga kemungkinan solusi SPL, yaitu sebagai berikut:
1 Tidak ada solusi
2 Solusi Tunggal
3 Tak hingga solusi
Secara gra…s (geometris) dapat diinterpretasikan sebagai berikut:

Sistem persamaan linear dapat dinyatakan dalam bentuk matriks

yaitu: 2 32 3 2 3
a11 a12 ... a1n x1 b1
6 a21 a22 ... a2n 7 6 x2 7 6 b2 7
6 76 7=6 7
4 ... ... ... ... 5 4 ... 5 4 ... 5
am1 am2 ... amn xn bm
atau dapat dituliskan:
Ax = b
Matriks A dinamakan dengan Matriks Koe…sien dari sistem
persamaan linear, matriks A juga disebut Matriks Jacobian.
Vektor x dinamakan dengan Vektor Variabel.
Vektor b dinamakan Vektor Konstanta.


De…nition (Augmented Matrix)
Matriks perluasan dari sistem persamaan linear adalah matriks yang
merupakan perluasan matriks A dengan menambah vektor b pada kolom
terakhirnya, dan dituliskan:
Augmented (A) = [A b ]
Theorem
Suatu sistem persamaan linear mempunyai penyelesaian tunggal bila
memenuhi syarat-syarat sebagai berikut:
1 Ukuran SPL bujursangkar, dimana jumlah persamaan sama dengan
jumlah variable bebas.
2 SPL non-homogen dimana minimal ada satu nilai vektor konstanta b
tidak nol atau ada bn 6= 0.
3 Determinan dari matrik koe…sien SPL tidak sama dengan nol.
Untuk menyelesaikan SPL dapat dilakukan dengan menggunakan

metode-metode analitik seperti pemakaian metode gra…s, aturan
cramer, atau invers matriks. Metode ini dapat dilakukan dengan
mudah jika persamaannya dibawah 4.
Dibutuhkan metode numerik yang dapat digunakan untuk
menyelesaikan solusi SPL antara lain:
1 Metode Eliminasi Gauss
2 Metode Eliminasi Gauss-Jordan
3 Metode Iterasi Gauss-Seidel

3.1.1 Segitiga Atas
Theorem (Subtitusi Langkah Mundur)

Andaikan Ax = b adalah sistem persamaan linear segitiga atas. Jika
aii 6= 0 untuk i = 1, 2, ..., n maka terdapat suatu penyelesian tunggal bagi
SPL tersebut.
Bentuk umum sistem persamaan linear dengan segitiga atas adalah
sebagai berikut:
a11 x1 + a12 x2 + a13 x3 + ... + a1n + a1n xn = b1

1 xn 1
a22 x2 + a23 x3 + ... + a2n 1 xn 1 + a2n xn = b2
a33 x3 + ... + a3n 1 xn 1 + a3n xn = b3
...
an 1n 1 xn 1 + an 1n xn = bn 1
ann xn = bn

3.1.1 Segitiga Atas

Subtitusi Mundur
Penyelesaian SPL berbentuk segitiga atas adalah dengan menggunakan

metode subtitusi mundur dengan langkah-langkah sebagai berikut:
1 Pastikan bahwa semua unsur diagonal utama pada SPL Ax = b
adalah 6= 0.
bn
2 Hitung nilai xn = ann
3 Untuk xn 1 , xn 2 , ..., x1 dihitung dengan menggunakan aturan:
n
bi ∑ aij xj
j =i +1
xi =
aii
untuk i = n 1, n 1, ...

3.1.1 Segitiga Atas
Example
Selesaikanlah SPL berikut dengan menggunakan metode subtitusi mundur.
4x1 x2 + 2x3 + 3x4 = 20

2x2 + 7x3 4x4 = 7
6x3 + 5x4 = 4
3x4 = 60
Jawab:
x1 = 201
8 , x2 =
185
2 , x3 = 16, x4 = 20

3.1.2 Segitiga Bawah
Theorem
Andaikan Ax = b adalah sistem persamaan linear segitiga bawah. Jika
aii 6= 0 untuk i = 1, 2, ..., n maka terdapat suatu penyelesaian tunggal
pada persamaan tersebut.
Bentuk umum sistem persamaan linear dengan segitiga bawah adalah

sebagai berikut:
a11 x1 = b1
a21 x1 + a22 x2 = b2
a31 x1 + a32 x2 + a33 x3 = b3
... ...
an 11 x1 + an 12 x2 + ...+ an 13 x3 + an 1n 1 xn 1 = bn 1
an1 x1 +an2 x2 +...+ an3 x3 +an 1n 1 xn 1 + ann xn = bn


Subtitusi Maju
Penyelesaian SPL berbentuk segitiga bawah adalah dengan menggunakan

metode subtitusi maju dengan langkah-langkah sebagai berikut:
1 Pastikan bahwa semua unsur diagonal utama pada SPL Ax = b
adalah 6= 0.
b1
2 Hitung nilai x1 = a11
3 Untuk x2 , x3 , ..., xn dihitung dengan menggunakan aturan:
n 1
bi ∑ aij xj
j =1
xi =
aii
untuk i = 2, 3, ..., n

Example
Selesaikanlah SPL berikut dengan menggunakan metode subtitusi maju.
3x1 =5
x1 + x2 =6
3x1 2x2 x3 =4
x1 2x2 + 6x3 + 2x4 = 2
Jawab:
x1 = 53 , x2 = 23
3 , x3 =
43 305
3 , x4 = 6

3. Penyelesaian Sistem Persamaan Linear 3.2 Metode Eliminasi Gauss
3.2 Metode Eliminasi Gauss

Untuk menggunakan metode eliminasi gauss, dilakukan terlebih dahulu
penyusunan SPL menjadi bentuk Ax = b. Setelah itu bentuk matrisk
diubah menjadi augemented matriks sebagai berikut:
2 3
a11 a12 ... a1n b1
6 a21 a22 ... a2n b2 7
6 7
4 ... ... ... ... ... 5
an1 an2 ... ann bn
Tahapan penyelesaiannya terdiri atas 2 tahapan yaitu:

1 Tahap eliminasi (maju)
Yaitu mengubah matriks koe…sien semula menjadi matriks koe…sien
segitiga atas melalui serangkaian OBE.
2 Tahap subtitusi mundur
Yaitu menyelesaikan matriks koe…sien segitiga atas dengan metode
subtitusi mundur.

1 Elemen-elemen pada kolom pertama mulai dari baris ke 2, 3, ..., n

(a21 , a31 , ..., an1 ) diubah menjadi nol.
2 3 2 3
a11 a12 ... a1n a1,n +1 a11 a12 ... a1n a1,n +1
6 a21 a22 ... a2n 7 6
a2,n +1 7 6 0 a22 ... a2n a2,n +1 7
6
4 ... ... ... ... v 7
... 5 4 ... ... ... ... ... 5
an1 an2 ... ann an,n +1 0 an2 ... ann an,n +1
Catatan:
Notasi v menyatakan bahwa proses OBE
Penggunaan notasi aij yang sama pada tiap-tiap matriks, tidak berarti
bahwa nilainya sama. Pemakaian notasi yang sama hanya untuk
keperluan pemrograman komputer.


Ilustrasi untuk langkah pertama adalah sebagai berikut:

2 3
a11 a12 a13 ... a1n a1,n +1
6 a21 a22 a23 ... a2n a2,n +1 7
6 7
6 a31 a32 a33 ... a3n a3,n +1 7
6 7
4 ... ... ... ... ... ... 5
an1 an2 an3 ... ann an,n +1
2 3
a11 a12 a13 ... a1n a1,n +1
6 0 a22 a23 ... a2n a2,n +1 7
a21 6 7
(b )2 (b )2 (b )1 6
6 a31 a32 a33 ... a3n a3,n +1 7
7
a11 4 ... ... ... ... ... 5
...


lanjutan
2 3
a11 a12 a13 ... a1n a1,n +1
6 0 a22 a23 ... a2n a2,n +1 7
a31 6 7
(b )3 (b )3 (b )1 6
6 0 a32 a33 ... a3n a3,n +1 7
7
a11 4 5
... ... ... ... ... ...
...
2 3
a11 a12 a13 ... a1n a1,n +1
6 0 a22 a23 ... a2n a2,n +1 7
an1 6 7
(b )n (b )n (b )1 6
6 0 a32 a33 ... a3n a3,n +1 7
7
a11 4 5
... ... ... ... ... ...
0 an2 an3 ... ann an,n +1


2 Melakukan eliminasi pada kolom kedua matriks dengan ilustrasi

sebagai berikut:
2 3
a11 a12 a13 ... a1n a1,n +1
6 0 a22 a23 ... a2n a2,n +1 7
6 7
6 0 a32 a33 ... a3n a3,n +1 7
6 7
4 ... ... ... ... ... ... 5
0 an2 an3 ... ann an,n +1
2 3
a32 a11 a12 a13 ... a1n a1,n +1
(b )3 (b )3 (b )2
a22 6 0 a22 a23 ... a2n a2,n +1 7
(b )4 (b )4 a42
a22 (b )2 6
6
7
7
6 0 0 a33 ... a3n a3,n +1 7
... 4 5
an2 ... ... ... ... ... ...
(b )n (b )n a22 (b )2
0 0 0 ... ann an,n +1
Dengan cara yang sama eliminasi pada kolom ke 3, 4, ..., n 1 pada
matriks koe…sien SPL. Diperoleh suatu bentuk matriks segitiga atas.
Problem
Selesaikanlah sistem persamaan linear berikut dengan menggunakan
metode eliminasi gauss:
8
< x1 + x2 + x3 = 6
x1 + 2x2 x3 = 2
:
2x1 + x2 + 2x3 = 10
Solution
Augmented dari SPL diatas adalah:
2 3 2 3
1 1 1 6 1 1 1 6
b b2 b1
4 1 2 1 2 5 2 4 0 1 2 4 5
b3 b3 2b1
2 1 2 10 0 1 0 2

Solution
2 3 2 3
1 1 1 6 1 1 1 6
4 0 1 2 4 5 b3 b3 + b2 4 0 1 2 4 5
0 1 0 2 0 0 2 6
sehingga diperoleh penyelesaian:
6
x3 = =3
2
1
x2 = ( 4 (2) 3) = 2
1
1
x1 = (6 2 3) = 1
1

De…nition (Elemen Pivot)

Elemen app pada A yang digunakan untuk mengeliminasi aip dengan
i = p + 1, p + 2, ..., n disebut elemen pivot ke p dan baris ke p disebut
baris pivot.
Permasalahan yang mungkin dapat terjadi pada metode eliminasi gauss

Jika elemen pivot bernilai nol maka proses eliminasi tidak dapat
dilakukan.
Jika nilai mutlak elemen pivot sangat kecil, maka akan menimbulkan
perambatan galat yang besar.
Jika terjadi permasalahan diatas maka perlu dilakukan teknik Partial
Pivoting yaitu mempertukarkan baris pivot ini dengan baris yang memiliki
nilai terbesar pada kolom yang sama.

Example
Selesaikanlah SPL berikut dengan menggunakan metode eliminasi gauss:
8
>
> x1 + 2x2 + x3 + 4x4 = 13
<
2x1 + 4x3 + 3x4 = 28
>
> 4x1 + 2x2 + 2x3 + x4 = 20
:
3x1 + x2 + 3x3 + 2x4 = 6
Jawab:
x4 = 2, x3 = 4, x2 = 1, x1 = 3

3. Penyelesaian Sistem Persamaan Linear 3.3 Faktorisasi Segitiga/LU
3.3 Faktorisasi Segitiga/LU

De…nition (Faktorisasi Segitiga/LU)
Matriks nonsingular A dikatakan memiliki suatu faktorisasi segitiga/LU
jika dapat ditulis sebagai perkalian matriks segitiga bawah L dan matriks
segitiga atas U, yaitu
A = LU
Perhatikan SPL
Ax = b.
Jika A dapat difaktorisasi menjadi LU, maka diperoleh SPL baru
LUx = b.
Menurut kaidah hukum asosiatif perkalian berlaku L(Ux ) = b.
Dengan mende…nisikan SPL Ux = y , maka:
SPL segitiga bawah Ly = b dapat diselesaikan dengan subtituis maju.
Setelah y diperoleh, solusi x dapat dicari dari SPL segitiga atas
Ux = y dengan subtitusi mundur.

Jenis-Jenis faktorisasi Segitiga/LU
Faktorisasi A = LU secara umum berlaku tidak tunggal. Sehingga

dilakukan pemilihan matriks L dan U yang memiliki sifat-sifat tertentu
yang dinyatakan sebagai berikut:
1 Jika elemen diagonal pada L bernilai 1, maka disebut
faktorisasi/dekomposisi Doolittle.
2 Jika elemen diagonal pada U bernilai 1, maka disebut
faktorisasi/dekomposisi Crout.
3 Jika L = U T , maka disebut faktorisasi/dekomposisi Cholesky.

Sebagai ilustrasi dari faktorisasi segitiga/LU, perhatikan kasus n = 3

berikut:
2 3 2 3 2 3
a11 a12 a13 1 0 0 u11 u12 u13
4 a21 a22 a23 5 = 4 l21 1 0 5 4 0 u22 u23 5
a31 a32 a33 l31 l32 1 0 0 u33
A L U
Perkalian antara matriks L dan U akan menghasilkan elemen hasil dengan

elemen yang sesuai dalam A.
a11 = u11 a12 = u12 a13 = u13

a21 = l21 u11 a22 = l21 u12 + u22 a23 = l21 u13 + u23
a31 = l31 u11 a32 = l31 u12 + l32 u22 a33 = l31 u13 + l32 u23 + u33


Bila pertukaran baris tidak diperlukan (tanpa pivot) dalam penyelesaian
SPL Ax = b maka A memiliki faktorisasi segitiga yang diperoleh dari
tahap eliminasi gaus.
2 3 2 3
a11 a12 ... a1n a11 a12 ... a1n
6 a21 a22 ... a2n 7 6 (1 ) (1 ) 7
6 0 a22 ... a2n 7
A=4 6 7 v ... v 6 7=U
... ... ... ... 5 4 ... ... ... ... 5
an1 an2 ... ann (n 1 )
0 0 ... ann
(k )
dimana aij menyatakan elemen matriks A pada posisi (i, j ) yang nilainya
merupakan hasil dari OBE pada iterasi ke-k.
Matriks L juga dihasilkan dari proses eliminasi, yaitu
2 3
1 0 ... 0 (j 1 )
6 l21 1 ... 0 7 aij (0 )
L=4 6 7 , dimana lij = (j 1 ) dan ai 1 = ai 1 .
... ... ... ... 5 ajj
ln1 ln2 ... 1
Problem
Dengan menggunakan faktorisasi LU selesaikanlah SPL berikut ini:
8
< 3x1 + 2x2 5x3 = 0
2x1 3x2 + x3 = 0
:
x1 + 4x2 x3 = 4
Solution
Matriks koe…sien dari SPL diatas adalah
2 3
3 2 5
A= 2 4 3 1 5
1 4 1

3.3.1 Faktorisasi Segitiga/LU
Solution
Matriks L dapat dikontruksi dari matriks identitas I yang ditempatkan di
kiri A, sebagai berikut
2 32 3 2 3
1 0 0 3 2 5 3 2 5
4 0 1 0 54 2 3 1 5 = 4 2 3 1 5
0 0 1 1 4 1 1 4 1
2 32 3 2 3
1 0 0 3 2 5 3 2 5
4 2 1 0 54 0 13 13 5
= 4 2 3 1 5
3 3 3
0 0 1 1 4 1 1 4 1
2 32 3 2 3
1 0 0 3 2 5 3 2 5
4 2 1 0 54 0 13 13 5
= 4 2 3 1 5
3 3 3
1 10 2
3 0 1 0 3 3 1 4 1


Solution
2 32 3 2 3
1 0 0 3 2 5 3 2 5
4 2
1 0 54 0 13 13 5
=4 2 3 1 5
3 3 3
1 10
3 13 1 0 0 4 1 4 1
2 3 2 3
1 0 0 3 2 5
diperoleh L = 4 2
3 1 0 5,U = 4 0 13
3
13
3
5.
1 10
3 13 1 0 0 4
Perhatikan bahwa
2 32 3 2 3
3 2 5 x1 0
Ax 4
= b, 2 3 1 5 4 x2 5 = 0 5
4
1 4 1 x3 4
2 32 32 3 2 3
1 0 0 3 2 5 x1 0
LUx 4
= b , 32 1 0 54 0 13 13 5 4
x2 5=4 0 5
3 3
1 10
3 13 1 0 0 4 x3 4

Solution
Misalkan Ux = y , maka Ly = b.
2 32 3 2 3
1 0 0 y1 0
Ly = b , 4 2
1 0 5 4 y2 5 = 0 5
4
3
1 10
3 13 1 y3 4
dengan menggunakan aturan subtitusi maju diperoleh
y1 = 0, y2 = 0, y3 = 4
2 32 3 2 3
3 2 5 x1 0
Ux = y , 4 0 13
3
13 5 4
3 x2 5 = 4 0 5
0 0 4 x3 4
dengan menggunakan aturan subtitusi mundur diperoleh x3 = 1, x2 = 1,
x1 = 1
Problem
Dengan menggunakan faktorisasi LU selesaikanlah SPL berikut ini:
8
< 3x1 + 4x2 + 3x3 = 10
x1 + 5x2 x3 = 7
:
6x1 + 3x2 + 7x3 = 15

Latihan
Sistem Persamaan Linear - Metode Eliminasi Gauss - Faktorisasi Segitiga/LU
1 Selesaikanlah SPL berikut dengan menggunakan metode eliminasi

gauss:
8
>
> 6x1 2x2 + 2x3 + 4x4 = 16
<
12x1 8x2 + 6x3 + 10x4 = 26
1
>
> 3x1 13x2 + 9x3 + 3x4 = 19
:
8 6x 1 + 4x2 + x3 18x4 = 34
>
> x1 + x2 3x4 = 4
<
x1 + 3x3 + x4 = 0
2
>
> x 2 x3 x4 = 3
:
3x1 + x3 + 2x4 = 1
2 Tetukan solusi dari SPL berikut dengan menggunakan faktorisasi
Doolittle
8
>
> x1 + 3x2 + 2x3 + x4 = 2
<
4x1 + 2x2 + x3 + 2x4 = 2
> 2x1 + x2 + 2x3 + 3x4 = 1
>
:
x1 + 2x2 + 4x3 + x4 = 1
3. Penyelesaian Sistem Persamaan Linear 3.4 Kondisi Buruk
3.4 Kondisi Buruk
Matriks A dikatakan berkondisi buruk (ill condition) jika terdapat

sebuah vektor kolom b sehingga untuk perubahan kecil A atau b akan
menghasilkan perubahan besar pada solusi x = A 1 b.
Sistem Ax = b dikatakan berkondisi buruk apabila hasil
perhitungannya mempunyai galat yang besar.

3.4 Kondisi Buruk
Example
Tinjau sistem persamaan linear berikut
x1 + 2x2 = 10
1, 1x1 + 2x2 = 10, 4
Solusi analitik dari SPL yaitu x1 = 4 dan x2 = 3. Jika a21 = 1, 1 diubah

menjadi 1, 05
x1 + 2x2 = 10
1, 05x1 + 2x2 = 10, 4
maka solusinya sangat jauh berbeda dari sebelumnya, yaitu x1 = 8 dan

x2 = 1.

3.4 Kondisi Buruk
Example
Penambahan sebesar ε pada koe…sien 1, 1 dapat dinyatakan sebagai berikut
x1 + 2x2 = 10
(1, 1 + ε) x1 + 2x2 = 10, 4
yang mempunyai solusi

0, 4
x1 =
0, 1 + ε
0, 6 + 10ε
x2 =
0, 2 + 2ε
Solusi ini memperlihatkan bahwa sistem berkondisi buruk sebab perubahan
kecil ε menghasilkan perubahan besar pada solusi SPL.

3.4 Kondisi Buruk
Example
Pada contoh diatas, ε = 0, 05 sehingga
0, 4
x1 = =8
0, 1 0, 05
0, 6 + 10 ( 0, 05)
x2 = =1
0, 2 + 2 ( 0, 05)

3.4 Kondisi Buruk
Beberapa ukuran untuk kondisi buruk telah dikemukakan para ahli

numerik, antara lain jdet (A)j sangat kecil dibandingkan dengan nilai
maksimum jaij j dan jbij j.
SPL berkondisi buruk bila det (A) hampir nol. Jika det (A) = 0, maka
gradien kedua garis tersebut sama, yang berarti SPL tidak mempunyai
solusi yang unik.
Determinan matriks pada contoh di atas adalah 0, 2, yang relatif
lebih dekat ke nol.
Nilai determinan sukar dikaitkan dengan kondisi buruk. Kesukaran
tersebut dapat diatasi bila SPL dinormalkan sedemikian sehingga
koe…sien terbesar pada tiap baris persamaan sama dengan 1.

3.4 Kondisi Buruk
Example
Tentukan determinan matriks A pada SPL berikut
x1 + 2x2 = 10
1, 1x1 + 2x2 = 10, 4
(i ) SPL seperti apa adanya

(ii ) SPL dinormalkan
Penyelesaian:
(i ) SPL apa adanya
det (A) = (1) (2) (2) (1, 1) = 0, 2
yang dekat dengan nol, karena itu SPL berkondisi buruk.

3.4 Kondisi Buruk
Example
(ii ) SPL dinormalkan dengan cara membagi baris dengan koe…sien
terbesar pada baris itu sehingga koe…sien maksimumnya = 1
0, 5x1 + x2 = 5
0, 55x1 + x2 = 5, 2
determinannya
det (A) = (0, 5) (1) (1) (0, 55) = 0, 55
yang dekat ke nol, karena itu berkondisi buruk

3.4 Kondisi Buruk
Example
Hitung determinan matriks A pada SPL
3x1 + 2x2 = 18
x1 + 2x2 = 2
(i ) SPL apa adanya

(ii ) SPL dinormalkan
Penyelesaian:
(i ) SPL apa adanya, diperoleh
det (A) = (3) (2) (2) ( 1) = 8
yang nilainya jauh dari nol, oleh karena itu SPL berkondisi baik.

3.4 Kondisi Buruk
Example
(ii ) SPL dinormalkan menghasilkan
x1 + 0, 667x2 = 6
0, 5x1 + x2 = 1
diperoleh
det (A) = (1) (1) ( 0, 667) ( 0, 5) = 1, 333
yang nilainya jauh dari nol, oleh karena itu SPL berkondisi baik

3.4.1 Bilangan Kondisi Matriks
Walaupun terdapat beragam cara untuk memeriksa kondisi sistem

persamaan linear, akan lebih disukai mendapatkan bilangan tunggal
yang dapat berlaku sebagai petunjuk adanya kondisi buruk. Bilangan
tersebut dinamakan bilangan kondisi matriks.
Sistem persamaan linear Ax = b yang bilangan kondisinya kecil
menyatakan sistem berkondisi baik. Bilangan berkondisi besar
menandakan bahwa sistem berkondisi buruk.
Jika bilangan kondisi matriks A besar, maka galat relatif solusi SPL
juga akan besar. Sebaliknya, jika bilangan kondisi kecil, galat relatif
SPL juga kecil.

Bilangan kondisi matriks dinyatakan sebagai

1
Cond (A) = kAk A
yang dalam hal ini kAk adalah norma (norm ) tak-hingga (∞) matriks A,
yang dide…nisikan sebagai:
n
kAk = kAk∞ max
1 i n
∑ jaij j
j =1

Problem
Hitung bilangan kondisi matriks berikut
2 3
3, 02 1, 05 2, 53
A = 4 4, 33 0, 56 1, 78 5
0, 83 0, 54 1, 47


Solution
Tentukan terlebih dahulu matriks balikannya,
2 3
5, 661 7, 273 18, 55
1 4
A = 200, 5 268, 3 669, 9 5
76, 85 102, 6 255, 9
sehingga diperoleh
kAk = j4, 33j + j0, 56j + j1, 78j = 6, 07

A 1 = j200, 5j + j 268, 3j + j 669, 9j = 1138, 7
sehingga bilangan kondisi matriks A adalah
Cond (A) = (66, 7) (1138, 7) = 7595
Jadi SPL berkondisi buruk karena bilangan kondisi matriksnya besar.

3. Penyelesaian Sistem Persamaan Linear 3.5 Metode Iterasi
3.5 Metode Iterasi

Sistem persamaan linear dapat diselesaikan secara langsung maupun
melalui metode iterasi.
Penyelesaian secara langsung dapat digunakan untuk matriks koe…sien
yang non singular serta berukuran relatif kecil.
Jika matriks koe…sien berukuran sangat besar, maka metode langsung
menjadi tidak e…sien. Hal ini disebabkan penyelesaian matriks
tersebut terlalu banyak melibatkan jumlah operasi aritmetika.
Sehingga dibutuhkan metode iterasi yang merupakan alternatif
pemecahan masalah tersebut.
Metode iterasi dalam menyelesaikan SPL diawali dengan sebuah
tebakan awal, kemudian digunakan suatu metode sistematis untuk
memperoleh barisan yang diharapkan akan konvergen ke solusi SPL
yang ingin dicari.
Metode iterasi terdiri atas:
Iterasi Jacobi
Iterasi Gauss-Seidel
3.5 Metode Iterasi

Bentuk SPL bujursangkar
a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ... + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ... + a3n xn = b3
... = ...
an1 x1 + an2 x2 + an3 x3 + ... + ann xn = bn
dengan aii 6= 0,ekuivalen dengan
b1 a12 a13 a1n
x1 = x2 x3 ... xn
a11 a11 a11 a11
b2 a21 a23 a2n
x2 = x1 x3 ... xn
a22 a22 a22 a22
... = ...
bn an1 an2 an ( n 1 )
xn = x1 x2 ... xn
ann ann ann ann
3.5.1 Metode Iterasi Jacobi

Metode iterasi jacobi disebut juga metode penggantian serempak,
dikarenakan untuk menyeleseaikan suatu sistem persamaan linear
dilakukan dengan cara mengganti setiap variabel secara bersamaan.
Bentuk umum penyelesaian metode iterasi jacobi adalah sebagai
berikut:
n
bi aij
∑
(k +1 ) (k )
xi = xj di mana 1 i n
aii j =1 aii
j 6 =i
dengan aii 6= 0. Indeks ke (k ) menyatakan langkah iterasi.

Selain itu kekonvergenan metode iterasi jacobi bergantung pada sifat
matriks koe…sien yang harus dominan secara diagonal yaitu:
n
jaii j > ∑ jaij j 1 i n.
j =1
j 6 =i


1 Cek kekonvergenan matriks A apakah dominan secara diagonal atau

tidak.
n
j =1
j 6 =i
2 Ambil tebakan awal

h i
(0 ) (0 ) (0 ) (0 ) T
x = x1 x2 x3 ... x0
3 Lakukan proses iterasi menghitung nilai xi dengan cara cara:

n
bi aij
∑
(k +1 ) (k )
xi = xj ,1 i n
aii j =1 aii
j 6 =i


4 Kriteria penghentian iterasi adalah sebagai berikut:

(k +1 ) (k )
xi xi
max
(k +1 )
< XTOL
1 i n
xi

Problem
Diberikan suatu SPL
8
< 4x1 x2 + x3 = 7
4x1 8x2 + x3 = 21
:
2x1 + x2 + 5x3 = 15
Tentukan solusi dari SPL tersebut, dengan menggunakan metode iterasi

jacobi dan ketelitian hingga 4 desimal serta XTOL = 10 4 !

Solution
Cek kekonvergenan dominan secara diagonal. Karena
j4j > j 1j + j1j

j 8j > j4j + j1j
j5j > j 2j + j1j
maka iterasi akan konvergen.

Solution
Persamaan iterasi jacobi untuk SPL diatas sebagai berikut:
(k ) (k )
(k +1 ) 7 x2 x3
x1 = +
4 4 4
(k ) (k )
(k +1 ) 21 4x1 x
x2 = + + 3
8 8 8
(k ) (k )
(k +1 ) 15 2x1 x2
x3 = +
5 5 5

Solution
h i
(0 ) (0 ) (0 ) T
Dengan memasukan nilai awal x1 , x2 , x3 = [0, 0, 0]T diperoleh
nilai:
Iterasi 1:
(1 ) 7 0 0
x1 = + = 1, 75
4 4 4
(1 ) 21 0 0
x2 = + + = 2, 625
8 8 8
(1 ) 15 0 0
x3 = + =3
5 5 5
j3 0j
εr = =1
j3j

Solution
Iterasi 2:
(2 ) 7 2, 625 3
x1 = + = 1, 6563
4 4 4
(2 ) 21 4(1, 75) 3
x2 = + + = 3, 875
8 8 8
(2 ) 15 2(1, 75) 2.625
x3 = + = 3, 175
5 5 5
j3, 875 2.625j
εr = = 0, 322581
j3, 875j


Solution
Dengan cara yang sama diperoleh solusi SPL sebagai berikut:
i x1 x2 x3 εr
1 1, 75 2, 625 3 1
2 1, 6563 3, 875 3, 175 0, 3226
3 1, 925 3, 85 2, 8875 0, 0747
4 1, 9906 3, 9484 3 0, 0285
5 1, 9871 3, 9953 3, 0066 0, 0117
6 1, 9972 3, 9944 2, 9958 0, 0027
7 1, 9996 3, 9981 3 0, 0011
8 1, 9995 3, 9998 3, 0002 0, 0004
9 1, 9999 3, 9998 2, 9998 0, 0001
10 2 3, 9999 3 0
11 2 4 3 0
12 2 4 3 0
Solution
Jadi solusi dari SPL
8
< 4x1 x2 + x3 = 7
4x1 8x2 + x3 = 21
:
2x1 + x2 + 5x3 = 15
adalah
x1 = 2, x2 = 4, x3 = 3
dengan galat toleransi (εr = 0)

3.5.2 Metode Iterasi Gauss-Seidel

Metode iterasi Gauss-Seidel disebut juga metode penggantian
berurutan,dikarenakan untuk menyeleseaikan suatu sistem persamaan
linear dilakukan dengan cara mengganti setiap variabel secara
berurutan.
Bentuk umum penyelesaian metode iterasi Gauss-Seidel adalah
sebagai berikut:
n n
bi aij aij
∑ ∑
(k +1 ) (k ) (k +1 )
xi = xj xj di mana 1 i n
aii j =1 aii j =1 aii
j >i j <i
dengan aii 6= 0. Indeks ke (k ) menyatakan langkah iterasi.

Selain itu kekonvergenan metode iterasi Gauss-Seidel juga bergantung
pada sifat matriks koe…sien yang harus dominan secara diagonal
yaitu:
n
j =1
j 6 =i

1 Cek kekonvergenan matriks A apakah dominan secara diagonal atau

tidak.
n
j =1
j 6 =i
2 Ambil tebakan awal

h i
(0 ) (0 ) (0 ) (0 ) T
x = x1 x2 x3 ... x0
3 Lakukan proses iterasi menghitung nilai xi dengan cara cara:

n n
bi aij aij
∑ ∑
(k +1 ) (k ) (k +1 )
xi = xj xj ,1 i n
aii j =1 aii j =1 aii
j >i j <i


4 Kriteria penghentian iterasi adalah sebagai berikut:

(k +1 ) (k )
xi xi
max
(k +1 )
< XTOL
1 i n
xi

Problem
Diberikan suatu SPL
8
>
> 7x1 + x2 x3 + 2x4 = 3
<
x1 + 8x2 2x4 = 5
>
> x1 + 4x3 x4 = 4
:
2x1 2x2 x3 + 6x4 = 3
Tentukan solusi dari SPL tersebut, dengan menggunakan metode iterasi

Gauss-Seidel dan ketelitian hingga 5 desimal serta XTOL = 10 5 !

Solution
Cek kekonvergenan dominan secara diagonal. Karena
j7j > j1j + j 1j + j2j

j8j > j1j + j0j + j 2j
j4j > j 1j + j0j + j 1j
j6j > j2j + j 2j + j 1j
maka iterasi akan konvergen.

Solution
Persamaan iterasi Gauss-Seidel untuk SPL diatas sebagai berikut:
(k ) (k ) (k )
(k +1 ) 3 x2 x 2x4
x1 = + 3
7 7 7 7
(k +1 ) (k )
(k +1 ) 5 x1 2x
x2 = + 4
8 8 8
(k +1 ) (k )
(k +1 ) x1 x
x3 = 1+ + 4
4 4
(k +1 ) (k +1 ) (k +1 )
(k +1 ) 3 2x1 2x x
x4 = + 2 + 3
6 6 6 6


Solution
h i
(0 ) (0 ) (0 ) (0 ) T
Dengan memasukan nilai awal x1 , x2 , x3 , x4 = [0, 0, 0, 0]T
diperoleh nilai:
Iterasi 1:
(1 ) 3
x1 = 0+0 0 = 0, 42857
7
(1 ) 5
0, 42857
x2 = + 0 = 0, 67857
8 8
(1 ) 0, 42857
x3 = 1+ + 0 = 1, 10714
4
(1 ) 3 2(0, 42857) 2( 0, 67857) 1, 10714
x4 = + + = 0, 68452
6 6 6 6
j1, 10714 0j
εr = =1
j1, 10714j
Solution
Iterasi 2:
(2 ) 3 ( 0, 67857) 1, 10714 2 ( 0, 68452)

x1 = + = 0, 87925
7 7 7 7
(2 ) 5 0, 87925 2 ( 0, 68452)
x2 = + = 0, 90604
8 8 8
(2 ) 0, 87925 ( 0, 68452)
x3 = 1+ + = 1, 04868
4 4
(2 ) 3 2 (0, 87925) 2 ( 0, 90604) 1, 04868
x4 = + + = 0, 92032
6 6 6 6


Solution
Dengan cara yang sama diperoleh solusi dari SPL sebagai berikut:
i x1 x2 x3 x4 εr
1 0, 42857 0, 67857 1, 10714 0, 68452 1
2 0, 87925 0, 90604 1, 04868 0, 92032 0, 42976
3 0, 97076 0, 97642 1, 01261 0, 98029 0, 09037
4 0, 9928 0, 99417 1, 00313 0, 99514 0, 02197
5 0, 99823 0, 99856 1, 00077 0, 9988 0, 00542
6 0, 99956 0, 99965 1, 00019 0, 9997 0, 00134
7 0, 99989 0, 99991 1, 00005 0, 99993 0, 00033
8 0, 99997 0, 99998 1, 00001 0, 99998 0, 00008
9 0, 99999 0, 99999 1 1 0, 00002
... ... ... ... ... ...
19 1 1 1 1 0
20 1 1 1 1 0
Solution
Jadi solusi dari SPL
8
>
> 7x1 + x2 x3 + 2x4 = 3
<
x1 + 8x2 2x4 = 5
>
> x1 + 4x3 x4 = 4
:
2x1 2x2 x3 + 6x4 = 3
adalah
x1 = 1, x2 = 1, x3 = 1, x4 = 1
dengan galat toleransi (εr = 0)

Latihan
Metode Eliminasi Gauss-Jordan, Iterasi Jacobi, Iterasi Gauss-Seidel
1 Diberikan sistem persamaan linear Ax = b dengan A dan b sebagai

berikut:
2 3 2 3
1 2 3 1 10
6 2 5 4 8 7 6 8 7
A=6 4 4 2 2
7
5 b=6 4 2 5
7
1
6 4 1 2 4
Tentukan solusinya dengan menggunakan metode eliminasi

Gauss-Jordan.

Latihan
Metode Eliminasi Gauss-Jordan, Iterasi Jacobi, Iterasi Gauss-Seidel
2 Selesaikan sistem persamaan linear:
8x1 + x2 + 3x3 + 2x4 = 0

2x1 + 9x2 x3 2x4 = 1
x1 + 3x2 + 2x3 7x4 = 2
x1 + 6x3 + 4x4 = 3
dengan metode
a Iterasi Jacobi XTOL = 10 5 , ketelitian 6 desimal . Pilih nilai awal
sembarang.
b Iterasi Gauss-Seidel XTOL = 10 5 , ketelitian 6 desimal . Pilih nilai
awal sembarang.

4. Interpolasi Polinomial
Suatu penelitian terhadap tanaman singkong dilakukan untuk mengetahui

hubungan antara jumlah pupuk yang diberikan (kg ) dengan berat
singkong yang dipanen (kg ). Diperoleh data sebagai berikut:
Berat Pupuk (kg ) 22 24 26 28 32 37

Berat Singkong (kg ) 204 216 223 226 224 220
Berapakah berat pupuk yang menghasilkan berat singkong terbaik ?

Berat Pupuk (kg ) 25 26, 5 35
Berat Singkong (kg ) ? ? ?

Interpolasi adalah suatu proses untuk menemukan formula (biasanya

berupa suatu polinomial) yang gra…knya melalui setiap titik (xi , yi )
untuk i = 1, 2, ..., n, dengan x1 < x2 < x3 < ... < xn .
Formula yang dimaksud adalah menentukan f : R ! R sedemekian
sehingga f (xi ) = yi .
Hal diatas menunjukan bahwa interpolasi merupakan cara untuk
mendapatkan kurva sesuai dengan data yang ada, tanpa menimbulkan
kesalahan terhadap data tersebut.
Kita dapat menginterpolasi titik data dengan polinom linear, polinom
kuadratik, polinom kubik, atau polinom dari derajat yang lebih tinggi,
bergantung pada jumlah titik yang tersedia.

TUJUAN INTERPOLASI
Tujuan dari interpolasi asalah:

1 Memplot kurva mulus pada data diskrit
2 Menurunkan atau mengintegralkan data dalam tabel
3 Membaca informasi antar baris dalam tabel
4 Mengevaluasi fungsi secara cepat dan mudah
5 Merepresentasikan fungsi yang kompleks dalam bentuk yang lebih
sederhana

Interpolasi Linear
Interpolasi linear adalah interpolasi dua buah titik dengan sebuah

garis lurus.
Misal diberikan dua buah titik (x0 , y0 ) dan (x1 , y1 ), maka polinom
yang menginterpolasi kedua titik ini adalah persamaan garis lurus
yang berbentuk:
p 1 ( x ) = a0 + a1 x
Dengan mensubtitusikan (x0 , y0 ) dan (x1 , y1 ) kedalam persamaan
garis lurus di atas diperoleh
y0 = a0 + a1 x0
y1 = a0 + a1 x1
kedua persamaan ini diselesaikan dengan proses eliminasi diperoleh
y1 y0 x1 y0 x0 y1
a1 = dan a0 =
x1 x0 x1 x0
Interpolasi Linear
Subtitusikan nilai a0 dan a1 ke dalam persamaan awal

x1 y0 x0 y1 y1 y0
p1 ( x ) = + x
x1 x0 x1 x0
Dengan melakukan sedikit manipulasi aljabar diperoleh
(y1 y0 )
p1 (x ) = y0 + (x x0 )
(x1 x0 )

Interpolasi Linear
Example
Perkirakan jumlah penduduk Amerika Serikat pada tahun 1968
berdasarkan data tabulasi berikut:
Tahun 1960 1970
Jumlah penduduk (juta) 179,3 203,2
Penyelesian:
Dengan menggunakan interpolasi linear diperoleh
p1 (1968) = 198, 4
Jadi, taksiran jumlah penduduk AS pada tahun 1968 adalah 198, 4 juta.

Interpolasi Linear
Example
Diberikan data ln (9) = 2, 1972, ln (9, 5) = 2, 2513. Tentukan ln (9, 2)
dengan interpolasi linear sampai 5 angka bena. Bandingkan dengan nilai
sejati ln (9.2) = 2, 2192.
Penyelesaian:
Dengan menggunakan interpolasi linear diperoleh
p1 (9, 2) = 2, 2188
Galat = 2, 2192 2, 2188 = 0, 0004. Terlihat bahwa interpolasi linear

tidak dapat memberikan ketelitian sampai 5 angka bena.

Interpolasi Kuadratik
Interpolasi kuadratik berbentuk suatu polinom kuadrat yang melewati

tiga buah titik data yaitu; (x0 , y0 ) , (x1 , y1 ) , dan (x2 , y2 ) .
Polinom kuadrat tersebut berbentuk:
p 2 ( x ) = a0 + a1 + a2 x 2
Polinom p2 (x ) ditentukan dengan cara mensubtitusikan
(x0 , y0 ) , (x1 , y1 ) , dan (x2 , y2 ) ke dalam persamaan polinom kuadrat,
diperoleh:
a0 + a1 x0 + a2 x02 = y0
a0 + a1 x1 + a2 x12 = y1
a0 + a1 x2 + a2 x32 = y3
Dengan menggunakan metode eliminasi Gauss akan diperoleh nilai
dari a0 , a1 dan a2 .
Problem
Diberikan titik sin(10) = 0, 54402, sin (11) = 0, 99999, dan
sin (11, 5) = 0, 87545. Tentukan nilai sin (11, 3) dengan interpolasi
kuadratik. (Sudut dalam radian)
Solution
Sistem persamaan linear yang terbentuk adalah
a0 + 10a1 + 100a2 = 0, 54402

a0 + 11a1 + 121a2 = 0, 99999
a0 + 11, 5a1 + 132, 25a2 = 0, 87545
dengan metode eliminasi Gauss diperoleh a0 = 55, 71935,

a1 = 10, 32667 dan a2 = 0, 47003.
Solution
Polinom kuadratnya adalah
p2 (x ) = 55, 71935 10, 32667x + 0, 47003x 2
sehingga p2 (11, 3) = 0, 953 89.

Interpretasi secara gra…s fungsi f (x ) = sin (x ) yang didekati oleh

p2 (x ) = 55, 71935 10, 32667x + 0, 47003x 2 ditunjukkan sebagai berikut:

Interpolasi Kubik
Misalkan terdapat empat buah titik data (x0 , y0 ) , (x1 , y1 ) , (x2 , y2 ) ,

dan (x3 , y3 ) . Polinom yang menginterpolasi keempat buah titik
tersebut adalah polinom kubik yang berbentuk:
p 3 ( x ) = a0 + a 1 x + a2 x 2 + a3 x 3
Dengan mensubtitusikan titik-titik (x0 , y0 ) , (x1 , y1 ) , (x2 , y2 ) , dan
(x3 , y3 ) , kedalam polinom kubik, diperoleh:
a0 + a1 x0 + a2 x02 + a3 x03 = y0
a0 + a1 x1 + a2 x12 + a3 x13 = y1
a0 + a1 x2 + a2 x22 + a3 x23 = y2
a0 + a1 x3 + a2 x32 + a3 x33 = y3
Nilai dari a0 , a1 , a2 dan a3 dari sistem persamaan diatas dapat
diperoleh dengan menggunakan metode eliminasi Gauss.
Jenis-Jenis Interpolasi
Dengan cara yang sama kita dapat membuat polinom interpolasi

berderajat n untuk n yang lebih tinggi:
pn (x ) = a0 + a1 + a2 x 2 + ... + an x n
asalkan tersedia (n + 1) buah titik data.

Titik data sebanyak (n + 1) jika disubtitusikan kedalam pn (x ) maka
akan diperoleh sistem persamaan linear yang terdiri dari (n + 1)
persamaan.
Solusi sistem persamaan tersebut dapat diperoleh dengan
menggunakan metode eliminasi Gauss.

Jenis-Jenis Interpolasi
Secara umum, penentuan polinom interpolasi dengan cara di atas

kurang disukai, karena sistem persamaan linear yang diperoleh dapat
memiliki kemungkinan berkondisi buruk, terutama untuk derajat
polinom yang semakin tinggi.
Sehingga dibutuhkan metode perhitungan polinom interpolasi tanpa
menggunakan cara/pendekatan di atas.
Beberapa pendekatan yang telah ditemukan oleh para ahli
diantaranya yaitu:
1 Interpolasi Polinomial Lagrange
2 Interpolasi Polinomial Newton

4. Interpolasi Polinomial 4.1 Interpolasi Polinomial Lagrange
4.1 Interpolasi Polinomial Lagrange

Polinom Linear
Perhatikan kembali Interpolasi linear yang telah dibahas sebelumnya

(y1 y0 )
p1 (x ) = y0 + (x x0 )
(x1 x0 )
persamaan ini dapat dibentuk sedemikian sehingga
(x x1 ) (x x0 )
p1 (x ) = y0 + y1 , atau
(x0 x1 ) (x1 x0 )
p 1 ( x ) = a0 L 0 ( x ) + a1 L 1 ( x )
Dalam hal ini
(x x1 )
a0 = y0 , L0 (x ) =
(x0 x1 )
dan
(x x0 )
a1 = y1 , L1 (x ) =
(x1 x0 )

Bentuk umum polinom lagrange derajat n untuk (n + 1) titik berbeda
adalah
n
pn ( x ) = ∑ ai Li (x ) = a0 L0 (x ) + a1 L1 (x ) + ... + an Ln (x )
i =0
yang dalam hal ini

ai = yi , i = 0, 1, 2, ..., n
dan
n
(x xj )
Li ( x ) = ∏ (xi xj )
j =0
j 6 =i
(x x0 ) (x x1 ) ... (x xi 1 ) (x xi +1 ) ... (x xn )
Li ( x ) =
(xi x0 ) (xi x1 ) ... (xi xi 1 ) (xi xi +1 ) ... (xi xn )

Theorem
Untuk setiap polinom interpolasi Lagrange pn (x ), berlaku bahwa;
1 ,i = j
Li (xj ) =
0 , i 6= j
dan polinom interpolasi pn (x ) melalui setiap titik data.

Problem
Diberikan empat titik, x0 = (1, 2), x1 = (1, 4), x2 = (1, 6), x3 = (1, 8).
Hampiri fungsi f (x ) = ln (x ) dan perkirakan nilai pn (1, 3) dengan
menggunakan:
1 Polinom Lagrange berderajat 1.
Untuk setiap derajat polinom diatas hitung nilai galatnya masing-masing.


Solution
Dari fungsi f (x ) = ln (x ) dan keempat titik yang diberikan, diperoleh
(xi , yi ) sebagai berikut:
xi 1, 2 1, 4 1, 6 1, 8
yi 0, 18232 0, 33647 0, 47000 0, 58779
1 Polinom Lagrange berderajat 1 yang menginterpolasi dua titik data

pada tabel adalah
p1 (x ) = a0 L0 (x ) + a1 L1 (x )
(x x1 ) (x x0 )
= y0 + y1
(x0 x1 ) (x1 x0 )
(x 1, 4) (x 1, 2)
= 0, 18232 + 0, 33647
(1, 2 1, 4) (1, 4 1, 2)
Solution
Diperoleh
p1 ( x ) = 0, 91160 (x 1, 4) + 1, 68235 (x 1, 2)
Untuk mengurangi galat akibat pembulatan, polinom p1 (x ) ini tidak perlu

disederhanakan lebih jauh.
Dengan menggunakan polinom interpolasi p1 (x ) di atas kita dapat
menaksir nilai fungsi di x = 1, 3 sebagai berikut:
p1 (1, 3) = 0, 91160 (1, 3 1, 4) + 1, 68235 (1, 3 1, 2)

= 0, 259 40
Nilai sejati f (1, 3) = 0, 26236.

Galat = j0, 26236 0, 259 40j = 0, 002 96


Solution
Kurva y = ln (x ) dan y = p1 (x ) diperlihatkan pada gambar berikut:
Lanjutkan perhitungan untuk p2 (x ) dan p3 (x )!


LATIHAN - Metode Interpolasi Polinomial Lagrange
1 Diberikan pasangan nilai x dan f (x ) dalam bentuk tabel sebagai

berikut:
x 0, 1 0, 3 0, 5 0, 7 0, 9 1, 1 1, 3
f (x ) 0, 03 0, 067 0, 148 0, 248 0, 370 0, 518 0, 697
a Berapa derajat polinom yang dengan tepat melalui ketujuh titik data
tersebut ?
b Berapa derajat polinom yang terbaik untuk menginterpolasi ketujuh
titik data tersebut ?
c Dengan derajat terbaik yang anda nyatakan dalam jawaban (b),
tentukan nilai fungsi di x = 0, 58 dengan menggunakan metode
interpolasi polinomial Lagrange. Gunakan ketelitian hingga 5 desimal.


LATIHAN - Metode Interpolasi Polinomial Lagrange
2 Diberikan suatu fungsi f (x ) = e x + x 2 serta nilai x berada pada

interval [1, 5] . Dengan membagi interval tersebut menjadi 10
subinterval yang sama panjang;
a Berapa derajat polinom yang terbaik untuk menginterpolasi
ujung-ujung subinterval yang anda buat ?
b Dengan derajat terbaik yang anda nyatakan dalam jawaban (a),
tentukan nilai polinom di x = 3, 25 dengan menggunakan metode
interpolasi polinomial Lagrange. Hitung nilai galat dari hasil
perhitungan tersebut ! Gunakan ketelitian hingga 5 desimal.

4. Interpolasi Polinomial 4.2. Interpolasi Polinomial Newton
4.2 Interpolasi Polinomial Newton
Penyelesaian dengan menggunakan Polinom Lagrange dalam

kehidupan nyata (pratetek) pada umumnya kurang diminati. Hal ini
disebabkan karena;
1 Jumlah komputasi yang dibutuhkan untuk satu kali interpolasi adalah
besar.
2 Bila jumlah titik data meningkat atau menurun, hasil komputasi
sebelumnya tidak dapat digunakan.
Dengan Polinom Newton, polinom yang dibentuk sebelumnya dapat
dipakai untuk membuat polinom derajat yang lebih tinggi.


Polinom Linear
Perhatikan kembali polinom linear yang telah di bahas sebelumnya;

(y1 y0 )
p1 (x ) = y0 + (x x0 )
(x1 x0 )
Bentuk persamaan ini dapat ditulis sebagai
p 1 ( x ) = a0 + a1 ( x x0 )
dimana:
a0 = y0 = f (x0 ) dan
y1 y0 f (x1 ) f (x0 )
a1 = =
x1 x0 x1 x0
a1 merupakan bentuk selisih terbagi (divided-di¤erence) dan dapat
ditulis dalam bentuk
a1 = f [x1 , x0 ]

Polinom Kuadratik
Polinom Kuadratik Newton dinyatakan dalam bentuk
p 2 ( x ) = a0 + a1 ( x x0 ) + a2 (x x0 ) (x x1 ) atau
p 2 ( x ) = p 1 ( x ) + a2 ( x x0 ) (x x1 )
Dengan mensubtitusikan x = x2 diperoleh nilai a2 sebagai berikut;

f (x 2 ) f (x 0 ) f (x 1 ) f (x 0 )
x2 x0 x1 x0
a2 =
x2 x1
Selanjutnya dilakukan manipulasi aljabar sehingga diperoleh nilai dari
a2 yaitu
f (x 2 ) f (x 1 ) f (x 1 ) f (x 0 )
x2 x1 x1 x0 f [x2 , x1 ] f [x1 , x0 ]
a2 = =
x2 x0 x2 x0
Secara umum tahapan pembentukan polinom Newton adalah sebagai

berikut:
p 1 ( x ) = p 0 ( x ) + a1 ( x x0 )
= a0 + a1 ( x x0 )
p2 ( x ) = p 1 ( x ) + a2 ( x x0 ) (x x1 )
= a0 + a1 ( x x0 ) + a2 (x x0 ) (x x1 )
... = ...
pn ( x ) = pn (x ) + an (x x0 ) (x x1 ) ... (x xn
1 1)
= a0 + a1 (x x0 ) + a2 (x x0 ) (x x1 ) +
...an (x x0 ) (x x1 ) ... (x xn 1 )

Nilai konstanta a0 , a1 , a2 , ..., an merupakan nilai selisih terbagi, dengan

nilai masing-masing
a0 = f (x0 )
a1 = f [x1 , x0 ]
a2 = f [x2 , x1 , x0 ]
... = ...
an = f [xn , xn 1 , ..., x1 , x0 ]

Dalam hal ini

f (xi ) f (xj )
f [xi , xj ] =
xi xj
f [xi , xj ] f [xk , xk ]
f [xi , xj , xk ] =
xi xk
... = ...
f [xn , xn 1 , ..., x1 ] f [xn 1 , ..., x1 , x0 ]
f [xn , xn 1 , ..., x1 , x0 ] =
xn x0

Dengan demikian polinom Newton yang menginterpolasi n + 1 titik data

yaitu (x0 , y0 ) , (x1 , y1 ) , ..., (xn , yn ) memiliki dapat ditulis sebagai berikut:
n i 1
pn ( x ) = ∑ ai ∏ (x xj ) ,
i =0 j =0
di mana:
k 1 i 1
f (xk ) ∑ ai ∏ (xk xj )
i =0 j =0
ak = k 1
,
∏ (xk xj )
j =0

Polinom Newton juga dapat dituliskan dalam bentuk baru sebagai berikut:
( )
n i 1
pn ( x ) = ∑ f [xi , xi 1 , ..., x1 , x0 ] ∏ (x xj )
i =0 j =0
di mana:
k 1 i 1
f (xk ) ∑ f [xi , ..., x1 , x0 ] ∏ (xk xj )
i =0 j =0
f [xk , xk 1 , ..., x1 , x0 ] = k 1
∏ (xk xj )
j =0

Polinom Newton juga disebut Interpolasi Polinomial Selisih-Terbagi,

dikarenakan tetapan a0 , a1 , ...an merupakan nilai selisih terbagi. Nilai
selisih terbagi dapat dihitung dengan menggunakan tabel selisih terbagi,
misalnya tabel selisih terbagi untuk empat titik data berikut:
i xi yi = f (xi ) ST-1 ST-2 ST-3

0 x0 f (x0 ) f [x1 , x0 ] f [x2 , x1 , x0 ] f [x3 , x2 , x1 , x0 ]
1 x1 f (x1 ) f [x2 , x1 ] f [x3 , x2 , x1 ]
2 x2 f (x2 ) f [x3 , x2 ]
3 x3 f (x3 )


Example
Hitunglah f (9, 2) dari nilai-nilai (x, y ) yang diberikan pada tabel dibawah
ini dengan polinom Newton derajat 3.
i xi yi = f (xi ) ST-1 ST-2 ST-3

0 8 2, 079442 0, 117783 0, 006433 0, 000411
1 9 2, 197225 0, 108134 0, 005200
2 9, 5 2, 251292 0, 097735
3 11 2, 397895
Penyelesaian:
Polinom Newton yang diperoleh adalah:
p3 (x ) = 2, 079442 + 0, 117783 (x 8) 0, 006433 (x 8) (x 9)

+0, 000411 (x 8) (x 9) (x 9, 5)
p3 (9, 2) = 2, 219208

Problem
Bentuklah polinom Newton berderajat satu, dua, tiga, dan empat yang
menghampiri fungsi f (x ) = sin (x ) didalam selang [0, 6] dan jarak antar
titik adalah 1, 5. Kemudian taksirkanlah nilai fungsi di x = 3, 25 dengan
polimom derajat tiga dan empat. Hitung nilai galat masing-masing dari
hasil penaksiran tersebut!
Solution
Dengan jarak antar titik 1, 5 maka titik yang digunakan adalah
i xi yi = f (xi )
0 0 0
1 1, 5 0, 99740
2 3 0, 14112
3 4, 5 0, 97753
4 6 0, 27942
Solution
Cara menghitung nilai selisih terbagi adalah sebagai berikut:
f (x1 ) f (x0 ) 0, 99740 0

f [x1 , x0 ] = = = 0, 664 93
x1 x0 1.5 0
f (x2 ) f (x1 ) 0, 14112 0, 99740
f [x2 , x1 ] = = = 0, 570 85
x2 x1 3 1, 5
f (x3 ) f (x2 ) 0, 97753 0, 14112
f [x3 , x2 ] = = = 0, 745 77
x3 x2 4, 5 3
f (x4 ) f (x3 ) 0, 27942 0, 97753
f [x4 , x3 ] = = = 0, 465 41
x4 x3 6 4, 5

Solution
f [x2 , x1 ] f [x1 , x0 ]
f [x2 , x1 , x0 ] =
x2 x0
0, 570 85 0, 664 93
= = 0, 411 93
3 0
f [x3 , x2 ] f [x2 , x1 ]
f [x3 , x2 , x1 ] =
x3 x1
0, 745 77 + 0, 570 85 2
= = 5, 830 7 10
4, 5 1, 5
f [x4 , x3 ] f [x3 , x2 ]
f [x4 , x3 , x2 ] =
x4 x2
0, 465 41 + 0, 745 77
= = 0, 403 73
6 3

Solution
f [x3 , x2 , x1 ] f [x2 , x1 , x0 ]
f [x3 , x2 , x1 , x0 ] =
x3 x0
5, 830 7 10 2 + 0, 411 93 2
= = 7, 858 3 10
4, 5 0
f [x4 , x3 , x2 ] f [x3 , x2 , x1 ]
f [x4 , x3 , x2 , x1 ] =
x4 x1
0, 403 73 + 5, 830 7 10 2
= = 0, 102 67
6 1, 5
f [x4 , x3 , x2 , x1 ] f [x3 , x2 , x1 , x0 ]
f [x4 , x3 , x2 , x1 , x0 ] =
x4 x0
0, 102 67 7, 858 3 10 2
= = 4, 014 5 10 3
6 0
Solution
Tabel selisih terbaginya adalah
i ST-1 ST-2 ST-3 ST-4

0 0, 664 93 0, 411 93 7, 858 3 10 2 4, 014 5 10 3
1 0, 570 85 5, 830 7 10 2 0, 102 67

2 0, 745 77 0, 403 73
3 0, 465 41
4

Solution
Polinom Newton derajat tiga dan empat dari data diatas adalah
p3 (x ) = 0 + 0, 664 93 (x 0) 0, 411 93 (x 0) (x 1, 5)
2
+7, 858 3 10 (x 0) (x 1, 5) (x 3)
p4 (x ) = 0 + 0, 664 93 (x 0) 0, 411 93 (x 0) (x 1.5)
+7, 858 3 10 2 (x 0) (x 1, 5) (x 3)
+4, 014 5 10 3 (x 0) (x 1, 5) (x 3) (x 4, 5)

Solution
Sehingga diperoleh
p3 (3, 25) = 0 + 0, 664 93 (3, 25 0) 0, 411 93 (3, 25 0) (3, 25 1, 5)

2
+7, 858 3 10 (3, 25 0) (3, 25 1, 5) (3, 25 3)
2
= 7, 009 4 10
p4 (3, 25) = 0 + 0, 664 93 (3, 25 0) 0, 411 93 (3, 25 0) (3, 25 1, 5)

2
+7, 858 3 10 (3, 25 0) (3, 25 1, 5) (3, 25 3)
3
+4, 014 5 10 (3, 25 0) (3, 25 1, 5) (3, 25 3)
(3, 25 4, 5)
2
= 7, 722 9 10


LATIHAN - Metode Interpolasi Polinomial Newton
1 Misal diberikan tabel selisih yang diambil dari fungsi f (x ) = sin (x )

di dalam selang [(0, 1) , (1, 7)] dan h = 0, 4.
x 0, 1 0, 5 0, 9 1, 3 1, 7
f (x ) 0, 09983 0, 47943 0, 78333 0, 96356 0, 99166
Dengan menggunakan derajat terbaik untuk menginterpolasi kelima

titik diatas, tentukan nilai fungsi di x = 0, 8 dengan menggunakan
metode interpolasi polinomial Newton. Gunakan ketelitian hingga 5
desimal serta tentukan nilai galat dari hasil perhitungan tersbut.


LATIHAN - Metode Interpolasi Polinomial Newton
2 Konsentrasi larutan oksigen jenuh dalam air sebagai fungsi suhu dan
konsentrasi klorida diberikan dalam bentuk tabel berikut:
Konsentrasi larutan Oksigen (mg /L)
Suhu, 0C untuk berbagai konsentrasi klorida
Klorida = 10 mg /L Klorida = 20 mg /L
5 11, 6 10, 5
10 10, 3 9, 2
15 9, 1 8, 2
20 8, 2 7, 4
25 7, 4 6, 7
30 6, 8 6, 1
Gunakan metode interpolasi Newton berderajat lima untuk menaksir
konsentrasi oksigen yang larut pada T = 22, 40 C dalam konsentrasi
klorida 10 mg /L dan 20 mg /L.
4. Interpolasi Polinomial 4.3 Galat Interpolasi
4.3 Galat Interpolasi
Theorem (Galat Interpolasi - 1)

Jika p adalah polinomial berderajat tertinggi n yang menginterpolasi f
pada n + 1 titik yaitu x0 , x1 , ..., xn 2 [a, b ] dan nika f (n +1 ) kontinu, maka
8x 2 [a, b ]
n
1
f (x ) pn ( x ) = f (n +1 ) ( c ) ∏ ( x xi )
(n + 1) ! i =0
Karena nilai c tidak diketahui, maka dimisalkan c sebagai nilai hampiran

yaitu c = xt = x0 +2 xn . Dengan demikian
n
1
f (x ) pn ( x ) = f (n +1 ) (xt ) ∏ (x xi )
(n + 1) ! i =0

Lemma (Batas Atas)

De…nisikan xi = a + ih untuk i = 0, 1, ..., n maka untuk suatu x 2 [a, b ],
n
1 n +1
∏ jx xi j
4
h n!
i =0
(b a )
dengan h = n adalah jarak antartitik.


Misalkan f fungsi yang memenuhi f (n +1 ) kontinu pada [a, b ] dan
f (n +1 ) ( x ) M. Misalkan p adalah polinomial berderajat n yang
menginterpolasi f pada n + 1 titik di [a, b ] termasuk titik akhirnya, maka
1
jf (x ) pn (x )j Mhn +1
4 (n + 1)
(b a )
dengan h = n adalah jarak antartitik.
Di mana; M = max f (n +1 ) ( c )
x0 c xn

Berdasarkan Teorema 1 dan 2 diperoleh bahwa

1 2
jE1 (x )j = jf (x ) p1 (x )j h max f 00 (c )
8 x0 c x1
p
3 3
jE2 (x )j = jf (x ) p2 (x )j h max f 000 (c )
27 x0 c x2
1 4
jE3 (x )j = jf (x ) p3 (x )j h max f (4 ) (c )
24 x0 c x3

Example
Diberikan empat buah titik data sebagai berikut
xi f (xi )
0, 0 1, 0000000
1, 0 0, 5403023
2, 0 0, 4161468
3, 0 0, 9899925
hampiri nilai cos (1, 5) dengan metode Lagrange dan Newton sampai
derajat 3 serta identi…kasi galatnya.

Example
Penyelesaian:
Nilai sejati cos (1, 5) = 0, 0713392
Dari metode Lagrange diperoleh cos (1, 5) 0, 0692110
Dari metode polinom Newton diperoleh cos (1, 5) 0, 0692120
Batas atas kesalahan yaitu
1 4
jE3 (x )j = jf (x ) p3 (x )j h max f (4 ) (c )
24 x0 c x3
1 4
jE3 (x )j .1 .1 = 0, 0416667
24

Example
Galat absolut Lagrange = 0, 0021272 < jE3 (x )j
Galat absolut Newton = 0, 0021272 < jE3 (x )j
Sehingga polinomial derajat 3 sudah cukup teliti untuk menghampiri
nilai cos (1, 5)


Jika p adalah polinomial berderajat n yang menginterpolasi f pada titik
x0 , x1 , ..., xn 2 [a, b ] maka untuk suatu nilai x yang bukan nilai interpolasi,
n
f (x ) pn (x ) = f [x0 , x1 , ..., xn ] ∏ (x xi )
i =0
Dengan f [x0 , x1 , ..., xn ] adalah selisih terbagi pada polinom Newton.
Teorema 3 dapat digunakan untuk mencari galat interpolasi polinomial

Newton.


Jika f (n ) kontinu pada [a, b ] dan x0 , x1 , ..., xn adalah n + 1 titik yang
berada di interval [a, b ] , maka untuk c di (a, b ) ,
1 (n )
f [x0 , x1 , ..., xn ] = f (c )
n!

Jika f adalah polinomial berderajat n, maka semua selisih terbagi

f [x0 , x1 , ..., xi ] adalah nol untuk i n + 1.
Example
Polinom berderajat berapa yang paling dekat hampirannya dari fungsi yang
diketahui titik-titiknya sebagai berikut (gunakan metode interpolasi
polinom Newton)
x 1 2 0 3 1 7
y 2 56 2 4 16 376

Example
Penyelesaian:
Diperoleh tabel selisih terbagi
x f [] f [, ] f [, , ] f [, , , ] f [, , , , ]
1 2 18 9 2 0
2 56 27 5 2 0
0 2 2 3 2
3 4 5 11
1 16 49
7 376

Karena pada orde ke empat selisih terbagi menghasilkan semua nilai nol,
maka dapat tersebut dapat direpresentasikan oleh polinomial derjat tiga.
p3 ( x ) = 2 + 18 (x 1) 9 (x 1) (x + 2)
+2 (x 1) (x + 2) x

Latihan - Galat Interpolasi
1 Perlihatkan untuk interpolasi kubik bahwa
h4
jE3 (x )j = jf (x ) p3 (x )j max f (4 ) (c ) , x0 c x3
24
yang dalam hal ini p3 (x ) adalah polinom interpolasi derajat 3 yang
menginterpolasi
x0 = 0, x1 = h, x2 = 2h, dan x3 = 3h
2 Tentukan h (jarak antar

p titik) untuk titik-titik yang berjarak sama
dari fungsi f (x ) = x antara x = 1 sampai x = 2 sehingga
interpolasi polinom kubik dalam daftar nilai itu mempunyai galat
kurang dari 10 6 . Berapa jumlah titik data dengan h sebesar itu ?

5. Turunan Numerik
5. Turunan Numerik
Dalam kenyataannya, turunan adalah limit dari hasil bagi selisih:

yaitu pengurangan dua buah nilai yang besar f (x + h ) f (x ) dan
membaginya dengan bilangan yang kecil (h ). Pembagian ini dapat
menghasilkan turunan dengan galat yang besar.
Turunan numerik digunakan untuk membentuk turunan suatu fungsi
f (x ) yang hanya diketahui data empirisnya saja, yaitu
f(xi , yi ) ; i = 1, 2, ..., mg.
Selain itu juga dapat digunakan untuk membentuk turunan fungsi
f (x ) yang diketahui secara eksplisit tetapi bentuknya rumit.
Pendekatan turunan numerik terdiri atas;
Hampiran selisih maju (beda maju)
Hampiran selisih mundur (beda mundur)
Hampiran selisih pusat (beda pusat)

5. Turunan Numerik
5. Turunan Numerik
Misalkan diberikan titik-titik (xi , fi ) i = 0, 1, 2, ..., n yang dalam hal ini
xi = x0 + ih
dan
fi = f (xi )
Kita ingin menghitung f 0 (x ) , yang dalam hal ini x = x0 + sh, s 2 R
dengan ketiga pendekatan yang disebutkan diatas (maju, mundur, pusat)

5. Turunan Numerik 5.1 Hampiran Selisih maju
5.1 Hampiran Selisih Maju
Terdapat banyak cara untuk melakukan proses turunan numerik. Salah

satunya menggunakan ekspansi deret Taylor di sekitar x = x0 .
f 00 (x )
f (x + h ) = f (x ) + f 0 (x ) (x x0 ) + (x x0 )2
2
f 000 (x )
+ (x x0 )3 + ...
6
Misalkan x = x0 + h, maka diperoleh:
f 00 (x0 ) 2
f (x0 + h ) = f (x0 ) + f 0 (x0 ) h + h + ...
2!

Rumus selisih maju untuk turunan pertama:
f (x0 + h ) f (x0 ) f 00 (x0 )

f 0 ( x0 ) = h ...
h 2!
f ( x0 + h ) f (x0 )
f 0 (x0 ) + O (h )
h
Secara umum diperoleh
fi +1 fi
fi 0 + O (h )
h
f 00 (t )
Dengan O (h ) = 2 h, xi < t < xi +1 adalah galat dari hampiran
fungsi.

Penjelasan gra…s mengenai metode ini adalah seperti dalam gambar

berikut.

Rumus selisih maju untuk turunan kedua:
f 0 (x0 + h ) f 0 (x0 )
f 00 (x0 ) =
h
f (x0 +2h ) f (x0 +h ) f (x 0 +h ) f (x 0 )
00 h h
f (x0 )
h
00 f (x0 + 2h ) 2f (x0 + h ) + f (x0 )
f (x0 ) + O (h )
h2
fi + 2 2fi +1 + fi
fi 00 + O (h )
h2
Dengan O (h ) = hf 00 (t ) , xi < t < xi +2 adalah galat dari hampiran
fungsi.

5. Turunan Numerik 5.2 Hampiran Selisih Mundur
5.2 Hampiran Selisih Mundur

Misalkan x = x0 h, maka diperoleh:
f 00 (x0 ) 2
f ( x0 h ) = f (x0 ) f 0 (x0 ) h + h ...
2!
Rumus selisih mundur untuk turunan pertama:
f (x0 ) f (x0 h) f 00 (x0 )
f 0 (x0 ) = + ...
h 2!
f (x0 ) f (x0 h)
f 0 (x0 ) + O (h )
h
fi fi 1
fi 0 + O (h )
h
f 00 (t )
Dengan O (h ) = 2 h, xi 1 < t < xi adalah galat dari hampiran
fungsi.

Penjelasan gra…s mengenai metode ini adalah seperti dalam gambar
berikut.

Rumus selisih mundur untuk turunan kedua:

f 0 (x0 ) f 0 (x0 h)
f 00 (x0 ) =
h
f (x 0 ) f (x 0 h ) f (x0 h ) f (x0 2h )
f 00 (x0 ) h h
h
f (x0 ) 2f (x0 h ) + f (x0 2h )
f 00 (x0 ) + O (h )
h2
fi 2fi 1 + fi 2
fi 00 + O (h )
h2
Dengan O (h ) = hf 00 (t ) , xi 2 < t < xi adalah galat dari hampiran
fungsi.

5. Turunan Numerik 5.3 Hampiran Selisih Pusat
5.3 Hampiran Selisih Pusat
Bila kedua persamaan berikut saling dikurangkan:
f 00 (x0 ) 2
f (x0 + h ) = f (x0 ) + f 0 (x0 ) h + h + ...
2!
f 00 (x0 ) 2
f (x0 h ) = f (x0 ) f 0 (x0 ) h + h ...
2!
Diperoleh rumus selisih pusat untuk turunan pertama:
f (x0 + h ) f (x0 h) f 000 (x0 ) 2

f 0 ( x0 ) = h ...
2h 3!
f (x0 + h ) f (x0 h)
f 0 ( x0 ) + O h2
2h


fi + 1 fi 1
fi 0 + O h2
2h
h 2 000
Dengan O (h2 ) = 6 f (t ) , xi 1 < t < xi +1 adalah galat dari
hampiran fungsi.


Penjelasan gra…s mengenai metode ini adalah seperti pada gambar berikut:

Bila kedua persamaan berikut saling ditambahkan:
f 00 (x0 ) 2
f (x0 + h ) = f (x0 ) + f 0 (x0 ) h + h + ...
2!
f 00 (x0 ) 2
f (x0 h ) = f (x0 ) f 0 (x0 ) h + h ...
2!
Diperoleh rumus selisih pusat untuk turunan kedua:
f (x0 + h ) 2f (x0 ) + f (x0 h) f (4 ) (x0 ) 2

f 00 (x0 ) = h ...
h2 12
f (x0 + h ) 2f (x0 ) + f (x0 h)
f 00 (x0 ) + O h2
h2


fi +1 2fi + fi 1
fi 00 + O h2
h2
h 2 (4 )
Dengan O (h ) = 12 f (t ) , xi 1 < t < xi +1 adalah galat dari
hampiran fungsi.

Problem
Diberikan data sebagai berikut
i 0 1 2 3 4
xi 0, 1 0, 3 0, 5 0, 7 0, 9
f (xi ) 2, 4 2, 8 3, 2 4, 6 8, 1
Tentukan f 0 (0, 1) , f 0 (0, 7) , f 0 (0, 9) menggunakan data yang diberikan

dengan menggunakan hampiran selisih maju, selisih pusat, selisih mundur.

Solution
h = hi = xi xi 1 = 0, 2 untuk i = 1, 2, 3, 4
Menggunakan formula hampiran selisih maju
f (0, 1 + 0, 2) f (0, 1) 2, 8 2, 4
f 0 (0, 1) = = =2
0, 2 0, 2
Menggunakan formula hampiran selisih pusat
f (0, 7 + 0, 2) f (0, 7 0, 2) 8, 1 3, 2
f 0 (0, 7) = = = 12, 25
2 0, 2 0, 4
Menggunakan formula hampiran selisih mundur
f (0, 9) f (0, 9 0, 2) 8, 1 4, 6
f 0 (0, 9) = = = 17, 5
0, 2 0, 2
Lanjutkan dengan menghitung f 00 (0, 1) , f 00 (0, 7) , f 00 (0, 9)!

Latihan - Turunan Numerik
1 Diberikan tabel yang berisi titik-titik sebuah fungsi f :
x f (x )
1, 000 0, 54030
1, 100 0, 45360
1, 198 0, 36422
1, 199 0, 36329
1, 200 0, 36236
1, 201 0, 36143
1, 202 0, 36049
1, 300 0, 26750
1, 400 0, 16997
a Tentukan nilai f 0 (1, 2) dan f 00 (1, 2) untuk h = 0, 1 dan h = 0, 001

dengan formula hampiran selisih pusat orde O 2 (h ) . Gunakan ketelitian
4 desimal!
Latihan - Turunan Numerik
b Tabel diatas adalah tabel f (x ) = cos (x ). Bandingkan

jawaban yang anda peroleh dengan nilai sejatinya. Gunakan
ketelitian 4 desimal!
2 Diberikan fungsi f (x ) = e x sin (x ). Hitung hampiran numerik dari

f 0 (0) , f 0 (1) , f 0 (2) , f 0 (3) menggunakan
h = 0, 1, h = 0, 01, h = 0, 001.

6. Integrasi Numerik
Dalam pengintegralan dikenal dua istilah integral yaitu integral
tak-tentu dan integral tentu. Integral tak tentu dinyatakan sebagai:
Z
f (x ) dx = F (x ) + c
solusinya, F (x ) adalah fungsi kontinu sedemikian sehingga

F 0 (x ) = f (x ), dan C adalah suatu konstanta.
Integral tentu menyelesaikan perhitungan integral diantara
batas-batas yang telah ditentukan, yang dinyatakan sebagai:
Z b
I = f (x ) dx
a
Menurut teorema dasar kalkulus, integral tentu dapat dihitung

sabagai;
Z b
I = f (x ) dx = F (x ) jba = F (b ) F (a )
a
Secara geometri, integral tentu sama dengan luas daerah yang dibatasi
oleh kurva y = f (x ), garis x = a dan garis x = b seperti yang ditunjukkan
pada gambar berikut:

Beberapa kaidah yang digunakan dalam integrasi numerik, diantaranya

adalah:
Kaidah segiempat
Kaidah trapesium
Kaidah titik tengah
Kaidah simpson

6. Integrasi Numerik 6.1 Kaidah Segiempat
6.1 Kaidah Segiempat
Pandang suatu daerah berbentuk segiempat denngan panjang mulai dari

x = x0 sampai x = x1 pada gambar berikut:


Luas daerah pada gambar diatas dengan tinggi = f (x0 ) adalah
Z x1
f (x ) dx hf (x0 )
x0
atau tinggi = f (x1 ) Z x1

f (x ) dx hf (x1 )
x0
Jadi R x1
Rxx01 f (x ) dx hf (x0 )
xR0
f (x ) dx hf (x1 )
x1
2 x0 f (x ) dx h [f (x0 ) + f (x1 )]
Selanjutnya setiap ruas dibagi 2, diperoleh
Z x1
h
f (x ) dx [f (x0 ) + f (x1 )]
x0 2
Persamaan diatas dinamakan kaidah segiempat.
Selanjutnya jika suatu selang [a, b ] 2 x dibagi menjadi n buah daerah

berbentuk segiempat dengan lebar h yaitu [x0 , x1 ], [x1 , x2 ], . . . , [x(n 1 ) , xn ],
maka diperoleh suatu kaidah segiempat gabungan yang dinyatakan sebagai
berikut:
Z b
h h
f (x ) dx f (x0 ) + hf (x1 ) + hf (x2 ) + ... + hf (xn 1) f (xn )
a 2 2
Z b
!
n 1
h
f (x ) dx f (x0 ) + 2 ∑ f (xi ) + f (xn )
a 2 i =1

6. Integrasi Numerik 6.2 Kaidah Trapesium
6.2 Kaidah Trapesium
Misalkan suatu daerah berbentuk trapesium dengan panjang mulai dari

x = x0 sampai x = x1 pada gambar berikut:

Luas satu trapesium adalah

Z x1
h
f (x ) dx [f (x0 ) + f (x1 )]
x0 2
Persamaan diatas dikenal dengan nama kaidah trapesium.

Terlihat bahwa kaidah trapesim sama dengan kaidah segiempat.
Selanjutnya jika suatu selang [a, b ] 2 x dibagi menjadi n buah daerah
berbentuk segiempat dengan lebar h yaitu
[x0 , x1 ], [x1 , x2 ], . . . , [x(n 1 ) , xn ], maka diperoleh suatu kaidah
segiempat gabungan yang dinyatakan sebagai berikut:
Z b Z x1 Z x2 Z xn
f (x ) dx = f (x ) dx + f (x ) dx + ... + f (x ) dx
a x0 x1 xn 1

Z b
h h h
f (x ) dx [f (x0 ) + hf (x1 )] + [f (x1 ) + f (x2 )] + ... + [f (xn 1)
a 2 2 2
Z b
h
f (x ) dx [f (x0 ) + 2f (x1 ) + 2f (x2 ) + ... + 2f (xn 1 ) + f (xn )]
a 2
Z b
" #
n 1
h
f (x ) dx f (x0 ) + 2 ∑ +f (xn )
a 2 i =1

6. Integrasi Numerik 6.3 Kaidah Titik Tengah
6.3 Kaidah Titik Tengah
Pandang suatu daerah berbentuk segiempat denngan panjang mulai dari

x = x0 sampai x = x1 dan titik absis x = x0 + h2 seperti yang ditunjukkan
pada gambar berikut:

6.3 Kaidah Titik Tengah

Luas daerah diatas adalah
Z x1
f (x ) dx hf (x0 + h/2) hf (x1/2 )
x0
Persamaan diatas dikenal dengan nama kaidah titik tengah.

Untuk kaidah titik tengah gabungan dapat dirumuskan sebagai berikut:
Z b Z x1 Z x2 Z xn
f (x ) dx f (x ) dx + f (x ) dx + ... + f (x ) dx
a x0 x1 xn 1
Z b
f (x ) dx hf (x1/2 ) + hf (x3/2 ) + hf (x5/2 ) + ... + hhf (xn 1/2 )
a
Z b n 1
a
f (x ) dx h ∑ f (xi +1/2 )
i =0
dalam hal ini xr +1/2 = a + (r + 1/2) h

Problem
R6
Hampiri nilai dari 2 (x 1) dx dengan menggunakan kaidah trapesium,
jika diketahui diantara titik selang tersebut terdapat 9 titik kuadratik serta
Solution
Diketahui bahwa a = 2, b = 6, n = 9, m = 8
Lebar tiap pias h = 6 8 2 = 0, 5
maka titik kuadratik dinyatakan pada tabel berikut:
x 2 2, 5 3 3, 5 4 4, 5 5 5, 5 6
f (x ) 1 1, 5 2 2, 5 3 3, 5 4 4, 5 5

Solution
x 2 2, 5 3 3, 5 4 4, 5 5 5, 5 6
f (x ) 1 1, 5 2 2, 5 3 3, 5 4 4, 5 5
Z 6
h
f (x ) dx [f (x0 ) + 2f (x1 ) + 2f (x2 ) + ... + 2f (xn 1 ) + f (xn )]
2 2
0, 5 1 + 2 (1, 5) + 2 (2) + 2 (2, 5) + 2 (3) + 2 (3, 5)
2 +2 (4) + 2 (4, 5) + 2 (5)
12
Lanjutkan perhitungan diatas dengan menggunakan kaidah segiempat dan
kaidah titik tengah.

6. Integrasi Numerik 6.4 Kaidah Simpson
6.4 Kaidah Simpson
Hampiran nilai integrasi yang lebih baik dapat ditingkatkan dengan

menggunakan polinom interpolasi berderajat yang lebih tinggi.
Misalkan fungsi f (x ) dihampiri dengan polinom interpolasi derajat 2
yang gra…knya berbentuk parabola.
Misalkan pula dibutuhkan 3 titik data untuk menghampiri fungsi f (x )

6.4 Kaidah Simpson
Ketiga titik data tersebut adalah (0, f (0)) , (h, f (h )) , dan (2h, f (2h )) .
Seperti ditunjukkan pada gambar berikut:

6.4 Kaidah Simpson
Polinom interpolasi Newton-Gregory derajat 2 yang melalui ketiga buah

titik tersebut adalah
x x (x h ) 2
p2 (x ) = f (x0 ) + 4f (x0 ) + 4 f (x0 )
h 2!h2
x (x h ) 2
= f (x0 ) + x 4f (x0 ) + 4 f (x0 )
2!h2
dimana:
4n f (x0 )
f [xn , ..., x1 , x0 ] =
n!hn

6.4 Kaidah Simpson
Sehingga
Z 2h Z 2h
I f (x ) dx p2 (x ) dx
0 0
Z 2h
x (x h ) 2
f (x0 ) + x 4f (x0 ) + 4 f (x0 ) dx
0 2!h2
h
2hf (x0 ) + 2h 4f (x0 ) + 42 f (x0 )
3
Mengingat
4f (x0 ) = f (x1 ) f (x0 )
dan
42 f (x0 ) = 4f (x1 ) 4f (x0 ) = f (x2 ) 2f (x1 ) + f (x0 )

6.4 Kaidah Simpson
Maka selanjutnya
h
I 2hf (x0 ) + 2h (f (x1 ) f (x0 )) + (f (x2 ) 2f (x1 ) + f (x0 ))
3
h
(f (x0 ) + 4f (x1 ) + f (x2 ))
3
Persamaan diatas dinamakan kaidah Simpson 1/3 karena didalam
persamaan terdapat faktor "1/3". Sekaligus untuk membedakannya
dengan kaidah simpson yang lain yaitu Simpson 3/8.

6.4 Kaidah Simpson
Selanjutnya untuk kaidah Simpson 1/3 Gabungan diperoleh dengan

membagi selang [a, b ] menjadi n + 1 buah titik diskrit x0 , x1 , ..., xn dengan
n genap.
Z b Z x1 Z x2 Z xn
Itot = f (x ) dx f (x ) dx + f (x ) dx + ... + f (x ) dx
a x0 x1 xn 1
!
n 1 n 2
h
3
f (x0 ) + 4 ∑ f ( xi ) + 2 ∑ f (xi ) + f (xn )
i =1,3,5 i =2,4,6

6.4 Kaidah Simpson
Misalkan interpolasi dilakukan dengan menggunakan 4 buah titik data

yaitu (0, f (0)) , (h, f (h )) , (2h, f (2h )) , dan (3h, f (3h )) seperti yang
ditunjukkan pada gambar berikut:

6.4 Kaidah Simpson
Dengan cara penurunan yang sama pada kaidah Simpson 1/3,

diperoleh kaidah Simpson 3/8 sebagai berikut:
Z 3h
3h
f (x ) dx (f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 ))
0 8
Sedangkan kaidah Simpson 3/8 Gabungan adalah
0 1
Z b n 1 n 3
3h B C
a
f (x ) dx
8
@f (x0 ) + 3 ∑ f (xi ) + 2 ∑ f (xi ) + f (xn )A
i =1 i =3,6,9
i 6=3,6,9

Integrasi Numerik
Kaidah Simpson
Problem
Hitung integral Z 1
1
dx
0 1+x
dengan menggunakan kaidah Simpson 1/3 dan Simpson 3/8, dimana jarak
antar titik h = 0, 125.

Integrasi Numerik
Kaidah Simpson
Solution
Jumlah selang: n = (1 0)/0, 125 = 8
Tabel titik-titik di dalam selang [0, 1]
x f (x )
0 1
0, 125 0, 88889
0, 250 0, 80000
0, 375 0, 72727
0, 500 0, 66667
0, 625 0, 61538
0, 750 0, 57143
0, 875 0, 53333
1, 000 0, 50000

Integrasi Numerik
Kaidah Simpson
Solution
Dengan kaidah Simpson 1/3
Z 1
1 h f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + 2f (x4 )
dx
0 1+x 3 4f (x5 ) + 2f (x6 ) + 4f (x7 ) + f (x8 )
0, 125
(16, 63568)
3
0, 69315
Lanjutkan perhtiungan dengan menggunakan kaidah Simpson 3/8!

Integrasi Numerik
Latihan
R1 2
1 Hitunglah 0 e x dx dengan menggunakan kaidah segiempat,
trapesium, titik tengah, Simpson 1/3, dan Simpson 3/8 dan jumlah
selang yang digunakan adalah n = 10.
R 2,5
2 Hitunglah 1,5 x 2 cos x 2 dx dengan menggunakan kaidah segiempat,
trapesium, titik tengah, Simpson 1/3, dan Simpson 3/8 dan n = 26.

BUKU ACUAN
Buku Acuan
1 Metode Numerik (Rinaldi Munir)

2 Numerical Mathematics and Computing (Ward
Cheney David Kincaid)

Bahan Ajar Metode Numerik Statistika 1 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

Bahan Ajar Metode Numerik Statistika 1 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

METODE NUMERIK

Pengantar Metode Numerik

Agusyarif Rezka Nuha

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 1 / 257

1. Pengantar Metode Numerik

Masalah matematika tidak selalu dapat diselesaikan secara analitik,

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 2 / 257

1.1 Fungsi Polinom

Sebagian penyelesaian metode numerik diturunkan berdasarkan

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 3 / 257

1.2 Deret Taylor & Deret Maclaurin

1.2 Deret Taylor & Deret Maclaurin

1.2.1 Deret Taylor Terpotong

Suku-suku deret Taylor tak berhingga jumlahnya, maka untuk

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 7 / 257

Coba tentukan nilai p5 (x ) dan p6 (x )!

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 8 / 257

1.3 Penyajian Bilangan Bulat

1.3.1 Bilangan Biner

1.3.1 Bilangan Biner

1.4 Analisis Galat

De…nition (Galat Mutlak)

Galat menyatakan seberapa dekat solusi hampiran terhadap solusi

1.4 Analisis Galat

De…nition (Galat Relatif)

Apabila nilai sebenarnya tidak/belum diketahui, maka alternatifnya

japroksimasi saat ini - aproksimasi sebelumnyaj

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 13 / 257

1.4 Analisis Galat

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 14 / 257

1.4 Analisis Galat

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 15 / 257

1.4 Analisis Galat

Galat Pemotongan (Truncation Error)

1.5 Angka Bena

Konsep angka bena (signi…cant …gure) atau angka berarti telah

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 17 / 257

1.6 Pembulatan Bilangan

Pembulatan Pangkas (Chopping)

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 18 / 257

1.6.2 Pembulatan ke Digit Terdekat

Pembulatan Ke Digit Terdekat (in-rounding)

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 19 / 257

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 20 / 257

2. Solusi Persamaan Tak Linear

Bentuk Umum Fungsi Polinomial:

2.2 Akar Persamaan Tak Linear

Sehingga diperoleh himpunan penyelesaiannya: f 2, 4g

2.2 Akar Persamaan Tak Linear

Untuk f (x ) = ax + b, dengan a dan b konstanta bilangan nyata serta

2.2 Akar Persamaan Tak Linear

Dalam beberapa kasus, bentuk fungsi f (x ) cukup kompleks sehingga tidak

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 24 / 257

2.2 Akar Persamaan Tak Linear

Eksistensi akar persamaan tak linear:

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 25 / 257

2.3 Metode Pencarian Akar Persamaan Tak Linear

Metode pencarian akar suatu persamaan dapat dilakukan dalam dua

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 26 / 257

2.3 Metode Pencarian Akar Persamaan Tak Linear

Metode kekonvergenan lokal dalam menyelesaikan persamaan

agusyarif@ung.ac.id (FMIPA - UNG) S-1 Statistika 2019 27 / 257

2.3.1 Metode Bisection