Nama : Mery Kristina Sibarani

NIM : 200823011

Mata Kuliah : Analisi Numerik

Pertemuan 1 dan 2

Pengenalan Analisis Numerik dan Pemodelan Matematika

Analisis numerik adalah studi algoritma untuk memecahkan masalah dalam

matematika kontinu. Analisis numerik secara alami diterapkan di semua bidang rekayasa
dan ilmu-ilmu fisis, namun pada abad ke-21, ilmu-ilmu hayati dan seni mulai mengadopsi
unsur-unsur komputasi ilmiah. Sebelum munculnya komputer modern, metode numerik
kerap kali tergantung pada interpolasi menggunakan pada tabel besar yang dicetak.

Secara umum ada dua metode, yakni metode langsung dan metode iteratif:

Metode langsung menghitung pemecahan suatu masalah dalam jumlah langkah terhingga.
Metode ini akan memberikan jawaban persis bila dilakukan dalam hitungan dengan
ketepatan takhingga.

Metode Iteratif tidak diharapkan akan berakhir dalam jumlah langkah terhingga. Dimulai
dari tebakan awal, metode iteratif menghasilkan hampiran yang secara berturut-turut akan
konvergen ke pemecahan eksak.

Model matematika merupakan usaha untuk menggambarkan suatu fenomena ke dalam

bentuk rumus matematis sehingga mudah untuk dipelajari dan dilakukan perhitungan.
Tahapan memecahkan persoalan secara numerik. Ada enam tahap yang dilakukan dalam
pemecahan persoalan dengan metode numerik, yaitu:

1. Pemodelan. Persoalan dimodelkan ke dalam persamaan matematika

2. Penyederhanaan Model. Model matematika yang dihasilkan dari tahap 1 mungkin masih
terlalu kompleks, yaitu memasukkan banyak variabel atau parameter. Semakin kompleks
model matematikanya, semakin rumit penyelesaiannya.

3. Formulasi Numerik. Setelah model matematika yang sederhana diperoleh, tahap

selanjutnya adalah memformulasikannya secara numerik, antara lain:

a. menentukan metode numerik yang akan dipakai bersama-sama dengan analisis galat
awal (yaitu taksiran galat, penentuan ukuran langkah, dan sebagainya).
Pemilihan metode didasari pada pertimbangan:

- apakah metode tersebut teliti?

- apakah metode tersebut mudah diprogram dan waktu pelaksanaannya cepat?

- apakah metode tersebut tidak peka terhadap perubahan data yang cukup kecil?

b. menyusun algoritma dari metode numerik yang dipilih.

4. Pemrograman. adalah menerjemahkan algoritma ke dalam program komputer dengan

menggunakan salah satu bahasa pemrograman yang dikuasai

5. Operasional. program komputer dijalankan dengan data uji coba sebelum data yang
sesungguhnya

6. Evaluasi. Bila program sudah selesai dijalankan dengan data yang sesungguhnya, maka
hasil yang diperoleh diinterpretasi. Interpretasi meliputi analisis hasil run dan
membandingkannya dengan prinsip dasar dan hasil-hasil empirik untuk menaksir kualitas
solusi numerik, dan keputusan untuk menjalankan kembali program dengan untuk
memperoleh hasil yang lebih baik.
Pertemuan 3 dan 4

Approximations and Errors & Truncation Errors and Taylor Series

Penyelesaian secara numerik suatu persamaan matematik hanya memberikan nilai

perkiraaan yang mendekati nilai sebenarnya (nilai eksak), Berarti dalam penyelesaian
numerik terdapat kesalahan terhadap nilai sebenarnya. Ada tiga macam kesalahan yaitu:

1. Kesalahan bawaan adalah kesalahan dari nilai data. Kesalahan tersebut bisa terjadi
karena kekeliruan dalam menyalin data, salah membaca skala, atau kesalahan karena
kurangnya pengertian mengenai hukum-hukum fisik dari data yang diukur.

2. Kesalahan pembulatan terjadi karena tidak diperhitungkannya beberapa angka terakhir

dari suatu bilangan. Kesalahan ini terjadi apabila bilangan perkiraan digunakan untuk
menggantikan bilangan eksak. Suatu bilangan dibulatkan pada posisi ke n dengan membuat
semua angka disebelah kanan dari posisi tersebut sama dengan nol. Sedangkan angka pada
posisi ke n tersebut tidak berubah atau tidak dinaikkan satu digit.

3. Kesalahan Pemotongan terjadi karena tidak dilakukan hitungan sesuai dengan prosedur
matematik yang benar. Sebagai contoh, suatu proses yang tak berhingga diganti dengan
proses hingga.

Angka signifikan (angka berarti) angka yang dianggap dapat dipercaya sebagai hasil
pengukuran atau perhitungan. Angka signifikan menggambarkan seberapa besar keyakinan
terhadap hasil pendekatan yang diberikan metode numerik. Misalnya: kita dapat
memutuskan bahwa pendekatan dapat diterima jika ia betul sampai 4 angka signifikan,
yaitu bahwa 4 digit pertama adalah betul. Pengabaian angka signifikan sisa dinamakan
kesalahan pembulatan (round-off error).

Kesalahan sehubungan dengan perhitungan dan pengukuran dapat ditandai dengan presisi
(precision) dan akurasi (accuracy). Presisi mengacu pada jumlah angka signifikan yang
menyatakan suatu besaran penyebaran dalam bacaan berulang dari sebuah alat yang
mengukur suatu perilaku fisik tertentu. Akurasi mengacu pada dekatnya sebuah angka
pendekatan atau pengukuran terhadap harga sebenarnya yang hendak dinyatakan
a. tidak akurat dan tidak presisi

b. akurat dan tidak presisi

c. tidak akurat dan presisi

d. akurat dan presisi

Kesalahan pemotongan adalah kesalahan yang dihasilkan dari penggunaan aproksimasi
pengganti prosedur matematika eksak. Kesalahan pemotongan dimasukkan ke dalam solusi
numerik karena persamaan diferensial hanya melakukan aproksimasi harga turunan
sebenarnya .

Deret Taylor digunakan untuk meramalkan suatu harga fungsi pada x i+1, yang dinyatakan
dalam harga fungsi itu dan turunannya di sekitar titik xi.
Pertemuan 5 dan 6

Bracketing Methods Compatibility Mode & Open Methods

Akar Persamaan:

−b ∓ √ b2−4 ac
ax 2 +bx +c=0 → x=
2a

Solusi untuk persamaan non linear adalah:

1. Metode Akolade (bracketing method): Metode bisection dan Metode regulasi falsi.
Metode bracketing disebut dengan metode tertutup karena dalam pencarian akar-
akar persamaan nonlinier dilakukan dalam suatu selang [a,b]. Keuntungan menggunakan
metode ini adalah selalu konvergen.

a. Metode Bisection. Metode ini selalu berhasil menemukan akar yang dicari (konvergen)
tetapi bekerja sangat lambat.

Algoritma Metode Bisection:

1. Definisikan fungsi f(x) yang akan dicari akarnya
2. tentukan nilai a dan b
3. tetukan toleransi e dan iterasi maksimum N
4. hitunglah f(a) dan f(b)
5. jika f(a).f(b) > 0 maka proses dihentikan karena tidak ada akar
a+b
6. hitung x=
2
7. hitung f(x)
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 ke 6.

b. Metode Regulasi Falsi. Metode regulasi falsi disebut juga metode interpolasi linear atau
metode posisi salah merupakan metode yang digunakan untuk mencari akar-akar
persamaan non linear melalui proses iterasi. Metode regula falsi merupakan metode
pencarian akar persamaan dengan memanfaatkan kemiringan dan selisih dari dua titik batas
range.

Algoritma Meode Regulasi Falsi:

1. Definisikan fungsi f(x)
2. Tentukan batas bawah (a) dan batas atas (b)
3. Tentukan toleransi error (e) dan iterasi maksimum (n)
4. Tentukan nilai fungsi f(a) dan f(b)

5. Untuk iterasi I = 1 sampai dengan n

f ( b ) (b−a)
x=b−
(f ( b )−f ( a ) )
a. Hitung nilai f(x)
b. hitung error = |f ( x)|
c. Jika f(a).f(x) ≤ 0 maka a = c jika tidak b = c
d. jika |f ( x)|≤ ε, hentikan iterasi

6. Akar persamaan adalah x.

2. Metode terbuka

Metode terbuka merupakan metode yang menggunakan satu atau dua tebakan awal

yang tidak memerlukan rentang sejumlah nilai. Metode terbuka terdiri dari beberapa jenis
yaitu metode iterasi titik tetap, metode Newton-Raphson, dan metode Secant.

a. Metode Iterasi Titik Tetap

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 + e x = 0, maka persamaan tersebut perlu
diubah menjadi x = e x  atau g(x) = e x .

Algoritma Metode iterasi titik tetap:

1. pilih titik tebakan awal pendekatan akar x 0

2. Mengubah persamaan f(x) = 0 menjadi persamaan x = g(x). Dapat dituliskan formula
pendekatan akar untuk iterasi berikutnya x i+1=g ( x i )
3. Lakukan terus iterasi dan hentikan bila galat relative hampir akar; |x i+1−x i| < d, yang
dalam hal ini d adalah galat hampiran yang diinginkan.

b. Metode Newton Raphson

 Metode Newton-Raphson merupakan metode penyelesaian persamaan non-linier
dengan menggunakan pendekatan satu titik awal dan mendekatinya dengan
memperhatikan slope atau gradient.

Algoritma Metode Newton-Raphson

1. Definisikan f(x) dan f ' ( x )

2. Tentukan nilai toleransi e dan iterasi maksimum (N)
3. Tentukan tebakan awal  x 0
'
4. Hitung  f ( x 0 ) dan f ( x 0 )
f ( xn )
5. Untuk iterasi i = 1 s/d N atau |f(x)| ≥ e, hitung x menggunakan x n+1=x n −
f ' ( xn )
6. Akar persamaan merupakan nilai x i terakhir yang diperoleh

Dalam penerapannya metode Newton-Raphson dapat mengalami kendala. Kendala yang

dihadapi adalah sebagai berikut:

1. Titik pendekatan tidak dapat digunakan jika merupakan titik ekstrim atau titik puncak.
Hal ini disebabkan pada titik ini nilai f ' ( x )=0 . Untuk mengatasi hal ini biasanya titik
pendekatan akan di geser.

2. Sulit memperoleh penyelesaian ketika titik pendekatan berada diantara 2 titik

stasioner. Untuk menghindarinya, penentuan titik pendekatan dapat menggunakan
bantuan metode tabel.

3. Turunan persamaan sering kali sulit untuk diperoleh (tidak dapat dikerjakan dengan
metode analitik).

c. Metode Secant

Metode secant merupakan metode perbaikan dari Metode Regula-Falsi dan

Newton-Raphson, dimana kemiringan dua titik dinyatakan secara diskrit dengan
mengambil bentuk garis lurus yang melalui satu titik.

Secara umum metode Secant menawarkan sejumlah keuntungan dibanding

metode lainnya. Pertama, seperti metode Newton-Raphson dan tidak seperti metode
tertutup lainnya, metode ini tidak memerlukan rentang pencarian akar penyelesaian.
Kedua, tidak seperti metode Newton-Raphson, metode ini tidak memerlukan pencarian
turunan pertama persamaan non-linier secara analitik, dimana tidak dapat dilakukan
otomasi pada setiap kasus.

Adapun kerugian dari metode ini adalah berpotensi menghasilkan hasil yang
tidak konvergen sama seperti metode terbuka lainnya. Selain itu, kecepatan
konvergensinya lebih lambat dibanding metode Newton-Raphson.

Algoritma Metode Secant:

1. Definisikan f(x) dan f ' ( x )

2. Tentukan nilai toleransi e dan iterasi maksimum (N)
3. Tentukan tebakan awal x 0dan x 1
4. Hitung f ( x 0 ) dan f ( x 1 )
5. Untuk iterasi i = 1 sampai dngan N atau |f(x)| ≥ e, hitung x menggunakan
x n−x n+1
x n+1=x n −f ( x n )
f ( xn ) −f ( x n +1 )
6. Akar persamaan adalah nilai x yang terakhir.

Pertemuan 7

Roots of Polynomials

Polinomial atau yang biasa disebut juga sebagai Suku banyak adalah sebuah bentuk dari
suku-suku dengan nilai banyak yang disusun dari perubah variabel serta konstanta. Operasi
yang dipakai hanya penjumlahan, pengurangan, perkalian serta pangkat bilangan bulat tidak
negatif.

Bentuk umum akar persamaan polinomial :

f n ( x )=a0 +a1 x+ a2 x 2 +…+ an x n

Pangkat tertinggi dari x merupakan derajat polinomial. Sementara suku yang tidak
mengandung variable (a) disebut sebagai suku tetap (konstan).

Aturan:
1. Untuk persamaan orde ke-n, ada n akar real atau kompleks
2. Jika n ganjil, paling sedikit ada satu akar real
3. Jika akar kompleks ada pasangan konjugasi, yaitu (⋋ + μidan ⋋−μi¿ dimana i = =√ −1

Beberapa metode dalam menentukan akar-akar persamaan polynomial:

1. Metode Muller

Metode muller memperoleh taksiran akar dengan memproyeksikan parabola ke sumbu x

melalui tiga nilai fungsi. Metode ini terdiri dari menurunkan koefisien parabola yang
melalui tiga titik:
2
1. Tulis persamaan dalam bentuk: f 2 ( x )=a( x−x 2) +b ( x−x 2 ) +c
2. Parabola harus memotong tiga titik [ x 0 , f ( x 0 ) ] , [ x 1 , f ( x 1 ) ] , [ x 2 , f ( x 2 ) ]
Koefisien polinomial dapat diperkirakan dengan mensubstitusikan tiga titik menjadi:
f 2 ( x )=a( x−x 2)2 +b ( x−x 2 ) +c
x=x 0 : f ( x 0 )=a( x 0−x 2)2 +b ( x 0−x 2 ) +c
x=x 1 : f ( x 1) =a( x1−x 2 )2+ b ( x1 −x2 ) + c
x=x 2 : f ( x 2) =a ( x2 −x2 )2+ b ( x 2−x 2) + c
3. Tiga persamaan dapat diselesaikan untuk tiga yang tidak diketahui a, b, c. Karena dua
suku dalam persamaan ketiga adalah nol, maka diselesaikan dengan c = f ( x 2 ).
f ( x 0 ) −f ( x 2 )=a(x 0−x 2)2 +b ( x 0−x 2 )
f ( x 1 ) −f ( x 2 )=a(x 1−x 2)2 +b ( x 1−x 2 )

Akar dapat ditemukan dengan menerapkan bentuk alternatif rumus kuadrat:

−2 c
x 3=x 2+
b ± √ b2−4 ac

Error dapat dihitung sebagai berikut:

x −x
| |
ε 2= 3 2 100 %
x3

2. Metode Bairstow

Metode bairstow adalah algoritma yang digunakan untuk mencari akar polinomial dengan
derajat arbitrer (biasanya orde 3 dan lebih tinggi). Metode pembagi polinomial
f n ( x )=a0 +a1 x+ a2 x 2 +…+ an x n
oleh fungsi kuadrat ( x 2−rx −s ), dimana r dan s ditebak. Pembagian memberi kita
polinomial baru
f n−2 ( x )=b 2+ b3 x+b 4 x 2+ …+bn x n−2
dan sisanya
R ( x )=b1 (x−r)+r 0

hasil bagi f n−2 ( x) dan sisa R(x) diperoleh dengan pembagian polynomial standar koefisien
b i, dapat dihitung dengan hubungan perulangan berikut:
b i=an
b n−1=bn−1 +r bn
b i=ai +r bi +1+ s b i+2 , untuk i=n−2to 0

jika ( x 2−rx −s) adalah faktor eksak dari f n ( x) maka sisa R(x ) adalah nol dan akar dari
( x 2−rx −s) adalah akar dari f n ( x ) . Metode Bairstow direduksi untuk menentukan nilai r
dan s sehingga R ( x )=0 , maka b 0=b1 →0. Karena b 0 dan b 1 adalah fungsi dari r dan s,
maka dapat dieksapansi menggunakan deret Taylor sebagai:
∂ b0 ∂ b0
b 0 ( r + ∆ r , s+ ∆ s )=b 0+ ∆r+ ∆s
∂r ∂s
∂ b1 ∂ b1
b 1 ( r +∆ r , s+ ∆ s )=b1 + ∆ r+ ∆s
∂r ∂s
Dengan menetapkan persamaan sama dengan nol
∂ b0 ∂ b0 ∂ b1 ∂ b1
∆ r+ ∆ s=−b0 ∆r+ ∆ s=−b1
∂r ∂s ∂r ∂s

untuk menyelesaikan sistem persamaan di atas, kita memerlukan turunan parsial b 0 dan b 1
terhadap r dan s. Bairstow menunjukkan bahwa turunan parsial ini dapat diperoleh dengan
pembagian sintetik b dengan cara yang mirip dengan cara b sendiri diturunkan, yaitu
dengan mengganti a i dengan b idengan c i sehingga,
c n=bnc n−1=b n−1+ r cn
c i=b i+ r ci +1+ s ci +2 , untuk i=n−2 ¿1

dimana,
∂ b0 ∂ b0 ∂ b1 ∂ b1
=c 1 , = =c 2 ,dan =c 3 .
∂r ∂ s ∂r ∂r
kemudian subsitusikan ke persamaan
∂ b0 ∂ b0 ∂ b1 ∂ b1
∆ r+ ∆ s=−b0 ∆r+ ∆ s=−b1
∂r ∂s ∂r ∂s
diberikan
c 1 ∆ r +c 2 ∆ s=−b0c 2 ∆ r +c 3 ∆ s=−bi

persamaan ini dapat diselesaikan untuk∆ r dan∆ s, yang dapat digunakan untuk
meningkatkan tebakan awal rdan s. Pada setiap langkah, kesalahan perkiraan dalam
estimasi r dan s sebagai
∆r ∆s
| | | |
|ϵ a ,r|= r 100 % dan |ϵ a , s|= s 100 %

jika |ϵ a , s|< ∈s dan |ϵ a ,r|<∈s dimana ∈s adalah kriteria penghentian, nilai akar dapat
ditentukan dengan
r ± √ r 2 +4 s
x=
s
pada intinya, ada tiga kemungkinan
1) jika polynomial hasil bagi f n−2 adalah polynomial orde ketiga (atau lebih), metode
Bairstow dapat diterapkan pada hasil bagi untuk mengevaluasi nilai baru untuk r dan s.
Sebelumnya dapat berfungsi sebagai tebakan awal.
2) jika polynomial hasil bagi f n−2 adalah fungsi kuadrat, maka gunakan persamaan
r ± √ r 2 +4 s
x=
s
Untuk mendapatkan dua akar sisa dari f n ( x ) .
3) jika polynomial hasil bagi f n−2 adalah fungsi linier, maka akar tunggal yang tersisa
diberikan oleh
−s
x=
r