MODUL PRAKTIKUM

METODE NUMERIK

TIM PENYUSUN :
TIM DOSEN

LABORATORIUM STATISTIKA KOMPUTASI

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS MULAWARMAN
SAMARINDA
2018
 MODUL PRAKTIKUM
METODE NUMERIK

TIM PENYUSUN :
TIM DOSEN

LABORATORIUM STATISTIKA KOMPUTASI

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS MULAWARMAN
SAMARINDA
2018

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. Pelaksanaan Praktikum

a) Praktikum ini dilakukan sebanyak 10 (sepuluh) kali pertemuan termasuk
UTP dan UAP.
b) Praktikan yang terdaftar, akan dikelompokkan dengan setiap kelompok
beranggotakan 15-20 praktikan dengan dipandu 2 Asisten Praktikum.
c) Pelaksanaan praktikum dipandu 2 Asisten Praktikum dan mereview setiap
hasil presentasi praktikan.
d) Praktikan diharuskan memahami konsep-konsep yang akan dibahas dalam
praktikum, sesuai dengan materi yang ada.
e) Semua fasilitas yang diperlukan oleh mahasiswa praktikan maupun yang
diperlukan oleh Asisten Praktikum di dalam ruang praktikum seperti
LCD, white board, spidol untuk white board, kertas, dan alat pendukung
praktikum disediakan oleh Laboratorium.
f) Setiap praktikan setelah mengituki praktikum berhak mendapatkan nilai
praktikum, dengan kategori A – E.

III. Tata Tertib Praktikum

a) Calon praktikan harus melakukan registrasi sendiri di Laboratorium dan
tidak bisa diwakilkan.
b) Praktikan harus berpenampilan rapi dan bersih dengan kelengkapan baju
hm berkerah, bersepatu tertutup, serta menggunakan atau memakai
aksessoris yang wajar.
c) Praktikan menghadiri pertemukan praktikum setidaknya sebanyak 10
(sepuluh) kali pertemuan.
d) Praktikan wajib membawa kartu kontrol praktikum dan mengisi log book
e) Praktikan yang akan ijin tidak mengikuti praktikum wajib memberikan
keterangan tertulis kepada Asisten Praktikum.

ii
 DAFTAR ISI

HALAMAN JUDUL ....................................................................... i

PETUNJUK UMUM PRAKTIKUM............................................. ii
DAFTAR ISI .................................................................................... iii
MODUL I ......................................................................................... 1
MODUL II ....................................................................................... 4
MODUL III ...................................................................................... 7
MODUL IV ...................................................................................... 13
MODUL V ....................................................................................... 21
MODUL VI ...................................................................................... 25
MODUL VII .................................................................................... 31
MODUL VIII ................................................................................... 34
DAFTAR PUSTAKA ......................................................................

iii
 LABORATORIUM STATISTIKA KOMPUTASI
JURUSAN MATEMATIKA
MATA KULIAH PRAKTIKUM : METODE NUMERIK
MATERI :
MODUL :
METODE TERTUTUP
I
( BISEKSI )

Sub CPMK Mata Kuliah

 Menerapkan Berbagai Metode Aproksimasi Akar

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.

Tabel 1.1 Perhitungan metode biseksi

k a b c f(a) f(b) f(c) f(a)*(c) error
0 2 3 2,5 -2 1 -0,75 1,5
1 2,5 3 2,75 -0,75 1 0,0625 -0,04688 0,25
2 2,5 2,75 2,625 -0,75 0,0625 -0,35938 0,269531 0,125
3 2,625 2,75 2,6875 -0,35938 0,0625 -0,15234 0,054749 0,0625
4 2,6875 2,75 2,71875 -0,15234 0,0625 -0,0459 0,006992 0,03125
 3

k a b c f(a) f(b) f(c) f(a)*(c) error

5 2,71875 2,75 2,734375 -0,0459 0,0625 0,008057 -0,00037 0,015625
6 2,71875 2,734375 2,726563 -0,0459 0,008057 -0,01898 0,000871 0,007813
7 2,726563 2,734375 2,730469 -0,01898 0,008057 -0,00548 0,000104 0,003906
8 2,730469 2,734375 2,732422 -0,00548 0,008057 0,001286 -7E-06 0,001953
9 2,730469 2,732422 2,731445 -0,00548 0,001286 -0,0021 1,15E-05 0,000977
10 2,731445 2,732422 2,731934 -0,0021 0,001286 -0,00041 8,51E-07 0,000488
11 2,731934 2,732422 2,732178 -0,00041 0,001286 0,00044 -1,8E-07 0,000244
12 2,731934 2,732178 2,732056 -0,00041 0,00044 1,68E-05 -6,8E-09 0,000122
13 2,731934 2,732056 2,731995 -0,00041 1,68E-05 -0,00019 7,9E-08 6,1E-05

Jadi akar persamaan dari f ( x)  x 2  2 x  2 terdapat pada iterasi ke 13 yaitu

ketika eror 0,000006 < iterasi eror 0,0001 sebesar 2,731934.

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 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

3. Terdapat suatu fungsi f ( x)  x 2  2 x  7 dengan b  4 dan a  0 .

Tentukan akar persamaan tersebut dengan menggunakan metode biseksi!
4. Terdapat suatu fungsi f ( x)  x 2  5x  2 dengan b3 dan a  2.
Tentukan akar persamaan non-linier dengan metode biseksi
5. Terdapat suatu fungsi f ( x)  x2  4 x  3 dengan b  5 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 )

Sub CPMK Mata Kuliah :

 Menerapkan Berbagai Metode Aproksimasi Akar

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

Tabel 2.1 Perhitungan Metode Regula Falsi

k a b c f(a) f(b) f( c) f(a).f( c) error
0 2 3 2.666667 -2 1 -0.22222 0.444444 0
1 2.666667 3 2.727273 -0.22222 1 -0.01653 0.003673 0.060606
2 2.727273 3 2.731707 -0.01653 1 -0.00119 1.97E-05 0.004435
3 2.731707 3 2.732026 -0.00119 1 -8.5E-05 1.02E-07 0.000319
4 2.732026 3 2.732049 -8.5E-05 1 -6.1E-06 5.24E-10 2.29E-05

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 b5 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 )

Sub CPMK Mata Kuliah :

 Menerapkan Berbagai Metode Aproksimasi Akar

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 )

3. Kriteria kekontingenan, iterasi berhenti bila:

xk 1  xk
ɛ
xk 1

3.2 Metode Newton-Rapshon

Metode Newton-Raphson merupakan metode yang paling sering
digunakan di antara metode-metode pencarian akrar persamaan yang dikenal. Ide
dari metode ini adalah, jika diberikan satu terkaan awal pada titik (xi, f(xi)) maka
dapat ditarik garis singgung hingga memotong sumbu x. Titik potong dengan
sumbu x ini biasanya merupakan terkaan akar yang lebih baik dibandingkan
terkaan sebelumya.
Di samping menggunakan pendekatan geometris, metode ini juga dapat
diturunkan dari ekspansi deret Taylor disekitar titik x = x0, yaitu:
1

f ( x)  f ( x0 )  ( x  x0 ) f '( x0 )  ( x  x0 ) 2 f ''( x0 )  O x  x0
2
2
 (3.3)

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

Adapun algoritma metode Newton-Raphson adalah sebagai berikut :

1. Diketahui titik awal x 0 dan f(x)

2. Menentukan f ' (x)

f ( xk )
3. Hitung xk 1  xk 1 
f ' ( xk )

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 )

4. Kemudian hitung error dengan rumus:

xk 1  xk
ɛ
xk 1

5. Kemudian blok bari ke-3 (k  3) , sampai iterasi berhenti dan didapatkan

tabel seperti di bawah ini:
 10

Tabel 3.1 Perhitungan Metode Secant

K x f(x) error
1 2 4
2 3 20 0.333333
3 1.75 2.109375 0.714286
4 1.60262 1.308295 0.091962
5 1.361925 0.440376 0.176732
6 1.239797 0.186297 0.098506
7 1.15025 0.071118 0.07785
8 1.09496 0.027908 0.050496
9 1.059248 0.010739 0.033714
10 1.036911 0.004138 0.021542
11 1.022911 0.001587 0.013687
12 1.014202 0.000608 0.008587
13 1.008793 0.000233 0.005362
14 1.00544 8.9E-05 0.003334
15 1.003365 3.4E-05 0.002069
16 1.00208 1.3E-05 0.001282
17 1.001286 4.96E-06 0.000793
18 1.000795 1.9E-06 0.000491
19 1.000491 7.24E-07 0.000303
20 1.000304 2.77E-07 0.000188
21 1.000188 1.06E-07 0.000116
22 1.000116 4.04E-08 7.17E-05

6. Interpretasi:
Jadi, akar persamaan dari f ( x)  x3  3x  2 terdapat pada iterasi ke-22

yaitu ketika error ɛ  7.17 x105  toleransi error (105 ) . Jadi, akar dari
persamaannya sebesar x  1
 11

Langkah-langkah penyelesaian metode newton raphson dengan Software Excel :

1. Diketahui titik awal x1 = 2, , dan f ( x)  x3  3x  2
2. Buat tabel di Excel seperti di bawah ini:
k x f(x) f'(x) error
1 2 4 9
3. Kemudian cari x 2 dengan rumus:

f ( xk )
xk 1  xk 1 
f ' ( xk )
4. Kemudian hitung error dengan rumus:

xk 1  xk
ɛ
xk 1

5. Kemudian blok baris ke-2 (k  2) , sampai iterasi berhenti dan didapatkan

tabel seperti di bawah ini:

Tabel 3.2 Perhitungan Metode Newton Raphson

k x f(x) f'(x) Error
1 2 4 9
2 1.555556 1.097394 4.259259 0.285714
3 1.297907 0.292684 2.053685 0.198511
4 1.15539 0.07619 1.00478 0.123349
5 1.079562 0.019494 0.496364 0.07024
6 1.040288 0.004935 0.2466 0.037753
7 1.020277 0.001242 0.122894 0.019614
8 1.010172 0.000311 0.061344 0.010003
9 1.005095 7.8E-05 0.030646 0.005052
10 1.00255 1.95E-05 0.015317 0.002539
11 1.001275 4.88E-06 0.007657 0.001273
12 1.000638 1.22E-06 0.003828 0.000637
13 1.000319 3.05E-07 0.001914 0.000319
 12

k x f(x) f'(x) Error

14 1.000159 7.63E-08 0.000957 0.000159
15 1.00008 1.91E-08 0.000478 7.97E-05

6. Interpretasi:
Jadi, akar persamaan dari f ( x)  x3  3x  2 terdapat pada iterasi ke-15

yaitu ketika error ɛ  7.97 x105  toleransi error (105 ) . 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 !

2. Carilah akar dari persamaan x2  3x  10 dengan menggunakan metode

Newton-Raphson dengan x0  1 dan   0,001 !
 LABORATORIUM STATISTIKA KOMPUTASI JURUSAN
MATEMATIKA
MATA KULIAH PRAKTIKUM : METODE NUMERIK
MODUL : MATERI :
IV SISTEM PERSAMAAN LINEAR

Sub CPMK Mata Kuliah :

 Menerapkan Metode-Metode Aproksimasi Solusi Sistem Persamaan Linier

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

mempunyai elemen-elemen diagonal sama dengan nol. Vektor x diperbaharui

terhadap perkiraan awal untuk setiap harga x yang berbeda di ruas kanan
persamaan hasil konversi.
(Susatio, 2005)

4.2 Metode Iterasi Gauss - Seidel

Metode iterasi Gauss-Seidel adalah metode yang menggunakan proses
iterasi hingga diperoleh nilai-nilai yang berubah. Bila diketahui persamaan linear
simultan:
a11 x1  a12 x2  a13 x3  ...  a1n xn  b1
a21 x1  a22 x2  a23 x3  ...  a2 n xn  b2
a31 x1  a32 x2  a33 x3  ...  a3n xn  b3
.......................................................
an1 x1  an 2 x2  an3 x3  ...  ann xn  bn (4.3)
Berikan nilai awal dari setiap xi (i=1 sd n) kemudian persamaan linear
simultan di atas dituliskan menjadi:
1
x1  (b1  a12 x2  a13 x3  ...  a1n xn
a11
1
x2  (b2  a21 x1  a23 x3  ...  a2 n xn
a21
..........................................................
1
xn  (bn  an1 x1  an 2 x2  ...  ann 1 xn 1
ann (4.4)
Dengan menghitung nilai-nilai xi (i =1 sd n) menggunakan persamaan-
persamaan di atas secara terus-menerus hingga nilai untuk setiap xi (i = 1 sd n)
sudah sama dengan nilai xi pada iterasi sebelumnya, maka diperoleh penyelesaian
dari persamaan linear simultan tersebut. Atau dengan kata lain proses iterasi
dihentikan bila selisis nilai xi pada iterasi sebelumnya kurang dari nilai toleransi
error yang ditentukan.
 15

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:

Tabel 4.1 Perhitungan Metode Jacobi

k xk yk zk

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

13 0.651715 4.316623 9.562005

14 0.651715 4.316623 9.562005

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 yz
(I) x
4
21+4 x  z
(II) y=
8
15  2 x  y
(III) z
5
Dengan metode gauss-seidel dibentuk oleh:
7 yz
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 yz
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 :

Tabel 4.2 Perhitungan Metode Gauss-Seidel

k x y z
0 1 2 2
1 1.75 3.75 2.95
2 1.95 3.96875 2.98625
3 1.995625 3.996094 2.999031
4 1.999266 3.999512 2.999804
5 1.999927 3.999939 2.999983
6 1.999989 3.999992 2.999997
7 1.999999 3.999999 3
8 2 4 3
9 2 4 3

Jadi iterasi berhenti hingga pada iterasi ke-8 dan diperoleh nilai x  2, y = 4, z = 3
 19

LATIHAN

1. Selesaikan SPL berikut dengan metode Jacobi jika diketahui

( x0  0, y0  0, z0  0) :
3x  y  z  5
4 x  7 y  3z  20
2 x  2 y  5z  10
2. Selesaikan Sistem Persamaan Linear berikut dengan menggunakan aturan
Gauss-Seidel. Diketahui ( x0  2, y0  2, z0  2)
4 x  y  2 z  15
2 x  y  z  10
2 x  y  3z  16
3. Carilah penyelesaian persamaan berikut dengan menggunakan iterasi
3. Jacobi dengan ( x0  0, y0  0, z0  0)
6 x  y  4 z  40
 x  3 y  2 z  7
 x  y  5 z  45
4. Carilah penyelesaian persamaan berikut dengan menggunakan iterasi
Gauss-Seidel dengan ( x0  1, y0  2, z0  2)
2x  y  z  4
2 x  4 y  2 z  12
2 x  y  5 z  15
5. Selesaikan SPL berikut dengan metode Jacobi jika diketahui
( x0  2, y0  2, z0  2) :
12 x  y  8 z  80
x  6 y  4 z  13
2 x  y  10 z  90
6. Selesaikan Sistem Persamaan Linear berikut dengan menggunakan aturan
Gauss-Seidel. Diketahui ( x0  1, y0  2, z0  2)
x  2 y  3z  3
2x  3y  2z  3
2x  y  2z  5
 20

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

Sub CPMK Mata Kuliah :

 Menerapkan Metode-Metode Interpolasi Data

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

Pn  x  yang menginterpolasi semua titik tersebut sedemikian rupa sehingga

yi  pn  x  untuk i = 0,1,2,…,n.

Nilai yi dapat berasal dari fungsi matematika f(x) (seperti ln x, sin x , dan

sebagainya) sedemikian sehingga yi  f ( x) . Atau yi berasal dari nilai empiris

yang diperoleh melalui percobaan suatu pengamatan.
5.1.1 Interpolasi Linear
Bentuk paling sederhana dari interpolasi adalah menghubungkan dua buah
titik data garis lurus. Metode ini disebut dengan interpolasi linear (Lagrange).
Diketahui nilai suatu fungsi dititik x0 dan x1 , yaitu f ( x0 ) dan f ( x1 ) . Dengan

metode interpolasi linear akan dicari nilai fungsi di titik x, yaitu f1 ( x) .

f ( x)  f ( x0 ) f ( x1 )  f ( x0 )
 (5.1)
( x  x0 ) ( x1  x0 )
f ( x1 )  f ( x0 )
f1 ( x)  f ( x0 ) ( x  x0 ) (5.2)
( x1  x0 )
Rumus di atas merupakan rumus interpolasi linear, yang merupakan
bentuk interpolasi polinomial orde satu. Algoritma interpolasi linear:
1. Tentukan dua titik P1 dan P2 dengan koordinatnya masing-masing
 x0 , y0  dan  x1 , y1 
 22

2. Tentukan nilai x dari titik yang akan dicari.

y2  y1
3. Hitung nilai y dengan : y  ( x  x1 )  y1
x2  x1
4. Tampilkan nilai titik yang baru Q( x, y)

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

Dengan menggunakan interpolasi lagrange diperoleh P1 = 0,6109 yang berarti

bahwa nilai ln 2 = 0,6109 dengan error sebesar 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

Tabel 5.2 Kecepatan Roket

t (sekon) V(t) (m/s)
0 0
10 227,04
15 362,78
20 517,35
22,5 602,97
30 901,67

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

Perkirakan jarak henti yang dibutuhkan bagi sebuah kendaraan yang

melaju dengan kecepatan 55 km/jam gunakanlah interpolasi linear !

 LABORATORIUM STATISTIKA KOMPUTASI
JURUSAN MATEMATIKA
MATA KULIAH PRAKTIKUM : METODE NUMERIK
MATERI :
MODUL :
PERSAMAAN GARIS KUADRAT
VI
TERKECIL

Sub CPMK Mata Kuliah :

 Menerapkan Metode Kuadrat Terkecil dalam Pencocokan Kurva

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

Fungsi error S menjadi

S   ax1  b  y1    ax2  b  y2   ...   axN  b  yN 

2 2 2
(6.6)

Setelah dilakukan turunan parsial terhadap 𝑎 dan 𝑏 sama dengan 0, didapatkan

dua persamaan untuk mencari a dan b yang kita perlukan:
N N N
a xi2  b xi    xi yi   0
i i i

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

>> A=[1 1;1 2;1 3;1 4;1 5]

A =
1 1
1 2
1 3
1 4
1 5
>> B=[1.3;2.4;2.9;3;4.5]
B =
1.3000
2.4000
2.9000
3.0000
4.5000
>> AA=A'*A
AA =
5 15
15 55
>> BB=A'*B
BB =
14.1000
49.3000
>> Y=inv(AA)*BB
Y =
0.7200
0.7000

Maka didapatkan persamaan Y  Ax  B menjadi Y  0,7 x  0,72 .

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])

Berdasarkan sintak di atas maka didapatkan gambar grafik sebagai berikut :

Gambar 6.1 Grafik Persamaan Garis Kuadrat Terkecil

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

2. Tentukan persamaan garis lurus untuk titik-titik berikut ini:

Tabel 6.3 Data X dan Y (3)
X -1,00 -0,4 1,70 3,00 5,90 6,00
Y 1 2 2,5 4,4 5 6,5
 29

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

5. Tentukan persamaan garis kuadrat terkecil dari titik-titik berikut beserta

plotnya!
Tabel 6.6 Data X dan Y (6)
X Y
2 6
3 5
5 7
6 8
8 12
9 11
 30

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

2. Tentukan persamaan garis lurus untuk titik-titik berikut ini:

Tabel 6.8 Data X dan Y (8)
X Y
-2,00 1
-1,7 1,2
-1,00 2
0,30 2,9
3,00 4,4
3,80 6,5
 LABORATORIUM STATISTIKA KOMPUTASI
JURUSAN MATEMATIKA
MATA KULIAH PRAKTIKUM : METODE NUMERIK
MODUL : MATERI :
VII DIFERENSIASI NUMERIK

Sub CPMK Mata Kuliah :

 Menerapkan Diferensiasi Secara Numerik

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
 x1, f1  ,  x0 , f0  , dan  x1 , f1  , yang dalam hal ini x1  x0  h dan x1  x0  h .

Terdapat tiga pendekatan dalam menghitung nilai f '( x0 ) :

1. Hampiran selisih maju
f1  f 0
f '( x0 )  (7.1)
h
2. Hampiran selisih mundur
f 0  f1
f '( x0 )  (7.2)
h
3. Hampiran selisih pusat
f1  f 1
f '( x0 )  (7.3)
2h
(Munir,2003)
 32

Contoh Soal
Diketahui f ( x)  2 x4  2 x3  x2  x  10 . Tentukan aproksimasi nilai f '(2) .

Gunakan O(h2 ) dengan h = 0,001

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

Jadi, aproksimasi nilai f '(2) dari fungsi f ( x)  2 x4  2 x3  x2  x  10 adalah

sebesar 43

LATIHAN
1. Diketahui f ( x)  e x . Tentukan aproksimasi nilai f '(2,3) . Gunakan O(h2 )
dengan h = 0,01
 33

2. Diketahui f ( x)  2 x 2  3x  7 tentukan aproksimasi nilai f '(5) . Gunakan

O(h4 ) dengan h = 0,001

3. Diketahui f ( x)  3x  5 tentukan aproksimasi nilai f '(2) gunakan O(h2 )

dengan h = 0,001
4. Diketahui f ( x)  x 4  x 2  x  2 tentukan okurasi tinggi dari persamaan
tersebut jika diketahui x = 3 dengan h = 0,05
5. Diketahui f ( x)  2 x 2  3x  7 tentukan aproksimasi nilai f '(7) gunakan

O(h2 ) dengan h = 0,05

6. Diketahui f ( x)  x sin x 2 tentukan aproksimasi nilai f '(2) gunakan O(h4 )

dengan h = 0,001

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

2. Diketahui f ( x)  3x7  2 x4  10 x  3 . Tentukan apakah menggunakan rumus

beda pusat, selisih maju, ataupun selisih mundur yang paling tepat untuk
aproksimasi nilai f "'(2) dengan h = 0,001
 LABORATORIUM STATISTIKA KOMPUTASI
JURUSAN MATEMATIKA
MATA KULIAH PRAKTIKUM : METODE NUMERIK
MODUL : MATERI :
VIII INTEGRASI NUMERIK

Sub CPMK Mata Kuliah :

 Menerapkan Integrasi Secara Numerik

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

bahwa kesalahan itu diaproksimasikan dengan menggunakan notasi Ea ,

ketimbang eksak, dengan menggunakan E t .

b x1 x2 xn


a
f ( x)dx   f ( x)dx   f ( x)dx ... 
x0 x1

xn1
f ( x)dx

h h h
  f ( x0 )  f ( x1 )   f ( x1 )  f ( x2 )  ...   f ( xn1 )  f ( xn )
2 2 2
h
  f ( x0 )  2 f ( x1 )  2 f ( x2 )  ...  2 f ( xn1 )  f ( xn )
2
h n 1

  f 0  2 fi  f n  (8.1)
2 i 1 
(Munir,2003)
 35

8.1.2 Aturan Simpson

Kaidah simpson 1/3 adalah kaidah yang mencocokkan polinomial derajat 2
pada tiga titik data diskrit yang mempunyai jarak yang sama. Bila masing-masing
polinom derajat 2 tersebut kita integralkan di dalam upselang (sub-interval)
integrasinya, maka jumlah seluruh integral tersebut membentuk “kaidah Simpson
1/3 gabungan” :
b x2 x4 xn

I   f ( x)dx   f ( x)dx   f ( x)dx ...   f ( x)dx

a x0 x2 xn2

h n 1 n2

  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

jika diketahui banyaknya subselang terbagi menjadi empat segmen!

1
2. Hitunglah  x 2  5 x  10 dx dengan metode simpson 1/3 dengan
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

2. Berikut adalah sintaks yang digunakan untuk menyelesaikan soal di atas

dengan menggunakan Software MATLAB :
>> a=0
a =
0
>> b=1
b =
1
>> n=6
 37

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

x  6 x  3 dx menggunakan metode aturan simpson 1/3

2
1. Hitunglah
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

4. Gunakan aturan simpson 1/3 untuk menghitung integral f ( x)  (1  x 2 )1

dengan a  1 , b  1 , dan n  5 dan buatlah grafiknya !
4

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

 3x  6 x 2  10 dx dengan aturan simpson 3/8

5
1. Aproksimasikan nilai
2

dengan menggunakan 5 subselang sama panjang.

2
2. Hitunglah  2x
0
cos( x) dx dengan aturan trapesium dimana n = 5
 DAFTAR PUSTAKA

C. Chapra Steven, P. C. Raymond. (1998). METODE NUMERIK, Jilid 1. New

York: Mc GrawHill.
D. Conte Samuel, Carl D, Boor. (1980). Dasar-Dasar Analisa Numerik. New
York: Mc GrawHill.
Djojodihardjo, Harijono. (2000). Metode Numerik. Jakarta:Gramedia Pustaka
Utama
Munir Rinaldi. (2003). Metode Numerik. Jakarta: Penerbit Erlangga.
Munir, Rinaldi. (2003). Metode Numerik. Bandung:Informatika Bandung
Munir, R. (2008). Metode Numerik Revisi Kedua. Bandung: Informatika Bandung.
Munir, Rinaldi. (2010). Metode Numerik. Bandung: Informatika Bandung.
Raymond,P.C. (1998). METODE NUMERIK, Jilid 1. New York: Mc GrawHill.
Sahid. (2005). Pengantar Komputasi Numerik dengan MATLAB. Yogyakarta:
ANDI.
Steven. (2007). Metode Numerik Untuk Teknik. Jakarta: Universitas Indoenesia.
Sukbati, Irfan. (2006). Metode Numerik. Surabaya: ITS.
Susatio, Yerri. (2005). Metode Numerik Berbasis MathCAD. Yogyakarta: ANDI
OFFSET.