Modul Prak MetNumerik 2020

Modul Praktikum Metode Numerik
YAYASAN ADI UPAYA (YASAU)

SEKOLAH TINGGI TEKNOLOGI ADISUTJIPTO(STTA)
JL. JANTI BLOK – R LANUD ADISUTJIPTO YOGYAKARTA
Telp. 0274. 451262 Fax. 0274. 451265 Website : www.stta.ac.id,e-mail :
MODUL PRAKTIKUM
METODE NUMERIK
NAMA :
NIM :
LABORATORIUM KOMPUTASI DAN PERANCANGAN

SEKOLAH TINGGI TEKNOLOGI ADISUTJIPTO
2020
1
Unit 1
Operasi Matrix
Tujuan Praktikum:
1. Mahasiswa dapat menyelesaikan proses komputasi dengan menggunakan array 2
dimensi
2. Mahasiswa dapat mengolah dan memanipulasi matrix dengan menggunakan
Matlab
Landasan Teori
Semula Matlab diciptakan untuk menyederhanakan kompuasi matrix dan aljabar
linear yang terdapat di beberapa aplikasi. Salah satu masalah paling umum dalam aljabar
linear adalah menemukan penyelesaian dari sekumpulan persamaan linear.
1 2 3 x1 366
4 5 6 . x2 = 804
7 8 0 x3 351
A.x=b
Dengan simbol perkalian (.) diartikan dalam konteks matriks, tidak dalam konteks
array seperti telah dibahans dimuka. Dalam MATLAB perkalian matriks dilambangkan
dengan asterik (*). Persamaan diatas berarti perkalian matriks antara matrix A dengan
vektor x sama dengan vektor b. Ada atau tidaknya solusi bagi persamaan di atas adalah
masalah mendasar dalam aljabar linear. Jika terdapat suatu penyelesaian, maka juga
terdapat beberapa metode untuk menemukan penyelesaian itu, seperti eliminasi Gauss,
atau penggunaan langsung dari A-1. Secara analitis ditulis sebagai x=A-1.b.
Untuk menyelesaikan masalah tersebut diatas dipelukan cara untuk memasukkan A dan
B.
A=[1 2 3;4 5 6;7 8 0]
B=[366;804;351]
2
Untuk menentukan apakah persamaan tersebut memiliki solusi atau tidak, kita
hanya mencari determinan matrix A. Apabila determinannya tidak sama dengan nol,
maka persamaan diatas memiliki solusi pemecahan.
Untuk mencari determinan, hanya diberikan perintah det pada matrix A yaitu det(A).
Fungsi-fungsi Matrix
Fungsi Deskripsi
balance(A) Penskalaan untuk meningkatkan ketepatan nilai eigen
cdf2rdf(A) Bentuk komplek diagonal ke bentuk real diagonal
chol(A) Faktorisasi cholesky
cholinc(A,droptol) Faktorisasi cholesky tidak lengkap
cond(A) Bilangan kondisi matriks
condest(A) Perkiraan bilangan kondisi matriks 1 –norm
condeig(A) Kondisi w.r.t nilai eigen
det(A) Determinan
d=eigs(A), Nilai eigen dan vektor eigen
[v,d]=eig(A)
expm(A) Pemangkatan Matrix
inv(A) Invers Matrix
Latihan :
Selesaikan persamaan dibawah ini
1. a + 2b + 3c = 366 3. 5a + 3b +c = 366
4a + 5b + 6c = 804 a + 7b + c = 804
7a + 8b = 351 2a + 3b +4c = 351
2. 3a + 5b – 2c = 366 4. b + c =3
-a – 2b + 6c = 804 6a + 3d =4
7a - 4b + 3c + 100 = 351 17b + 12c + 2d = 8
3a + 12c + 3d = 10
5. b + 3e + 4f = 6
a + b + 3c = 10
b + 3c + 6d + 4e = 11
a + 4d + 4e =5
b + c + 6d =9
4e + 5f =7
3
Unit 2
Polinomial
Tujuan Praktikum:
1. Mahasiswa dapat menggunakan Software Matlab untuk menyelesaikan dan
memanipulasi persamaan dengan pangkat tinggi
Landasan teori :
Akar :
Akar suatu polinomial adalah suatu nilai yang membuat polinomial bernilai nol.
Matlab menyelesaikan masalah dan menyediakan sarana untuk memanipulasi polinomial.
Dalam Matlab, polinomial direpresentasikan sebagai vektor baris dari koefisien-koefisien
polinomial tersebut dalam urutan dari derajat tinggi ke derajat rendah.
Sebagai contoh, polinomial x4 – 12x3 + 0x2 + 25x + 116 ditulis sebagai:
>> p = [1 -12 0 25 116]
p=
1 -12 0 25 116
Untuk mencari akar polinomial dapat ditentukan dengan fungsi roots:
>> r = roots(p)
r=
11.7473
2.7028
-1.2251 + 1.4672i
-1.2251 – 1.4672i
Perkalian
Perkalian polinomial dikerjakan dengan fungsi conv. Contoh perkalian antara 2
polinomial a(x)=x3+2x2+3x+4 dengan b(x)=x3+4x2+9x+16
>> a = [1 2 3 4]; b = [1 4 9 16]
>> c = conv(a,b)
c=
1 6 20 50 75 84 64
Hasilnya adalah c(x)=x6+6x5+20x4+50x3+75x2+84x+64
4
Pembagian
Untuk membagi suatu polinomial dengan polinomial yang lain dilakukan dengan
memberi perintah deconv. Dengan menggunakan polinomial b dan c pada contoh
sebelumnya:
>> [q,r] = deconv(c,b)
q=
1 2 3 4
r=
0 0 0 0 0 0 0
Hasil yang ditampilkan menyatakan bahwa polinomial b yang dibagi dengan
polinomial c menghasilkan polinomial q dan sisa r.
Turunan
Karena turunan suatu polinomial mudah dilakukan, MATLAB menyediakan
fungsi polyder untuk turunan polinomial:
>> q=[1 6 20 48 69 72 44]
q=
1 6 20 48 69 72 44
>> h = polyder(q)
h=
6 30 80 144 138 72
Evaluasi
Setelah anda dapat menjumlahkan, mengurangkan, mengalikan, membagi dan
menurunkan polinomial berdasar pada vektor baris dari koefisien-koefisiennya, anda juga
dapat mengevaluasi dengan fungsi polival
>> x = linspace(-1,3);
Memilih 100 data point antara -1 sampai 3
>> p =[1 4 -7 -10]
menggunakan polinomial p(x) = x3+4x2-7x-10
>> v=polyval(p,x);
Mengevaluasi p(x) menggunakan nilai-nilai x dan menyimpan hasilnya dalam v.
Hasilnya kemudian digambarkan dengan:
>> plot(x,v)
5
Latihan :
1. Jumlahkan polinomial :
x4+2x3+6x2-10x+98 dengan 4x4-6x2+8x
x3+8x2-5x-8 dengan -3x4+7x
7x6+6x5-5x4+2x3-5x2-x-3 dengan -7x6-6x5+5x4-2x3+5x2+x+3
2. Kurangkan polinomial :
x4+2x3+6x2-10x+98 dengan 4x4-6x2+8x
3. Kalikan polinomial
x4+2x3+6x2-10x+98 dengan 4x4-6x2+8x
4. Turunkan polinomial
x4+2x3+6x2-10x+98
x3+8x2-5x-8
7x6+6x5-5x4+2x3-5x2-x-3
5. Gambarlah grarik berikut: dengan titik (-10,10)
x3+8x2-5x-8
x4+2x3+6x2-10x+98
6x5-5x4+12x3-5x2-x-3
6. Carilah akar persamaan berikut:

x4-x3-19x2-11x+30
6
Unit 3
Interpolasi Bagian 1
Tujuan Praktikum.
1. Mahasiswa dapat mencari fungsi dari serangkaian data acak dengan menggunakan
pendekatan kurva.
Landasan Teori
Serangkaian data acak dapat dicari persamaan fungsinya dengan menggunakan
fungsi pembanding log, yaitu mengubah setiap elemen pada data acak tersebut ke
logaritmanya. Misalkan ada serangkaian data:
X 1 2 3 4 5 6 7 8 9 10
Y 11 14 19 26 35 46 59 74 91 110
Pertama kita cari logaritma dari masing-masing elemen
log(x) 0 0.3010 0.4771 0.6021 0.6990 0.7782 0.8451 0.9031 0.9542 1

log(y) 1.0414 1.1461 1.2788 1.415 1.5441 1.6628 1.7709 1.8692 1.959 2.0414
Kemudian ambilah dua elemen tabel log(x) dan 2 elemen pada log(y) pada grafix yang
mendekati garis linear di kolom yang sama, misalnya 0.4771 dan 1 di baris log(x) dan
1.2788 dan 2.0414 di baris log(y).
Misalkan elemen-elemen tersebut sebagai x1, x2, y1 dan y2 dan masukkan pada
y − y1 x − x1 y − 1.2788 x − 0.4771
persamaan berikut : = sehingga menjadi =
y 2 − y1 x 2 − x1 2.0414 − 1.2788 1 − 0.4771
y − 1.2788 x - 0.4771
= ➔ y = 1.458x + 0.5832 ➔ 0.5832 = y − 1.458x
0.763 0.523
Logaritmakan kembali variabel x dan y sehingga menjadi:
0.5832 = log(y) − 1.458 log( x)
0.5832 = log( y) − log( x)1.458
 y  y
0.5832 = log 1.458  ➔ 3.83 = 1.458 ➔ y = 3.83x1.458
x  x
7
Latihan:
1. Buktikan tabel berikut memiliki fungsi y = 2x 2
x 1 2 3 4 5 6 7 8 9 10
y 2 8 18 32 50 72 98 128 162 200
Carilah nilai fungsi pada titik x = 5,8
2. Carilah fungsi untuk data berikut :
Ukuran Waktu tunda pengiriman data

10M 0.57
15M 0.87
20M 1.45
25M 1.99
30M 2.35
35M 3.06
40M 3.20
45M 3.69
50M 4.15
55M 4.6
60M 5.09
65M 6.07
77M 7.07
105M 9.12
130M 11.25
Cari waktu tunda untuk ukuran data 88M dan 250M menggunakan fungsi yang telah anda
tentukan.
8
Unit 4
Interpolasi bagian 2
Tujuan Praktikum:
1. Mahasiswa dapat menentukan fungsi matematis pada serangkaian data
2. Mahasiswa dapat melakukan pendekatan interpolasi dan pencocokan kurva atau
regresi.
Landasan Teori:
Pencocokan kurva
Pencocokan kurva memerlukan jawaban dari dua pertanyaan dasar. Apakah yang
dimaksud dengan “paling mendekati” dan kurva macam apa yang seharusnya
digunakan?. Paling mendekati dapat didefinisikan sebagai meminimalkan jumlah
kesalahan pada setiap point data. Perhatikan gambar dibawah ini:
Jarak vertikal antara kurva terpotong-potong dengan point data merupakan

kesalahan pada point tersebut. Mengkuadratkan jarak ini untuk setiap point data dan
kemudian menjumlahkan jarak-jarak kuadrat tersebut disebut sebagai ”jumlah kesalahan
kuadrat“. Kurva terpotong-potong adalah kurva yang membuat jumlah kesalahan kuadrat
ini sekecil mungkin.
9
Dalam MATLAB, fungsi polyfit menyelesaikan masalah pencocokan kurva

kuadrat terkecil. Untuk memberi ilustrasi bagi fungsi ini perhatikan contoh berikut :
>> x=[0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1];
>> y=[-.247 0.978 2.28 4.16 6.08 6.34 6.66 8.56 9.48 9.60 11.2];
Untuk menggunakan polyfit, kita harus memberikan data diatas dan derajat dari
polinomial yang kita inginkan paling mendekati data. Jika kita memilih derajat n = 1,
pendekatan garis lurus terbaik akan dihasilkan. Hal ini sering dinamakan regresi linear.
Namun jika menggunakan derajat n=2, polinomial kuadratis akan ditemukan.
>> p=polyfit(x,y,n)
p=
-4.4728 15.6277 -0.3310
Hasil dari polyfit adalah vektor baris yang berisi koefisien-koefisien polinomial.
Disini solusinya adalah y = -4.4728x2+15.6277x-0.3310.
Untuk membandingkan kurva solusi yang diperoleh dengan point-point data, mari kita
gambarkan keduanya.
>> xi=linspace(0,1,100);
menciptakan data sumbu x untuk menggambarkan polinomial.
>> z=polyval(p,xi);
Memanggil fungsi polyval untuk mengevaluasi polinomial p pada setiap point
data dalam xi.
>> plot (x,y,’-o’,xi,z,’:’)
Menggambarkan data asal x dan y, menandai setiap point data dengan ‘o’ dan
menghubungkan point-point tersebut dengan garis lurus, dan kemudian menggambarkan
polinomial xi dan z dengan menggunakan garis putus-putus (:).
Latihan Soal :
Carilah fungsi dari rangkaian data berikut :
x 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
y -.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2
Bandingkan kurva pada soal dan kurva fungsi anda!
10
Penyelesaian dengan P rogram MathCad dilakukan seperti berikut :
Buat data X dengan perintah :
Definisikan variabel X : lanjutkan dengan p erintah : Insert, Matrix
0  −.247
 .1   .978 
   
 .2   2.28 
 .3   4.16 
   
 .4   6.08 
X =  .5  Y =  6.34 
 .6   6.66 
   
 .7   8.58 
 .8   9.48 
 .9   9.60 
   
Atau dengan cara klik Toolbar Matrik
1  11.2 
Isi Rows : 11 dan Column :1
Dengan cara yang sama buatlah data Y:
Buatlah fungsi eksponen expfit dengan mendefinisikan variabel efit:
efit = expfit ( X  Y)
Isikan data X dan Y yang telah dibuat pada fungsi expfit
Kemudian carilah koefisien dari suatu fungsi

expfit dengan mengeksekusi variabel efit=
 2.09  106 
 
efit = 5.338 10 
 − 6
 
 −2.09  106 
 
11
Buatlah variabel a, b, c yang merupakan koefisien dari fungsi
b x
g ( x) = a e +c
Untuk membuat subcript gunakan tanda pada keyboard [
a = efit b = efit c = efit b x

0 1 2 g ( x) = a e +c
Gambarkan fungsi tersebut dengan PerintahInsert,

: Graph, X _-Y Plot
Pada placeholder horisontal (sumbu mendatar) isi dengan variabel X, sedangkan
placeholder vertikal isi dengan variabel Y
Untuk membuat grafik hasil fungsi interpolasi :
Letakkan variabel x pada placeholder horisontal yang telah terisi X dengan cara
memberi koma pada variabel X.
Dengan cara yang sama place holder vertikal diisi fungsi g(x)
10
Y
5
g( x)
0 0.2 0.4 0.6 0.8

X x
12
Unit 5
Akar Persamaan 1
Tujuan Praktikum:
1. Mahasiswa dapat menentukan akar persamaan
2. Mahasiswa dapat melakukan pendekatan menentukan akar persamaan melalui
metode Berurutan dan metode Newton Raphson.
Landasan Teori:
Mencari akar persamaan yang sederhana :

ax 2 + bx + c = 0 , maka
Secara umum fungsi x :
f(x)=0, yang dicari harga x-nya
Dalam praktek, untuk mendapatkan nilai akar digunakan pendekatan :
- Penentuan akar pendekatan
- Akar dijabarkan lagi untuk mendapatkan ketelitian
1. Metode Pendekatan Berurutan

Bila F(x)=0 ditulis dalam bentuk lain :
x= f(x)
Fungsi F ( x) = x 2 − c = 0, ditambahkan x pada ke dua ruas :
f ( x) = x 2 + x − c
Persamaan diatur lagi sehingga menjadi :
x = 12 ( x + cx ) , x yang memenuhi persamaan di atas adalah  c
Sebagai pendekatan dipilih misal x 0 , pendekatan selanjutnya diambil :
x1 = f ( x0 ) x2 = f ( x1 )
Pendekatan ke n atau disebut iterasi ke n adalah
xn = f ( xn−1 )
13
2. Metode Newton Raphson.
Metode ini banyak digunakan untuk menentukan akar. Bila perkiraan awal pada akar
adalah xi, sebuah garis singgung dapat ditarik dari titik xi, f(xi). Titik dimana garis
singgung ini memotong sumbu x menyatakan taksiran akar yang lebih baik.
Turunan pertama di xi identik dengan kemiringan :
f ( xi ) −0
f ' ( x) = x i − xi +1
Yang dapat disusun kembali menjadi :

xi +1 = xi − f ( xi )
f ' ( xi )
Latihan Soal :
Selesaikan persamaan dibawah ini dengan menggunakan metode Berurutan dan metode
Newton Raphson
1. x2 – 0.25 = 0 ; dengan x0 = -0.9; x0 = 0.9
2. x2 – 4 = 0 ; dengan x0 = 1.3; x0 = 2; x0 = 10
3. x3 - 2x2 - 5x + 6 = 0 ; dengan x0 = 1.5; x0 = -2.8; x0 = 4.8
x0 = 2 untuk metode berurutan
14
Unit 6
Akar Persamaan 2
Tujuan Praktikum:
1. Mahasiswa dapat melakukan pendekatan menentukan akar persamaan melalui
metode Biseksi.
2. Mahasiswa dapat membuat program untuk menentukan akar persamaan.
Landasan Teori:
Metode Biseksi merupakan metode paling sedeerhana yang digunakan untuk

menentukan akar-akar persamaan.
y=f(x)
X3 X2
X1
Jika akar persamaan berada di antara x1 dan x2, maka :

F(x1)*f(x2) < 0
Untuk mempersempit interval x1 – x2 ambil harga tengah yang terletak di antara
kedua akar, misal x3.
Dari gambar, jika grafik suatu fungsi dipotong di atas dan di bawah sumbu x antara
x= x1 dan x= x3 , maka salah satu akar dari fungsi tersebut berada dalam interval x1
dan x3. Demikian seterusnya sehingga yang dicari adalah menghitung absis titik P
yang merupakan salah satu akar fungsi tersebut.
15
Contoh :
Carilah nilai akar 3 dengan Metode Biseksi

2
Misalkan x= 3 maka x 3
2
Definisikan f( x) = x − 3
Perkiraan awal x1 = 1 x2 = 2
Hitunglah ( )
f x1 = −2 ( )
f x2 = 1
f x1  f x2  0
Memenuhi persamaan jika ( ) ( )
Tentukan titik tengah interval :
x1 + x2
m = m = 1.5
2
f( m) = −0.75
Masing masing hasil perhitungan ditampilkan dalam tabel berikut
x1 x2 m f(x1 ) f(x2 ) f(m)
1 2 1.5 -2 1 -0.75
1.5 2 1.75 -0.75 1 0.063
1.5 1.75 1.625 -0.75 0.063 -0.359
Latihan : Gunakan metode Biseksi untuk menentukan akar-akar persamaan:
3 2 3 2
1 x − x − 24x − 32 0 Definisikan f( x) = x − x − 24x − 32
Tentukan nilai perkiraan antara interval 5 < x < 6
3 2 3 2
2 x − 3x + 1 0 Definisikan f( x) = x − 3x + 1
Tentukan nilai perkiraan antara interval -1 < x < 0
16
Program mencari akar persamaan kuadrat

2
x − 5x + 4 ( x − 1) ( x − 4)
2 2
x1 ( a  b  c) = diskriminan b − 4a c x2 ( a  b  c) = diskriminan b − 4a c
pemb  −b + diskriminan pemb  −b − diskriminan
peny  2a peny  2a
pemb pemb
peny peny
x1 ( 1  −5  4) = 4 x2 ( 1  −5  4) = 1
Newton( f  df  x0  tol max) = x0  x0

y0  f( x0)
dy0  df ( x0)
for i  1  max
yi−1
xi  ( xi−1) −
dyi−1
yi  f( xi)
return x if yi  tol
dyi  df ( xi)
x
17
3 2 4
f( x) = x − 3x +
3
d  3
x − 3x +  → 3 x − 6 x
2 4 2
dx  3
2
g( x) = 3 x − 6 x
tol = 0.0001
max = 10
x0 = 0.5
Akar = Newton( f  g  x0  tol max)
 0.5 
 0.815 
Akar =  
 0.774

 0.774 
Fungsi untuk mencari akar polinom
3 2
1 f( x) = x − 2x − 5x + 6
6 
 −5   −2 
v =   ( ) =  1 
poly rootsv
 −2   
3 
1 
3 2
2 x − 2x − 5x + 6 0
Perintah : S ym bolics, Variable, S olve
1 
3 
 
 −2 
18
Program menentukan akar dengan metode Biseksi
Bisec( f  a0  b0  tol max) = a0  a0

b0  b0
ya0  f( a0)
yb0  f( b0)
error ( "tidak terdapat akar dalam interval ini") if ya0 yb0  0
for i  0  max
ai + bi
xi 
2
yi  f( xi)
break if yi  tol
if yiyai  0
ai+1  ai
bi+1  xi
yai+1  yai
ybi+1  yi
otherwise
ai+1  xi
bi+1  bi
yai+1  yi
ybi+1  ybi
x
Contoh
 −0.5 
3 2  −0.75 
f( x) = x − 3x + 1 tol = 0.0001  
 −0.625 
a0 = −1 b0 = 0 max = 5 Bisec( f  a0  b0  tol max) =
 −0.563
 −0.531
 
 −0.547
19
Unit 7
Sistem Persamaan Linier 1
Tujuan Praktikum:
1. Mahasiswa dapat menyelesaikan sistem persamaan linier dengan metode
Eliminasi Gauss.
Landasan Teori:
Sistem persamaan linier adalah persamaan simultan yang terdiri dari sejumlah persamaan
yang mengandung sejumlah variabel berpangkat satu
Contoh: x1 + 2x2 + 3x3 = 10 (1)
2x1 + 3x2 + x3 = 13 (2)
3x1 - x2 + 2x3 = 9 (3)
Penyelesaian persamaan di atas dapat dilakukan dengan metode Eliminasi Gauss.
Langkah-langkah yang dilakukan bertujuan mereduksi variabel yang ada, sehingga
terbentuk persamaan yang memuat satu variabel. Setelah mengetahui nilai satu variabel,
dilanjutkan substitusi balik untuk memperoleh variabel lainnya.
Langkah 1 Menghilangkan x1 pada persamaan (2) dan (3)

Persamaan (1) tetap
2 kali persamaan (1) – persamaan (2)
3 kali persamaan (1) – persamaan (3)
Hasilnya x1 + 2x2 + 3x3 = 10
x2 + 5x3 = 7
x2 + x3 = 3
Langkah 2 Menghilangkan x2 dari persamaan (3)

Persamaan (2) – persamaan (3)
Hasilnya x1 + 2x2 + 3x3 = 10
x2 + 5x3 = 7
x3 = 1
20
Langkah 3 Substitusi balik, hasil dari langkah 2 disubstitusikan ke persamaan (2)

x2 + 5(1) = 7 x2=3
Substitusikan hasilnya ke persamaan (1)
x1 + 2(2) + 3(1) = 10 x1=3
Berikut adalah list Program Eliminasi Gauss
ORIGIN = 1
Gauss_B( A  B) = n  rows( A)
k  cols( B)
for i  1  n − 1
for j  ( i + 1)  n
−A j  i
m
Ai  i
for k1  i  n
A j  k1  A j  k1 + mAi  k1
for k2  1  k
Bj  k2  Bj  k2 + mBi  k2
for k1  1  k
Bn  k1
xn  k1 
An  n
for i  ( n − 1)  1
for k1  1  k
Bi  k1
xi  k1 
Ai  i
for j  ( i + 1)  n
Ai  jxj  k1
xi  k1  xi  k1 −
Ai  i
x
21
Penyelesaian contoh di atas dengan p rogram Eliminasi Gauss
Definisikan matrik A, B, dan X sebagai berikut :
 x1 
1 2 3
   10 

A = 2 3 1
 X =  x2 
 
B = 13
     
 3 −1 2 9
 x3 
Panggil Program Eliminasi Gauss
M asukkan variabel A dan B pada program tersebut, kemudian ketik tanda =
3 
 
Gauss_B( A  B) = 2
 
1 
Latihan :
Selesaikan p ersamaan berikut dengan Eliminasi Gauss
1. 3x1 + x2 − x3 5 2. 3x1 + x2 6
4x1 + 7x2 − 3x3 20
x1 + 2x2 − x3 5
2x1 − 2x2 + 5x3 10 −x2 + 4x3 + x4 11
−x3 + 3x4 16
3 −3x1 − 4x2 14
−3x1 + 4x2 + 5 x3 −36
x2 − x3 − 3x4 −6
4x4 − 5x5 14
3x4 + x5 − 5x6 −9
−x5 + 2x6 2
22
Unit 8
Sistem Persamaan Linier 2
Tujuan Praktikum:
1. Mahasiswa dapat menyelesaikan sistem persamaan linier dengan menggunakan
metode matrik.
Landasan Teori:
Penyelesaian persamaan linier dengan metode matrik
2x1 + 6x2 + 10x3 0
x1 + 3x2 + 3x3 2
3x1 + 14x2 + 28x3 −8
• Definisikan matrik A yang merup akan koefisien dari sistem persamaan di atas
• M atrik B merupakan konstanta dari p ersamaan, dan matrik X sebagai variabel y ang akan
dicari
 x1 
2 6 10  0   
A =  1 3 3
 B =  2  X =  x2 
     
3 14 28   −8 
 x3 
• Buatlah suatu persamaan yang mewakili sistem persamaan sebagai berikut
• Untuk mencari nilai X dilakukan dengan mengalikan matrik invers A dengan B
AX B
−1
X = A B
2 
 
X= 1
 
 −1 
Latihan selesaikan contoh latihan di atas dengan metode matrik
23
Unit 9
Evaluasi Integral Numerik
Tujuan Praktikum:
1. Mahasiswa dapat melakukan pendekatan menentukan integral dengan metode
trapesium dan metode Simpson
Landasan Teori:
Integrasi suatu fungsi dinyatakan dalam bentuk :

b
I =  f ( x)dx
a
Yang merupakan integral fungsi f(x) terhadap variabel x yang dihitung dari batas x=a dan
x=b.
Metode Trapesium
Bentuk pendekatan integrasi numerik yang paling sederhana adalah bentuk trapesium,
dimana batas kiri dan batas kanan dari luasan dianggap terhubung secara linier.
y=f(b)
f(a) f(b)
x=a x=b
 f ( x)dx = 2  f (a) + f (b)(b − a) atau

1
Dengan demikian
a
b
 f ( x)dx = 2  f ( x ) + f ( x1 )
h
0
a
dimana h = b – a = lebar trapesium
24
Contoh :
4
I =  e x dx
0
Bentuk integral dapat diselesaikan dengan cara analitis
 
4
I =  e x dx = e x
4
0 = (e 4 − e 0 ) = 53,598150
0
Dengan menggunakan metode trapesium
I=
1
 f (a) + f (b)(b − a) = 1 [e 0 + e 4 ](4 − 0) = 111,1963
2 2
Metode Simpson
Untuk mendapatkan perkiraan yang lebih teliti menggunakan polinomial order tinggi
untuk menghubungkan titik-titik data. Bila terdapat satu titik tambahan di antara f(a) dan
f(b), maka ketiga titik dapat dihubungkan dengan fungsi parabola. Rumus yang
dihasilkan oleh integral dibawah polinomial dikenal dengan metode Simpson.
Persamaan yang digunakan menurut metode Simpson adalah
b−a
 f (a) +4 f  a + b  + f (b)
b
I =  f ( x)dx =
a
6  2 
25
Contoh:
4
I =  e x dx
0
I=
b−a
 
 f (a) +4 f  a + b  + f (b) = 4 − 0 e 0 +4e 2 + e 4 = 56.7696
6  2  6
Latihan Soal :
Hitunglah integral dibawah ini dengan menggunakan pendekatan metode Trapesium dan
metode Simpson
− x − x 2 + 5 x + 3dx sampai 3 angka dibelakang koma

3
1.
0
 xe
x
2. dx
0
3
1
3.  x dx
1
4
4. 
2
x 2 − 4dx
26
Unit 10
Evaluasi Integral Numerik
Tujuan Praktikum:
1. Mahasiswa dapat melakukan pendekatan menentukan integral dengan metode
trapesium dan metode Simpson dengan banyak pias
Landasan Teori:
Metode Trapesium dengan banyak pias:
Bila terdapat n pias maka panjang masing-masing pias adalah:

x = b−a
n
Batas pias dari x0=a ke xn=b
Integral total dari kurva di atas dapat ditulis :
x1 x2 xn
I=  f ( x)dx +  f ( x)dx + .... +  f ( x)dx
x0 x1 xn −1
Substitusi persamaan trapesium ke dalam persamaan tersebut menghasilkan :
n −1
I= x
2
[ f (a) + f (b) + 2 f ( xi )
i =1
27
Contoh :
4
I =  e x dx menggunakan 4 pias
0
4−0
x = b−a
n = =1
4
Luas bidang dihitung dengan
n −1
I= x
2 [ f (a) + f (b) + 2 f ( xi )
i =1
1
= [e 0 + e 4 + 2(e1 + e 2 + e 3 )] = 57.991950
2
Program integrasi dengan metode trapesium banyak pias
b−a
Trap( f  a  b  n) = h
n
S  f( a)
for i  1  n − 1 if n  1
xi  a + hi
S  S + 2 f xi( )
S  S + f( b)
hS
I
2
I
2
 1 x 1 x
 e dx f( x) = e
 x x
1
a = 1 b = 2
n = 2 Trap( f  a  b  n) = 3.097
n = 4 Trap( f  a  b  n) = 3.069
n = 8 Trap( f  a  b  n) = 3.062
n = 20 Trap( f  a  b  n) = 3.0595
28
Dengan Metode MathCad
2
 1 x
 e dx = 3.0591
 x
1
Metode Simpson dengan banyak pias :
Masing-masing panjang pias :

x = b−na
dengan n jumlas pias
Luas total kurva diperoleh dengan menjumlahkan semua pias :

b
 f ( x)dx = A + A
a
1 3 + ... + An −1
Atau diperoleh :
b n −1 n−2
 f ( x)dx = x
3 [ f (a) + f (b) + 4 f ( xi ) + 2 f ( xi )]
a i =1 i =2
n −1
4 f ( xi ) untuk i bilangan ganjil : 1, 3, 5, …
i =1
n−2
2 f ( xi ) untuk I bilangan genap : 2, 4, 6, ...
i =2
29
Contoh:
4
I =  e x dx menggunakan metode Simpson dengan x = 1
0
1
I = [e0 + e4 + 4(e1 + e3 ) + 2e2 ] = 53.863846
3
Program integrasi dengan metode Simpson banyak pias
b−a
Simpson( f  a  b  n) = h
n
S  f( a)
for i 1  3  n − 1
xi  a + hi
S  S + 4 f xi()
for i 2  4  n − 2
xi  a + hi
S  S + 2 f(xi)
S  S + f( b)
hS
I
3
2
 −2 x
 x e d x
1
f( x) = x− 2ex
a = 1 b = 2
Simpson( f  a  b  4) = 2.858
Simpson( f  a  b  6) = 2.759
Simpson( f  a  b  8) = 2.708
Simpson( f  a  b  10) = 2.6761
30
Dengan Metode MathCad
2
 −2 x
 x e dx = 2.0829
1
Latihan Soal :
Hitunglah integral dibawah ini dengan menggunakan pendekatan metode Trapesium dan
metode Simpson
2
x
1. dx dengan interval h=1
−1
2 − x2
2. e
−2
2
dx dengan interval h=1, h=0,5
4
1
3x
2
3. dx dengan interval h=1
0
31
Unit 11
Persamaan Diferensial Biasa (PDB)
Tujuan Praktikum:
1. Mahasiswa dapat menyelesaikan persamaan diferensial biasa dengan pendekatan
metode Euler.
2. Mahasiswa dapat menyelesaikan persamaan diferensial biasa dengan pendekatan
metode Runge Kutta
Landasan Teori:
Metode Euler
Metode s ederhana untuk pendekatan penyelesaian persamaan diferensial
yd f( x  y) dim ana diketahuif( xo  yo) ditulis sebagai
yd f( x  y)
yi − yo
f( xo  yo)
d
y atau
dx xi − xo
yi − yo f( xo  yo) ( x1 − xo) yi yo + hf( xo  yo)
b−a
dim ana h m erupakan step pertam bahan x di titik-titik yang akan dihitung
n
yi yi−1 + hf( xi−1  yi−1) untuk i=1,2 ... n
d 
Contoh :  y x+ y 0 x 1 y0 = 2
 dx 
Carilah nilai y dengan langkah
=0.05
h
Yi yi−1 + hf( xi−1  yi−1)
Untuk i = 1 h = 0.05 x = 0 y = 2
y1 y0 + hf( x0  y0)
y1 = y0 + ( x + y) h 32
y1 = 2.1
Untuk i = 1 h = 0.05 x = 0 y = 2
y1 y0 + hf( x0  y0)
y1 = y0 + ( x + y) h
y1 = 2.1
Untuk i = 2
y2 y1 + hf( x1  y1)
y2 = 2.1 + 0.05( 0.05 + 2.1) y2 = 2.2075
Untuk i = 3
y3 y2 + hf( x2  y2)
y3 = 2.2075 + 0.05( 0.1 + 2.2075) y3 = 2.3229
Untuk i = 4
y4 y3 + hf( x3  3)
y3 = 2.3229 + 0.05( 0.15 + 2.3229) y3 = 2.4465
33
Menggunakan program Euler
d 
 y x+ y
 dx 
Interval 0  x  1 dibagi dalam 20 bagian yang sama, berarti :
1−0
h = h = 0.05 0 x 1
20
f( x  y) = ( x + y) y0 = 2
0 
tspan =   n = 20
1 
Euler( f  tspan y0 n) = a  tspan0

B = Euler( f  tspan y0 n)
b  tspan1
b−a
h 0 1
n 0 0 2
1 0.05 2.1
x0  a
2 0.1 2.208
y0  y0 3 0.15 2.323
4 0.2 2.447
for i  1  n 5 0.25 2.579
xi  a + hi T 6 0.3 2.72
B = 7 0.35 2.871
for i  1  n 8 0.4 3.032
yi  yi−1 + hf( xi−1  yi−1)

9 0.45 3.204
10 0.5 3.387
( T T)
s  stack x  y
11
12
0.55
0.6
3.581
3.788
s 13 0.65 4.007
14 0.7 4.24
15 0.75 4.487
34
Program Runge Kutta Order Dua metode titik tengah
Runge_Kutta2( f  tspan y0 n) = a  tspan0

b  tspan1
b−a
h
n
x0  a
y0  y0
for i  1  n
xi  a + hi
for i  0  n − 1
k1  hf( xi  yi)

k2  hf xi +
h k1 
 yi + 
 2 2 
yi+1  yi + k2
( T
s  stack ( x)  ( y)
T
)
s
d 
 y x+ y
 dx 
f( x  y) = ( x + y)
a = 0 b = 1 0 x 1
b−a
h = h = 0.05
n
0 
y0 = 2 n = 5 tspan =  
1 
Solusi = Runge_Kutta2( f  tspan y0 n)
 0 0.2 0.4 0.6 0.8 1 

Solusi =  
 2 2.46 3.065 3.848 4.846 6.108 
35
Latihan:
Diketahui persamaan diferensial berikut:
dy
= yx 2 − y
dx
y(0)=1
Selesaikan persamaan tersebut dari x=0 sampai x=2 dengan interval x = 0,5
menggunakan :
▪ metode Euler
▪ metode Runge Kutta
36

Modul Prak MetNumerik 2020

Diunggah oleh

Informasi Dokumen

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

Modul Prak MetNumerik 2020

Diunggah oleh

Hak Cipta:

Format Tersedia

Modul Praktikum Metode Numerik

YAYASAN ADI UPAYA (YASAU)

LABORATORIUM KOMPUTASI DAN PERANCANGAN

Hasilnya adalah c(x)=x6+6x5+20x4+50x3+75x2+84x+64

6. Carilah akar persamaan berikut:

Pertama kita cari logaritma dari masing-masing elemen

log(x) 0 0.3010 0.4771 0.6021 0.6990 0.7782 0.8451 0.9031 0.9542 1

0.5832 = log( y) − log( x)1.458

Carilah nilai fungsi pada titik x = 5,8

2. Carilah fungsi untuk data berikut :

Ukuran Waktu tunda pengiriman data

Jarak vertikal antara kurva terpotong-potong dengan point data merupakan

Dalam MATLAB, fungsi polyfit menyelesaikan masalah pencocokan kurva

Bandingkan kurva pada soal dan kurva fungsi anda!

Penyelesaian dengan P rogram MathCad dilakukan seperti berikut :

Buat data X dengan perintah :

Definisikan variabel X : lanjutkan dengan p erintah : Insert, Matrix

Isi Rows : 11 dan Column :1

Dengan cara yang sama buatlah data Y:

Buatlah fungsi eksponen expfit dengan mendefinisikan variabel efit:

Isikan data X dan Y yang telah dibuat pada fungsi expfit

Kemudian carilah koefisien dari suatu fungsi

Buatlah variabel a, b, c yang merupakan koefisien dari fungsi

Untuk membuat subcript gunakan tanda pada keyboard [

a = efit b = efit c = efit b x

Gambarkan fungsi tersebut dengan PerintahInsert,

Pada placeholder horisontal (sumbu mendatar) isi dengan variabel X, sedangkan

placeholder vertikal isi dengan variabel Y

Untuk membuat grafik hasil fungsi interpolasi :

memberi koma pada variabel X.

0 0.2 0.4 0.6 0.8

Mencari akar persamaan yang sederhana :

1. Metode Pendekatan Berurutan

Sebagai pendekatan dipilih misal x 0 , pendekatan selanjutnya diambil :

2. Metode Newton Raphson.

Yang dapat disusun kembali menjadi :

Metode Biseksi merupakan metode paling sedeerhana yang digunakan untuk

Jika akar persamaan berada di antara x1 dan x2, maka :

Carilah nilai akar 3 dengan Metode Biseksi

Masing masing hasil perhitungan ditampilkan dalam tabel berikut

x1 x2 m f(x1 ) f(x2 ) f(m)

Latihan : Gunakan metode Biseksi untuk menentukan akar-akar persamaan:

Tentukan nilai perkiraan antara interval 5 < x < 6

Tentukan nilai perkiraan antara interval -1 < x < 0

Program mencari akar persamaan kuadrat

Newton( f  df  x0  tol max) = x0  x0

Akar = Newton( f  g  x0  tol max)

Fungsi untuk mencari akar polinom

Perintah : S ym bolics, Variable, S olve

Program menentukan akar dengan metode Biseksi

Bisec( f  a0  b0  tol max) = a0  a0

Langkah 1 Menghilangkan x1 pada persamaan (2) dan (3)

Langkah 2 Menghilangkan x2 dari persamaan (3)

Langkah 3 Substitusi balik, hasil dari langkah 2 disubstitusikan ke persamaan (2)

Berikut adalah list Program Eliminasi Gauss

Penyelesaian contoh di atas dengan p rogram Eliminasi Gauss

Definisikan matrik A, B, dan X sebagai berikut :

M asukkan variabel A dan B pada program tersebut, kemudian ketik tanda =

Selesaikan p ersamaan berikut dengan Eliminasi Gauss

2x1 − 2x2 + 5x3 10 −x2 + 4x3 + x4 11

−3x1 + 4x2 + 5 x3 −36

Penyelesaian persamaan linier dengan metode matrik

2x1 + 6x2 + 10x3 0

3x1 + 14x2 + 28x3 −8