MAKALAH METODE NUMERIK

Disusun untuk Memenuhi UAS Mata Kuliah Metode Numerik

Dosen Pembimbing:
Nurul Imamah AH. M.Si

Disusun oleh:
Yunita Romadani 1810251007

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS MUHAMMADIYAH JEMBER
2021
 KATA PENGANTAR

Segala puji dan syukur kita panjatkan kepada Allah SWT atas Rahmat-Nya
yang selama ini kita dapatkan, yang memeberi hikmah dan yang paling bermanfaat
bagi seluruh umat manusia, oleh karenanya saya dapat menyelesaikan tugas
Metodologi Penelitian dengan baik dan tepat pada waktunya. Ada pula maksud atau
tujuan dari penyusunan makalah ini ialah untuk memenuhi salah satu tugas yang
diberikan oleh dosen pada mata kuliah Metode Numerik.

Dalam proses penyusunan makalah ini saya menjumpai berbagai hambatan,

namun berkat dukungan dari berbagai pihak, akhirnya saya dapat menyelesaikan
tugas ini dengan cukup baik, maka pada kesempatan ini saya menyampaikan
terimakasih dan penghargaan setinggi-tingginya kepada pihak terkait yang telah
membantu terselesaikannya tugas ini.

Makalah ini jauh dari kesempurnaan, oleh karena itu saya mengharapkan segala
saran dan kritik yang membangun dari semua pihak sangat saya harapkan demi
perbaikan pada tugas selanjutnya. Harapan saya semoga tugas ini memberikan ilmu
dan manfaat, khususnya bagi saya dan para pembaca sekalian.

Jember, 8 Februari 2021

Penyusun

ii
 DAFTAR ISI

Contents
KATA PENGANTAR..............................................................................................................ii
DAFTAR ISI...........................................................................................................................iii
BAB I.......................................................................................................................................1
PENDAHULUAN...................................................................................................................1
1.1 Latar Belakang.........................................................................................................1
1.2 Rumusan Masalah....................................................................................................1
1.3 Tujuan......................................................................................................................1
BAB II.....................................................................................................................................2
ISI............................................................................................................................................2
2.1 Metode Numerik......................................................................................................2
2.2 Pendekatan dan Kesalahan.......................................................................................2
2.2.1. Kesalahan Mutlak (Absolut).............................................................................4
2.2.2. Kesalahan Relatif.............................................................................................4
2.3 Sistem Persamaan Non-Linear.................................................................................5
2.3.1. Metode Biseksi (Bisection)...............................................................................5
2.3.2. Metode Regula Falsi (False Position)...............................................................7
2.3.3. Metode Newton-Raphson...............................................................................10
2.3.4. Metode secant.................................................................................................10
2.3.5. Metode Iterasi Tetap (Fixed Point Iteration)...................................................11
2.4 Sistem Persamaan Linier........................................................................................13
2.4.1. Algoritma Eliminasi Gauss/ Gauss Naif.........................................................13
2.4.2. Algoritma Gauss Jordan.................................................................................14
2.4.3. Algoritma Gauss Seidel..................................................................................15

iii
 2.5 Turunan Numerik...................................................................................................17
2.5.1. Persoalan Turunan Numerik...........................................................................17
2.5.2. Tiga Pendekatan dalam Menghitung Turunan Numerik.................................17
2.5.3. Ringkasan Rumus-Rumus Turunan................................................................18
2.6 Integrasi Numerik...................................................................................................20
2.6.1. Metode Trapezium.........................................................................................21
2.6.2. Metode Simpson.............................................................................................22
2.6.3. Metode Quadratik Gauss................................................................................24
BAB III..................................................................................................................................27
PENUTUP.............................................................................................................................27
3.1 Kesimpulan............................................................................................................27
DAFTAR PUSTAKA............................................................................................................29

iv
v
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Metode Numerik adalah teknik-teknik yang digunakan untuk
memformulasikan masalah matematis agar dapat dipecahkan dengan operasi
perhitungan. Metode numeric secara umum merupakan salah satu mata kuliah
yang diajarkan di jurusan pendidikan matematika maupun matematika murni.
Metode Numerik dianggap penting karena mengajarkan mahasiswa
memecahkan suatu kasus dengan memakai berbagai cara dan pemodelan.
Yang termasuk program paket numerik, misalnya Microsoft Excel,
MATLAB, maple, dan sebagainya.
Metode numerik merupakan salah satu mata kuliah yang dianggap
sulit oleh mahasiswa pendidikan matematika. Mahasiswa pendidikan
matematika adalah calon pendidik atau guru matematika yang berperan aktif
untuk meningkatkan kemampuan matemais siswa di masa akan dating. Oleh
karena itu, peran dosen pendidikan matematika sangat diperlukan untuk
meningkatkan kemampuan matematis mahasiswa calon guru.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan Metode Numerik?
2. Apa yang dimaksud Pendekatan dan Kesalahan dalam Metode
Numerik?
3. Apa yang dimaksud Sistem Persamaan Non-Linear?
4. Apa yang dimaksud Sistem Persamaan Linear?
5. Apa yang dimaksud Turunan Numerik?
6. Apa yang dimaksud Integrasi Numerik?

1.3 Tujuan
1. Untuk mmahami pengertian metode numerik
2. Untuk memahami Pendekatan dan Kesalahan dalam Metode Numerik
3. Untuk memahami Sistem Persamaan Non-Linear
4. Untuk memahami Sistem Persamaan Linear
5. Untuk memahami Turunan Numerik

1
 2

6. Untuk memahami Integrasi Numerik

 BAB II

ISI

2.1 Metode Numerik

Metode numerik merupakan teknik penyelesaian permaslahan yang
diformulasikan secara matematis dengan menggunakan operasi hitungan
(aritmatik) yaitu operasi tambah, kurang, kali, dan bagi. Metode ini digunakan
karena banyak permasalahan matematis tidak dapat diselesaikan
menggunakan metode analitik. Jikapun terdapat penyelesaiannya secara
analitik, proses penyelesaiannya sering kali cukup rumit dan memakan banyak
waktu sehingga tidak efisien.
Terdapat keuntungan dan kerugian terkait penggunaan metode numerik.
Keuntungan dari metode ini antara lain:
 Solusi persoalan selalu dapat diperoleh.
 Dengan bantuan komuputer, perhitungan dapat dilakukan dengan
cepat serta hasil yang diperoleh dapat dibuat sedekat mungkin dengan
nilai sesungguhnya.
 Tampilan hasil perhitungan dapat disimulasikan.

Adapun kelemahan metode ini antara lain:

 Nilai yang diperoleh berupa pendekatan atau hampiran.

 Tanpa bantuan komupter, proses perhitungan akan berlangsung lama
dan berulang-ulang.

2.2 Pendekatan dan Kesalahan

Metode numerik digunakan untuk menyelesaikan persoalan dimana
perhitungan secara analitik tidak dapat digunakan. Metode numerik berangkat
dari pemikiran bahwa permasalahan dapat diselesaikan dengan menggunakan
pendekatan-pendekatan yang dapat dipertanggungjawabkan secara analitik.
Metode numerik ini disajikan dalam bentuk algoritma-algoritma yang dapat
dihitung secara cepat dan mudah.

Pendekatan yang digunakan dalam metode numerik merupakan

pendekatan analisis matematis. Sehingga dasar pemikirannya tidak keluar jauh

3
 4

dari dasar pemikiran analitis, hanya saja pemakaian grafis dan teknik
perhitungan yang mudah merupakan pertimbangan dalam pemakaian metode
numerik. Mengingat bahwa algoritma yang dikembangkan dalam metode
numerik adalah algoritma pendekatan maka dalam algoritma tersebut akan
muncul istilah iterasi yaitu pengulangan proses perhitungan. Dengan kata lain
perhitungan dalam metode numerik adalah perhitungan yang dilakukan secara
berulang-ulang untuk terus- menerus diperoleh hasil yang main mendekati
nilai penyelesaian exact.

Dengan menggunakan metode pendekatan semacam ini, tentunya setiap

nilai hasil perhitungan akan mempunyai nilai error (nilai kesalahan). Dalam
analisa metode numerik, kesalahan ini menjadi penting artinya. Karena
kesalahan dalam pemakaian algoritma pendekatan akan menyebabkan nilai
kesalahan yang besar, tentunya ini tidak diharapkan. Sehingga pendekatan
metode analitik selalu membahas tingkat kesalahan dan tingkat kecepatan
proses yang akan terjadi.

Faktor-faktor yang menyebabkan kesalahan pada metode numeric antara lain:

 Bawaan data: kesalahan ini muncul akibat adanya kekeliruan dalam
memberikan data dan kesalahan dalam mengambil asusmis terhadap data.
 Pembulatan (rounding): kesaslahan ini terjadi akibat penentuan jumlah
angka di belakang koma.
Contoh : bilangan 0.61234567 sebanyak 7 digit, menjadi 0.612347
sebanyak 6 digit karena pembatasan alokasi digit bilangan.
 Pemotongan (chopping) : kesalahan oleh proses ini timbul pada angka
pecahan, yang nilai diambil sebagai angka pecahan yang dinormalisir.
Contoh : 0.6666666… menjadi 0.66

Dalam bilangan berbentuk pecahan dikenal suatu istilah Angka

signifikan, yang merupakan angka-angka yang terdapat dalam bilangan
pecahan yang berpengaruh dalam perhitungan.

Angka signifikan tersebut adalah:

1. Merupakan angka 1 s/d 9.

2. Angka 0 dibelakan koma sebelum ada angka 1 s/d 9 di abaikan.

Contoh:

0.0005813 memiliki 4(empat) angka signifikan, sedangkan 0.700124

mempunyai 6(enam) angka signifikan.
 5

2.2.1. Kesalahan Mutlak (Absolut)

Kesalahan mutlak dari suatu angka, pengukuran, atau perhitungan adalah
perbedaan numerik nilai sesungguhnya terhadap nilaii pendekatan yang
diberikan, atau yang diperoleh dari hasil perhitungan atau pengukuran.

Rumus:

Kesalahan (Error) = Nilai Eksak – Nilai Perkiraan

E = P – P*

Dimana:

E = Kesalahan Absolut

P = Nilai eksak

P*= Nilai Perkiraan

2.2.2. Kesalahan Relatif

Kesalahan relative adalah kesalahan mutlak dibandingkan dengan terhadapa
nilai eksak yang terjadi.

Rumus:

E P−P¿
e= =
P P

Dimana:

= Kesalahan relative terhadap nilai eksak

E = Kesalahan Absolut

P = Nilai eksak

P*= Nilai Perkiraan

 6

2.3 Sistem Persamaan Non-Linear

Solusi suatu persamaan non-linear dengan satu variable x (simbolkan saja
f(x)) adalah akar dari persamaan non-linear tersebut. Secara matematis
dituliskan: f ( x )=0

Interpretasi geometris dari solusi persamaan non-linear tersebut

sebenarnya adalah titik potong antara kurva fungsi y = f(x) dan sumbu x.
berikut adalah contoh-contoh persamaan non-linear:

1. f ( x )=12−5 x +3 x 2+ 2 x 4 −x 5

x 3−2 x2 +5 x−13
2. f x =
( ) −10=0
2 x +9

3. f ( x )=x−2e x =0

Metode numeric yang dapat digunakan untuk memperoleh solusi dari

persamaan non-linear antara lain:

1. Metode Biseksi (Bisection)

2. Metode Regula Falsi (False Position)

3. Metode Newton-Raphson

4. Metode secant

5. Metode Iterasi Tetap (Fixed Point Iteration)

2.3.1. Metode Biseksi (Bisection)

Secara ringkas, algoritma penarian solusi persamaan non-linear
dengan menggunakan metode biseksi dapat dijelaskan pada diagram alir dari
berikut:
 7

Hal yang mendasari penamaan metode ini adalah bahwa proses pencarian akar
dilakukan dengan membagi dua interval yang dicurigai mengandung akar
pada tiap iterasinya. Hal-hal yang perlu diperhatikan dalam metode biseksi
adalah:
 Fungsi harus kontinu pada interval x n dan x n+1
 Menentukan x n dan x n+1 dapat diperoleh dengan membuat grafik
fungsinya terlebih dahulu maupun dengan try-and-error sedemikian
sehingga f ( x n ) . f ( x n+1 ) < 0 (bernilai negative)
 Nilai toleransi (error, dilambangkan ) dapat ditentukan oleh pengguna
ataupun didasarkan pada bidang ilmu dan kebutuhan dari permasalahan
yang dihadapi.

Kelebihan metode Biseksi adalah selalu berhasil menemukan akar

(solusi) yang dicari, atau dengan kata lain selalu konvergen. Sementara
kekurangan dari metode Biseksi diantaranya:

1) Metode biseksi hanya dapat dilakukan apabila ada akar persamaan pada
interval yang diberikan.

2) Jika ada beberapa akar pada interval yang diberikan maka hanya satu akar
saja yang dapat ditemukan.

3) Memiliki proses iterasi yang banyak sehingga memperlama proses

penyelesaian. Tidak memandang bahwa sebenarnya akar atau solusi yang
dicari dekat sekali dengan batas interval yang digunakan.

Hal yang terlebih dahulu harus ditentukan dalam metode biseksi adalah
menentukan batas bawah (a) dan batas atas (b). Kemudian dicari nilai tengah:
a+b
¿ . secara matematis, akan terdapat akar persamaan bila f(a) dan f(b)
2
dalam suatu range berlawanan tanda atau f(a) x f(b) < 0

Agoritma Metode Biseksi

1. Definisikan fungsi f(x) yang akan dicari akarnya

2. Tentukan nilai a dan b
3. Tentukan torelansi e dan iterasi maksimum N
4. Hitung f(a) dan f(b)
5. Jika f(a).f(b)>0 maka proses dihentikan karena tidak ada akar, bila tidak
dilanjutkan
6. Hitung x=(a+b)/2
7. Hitung f(x)
 8

8. Bila f(x).f(a)<0 maka b=x dan f(b)=f(x), bila tidak a=x dan f(a)=f(x)
9. Jika |b-a|<e atau iterasi>iterasi maksimum maka proses dihentikan dan
didapatkan akar = x, dan bila tidak, ulangi langkah 6.

Contoh :

Selesaikan persamaan f ( x )=xe− x +1 dengan range x=[−1,0 ]! Dan hasi

outputnya adalah…

Jawab :

Diketahui :

(a) = -1

(b) = 0

Jumlah iterasi = 10

Iteras a b x F(x) F(a) keterangan

i
1 -1,0000 0,0000 -0,5000 0,1756 -1,7183 Berlawanan tanda
2 -1,0000 -0,5000 -0,7500 -0,5878 -1,7183
3 -0,7500 -0,5000 -0,6250 -0,1677 -0,5878
4 -0,6250 -0,5000 -0,5625 -0,0128 -0,1677 Berlawnan tanda
5 -0,6250 -0,5625 -0,5938 -0,0751 -0,1677
6 -0,5938 -0,5625 -0,5781 -0,0306 -0,0751
7 -0,5781 -0,5625 -0,5703 -0,0088 -0,0306
8 -0,5703 -0,5625 -0,5664 -0,0020 -0,0088 Berlawanan tanda
9 -0,5703 -0,5664 -0,5684 -0,0034 -0,0088
10 -0,5684 -0,5664 -0,5674 -0,0007 -0,0034

Untuk menghentikan iterasi metode biseksi dapat dilakukan dengan

menggunakan toleransi error atau iterasi maksimum.
Metode biseksi dengan toleransi error 0,001 dibutuhkan 10 iterasi, semakin
teliti (kecil toleransi errornya) maka semakin besar jumlah iterasi yang
dibutuhkan

2.3.2. Metode Regula Falsi (False Position)

Pada prinsipnya algoritma metode Regula Falsi sangat mirip dengan algoritma
metode Biseksi, yang membedakan hanyalah mengganti rumus pencarian
x n+1 + x n * x n+1 - xn
x mid = pada algoritma biseksi menjadi x = x n -f (x n )( )
2 f(xn+1 )-f( x n)
 9

untuk mereduksi interval yang dicurigai mengandung akar. Berikut adalah

representasi grafis dari metode Regula Falsi:

Rumus memperoleh 𝑥∗ (atau dalam grafik disajikan dengan huruf c) diperoleh

dengan memanfaatkan prinsip kesebangunan pada segitiga Pcb dan segituga
PQR. Sehingga diperoleh:
Pb PR f ( b )−0 f ( b )−f (a) b−a
=
bc RQ
↔
b−c
=
b−a (
↔ c=b−f ( b ) )
f ( b )−f ( a )
Grafik berikut mengilustrasikan proses iteratif dalam pencarian akar
persamaan nonlinier dengan menggunakan metode Regula Falsi:

Algoritma Metode Regula Falsi

 10

1. Definisikan fungsi f(x)
2. Tentukan rentang untuk xx yang berupa batas bawah a dan batas atas b.
3. Tentukan nilai toleransi e dan iterasi maksimum N
4. Hitung f(a) dan f(b)
5. Untuk iterasi i=1 s/d N

 Hitung nilai x
 Hitung f(x)
 Hitung error=|f(x)|
 Jika f(x).f(a)<0,maka b=x dan  f(b)=f(x).Jika tidak, a =x dan f(a)=f(x).

6. Akar persamaan adalah x

Contoh:
Dengan metode rehula falsi, tentukanlah akar dari persamaan
f ( x )=x 2−5 x +4 dengan galat sebesar 0,001

Jawab:

 Langkah 1: tentukan nilai interval awal [a,b]. missal a=2 dan b=5, e =
0,001
 Langkah 2: cek konvergensi nilai f(a) dan f(b)
a = 2 maka f(2) = -2
b = 5 maka f(5) = 4
karena tanda f(a) f(b) maka nilai awal dapat digunakan untu k iterasi
selanjutnya
 Langkah 3: lakukan iterasi dan tentukan nilai c (hitung akar)
a . f ( b )−b . f ( a)
Dengan rumus c= maka iterasinya
f ( b )−f (a)

iterasi A B f(a) f(b) f(c) c

0 2 5 -2 4 -2 3
1 3 5 -2 4 -0,889 3,667
2 3,667 5 -0,889 4 -0,264 3,909
3 3,909 5 -0,264 4 -0,069 3,977
4 3,977 5 -0,069 4 -0,018 3,994
5 3,994 5 -0,018 4 -0,004 3,999
6 3,999 5 -0,004 4 -0,001 4
7 4 5 -0,001 4 0 4
 Iterasi dihentikan karena nilai c6 = c7 (konstan) dan f(c) = 0, sehingga
diperoleh akar dari persamaan adalah 4 pada iterasi ke 7
 11

2.3.3. Metode Newton-Raphson

Metode Newton-Raphson merupakan metode penyelesaian persamaan non-
linier dengan menggunakan pendekatan satu titik awal dan mendekatinya
dengan memperhatikan slope atau gradien. titik pendekatan
( x ¿¿ n)
x n+1=x n −f ¿
f ' ( x ¿¿ n) ¿

Algoritma Metode Newton-Raphson

1. Definisikan f(x)dan f′(x)
2. Tentukan nilai toleransi e dan iterasi masimum (N)
3. Tentukan tebakan awal x0
4. Hitung f(x0)dan f′(x0)
5. Untuk iterasi i=1s/d N atau |f(x)|≥e, hitung x menggunakan Persamaan
diatas
6. Akar persamaan merupakan nilai xi terakhir yang diperoleh

Contoh:
f ( x )=x 2−5 x +6 x=0
f ' ( x )=2 x−5 e = 0,02
Penyelesaian:

Iteras
i x C f(x) f'(x) f( c )
1,66666
1 1 7 2 -3 0,444444
1,66666 1,93333 0,44444
2 7 3 4 -1,66667 0,071111
1,93333 1,99607 0,07111
3 3 8 1 -1,13333 0,003937
1,99607 1,99998 0,00393
4 8 5 7 -1,00784 1,53E-05
1,99998
5 5 2 1,53E-05 -1,00003 2,33E-10
6 2 2 2,33E-10 -1 0

Iterasi dihentikan karena f( c ) > 0, sehingga diperoleh akar dari persamaan

adalah 2 dari iterasi 6
 12

2.3.4. Metode secant

Metode Sekan disebut juga metode Interpolasi Linear. Dalam proses

pencarian akar, tidak harus dilakukan penjepitan akar oleh interval awal yang
menjadi masukan/input dari metode ini. Dengan demikiam, nilai dari f(x0)
dan f(x1) mungkin saja bertanda sama. Secara umum, algortima pencarian
dengan menggunakan metode Sekan dapat dirangkum sebagai berikut:
 Tentukan nilai x0 dan x1 sebagai masukan, sehingga diperoleh interval
[x0, x1];
 Hitung nilai x2 , yang dicari dengan rumus:
( x¿¿ 1)(x 0−x 1)
x 2=x 1−f ¿
f ( x¿¿ 0)−f ( x ¿¿ 1)¿ ¿
 Untuk menjalankan iterasi berikutnya, maka lakukan perubahan nilai
dengan prinsip pergeseran berikut: x 0 ← x 1 , x 1 ← x2 sehingga akan
diperoleh interval [ x0 , x 1] yang baru
 Iterasi berlangsung sampai batas maksimum atau sampai dipenuhinya
batas toleransi (𝜀)

Catatan: Jika interval masukan awal [x0, x1] mencapit akar, maka metode ini
akan menyerupai metode Regula Falsi. Hanya saja, pada metode Sekan tidak
pernah dilakukan pemeriksaan kesamaan tanda antara dua nilai seperti pada
metode Regula Falsi. Pada metode Sekan, penggantian interval adalah mutlak
sesuai prinsip pergeseran pada algoritma yang diberikan di atas.
Contoh:
Fungsi x−2 sin x=0
X0 = 2
X1 = 1,9
x n+1=x n −¿ ¿

Misalkan ¿ ¿ dan

x n−x n−1 +2¿

n Xn-1 Xn Nn Dn Xn+1 (Xn+1) - Xn

1 2,000000 1,900000 -0,000740 -0,174005 1,895747 -0,004253
2 1,900000 1,895747 -0,000002 -0,006985 1,895495 -0,000252
3 1,895747 1,895495 0,000000 -0,000414 1,895494 -0,000001
4 1,895495 1,895494 0,000000 -0,000001 1,895494 0,000000
 13

5 1,895494 1,895494 0,000000 0,000000 1,895494 0,000000

2.3.5. Metode Iterasi Tetap (Fixed Point Iteration)

Metode iterasi titik tetap merupakan metode penyelesaian persamaan non-

linier dengan cara menyelesaikan setiap variabel x yang ada dalam suatu
persamaan dengan sebagian yang lain sehingga diperoleh x=g(x) untuk
masing-masing variabel x. Sebagai contoh, untuk menyelesaikan
persamaan x+ex=0, maka persamaan tersebut perlu diubah menjadi x=ex
atau g(x)=ex. Secara grafis metode ini diilustrasikan seperti Gambar

Algoritma Metode Iterasi Titik Tetap

1. Definisikan f(x) dan g(x)
2. Tentukan nilai toleransi e dan iterasi masimum (N)
3. Tentukan tebakan awal x0
4. Untuk iterasi i=1 s/d N atau f(xiterasi)≥e→xi=g(xi−1), Hitung f(xi)
5. Akar persamaan adalah x terakhir yang diperoleh

Contoh :

Fungsi yang diuji : f ( x )=e−x −x

x0 = -1 n=18
e = 0,000116

iterasi xi f(x)=e^-x-x g(x)= e^-x error keterangan

0 -1 3,718281828 2,718281828 3,718281828 Belum Terpenuhi
 14

1 2,718281828 -2,652293793 0,065988036 -2,652293793 Belum Terpenuhi

2 0,065988036 0,870154029 0,936142064 0,870154029 Belum Terpenuhi
3 0,936142064 -0,544004301 0,392137763 -0,544004301 Belum Terpenuhi
4 0,392137763 0,28347327 0,675611033 0,28347327 Belum Terpenuhi
5 0,675611033 -0,166765629 0,508845404 -0,166765629 Belum Terpenuhi
6 0,503845404 0,092343905 0,601189309 0,092343905 Belum Terpenuhi
7 0,601189309 -0,053029991 0,548159317 -0,053029991 Belum Terpenuhi
8 0,548159317 0,029853452 0,57801277 0,029853452 Belum Terpenuhi
9 0,57801277 -0,01700065 0,56101212 -0,01700065 Belum Terpenuhi
10 0,56112121 0,009619105 0,570631224 0,009619105 Belum Terpenuhi
11 0,570631224 -0,005462646 0,565168578 -0,005462646 Belum Terpenuhi
12 0,565168578 0,003095764 0,568264342 0,003095764 Belum Terpenuhi
13 0,568264342 -0,001756492 0,56650785 -0,001756492 Belum Terpenuhi
14 0,56650785 0,000995941 0,567503791 0,000995941 Belum Terpenuhi
15 0,567503791 -0,000564919 0,566938872 -0,000564919 Belum Terpenuhi
16 0,566938872 0,000320365 0,67259237 0,000320365 Belum Terpenuhi
17 0,567259237 -0,000181701 0,567077536 -0,000181701 Belum Terpenuhi
18 0,567077536 0,000103048 0,567180584 0,000103048 Terpenuhi

2.4 Sistem Persamaan Linier

Misal terdapat SPL dengan n buah variabel bebas
a11 x 1 +a12 x2 +a13 x3 +…+a1 n x n =C1
a21 x 1 + a22 x 2 + a23 x 3 +…+ a2 n xn =C 2
⋮
am 1 x 1 +a m 2 x 2 + am 3 x 3 +…+ amn x n=C n
Matriks:

a11 a12 … a1n x1 C1

[ a 21
a 31
⋮
an 1
a22
a32
⋮
a n2
…
…
⋯
…
a2n
a3n
⋮
a nn
][ ] [ ]
x2

⋮
xn
C2
x3 = C 3
⋮
Cn

Penyelesaian Sistem Persamaan Linear (SPL)

 Algoritma Gauss Naif
 Algoritma Gauss Jordan
 15

 Algoritma Gauss Seidel

2.4.1. Algoritma Eliminasi Gauss/ Gauss Naif

1. Membagi persamaan pertama dengan koefisien a11. Langkah tersebut
disebut normalisasi. Tujuan normalisasi ini adalah agar koefisien dari x1
berubah menjadi 1.
2. Kalikan persamaan yang telah dinormalisasi (dalam hal ini persamaan
pertama) dengan koefisien pertama dari persamaan kedua (yaitu a21).
3. Mengurangkan baris kedua dan ketiga dengan baris pertama
4. Kalikan persamaan pertama yang sudah dinormalisasi dengan koefisien
tertentu sehingga a11 = a31.
5. Kurangkan persamaan ketiga dengan hasil dari yang didapat dari langkah
4.
6. Baris kedua dibagi dengan koefisien a22. Langkah ini disebut
NORMALISASI untuk persamaan kedua. Tujuannya adalah agar
koefisien x2 berubah menjadi 1.
7. Kalikan persamaan kedua yang sudah dinormalisasi pada langkah ke-6
dengan suatu koefisien tertentu sehingga a22 = a32.
8. Kurangkan persamaan ketiga dengan persamaan kedua hasil dari langkah
ke-7.

2.4.2. Algoritma Gauss Jordan

Dengan metode Gauss Jordan matriks A diubah sedemikian rupa sampai
terbentuk identitas dengan cara :
[A | I] X = C diubah menjadi [I | A-1] X = C*
C* merupakan matriks C yang sudah mengalami beberapa kali transformasi,
sehingga :

x1 C1
1 0 0 … 0 x 1=C 1

][ ] [ ]
¿

[
¿

0 1 0 … 0 x2 C2
¿

0 0 1 … 0| A
−1
x3 = C3
¿
x 2=C 2 ¿

⋮ ⋮ ⋮ … ⋮
0 0 0 … 1
⋮ ⋮ x n=Cn ¿
xn Cn
¿

Contoh:
Selesaikan system persamaan lanjar dibawah ini dengan metode eliminasi
gauss-jordan
 16

3 x 1−¿ 0.1 x 2−¿ 0.2 x 3=7.85

0.1 x 1+¿ 7 x 2−¿ 0.3 x 3=−19.3
0.3 x 1−¿ 0.2 x 2 +¿ 10 x 3=714

2.4.3. Algoritma Gauss Seidel

 Sering dipakai untuk menyelesaikan persamaan yang berjumlah besar.
 Dilakukan dengan suatu iterasi yang memberikan harga awal untuk x1
= x2 = x3 = ... = xn = 0.
 Metode ini berlainan dengan metode Gauss Jordan dan Gauss Naif
karena metode ini menggunakan iterasi dalam menentukan harga x 1,
x2, x3, ..., xn.
 Kelemahan metode eliminasi dibandingkan metode iterasi adalah
metode eliminasi sulit untuk digunakan dalam menyelesaikan SPL
berukuran besar.

1. Beri harga awal x1 = x2 = x3 = ... = xn = 0

C1 −( a12 x 2 + a13 x 3 + a14 x 4 +…+a 1n x n )
x 1=
2. Hitung a 11 karena x2 = x3 = x4
C1
x 1=
= ... = xn = 0, maka a11
3. x1 baru yang didapat dari tahap 2 digunakan untuk menghitung x2.
Baris 2  a21x1 + a22x2 + a23x3 + ... + a2nxn = C2
C −a x −a x −…−a2 n x n
x 2= 2 21 1 23 3
a22
C −a x
x 2= 2 21 1
a 22
4. Menghitung x3
Baris 3  a31x1 + a32x2 + a33x3 + ... + a3nxn = C3
a33x3 = C3 – a31x1 – a32x2 – … – a3nxn
C −a x −a x −a x −…−a3 n x n
x 3= 3 31 1 32 2 34 4
a33
 17

C 3−a31 x 1 −a32 x 2
x 3=
a 33
5. Cara ini diteruskan sampai ditemukan xn.
6. Lakukan iterasi ke-2 untuk menghitung x1, x2, x3, ..., xn baru
C 1−a12 x 2 −a13 x 3 −…−a1n xn
x1 =
a 11
C −a x −a x −…−a2 n x n
x2 = 2 21 1 23 3
a 22
⋮
C n −a11 x 1 −a12 x 2 −a13 x 3−…−a1 (n−1 ) x n−1
xn =
ann

7. Mencari kesalahan iterasi |a| dengan cara:

xi (baru ) −x i( lama)
xi ⇒|ε a|=| |∗100 %
xi (baru )
⋮
x n (baru ) −x n(lama )
xn ⇒|ε a|=| |∗100 %
x n (baru )
8. Iterasi diteruskan sampai didapat |a| < |s|

Contoh:
Selesaikan sistem persamaan berikut dengan metoda Gauss-Seidel
10x – 5y – 2z = 3
4x – 10y + 3z = −3
x + 6y + 10z = 3
Solusi: Untuk menerapkan metoda ini, pertama harus dicek bahwa elemen
diagonal melebihi nilai elemen lainnya.
→10 > 5 + 2 ; 10 > 4 + 3 ; 10 > 1 + 6. Sehingga metoda iterasi dapat diterapkan

iterasi x y z
4 0.34079485 0.28516746 -0.50517996
5 0.3415547 0.28506792 -0.505196229
6 0.3414947 0.2850390 -0.5051728
7 0.3414849 0.28504212 -0.5051737
 18

sehingga solusinya adalah x=0.341. y=0.285, z=-0.505

2.5 Turunan Numerik

f ( x +h )−f ( x)
Turunan fungsi didefinisikan sebagai f ' ( x )=lim
h→ 0 h

Persoalan menghitung turunan fungsi cukup banyak muncul dalam bidang

rekayasa. Misalnya dalam bidang pengolahan citra (image processing),
turunan fungsi diterapkan untuk mendeteksi sisi (edge) obyek pada suatu citra
(lihat bagian terakhir bab ini). Sementara dalam perhitungan numerik sendiri,
turunan fungsi dalam orde yang lebih tinggi, f ', f ", f "', ..., kadang-kadang
diperlukan.

2.5.1. Persoalan Turunan Numerik

Persoalan turunan numerik ialah menentukan hampiran nilai turunan
fungsi f yang diberikan dalam bentuk tabel. Meskipun metode numerik untuk
menghitung turunan fungsi tersedia, tetapi perhitungan turunan sedapat
mungkin dihindari. Alasannya, nilai turunan numerik umumnya kurang teliti
dibandingkan dengan nilai fungsinya. Dalam kenyataannya, turunan adalah
limit dari hasil bagi selisih: yaitu pengurangan dua buah nilai yang besar
( f(x+h) - f(x) ) dan membaginya dengan bilangan yang kecil (h). Pembagian
ini dapat menghasilkan turunan dengan galat yang besar. Lagi pula, jika
fungsi f dihampiri oleh polinom interpolasi p, selisih nilai fungsi mungkin
kecil tetapi turunannya boleh jadi sangat berbeda dengan nilai turunan
sejatinya. Hal ini masuk akal sebab turunan numerik bersifat "halus", dan ini
berlawanan dengan integrasi numerik, yang tidak banyak dipengaruhi oleh
ketidaktelitian nilai fungsi, karena integrasi pada dasarnya adalah proses
penghalusan

2.5.2. Tiga Pendekatan dalam Menghitung Turunan Numerik

Misal diberikan nilai-nilai x di x0 - h, x0 , dan x0 + h, serta nilai fungsi untuk
nilainilai 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 (forward difference approximation)

 19

'
f ( x 0 +h ) −f ( x 0) f 1−f 0
f (x 0 )= =
h h

2. Hampiran selisih-mundur (backward difference approximation)

'
f ( x 0 ) −f ( x 0−h ) f 0−f 1
f (x 0 )= =
h h

3. Hampiran selisih-pusat (central difference approximation)

'
f ( x 0 +h ) −f (x 0−h) f 1−f −1
f (x 0 )= =
h h

2.5.3. Ringkasan Rumus-Rumus Turunan

Di bawah ini dirangkum beberapa rumus perhitungan turunan secara

numerik, baik untuk turunan pertama, turunan kedua, dan seterusnya.
Disertakan juga orde dari setiap rumus, dalam notasi O-besar. Rumus turunan
dengan orde yang semakin tinggi menunjukkan nilai turunannya semakin
 20

teliti, namun jumlah komputasinya makin banyak (jumlah titik data yang
diperlukan juga lebih banyak).
. Rumus untuk turunan pertama
' f 1 −f 0
f 0= +O(h) (Selisih-maju)
h

' f 0 −f −1
f 0= +O(h) (Selisih-mundur)
h

' f 1 −f −1 2
f 0= +O(h ) (Selisih-pusat)
2h
' −3 f 0 + 4 f 1−f 2 2
f 0= +O(h ) (Selisih-maju)
2h

' −f 2+8 f 1−8 f −1 +f −2 4

f 0= +O ( h ) (Selisih-pusat)
12h

2. Rumus untuk turunan kedua

'' f 1−2 f 0 + f −1 2
f 0= 2
+O ( h ) (selisih-pusat)
h

'' f −2−2 f −1+ f 0

f 0= +O ( h ) (selisih-mundur)
h2

'' f 2−2 f 1 + f 0
f 0= +O ( h ) (selisih-maju)
h2

'' −f 3 +4 f 2−5 f 1+ 2 f 0 2
f 0= +O ( h ) (selisih-maju)
12 h

'' −f 2+ 16 f 1−30 f 0 +16 f −1−f −2 4

f 0= 2
+O ( h ) (selisih-pusat)
12 h

3. Rumus untuk turunan ketiga

 21

'' ' f 3 −3 f 2 +3 f 1 −f 0
f0 = +O ( h ) (selisih-maju)
h3

'' ' f 2 −2 f 1+ 2 f −1−f −2 2

f0 = 3
+O ( h ) (Selisih-pusat)
2h

4. Rumus untuk turunan keempat

(iv ) f 4−4 f 3+ 6 f 2−4 f 1+ f 0

f0 = +O ( h ) (selisih-maju)
h4

(iv ) f 2 −4 f 1 +6 f 0−4 f −1 + f −2 2
f0 = 4
+O(h ) (selisih-pusat)
h

2.6 Integrasi Numerik

Dalam integral analitis, integral tentu dari suatu fungsi dihitung dengan cara:
b

∫ f ( x ) dx=[ F ( x ) ] ba=F ( b )−F ( a )

a

Dengan F(x) adalah integral dari f(x) sedemikian sehingga F’(x) = f(x).
sebagai contoh:
3
1 33 1 3 1 3
I =∫ x 2 dx =
0
[ ] [
3
x = (3 ) − ( 0 ) =9
0 3 3 ]
Secara geometris, perhitungan integral tentu analog dengan perhitungan luas
daerah di bawah kurva dan di atas sumbu x, sebagaimana diilustrasikan pada
gambar berikut:
 22

Pada kasus dimana dungsi f(x) sulit dicari integralnya secara analaiti,
digunakan metode integrasi numeric dengan mengacu pada perhitungan luas
daerah. Jadi, integrasi secara numeric dilakukan jika:
 Integral tidak dapat (sangat sulit) diselesaikan secara analisi.
 Fungsi yang diintegralkan tidak diberikan dalam bentuk analitis, tetapi
secara numerik dalam bentuk data angka (dalam bentuk table).

Metode integral numeric merupakan integral tertentu yang didasarkan pada

hitungan perkiraan. Hitungan perkiraan tersebut dilakukan dengan fungsi
polynomial yang diperoleh berdasar data tersedia. Metode integrasi numeric
yang paling sering digunakan, mulai dari yang paling sederhana hingga yang
lebih rumit, diantarnya adalah :

1. Metode Trapesium (Trapezoidal rule)

2. Metode Simpson

3. Metode Quadratik Gauss

2.6.1. Metode Trapezium

Menurut rumus geometri, luas trapesium adalah jumlah sisi sejajar dikali
tinggi. Dalam kaitannya dengan grafik fungsi f(x), dalam koordinat Kartesius,
yang diasumsikan berada di atas sumbu x, maka diperoleh rumus metode
integrasi trapesium (satu pias) sebagai berikut:
f ( a )+ f ( b)
I ≈ (b−a)
2
Jika ingin dihitung integrasi numerik dari suatu fungsi berderajat dua
atau lebih, penggunaan metode trapesium akan memberikan kesalahan (yang
mungkin saja cukup besar), sebagaimana diilustrasikan pada gambar berikut:
 23

Contoh :
n−1
1 h
L=∑ h ( f 1 +f i+1 )= (¿ f 0+ 2 f 1 +…+2 f n−1 + f n )¿
i=0 2 2

Hitung luas yang dibatasi y=x 2 dan sumbu x dalam rentang x = [0:1], dengan
h = 0,1

f(x)=x^
x 2 2*f(x)
0 0
0.1 0.01 0.02
0.2 0.04 0.08
0.3 0.09 0.18
0.4 0.16 0.32
0.5 0.25 0.5
0.6 0.36 0.72
0.7 0.49 0.98
2.6.2. 0.8 0.64 1.28 Metode
0.9 0.81 1.62 Simpson
1 1 Di
Sum 6.7 Nilai analitik 0.33333333
samping
integra
l 0.335 %error 0.5
menggunakan rumus trapesium dengan interval yang lebih kecil, cara lain
untuk mendapatkan perkiraan yang lebih teliti adalah menggunakan
polinomial order lebih tinggi untuk menghubungkan titik-titik data. Rumus
yang dihasilkan oleh integral di bawah polinomial tersebut dikenal dengan
metode (aturan) Simpson.

(1) Aturan Simpson 1/3

 24

Dalam aturan Simpson 1/3 digunakan polynomial orde dua

(persamaan parabola) yang melalui titik ( x ¿ ¿ i−1 , f (x i−1)), ¿ ¿ dan
( x ¿ ¿ i+1 , f (xi +1))¿ ) untuk mendekati fungsi yang sebenarnya. Rumus
Simpson dapat diturunkan berdasarkan deret Taylor, sedemikian sehingga
diperoleh luas daerah 𝐴i adalah:

∆x
Ai = ( f +4 f i + f i+! )
3 i−1

∆x
Bentuk pada rumus di atas menjadi landasan rumus tersebut dikenal
3
dengan nama metode Simpson 1/3. Berdasarkan pembahasan jumlah pias
pada metode trapezium, maka pada penggunaan metode Simpson perlu
diperhatikan bahwa:

b−a
 Pada pemakaian satu pias, ∆ x= , sehingga rumus integrasi numeric
2
menggunakan metode Simpson 1/3 dapat ditulis menjadi:
b−a
Ai = [ f ( a) + 4 f ( c) + f ( b) ]
6
Dengan titik c adalah titik tengah antara a dan b

 Pada metode Simpson dengan banyak pias, rumus mencari luas daerah
berubah menjadi:
b

∫ f ( x ) dx= ∆3x ¿ ¿
a

Dimana dalam hal ini jumlah interval yang digunakan adalah genap.
Contoh:
f ( x )=3 x 2 +2 x + 4
a=1 b =3

(2) Aturan Simpson 3/8

Metode Simpson 3/8 diturunkan dengan menggunakan persamaan

polinomial order tiga yang melalui empat titik.
b b
I =∫ f ( x) dx ∫ f 3 ( x) dx
a a

Dengan prinsip yang sama seperti pada aturan Simpson 1/3, diperoleh rumus
untuk aturan Simpson 3/8 sebagai berikut:
 25

3∆ x
I= f ( x ) +3 f ( x 1 ) +3 f ( x 2 ) + f ( x3 ) ]
8 [ 0

Dengan:

b−a
∆ x=
3

Contoh:

h
L= f +4 f i +2 ∑ f i + f n
3 0 i∑
( ganjil i genap
)
Hitung luas yang dibatasi y=x 2 dan sumbu x dalam rentang x=[0;1], dengan
h=0,1

f(x)=x^
i x 2 2*f(x) 4*f(x)
0 0 0
1 0.1 0.01 0.04
2 0.2 0.04 0.08
3 0.3 0.09 0.36
4 0.4 0.16 0.32
5 0.5 0.25 1
6 0.6 0.36 0.72
7 0.7 0.49 1.96
8 0.8 0.64 1.28
9 0.9 0.81 3.24
10 1 1
nilai 0.33333333
Sum 10 analitik 3
integra 0.33333
l 3 %error 0

2.6.3. Metode Quadratik Gauss

Pada metode trapesium dan Simpson, integral didasarkan pada nilai-nilai
di ujung-ujung pias. Sementara, metode quadratur Gauss tidak menggunakan
nilai-nilai pada ujung-ujung pias. Metode trapesium didasarkan pada luasan di
bawah garis lurus yang menghubungkan nilai-nilai dari fungsi pada ujung-
ujung interval integrasi, sehingga memungkinkan terjadinya kesalahan
 26

perhitungan yang cukup besar. Gambar berikut mengilustrasikan perbedaan

pencarian luas daerah menggunakan metode trapesium dan Quadratur Gauss.

Dalam metode quadratur Gauss, dilakukan perhitungan luas di bawah

garis lurus yang menghubungkan dua titik sembarang pada kurva. Dengan
menetapkan posisi dari kedua titik tersebut secara bebas, maka akan bisa
ditentukan garis lurus yang dapat menyeimbangkan antara kesalahan positif
dan negatif, sebagaimana dapat dilihat pada gambar di atas.

Berikut adalah rumus metode quadratur Gauss untuk menghitung luas

daerah di bawah kurva f(x) dan di atas sumbu x dengan batasan x = -1 sampai
x = 1:

−1 1
I =f ( ) ( )
√3
+f
√3
Jika batasan integrasi bukanlah x = -1 sampai x = 1, maka perlu dilakukan
transformasi pada batas awal, sedemikian sehingga batasannya berubah
menjadi [-1, 1], yang mengakibatkan perubahan pada rumus fungsi awal.

Bentuk rumus Quadratur Gauss untuk dua titik dapat dikembangkan untuk
lebih banyak titik. Secara umum, rumus untuk metode Quadratur Gauss
dengan n titik mempunyai bentuk:

I =c 1 f ( x 1 )+ c 2 f ( x2 ) + …+c n f ( x n )

dimana nilai c dan x untuk n mulai dari dua sampai dengan enam titik
diberikan dalam tabel berikut:

Jumlah titik Koefisien c Variabel x

2 c1 = 1,000000000 x1 =  0,577350269
c2 = 1,000000000 x2 = 0,577350269
 27

3 c1 = 0,555555556 x1 =  0,774596669
c2 = 0,888888889 x2 = 0,000000000
c3 = 0,555555556 x3 = 0,774596669
4 c1 = 0,347854845 x1 =  0,861136312
c2 = 0,652145155 x2 =  0,339981044
c3 = 0,652145155 x3 = 0,339981044
c4 = 0,347854845 x4 = 0,861136312
5 c1 = 0,236926885 x1 =  0,906179846
c2 = 0,478628670 x2 =  0,538469310
c3 =0,568888889 x3 = 0,000000000
c4 = 0,478628670 x4 = 0,538469310
c5 = 0,236926885 x5 = 0,906179846
6 c1 = 0,171324492 x1 =  0,932469514
c2 = 0,360761573 x2 =  0,661209386
c3 = 0,467913935 x3 =  0,238619186
c4 = 0,467913935 x4 = 0,238619186
c5 = 0,360761573 x5 = 0,661209386
c6 = 0,171324492 x6 = 0,932469514
 BAB III

PENUTUP

3.1 Kesimpulan
Metode numerik merupakan teknik penyelesaian permaslahan yang
diformulasikan secara matematis dengan menggunakan operasi hitungan
(aritmatik) yaitu operasi tambah, kurang, kali, dan bagi. Metode ini digunakan
karena banyak permasalahan matematis tidak dapat diselesaikan
menggunakan metode analitik. Jikapun terdapat penyelesaiannya secara
analitik, proses penyelesaiannya sering kali cukup rumit dan memakan banyak
waktu sehingga tidak efisien.
Dalam memperlajari Metode numeric, terdapat beberapa yang harus
dipelajari, yaitu seperti Kesalahan dan Pendekatan Metode Numerik, Sistem
Persamaan Non-Linear, Sistem Persamaan Linear, Turunan Numerik, dan
Integrasi Numerik

28
29
 DAFTAR PUSTAKA

Asmara, Gusti. 2017. Metode Numerik. Makalah.

https://www.youtube.com/watch?v=VivoH4700LY

https://www.youtube.com/watch?v=fAMqiPtlw_U&t=552s

http://staffnew.uny.ac.id/upload/198408182014042001/pendidikan/materi-3-sistem-
persamaan-linier-2.pdf

https://syaifulhamzah.wordpress.com/2012/12/09/metode-biseksi-regulafalsi-newton-
raphson-dan-secant/

https://taufiqurrokhman.wordpress.com/2020/08/11/metode-biseksi-atau-bagi-dua-di-
excel-untuk-mencari-akar-akar-polinomial/

Rosidi, Muhammad. 2019. Metode Numerik Menggunakan R untuk Teknik

Lingkungan. Bandung.

http://zai.lecturer.pens.ac.id/Kuliah/Workshop%20Metode
%20Numerik/Teori/Metode%20Regula%20Falsi.pdf

30