Solusi Numerik Persamaan

Diferensial Biasa
 Persamaan Diferensial (PD)
• Gabungan dari fungsi yang tidak diketahui
turunannya.
• PD Biasa (PDB): PD yang hanya memiliki satu variabel
bebas.
– PDB orde 1: turunan tertingginya adalah turunan pertama
– PDB orde 2: turunan kedua merupakan turunan tertinggi
– PDB orde 3: turunan ketiga merupakan turunan
tertingginya
– dan seterusnya
• PD Parsial (PDP): PD yang memiliki lebih dari satu
variabel bebas.
 Lambang
• Contoh:
dy
 x y
dx
• Turunan dilambangkan dengan: dy/dx
atau f’(x) atau y’, sedangkan fungsi yang
tidak diketahui dilambangkan dengan
keberadaan variabel terikatnya: y, t.
 PD dan bukan PD
1. y'  x 2  y 2 PDB orde 1
2.  2u  2u x y PDP
  6 xye
x 2
y 2

3. Bukan PD
y '  3t 3  t 5  17; y  f (t )
4. y ' ' y ' Cos( x)  3 y  Sin(2 x) PDB orde 2
5. 2 y ' ' '2 y '  1  y ' ' PDB orde 3
6. f ' ( x)  x 2  x  4 Bukan PD
7. u  2u 2  u
2
PDP
 3Sin( x  t )  2  (1  x ) 2
t x y
8. dy PDB orde 1
2  x2 y  y  0
dx
 Solusi PDB
• Solusi analitik: salah satunya dengan teknik
integral
• Solusi numerik: menggunakan metode
hampiran.
– Mencari nilai fungsi di xr+1, dimana r
menunjukkan jumlah langkah atau iterasi.
– Langkah/iterasi memiliki jarak yang sama (h)

x r  x0  rh ; r = 0,1,2,…,n
Contoh PDB di bidang engineering

• Hukum Newton II tentang gerak

dv F

dt m
• Hukum Fourier tentang panas
dT
heat flux  k
dx
• Hukum Fick tentang difusi
dC
mass flux   D
dx
 Syarat awal dan syarat batas
• Syarat awal (initial condition)
– Mencerminkan keadaan sebenarnya, memiliki
arti fisik
– Dibutuhkan sejumlah n syarat awal pada
persamaan diferensial tingkat n
• Syarat batas (boundary condition)
– Syarat yang harus dipenuhi tidak hanya di
satu titik awal saja, namun juga di titik-titik
lain atau di beberapa nilai variabel bebas yang
lain
 PDB Orde Satu
• Bentuk baku PDB orde satu:
dy
 f ' ( x)  y '
dx
 f ( x, y )

• Contoh:
100  xy
2 y ' xy  100; y (0)  1  y ' 
2
y y
 xy  2  y ' y; y (1)  1  y '   xy  2  y
x x
 Metode Penyelesaian PDB
Orde Satu

•Euler
•Heun
•Runge Kutta
 Metode Euler
• Dikenal pula sebagai metode satu
langkah (one-step method) h  x
• Persamaan:
new value= old value + slope x step
size
• Bahasa matematika
yi 1  yi  f xi , yi x
• atau
yi 1  yi   x
• Slope atau gradien  atau f(xi,yi)
dipakai untuk mengekstrapolasikan
nilai lama yi ke nilai baru yi+1 dalam
selang x atau h.
 Metode Satu Langkah
yi 1  yi   x
• Semua metode satu langkah dapat
dinyatakan dalam persamaan tersebut.
• Perbedaan antara satu metode dengan
metode yang lain dalam metode satu
langkah ini adalah perbedaan dalam
menetapkan atau memperkirakan slope .
 Error atau kesalahan
• Truncation or discretization errors (kesalahan
pemotongan) yang disebabkan oleh teknik
penyelesaian dalam mengestimasikan nilai y.
– local truncation error, yaitu kesalahan pada satu
langkah
– propagated truncation error, yaitu kesalahan-
kesalahan pada langkah-langkah terdahulu
• Round-off errors yang disebabkan oleh
keterbatasan jumlah digit dalam hitungan atau
jumlah digit dalam alat hitung (kalkulator,
komputer).
 Metode Euler
• Error pada Metode Euler dapat dihitung dengan
memanfaatkan Deret Taylor
• Keterbatasan
– Deret Taylor hanya memberikan perkiraan/estimasi local
truncation error, yaitu error yang timbul pada satu langkah
hitungan Metode Euler, bukan propagated truncation error.
– Hanya mudah dipakai apabila ODE/PDB berupa fungsi
polinomial sederhana yang mudah untuk didiferensialkan,
fi(xi,yi) mudah dicari.
• Perbaikan Metode Euler, memperkecil error
– Pakailah selang h kecil.
– Metode Euler tidak memiliki error apabila ODE/PDF berupa
fungsi linear.
 Metode Heun
• Metode Heun digunakan untuk
memperbaiki metode Euler dengan cara
perbaikan dari perkiraan nilai slopenya.
• Perbaikan perkiraan slope tersebut,
ditempuh melalui nilai turunan dari
slopenya pada titik awal, kemudian
mencari turunan slopenya pada titik akhir
dan nilai tersebut dirata-ratakan.
Metode Heun

h=x
Metode Heun
 Metode Heun
• Langkah-langkah Metode Heun:
1. Mencari slope awal = f(xi, yi)
2. Slope awal pada no.1 digunakan untuk
ekstrapolasi nilai y i01 , dengan rumus

y 0
i 1  y i  f  xi , y i   h
 Metode Heun
0
3. Persamaan prediktor ( y i 1 )
digunakan untuk
mencari slope akhir (sebut dengan y i' 1 )
dengan rumus:

y1' 1  f xi 1  y101 
4. Mencari slope rata-rata (sebut dengan y  )

y 

f  xi , y i   f xi 1 , y i01 
2
 Metode Heun
5. Slope rata-rata ini yang sebenarnya
digunakan untuk mengekstrapolasikan yi ke
yi+1
yi+1 = yi + (slope rata-rata).h

y i 1  yi 
 
f  xi , y i   f xi 1 , y i01
h
2
 Contoh
• Selesaikan persamaan diferensial
dy
x y
dx
pada selang x=0 sampai dengan x=1,
h=0,25, jika diketahui nilai awal y(0)=1.
Hitung kesalahan sebenarnya!
Solusi
Solusi
Solusi
Solusi
 Metode Runge Kutta
• Metode yang paling banyak diterapkan untuk
integrasi numerik persamaan diferensial
biasa dengan initial value problem karena
menghasilkan pendekatan yang cukup baik.
• Metode Euler merupakan salah satu jenis
metode Runge-Kutta yang berorde satu (atau
n = 1).
• Metode Runge-Kutta yang paling umum
digunakan adalah metode Runge-Kutta
berorde 4.
 Metode Runge Kutta
• Metode Euler
– kurang teliti
– ketelitian lebih baik diperoleh dengan cara
memakai pias kecil atau memakai suku-suku
derivatif berorde lebih tinggi pada Deret
Taylor
• Metode Runge-Kutta
– lebih teliti daripada Metode Euler
– tanpa memerlukan suku derivatif
Metode Runge Kutta
 Runge-Kutta Methods
• Runge-Kutta methods achieve the accuracy of a Taylor series
approach without requiring the calculation of higher derivatives.
y i 1  y i   (x i , y i , h )h
Increment function
  a1k 1  a2 k 2    an k n (representative slope over
the interval)
a ' s  constants
k 1  f (x i , y i )
k 2  f (x i  p1h , y i  q11k 1h )
k 3  f (x i  p 3h , y i  q 21k 1h  q 22 k 2 h )

k n  f (x i  p n 1h , y i  q n 1k 1h  q n 1,2 k 2 h    q n 1,n 1k n 1h )
p ' s and q ' s are constants
 Runge-Kutta Methods
• Various types of RK methods can be devised by employing
different number of terms in the increment function as
specified by n.
1. First order RK method with n=1 is Euler’s method.

2. Second order RK methods:

yi 1  yi  (a1k1  a2 k 2 )h
k1  f ( x i , yi )
k 2  f ( xi  p1h, yi  q11k1h)
• Values of a1, a2, p1, and q11 are evaluated by setting the
second order equation to Taylor series expansion to the
second order term.
 Runge-Kutta Methods
• Three equations to evaluate the four unknowns
constants are derived:

a1  a2  1
1
a 2 p1  A value is assumed for one of the
2 unknowns to solve for the other three.

1
a2 q11 
2
 Runge-Kutta Methods
1 1
a1  a2  1, a 2 p1  , a2 q11 
2 2

• We can choose an infinite number of values for a2,there

are an infinite number of second-order RK methods.
• Every version would yield exactly the same results if the
solution to ODE were quadratic, linear, or a constant.
• However, they yield different results if the solution is
more complicated (typically the case).
 dydx
 f ( x, y )
dxSolution :
Runge-KuttaSolution Methods : 1 2
yi  1  yi  ( k1  k 2 )  h
Three
dy of the most commonly used methods 1 3are: 1 3
 f ( x, y ) yi  1  yi  ( k1  k 2 )  h
yi 1  yi  ( a1k1  a 2 k 2 ) h k1  f ( xi , 2yi ) 2
dx dy
• Huen Method : , y ) with a SinglekCorrector f ( x, y ) (ai )2=1/2)

kSolutionf ( x dx 1  f ( xi , y 3 3
  
1 i i
k f ( x h , y k h )
: f ( xi  h4), ( yi  k14h ) 
dy 1
ky2i 1f y(fix(i x(, ypk1)1h 1
, yi k 2q)11Solution 2 i i 1
hk1hk) 2dy
dx 2 2 yi 1  yi k 2f(hx, y )
k 1  f ( xi , y i ) dx
• The Midpoint
Solution : Method (a k12= 1)
f ( xi , yi )
k 2  f ( xi  h ), ( yi  k1h )  Solution :
yi 1 f ( yx,i y) k 2  h
dy 1
k 2  f ( xi  h, yi 1
1
 k1h2)
yi 1 2yi  ( k21  k 2 )  h
dx
k1  f ( xi , yi ) 3 3
• Raltson’s
Solution : Method (a2= 2/3) k1  f ( xi , yi )
1 2 1
k  f ( x 
1 h , y  k h ) 3
yi 21  yi  (i k1  k 2i )  h 1 k 2  f ( xi  h, yi  k1h )
3
3 2 3 2 4 4
k1  f ( xi , yi )
 Runge-Kutta Methods
3. Third order RK methods
1
y i 1  y i  ( k 1  4 k 2  k 3 ) h
16
yi1  yi  (k1  4k2  k3 )h
where 6
1  f (x , y )
k where i i
k1  f ( xi , yi )1 1
k 2  f ( x i  h , y i  k1h )
12 1 2
k2  f ( xi  h, yi  k1h)
k 3  f ( x i  2h , y i  k21 h  2 k 2 h )
k3  f ( xi  h, yi  k1h  2k2h)
 Runge-Kutta Methods
4. Fourth order RK methods
1
yi 1  yi  (k1  2k 2  2k3  k 4 )h
6
where
k1  f ( x i , y i )
1 1
k 2  f ( xi  h, y i  k1 h)
2 2
1 1
k 3  f ( xi  h, y i  k 2 h)
2 2
k 4  f ( xi  h, y i  k 3 h)
 Referensi
• Munif Abd., 1995, Cara praktis penguasaan dan penggunaan
metode Numerik, edisi 1, Guna Widya, Surabaya.
• Munir Renaldi, 2003, Metode Numerik, Informatika
Bandung, 2003.
• Suryadi H.S., Pengantar Metode Numerik, Seri Diktat Kuliah,
Gunadarma, 1990
• Suryadi M.T., 1995, Bahasa FORTRAN dan Analisis Numerik,
Seri Diktat Kuliah, Gunadarma, Jakarta.
• Steven C. Chapra, Raymond P. Canale, 1991, Metode Numerik
untuk Teknik dengan Penerapan pada Komputer Pribadi, UI-
Press, Jakarta.
• Triatmodjo Bambang, 1996, Metode Numerik, Beta Offset,
Yogyakarta.