METODE NUMERIK
TIM PENYUSUN :
TIM DOSEN
TIM PENYUSUN :
TIM DOSEN
i
PETUNJUK UMUM PRAKTIKUM
I. Ketentuan Umum :
a) Praktikum ini diperuntukkan bagi mahasiswa yang telah menempuh mata
kuliah reguler sesuai dengan mata praktikum yang dipraktikumkan
dibuktikan dengan fotokopi KRS saat mendaftar praktikum.
b) Peserta praktikum (praktikan) yang mengulang, diperlakukan sama
dengan peserta regular, dan harus menempuh mata kuliah tersebut.
c) Praktikan harus mendaftar di laboratorium yang menjadi tempat
praktikum mata kuliah tersebut.
d) Praktikan mengikuti seluruh rangkaian kegiatan praktikum dan tata tertib
selama pelaksanaan praktikum.
ii
DAFTAR ISI
iii
LABORATORIUM STATISTIKA KOMPUTASI
JURUSAN MATEMATIKA
MATA KULIAH PRAKTIKUM : METODE NUMERIK
MATERI :
MODUL :
METODE TERTUTUP
I
( BISEKSI )
Indikator :
Mahasiswa Mampu Menerapkan Metode Biseksi
DASAR TEORI
1.1 Metode Biseksi
Metode Biseksi disebut juga metode pembagian interval atau metode yang
digunakan untuk mencari akar-akar persamaan nonlinier melalui proses iterasi
dengan persamaan:
x1 x2
x0 (1.1)
2
Dimana nilai f(x1 ) dan nilai f(x 2 ) harus memenuhi persyaratan f(x1 ) * f(x 2 ) < 0 .
Dari nilai x0 ini perlu dilakukan pengecekan keberadaan akar. Secara matematik,
suatu range terdapat akar persamaan bila f(x1 ) dan f(x 2 ) berlawanan tanda atau
dituliskan. Setelah diketahui dibagian mana terdapat akar, maka batas bawah dan
batas atas di perbaharui sesuai dengan range dari bagian yang mempunyai akar.
(Munir, 2003).
Asumsi awal yang harus diambil adalah „menebak‟ interval awal [a,b]
dimana f(x) adalah kontinu padanya, demikian pula harus terletak „mengapit‟
(secara intuitif) nilai akar a.
Adapun algoritma metode biseksi adalah sebagai berikut :
1. Definisikan fungsi f(x) yang akan dicari akarnya
2. Tentukan nilai a dan b
3. Tentukan korelasi e dan iterasi maksimum N
4. Hitung f(a) dan f(b). Jika f(a) * f(b) > 0 maka proses dihentikan karena
tidak ada akar, bila tidak maka dilanjutkan
5. Hitung x=(a+b)/2
6. Hitung f(x)
2
7. Bila f(x) * f(a) < 0 maka b = x dan f(b)=f(x), bila tidak a = x dan f(a)=f(x)
8. Jika |b-a| < e atau iterasi > iterasi maksimum maka proses dihentikan dan
didapatkan akar = x, dan bila tidak ulangi langkah 6.
(Raymond, 1988).
Contoh Soal
Tentukan salah satu akar dari persamaan non linear f ( x) x 2 2 x 2 , a = 2 dan
b = 3 dengan batas toleransi kesalahannya adalah ε =10-4 menggunakan metode
biseksi !
Penyelesaian
Langkah-langkah penyelesaian dengan menggunakan Sofware Excel :
1) Masukkan nilai a dan b ke dalam tabel pada iterasi ke-0 kemudian hitung
nilai f(a) dan f(b) menggunakan formula rumus fungsi f(x).
2) Kemudian hitunglah nilai c dengan menggunakan rumus x=(a+b)/2
dilanjutkan dengan menghitung nilai f(c) dengan rumus fungsi f(x).
3) Untuk mencari nilai a pada iterasi ke-1 maka dapat menggunakan formula
if (cell f(a)*f(c) > 0 ,cell c,cell a) dan untuk mencari nilai b gunakan
formula if (cell f(a)*f(c) < 0 ,cell c,cell b).
4) Hitunglah nilai error pada iterasi ke-1 gunakan formula
abs (cell ci+1 - c1 )
5) Selanjutnya blok semua cell pada iterasi ke-1 lalu tarik ke bawah sampai
terlihat pada iterasi berapakah terhenti.
LATIHAN
1. Terdapat suatu fungsi f ( x) x 2 6 x 2 dengan b3 dan a 2.
Tentukan akar persamaan non-linier dengan metode biseksi
2. Terdapat suatu fungsi f ( x) x 2 10 x 13 dengan b 3 dan a 2 .
Tentukan akar persamaan non-linier dengan metode biseksi
TUGAS
1. Hitunglah salah satu akar dari persamaan non linier f ( x) x 2 2 dengan
selang [0,1] dan = 0,0001 menggunakan metode biseksi !
2. Hitunglah salah satu akar dari persamaan non linear f ( x) e x 5x 2 dengan
selang [0,1] dan = 0,0001 menggunakan metode biseksi !
LABORATORIUM STATISTIKA KOMPUTASI
JURUSAN MATEMATIKA
MATA KULIAH PRAKTIKUM : METODE NUMERIK
MATERI :
MODUL :
METODE TERTUTUP
II
( REGULA FALSI )
Indikator :
Mahasiswa Mampu Menerapkan Metode Regula Falsi
DASAR TEORI
2.1 Metode Regula Falsi
Meskipun metode bagi dua selalu berhasil menemukan akar, tetapi
kecepatan konvergensinya sangat lambat. Istilah Regula Falsi berasal dari bahasa
latin atau Metode Posisi Palsu (False Posisition Method) termasuk metode
tertutup atau metode pengurung. Perbedaannya dengan metode bagi dua adalah
pada cara menentukan nilai akar. Persamaannya adalah nilai akar yang dicari
dikurung oleh interval tertutup [xi,xf ]. Pada metode posisi palsu digunakan garis
lurus yang menghubungkan titik koordinat (xi,f(xi)) dan (xi,f(xf)). Perpotongan
garis yang dibuat dengan sumbu x menghasilkan taksiran nilai akar yang dicari
(Munir, 2003).
Adapun algoritma metode biseksi adalah sebagai berikut:
1. Taksir batas bawah (a ) dan batas atas (b ) dengan syarat f (a ) * f(b ) < 0
2. Hitung nilai hampiran akar dengan rumus,
( f (b) * (b a))
c b (2.1)
f (b) f (a)
3. Jika f (c ) * f(a ) < 0 , maka b = c . Lanjutkan ke langkah 4
Jika f (c ) * f(a ) > 0, maka a = c. Lanjutkan ke langkah 4
Jika f (c ) * f(a ) = 0, maka akar = c . Stop.
4. Hitung nilai hampiran akar yang baru dengan rumus pada langkah 2. Ingat,
nilai a dan / atau b adalah nilai baru yang didapat dari langkah 3.
5. Jika nilai akar telah mencapai tingkat akurasi yang telah ditentukan, stop
komputasi. Jika tidak kembali ke langkah 3.
(Conte, 1980).
5
Contoh Soal
Tentukan akar persamaan dari f ( x) x 2 2 x 2 dengan nilai a = 2 dan b =3.
Batas toleransi kesalahannya adalah ε =10-4 menggunakan metode regula falsi !
Penyelesaian
Langkah-langkah penyelesaian dengan menggunakan Software Excel :
1) Masukkan nilai a dan b ke dalam tabel pada iterasi ke-0 kemudian hitung
nilai f(a) dan f(b) menggunakan formula dari rumus fungsi f(x).
2) Kemudian hitunglah nilai c dengan menggunakan rumus (2.1) dilanjutkan
dengan mengitung nilai f(c) dengan rumus fungsi f(x)
6. Untuk mencari nilai a pada iterasi ke-1 gunakan formula
if (cell f(a)*f(c) > 0 ,cell c, cell a) dan untuk mencari nilai b gunakan
formula if (cell f(a)*f(c) < 0 ,cell c, cell b)
3) Hitunglah nilai error pada iterasi ke-1 gunakan formula
abs (cell ci+1 - c1 )
4) Selanjutnya blok semua cell pada iterasi ke-1 lalu tarik kebawah sampai
terlihat pada iterasi berapakah terhenti
Jadi akar persamaan dari f ( x) x 2 2 x 2 terdapat pada iterasi ke-4 yaitu ketika
error = 0,00002 < batas toleransi error yaitu 0,0001 sebesar 2,732026
6
LATIHAN
1. Terdapat suatu fungsi f ( x) x 2 6 x 2 dengan b 3 dan a 2 .
Tentukan akar persamaan non-linier dengan metode regula falsi
2. Terdapat suatu fungsi f ( x) x 2 10 x 13 dengan b 3 dan a 2 .
Tentukan akar persamaan non-linier dengan metode regula falsi
3. Terdapat suatu fungsi f ( x) x 2 2 x 7 dengan b 4 dan a 0 .
Tentukan akar persamaan tersebut dengan metode regula falsi
4. Terdapat suatu fungsi f ( x) x 2 5x 2 dengan b 3 dan a 2 .
Tentukan akar persamaan non-linier dengan metode regula falsi
5. Terdapat suatu fungsi f ( x) x2 4 x 3 dengan b5 dan a 2.
Tentukan akar persamaan non-linier dengan metode regula falsi
TUGAS
1. Hitunglah salah satu akar dari persamaan non linier f ( x) x 2 2 dengan
selang [0,1] dan = 0,0001 menggunakan metode regula falsi !
2. Hitunglah salah satu akar dari persamaan non linear f ( x) e x 5x 2
dengan selang [0,1] dan = 0,0001 menggunakan metode regula falsi !
LABORATORIUM STATISTIKA KOMPUTASI
JURUSAN MATEMATIKA
MATA KULIAH PRAKTIKUM : METODE NUMERIK
MATERI :
MODUL :
METODE TEBUKA
III
( SECANT & NEWTON RAPHSON )
Indikator :
Mahasiswa Mampu Menerapkan Metode Newton-Raphson
Mahasiswa Mampu Menerapkan Metode Secant
DASAR TEORI
3.1 Metode Secant
Metode Secant (baca: “sekan”) merupakan modifikasi metode Newton-
Rapshon. Pada metode Newton-Rapshon kita menggunakan garis singgung pada
titik (x0, f(x0)) sebagai hampiran f(x) disekitar x0 dan mencari titik potongnya
dengan sumbu x sebagai hampiran akar. Dengan kata lain, metode Newton-
Rapshon memerlukan perhitungan nilai dua buah fungsi, yakni f(x0) dan f‟(x0),
pada setiap iterasi. Apabila kedua fungsi tersebut tidak rumit, metode tersebut
mungkin sangat baik mengingat tingkat kekonvergenannya. Akan tetapi,
sebagaimana sudah disinggung di depan, dalam beberapa kasus mungkin tidak
mudah menurunkan f‟(x) dan f(x). Oleh karena itu diperlukan suatu metode
pengganti yang memiliki tingkat kekonvergenan mendekati tingkat
kekonvergenan metode Newton-Rapshon. Metode alternatif ini adalah metode tali
busur (secant) (Sahid, 2005).
f ( X i -1 ) - f ( X i )
f '( x) (3.1)
X i -1 - X i
Aproksimasi ini dapat dimasukkan ke dalam persamaan (3.3) agar memenuhi
pesamaan iterasi berikut:
f ( X i )( X i -1 - X i )
X i 1 X i - (3.2)
f ( X i -1 ) - f ( X i )
(Steven, 2007)
Persamaan di atas memang memerlukan 2 taksiran awal x, tetapi karena f(x) tidak
membutuhkan perubahan tanda di antara taksiran maka Secant bukan metode
Akolade. Suatu taksiran akar diramaikan oleh ekstrapolasi sebuah garis singgung
8
dan fungsi terhadap sumbu x. tetapi metode Secant lebih menggunakan diferensi
daripada untuk memperkirakan kemiringan/slope (Irfan, 2006).
Adapaun algoritma metode secant adalah sebagai berikut :
1. Diketahui nilai x 0 ,x1 dan f(x)
f ( xk )( xk xk 1 )
2. Hitung xk 1 xk
f ( xk ) f ( xk 1 )
xk 1 xk
ɛ
xk 1
Dengan mengabaikan suku kuadratik dan suku-suku yang lebih tinggi dan dengan
mengambil f(x) = 0, maka diperoleh harga x sebagai:
f ( x0 )
x1 x0 (3.4)
f '( x0 )
atau dalam bentuk hubungan rekursi dapat dinyatakan kembali dalam bentuk
f ( xn )
xn 1 xn (3.5)
f '( xn )
Secara geometris, xn+1 dapat ditafsirkan sebagai harga pada sumbu x yang mana
sebuah garis melalui titik (xn,f(xn)) memotong sumbu x tersebut.
9
xk 1 xk
4. Iterasi berhenti bila ɛ
xk 1
Contoh Soal
Selesaikan persamaan f ( x) x3 3x 2 jika diketahui x1 2, x2 3 . Kerjakan
dengan menggunakan metode secant dan metode newton-raphson!
Penyelesaian
Langkah-langkah penyelesaian metode secant menggunakan Software Excel :
1. Diketahui x1 = 2, x 2 = 3 dan f ( x) x3 3x 2
2. Buat tabel di Excel seperti di bawah ini:
k x f(x) error
1 2 4
2 3 20 0.333333
3. Kemudian cari x 3 dengan rumus:
f ( xk )( xk xk 1 )
xk 1 xk
f ( xk ) f ( xk 1 )
xk 1 xk
ɛ
xk 1
6. Interpretasi:
Jadi, akar persamaan dari f ( x) x3 3x 2 terdapat pada iterasi ke-22
yaitu ketika error ɛ 7.17 x105 toleransi error (105 ) . Jadi, akar dari
persamaannya sebesar x 1
11
f ( xk )
xk 1 xk 1
f ' ( xk )
4. Kemudian hitung error dengan rumus:
xk 1 xk
ɛ
xk 1
6. Interpretasi:
Jadi, akar persamaan dari f ( x) x3 3x 2 terdapat pada iterasi ke-15
yaitu ketika error ɛ 7.97 x105 toleransi error (105 ) . Jadi, akar dari
persamaannya sebesar .
LATIHAN
1. Selesaikan persamaan dari: f ( x) x3 x 2 3x 3 dimana x1 = 1 dan x2 = 2
menggunakan metode Secant !
2. Selesaikan persamaan f ( x) x2 4 x 6 dimana x0 = 2 dan 0,0001
dengan menggunakan metode Newton-Raphson !
3. Selesaikan persamaan f ( x) x3 2 x 1 dimana x1 = 1 , x2 = 2 dan
0,0001 dengan menggunakan metode Secant !
4. Selesaikan persamaan f ( x) x3 2 x 1 dimana x0 = 1 dan 0,0001
dengan menggunakan metode Newton-Raphson !
5. Selesaikan persamaan dari: f ( x) 3x3 x 12 dimana x1 = 0 dan x2 = 1
menggunakan metode Secant dan Newton Raphson !
TUGAS
1. Tentukan salah satu akar dari 4 x3 15x2 17 x 6 menggunakan metode
Secant sampai 9 iterasi x0 1 dan x1 3 !
Indikator
Mahasiswa Mampu Menerapkan Iterasi Jacobi
Mahasiswa Mampu Menerapkan Iterasi Gauss-Seidel
DASAR TEORI
4.1 Metode Iterasi Jacobi
Metode iterasi Jacobi merupakan salah satu bidang analisis numerik yang
digunakan untuk menyelesaikan permasalahan persamaan linear. Metode iterasi
Jacobi merupakan salah satu metode tak langsung, yaitu bermula dari suatu
hampiran penyelesaian awal dan kemudian berusaha memperbaiki hampiran
dalam tak berhingga namun langkah konvergen. Metode iterasi Jacobi ini
digunakan untuk menyelesaikan persamaan linear berukuran besar dan proporsi
koefisien nolnya besar (Munir, 2008).
Contoh sistem persamaan:
a11. x1 a12 . x2 a13. x3 b1
a21. x1 a22 . x2 a23. x3 b2
a31. x1 a32 . x2 a33. x3 b3 (4.1)
Sistem persamaan diatas dikonversikan ke bentuk berikut:
a12 a b
x1 . x2 13 . x3 1
a11 a11 a11
a22 a b
x2 . x1 23 . x3 2
a11 a11 a11
a13 a b
x3 . x1 33 . x2 3
a11 a11 a11 (4.2)
Perbedaan pokok antara metode Jacobian dan Gauss-Seidel adalah pada
cara memperbarui nilai-nilai variabel ruas kanan dari system persamaan hasil
konversi.
Dasar dari metode Jacobian adalah mentransformasikan sistem linear
A*x = b ke sistem persamaan linear x = c*x+d , di mana c adalah matriks yang
14
Contoh Soal
1. Selesaikan SPL berikut dengan metode jacobi dimana x0 0, y0 0, z0 0
12 x y 8 z 80
x 6 y 4 z 13
2 x y 10 z 90
2. Selesaikan sistem persamaan linear berikut menggunakan aturan gauss-
seidel. Diketahui ( x0 , y0 , z0 ) (1, 2, 2) dan memiliki sistem persamaan
linear sebagai berikut:
4x y z 7
4 x 8 y z 21
2 x y 5 z 15
Penyelesaian
12 x y 8 z 80...............(I)
1. Misalkan diberikan SPL x 6 y 4 z 13.....................(II)
2 x y 10 z 90................(III)
Diperoleh:
8 z y 80
(I) x
12
13 4 z x
(II) y=
6
90 2 x y
(III) z
10
Langkah-langkah penyelesaian menggunakan Software Excel sebagai berikut :
a. Definisikan varibel k, x, y, dan z pada Excel.
b. Pada baris pertama setiap kolom dimasukkan masing-masing nilai x, y, dan
z. k menunjukan n iterasi.
8 z y 80
c. Pada kolom x ketiga, klik kolom B3 masukkan rumus xk 1
12
atau ketik formula “=(-8*D2+C2+80)/12” (tanpa tanda petik).
16
13 4 z x
d. Pada kolom y kedua, klik kolom C3 masukan rumus yk 1
6
atau ketik formula ”=(-13+4*D2+B2)/6” (tanpa tanda petik).
90 2 x y
e. Pada kolom z kedua, klik kolom D3 masukan rumus z k 1
10
atau ketik formula ”=(90+2*B2+C2)/10” (tanpa tanda petik).
f. Ulangi langkah 3-4 sekali lagi dengan xk 1 , yk 1 , z k 1 menyesuaikan.
g. Lalu blok semua nilai x, y, dan z di kedua iterasi, arahkan kursor komputer
ke pojok sisi kolom sampai kursor berubah tanda menjadi tanda tambah
“+”. Kemudian tekan dan tarik ke bawah sampai menunjukan iterasi
Jacobi sudah konvergen.
h. Kemudian lakukan langkah 7 dengan memblok 2 baris pada kolom k untuk
mengetahui banyaknya iterasi hingga mencapai konvergen. Maka akan
didapatkan hasil sebagai berikut:
0 0 0 0
1 6.666667 -2.16667 9
2 0.486111 4.944444 10.11667
3 0.334259 4.658796 9.591667
4 0.660455 4.283488 9.532731
5 0.66847 4.298564 9.56044
6 0.651254 4.318371 9.56355
7 0.650831 4.317576 9.562088
8 0.651739 4.31653 9.561924
9 0.651762 4.316572 9.562001
10 0.651714 4.316628 9.56201
11 0.651713 4.316625 9.562006
12 0.651715 4.316622 9.562005
17
k xk yk zk
Jadi iterasi berhenti pada iterasi ke-13 sehingga hasil yang diperoleh adalah x =
0,651715, y = 4,316623, z = 9,562005.
4 x y z 7...............(I)
2. Misalkan diberikan SPL 4 x 8 y z 21........(II)
2 x y 5 z 15.........(III)
Diperoleh:
7 yz
(I) x
4
21+4 x z
(II) y=
8
15 2 x y
(III) z
5
Dengan metode gauss-seidel dibentuk oleh:
7 yz
xk 1
4
21+4 xk 1 z
y k 1 =
8
15 2 xk 1 yk 1
z k 1
5
Langkah-langkah penyelesaian menggunakan Software Excel sebagai berikut :
a. Definisikan varibel k, x, y, dan z pada Excel.
b. Pada baris pertama setiap kolom dimasukkan masing-masing nilai x, y, dan
z. k menunjukan n iterasi.
7 yz
c. Pada kolom x ketiga, klik kolom B3 lalu masukkan rumus xk 1
4
atau ketik sintaks “=(7+C2-D2)/4” (tanpa tanda petik).
21+4 xk 1 z
d. Pada kolom y kedua, klik kolom C3 masukan rumus yk 1 =
8
atau ketik sintaks ”=(21+4*B3+D2)/8” (tanpa tanda petik).
18
15 2 xk 1 yk 1
e. Pada kolom z kedua,klik kolom D3 masukan rumus zk 1
5
atau ketik sintaks ” =(15+2*B3-C3)/5” (tanpa tanda petik).
f. Ulangi langkah 3-4 sekali lagi dengan xk 1 , yk 1 , z k 1 menyesuaikan.
g. Lalu blok semua nilai x, y, dan z dikedua iterasi, arahkan kursor computer
ke pojok sisi kolom sampai kursor berubah tanda menjadi tanda tambah
“+”. Kemudian tekan dan tarik kebawah sampai menunjukan iterasi Gauss-
Seidel sudah konvergen.
h. Kemudian lakukan langkah 7 dengan memblok 2 baris pada kolom k,
untuk mengetahui banyaknya iterasi hingga mencapai konvergen. Maka
akan didapatkan hasil sebagai berikut :
Jadi iterasi berhenti hingga pada iterasi ke-8 dan diperoleh nilai x 2, y = 4, z = 3
19
LATIHAN
TUGAS
1. Carilah penyelesaian persamaan berikut dengan menggunakan iterasi
Jacobi dengan ( x0 1, y0 2, z0 2)
4x y z 7
4 x 8 y z 21
2 x y 5 z 15
2. Carilah penyelesaian persamaan berikut dengan menggunakan iterasi
Gauss-Seidel dengan ( x0 0, y0 0, z0 0)
6 x 3 y 3z 16
3x 12 y 3z 36
3x 3 y 15 z 6
LABORATORIUM STATISTIKA KOMPUTASI
JURUSAN MATEMATIKA
MATA KULIAH PRAKTIKUM : METODE NUMERIK
MODUL : MATERI :
V INTERPOLASI
Indikator :
Mahasiswa Mampu Menerapkan Interpolasi Lagrange
DASAR TEORI
5.1 Interpolasi
Mempelajari berbagai metode interpolasi yang ada untuk menentukan
titik-titik dari n buah titik dengan menggunakan suatu fungsi pendekatan tertentu.
Diberikan n+1 buah titik berbeda, x0 , y0 , x1 , y1 ,..., xn , yn . Tentukan polinom
yi pn x untuk i = 0,1,2,…,n.
Nilai yi dapat berasal dari fungsi matematika f(x) (seperti ln x, sin x , dan
Contoh Soal
Taksirlah nilai ln 2 dengan memakai interpolasi linear, yaitu dengan
menginterpolasi antara nilai ln 1 = 0 dan ln 2,5 = 0,91629! Hitung nilai error-nya
jika di ketahui ln 2 = 0.693147!
Penyelesaian
Berikut adalah sintaks yang digunakan untuk menyelesaikan soal di atas dengan
menggunakan Software MATLAB :
>> x0=1
x0 =
1
>> x1=2.5
x1 =
2.5000
>> y0=0
y0 =
0
>> y1=0.91629
y1 =
0.9163
>> x=2
x =
2
>> p1=y0+(y1-y0)/(x1-x0)*(x-x0)
p1 =
0.6109
23
>> error=(0.693147-p1)/(0.693147)
error =
0.1187
LATIHAN
1. Diketahui suatu nilai tabel distribusi T (Student T) sebagai berikut
menggunakan interpolasi linear:
T5 % = 2,015
T2,5% = 2,571
Berapakah nilai T4%?
2. Diberikan data jumlah penduduk wilayah X (dalam juta) pada tabel
berikut:
Tabel 5.1 Jumlah Penduduk Wilayah X
Tahun ke- Jumlah Penduduk
5 2,24
6 2,45
7 2,65
8 2,83
Gunakan interpolasi Lagrange untuk menentukan perkiraan jumlah
penduduk wilayah X pada tahun ke-6,5
3. Taksirlah nilai ln 2 dengan memakai interpolasi linear, yaitu dengan
menginterpolasi antara nilai ln 1 = 0 dan ln 2,5 = 0,91629! Hitung nilai
error-nya jika di ketahui ln 2 = 0.693147!
4. Tentukan nilai ln 2.5 dengan memakai interpolasi lagrange yaitu
menginterpolasi antara nilai ln 2 = 0.69314718 dan ln 4 = 1.386294361
5. Kecepatan ke atas roket diberikan sebagai fungsi waktu pada di bawah.
Cari kecepatan pada t = 16 detik menggunakan interpolasi linear.
24
TUGAS
1. Taksirlah log 4 jika diketahui nilai log 3 = 0.4771, log 4.5 = 0.6532, dan
log 5 = 0.6990. Hitunglah dan bandingkan nilai error-nya! (log 4 =
0.6021) menggunakan interpolasi linear !
2. Jarak yang dibutuhkan sebuah kendaraan untuk berhenti saat sedang
melaju adalah sesuai dengan fungsi kecepatan. Data percobaan berikut ini
menunjukkan hubungan antara kecepatan dan jarak yang dibutuhkan untuk
menghentikan kendaraan.
Tabel 5.3 Data Kecepatan dan Jarak Henti Kendaraan
Kecepatan (Km/Jam) Jarak Henti (Meter)
20 12
30 21
35 46
40 65
45 60
50 90
60 111
70 148
75 156
Indikator :
Mahasiswa Mampu Mencocokkan Kurva dengan Garis Kuadrat Terkecil
Mahasiswa Mampu Mencocokkan Kurva dengan Kurva Pangkat Terkecil
Mahasiswa Mampu Menerapkan Metode Linierisasi Suatu Data
Mahasiswa Mampu Mencocokkan Kurva dengan Parabola Kuadrat
Terkecil
DASAR TEORI
6.1 Persamaan Garis Kuadrat Terkecil
Metode kuadrat terkecil (Least Square Method) linear adalah sebuah
metode untuk mendapatkan kurva terbaik yang mewakili titik-titik data dengan
cara meminimumkan perbedaan/selisih antara titik-titik data dan kurva. Dengan
metode kuadrat terkecil, kita dapat menyajikan data dengan lebih berguna
(Conte, 1980).
Misalkan fungsi sebenarnya dari data tersebut adalah sebagai berikut:
Y ax b e (6.1)
dengan a dan b adalah parameter fungsi dan e adalah error data, seperti yang
ditunjukkan pada gambar sebelumnya. Untuk itu, kita misalkan penyajian datanya
oleh suatu fungsi pendekatan berikut:
y ax b (6.2)
error data yang terjadi antara setiap titik data dengan nilai fungsi permisalan kita
tadi adalah:
ei y0 Yi dengan i 1, 2,3,..., N (6.3)
dan N adalah banyaknya data. Apabila ditetapkan fungsi:
N
S ei2 (6.4)
i
26
Maka, S adalah fungsi dari koefisien fungsi y; yaitu . Agar nilai S minimum,
haruslah ditetapkan koefisien a dan b sehingga turunan parsial S terhadap a dan b
sama dengan nol, maka dapat ditulis:
s s
0 dan 0 (6.5)
a b
N N
a xi Nb yi 0 (6.7)
i i
(Raymond, 1988)
Contoh Soal
Tentukan persamaan garis lurus dan buatlah grafik untuk persamaan tersebut jika
diketahui titik data sebagai berikut ini:
Tabel 6.1 Data X dan Y
Xi Yi
1 1,3
2 2,4
3 2,9
4 3
5 4,5
Penyelesaian
Berikut adalah sintaks yang digunakan untuk menyelesaikan soal di atas dengan
menggunakan Software MATLAB :
27
Berikut adalah sintaks yang digunakan untuk membuat grafik dari persamaan di
atas dengan menggunakan Software MATLAB :
28
minx=min(A(:,2));
maxx=max(A(:,2));
miny=min(B(:));
maxy=max(B(:));
x=minx:0.1:maxx;
y=0.72+0.7*x;
plot(A(:,2),B,'r+',x,y);
axis([minx-0.5 maxx+0.5 miny-0.5 maxy+0.5])
LATIHAN
1. Tentukan persamaan garis lurus untuk titik-titik berikut ini:
Tabel 6.2 Data X dan Y (2)
X 1 2,7 2 6 6,1 7,3
Y 1,3 2 2,9 5,5 9 9,2
3. Tentukan persamaan garis lurus untuk kelima titik data berikut ini:
Tabel 6.4 Data X dan Y (4)
X 4,56 5,67 6,71 7,09 8,40
Y 0,12 0,23 0,29 0,40 0,67
4. Tentukan persamaan garis lurus untuk sepuluh titik data berikut ini:
Tabel 6.5 Data X dan Y (5)
X Y
1 4
2 6
3 8
4 10
5 14
6 16
7 20
8 22
9 25
19 28
TUGAS
1. Tentukan persamaan garis lurus untuk titik-titik berikut ini:
Tabel 6.7 Data X dan Y (7)
X Y
-2,00 1
-1,7 1,2
-1,00 2,5
1,30 3
4,00 5
3,80 6,5
5,50 7
Indikator :
Mahasiswa Mampu Menerapkan Metode Beda Pusat
Mahasiswa Mampu Menerapkan Metode Beda Maju
Mahasiswa Mampu Menerapkan Metode Beda Mundur
DASAR TEORI
7.1 Diferensiasi Numerik
Dalam berbagai masalah rekayasa dan aplikasi, dijumpai masalah
penghitungan turunan suatu fungsi. Untuk fungsi-fungsi tertentu kita dapat
menemukan turunannya dalam bentuk tertutup (closed form), yaitu jika persamaan
turunannya dapat dituliskan. Dalam praktek, jika tidak ada bentuk tertutup yang
dapat ditemukan, atau turunan fungsi dalam bentuk tertutup sukar diperoleh, atau
turunan tertutup tidak diperlukan secara praktis, maka penelitian turunan tersebut
harus dilakukan melalui diferensiasi numerik (Djojodihardjo, 2000).
Misal diberikan nilai-nilai x di x0 h, x0 , dan x0 h , serta nilai fungsi
untuk nilai-nilai x tersebut. Titik-titik yang diperoleh adalah
x1, f1 , x0 , f0 , dan x1 , f1 , yang dalam hal ini x1 x0 h dan x1 x0 h .
Contoh Soal
Diketahui f ( x) 2 x4 2 x3 x2 x 10 . Tentukan aproksimasi nilai f '(2) .
Penyelesaian
Berikut adalah sintaks yang digunakan untuk menyelesaikan soal di atas dengan
menggunakan Software MATLAB :
>> h=0.001
h =
1.0000e-003
>> xi=2
xi =
2
>> x=xi-h:h:xi+h
x =
1.9990 2.0000 2.0010
>> f=2*x.^4-2*x.^3+x.^2-x+10
f =
27.9570 28.0000 28.0430
>> fpusat=(f(3)-f(1))/(2*h)
fpusat =
43.0000
LATIHAN
1. Diketahui f ( x) e x . Tentukan aproksimasi nilai f '(2,3) . Gunakan O(h2 )
dengan h = 0,01
33
TUGAS
1. Diketahui f ( x) 3x5 x2 3x 15 . Tentukan apakah menggunakan rumus
beda pusat, selisih maju, ataupun selisih mundur yang paling tepat untuk
aproksimasi nilai f "(3) dengan h = 0,01
Indikator :
Mahasiswa Mampu Menerapkan Aturan Trapesium
Mahasiswa Mampu Menerapkan Aturan Simpson
DASAR TEORI
8.1 Integrasi Numerik
Pentingnya integrasi numerik dapat dipahami dengan memperlihatkan
berapa sering perumusan soal-soal di dalam analisis terapan akan melibatkan
turunan-turunan. Ada beberapa metode dalam materi integrasi numerik, di
antaranya adalah menggunakan metode trapesium dan metode Simpson.
8.1.1 Aturan Trapesium
Aturan trapesium adalah formula pertama integrasi tertutup Newton Cotes.
Formulasi ini bersesuaian dengan kasus polinomial. Di mana orde besar dan
tandanya adalah sama dengan kesalahan sebenarnya. Tetapi ketidakcocokan
terjadi karena ternyata bahwa untuk suatu interval ukuran ini, harga rata-rata
turunan kedua tidak diperlukan seakurat aproksimasi dari f . Jadi, kita melihat
a
f ( x)dx f ( x)dx f ( x)dx ...
x0 x1
xn1
f ( x)dx
h h h
f ( x0 ) f ( x1 ) f ( x1 ) f ( x2 ) ... f ( xn1 ) f ( xn )
2 2 2
h
f ( x0 ) 2 f ( x1 ) 2 f ( x2 ) ... 2 f ( xn1 ) f ( xn )
2
h n 1
f 0 2 fi f n (8.1)
2 i 1
(Munir,2003)
35
h n 1 n2
f 0 4 fi 2 fi f n (8.2)
3 i 1,3,5 i 2,4,6
Seperti halnya pada kaidah Simpson 1/3, hampiran nilai integrasi yang
lebih teliti dapat ditingkatkan terus dengan mengunakan polinom interpolasi
berderajat lebih tinggi pula. Kaidah “Simpson 3/8 gabungan” adalah
3h n 1 n 3
f 0 3 fi 2 fi f n
8 i 3,6,9 i 3,6,9 (8.3)
(Djojodihardjo,2000)
Contoh Soal
1
4x x dx
2
1. Gunakan aturan trapesium untuk mencari penyelesaian dari
0
menggunakan 6 subselang !
Penyelesaian
1. Berikut adalah sintaks yang digunakan untuk menyelesaikan soal di atas
dengan menggunakan Software MATLAB :
36
>> a=0
a =
0
>> b=1
b =
1
>> n=4
n =
4
>> h=(b-a)/n
h =
0.2500
>> x=a:h:b
x =
0 0.2500 0.5000 0.7500 1.0000
>> f=4*x-x.^2
f =
0 0.9375 1.7500 2.4375 3.0000
>> L=(h/2)*(f(1)+2*(f(2)+f(3)+f(4))+f(5))
L =
1.6563
n =
6
>> h=(b-a)/n
h =
0.1667
>> x=a:h:b
x =
Columns 1 through 5
0 0.1667 0.3333 0.5000 0.6667
Columns 6 through 7
0.8333 1.0000
>> f=x.^2+5*x+10
f =
Columns 1 through 5
10.0000 10.8611 11.7778 12.7500 13.7778
Columns 6 through 7
14.8611 16.0000
>> L=(h/3)*(f(1)+4*(f(2)+f(4)+f(6))+2*(f(3)+f(5))+f(7))
L =
12.8333
LATIHAN
1
dengan n = 10 !
2. Hitunglah cos(sin x) dx
0
dengan metode trapesium menggunakan 4
subselang !
3. Gunakan aturan trapesium untuk menghitung integral f ( x) (1 x 2 )1
dengan a 1 , b 1 , dan n 10 dan buatlah grafiknya !
38
x e
2 x
5. Hitunglah dx dengan metode trapesium dimana n = 10
0
2
6. Hitunglah 2 x cos( x)dx
0
dengan menggunakan metode aturan simpson
dimana n = 5
TUGAS
1