Metode Numerik

BAB I
METODE NUMERIK SECARA UMUM
1.1 Pengertian Metode Numerik

Metode numerik merupakan teknik untuk menyelesaikan masalah matematika
dengan pengoperasian aritmatika (hitungan), metode penyelesaian model matematika
dengan rumus – rumus aljabar yang sudah baku atau lazim.
Contoh ilustrasi :
1. Tentukan akar-akar persamaan polinom :
14 x 5 +5 x 4 +2 x 3−x 2−x −12=0

2. Tentukan harga x yang memenuhi persamaan:
1 ( 120 x 2+ √ 2 x )
√

27,8 e5 x − =cos−1
x 17 x−65
Soal (1) tidak terdapat rumus aljabar untuk menghitung akar polinom.
 Sousi untuk (1) memanipulasi polinom, misalnya memfaktorkan (atau
menguraikan ) polinom menjadi perkalian beberapa suku.
 Kendala : semakin tinggi derajat polinom, semakin sukar memfaktorkannya.
 Soal (2) masih sejenis dengan soal (1) yaitu menentukan nilai x yang
memenuhi kedua persamaan.
1.2 Alasam Mempelajari Metode Numerik

Beberapa alasan mengapa kita harus mempelajari metode numerik :
1. Metode numerik merupakan alat bantu pemecahan masalah matematika yang
sangat ampuh. Metode numerik mampu menangani sistem
persamaan besar, ketidaklinearan, dan geometri yang rumit
yang dalam praktek rekayasa seringkali tidak mungkin
dipecahkan secara analitik.
2. Metode numerik menyediakan sarana untuk memperkuat kembali
pemahamanmatematika, karena metode numerik ditemukan dengan
Metode Numerik Page 1

cara menyederhanakan matematika yang lebih tinggi menjadi
operasi matematika yang mendasar.
3. Menyediakan sarana memperkuat pengetahuan matematika,
karena salah satu kegunaannya adalah menyederhanakan
matematika yang lebih tinggi menjadi operasi – operasi
matematika yang mendasar.
1.3 Tahap Pemecahan Secara numeris :

1. Pemodelan
2. Penyederhanaan model
3. Formulasi Numerik
a. Menentukan metoe numeric yang akan dipakai, bersama
dengan analisis error awal.
b. Pertimbangan pemilihan metode
1) Apakah metode tersebut teliti ?
2) Apakah metode mudah diprogram, dan waktu
pelaksanaannya cepat ?
3) Apakah metode tersebut peka terhadap ukuran data ?
c. Menyusun algoritma dari metode numeric yang dipilih
4. Pemrograman
5. Operasional -> pengujian program dengan data uji
6. Evaluasi -> intepretasi output, penaksiran
kualitas solusi numeric, pengambilan keputusan untuk
menjelaskan program guna memperoleh hasil yang lebih baik.
1.4 Langkah-langkah Penyelesaian persoalan numerik :

1.1 Identifikasi masalah
1.2 Memodelkan masalah ini secara matemais
1.3 Identifikasi metode numerik yang diperlukan untuk menyelesaikannya
1.4 Analisis hasil akhir : implementasi, metode, model dan masalah

1.5 Jenis-jenis persoalan matematika yang akan diselesaikan secara
numerik dalam naskah ini:
1. Pencarian akar-akar persamaan tak linear.
2. Metode iteratif untuk penyelesaian sistem persamaan linear
3. Interpolasi linear, kuadrat, Newton, dan spline.
4. Regresi kuadrat terkecil.
5. Diferensiasi numerik.
6. Persamaan diferensial biasa.
7. Integrasi numerik.
BAB II
DERET TAYLOR DAN ANALISIS GALAT
2.1 Deret Taylor dan Deret MaclLaurin

Deret Taylor
Rumus :
2 m
(x−x 0) ' ( x−x 0 ) ' ' ( x−x 0 ) m
f ( x )=f ( x 0 ) + f ( x0 ) + f ( x 0 ) +…+ f ( x0 )+
1! 2! m!
( x 0 )=1
Pada deret Taylor ini mempunyai panjang deret yang tak berhingga
sehingga untuk mempermudahkan penulisan suku-suku selanjutnya
kita menggunakan tanda elipsis (...).
contoh 1 :
Hampiri fungsi f (x)=sin(x) ke dalam deret Taylor di sekitar
x 0=1.
Penyelesaian :
Tahap 1 :
Menentukan turunan sin(x ) terlebih dahulu sebagai berikut :
f ( x )=sin x
f ' ( x )=cos x
f ' ' ( x )=−sin x
f ' ' ' ( x )=−cos x
f 4 ( x )=sin x
Dan seterusnya.
Tahap 2 :
Subtitusikan sin(x ) beserta turunannya ke persamaan deret
taylor dibawah ini:

2 m
(x−x 0) ' ( x−x 0 ) ' ' ( x−x 0 ) m
f ( x )=f ( x 0 ) + f ( x0 ) + f ( x 0 ) +…+ f ( x0 )+
1! 2! m!

Maka akan menghasilkan :
2 3
( x−x 0 ) ( x−x 0 ) ( x−x 0 )
sin( x )=sin (x0 )+ cos (x 0)+ (−sin ( x0 ) )+ (−
1! 2! 3!
Tahap 3 :
Karena pada deret taylor x 0=1, maka subtitusi x0 menjadi 1:
( x−1 ) ( x−1 )2 ( x −1 )3
sin( x )=sin (1)+ cos (1)+ (−sin (1 ))+ (−cos (
1! 2! 3!
Pada suku-suku deret taylor tidak berhingga banyaknya, maka
untuk alasan praktis deret Taylor dipotong sampai suku orde
tertentu.
contoh 2 :
Tentukan deret Taylor f (x)=cos(x ) ke dalam deret Taylor di
sekitar x 0=1 untuk f (x) hingga suku orde 3.
Penyelesaian :
Tahap 1 :
Menentukan turunan cos (x) terlebih dahulu sebagai berikut :
f ( x )=cos x
f ' ( x )=−sin x
f left (x right ) = - cos {x
f ' left (x right ) = sin {x
Tahap 2 :
Subtitusikan cos (x) bersama dengan turunan cos (x) ke
persamaan deret taylor dibawah ini:

2 m
(x−x 0) ' ( x−x 0 ) ' ' ( x−x 0 ) m
f ( x )=f ( x 0 ) + f ( x0 ) + f ( x 0 ) +…+ f ( x0 )+
1! 2! m!

2
( x−x 0 ) ( x−x 0 ) ( x−x
cos (x)=cos(x 0 )+ (−sin ( x 0 ) )+ (−cos ( x 0 ))+
1! 2! 3!
Karena pada deret taylor x 0=1, maka subtitusi x0 menjadi 1:
( x−1 ) ( x−1 )2 ( x−1 )3

cos (x)=cos(1)+ (−sin ( 1 ) )+ (−cos ( 1 ) )+ sin ( 1 )
1! 2! 3!
Deret MacLaurin
Rumus :
2 m
(x−x 0) ' ( x−x 0 ) ' ' ( x−x 0 ) m
f ( x )=f ( x 0 ) + f ( x0 ) + f ( x 0 ) +…+ f ( x0 )+
1! 2! m!
( x 0 )=0
Pada deret MacLaurin ini juga mempunyai panjang deret yang tak
berhingga sehingga untuk mempermudahkan penulisan suku-suku
selanjutnya kita menggunakan tanda elipsis (...).
Contoh 3 :
Tentukan deret MacLaurin untuk sin x .

Penyelesaian :
Tahap 1 :
Menentukan turunan sin(x ) terlebih dahulu sebagai berikut :
f ( x )=sin x f ( 0 )=sin 0 0
1
f ' ( x )=cos x f ' ( 0 ) =cos 0 0
'' ( x)
f =−sin x f ' ' ( 0 )=−sin 0 -1
0
f ' ' ' (x )=−cos x f ' ' ' ( 0 )=−cos 0
f 4 ( x )=sin x f 4 ( 0 )=sin 0
. .

. .
Tahap 2 :
Subtitusikan sin(x ) bersama dengan turunan sin(x ) ke
persamaan dibawah ini:

2 m
(x−x 0) ' ( x−x 0 ) ' ' ( x−x 0 ) m
f ( x )=f ( x 0 ) + f ( x0 ) + f ( x 0 ) +…+ f ( x0 )+
1! 2! m!
2 3
( x−x 0 ) ( x−x 0 ) ( x−x 0 )
sin ( x )=sin ( x 0 ) + cos (x 0)+ (−sin ( x 0 ))+ (−
1! 2! 3!
Tahap 3 :
Karena pada deret MacLaurin x 0=0 , maka subtitusi x0 menjadi
0:
( x−0 ) ( x−0 )2 ( x−0 )3

sin ( x )=sin ( 0 ) + cos(0)+ (−sin ( 0 ) )+ (−cos ( 0
1! 2! 3!
Tahap 4 :
Operasikan deret di bawah ini :
( x ) ( x )2 ( x )3 (x )4
sin ( x )=0+ 1+ 0+ (−1)+ 0+…
1! 2! 3! 4!
Hasil akhir :
x3
sin x=x−
3!
Pada suku-suku deret MacLaurin tidak berhingga banyaknya, maka
untuk alasan praktis deret MacLaurin dipotong sampai suku orde
tertentu.
Cotoh 4 :
Tentukan deret MacLaurin untuk f (x) hingga suku orde 3 dari
f ( x )=tan x

Penyelesaian :
Tahap 1 :
Menentukan turunan tan(x) terlebih dahulu sebagai berikut :
f ( x )=tan x
1
f ' ( x )=
cos 2 x
2 sin x
f ' ' ( x )=
cos2 x
' ' ' (x ) 2 2 sin 2 x
f = +
cos4 x cos4 x
Tahap 2 :
Subtitusikan tan( x) beserta turunannya ke persamaan dibawah
ini:
2 m
(x−x 0) ' ( x−x 0 ) ' ' ( x−x 0 ) m
f ( x )=f ( x 0 ) + f ( x0 ) + f ( x 0 ) +…+ f ( x0 )+
1! 2! m!
2
(x−x 0) 1 ( x−x 0 ) 2sin x ( x−x 0 )
tan ( x )=tan ( x 0 ) + ( x 0 ) + + …+
1 ! cos 2 x 2! cos 2 x m!
Tahap 3 :
Karena pada deret MacLaurin x 0=0 , maka subtitusi x0 menjadi
0:
( x−0) ( x−0 )2 ( x −0 )3
tan ( x )=0+ 1+ 0+ …+ 2
1! 2! 3!
Tahap 4 :
Operasikan deret di bawah ini :

x 2x
sin ( x )= +
1! 3 !
Hasil akhir :
2 x3
sin x=x +
6
x3
sin x=x +
3
Deret MacLaurin yang Penting.
1
1. =1+ x+ x 2 + x 3+ x 4 +…
1−x
x 2 x3 x 4 x5
2. ln 1+ x =x− + + + +…
( )
2 3 4 5
−1 x3 x5 x7 x9
3. tan x=x − + − + −…
3 5 7 9
x x2 x3 x4
4. e =1+ x + + + +…
2! 3 ! 4 !
x3 x 5 x 7 x 9
5. sin x=x− + – + −…
3! 5! 7! 9!
x2 x 4 x6 x 8
6. cos x=1− + − + −…
2! 4! 6! 8!
x3 x5 x7 x9
7. sinh x=x + + + + +…
3 5 7 9
x 2 x 4 x6 x 8
8. cosh x=1+ + + + +…
2 ! 4 ! 6 ! 8!
Deret Taylor dan Deret MacLaurent mempunyai rumus deret yang
sama yaitu : 2 p p 2 p 3 p 4
9. ( 1+ x ) =1+ ( 1 )(x−x
x+ ( ) x +( ) x + ( ) x +…
2) 0
3 ( x−x4 )
' 0
2
''
m
( x−x 0 )
f ( x )=f ( x 0 ) + f ( x0 ) + f ( x 0 ) +…+ f m ( x0 )+
1! 2! m!
Hanya saja berbeda pada nilai x 0, yaitu :
 Jika pada Deret Taylor x 0 adalah 1.
 Jika pada Deret MacLaurent x 0 adalah 1.
2.2 Aalisis Galat
Menganalisis galat sangat penting di dalam perhitungan yang

menggunakan metode numerik. Galat berasosiasi dengan seberapa
dekat solusi hampiran terhadap solusi sejatinya. Semakin kecil
galatnya, semakin teliti solusi numerik yang didapatkan.
Nilai sejati(true value)=Hampiran(aproksimasi)+Galat

¿
Misalkan a adalah nilai hampiran terhadap nilai sejatinya a
, maka selisih
ε disebut Galat. Jika tanda Galat ( positif atau negatif )

tidak dipertimbangkan , maka Galat mutlak
¿
2.3 |ε|=|a−a|
Galat Relatif didefinisikan sebagai
ε
ε R=
a
Atau dalam persentase
ε
ε R= x 100 %
a

2.4 Karena galat dinormalkan terhadap nilai sejati, maka galat
relatif tersebut dinamakan juga galat relatif sejati. Dengan
demikian, pengukuran panjang kawat mempunyai galat relatif
sejati = 1/100 = 0.01, sedangkan pengukuran panjang pensil
mempunyai galat relatif sejati = 1/10 = 0.1.
ε
ε RA = ¿
a
Proses ini dilakukan secara berulang , atau secara iterasi
dengan maksud secara beruntun menghitung aproksimasi yang lebih
dan lebih baik. Jadi, persen galat relatif :
aproksimasi sekarang - aproksimasi sebelumnya

ε a= ×100 %
aproksimasi sekarang
|ε a|<ε s
Komputasi diulang sampai
Pada perhitungan numerik yang menggunakan pendekatan lelaran

(iteration), eRA dihitung dengan cara
ar+ 1−ar
ε RA =
ar +1
yang dalam hal ini ar+1 adalah nila i hampiran lelaran sekarang
dan ar adalah nilai
hampiran lelaran sebelumnya. Proses lelaran dihentikan bila
| ε RA ∨¿ ε S
yang dalam hal ini εS adalah toleransi galat yang
dispesifikasikan. Nilai ε Smenentukan ketelitian solusi numerik.
Semakin kecil nilai ε S, semakin teliti solusinya, namun semakin

banyak proses lelarannya.
Contoh :
1. Misalkan nilai sejati = 10/3 dan nilai hampiran = 3.333.
Hitunglah galat, galat mutlak, galat relative, dan galat
relatif hampiran.
Penyelesaian :
Galat = 10/3 – 3.333 = 10/3 – 3333/1000 = 1/3000 =
0.000333…
Galat mutlak = | 10.000333…| = 0.000333…
Galat Relatif = (1/3000)(10/3) = 1/1000 = 0.0001
Galat Relatif Hampiran = (1/3000) / 3.333 = 1/9999
2. Misalkan ada prosedur leleran sebagai berikut
−x 3r +3
x r +1= , r=0 , 1 ,2 , 3 , …
6
Leleran dihentikan bila kondisi | ε RA ∨¿ ε S dalam hal ini
εS adalah toleransi galat yang diinginkan. Misalkan dengan
memberikan x 0=0.5 , dan ε S=0.00001 kita memperoleh
runtutan.
x 0=0.5
x 1=0.4791667 ;∨¿
( x 1−x 0 )
ε RA = ∨¿ 0.043478> ε S
x1
x 2=0.4791667 ;∨¿

( x 2−x 1 )
ε RA = ∨¿ 0.0051843> ε S
x2
x 3=0.4813757 ;∨¿
( x 3−x 2 )
ε RA = ∨¿ 0.0005984 >ε S
3
x 4 =0.4814091;∨¿
( x 4 −x 3 )
ε RA = ∨¿ 0.0000693>ε S
x4
x 5=0.4791667 ;∨¿
( x 5−x 4 )
ε RA = ∨¿ 0.0000081> ε S,
x5
Berhenti !
Pada leleran ke-5, | ε RA ∨¿ ε S sudah terpenuhi sehingga
leleran dapat dihentikan.
3. Hasil pengukuran jari-jari suatu bola adalah: r = (4,50 ±

0,45) m
Keterangan : ε =0,45 dan a=4,50

Hitung galat maksimum dari:
a. Luas permukaan bola
b. Volume bola
Penyelesaian :
a. Luas permukaan bola ( S=4 r 2)

Galat relatif luas permukaan bola: ε r ( S )=2 ε r
ε
¿2
a
0,45
¿2
4,50
¿ 0,2
Galat mutlak luas permukaan bola:
ε s=S ε r ( S )=4 π r 2 .2 ε r
¿ 4 ( 3,14 ) ( 4,50 ) 2 ( 0,2 )
¿ 50,868
S=(254,340 50,868)m2
4
Volume bola :V = r 3
3
Galat relatif volume bola: ε r (V )=3 ε r
0,45
¿3
4,50
¿ 0,3
Galat mutlak volume bola:
4
ε V =V . ε r (V )= r 3 ε r (V )
3
4
¿ (3,14)( 4,50)3 (0,3)
3
¿ 114,453
V =(381,51114,453 )m3

2.3 Sumber Utama Galat Numerik
Secara umum terdapat dua sumber utama penyebab galat dalam
perhitungan numerik
 Galat Pemotongan ( truncation error )
 Galat pembulatan ( round-off error )
Selain kedua galat ini, terdapat sumber galat lain :
1. Galat eksperimental , galat yang timbul dari data yang
diberikan, misalnya karena kesalahan pengukuran,
ketidaktelitian alat ukur dan sebagainya.
2. Galat pemrograman, Galat yang terdapat di dalam program
sering dinamakan dengan bug. Dan proses penghilangan galat
dinamakan debugging.
2.3.1 Galat Pemotongan

Galat pemotongan adalah keterbatasan komputer dalam
menyajikan bilangan riil menghasilkan galat. Akibat
pembulatan angka terjadi pada komputer yang disediakan
beberapa angka tertentu.
Misal :
5 angka, penjumlahan 9.2654 +7.1625 hasilnya 16.4279

. ini berarti terdiri 6 angka sehingga tidak dapat disimpan
dalam komputer kita dan akan dibulatkan menjadi 16.428

Galat pemotongan mengacu pada galat yang ditimbulkan akibat
penggunaan hampiran sebagai pengganti formula eksak atau
matematika yang lebih komplek diganti lebih sederhana. Tipe
galat pemotongan bergantung pada metode komputasi yang
digunakan penghampiran sehingga kadang-kadang disebut juga
galat metode. Misalnya, tuurunan pertama fungsi f di x1

dihampiri dengan formula

'
f ( x 1+i ) −f ( xi )
f ( x 1 )=
h
h adalah lebar absis ( x 1+i )dengan x i .
galat yang ditimbulkan dari penghampiran turunan tersebut
merupakan galat pemotongan.
Contoh :
Hampiran fungsi cos(x) dengan bantuan deret taylor di
sekitar x = 0 :
x2 x4 x6 + x8 x 10
cos x ≈ 1− + − − +…
2! 4 ! 6! 8 ! 10 !
Nilai hampiran galat pemotongan
Deret taylor fungsi cos(x) deret tersebut kita potong

sampai suku orde tertentu, misalngya sampai suku orde n =
6. Kita lihat bahwa menghampiri cos (x) dengan deret taylor
sampai suku berderajat enam tidak memberikan hasil yang
tepat. Namun kita dapat menghampiri galat pemotongan ini
dengan rumus suku sisa :
( n+1 )
( x−x 0 ) ( n+1 )
Rn ( x ) = f ( c)
( n+1 ) !
, x 0< c< x
Pada contoh cos (x) di atas,
x7
R6 ( x ) = cos ⁡(c )
7!
, 0< c< x
Nilai Rn yang tepat hampir tidak pernah dapat kita

peroleh, karena kita tidak mengetahui nilai c sebenarnya
terkecuali informasi bahwa c terletak pada suatu selang
tertentu.
|Rn ( x )|<max (n+ 1 )

n+1
(x− x0 )
(x ¿¿ 0<c< x)|f (c)|. ¿
n +1!
Galat pemotongan pada deret taylor dapat dikurangi dengan
meningkatkan orde suku-sukunya, namun jumlah komputasinya
menjadi lebih banyak.
Contoh soal :
1. Gunakan deret taylor orde 4 disekitar x 0=1 untuk
menghampiri ln (0,9) dan berikan taksiran untuk
galat pemotongan maksimum yang dibuat.

Penyelesaian :
Tahap 1 :
Menentukan turunan fungsi f (x)=ln(x ) terlebih
dahulu.
f (x)=ln (x ) f (1)=0
1 f ' (1)=1
f ' (x)=
x
f ( x ) = {1} overf{{x}
(1) =^ -{2}
f ' ( x ) = {2} over
f ' {{x}
(1) =^ {3}
−6
f (4 ) (x)=
x2 f (4 ) ( 1 ) =−6
24 24
f (5) ( x )= f (5) ( c)=
x5 c5

Deret Taylornya adalah
( x−1)2 ( x−1)3 ( x−1)4

ln ( x )=( x−1 ) − + − R (x )
2 3 4 4
Dan
ln ( 0,9 ) =¿
(0,9−1)2 (0,9−1)3 (0,9−1)4
( 0,9−1 )− + − R R4 ( x)
2 3 4 4
(−0,1)2 (−0,1)3 (−0,1) 4

ln ( 0,9 ) =(−0,1 )− + − R4 ( x)
2 3 4
ln ( 0,9 ) =−0.1053583+ R4 (x)
Juga
5
24 (−0.1)
|R5 ( 0.9 )|< max0.9< c<1 | |
c5
x
5!
Dan nilai Max |24/c 5∨¿ di dalam selang 0.9 < c <
1 adalah pada c = 0.9 (dengan medasari pada fakta

bahwa suatu pecahan nilainya semakin membesar
bilamana penyebut dibuat lebih kecil), sehingga
5
24 (−0.1)
|R 4 ( 0.9 )|<max0.9 <c<1 | |
c5
x
5!
=0.0000034
Jadi ln (0.9) = 0.1053583 dengan galat pemotongan

lebih kecil dari 0.0000034.
2. Deret Taylor yang digunakan untuk menghitung

integral fungsi yang sulit diintegralkan secara
analitik (bahkan, adakalanya tidak mungkin

dihitung secara analatik). Hitunglah hampiran
1
nilai ∫ sin x dx secara numeric, yaitu fungsi
0
f ( x )=sin x dihampiri dengan deret MacLaurin orde
9.
Penyelesaian :
Deret Maclaurin orde 9 fungsi f (x)=sin x adalah
x3 x 5 x 7 x 9
sin x=x− + – + −…
3! 5! 7! 9!
Dengan demikian maka
1 1
−x 3 x 5 x 7 x 9
∫ sin x dx=∫ x
0 0
( + – +
3! 5 ! 7! 9 ! ) dx
−13 15 17 19
¿ 1 ( + – +
3! 5 ! 7 ! 9 ! )
−1 1 1 1
¿1 + – + =0.8414710097
6 120 5040 362880
2.3.2 Galat Pembulatan
Galat pembulatan adalah galat yang ditimbulkan oleh

keterbatasan computer dalam menyajikan bilangan real.
Hampir semua proses penghitungan dalam metode numeric
menggunakan bilangan real. Penyajian bilangan real yang
panjang nyata terhingga tidak bias disajikan secara tepat.
Misalnya 1/6 akan menghasilkan nilai real
0.66666666 … Digit 6 pada bilangan tersebut panjangnya

tidakterbatas. Sehingga untuk melanjutkan proses

penghitungan bilangan tersebut dibulatkan menjadi 0.6667,
tergantung berapa digit angka yang dibutuhkan. Dalam hal
ini selisih antara 0.666666 … dan 0.6667 disebut

galat pembulatan.
Angka Bena
Angka bena (significant figure) adalah angka bermakna,angka
penting, atau angka yang dapat digunakan pasti .
Contohnya :
43.123 Memiliki 5 angka bena (yaitu 4, 3, 1, 2, 3)
0.1764 Memiliki 4 angka bena (yaitu 1, 7, 6, 4)
0.0000012 Memiliki 2 angka bena (yaitu 1, 2)
278.300 Memiliki 6 angka bena (yaitu 2, 7, 8, 3, 0, 0)
270.0090 Memiliki 7 angka bena (yaitu 2, 7, 0, 0, 0, 9, 0)
0.0090 Memiliki 2 angka bena (yaitu 9, 0)
Perhatikan bahwa angka 0 bisa menjadi angka bena ata bukan.

Pada contoh 0,001360, tigabuah angka nol pertama tidak berarti,
sedangkan angka 0 yang terakhir angkab berarti karen pengukuran
dilakukan sampai ketelitian ke 4 digit. Jumlah angka bena akan
terlihat dengan pasti bila bilangan riil itu ditulis dlam
penulisan ilmiah (scientific natation).
4.3123 × 101 Memiliki 5 angka bena

Memiliki 4 angka bena
1.764 ×10−1 Memiliki 2 angka bena
−6
1.2 ×10 Memiliki 6 angka bena
Memiliki 7 angka bena
3

−3 Memiliki 24 angka
9.0 ×10
bena(bilangan avogadro)
13.60 ×102 , 0.1360× 101 ,1.360
Memiliki×10
−3
8 angka bena (jarak
23
6.02 ×10 bumi-matahari)
1.5 ×107
Komputer hanya menyimpan sejumlah tertentu angka bena.

Bilangan riil yang jumlah angka benanya melebihi jumlah
angka bena computer akan disimpan dalam sejumlah angka bena
computer itu. Pengabaian angka bena sisanya itulah yang
menimbulkan galat pembulatan.
Contoh :
1. Hitunglah dengan lima angka bena nilai f (13.400)

bila :
f ( x )=x−1000( √ x +0.1−√−x)
Penyelesaian :
f ( x )=x−1000( √ x +0.1−√−x)
f ( 13.400 ) =13.400−1000( √13.400+0.1−√−13.400)
f ( 13.400 ) =13.400−13.633
−233
f ( 13.400 ) =
1000
f ( 13.400 ) =−0.233
2. Hitunglah hampiran nilai cos(0.2), sudut dinyatakan

dalam radian, dengan deret

Maclaurin sampai suku orde n = 6.
Penyelesaian:
Dari hasil pada Contoh 2.2,
cos(0.2) 1 - 0.22/2 + 0.24/24 - 0.26/720 =
0.9800667
(sampai 7 angka di belakang koma)
2.3.3 Galat Total

Galat akhir atau galat total atau pada solusi numerik
merupakan jumlah galat pemotongan dan galat pembulatan.
Misalnya kita enggunakan deret maclaurin orde-4 untuk
menghampiri cos (0,2) sebagai berikut:
cos(0.2)≈ 1−
0,22 4
+ 0,2 /24 ≈ 0,9800667
2
galat pemotongan galat pembulatan

galat pemotongan timbul karena kita menghampiri cos(0,2)
sampai suku orde empat, sedangkan galat pembulatan timbul
karena kita membulatkan nilai hampiran kedalam 7 digit
bena.
Contoh :
1. Tentukam polinom MacLaurin orde 3 untuk
f (x)=sin( x), kemudian gunakan polinom tersebut
untuk menghampiri nilai f (0.2) gunakan galat total
dalam menentukan hasilnya dengan 4 angka bena.

Penyelesaian :

3 5 7
x x x
sin ( x )=x− + –
3! 5! 7!
0.23 0.25 0.27

sin( 0.2)=0.2− + – =0.1986693308
3! 5! 7!
Galat total : 0.1987
2. Carilah deret MacLaurin ex. Gunakanpolinom tersebut
untuk menghampiri nilai f (0.1), yang setiap hasil
perhitungan antara maupun hasil perhitungan akhir

menggunakan galat total.
Penyelesaian :
x x2 x3
e =1+ x + +
2! 3 !
(0.1) 0.12 0.13
e =1+0.1+ +
2! 3!
¿ 1.105166667
Galat total :1.105167
2.4 Orde Peghampiran
Di dalam metode numerik, fungsi f (x) sering diganti dgn fungsi
hampiran yang lebih sederhana. Satu cara mengungkap-kan tingkat

ketelitian penghampiran itu adalah dengan menggunakan notasi O-
Besar (Big-Oh).
Misal :
f (h) dihampiri dgn fungsi p ¿).

Jika ¿ f (h)− p(h)∨≤ M ∨h n∨, yg dalam hal ini M adalah
konstanta riil > 0, maka kita katakan bahwa p(h) menghampiri
f (h) dengan orde penghampiran O(h n) dan ditulis dgn :
f (h)= p( h)+O( hn)

O(h n) juga dapat diartikan sebagai orde galat dari
penghampiran fungsi. Karena h umumnya cukup kecil, yaitu < 1,
maka semakin tinggi nilai n semakin kecil galat, yg berarti

semakin teliti penghampiran fungsinya.
Metode yg berorde O(h 2)misalnya, lebih teliti drpd metode yg
berorde O(h). Juga pada metode yg berorde O(h 2), jika
ukuran h dijadikan setengah kali semula, maka galatnya menjadi

seperempat kali galat semula.
Umumnya deret Taylor digunakan untuk menghampiri fungsi.
Misalkan :
x i+1=x i+ h ,i=0,1,2, … ..
Adalah titik-titik sebesar h, maka hampiran f (x i+1) dengan
deret Taylor di sekitar xi adalah :

2 n
( x i+1−x i ) ' ( x −x ) ( x −x )
f ( x i+1 )=f ( x i )+ f ( x i )+ i +1 i f '' ( x i )+. .. .+ i+1 i f ( n) ( xi )+ Rn ( xi+1 )
1! 2! n!
2 n
h ' h '' h ( n)
f ( x i + 1 )=f ( x i )+ f ( x i )+ f ( xi )+.. . .+ f ( x i )+ Rn ( x i + 1 )
1! 2! n!
Dalam hal ini :
h( n+1) ( n+1 )
Rn ( x i +1 )= f ( t )=O ( h n+1 ) ; xi < t < x i +1
( n+1) !
Jadi, kita dapat menuliskan :
n
hk k
f ( x i + 1 )= ∑ f ( xi )+O ( hn+ 1 )
k =0 k!
Bilangan â disebut mendekati a sampai pada d digit-digit yang
signifikan bila d adalah bilangan positif terbesar yang
memenuhi:
¿ 10−d
ε
| r|=¿ a−â∨ < ¿
â 2
Pada deret Taylor:]
1 1
f ( x )=f ( x 0 ) +f ' ( x 0 )( x−x 0 )+ ! f ' ' ( x 0 ) (x−x 0 )2+ ! f ' ' ' ( x 0 ) ( x−x 0 )3 +…+
2 3
+ Rn ( x )
Bila ( x−x 0 ) = h atau x=x 0 +h, maka:
1
f ( x 0 +h )= f ( x0 )+ f ' ( x 0 )h + f '' ( x 0 )h 2 +. ..
2!
1
+ f n ( x 0 ) hn + R n ( h )
n!
1
Rn ( h)= f n + 1 ( ξ )h n +1 = Mh n +1 =O ( h n +1 )
( n+1) !
Dapat dituliskan menjadi:
f ( h)= p ( h)±O ( hn + 1 )
p(h) adalah fungsi hampiran untuk f (h) dengan galat
O(h n+1) . O(h n+1) disebut sebagai Big-Oh (O-besar).
Pada umumnya 0< h<1, jadi semakin besar n semakin dekat
p(h) menghampiri f (h)

Contoh:
1
1. cos h=1 – ! h2 O(h4 )
2
1 1
¿ 1 – ! h2 ! h4 O(h6 )
2 4
1 2 1 4 1 6
¿1– ! h + ! h – ! h O(h8 )
2 4 6
1 2 1 4 1 6 1 8
¿1– ! h + ! h – ! h + ! h O(h10 )
2 4 6 4
Orde Penghampiran didapat dati Deret Penting Maclaurin :
h2 h3 h4
f ( x )=e x =1+h+ + + +O ( h5 )
2! 3! 4!
x 2 x 3 x 4 x5
f x =ln x =x− + − + +O(h¿¿ 6) ¿
( ) ( )
2 3 4 5
h3 h5
f ( x )=sin ( h )=h− + +O ( h7 )
3! 5 !
h2 h4 h 6 8
f ( x )=cos ( h )=1− +¿ − +O(h ) ¿
2! 4! 6!
h h2 h3 h 4 5
e =1+h+ + + +O(h )
2! 3! 4!
x2 x 3 x 4 x 5 6
ln (x+1)=x – + – + +O(h )
2 3 4 5

3 5
h h 7 6
sin( h)=h – + +O(h )(bukan O(h ), karena suku orde 6=0)
3! 5!
h2 h 4 h 6 8 7
cos (h)=1 – + – +O(h )(bukanO( h ) , karena suku orde7=0)
2! 4 ! 6 !
Contoh :
2. a = 3,141592; â = 3,142
−3
3 ,141592−3 ,142 10
e r =| |=0,0001299<
3, 142 2
â mendekati a teliti sampai tiga desimal
2.5 Bilangan Titik Kambang

Bilangan riil di dalam komputer umumnya disajikan dalam format
bilangan titik-kambang. Bilangan titik -kambang a ditulis
sebagai :
a=± m⨯ B p=± 0. d 1 d 2 d 3 d 4 d 5 d 6 ... d n⨯ B p

dengan,
m = mantisa (riil), d1d2d3d4d5d6 ...dn adalah digit atau bit
mantisa yang nilainya dari 0
sampai B – 1, n adalah panjang digit (bit) mantisa.
B = basis sistem bilangan yang dipakai (2, 8, 10, 16, dan
sebagainya)
P = pangkat (berupa bilangan bulat), nilainya dari – Pmin
sampai +Pmaks
Contoh :
Bilangan riil 245.7654 dinyatakan sebagai 0.2457654⨯103 dalam

format bilangan titik kambang dengan basis 10. Cara penyajian
seperti itu serupa dengan cara penulisan ilmiah.
Penulisan ilmiah termasuk ke dalam sistem bilangan titik-
kambang. Sistem bilangan yang kita gunakan setiap hari
menggunakan basis sepuluh (disebut juga sistem desimal), B =
10. Umumnya komputer menggunakan sistem biner ( B = 2), tapi
beberapa komputer menggunakan basis 8 dan 16.
Contoh soal :
1. bilangan rill 38.980 dinyatakan 0.3898 ×102 dalam format
bilangan titik kambang dengan basis 10.
2. bilangan rill 6588 dinyatakan0.6588 ×10 4 dalam format
bilangan titik kambang dengan basis 10.
3. bilangan riil 3794.33 dinyatakan 0.379433 ×10 4dalam

format bilangan titik kambang dengan basis 10.
2.5.1 Bilangan titik kambag Ternormalisasi

Bilangan titik kambang dapat dituliskan dalam bentuk
sebagai berikut.
a = ± (mb) ⨯ B p – 1
Misalnya, 245.7654 dapat ditulis sebagai

0.2457654 ⨯ 103 atau
2.457654 ⨯ 102 atau
0.02457654 ⨯ 104 , dan sebagainya
Bilangan titik-kambang yang dinormalisasi ditulis sebagai
a=± m⨯ B p=± 0. d 1 d 2 d 3 d 4 d 5 d 6 ... d n ⨯ B p

dengan, d1d2d3d4d5d6 ...dnadalah digit (atau bit) mantisa
dengan syarat
1 ≤d ≤b
1 - 1 dan 0 ≤dk ≤B-1 untuk k > 1.

Pada sistem desimal, 1 ≤d ≤
1 9 dan 0 ≤dk ≤ 9,
sedangkan pada sistem biner, d1 = 1 dan 0 ≤dk ≤ 1
Contoh,
0.0563⨯10-3 dinormalisasi menjadi 0.563⨯10-4,
0.00023270⨯106 dinormalisasi menjadi 0.23270 ⨯103.
Pada sistem desimal (B = 10), m akan berkisar dari 0.1

sampai 1, dan pada sistem biner (B = 10), antara 0.5 dan 1.
Sebagai catatan, nol adalah kasus khusus. Nol disajikan
dengan bagian mantisa seluruhnya nol dan pangkatnya nol.
Nol semacam ini tidak dinormalisasi.
Contoh :
Tulislah bilangan e dalam format bilangan titik-kambang
ternormalisasi dengan basis 10, basis 2, dan basis 16.
Penyelesaian:
Dalam basis 10 (menggunakan 8 angka bena),
e ≈ 2.7182818 = 0.27182818 ⨯ 101
(bilangan titik-kambang desimal ternormalisasi)
Dalam basis 2 (menggunakan 30 bit bena),
e ≈ 0.1010110111111000010101000101102⨯22
(bilangan titik-kambang biner ternormalisasi)

Dalam basis 16 (gunakan fakta bahwa 16 = 24, sehingga 22 =
¼ ⨯ 161
e ≈ 0.1010110111111000010101000101102⨯ 22
= ¼ ⨯ 0.1010110111111000010101000101102⨯ 161
= 0.001010110111111000010101000101102⨯ 161
= 0.2B7E151616 x 161
(bilangan titik-kambang heksadesimal ternormalisasi)

2.5.2 Epsilon mesin
Ukuran yang digunakan untuk membedakan suatu bilangan riil
dengan bilangan riil berikutnya adalah epsilon mesin.
Epsilon mesin distandardisasi dengan menemukan bilangan
titik-kambang terkecil yang bila ditambahkan dengan 1
memberikan hasil yang lebih besar dari 1. Dengan kata lain,
jika epsilon mesin dilambangkan dengan ε maka
1 + ε> 1
Contoh :
tinjau kasus bilangan titik-kambang biner 6-bit word (1 bit

tanda, 3 bit untuk pangkat bertanda, dan 2 bit mantisa)
dengan B = 2, dan nilai pangkat dari –2 sampai 3 Karena
semua bilangan dinormalisasi, maka bit pertama harus 1,
sehingga semua bilangan yang mungkin adalah berbentuk:
±0.10 ⨯22
p
atau ±0.11 ⨯2 ,
2
p
-2 ≤p ≤3
Daftar bilangan riil positif yang dapat direpresentasikan
adalah
0.102⨯2-2 = (1 ⨯2-1 + 0 ⨯2-2) ⨯2-2 = 1/8 = 0.12510
0.102⨯2-1 = (1 ⨯2-1 + 0 ⨯2-2) ⨯2-1 = 1/4 = 0.2510
0.102⨯20 = (1 ⨯2-1 + 0 ⨯2-2) ⨯20 = 1/2 = 0.510
0.102⨯21 = (1 ⨯2-1 + 0 ⨯2-2) ⨯21 = 1 =
1.010
0.102⨯22 = (1 ⨯2-1 + 0 ⨯2-2) ⨯22 = 2 = 2.010
0.102⨯23 = (1 ⨯2-1 + 0 ⨯2-2) ⨯23 = 4 = 4.010
0.112⨯2-2 = (1 ⨯2-1 + 1 ⨯2-2) ⨯2-2 = 3/16 = 0.187510
0.112⨯2-1 = (1 ⨯2-1 + 1 ⨯2-2) ⨯2-1 = 3/8 = 0.37510

0.112⨯20 = (1 ⨯2-1 + 1 ⨯2-2) ⨯20 = 3/4 = 0.7510
0.112⨯21 = (1 ⨯2-1 + 1 ⨯2-2) ⨯21 = 3/2 = 1.510
0.112⨯22 = (1 ⨯2-1 + 1 ⨯2-2) ⨯22 = 3 = 3.010
0.112⨯23 = (1 ⨯2-1 + 1 ⨯2-2) ⨯23 = 6 = 6.010
Bila kita susun dari nilai positif terkecil ke nilai
terbesar, maka seluruh bilangannya digambarkan dalam
diagram garis bilangan sebagai berikut:
Rentang nilai-nilai positifnya diperlihatkan pada gambar

berikut.
Epsilon mesin pada sistem bilangan riil yang ditunjukkan

pada gambar adalah
ε= 1.000000119 - 1.0 = 0.119 ⨯10-6
Gap (∆ x) atau jarak antara sebuah bilangan titik-kambang

dengan bilangan titik-kambang berikutnya, yang besarnya

adalah
∆ x = ε ⨯R
yang dalam hal ini R adalah bilangan titik-kambang

sekarang. Contohnya, gap antara bilangan positif terkecil
pertama 0.29 ⨯10-38 dengan bilangan titik-kambang terkecil
kedua pada gambar adalah
∆x = (0.119 ⨯10-6 ) ⨯(0.29 ⨯10-38) = 0.345 ⨯10-45
dan dengan demikian bilangan titik-kambang terkecil kedua

sesudah 0.29 ⨯10-38 adalah
0.29 ⨯10-38 + 0.345 ⨯10-45
Dapat dilihat bahwa gap akan bertambah besar dengan semakin

besarnya bilangan titik-kambang.
Keadaan underflow terjadi bila suatu bilangan titik-kambang

tidak dapat dinyatakan di antara 0 dan bilangan positif
terkecil (atau antara 0 dan bilangan negatif terbesar).
Keadaan overflow terjadi bila suatu bilangan titik-kambang
lebih besar dari bilangan positif terbesar (atau lebih
kecil dari bilangan negatif terkecil).
Jika kita mengetahui jumlah bit mantisa dari suatu bilangan
titik-kambang, kita dapat menghitung epsilon mesinnya
dengan rumus
ε= B1−n
yang dalam hal ini B adalah basis bilangan dan n adalah
banyaknya digit (atau bit) bena di dalam mantisa. Pada
contoh pertama di atas (B = 2 dan n = 2),
ε =2 1−2
=0.5

Kita juga dapat menemukan perkiraan nilai epsilon mesin
dengan prosedur yang sederhana. Gagasannya ialah dengan
membagi dua secara terus menerus nilai 1 dan memeriksa
apakah 1 ditambah hasil bagi itu lebih besar dari 1.
Epsilon dapat digunakan sebagai kriteria berhenti

kekonvergenan pada pada prosedur lelaran yang konvergen.
Nilai lelaran sekarang dibandingkan dengan nilai lelaran
sebelumnya. Jika selisih keduanya sudah kecil dari epsilon
mesin, lelaran dihentikan, tetapi jika tidak, lelaran
diteruskan.
2.5.3 Pembulatan Pada Bilagan Titik Kambang

 Bil. Riil dalam computer memiliki rentang terbatas
 Floating-point yang tidak cocok salah satu dari nilai-
nilai dalam rentang nilai yang tersedia akan
dibulatkan kesalahsatu nilai dalam rentang
 Error yang muncul akibat penghampiran di atas disebut
galat pembulatan
 Teknik pembulatan yang umumnyadipakaikomputer, yaitu:
- Pemenggalan (Chooping)
- Pembulatanke digit terdekat (In-rounding)
a. Pemenggalan (chopping)
– Misaldiketahui:a = ± 0.d1d2d3…dndn+1…⨯10P
flchop(a) = ± 0.d1d2d3…dndn+1…⨯10P
• Contoh pemenggalannya:
p = 0.31459265358…⨯101
flchop(p) = 0.314592⨯101 (6 digit mantis)
Error = 0.00000065…⨯101

b. Pembulatan ke digit terdekat (in-rounding)
– Misaldiketahui: a = ± 0.d1d2d3…dndn+1…⨯10P
P
¿^ X 10
fl round ( a)=±0 . d1 d 2 d 3 .. . d n ¿
dn ,jika dn+1< 5
d¿^ n+1
=
,jika dn+1 > 5
n
ddn ¿ ,jika dn+1 = 5 dan n genap
dn+1 ,jika dn+1 = 5 dan n ganjil
Contoh 1:
p = 0.31459265358…⨯101
Dalam komputer 6 digit, pembulatan menjadi
flround(p) = 0.314593⨯101
dengan error = 0.00000034642…⨯101
èPembulatan ke digit terdekat menghasilkan error yang
lebih kecil dari pada pemenggalan
• Pembulatanke digit terdekat (In-rounding)

Contoh 2: a = 0.568278571528⨯10-4
1. Dalam komputer 7 digit, pembulatan menjadi
flround(a) = 0.5682786⨯10-4

2. Dalam komputer 8 digit, pembulatan menjadi
flround(a) = 0.56827857⨯10-4
Contoh lainnya, nilaia = 0.5682785715287⨯10-4:
- di dalam komputer 7 digit dibulatkan menjadi flround(a )
= 0.5682786 ⨯10-4
= 0.56827857 x 10-4
= 0.568278 x10-4
= 0.568278572 x 10-4
2.5.4 Aritmatika Bilangan Titik Kambang

a. Operasi Penambahan dan Pengurangan
 Permasalahan 1
Penjumlahan dan Penguranga bilangan yang sangat kecil ke atau dari
bilangan yang lebih besar menyebabkan error
Contoh :
Misalkam digunakan komputer dengan mantis 4 digit (basis 10).
Hitunglah
1.557+0.04381=0.1557 ×101 +0.4381 ×10−1

Penyelesaian :

Perhatikan bahwa dua digit terakhir dari bilangan yang digeser ke
kanan pada dasarnya telah hilang dari perhitungan.
Galat mutlak pembulatan
¿|( 0.160081 ×101 ) −( 0.1601 ×101 )|=0.000019

Galat mutlak Pemenggalan
¿|( 0.160081 ×101 ) −( 0.1601 ×101 )|=0.000081

 Permasalahan 2 :
Pengurangan dua buah bilangan yang hampir sama besar,
menyebabkan kehilangan angka bena dan pemenggalan
maupun pembulatan menghasilkan jawaban yang sama.
Contoh:
0.56780⨯105 – 0.56430⨯105 (5 angka bena)
Penyelesaian :
Kurangi 0.56780 ×105 denga 0.56430 ×105 (5
angka bena)
Hasil yang diperolrh hanya mempunyai 3 angka bena. Jadi kita

kehilangan 2 buah angka bena. Meskipun kita dapat menuliskan
hasilnya sebagai 0.35000 ×105 , namun dua nol yang

terakhir bukan angka bena tetapi sengaja ditambahkan untuk mengisi
kekosongan digit yang hilang.
Cotoh soal :
1) Kurangi 3.1415926536 dengan
3.1415957341 (11 angka Bena)

2) Kurangi 0.7642 ×103 dengan 0.7641 103 (4
angka bena)
3) Hitung akar-akar polinom x 2−40 x +2=0 sampai 4
angka bena.
e x −1−x
4) Diberikan f ( x )= . Hitung f (0.01)
x2
sampai 6 angka bena.
Penyelesaian :
1)
2)
3)

4)
b. Operasi Perkalian da Pembagian

Kriteria:
1. Tidak memerlukan penyamaan pangkat seperti halnya
pada penjumlahan
2. Perkalian dapat dilakukan dengan mengalikan kedua
mantis dan menjumlahkan pangkatnya.
3. Pembagian dikerjakan dengan membagi mantis dan
mengurangi pengkatnya.
Contoh.

1. Hitung perkalian 0.4652 ⨯104 dengan 0.1456 ⨯ 10-1
(4 angka bena).
Penyelesaian:
a. Kalikan mantis
0.4652 ⨯ 0.1456 = 0.06773312
b. Jumlahkan pangkat
4 + (−1) = 3
c. Gabungkan mantis dengan pangkat
0.06773312 ⨯ 103
d. Normalisasi: 0.6773312 ⨯ 102
in-rounding → 0.6773 ⨯10 2
chopping → 0.6773 ⨯10 2
2. Hitung (0.8675 ⨯ 10−4)/0.2543 ⨯ 10−2 (4 angka

bena).
Penyelesaian:
a. Bagi mantis
0.8657 : 0.2543 = 3.4113252
b. Kurangi pangkat
(−4) – (−2) = −2
c. Gabungkan mantis dengan pangkat
3.4113252 ⨯ 10−2
d. Normalisasi: 0.34113252 ⨯ 10−2
in-rounding →0.3411 ⨯ 10 −2
chopping →0.3411 ⨯ 10 −2
2.6 Perambatan Galat

Galat yang dikandung dalam bilangan titik-kambang merambat pada
hasil komputasi. Misalkan terdapat dua bilangan a dan b (nilai

sejati) dan nilai hampirannya masing-masing a^ dan b^ , yang
mengandung galat masing-masing ε adan ε b. Dapat ditulis
a=^a + ε a dan ^ ε b.
b=b+
Galat merambat pada hasil penjumlahan a dan b

^ ε b )=( a^ + b)+(ε
a+ b=( a^ + ε a )+( b+ ^ a + εb )
Jadi, galat hasil penjumlahan sama dengan jumlah galat masing-

masing operand.
Galat merambat pada hasil perkalian a dan b

ab=( a^ +ε a)( b^ +ε b )= a^ b+
^ a^ ε b+ b^ ε a + ε a ε b
^ a^ ε b+ b^ ε a + ε a ε b
ab−a^ b=
Jika, a dan b 0, maka galat relatifnya adalah
^ ( a^ ε b + b^ ε a +ε a ε b) ( a^ ε b ) ( b^ ε a ) ε a ε b
(ab−a^ b)
= = + +
ab ab ab ab ab
Jika, a dan a^ hampir sama besar, yaitu a a^ begitu juga b
^ , dan
danb εa dan εb sangat kecil, maka
a^

b^
a b
εa εb
dan (
)( ), maka
a b
ab−a^ b^ ε b ε a
= + =ε Rb +ε Ra
ab b a
Jadi, galat relatif hasil perkalian sama dengan jumlah galat

relatif masing-masing operand.
2.7 Kondisi Buruk

Suatu persoalan dikatakan berkondisiburuk (illconditioned) bila
jawabannya sangat peka terhadap perubahan kecil data
(misalnyaperubahankecilakibatpembulatan). Bila kita mengubah
sedikit data, maka jawabannya berubah sangat besar (drastis).
Lawan dari berkondisi buruk adalah berkondisi baik
(wellconditioned). Suatu persoalan dikatakan berkondisi baik
bila perubahan kecil datahanya mengakibatkan perubahan kecil
pada jawabannya.
Sebagai contoh, tinjau persoalan menghitung akar persamaan
kuadratax 2 +bx +c=0 . Caranya hanya mengubah nilai-nilai
tetapan c-nya saja:
(i) x 2−4 x+3.999=0akar-akarnya x 1=2.031 dan x2

=1.968
Sekarang, ubah 3.99 menjadi 4.00:
(ii) x 2−4 x+ 4.000=0 akar-akarnya x 1= x 2=2.000

Ubah 4.00 menjadi 4.001:
(iii) x 2−4 x+ 4.001=0  akar-akarnya imajiner
Jadi, persoalan akar-akar persamaan kuadrat diatas berkondisi

buruk, karena dengan pengubahan sedikit saja data masukannya
(dalam hal ini nilai koefisien c ), ternyata nilai akar-akarnya
berubah sangat besar.
2.8 Bilangan Kondisi

Kondisi komputasi numerik dapat diukur dengan bilangan kondisi.
Bilangan kondisi merupakanukuran tingkat sejauh mana

ketidakpastian dalam diperbesar x oleh f(x). Bilangan kondisi
dapat dihitung dengan bantuan Deret taylor. Fungsi f(x)
x sampai suku orde pertama:

diuraikan di sekitar ^
f (x) ≈ f ( x^ )+f ' ( ^x )(x− x^ )

Galat relatif hampiran dari x adalah
ε RA [ f ( x)]=( f (x)−f ( ^x ))/(f ( ^x ))≈ (f ' ( x^ )( x− ^x ))/( f ( ^x ))

Dan galat relatif hampiran dari adalah
x− x^
ε RA [ x ] =
x^
Bilangan kondisi didefinisikan sebagai nisbah (ratio) antara
galat relatif hampiran dari f(x) dan galat relatif hampiran
dari x:
ε RA [f ( x ) ] x^ f ' ( ^x )
Bilangan kondisi ¿ | ε RA [x ] || |
=
f ( x^ )
Arti dari bilangan kondisi adalah:
- Bilangan kondisi = 1 berarti galat relatif hampiran
fungsi sama dengan galat relatif x
- Bilangan kondisi lebih besar dari 1 berarti galat
relatif hampiran fungsi besar
- Bilangan kondisi lebih kecil dari 1 berarti galat
relatif hampiran fungsi kecil (kondisi baik)
Suatu komputasi dikatakan berkondisi buruk jika bilangan
kondisinya sangat besar, sebaliknya berkondisi baik bila
bilangan kondisinya sangat kecil.
Contoh soal :
1. Misalkanf(x) = √ x. Tentukan bilangan kondisi perhitungan
akar kuadrat x.

Penyelesaian:
Hitungf '(x) terlebihdahulu
1
f ' ( x )=
2 √x
Yangakandigunakanuntukmenghitung
^x
Bilangankondisi
¿ | | 2 √ ^x 1
Bilangankondisiinisangatkecil,
=
√ ^x 2
yang
berartipenarikanakarkuadratx merupakan prosesyang
berkondisibaik. Sebagaicontoh, √ 20.999 = 4.5824665,
danjika 20.999 diubahsedikit (dibulatkan)menjadi 21.000
maka√ 21.000 = 4.5825756. Ternyata
perubahankecilpadanilaix
hanyaberakibatperubahansedikitpadaf(x).
10
2. Hitungbilangankondisi f ( x )= .
1−x 2
Penyelesaian:
Hitungf '(x) terlebihdahulu
20 x
f ' ( x )=
( 1−x 2 ) ²
Yangdigunakanuntukmenghitung

20 x^
[ ]
| ||
^x 2
( 1− x^ 2 ) 2 x^ 2
bilangankondisi¿
10
=
1− ^x 2 |
( 1− ^x2 )
Bilangan kondisi ini sangat besar untuk |x|≈ 11. Jadi,
menghitung f(x) untuk x mendekati 1 atau -1 sangat buruk

keadaannya, karena galat relatifnya besar. Sebagai contoh,
f(1.009) = -55.306675, tetapi f(1.01) = -497.51243.
Ternyata perubahan kecil pada nilai x di sekitar 1 (karena
dibulatkan dari 4 angka bena menjadi 3 angka bena),
mengakibatkan nilai f(x) berubah sangat besar. Untuk x yang
jauh dari 1 atau –1, f(x) berkondisi baik.
3. Hitung bilangan kondisi untuk f(x) = tan(x).

Penyelesaian:
Hitung f '(x) terlebih dahulu
1
f ' ( x )=
cos2 x
Yang digunakan untuk menghitung
1
Bilangan kondisi
| |
¿
^x
| cos 2( x^ )
tan ⁡( ^x )
|
π
Bilangan kondisi ini sangat besar untuk x ≈ . Misalkan
2
π π
untuk x = + 0.1( ),
2 2

Bilangan kondisi = 1.7279(40.86)/-6.314 = -11.2
π π
Dan untuk x = + 0.01( ),
2 2
Bilangan kondisi = 1.5865(4053)/-63.66 = -101
BAB III

SOLUSI PERSAMAAN NIRLANJAR
Dalam matematika terapan kita sering mencari penyelesaian persamaan untuk
f (x)=0, yakni bilangan- bilangan x=1 sedemikian hingga f (x)=0 sehingga
f (r )=0; f adalah fungsi tak linear dan r yang memenuhi disebut akar persamaan
atau titik 0 fungsi tersebut.
3.1 Rumusan Masalah

Persoalan mencari solusi persamaan yang lazim disebut akar
persamaan atau nilai-nilai nol yang berbentuk f ( x )=0. Yaitu
nilai x=ssedemikian sehingga f (s ) sama dengan nol.
Beberapa persamaan sederhana mudah ditemukan akarnya, misalnya
5 x−10=0pemecahannyaadalah dengan memindahka -10 ke ruas
kanan sehingga menjadi 5 x=10, sehingga solusi atau akarnya
adalah x=2. Begitu juga dengan persamaan kuadratik seperti
x 2−4 x−5=0 , akar-akarnya mudah ditemukan dengan cara
pemfaktoran menjadi ( x−5 ) ( x+ 1 )=0 sehingga x 1=5 dan
x 2=−1
Umumnya persamaan yang akan dipecahkan muncul dalam bentuk
nirlanjar (non linear) yang melibatkan bentuk sinus, cosinus,
eksponensial, logaritma dan fungsi transenden lainnya.
Misalnya :
Tentukan akar riil terkecil dari :
9.34−21.97 x +16.3 x3 −3.704 x5 =0

Contoh di atas memperlihatkan bentuk persamaan yang rumit atau

kompleks yang tidak dapat dipecahkan secara analitik. Bila
metode analitik tidak dapat menyelesaikan persamaan, maka kita
masih bisa mencari solusinya dengan menggunakan metode numerik.
3.2 Metode Pencarian Akar
Dalam metode numerik, pencarian akar f ( x )=0 dilakukan
secara lelaran (iteratif). Secara umum, metode pencarian

akar dapat dikelompokkan menjadi dua golongan besar :
a) Metode tertutup atau metode pengurung (bracketing method)
Metode ini mencari akar dalam selang [ a , b ]Selang

[ a , b ]sudah dipastikan berisi minimal satu buah akar,
karena itu metode jenis ini selalu berhasil menemukan akar.

Dengan lelarannya selalu konvergen menuju ke akar, karena
itu metode tertutup sering disebut sebagai metode
konvergen.
b) Metode terbuka
Metode terbuka tidak memerlukan selang [ a , b ]yang

mengandung akar, yang diperlukan adalah tebakan (guest)
awal akar. Kemudian dengan prosedur lelaran, kita
menggunakannya untuk menghitung hampiran akar yang baru.
Mungkin saja hampiran akar yang baru mendekati akar sejati
(konvergen), atau mungkin juga menjauhinya (divergen).
Karena itu metode terbuka tidak selalu menemukan akar,
kadang-kadang konvergen, kadangkala ia divergen.
3.3 Metode Tertutup

Seperti yang telah dijelaskan, metode tertutup memerlukan
selang[a,b] untuk mencari akar yang berada pada selang tersebut.
Dalam selang tersebut dapat dipastikan minimal terdapat satu

buah akar. Sebagaimana namanya, selang tersebut “mengurung”
akar sejati. Strategi yang dipakai adalah mengurangi lebar
selang secara sistematis sehingga lebar selang tersebut semakin
sempit dan karenanya menuju akar yang benar.
Dalam sebuah selang mungkin terdapat lebih dari satu buah

akar atau tidak ada akar sama sekali. Secara grafik dapat
ditunjukkan bahwa jika :
( 1 ) f ( a ) f ( b )< 0 maka terdapat akar sebanyak
bilangan ganjil.
Gambar 1. Banyaknya akar ganjil
( 2 ) f ( a ) f ( b ) > 0, maka terdapat akar sebanyak bilangan
genap atau tidak ada akar sama sekali
Gambar 2. Banyaknya akar genap
Syarat Cukup Keberadaan Akar

Jika nilai fungsi berbeda tanda tanda di ujung-ujung
selang, pastilah terdapat sedikit satu buah akar di dalam selang
tersebut. Syarat cukup keberadaan akar persamaan ditulis sebagai
berikut:
Jika f ( a ) f ( b ) <0 dan f ( x )menerus didalam selang [a , b],

maka paling sedikit terdapat satu buah akar persamaan f ( x )=0
di dalam selang[a , b].
Gambar 3. Lokasi akar
Syarat tersebut disebut sebagai syarat cukup (bukan

syarat perlu) sebab meskipun nilai nilai ujung selang tidak
berbeda tanda, mungkin saja terdapat akar di dalam
selangtersebut.
Ada dua masalah yang terjadi karenaketidaktepatan
mengambil selang [a , b] yaitu :
1. Bila di dalam selang[a , b] terdapat lebih dari
satu buah akar. Perlu diingat bahwa sekali suatu metode tertutup

digunakan untuk mencari akar di dalam selang[a , b]. Karena itu
bila mengambil selang[a , b]. Yang mengandung lebih dari satu
akar, maka hanya satu buah akar saja yang berhasil ditemukan
2. Bila mengambil selang[a , b] yang tidak memenuhi
syarat cukup f ( a )( b ) <0.sehingga mungkin sampai pada
kesimpulan tidak terdapat akar di dalam selang[a , b]
tersebut, padahal seharusnya ada.
Untuk mengatasi kedua masalah di atas, pengguna metode

tertutup disarankan untuk mengambil selang yang berukuran cukup
kecil yang memuat hanya satu akar. Ada dua pendekatan yang dapat
digunakan dalam memilih selang tersebut, yaitu :
1. Pendekatan pertama yaitu membuat grafik fungsi di bidang
X −Y , lalu melihat dimana perpotongannya dengan sumbu X

. Dari sini kita dapat mengira-ngira selang yang memuat
titik potong tersebut. Grafik fungsi dapat dibuat dengan
program yang ditulis sendiri, atau lebih praktis
menggunakan paket program yang dapat membuat grafik fungsi.
2. Pendekatan kedua adalah dengan mencetak nilai fungsi pada

titik-titik absis yang berjarak tetap. Jarak titik ini
dapat diatur cukup kecil. Jika tanda fungsi berubah pada
sebuah selang, pasti terdapat minimal satu akar didalamnya.
Keberhasilan dari pendekatan ini bergantung pada jarak
antara titik-titik absis. Semakin kecil jarak titik absis,
semakin besar peluang menemukan selang yang mengandung
hanya sebuah akar.

Ada dua metode klasik yang termasuk ke dalam metode
tertutup, yaitu metode bagi dua dan metode regula-falsi.
3.3.1. Metode Bagidua2
Metode bagi dua ini dilakukan untuk pencarian

akar suatu persamaan dengan cara selalu membagi
dua selang sehingga diperoleh nilai fungsi untuk
titik tengahselang.Metode ini mengasumsikan bahwa
fungsi f(x) adalah kontinu pada interval[a 1,b 1],
serta f (a1 )dan f (b¿¿ 1)¿ mempunyai tanda
berlawanan, artinya f ( a1 ) . f ( b ) <0 , karena itu
terdapat minimal satu akar pada interval [a 1,b 1].
Interval dalam metode ini selalu dibagi dua sama

lebar, jika fungsi berubah tanda sepanjang suatu
subinterval, maka letak akarnya kemudian
ditentukan ada di tengah-tengah subinterval.
Proses ini diulangi sampai ukuran interval yag
baru sudah sangat kecil dan hal ini tentu saja
sesuai dengan toleransi kesalahan yang diberikan.
Misalkan kita telah menentukan selang [a,b]
sehingga f ( a ) f (b)<0 . Pada setiap kali lelaran,
selang [a,b] kita bagi dua di x=c , sehingga
terdapat dua buah subselang yang berukuran sama
yaitu selang [ a , c ]dan [ c ,b ]. Selang yang diambil
untuk lelaran berikutnya adalah subselang yang

memuat akar, bergantung pada apakah f ( a ) f (b)<0
.
Langkah pencarian akar dengan metode bagi dua :
Langkah 1 : Pilih selang inteval pencarian
awal x 1< x< x u ,dimana x 1adalah batas bawahdan xu

adalah batas atas. Kemudian lakukan pengujian
apakah akar terdapat dalaminterval , yaitu f ( xu ) .
f (x 1)< 0.
Langkah 2 : Taksir nilai akar ( x r ) dalam
x 1 + xu
selang dengan cara membagi dua selang x
r=
2
Langkah 3 : Lakukan pengujian terhadap nilai

fungsi untuk mengetahui inteval
pencarian berikutnya , yaitu dengan

cara :
 Jika ( x 1) . f ( x r )< 0 , berarti akar
terletak pada interval di bawah x r, sehingga
interval pencarian selanjutnya
x 1 ¿ x 1< x< x u=x r laluulangi langkah ke – 2.
 Jika ( x 1) . f ( x r )>0 , berarti akar
terletak pada interval di atas x r ,sehingga

interval pencarian selanjutnya
x 1=x r < x < x u=x ulaluulangi langkah ke – 2.
 Jika ( x 1) . f ( x r )=0 , berarti akar sama
dengan xr maka hentikan perhitungan.
Selang yang baru dibagi dua lagi dengan cara

yang sama. Begitu seterusnya sampai ukuran selang
yang baru sudah sangat kecil. Kondisi berhenti
lelaran dapat dipilih salah satu dari tiga
kriteria berikut :
1. Lebar selang baru |a−b|<ϵ , yang dalam hal ini
ϵ adalah nilai toleransi lebar selang yang

mengurung akar

2. Nilai fungsi di hampiran akar f (c )=0.
Beberapa bahasa pemrograman membolehkan
pembandingan dua buah bilangan riil, sehingga
perbandingan f (c )=0dibenarkan. Namun jika
kembali ke konsep awal bahwa dua buah

bilangan riil tidak dapat dibandingkan kesamaannya
karena representasi di dalam mesin tidak tepat,
maka kita dapat menggunakan bilangan yang sangat
kecil (misalnya epsilon mesin) sebagai pengganti
nilai 0. Dengan demikian, menguji kesamaan
f ( c ) =0 dapat kita hampiridengan
f ( c ) < epsilonmesin.
3. Galat relative hampiran akar :¿ ¿ yang dalam hal
ini galat relative hampiran yang diinginkan.
Dengan jumlah iterasi dapat diprediksi

menggunakan :
Contoh Soal :
Carilah salah satu akar persamaan berikut:
x e-x+1 = 0
disyaratkan bahwa batas kesalahan relatif (εa) =0.001

dengan menggunakan range x=[−1,0]

Penyelesaian :
Dengan memisalkan bahwa :
- (xl) = batas bawah = a
- (xu) = batas atas = b
- (xr) = nilai tengah = x
maka diperoleh tabel biseksi sebagai berikut :
Pada iterasi ke 10 diperoleh x = -0.56738 dan f(x) =

-0.00066
Untuk menghentikan iterasi, dapat dilakukan dengan
menggunakan toleransi error atau iterasi maksimum.
Catatan :
Dengan menggunakan metode biseksi dengan tolerasi error
0.001 dibutuhkan 10 iterasi, semakin teliti (kecil
toleransi errornya) maka semakin bear jumlah iterasi
yang dibutuhkan.
Contoh :
1. Carilah nilai akar dari persamaan
f ( x )=x 3−x −1=0
Penyelesaian :

Pilih a=1 dan b=2. Karena
f ( 1 ) negatif dan f ( 2 ) positif , maka salah satu akar
terletak di antara 1 dan 2 . Oleh karena itu
3
x 0= =1,5.Kemudian karena
2
3 3 3 3 7
f ()()
2
=
2
− −1= ( positif )
2 8
maka akar
karakteristik terletak antara 1 dan 1,5.
1+1,5
Kondisi ini memberikan x 1= =1,25.Karena
2
−19
f ( x 1 ) =f ( 1,25 )= (negatif), nilai akar yang
64
dicari terletak diantara 1,25 dan 1,5. Sehingga
diperoleh
1,25+ 1,5
x 2= =1,375.
2
Bila prosedur diatas diulang kembali hingga x5

diperoleh nilai-nilai aproksimasi berikut :
x 3=1,3125 , x 4=1,34375 , x5 =1,328125
2. Carilah lokasi akar pada fungsin

2
f ( x )=x −4 x−5 menggunakan metode bagi dua

sampai 2 iterasi pada selang [2,9]
Penyelesaian :
f ( 2 ) =22−4 ( 2 )−5=−9
f ( 9 )=9 2−4 ( 9 )−5=40
f ( 2 ) . f ( 9 ) =(−9 ) . ( 40 )=−360<0jadi memang
terdapat akar pada selang [2,9]
Iterasi 1
Bagi 2 selang [2:9]
Panjang selang [2:9] adalah 9-2=7
Panjang setengah selang [2:9] adalah 7:2 = 3,5
Titik tengah selang [2:9] adalah
c 1=2+3,5=5,5 ≥c 1disebut solusi hampiran lokasi
akar untuk iterasi 1.
Galat/error= [akar sejati – akar hampiran] = [5 –

5,5] = 0,5
Karena ingin lanjut ke iterasi 2 maka bagi 2 selang

[2:9] dengan titik tengah
c 1=5,5 yaitu [ 2:5,5 ] dan [ 5,5: 9 ]

Cek selang mana yang ada akarnya :
f ( 2 ) =22−4 ( 2 )−5=−9
f ( 5,5 )=( 5,5 )2−4 ( 5,5 )−5=3,25
f ( 9 )=9 2−4 ( 9 )−5=40
f ( 2 ) . f ( 5,5 )=(−9 ) . ( 3,25 ) =−29,25<0 jadi
terdapat akar pada selang [2:5,5]
f ( 5,5 ) . f ( 9 ) =( 3,25 ) . ( 40 )=130>0 jadi tidak
terdapat akar pada selang [5,5:9]
Iterasi 2
Bagi 2 selang [2:5,5]
Panjang selang [2:5,5] adalah 5,5 – 2 = 3,5
Panjang setengah selang [2:5,5] adalah 3,5 : 2 = 1,75
Titik tengah selang [2:5,5] adalah
c 2=2+1,75=3,75 ≥c 2disebut solusi hampiran
lokasi akar untuk iterasi 2.
Galat/error= [akar sejati – akar hampiran] = [5 –

3,75] = 1,25

2
3. Selesaikan persamaan x −3=0dalam interval
[1,2] menggunakan metode bagi dua sampai 5 iterasi.
Penyelesaian :
Iterasi 1 :
a 1=1⇒ f ( a1 ) =−2
b 1=2
a1 +b1 1+ 2
x 1= = =1,5⇒ f ( x 1 )=−0,75
2 2
Iterasi 2:
Diamati (a 1) . f ( x 1 )> 0, maka
a 2=x1 =1,5⇒ f ( a 2) =−0,75
b 2=b1=2
a2 +b2 1,5+2
x 2= = =1,75 ⇒f ( x 2 )=0,0625
2 2
Iterasi 3:

Diamati (a 2) . f ( x 2 )< 0, maka
a 3=a2=1,5⇒ f ( a3 ) =−0,75
b 3=x 2=1,75
a3 +b 3 1,5+1,75
x 3= = =1,625 ⇒ f ( x3 ) =−0,3594
2 2
Iterasi 4:
Diamati (a 3) . f ( x 3 )> 0, maka
a 4=x 3=1,625 ⇒ f ( a4 )=−0,3594
b 4=b 3=1,75
a 4 +b 4 1,625+ 1,75
x4 = = =1,6875⇒ f ( x 3 )=−0,1523
2 2
Iterasi 5:
Diamati (a 4 ) . f ( x 4 )<0, maka
a 5=x 4=1,6875 ⇒ f ( a5 ) =−0,1523

b 5=b 4=1,75
a5 +b 5 1,6875+1,75
x 5= = =1,7187 ⇒ f ( x3 ) =−0,0459
2 2
Jadi, pada iterasi ke 5 diperoleh akar hampiran

x=1,7187
3.3.2 Metode Regula-Falsi
Metode regula falsi atau metode posisi palsu merupakan

salah satu solusi pencarian akar dalam penyelesaian persamaan-
persamaan non linier melaui proses iterasi (pengulangan).
Persamaan non linier ini biasanya berupa persamaan polynomial
tingkat tinggi, eksponensial, logaritmik, dan kombinasi dari
persamaan-persamaan tersebut. Seperti metode biseksi, Metode
regula falsi juga termasuk dalam metode tertutup.
Pada umumnya pencarian akar dengan metode biseksi selalu

dapat menemukan akar, namun kecepatan untuk mencapai akar
hampiran sangat lambat, oleh karena itu untuk mempercepat
pencarian akar tersebut dibutuhkan metode lain yaitu metode
regula falsi. kehadiran metode regula falsi adalah sebagai
modifikasi dari metode biseksi, yang kinerjanya lebih cepat
dalam mencapai akar hampiran.
Metode Regula Falsi merupakan salah satu metode tertutup
untuk menentukan solusi akar dari persamaan non linier ,
dengan prinsip utama sebagai berikut :
1. Menggunakan garis scan (garis lurus yang menghubungkan
dua koordinat nilai awal terhadap kurva) untuk mendekati

akar persamaan nonlinier (titik potong kurva f(x) dengan
sumbu x) .
2. Taksiran nilai akar selanjutnya merupakan titik potong
garis scan dengan sumbu x.
Berdasarkan gambar di atas, didapat rumus metode

regula falsi :
f ( b ) −f ( a ) f ( b )−0
=
b−a b−c
f ( b ) a−f ( a ) b
Dapat disederhanakan menjadi c=
f ( b )−f ( a )
Algoritma Metode Regula Falsi
1. Tentukan nilai awal a dan b
2. Cek konvergensi nilai f ( a) dan f (b )

a. Jika tanda f ( a) dan f ( b ), nilai awal dapat
digunakan untuk iterasi selanjutnya
b. Jika tanda f ( a) = ( b ) , pilih nilai awal yang
baru.
3. Lakukan iterasi dan tentukan nilai c (hitung
akar), dengan rumus :
f ( b ) a−f ( a ) b
f ( b )−f ( a )
4. Cek konvergensi nilai c yaitu jika nilai f ( c) =0

maka hentikan proses iterasi.
5. Jika belum konvergensi tentukan nilai interval
baru dengan cara :
a. Jika tanda f(c) = tanda f(a) maka c = a
b. Jika tanda f(c) = tanda f(b) maka c = b
Contoh Soal:
1. Dengan menggunakan metode regula falsi, tentukanlah salah
satu akar dari persamaan ( x )=x 2−5 x+ 4 . Jika
diketahui nilai awal x=2 dan x=5 dan serta ketelitian

hingga 3 desimal.
Penyelesaian :
Cek nilai awal
n a f (a) b f (b) w c f (c )
0 2 -2 5 4 0,333 3 -2
Nilai awal :
a=2 → f ( 2 ) =(2)2−5 ( 2 ) +4=−2
b=5 → f (5 )=( 5)2−5 ( 5 )+ 4=4

(−2 )
w= =0,333
(−2 )−( 4 )
2
c=2+ 0,333 ( 5−2 )=3 → f ( 3 )= (3 ) −5 ( 3 ) +4=−2
Langkah selanjutnya menukar nilai a atau b dengan c
jika f ( a) atau f (b ) sama tanda nilainya dengan f ( c)

seperti pada metode biseksi
n a f (a) b f (b) w c f (c )
0 2 -2 5 4 0,333 3 -2

1 3 -2 5 4 0,333 3,667 -0,889
2 3,667 -0,889 5 4 0,182 3,909 -0,264
3 3,909 -0,264 5 4 0,062 3,977 -0,069
(−0,264 )
w= =0,062
(−0,264 )−( 4 )
c=3,909+ 0,062 ( 5−3,909 )=3,977
2
→ f ( 3,977 )= (3,977 ) −5 ( 3,977 ) +4=−0,069
Dan seterusnya ….
n a f (a) b f (b) w c f (c )
0 2 -2 5 4 0,333 3 -2
1 3 -2 5 4 0,333 3,667 -0,889
(−2 )
w= =0,333
(−2 )−( 4 )
c=3+ 0,333 (5−3 ) =3,667
→ f ( 3,667 )= (3,667 )2−5 ( 3,667 ) +4=−0,889
Iterasi dapat dihentikan pada iterasi ke-7, karena c 6 dan c 7

konstan (c 6 dan c 7=4,0000¿ sehingga diperoleh akar dari

persamaan non linearnya adalah 4,0000
3.4 Metode Terbuka

Tidak seperti pada metode tertutup, metode terbuka tidak memerlukan selang
yang mengurung akar. Yang diperlukan hanya sebuah tebakan awal akar atau duabuah
tebakan yang tidak perlu mengurungakar. Inilah alasannya mengapa metode ini
dinamakan metode terbuka. Hampiran akar sekarangpada hampiran akar sebelumnya
melalui prosedur lelaran.kadangkala lelaran konvergen ke akar sejati kadangkala
divergen.Namun, apabila lelarannya konvergen ,konvergensinya berlangsung sangat
cepat dibanding metode tertutup.
Ciri-ciri Metode terbuka sebagai berikut :

1. Tidak memerlukan selang [a,b] yang mengandung akar.
2. Mencari akar melalui suatu lelaran yang dimulai dari sebuah
tebakan (guest)awal.
3. Pada setiap lelaran kita menghitung hampiran akar yang
baru.
4. Mungkin saja hampiran akar yang baru mendekati akar sejati
(konvergen),atau mungkin juga menjauhi (divergen).
5. Karena itu ,metode terbuka tidak selalu menemukan akar
,kadang konvergen dan kadang ia divergen
Yang termasuk ke dalam metode terbuka :

1. Metode lelaran titik tetap (fixed point it
eration).
2. Metode Newton-‐Rhapson.
3. Orde Kovergesi Metode Terbuka
4. Metode Secant.
3.4.1 Metode lelaran titik tetap ( metode iterasi sederhana )

Metode iterasi sederhana adalah metode yang memisahkan x dengan

sebagian x yang lain sehingga diperoleh : x = g(x).
PROSEDUR:
1. Susun persamaan f (x)=0 menjadi bentuk x=g( x )

2. Bentuk menjadi x r +1=g( x)
3. Tentukan sebarang x 0, kemudian hitung x1 , x2 , … … …
yang dapat konvergen ke akar sejati
4. STOP
| x r+1−x r|
|x r +1−x r|< ε atau <δ
| xr|
Contoh :
x – e x=0
x=e x atau g ( x)=e x
Lalu, bentuklah menjadi prosedur lelaran
x r+ 1=g( x r)
Dan terkalah sebuah nilai awal x 0 , lalu hitung nilai
x 1 , x 2 , x 3 , ... ,
f (s )=0 dan s=g (s).
Kondisi berhenti lelaran dinyatakan bila
│ x r +1−x r │< ε
Atau bila menggunakan galat relatif hampiran
x r+1− xr
| x r +1 |
<δ
Dengan𝜀 dan𝛿telahditetapkan sebelumnya

Perhatikan contoh berikut:
Carilah akar persamaan f ( x )=x 2−2 x−3=0 dengan
metode lelaran titik tetap. Gunakan ε =0.000001.
Penyelesaian:
Terdapat beberapa kemungkinan prosedur lelaranyang
dapat dibentuk
a) x 2−2 x – 3=0
x 2=2 x +3
x=√ (2 x +3)
Dalam hal ini, ( x )=√ 2 x +3 . Prosedur lelaran
adalah x r +1=√ (2 x r +3). Ambil terkaan awal x0 = 4.
Tabel lelarannya :
r xr | xr+1 – xr |
0 4.000000 -
1 3.316625 0.683375
2 3.103748 0.212877
3 3.034385 0.069362
4 3.011440 0.022945
5 3.003811 0.007629
6 3.001270 0.002541
7 3.000423 0.000847
8 3.000141 0.000282
9 3.000047 0.000094
10 3.000016 0.000031
11 3.000005 0.000010
12 3.000002 0.000003
13 3.000001 0.000001
14 3.000000 0.000000
Hampiran akar x = 3.000000
b) x 2−2 x – 3=0
x ( x – 2)=3
3
x=
x−2
3
Dalam hal ini, g ( x )= . Prosedur lelarannya
x −2
3
adalah x r +1= . Ambil terkaan awal x0 = 4.
x r−2
Tabel lelarannya :
R xr | xr+1 – xr |
0 4.000000 -
1 1.500000 2.500000

2 -6.000000 7.500000
3 -0.375000 5.625000
4 -1.263158 0.888158
5 -0.919355 0.343803
6 -1.027624 0.108269
7 -0.990876 0.036748
8 -1.003051 0.012175
9 -0.998984 0.004066
10 -1.000339 0.001355
11 -0.999887 0.000452
12 -1.000038 0.000151
13 -0.999987 0.000050
14 -1.000004 0.000017
15 -0.999999 0.000006
16 -1.000000 0.000002
17 -1.000000 0.000001
Hampiran akar x = -1.000000
(c)−x 2−−2 x – 3=0

−2 x=−x 2+3
x 2−3
x=
2
x r 2−3
Prosedur lelarannya adalah xr+1 ¿ . Ambil
2
terkaan awal x0 = 4.
Tabel lelarannya :
I xr | xr+1 – xr |
0 4.000000 -
1 6.500000 2.500000
2 19.625000 13.125000
3 191.070313 171.445312
4 18252.432159 18061.361847
. . .
Ternyata lelarannya divergen.

Teorema 3.2
Misalkan x=5adalah solusi dari
x=g( x )dan andaikan g mempunyai turunan
continue dalam selang [ a , b ] yang memuat x .

Maka jika |g' ( x )|< k <1 dalam selang tersebut,
proses iterasi yang didefinisikan x r +1=g( x)

akan konvergen ke x. Sebaiknya jika
|g' ( x )|< k <1 dalam selang tersebut, maka
iterasinya x r +1=g(x r ) akan divergen x.
Di dalam selang I = [s-h, s+h], dengan s titik tetap.
1. Jika 0 < g'(x) < 1 untuk setiap x∈I, maka
lelarankonvergen monoton;
2. Jika -1< g'(x) < 0 untuk setiap x∈ I, maka
lelarankonvergen bersosilasi;
3. Jika g'(x) > 1 untuk setiap x ∈I, maka
lelarandivergen monoton;
4. Jika g'(x) < -1 untuk setiap x ∈I, maka
lelarandivergen berosilasi.
Pertanyaan :
1. Dalam setiap soal apakah prosedur lelarannya selalu
lebih dari satu?
2. Kapan iterasinya harus berhenti?
3. Bagaimana menentukan tebakan akarnya?

4. Apakah maksud dari konvergen monoton, konvergen
berosilsi, divergen monoton dan divergen berosilasi?
Jawaban :
1. Tidak, tergantung pada f(x) = 0 yang terdapat pada soal
tersebut.
2. Kondisi berhenti ketika
x r +1−x r
|x r +1−x r|< ε atau | xr −1| <δ 3.
3. Tebakan akar dilakukan secara bebas tetapi sebaiknya
diambil dari akar yang mendekati fungsi f(x).
4. Konvergen monoton : hasil dari |x r +1−x r| selalu
turun dan mendekati akarsejatinya.
Konvergen berosilasi : hasil dari |x r +1−x r| selalu
naik turun tetapi mendekatiakar sejatinya.
Divergen monoton : hasil dari |x r +1−x r| selalu naik
sehingga menjauhi
akar sejatinya.
Divergen berosilasi : hasil dari |x r +1−x r| selalu
naik turun tetapi menjauhiakar sejatinya.
Contoh Soal :
Hitung akar f (x)= x2 – 2 x – 3 dengan
ε =0.000001 .
x 2 – 2 x – 3=0
x ( x – 2)=3

3
x r +1=
x r−2
r xr | xr+1 – xr
|
0 4.000000 -
1 1.500000 2.500000
2 -6.000000 7.500000
3 -0.375000 5.625000
4 -1.263158 0.888158
5 -0.919355 0.343803
6 -1.027624 0.108269
7 -0.990876 0.036748
8 -1.003051 0.012175
9 -0.998984 0.004066
10 -1.000339 0.001355
11 -0.999887 0.000452
12 -1.000038 0.000151
13 -0.999987 0.000050
14 -1.000004 0.000017
15 -0.999999 0.000006
16 -1.000000 0.000002
17 -1.000000 0.000001
3.4.2 Metode Newton Rhapson

Metode Newton Raphson adalah metode pendekatan yang
menggunakan satu titik awal dan mendekatinya dengan
memperhatikan kemiringan kurva pada titik tersebut. Metode
Newton-Rephson yang paling terkenal dan paling banyak
dipakai dalam terapan sains dan rekayasa. Metode ini
disukai karena konvergensinya paling cepat diantara metode
lainnya.
Ada dua pendekatan dalam menurunkan rumus metode
Newton-Rephson, yaitu :
a) Penurunan rumus Newton-Rephson secara geometri
b) Penurunan rumus Newton-Rephson dengan bantuan
deret Taylor

Uraikan f ( x r +1 ) disekitar xr ke dalam deret Taylor :
(x r +1−x r)2
f ( x r +1 )=f ( x r ) + ( x r +1−x r ) c + f ( t ), {x} rsub {r} < t
2
Yang bila dipotong sampai suku orde-2 saja menjadi
f ( x r +1 )=f ( x r ) + ( x r +1−x r ) f ' ( x r )

Karena kita mencari akar, maka f ( x r +1 )=0, sehingga
0=f ( x r ) + ( xr +1−x r ) f ' ( x r )

Atau
f ( xr )
x r +1=x r− '
, f ' (x r) ≠ 0
f ( xr )
Yang merupakan rumus metode Newton-Raphson.
Kondisi berhenti lelaran Newton-Raphson adalah bila
|x r +1−x r|< ε
Atau bila menggunakan gelat relative hampiran
x r+1− xr
| x r +1
<δ |
Dengan ε dan δ adalah toleransi galat yang diinginkan
Catatan :
 Jika terjadi f ' ( x r ) =0, ulangi perhitungan lelaran
dengan x0 yang lain.
 Jika persamaan f ( x )=0 memiliki lebih dari satu
akar, pemilihan yang berbeda-beda dapat menemukan

akar yang lain.
 Dapat pula terjadi lelaran konvergen ke akar yang
berbeda dari yang diharapkan (seperti halnya pada
metode lelaran titik tetap)
Penjelasan grafis mengenai metode ini adalah seperti

gambar
Diasumsikam bahwa fungsi f (x) adalah kontinu. Idenya
adalah menghitung akar yang merupakan titik potong antara
sumbu x dengan garis singgung pada kurva di titik
( x n−1 , f ( x n−1)). Kemiringan kurva di titik tersebut
adalah f ' (x n−1 ), sehinbgga garis singgung mempunyai
persamaan
y−f ( x n−1 )=f ' ( x n−1 ) ( x−x n−1)

Karena itu diperoleh akar hampiran dengan mengambil
y=0 ,yaitu
f (x n−1 )
x n=x n−1−
f '( xn−1 )

Kriteria Konvergen Newton Raphson
Untuk memperoleh iterasi konvergen maka harus memenuhi
harga mutlak |g' ( x )<1|karena metode Newton Raphson
adalah metode terbuka maka dapat dirumuskan :
f ( x)
g ( x )=x− maka turunan pertama g(x) adalah :
f ' (x)
g' ( x )=1−f ' ( x ) . f ' ( x )−f (x).f(x)} over {left [{f} ^ {'} (x) right
g' ( x )=|f ' ( x )|2−|f ' ( x )| 2+ f (x)f(x)} over {{left [{f} ^ {'} (x) ri
g' ( x )=f (x).f(x)} over {{left [{f} ^ {'} (x) right ]} ^ {2} ¿
Karena syarat konvergensi |g' ( x )|< 1
Maka ¿ dengan syarat f ' (x )≠ 0
3.4.3 Orde Kovergensi Metode Terbuka
Prosedur lelaran pada setiap metode terbuka dapat ditulis
dalam bentuk x r +1=g( x r ) . Misalnya pada metode Newton-
f ( xr )
Raphson g ( x r ) =xr − . Misalkan xr adalah hampiran
f 1 ( xr )
tetap akar sejati s sehingga s=g ( s ) . Maka, berdasarkan
konsep galat s= xr + ε r dengan εr adalah galat dari xr .
Uraikan g (s ) disekitar xr :

' 1
g ( s )=g ( x r ) + g ( x r ) ( s−x r )+ g ( x r ) ¿
2
1
¿ g ( x r ) + g ' ( xr ) ε r + g ( x r ) ε r 2 + … ,
2
Kemudian kurangi dengan x r +1=g(x r ) sehingga diperoleh:
1
g ( s )−x r +1=g' ( xr ) + g ( x r ) ε r2 +…
2
Karena s=g (s ), maka
1
s− xr +1=g' ( x r ) ε r + g ( x r ) ε r2 +…
2
Misalkan s− xr +1=ε r +1 , sehingga
1
ε r+1 =g ( x r ) ε r + g ( x r ) ε r 2+ …
2
Bilangan pangkat dari εr menunjukkan orde (atau laju)
konvergensi prosedur lelaran:
(a) :ε r+1 ≈ g' ( t ) ε r , xr <t< x r +1, Prosedur lelaran orde
satu

'
:ε r+1 ≈
1 2
(b) g ( x r ) ε r Prosedur lelaran orde dua
2
3.4.4 Metode Secant
Pada Metode Newton-Raphson memerlukan syarat wajib

yaitu fungsi f(x) harus memiliki turunan f’(x). Sehingga
syarat wajib ini dianggap sulit karena tidak semua fungsi
bisa dengan mudah mencari turunannya. Oleh karena itu
muncul ide dari yaitu mencari persamaan yang ekivalen
dengan rumus turunan fungsi. Ide ini lebih dikenal dengan
nama Metode Secant. Ide dari metode ini yaitu menggunakan
gradien garis yang melalui titik (x0, f(x0)) dan (x1,
f(x1)). Perhatikan gambar dibawah ini.
Persamaan garis l adalah
x−x 1 (x ¿ ¿ 1)
= y −f ¿
x0 −x1 f ( x ¿¿ 0)−f (x ¿¿ 1) ¿ ¿
Karena x=x 2 maka y=0, sehingga diperoleh
x2 −x1 ( x ¿ ¿ 1)
=0−f ¿
x0 −x1 f ( x¿ ¿ 0)−f ( x ¿¿ 1)¿ ¿

(x¿ ¿1)( x 0−x 1)
x 2−x 1=−f ¿
f ( x¿ ¿ 0)−f (x ¿¿ 1)¿ ¿
( x¿¿ 1)( x 0−x 1)
x 2=x 1−f ¿
f (x¿¿ 0)−f (x ¿¿ 1)¿ ¿
( x¿¿ 1)( x 1−x 0)
x 2=x 1−f ¿
f (x¿¿ 1)−f (x ¿¿ 0)¿ ¿
Secara umum rumus Metode Secant ini ditulis
(x ¿¿ n)( x n−x n−1)

x n+1=x n −f ¿
f (x ¿¿ n)−f ( x ¿¿ n−1) ¿ ¿
Prosedur Metode Secant :
 Ambil dua titik awal, misal x 0dan x1

 Ingat bahwa pengambilan titik awal tidak
disyaratkan alias pengambilan secara sebarang
 Setelah itu hitung x 2 menggunakan rumus diatas
 Kemudian pada iterasi selanjutnya ambil x 1 dan x2

sebagai titik awal dan hitung x 3
 Kemudian ambil x 2 dan x3 sebagai titik awal dan
hitung x 4
 Begitu seterusnya sampai iterasi yang diingankan

atau sampai mencapai error yang cukup kecil.
Contoh :
Tentukan salah satu akar dari 4x3 – 15x2 + 17x
– 6 = 0 menggunakan Metode Secant sampai 9 iterasi.

Penyelesaian :
f(x) = 4x3 – 15x2 + 17x – 6
iterasi 1 :
ambil x 0=−1 dan x 1=3 (ambil titik awal
sembarang)
f (−1 ) =4 (−1)3 – 15 (−1)2 +17 (−1) – 6

f (−1 ) =−42
f ( 3 )=4 (3)3 – 15(3)2+ 17(3) – 6
f ( 3 )=18
18(3−(−1 ) )
x 2=3−
18−(−42)
x 2=1,8
Iterasi 2 :
Ambil ambil x 1=3 dan x 2=1,8

f ( 1,8 )=4 (1,8)3 – 15(1,8)2+17 (1,8) – 6
f ( 3 )=−0,672
(−0,672)(1,8−( 3 ) )
x 3=1,8−
−0,672−18
x 3=1,84319
Iterasi 3 :
Ambil ambil x 2=1,8 dan x 3=1,84319

f ( 1,84319 ) =4 (1,84319)3 – 15 (1,84319)2 +17(1,84319) – 6
f ( 1,84319 ) =−0,57817

(−0,57817)(1,84319−1,8)
x 4 =1,84319−
−0,57817−0,672
x 4 =2,10932
Iterasi 4 :
Ambil ambil x 3=1,84319 dan x 4 =2,10932

f ( 2,10932 ) =4 (2,10932)3 – 15(2,10932)2 +17(2,10932) – 6
f ( 2,10932 ) =0,65939
( 0,65939)(2,10932−1,84319)
x 5=2,10932−
0,65939−(−0,57817)
x 5=1,96752
Iterasi 5 :
Ambil ambil x 4 =2,10932dan x 5=1,96752

f ( 1,96752 )=4 (1,96752)3 – 15(1,96752)2+17 (1,96752) – 6
f ( 1,96752 )=−0,15303
(−0,15303)(1,96752−2,10932)
x 6=1,96752−
−0,15303−( 0,65939)
x 6=1,99423
Iterasi 6 :
Ambil ambil x 5=1,96752dan x 6=1,99423

f ( 1,99423 ) =4 (1,99423)3 – 15 (1,99423)2 +17(1,99423) – 6
f ( 1,99423 ) =−0,02854
(−0,02854)(1,99423−1,96752)
x 7=1,99423−
−0,02854−(−0,15303)

x 7=2,00036
Iterasi 7 :

f ( 2,00036 )=4 (2,00036)3 – 15(2,00036)2 +17(2,00036)– 6
f ( 2,00036 )=0,00178
(0,00178)(2,00036−1,99423)
x 8=2,00036−
0,00178−(−0,02854)
x 8=2,00000
Iterasi 8 :

f ( 1,999996 )=4 (1,999996)3 – 15(1,999996)2+17 (1,999996
f ( 1,999996 )=−0,0002
(−0,0002)(1,999996−2,00036)
x 9=1,999996−
−0,0002−(0,00178)
x 9=2,0000
Iterasi 9 :

f ( 2,00000 )=4 (2,00000)3 – 15(2,00000)2+17 (2,00000)– 6
f ( 2,00000 )=0,00000
( 0,00000)(2,00000−1,999996)
x 10=2,00000−
0,00000−(−0,00002)
x 10=0,00000
n x n−1 xn x n+1 f (x n−1) f (x n) f (x n+1 )

1 -1 3 1,8 -4,2 18 -0,672
2 3 1,8 1,84319 18 -0,672 -0,57817
3 1,8 1,84319 2,10932 -0,672 -0,57817 0,65939
4 1,84319 2,10932 1,96752 -0,57817 0,65939 -0,15303
5 2,10932 1,96752 1,99423 0,65939 -0,15303 -0,02854
6 1,96752 1,99423 2,00036 -0,15303 -0,02854 0,00178
7 1,99423 2,00036 2,00000 -0,02854 0,00178 -0,00002
8 2,00036 2,00000 2,00000 0,00178 -0,00002 0,00000
9 2,00000 2,00000 2,00000 -0,00002 0,00000 0,00000
Jadi salah satu akar dari 4x3 – 15x2 + 17x – 6 Adalah 2
4.5 Akar Ganda

Akar ganda berpadanan dengan suatu titik dimana fungsi
menyinggung sumbu . Misalnya, akar ganda-dua dihasilkan
dari
f ( x )=( x−3 )( x−1 ) (x −1)..................(*)

atau dengan mengalikan faktor-faktornya,
f ( x )=x 3−5 x 2 +7 x −3
Persamaan tersebut mempunyai akar kembar karena satu
nilai menyebabkan dua faktor dalam Persamaan (*) sama
dengan nol. Secara grafis, ini berpadanan terhadap kurva
yang yang menyentuh sumbu x secara bersinggungan pada akar
kembar tersebut.
Akar ganda-tiga (triple root) berpadanan dengan kasus
dimana satu nilai x membuat tiga faktor dalam suatu
persamaan sama dengan nol, seperti dalam
f ( x )=( x−3 )( x−1 ) (x −1)

atau dengan mengalikan faktor-faktornya,
f ( x )=x 4 −6 x 3+ 12 x 2−10 x−3

Akar ganda menimbulkan sejumlah kesulitan untuk banyak
metode numerik :

1. Kenyataan bahwa fungsi tidak berubah tanda pada akar
ganda genap menghalangi penggunaan metode-metode
tertutup. Metode terbuka, seperti metode Newton-
Raphson, sebenarnya dapat diterapkan disini. Tetapi,
bila digunakan metode Newton-Rapshon untuk mencari akar
ganda, kecepatan konvergensinya berjalan secara linier,
tidak lagi kuadratis sebagaimana aslinya.
2. Permasalahan lain yang mungkin berkaitan dengan fakta
bahwa tidak hanya f(x) tetapi juga f’(x) menuju nol
pada akar. Ini menimbulkan masalah untuk menote Newton-
Repshon mmaupun metode secant (talibusur), yang dua-
duanya menggunakan turunan (atau taksirannya) pada
penyebut rumus mereka masing-masing. Ini dapat
menghasilkan pembagian oleh nol pada waktu penyelesaian
konvergen sangat dengan ke akar. Pembagian dengan nol
ini dapat dihindari dengan melihat fakta bahwa f(x)
lebih dulu nol sebelum f’(x). Jadi jika f(x)=0 maka
hentikan lelarannya.
3. Ralston dan Rabinowitz (1978) telah menjukkan bahwa
menunjukan bahwa perubahan sedikit dalam perumusan
mengembalikannya ke kekonvergenan kuadrat, seperti
dalam
f ( xi )
x i+1=x i−m
f ' ( x ¿¿ i)… … … … .. ¿¿
Dengan m adalah Bilangan multiplisitas akar, misalnya :
 Akar tunggal m=1
 Akar ganda dua m=2
 Akar ganda tiga m=3, dan seterusnya.
Alternatif lain yang juga disarankan oleh Ralston
dan Rabinowitz (1978) adalah mendefinisikan suatu fungsi

baru u(x), yaitu rasio (hasil bagi) fungsi terhadap
turunannya seperti dalam
f ( xi )
u(x )=
f ' (x ¿¿ i )… … … … .. ( ¿∗¿ ) ¿
Dapat diperhatikan bahwa fungsi ini mempunyai akar pada

lokasi yang sama seperti fungsi semula. Oleh karena itu,
persamaan di atas dapat disubtitusikan ke dalam persamaan
(**) dengan maksud mengembangkan suatu bentuk alternatif
dari metode Newton-Rapshon:
u ( xi )
x i+1=x i−
u '( x ¿¿ i) … … … … .. ¿ ¿
Persamaan (***) dan (*****) dapat disubtitusikan ke dalam
persamaan (****) dan hasilnya disederhanakan untuk
menghasilkan
f ( xi ) f '( xi )
x i+1=x i−
¿¿¿
Contoh soal :
1. Pernyataan masalah : Gunakan baik metode Newton-Rapshon
yang baku maupun yang dimodifikasi untuk menghitung
akar ganda dari f ( x )=x 3−5 x 2 +7 x−3 , dengan
terkaan awal x 0=0
Penyelesaian :
f ( x )=x 3−5 x 2 +7 x−3

'(x ) 2
f =3 x −10 x +7
f ' ' ( x )=6 x−10
Dengan metode Newton-Rapshon yang baku :
f ( xi ) ( x 3i −5 x 2i +7 xi −3 )
x i+1=x i− x =x −
f ' ( x¿ ¿i)¿ i+1 i (3 x2i −10 x i +7)
Dengan metode Newton-Rapshon yang dimodifikasi :
f ( xi ) f '( xi )
x i+1=x i−
¿¿¿
Tabel lelarannya adalah :
Metode Newton-Raphson yang
Metode Newton-Raphson baku dimodifikasi
i xi i xi
0 0,000000000 0 0,000000000
1 0,428571429 1 1,105263158
2 0,685714286 2 1,003081664
3 0,832865400 3 1,000002382
4 0,913328983
5 0,955783293
6 0,977655101
Lelaran konvergen ke akar x=1. Terlihat dari tabel di

atas bahwa metode newton raphson yang dimodifikasi
memiliki jumlah lelaran lebih sedikit.
2. Pernyataan masalah : Gunakan baik metode Newton-Rapshon
yang baku maupun yang dimodifikasi untuk menghitung
akar ganda dari f ( x )=x 2−2 x−3 , dengan terkaan
awal x 0=4

Penyelesaian :
f ( x )=x 2−2 x−3

f ' ( x )=2 x−2
f ' ' ( x )=2
f ( xi ) x i2−2 x i−3
x i+1=x i− x =x −
f ' ( x¿ ¿i)¿ i+1 i 2 xi −2
f ( xi ) f '( xi )
x i+1=x i−
¿¿¿
( x i2−2 x i−3 )(2 x i−2)
x i+1=x i− ¿¿
Metode Newton-Raphson yang
Metode Newton-Raphson baku dimodifikasi
i xi i xi
0 4,000000000 0 4,000000000
1 3,166666667 1 3,400000000
2 3,006410256 2 2,967213115
3 3,000010240 3 2,999726813
4 3,000000000 4 3,000000000
Konvergen di akar x=3
3. Pernyataan masalah : Gunakan baik metode Newton-
Rapshon yang baku maupun yang dimodifikasi untuk

3
menghitung akar ganda dari f ( x )=x +6 x−3 ,
dengan terkaan awal x 0=0,5
Penyelesaian :
f ( x )=x 3 +6 x−3
f ' ( x )=3 x 2 +6
f ' ' ( x )=6 x
f ( xi ) x 3+ 6 x−3
x i+1=x i− x i+1=x i−
f ' ( x¿ ¿i)¿ 3 x 2+ 6
f ( xi ) f '( xi )
x i+1=x i−
¿¿¿
( x 3 +6 x−3 ) (3 x 2 +6)
x i+1=x i− ¿¿
Metode Newton-Raphson Metode Newton-Raphson yang
baku dimodifikasi
i xi i xi
0 0,5000000000 0 0,5000000000
1 0,4814814815 1 0,4813278008
2 0,4814056015 2 0,4814055989
3 0,4814056002 3 0,4814056002
Konvergen ke akar x=0,5
4.6 Akar-akar Polinom

4.6.1 Metode Horner untuk Evaluasi Polinom
Menghitung langsung p(x ) untuk x=1 tidak
efektif sebab melibatkan banyak operasi perkalian.

Metode Horner, atau disebut juga metode perkalian
bersarang (nested multiplication) menyediakan cara
perhitungan polinom dengan sedikit operasi perkalian.
Dalam hal ini, polinom p(x ) dinyatakan sebagai
perkalian bersarang
p ( x ) =a0 + x (a 1+ x ( a2+ x ( a3+ …+ x ( an−1 +an x ) ) ) …) ¿
Hasil Evaluasi : p ( t ) =b0

Contoh:
5
1. Nyatakan p ( x ) =x +2 x 4 +8 x 3 +8 x 2+ 4 x +2
Penyelesaian:
p ( x ) =x5 +2 x 4 +8 x 3 +8 x 2+ 4 x +2 (15
operasiperkalian)
p ( x ) =(( ( ( x+ 2 ) x +8 ) x+ 8 ) x+ 4 ) x+ 2(hanya 5
operasi perkalian)
Dari pernyataan di atas jelas bahwa menggunakan metode

perkalian bersarang akan jauh lebih efektif, tidak melakukan
banyak operasi perkalian.
Perhitungan untuk p(1) adalah
p ( 1 )=(( ( ( 1+2 ) 1+ 8 ) 1+ 8 ) 1+ 4 ) 1+2=25

Metode perkalian bersarang untuk menghitung p(t) sering
kali dinyatakan dalam bentuk tabel Horner berikut: (untuk contoh

di atas)
1 1 2 8 8 4 2
1 3 11 19 23
1 3 11 19 23 25
Hasilevaluasi: p ( 1 )=25
Dan menghasilkan polinom sisa : x 4 +3 x 3+ 11 x2 +19 x+ 23
3
2. Nyatakan p ( x ) =5 x +2 x 2+6 x +8
Penyelesaian:
p ( x ) =5 x 3 +2 x 2+6 x +8 (6 operasi perkalian)
p ( x ) =( ( 5 x+2 ) x +6 ) x+ 8 (hanya 3 operasi
perkalian)
Dari pernyataan di atas jelas bahwa menggunakan metode
perkalian bersarang akan jauh lebih efektif, tidak melakukan
banyak operasi perkalian.
Perhitungan untuk p(2) adalah
p ( 2 )=( ( 5 (2)+2 ) (2)+6 ) (2)+ 8=68

Metode perkalian bersarang untuk menghitung p(t) sering
kali dinyatakan dalam bentuk tabel Horner berikut: (untuk contoh

di atas)
2 5 2 6 8

10 24 60
5 12 30 68=p (2)
Hasilevaluasi: p ( 2 )=68
Dan menghasilkan polinom sisa : 5 x 2+12 x+ 30
4.6.2 Pencarian Akar-akar Polinom
Proses perhitungan p(x ) untuk x=t dengan
menggunakan metode Horner sering dinamakan pembagian
sintetis p ( x ) : ( x−t ) , menghasilkan q ( x) dan sisa
bo
p( x)
[ (x−t) ]
=q (x) + sisa bo
Atau
p ( x ) =bo + ( x−t ) q(x )

Yang dalam hal ini,
q ( x )=bn x n−1 +b n−1 x n−2+ …+b3 x 2+ b2 x +b 1

Jika t adalah hampiran akar polinom p(x ) maka
p ( t ) =bo + ( t−t ) q ( t ) =bo + 0=b o

(perhatikan, jika t akarsejati, makab o=0 )
Akar-akar lain dari p(x ) dapat dicari dari polinom
q (x) sebab setiap akar q ( x) juga adalah akar p(x ).
Proses reduksi polinom ini disebut deflasi (deflation).
Koefisien-koefisien q (x), yaitu

b n , bn−1 , … ,b 3 , b 2 , b1 dapat ditemukan langsung dari
tabel Horner.
Algoritmanya:
Misalkan akar polinom dihitung dengan metode Newton-
Raphson,
p(x)
x r +1=x r−
p' ( x )
Maka proses pencarian akar secara deflasi dapat
dirumuskan dalam langkah 1 sampai 4 berikut ini:
Langkah 1
Menghitung p(x r ) dapat dilakukan secara mangkus
dengan metode Horner
Misalkan t=x radalah hampiran akar polinom p(x )

p ( x ) =bo + ( x −xr ) q( x )
Perhitungan p(x r ) menghasilkan
p ( x r )=bo + ( x r −x r ) q ( x r ) =bo
Langkah 2
Menghitung p '( x r ) secara mangkus:
Misalkant=x r adalah hampiran akar polinom p ( x ) ,
p ( x ) =bo + ( x −xr ) q( x )
Turunan dari p adalah
p' ( x )=0+1. q ( x ) + ( x −xr ) q' ( x )

¿ q ( x ) + ( x−x r ) q ' ( x)
Sehingga

' '
p ( x )=q ( x r ) + ( x r −x r ) q ( x r )=q( x r )
Langkah 3
p(x)
x r +1=x r−
p' ( x )
Langkah 4
Ulangi langkah 1, 2 dan 3 sampai |x r +1−x r|< ε

Contoh Soal :
Temukan seluruh akar nyata polinom
p ( x ) =x 6+ 4 x 5−72 x 4−214 x 3 +1127 x 2 +1602 x −5040
Dengan tebakan awal x 0=8
Penyelesaian:
 Dengan menggunakan metode Newton-Raphson kita

dapat memperoleh akar pertama yaitu 7.
Bukti:
Diketahui:
p ( x ) =x 6+ 4 x 5−72 x 4−214 x 3 +1127 x 2 +1602 x −5040
p' ( x )=6 x 5 +20 x 4−288 x 3−642 x 2+ 2254 x+1602
x 0=8

Kemudian,
p(x)
x r +1=x r−
p' ( x )
Maka:
x6 + 4 x 5−72 x 4−214 x 3 +1127 x 2 +1602 x−5040

x 1=x 0−
6 x 5 +20 x 4−288 x 3−642 x 2+2254 x +1602
68640
x 1=8−
109618
x 1=7 . 3 …
Jika digambarkan,
Deflasi→ p ( x )= ( x −x1 ) q ( x ) +b0
Untuk mengetahui q (x), lakukan skema horner yaitu:
Maka q ( x )=x 5 +11 x 4 +5 x 3−179 x2 −126 x +720
 Setelah itu kita akan cari akar polinom derajat 5

dengan tebakan awal 7

(gunakan metode Newton-Raphson)
p ( x ) =x5 +11 x 4 +5 x 3−179 x 2−126 x+ 720
p' ( x )=5 x 4 + 44 x 3+ 15 x 2−358 x−126
x 0=7
iterasi xr p(x ) p ' (x ) x r +1

1 7 36000 25200 5.5714
2 5 6240 6844 4.0882
3 4 1512 2778 3.4557
4 3 0 528 3
Ternyata akar ditemukan pada titik x=3 , yang akan
ditunjukkan dengan titik merah pada gambar berikut
Deflasi→ q ( x ) = ( x−x 2 ) r ( x ) +b 1
Lakukan skema horner untuk mencari r (x )
Maka kita peroleh
r ( x )=x 4 +14 x 3 +47 x 2−38 x−240
Ulangi langkah sebelumnya untuk mencari akar

polinom derajat 4 ini, gunakan tebakan awal 3
r ( x )=x 4 +14 x 3 +47 x 2−38 x−240
r ' ( x ) =4 x 3 +42 x 2+ 94 x−38
x 0=3
Iterasi xr r (x ) r '( x ) x r +1
1 3 528 730 2.2767
2 2 0 170 2
Berdasarkan iterasi di atas akar diperoleh di titik 2

yang ditunjukkan dengan titik berwarna kuning
Deflasi→ r ( x ) = ( x−x 3) s ( x )+ b2
Kemudian dengan skema horner,
Maka didapatlah
s ( x )=x 3+16 x 2 +79 x+120
Demikian untuk seterusnya sampai kita temukan akar-akar

yang lainnya. Seluruh akar-akar yang ditemukan adalah
-8, -5, -3, 2, 3 dan 7.

4.6.3 Lokasi akar Polinom
Metode Newton-Raphson memerlukan tebakan awal akar.
Misalkan akar-akar diberi indeks dan diurutkan menaik
sedemikian sehingga
|x 1|≤|x 2|≤| x3|≤ … ≤| xn|

Tebakan awal untuk akar terkecil x1 menggunakan
hampiran
a 0+ a1 x ≈ 0
−a 0
x≈
a1
yang dapat dijadikan sebagai tebakan awal untuk
menemukan x1
Tebakan awal untuk akar terbesar xn menggunakan
hampiran
yang dapat dijadikan sebagai tebakan awal untuk
menemukan xn
Contoh
1. Tentukan tebakan awal untuk mencari akar polinom
x 2−200 x+ 1=0
Jawab :
Tebakan awal untuk akar terkecil adalah
x 0=−1/(−200)=1/ 200

Tebakan awal untuk akar terbesar adalah
x 0=−(−200)/1=200
2. Tentukan tebakan awal untuk mencari akar polinom
2 x2 + 4 x+ 1=0
Jawab :
Tebakan awal untuk akar terkecil adalah
x 0=−2 /(4)=1/2
Tebakan awal untuk akar terbesar adalah
x 0=−(4 )/2=2
4.7 Sistem Persamaan Nirlanjar

4.7.1 Metode lelaran titik tetap
lelarannya titik-tetap untuk sistem dengan dua
persamaan nirlanjar:
x r +1=g1 ( x r , y r )
y r +1=g1 (x r +1 , y r )
r =0,1,2 ,…
Kecepatan konvergensi lelaran titik-tetap ini dapat
ditingkatkan. Nilai x r +1 yang baru dihitung langsung
dipakai untuk menghitung y r +1 Jadi,
x r +1=g1 ( x r , y r )
y r +1=g1 (x r +1 , y r )
r =0,1,2 ,…

Kondisi berhenti (konvergen) adalah
|x r +1−x r|< ε dan | y r +1− y r|<ε dan |z r +1−z r|< ε
Contoh :
Selesaikan sistem persamaan nirlanjar berikut ini,
f 1 ( x , y ) =x2 + xy −10=0
f 2 ( x , y ) =3 xy 2−57=0
(Akar sejatinya x=2 dan ¿3 )
Prosedur lelaran titik-tetapnya adalah
10−x r2
x r +1=
yr
y r +1=57−3 xr +1 y r2
Berikan tebakan awal x 0=1.5 dan y 0=3.5 dan
ε =0.000001
Tabel lelarannya :
r x Y
|x r +1| | y r +1 y r|
0 1.500000 3.500000 −¿ −¿
1 2.214286 −24.375000 0.714286 27.875000
2 −0.209105 429.713648 2.423391 454.088648
3 0.023170 −12778.041781 0.232275 13207.755429
...........................................................
..........................................................
Ternyata lelarannya divergen!
Sekarang kita ubah persamaan prosedur lelarannya menjadi
x r +1=√ 10−x r2

57− y r
y r +1=
Berikan
√ 3 x r +1 y r 2
tebakan awal x 0=1.5 dan y 0=3.5 dan
ε =0.000001
Hasilnya,
r x y |x r +1| | y r +1 y r|
0 1.500000 3.500000 −¿ −¿
1 2.179449 2.860506 0.679449 0.639494
2 1.940534 3.049551 0.238916 0.189045
3 2.020456 2.983405 0.079922 0.066146
4 1.993028 3.005704 0.027428 0.022300
5 2.002385 2.998054 0.009357 0.007650
6 1.999185 3.000666 0.003200 0.002611
7 2.000279 2.999773 0.001094 0.000893
8 1.999905 3.000078 0.000374 0.000305
9 2.000033 2.999973 0.000128 0.000104
10 1.999989 3.000009 0.000044 0.000036
11 2.000004 2.999997 0.000015 0.000012
12 1.999999 3.000001 0.000005 0.000004
13 2.000000 3.000000 0.000002 0.000001
14 2.000000 3.000000 0.000001 0.000000
...........................................................
...........................................................
Akar x=2.000000 dan y=3.000000

4.7.2 Metode newton raphson
Metode Newton-Raphson dapat dirampatkan
(generalization) untuk sistem dengan n persamaan.
∂ ur ∂ ur
ur +1=u r + ( x r+1 −xr ) +( y r+1 − y r )
∂x ∂y

dan
∂ vr ∂ vr
v r+1=v r + ( x r +1−x r ) +( y r +1− y r )
∂x ∂y
Determinan Jacobi :
∂u r ∂ v r ∂ ur ∂ v r
−
∂x ∂ y ∂ y ∂x
∂ vr ∂u
ur + vr r
∂y ∂y
x r +1=x r−
∂u r ∂ v r ∂ ur ∂ vr
−
∂x ∂ y ∂ y ∂ x
Dan
∂ vr ∂u
ur + vr r
∂x ∂y
y r +1= y r +
∂u r ∂ v r ∂ ur ∂ v r
−
∂x ∂ y ∂ y ∂ x
Contoh :
Gunakan metode Newton -Raphson untuk mencari akar
f 1 ( x , y ) =x2 + xy −10=0
f 2 ( x , y ) =3 xy 2−57=0
Dengan tebakan awal x 0=1.5 dan y 0=3.5
Penyelesaian :
∂u 0
=2 x + y=2(1.5)+3.5=6.5
∂x

∂u o
=x=1.5
∂y
∂ v0 2 2
=3 xy =3(3.5) =36.5
∂x
∂ v0
=1+6 xy=1+6 (1.5)=32.5
∂y
Determinan Jacobi untuk lelaran pertama adalah
∂u r ∂ v r ∂ ur ∂ v r
− =6.5(32.5)−1.5 (36.75)=156.125
∂x ∂ y ∂ y ∂x
Nilai-nilai fungsi dapat dihitung dari tebakan awal sebagai
u0 =(1.5)2+ 1.5(3.5)−10=−2.5
v 0=(3.5)2 +3 ( 1.5 )( 3.5 )2−57=1.625
Nilai x dan y pada lelaran pertama adalah
x 0=1.5−(−2.5 ) ( 32.5 )−1.625 ¿ ¿

Dan
3.5−(−2.5 ) (36.75 )−1.625(6.5)

y 0= =2.84388
156.125
Apabila lelarannya diteruskan, ia konvergen ke akar sejati
x=2 dan y=3.

Seperti halnya metode lelaran titik -tetap, metode Newton-
Raphson mungkin saja divergen jika tebakan awal tidak cukup
dekat ke akar. Penggambaran kurva masing -masing persamaan
secara grafik dapat membantu pemilihan tebakan awal yang

bagus.
4.8 Soal terapan

Dalam suatu proses kimia, campurkan karbon monoksida dan
oksigen mencapai kesetimbangan pada suhu 300 ° K dan
tekanan 5 atm.reaksi teoritisnya adalah
1
CO+ O2 ⇄ C O2
2
Reaksi kimia yang sebenarnya terjadi dapat ditulis sebagai
( 1+ x )
CO+ O2 ⟶ xC O2 + O2 + ( 1−x ) C O2
2
Persamaan kesetimbangan kimia untuk menentukan fraksi mol
CO yang tersisa yaitu x, yang ditulis sebagai

1
2
(1−x)(3+ x)
K p= 1 1
, 0< x <1
2 2
x ( x +1) p
Yang dalam hal ini . K p =3,06 adalah tetapan
1
kesetimbangan untuk reaksi CO+ O 2 pada 3000 ° K
2
dan P=5 atm. tentukan nilai x dengan menggunakan
regulasi falsi yang diperbaiki.

Penyelesaian :
Persoalan ini lebih tepat diselesaikan dengan metode
tertutup karena x adalah fraksi mol yang nilainya terletak
antara 0 dan 1.
Fungsi yang akan dicari akarnya dapat ditulis sebagai

1
2
( 1−x ) ( 3+ x )
f ( x )= 1 1
−K p , 0< x <1
2 2
x ( x+ 1 ) p
Dengan K p =3,06 dan P=5 atm.
Selang yang mengandung akar adalah [ 0.1,0 .9 ]. nilai fungsi
di ujung – ujung selang adalah

1
( 1−0,1 )( 3+ 0,1 ) 2
f ( 0,1 )= 1
2
0,1 ( 0,1+1 ) ¿ ¿
1
(1−0,9 ) ( 3+0,9 ) 2
f ( 0,9 )= 1
2
0,9 ( 0,9+1 ) ¿ ¿
Yang memenuhi f ( 0,1 ) f ( 0,9 )< 0
R a C b f(a)
0 0,100000 0,542360 0,900000 3,696815
1 0,100000 0,288552 0,542360 1,848407
2 0,100000 0,178401 0,288552 0,924204
3 0,178401 0,200315 0,288552 0,322490
4 0,178401 0,193525 0,200315 0,322490
5 0,178401 0,192520 0,193525 0,161242
6 0,192520 0,192963 0,193525 0,009064
7 0,192520 0,192962 0,192963 0,009064
f(c) f(b) Sb Lebar

-2,988809 -2,988809 [a,c] 0,442360
-1,298490 -2,488120 [a,c] 0,188552
0,322490 -1,298490 [c,b] 0,110151
-0,144794 -1,298490 [a,c] 0,021914
-0,011477 -0,144794 [a,c] 0,015124
0,009064 -0,011477 [c,b] 0,001005
-0,000027 -0,011477 [a,c] 0,000443

-0,000000 -0,000027 [a,c] 0,000442
Hampiran akar x=0,192962

Jadi, setelah reaksi berlangsung, fraksi mol CO yang
tersisa adalah 0,192962.
BAB IV
SOLUSI SISTEM PERSAMAAN LANJAR
4.1 Bentuk Umum Sistem Persamaan Lanjar
Sistem Persamaan Lanjar (SPL) dengan n peubah dinyatakan
sebagai :
a11 x1 +a 12 x 2+ …+a1 n xn =b1

a 21 x1 + a22 x 2+ …+a2 n x n=b2
: :
: :
a n1 x 1+ an 2 x 2 +…+a nn x n=b n (P.4.1)
Dengan menggunakan perkalian matriks, kita dapat menulis (P.4.1)

sebagai persamaan matriks
Ax=b (P.4.2)
Yang dalam hal ini.
A=[ aij ] adalah matriks berukuran n×n

x=[ x j ] adalah matriks berukuran n ×1
b=[ b j ] adalah matriks berukuran n ×1 (disebut juga vector
kolom)
yaitu
a11 a12 a13 ⋯ a1 n x1 b1
[ a21 a22
a31 a32
⋮
an 1 an 2
Solusi
a23
a33
an 3
(P.4.1)
⋯
⋯
⋯
⋯
a2 n
a3 n
⋮
an n
adalah
][ ] [ ]
x2
⋮
xn
b2
x 3 = b3
⋮
bn
himpunan nilai x1 , x2 , … , xn yang
memenuhi n buah persamaan. Beberapa metode penyelesaian praktis
system persamaan lanjar yang di bahas adalah :
4.2 Metode Cramer
Jika Ax=b adalah sebuah sistem linear n yang tidak diketahui
dan det ⁡( A)≠ 0 maka persamaan tersebut mempunyai penyelesaian
yang unik
det( A 1) det( A 2)
X1= ,X 2 = ,
det ( A ) det (A )
det ( A 3) det ( A n)
X3= ,… , X n=
det (A ) det ( A)
Contoh soal :
Selesaikan dengan aturan cramer
1. x 1+ x2 +2 x 3=6
2 x1 + x 2−x 3=3

−x 1+ 2 x 2 +2 x 3=−1
Jawab :
1 1 2
[ ]
A= 2 1 −1
−1 2 2
6
b= 3
−1 []
D= (1 ) 1 −1 −( 1 ) 2 −1 +(2) 2 1
2 2[ ] [
−1 2 ] [−1 2 ]
D=¿
D=4−3+10
D=11
6 1 2
[
D X = 3 1 −1
1
−1 2 2 ]
D X =( 6 ) 1 −1 −( 1 ) 3 −1 + ( 2 ) 3 1
1
2 2 [ ] [−1 2 ] [ −1 2 ]
D X =( 6 ) ¿
1
D X =6 ( 4 )−5+2 ( 7 )
1
D X =33
1

1 6 2
DX = 2
2
[
3 −1
−1 −1 2 ]
D X =( 1 )
2 [−13 −12 ]−( 6) [−12 −12 ]+ ( 2) [−12 −13 ]
D X =( 6−1 ) ¿−6( 4−1)+(2)(−2−(−3))
2
D X =5−6 (3)+ 2 ( 1 )
2
D X =−11
2
1 1 6
[
DX = 2 1 3
3
−1 2 −1 ]
D X =( 1 ) 1 3 −( 1 ) 2 3 +( 6 ) 2 1
3
2 −1[ ] [
−1 −1 −1 2 ] [ ]
D X =(−1−6)−(−2−(−3))+(6)(4−(−1))
3
D X =−7−1+ 6 ( 5 )
3
D X =22
3
Dx 33
x 1= 1
= =3
D 11
Dx −11
x 2= = 2
=−1
D 11
Dx 22
x 3= 3
= =2
D 11

∴ x1=3; x 2=−1 ; dan x 3=2
2. x 1−2 x2 + x 3=3
2 x1 −3 x 2 +4 x3 =13
−3 x 1+5 x 2 +2 x 3=5
Jawab :
1 −2 1
[
A= 2 −3 4
−3 5 2 ]
3
[]
b= 13
5
D= (1 ) [−35 42]−(−2) [−32 42]+(1)[−32 −35 ]

D=(−6−20)+2 ( 4−(−12) ) +(10−9)
D=−26+2(16)+1
D=¿7
3 −2 1
1
[
D X = 13 −3 4
5 5 2 ]
D X =( 3 )
1 [−35 42 ]−(−2) [135 42 ]+( 1) [ 135 −35 ]
D X =( 3 ) (−6−20)+2(26−20)+(65−(−15))
1

D X =3 (−26 ) +12+80
1
D X =14
1
1 3 1
[
D X = 2 13 4
2
−3 5 2 ]
D X =( 1 )
2 [ 135 42]−( 3) [−32 42 ]+( 1) [−32 135 ]
D X =(26−20)−3 ¿
2
D X =6−3(16)+49
2
D X =7
2
1 −2 3
3
[
D X = 2 −3 13
−3 5 5 ]
D X =( 1 ) −3 13 −(−2 ) 2 13 + ( 3 ) 2 −3
3
5 [
5 ]
−3 5 [
−3 5 ] [ ]
D X =(−15−65)+2(10−(−39))+(3)(10−9)
3
D X =−80+2(49)+ 3(1)
3
D X =21
3
Dx 14
x 1= 1
= =2
D 7

Dx 7
x 2= 2
= =1
D 7
Dx 21
x 3= 3
= =3
D 7
∴ x1=2; x 2=1 ; dan x3 =3
3. −12 x1 + x 2 +8 x3 =−80
x 1−6 x 2−4 x3 =13
−2 x1 −x2 +10 x 3=90
Jawab :
−12 1 8
[
A= 1 −6 −4
−2 −1 10 ]
−80
[ ]
b= 13
90
1 −4 1 −6
D= (−12 ) [−6 −4
−1 10 ] −( 1 ) [
−2 10 ] +(8) [
−2 −1 ]
D=−12(−60−4)− (10−8 ) +8 (−1−12)
D=−12 (−64 )−2+8 (−13)
D=¿662
−80 1 8
[
D X = 13 −6 −4
1
90 −1 10 ]
13 −4 13 −6
D X =(−80 )
1 [−6 −4
−1 10 ]
−( 1 ) [
90 10 ]
+ ( 8) [
90 −1 ]
D X =(−80 ) (−60−4)−(130−(−360))+8(−13−(−540))
1
D X =−80 (−64 )−490+ 8(527)

1
D X =8846
1
−12 −80 8
DX = 1
2
−2[ 13 −4
90 10 ]
D X =(−12 ) 13 −4 −(−80 ) 1 −4 + ( 8 ) 1 13
2 [
90 10 ] −2 10 [ −2 90] [ ]
D X =−12(130−(−360))+ 80(10−8)+ 8(90−(−26))
2
D X =−12 ( 490 ) +80(2)+116

2
D X =−4792
2
−12 1 −80
DX = 1
3
[−6 13
−2 −1 90 ]
13 1 13 1 −6
D X =(−12 )
3 [−6
−1 90 ]
−( 1 ) [
−2 90 ]
+ (−80 ) [
−2 −1 ]
D X =−12(−540−(−13 ) )−(90−(−26))+(−80)(−1−12)
3
D X =−12 (527 )−( 116 )−80 (−13)

3
D X =7248
3

Dx 8846 4423
x 1= =1
=
D 662 331
Dx −4792 −2396
x 2= =2
=
D 662 331
Dx 7248 3624
x 3= =3
=
D 662 331
4423 −2396 3624
∴ x1= ; x 2= ; dan x 3=
331 331 331
4. 0,3 x 1+ 0,5 x 2 + x 3=−0,01

0,5 x 1+ x 2 +1,9 x3 =0,67
0,1 x 1+0,3 x 2 +0,5 x3 =0,44
Jawab :
Penskalaan 10
3 5 10
[ ]
A= 5 10 19
1 3 5
−0,1
[ ]
b= 6,7
4,4
D= (3 ) 10 19 −( 5 ) 5 19 +(10) 5 10
[
3 5 ] [ 1 5 ]
1 3 [ ]
D=3 (50−57)−5 (25−19 ) +10(15−10)
D=3 (−7 )−5(6)+10 (5)

D=−1
−0,1 5 10
1
[
D X = 6,7 10 19
4,4 3 5 ]
D X =(−0,1 ) 10 19 −( 5 ) 6,7 19 + ( 10 ) 6,7 10
1 [
3 5 ] [
4,4 5 ] [
4,4 3 ]
D X =(−0,1 ) (50−57)−5(33,5−83,6)+10(20,1−44)
1
D X =−0,1 (−7 )−5 (−50,1)+10 (−23,9)

1
D X =12,2
1
3 −0,1 10
2
[
D X = 5 6,7 19
1 4,4 5 ]
D X =( 3 )
2 [ 6,7 19
4,4 5 ]
−(−0,1) [
5 19
1 5]
+ ( 10 ) [
5 6,7
1 4,4 ]
D X =( 3 ) ( 33,5−83,6 )+ 0,1 ( 25−19 ) +10(22−6,7)
2
D X =3 (−50,1 )+ 0,1 ( 6 )+ 10(15,3)

2
D X =3,3
2
3 5 −0,1
3
[
D X = 5 10 6,7
1 3 4,4 ]
D X =( 3 )
3 [ 103 6,7
4,4 ]
−( 5 ) [
5 6,7
1 4,4 ]
+ (−0,1 ) [
5 10
1 3]
D X =( 3 ) ( 44−20,1 )−5 ( 22−6,7 )−0,1(15−10)
3
D X =3 ( 23,9 )−5 ( 15,3 )−0,1(5)

3
D X =−5,3
3
Dx 12,2
x 1= =1
=−12,2
D −1
Dx 3,3
x 2= 2
= =−3,3
D −1
Dx −5,3
x 3= =3
=5,3
D −1
∴ x1=−12,2; x 2=−3,3 ; dan x 3=5,3
4.3 Metode Eliminasi Gauss

Eliminasi Gauss adalah suatu metode untuk mengoperasikan
nilai-nilai di dalam matriks sehingga menjadi matriks yang lebih
sederhana lagi. Dengan melakukan operasi baris sehingga matriks
tersebut menjadi matriks yang baris. Ini dapat digunakan sebagai
salah satu metode penyelesaian persamaan linear dengan
menggunakan matriks. Caranya dengan mengubah persamaan linear
tersebut ke dalam matriks teraugmentasi dan mengoperasikannya.
Setelah menjadi matriks baris, lakukan substitusi balik untuk
mendapatkan nilai dari variabel-variabel tersebut.
Kelebihan dan Kekurangan

Metode ini digunakan dalam analisis numerik untuk meminimalkan

mengisi selama eliminasi, dengan beberapa tahap
Keuntungan :
 menentukan apakah sistem konsisten
 menghilangkan kebutuhan untuk menulis ulang variabel setiap
langkah
 lebih mudah untuk memecahkan masalah
kelemahan :
 memiliki masalah akurasi saat pembulatan desimal
Metode ini berbentuk matriks segitiga atas seperti :
a11 a12 a 13 ⋯ a1 n x1 b1
[ 0 a22
0 0
⋮
0 0 0
a 23 ⋯ a2 n
a 33 ⋯ a3 n
⋯ ⋮
⋯ an n
][ ] [ ]
x2
⋮
xn
b2
x 3 = b3
⋮
bn
Maka solusinya dapat dihitung dengan tekhnik penyulingan mundur
(backward substitution):
bn
a nn x n=b n → x n=
an
b n−1 −an−1.n x n
a n−1.n−1 x n−1+ an−1.n x n=b n−1 →
a n−1.n−1
bn−2−an−2.n−1 x n−1
a n−2.n−2 x n−2+ an−2.n −1 x n−1 + an−2.n x n =bn−2 → x n−2=
an−2.n−2
⋮
dst .
Sekali x n , x n−1 ,… , x k+1 diketahui, maka nilai x k maka

dihitung dengan
n
bk − ∑ akj x j
j=k +1
x k= , k=n−1 , n−2 , … , dan akk ≠ 0
akk
Contoh Soal :
1. x 1+ x2 +2 x 3=6
2 x1 + x 2−x 3=3
−x 1+ 2 x 2 +2 x 3=−1
Jawab :
1 1 2 6
[
A= 2 1 −1
−1 2 2 ] [] , b= 3
−1
1 1 2 6 1 1 2 6 1 1 2
[ 2 1 −1 3
B2−2 B1
−1 2 2 −1 B3 +B
→
|] [
1 0 3 4 5
B
0 −1 −5 −9 3 +
→
3 B 2 0 −1
0 0
−
− |] [
−11 x 3=−22 → x 3=2
−x 2−5 x 3=−9 → x2 =9−5 ( 2 )=−1
x 1+ x2 +2 x 3=6 → x 1=6−(−1 )−2 ( 2 )=3
∴ x1=3; x 2=−1 ; x 3=2
2. x 1−2 x2 + x 3=3
2 x1 −3 x 2 +4 x3 =13
−3 x 1+5 x 2 +2 x 3=5
Jawab :

1 −2 1 3
[
A= 2 −3 4
−3 5 2 ] []
, b= 13
5
1 −2 1 3 1 −2 1 3 1 −2 1 3
[ |] [
2 −3 4 13
B 2−2 B1
|] [
0 1 2 7 B 3 + B2 0 1 2 7
−3 5 2 5 B 3+→3 B1 0 −1 5 14 →
0 0 7 21 |]
7 x 3=21 → x 3=3
x 2+ 2 x 3=7 → x 2=7−2 ( 3 ) =1
x 1−2 x2 + x 3=3 → x1=3+2 ( 1 ) −3=2
∴ x1=2; x 2=1 ; x3 =3
3. −12 x1 + x 2 +8 x3 =−80
x 1−6 x 2−4 x3 =13
−2 x1 −x2 +10 x 3=90
Jawab :
−12 1 8 −80
[
A= 1 −6 −4
−2 −1 10 ] [ ]
, b= 13
90
−12 1 8 −80 1 −6 −4 13 1
[ 1
−2 −1 10 90 | ] [
−6 −4 13 B2 ↔ B1 −12 1
→
−2 −1 10 90
B + 12 B1
8 −80 2
B 3 +
→
2 B 1| ]
0
0 [
1 −6 −4 13
[ |]
1 13
[ |]
−4 −6
40 −76
−1 40 −76 0 1
B2 0 1 B3 +13 B2 71 71
71 71 71 →
→ 662 7248
0 −13 2 116 0 0
71 71
662 7248 7248 3624

x= → x 3= =
71 3 71 662 331
40 −76 −76 40 3624 −2396
x 2+
71
x 3=
71
→ x 2= − )
71 71 331 (
=
331
−2396 3624 4423
x −6 x −4 x =13→ x =13+6 ( ) +4 (
331 ) 331
1 2 3 1 =
331
4423 −2396 3624
∴ x1= ; x 2= ; x 3=
331 331 331
4. 0,3 x 1+ 0,5 x 2 + x 3=−0,01

0,5 x 1+ x 2 +1,9 x3 =0,67
0,1 x 1+0,3 x 2 +0,5 x3 =0,44
Jawab :
Penskalaan 10
3 5 10 −0,1
1 3 5[
A= 5 10 19
] [ ]
, b= 6,7
4,4
3 5 10 −0,1 1 3 5 4,4
[ 1 3 5 4,4 | ] [
5 10 19 6,7 B 1 ↔ B3 5 10 19 6,7
→
B2−5 B1
3 5 10 −0,1 B3−3
→
B1 | ]
1 3 5 4,4 1 3 5 4,4
[ 0 −4 −5 −13,3 → | ] [
0 −5 −6 −15,3 −0,2 B2 0 1 1,2 3,06 B 3+ 4 B2
0 −4 −5 −13,3 → | ]
1 3 5 4,4
[ 0 1 1,2 3,06
0 0 −0,2 −1,06 | ]
−0,2 x 3=−1,06 → x 3=5,3
x 2+ 1,2 x 3=3,06 → x2 =3,06−1,2 ( 5,3 )=−3,3
x 1+ 3 x 2 +5 x3 =4,4 → x 1=4,4−3 (−3,3 ) −5 (5,3 )=−12,2
4.4 Metode Eliminasi Gauss-Jordan

Dalam aljabar linear, eliminasi Gauss-Jordan adalah versi
dari eliminasi Gauss. Pada metode eliminasi Gauss-Jordan kita
membuat nol elemen-elemen di bawah maupun di atas diagonal utama
suatu matriks. Hasilnya adalah matriks tereduksi yang berupa
matriks diagonal satuan (semua elemen pada diagonal utama
bernilai 1, elemen-elemen lainnya nol).
Dalam bentuk matriks, eliminasi Gauss-Jordan ditulis
sebagai berikut.
,
a11 a12 a13 … a1 n b1 1 0 0 … 0 b1
[ ][ ]
,
a21 a22 a23 … a2 n b2 0 1 0 … 0 b2
a31 a32 a33 … a3 n b3 0 0 1 … 0 b,3
… … …… … … … … …… … …
an 1 an 2 an 3 … a nn bn 0 0 0 … 1 b,
n

, ,
Solusinya: x 1=b1 x 2=b 2 … … … …
x n=b ,n
Seperti pada metode eliminasi gauss naïf, metode eliminasi
Gauss-Jordan naïf tidak menerapkan tata-ancang pivoting dalam
proses eliminasinya.
Langkah-langkah operasi baris yang dikemukakan oleh Gauss
dan disempurnakan oleh Jordan sehingga dikenal dengan Eliminasi
Gauss-Jordan, sebagai berikut:
1. Jika suatu baris tidak seluruhnya dari nol, maka
bilangan tak nol pertama pada baris itu adalah 1.
Bilangan ini disebut 1 utama (leading 1).
2. Jika terdapat baris yang seluruhnya terdiri dari nol,
maka baris-baris ini akan dikelompokkan bersama pada
bagian paling bawah dari matriks.
3. Jika terdapat dua baris berurutan yang tidak seluruhnya
dari nol, maka 1 utama pada baris yang lebih rendah
terdapat pada kolom yang lebih kanan dari 1 utama pada
baris yang lebih tinggi.
4. Setiap kolom memiliki 1 utama memiliki nol pada tempat
lain.
Algoritma Metode Eliminasi Gauss-Jordan adalah sebagai berikut:
1. Masukkan matriks A dan vector B beserta ukurannya n
2. Buat augmented matriks [AB] namakan dengan A
3. Untuk baris ke-i dimana i=1 s/d n
a) Perhatikan apakah nilai a i, i sama dengan nol:
Bila ya:
Pertukarkan baris ke-i dan baris ke i+k≤n, dimana
a i+k ,i tidak sama dengan nol, bila tidak ada
berarti perhitungan tidak bisa dilanjutkan dan

proses dihentikan dengan tanpa penyelesaian.
Bila tidak: Lanjutkan
b) Jadikan nilai diagonalnya menjadi satu, dengan cara
untuk setiap kolom k dimana k=1 s/d n+1, hitung
ai , k
a i, k =
ai , i
4. Untuk baris ke j, dimana j=i+1 s/d n
Lakukan operasi baris elementer untuk kolom k dimana k=1
s/d n
Hitung c=a j , i
Hitung a j ,k =a j ,k −c . ai , k
5. Penyelesaian, untuk i=n s/d 1 (bergerak dari baris ke n
sampai baris pertama)
x i=a i, n+1
Contoh Soal :
1. x 1+ x2 +2 x 3=6
2 x1 + x 2−x 3=3
−x 1+ 2 x 2 +2 x 3=−1
Jawab :
1 1 2 6
[
A= 2 1 −1
−1 2 2 ] []
, b= 3
−1
1 1 2 6 1 1 2 6 1 1 26
[ 2 1 −1 3
B2−2 B1
−1 2 2 −1 B3 +B
→
1 0 |] [
0 −1 −5 −9
3
−B 2 0 1
B
59 1
4 5 → 0 3 4 5 B 3− | ] [ |]
1 0 −3 −3 1 0 −3 −3 1 0 0 3
[ 0 1 5
| ] [
0 0 −11 −22
1
9 − B 0 1 5 9
11 3
→ 0 0 1 2
B
|] [ |]
1 +3
→
B 3
0 1 0 −1
B2 −5 B3 0 0 1 2
∴ x1=3; x 2=−1 ; x 3=2
2. x 1−2 x2 + x 3=3
2 x1 −3 x 2 +4 x3 =13
−3 x 1+5 x 2 +2 x 3=5
Jawab :
1 −2 1 3
[
A= 2 −3 4
−3 5 2 ] []
, b= 13
5
1 −2 1 3 1 −2 1 3 1 0 5 17
[ |] [ |] [ |]B −2 B1
2 −3 4 13 2 0 1 2 7 1
B +2 B 2
−3 5 2 5 B 3+→3 B1 0 −1 5 14 B3 +
→
0 1 2 7
B2 0 0 7 21 7
1
1 0 5 17 1 0 02
[ | ] [ |]
0 1 2 7 1
0 0 1 3
B −5 B3
B 2 −2
→
B 3
0 1 01
0 0 13
∴ x1=2; x 2=1 ; x3 =3
3. −12 x1 + x 2 +8 x3 =−80
x 1−6 x 2−4 x3 =13
−2 x1 −x2 +10 x 3=90
Jawab :

−12 1 8 −80
[
A= 1 −6 −4
−2 −1 10 ] [ ]
, b= 13
90
−12 1 8 −80 1 −6 −4 13 1
[ 1
| ] [
−6 −4 13 B2 ↔ B1 −12 1
−2 −1 10 90 →
8 −80
B 2 + 12
−2 −1 10 90 B 3+→2 B1 0
B 1
0
| ] [
−44 467
[ |]
1 0
1 13 71 71
[ |]
−4−6
−1 40 −76 B1+ 6 B2 40 −76 71
B2 0 1 0 1 B
71 71 71 B3 +13 B2 71 71 662 3
→ →
0 −13 2 116 → 662 7248
0 0
71 71
4423
44
B1 + B 3 1 0 0
71
40
0 1 0
B 2− B 3 0 0 1
71
→
∴ x1=
4423
[ ]331
−2396
331
3624
331
; x 2=
|
−2396
; x 3=
3624
331 331 331
4. 0,3 x 1+ 0,5 x 2 + x 3=−0,01

0,5 x 1+ x 2 +1,9 x3 =0,67
0,1 x 1+0,3 x 2 +0,5 x3 =0,44
Jawab :

Penskalaan 10
3 5 10 −0,1
[
A= 5 10 19
1 3 5 ] [ ]
, b= 6,7
4,4
3 5 10 −0,1 1 3 5 4,4
[ | ] [ | ]
5 10 19 6,7 B 1 ↔ B3 5 10 19 6,7
1 3 5 4,4 →
B2−5 B1
3 5 10 −0,1 B3−3
→
B1
1 3 5 4,4 1 3 5 4,4
[ | ] [ | ]
0 −5 −6 −15,3
0 −4 −5 −13,3
−0,2
→
B 2 0 1 1,2 3,06
B 1−3 B 2
0 −4 −5 −13,3 B3 +→4 B2
1 0 1,4 −4,78 1 0 1,4 −4,78
[ | ] [ | ]
0 1 1,2 3,06
−1
0,2
B3 0 1 1,2 3,06 B1−1,4 B3
0 0 −0,2 −1,06 → 0 0 1 5,3 B2 −1,2 →
B3
1 0 0 −12,2
[ | ]
0 1 0 −3,3
0 0 1 5,3
∴ x1=−12,2; x 2=−3,3 ; x 3=5,3
4.5 Metode Matriks Balikan
Misalkan A−1 adalah matriks balikan dari A dengan A−1

menghasilkan matriks identitas I.
A A−1 =A−1 A=I

Bila matriks A dikalikan dedngan I akan menghasilkan matriks A
sendiri.
AI =IA =A

Berdasarkan dua kesamaan di atas, sistem persamaan lanjar
Ax=b dapat diselesaikan sebagai berikut :
Ax=b
A−1 Ax= A−1 b (kalikan kedua ruas dengan A−1)
Ix= A−1 b
x= A−1 b
Jadi, penyelesaian sistem persamaan lanjar Ax=b adalah
x= A−1 b dengan syarat A−1 ada.
Contoh Soal :
1. x 1+ x2 +2 x 3=6
2 x1 + x 2−x 3=3
−x 1+ 2 x 2 +2 x 3=−1
Jawab :
1 1 2 6
[
A= 2 1 −1
−1 2 2 ] []
, b= 3
−1
1 1 2 1 0 0 1 1 2 1 0 0
[ | ] [ | ] B −2 B1
2 1 −1 0 1 0 2
−1 2 2 0 0 1 B 3+
→
0 −1 −5 −2 1 0 −B 2
B1 0 3 4 1 0 1 →
1 1 21 0 0 1 0 −3 −1 1 0
[ | ] [ | ] B −B 2
0 1 5 2 −1 0 1
0 3 4 1 0 1 B 3−3
→
0 1
B 2 0 0 −11 −5 3 1
1
5 2 −1 0 − B
11
→
3

4 2 −3
[ 1 0 −3
0 1 5
0 0 1
−1 1
|
2 −1
5 −3
11 11
Solusinya adalah x= A−1 b

0
0
−1
11
] →
[
B 1+3 B3
1 0 0
0 1 0
11
−3
B2 −5 B3 0 0 1 11
5
11
|
11
4
11
−3
11
11
5
11
−1
11
]
4 2 −3
[][ ]
x1
x2 =
x3
11
−3
11
5
11
24 6 3
11
4
11
−3
11
11
5
11
−1
11
6
3
−1 []
[][ ]
+ +
11 11 11
x1
−18 12 5
x2 = + −
11 11 11
x3 30 9 1
− +
11 11 11
x1 3
[][ ]
x 2 = −1
x3 2
∴ x1=3; x 2=−1 ; x 3=2
2. x 1−2 x2 + x 3=3

2 x1 −3 x 2 +4 x3 =13
−3 x 1+5 x 2 +2 x 3=5
Jawab :
1 −2 1 3
[
A= 2 −3 4
−3 5 2 ] []
, b= 13
5
1 −2 1 1 0 0 1 −2 1 1 0 0
[ | ] [ | ]
2 −3 4 0 1 0
B2−2 B1
−3 5 2 0 0 1 B3 +3
→
B +2 B2
0 1 2 −2 1 0 1
B1 0 −1 5 3 0 1 B3+ B 2
→
−3 2 0
[ | ] [ | ]
1 0 5 −3 2 0
1
7
1 0 5
0 1 2 −2 1 0 B3 0 1 2
0 0 7 1 1 1 → 0 0 1
−2
1
7
1
1
7
0 B1−5 B3
1 B2−2 B3
7 →
−26 9 −5
[ 1 0 0
0 1 0
0 0 1
7
7
1
7
|
−16
Solusinya adalah
7
5
7
1
7
x= A−1 b
7
−2
7
1
7
]
−26 9 −5
[][ ]
x1
x2 =
x3
7
−16
7
1
7
7
5
7
1
7
−78 117 25
7
−2
7
1
7
3
13
5 []
[][ ]
+ −
7 7 7
x1
−48 65 10
x2 = + −
7 7 7
x3 3 13 5
+ +
7 7 7
x1 2
[ ] []
x2 1
x3
=
3
∴ x1=2; x 2=1 ; x3 =3
3. −12 x1 + x 2 +8 x3 =−80
x 1−6 x 2−4 x3 =13
−2 x1 −x2 +10 x 3=90
Jawab :
−12 1 8 −80
[
A= 1 −6 −4
−2 −1 10 ] [ ]
, b= 13
90

−12 1 8 1 0 0 1 −6 −4 0 1 0
[ 1
−2 −1 10 0 0 1 | ] [
−6 −4 0 1 0 B2 ↔ B1 −12 1
→
B+
8 1 0 0 2
−2 −1 10 0 0 1 B3 + | ]
1 −6 −4 0 1 0
| ] [ | ]
1 −6 −4 0 1 0
[ 0 −71 −40 1 12 0
0 −13 2 0 2 1 →
−1
71
B2 0 1
40 −1
71 71
0 −13 2 0
−12
71
2
0
1
B
−44 −6 −1 −6 −1
[ | ][
1 0 0 −44
|
71 71 71 1 0 71 71
71
40 −1 −12 71 −1 −12
0 1 0 B 40
71 71 71 662 3 0 1 71 71
→ 71
662 −13 −14 −13 −7
0 0 1 0 0 1
71 71 71 662 331
−32 −9 22
44
71
40
[
B1 + B3 1 0 0
0 1 0
B 2− B 3 0 0 1
71
→
331
−1
331
−13
662
Solusinya adalah
|
x= A−1 b
331
−52
331
−7
331
331
−20
331
71
662
]
−32 −9 22
[ ]
x1
[]
x2 =
x3
331
−1
331
−13
662
331
−52
331
−7
331
2560 117 1980

331
−20
331
71
662
−80
13
90 [ ]
[][ ]
− +
331 331 331
x1
80 676 1800
x2 = − −
331 331 331
x3 520 91 3195
− +
331 331 331
4423
[][ ]
331
x1
−2396
x2 =
331
x3 3624
331
4423 −2396 3624
∴ x1= ; x 2= ; x 3=
331 331 331
4. 0,3 x 1+ 0,5 x 2 + x 3=−0,01

0,5 x 1+ x 2 +1,9 x3 =0,67
0,1 x 1+0,3 x 2 +0,5 x3 =0,44
Jawab :
Penskalaan 10

3 5 10 −0,1
[
A= 5 10 19
1 3 5 ] [ ]
, b= 6,7
4,4
3 5 10 1 0 0 1 3 5 0 0 1
[ | ] [ | ]
1 3 5 0 0 1 →
B −5 B1
5 10 19 0 1 0 B1 ↔ B3 5 10 19 0 1 0 2
3 5 10 1 0 0 B3−3
→
B1
1 3 5 0 0 1 1 3 5 0 0 1
[ | ] [ |
0 −5 −6 0 1 −5 −0,2 B2 0 1 1,2 0 −0,2 1
0 −4 −5 1 0 −3 →
0 −4 −5 1 0
B1
−3 B3 ]
1 0 1,4 0 0,6 −2 1 0 1,4 0 0,6 −2
[ | ] [ |
0 1 1,2 0 −0,2 1
0 0 −0,2 1 −0,8 1
−1
0,2
→
B3 0 1 1,2 0 −0,2 1
0 0 1 −5 4 −5 ]
1 0 0 7 −5 5
B1−1,4 B3
[ | ]
0 1 0 6 −5 7
B2−1,2 B3 0 0 1 −5 4 −5
→
Solusinya adalah x= A−1 b

x1 7 −5 5 −0,1
[][ x2
x3
= 6 −5 7
−5 4 −5
6,7
4,4 ][ ]
x1 −0,7−33,5+ 22
[][ x 2 = −0,6−33,5+30,8
x3 0,5+26,8−22 ]
x1 −12,2
[][ ]
x 2 = −3,3
x3 5,3
∴ x1=−12,2; x 2=−3,3 ; x 3=5,3
4.6 Metode Dekomposisi LU

Jika matriks A non-singular, maka dapat
difaktorkan/diuraikan menjadi matriks segitiga bawah L (lower)
dan matriks segitiga atas U (Upper)
A=LU
Dalam bentuk matriks ditulis sebagai berikut:
a11 a 12 a13 1 0 0 u11 u12 u13
a.
[ a31 a 32 a33 ][
a21 a 22 a23 = l 21 1 0 0 u22 u23
l 31 l 32 1 0 0 u33 ][
Matriks segitiga bawah L, semua elemen diagonal adalah 1
]
b. Matriks segitigas atas tidak ada syarat khusus untuk nilai
diagonalnya
Contoh: hasil pemfaktoran matriks 3x3
2 −1 −1 1 0 0 2 −1 −1
[ ] [ ][
0 −4 2 = 0 1 0 0 −4 2
6 −3 1 3 0 1 0 0 4 ]
Penyelesaian Ax=b, dengan dekomposisi LU, maka
– Faktorkan A=LU , sehingga
Ax=b
LUx=b
– Misalkan Ux= y , maka Ly=b

Untuk memperoleh y, gunakan teknik substitusi maju
1 0 0 y1 b1
[ ][ ] [ ]
Ly=b → l 21 1 0 y 2 = b2
l 31 l 32 1 y 3 b3
Untuk memperoleh x, gunakan teknik substitusi mundur
u11 u12 u13 x 1 y1
[ ][ ] [ ]
Ux= y → 0 u22 u23 x 2 = y 2
0 0 u33 x 3 y3
Langkah menghitung solusi SPL dengan dekomposisi LU:
– Membentuk matriks L dan U dari A
– Pecahkan Ly = b, lalu hitung y dengan teknik
substitusi maju
– Pecahkan Ux = y, lalu hitunng x dengan substitusi
mundur
4.6.1 Metode Dekomposisi LU Crout
Matriks 3 ×3 :
a 11 a12 a13 1 0 0 u11 u12 u13
[
a31 a32 a33 ] [ ] [
A= a21 a22 a23 , L= l 21 1 0 , U = 0 u22 u23
l 31 l 32 1 0 0 u33 ]
Karena LU= A , maka hasil perkalian L dan U itu dapat ditulis
sebagai :
u11 u 12 u13 a11 a12 a13
[
LU = l 21 u11 l 21 u12 +u22 l 21 u13+u 23
l 31 u13 l 31 u12 +l 32 u22 l 31 u13 +l 32 u23 +u33 ] [
= A= a21 a22 a23
a31 a32 a33 ]
Dari kesamaan dua buah matriks LU= A , diperoleh :
u11 =a11 , u12=a 12 , u13=a 13 Baris pertama U
a21
l 21 u11 =a21 →l 21= Kolom pertama L
u11
a31
l 31 u13 =a31 → l31=
u13
l 21 u12 +u22=a 22 →u 22=a22 −l 21 u12 Baris kedua U
l 21 u13 +u23=a23 → u23=a 23−l 21 u13
a32−l 31 u12
l 31 u12 +l 32 u22=a 32 →l 32= Kolom kedua L
u 22
l 31 u13 +l 32 u23 +u33=a33 → u33=a33−(l 31 u13 +l 32 u23)

Baris
Ketiga U
Contoh Soal :
1. x 1+ x2 +2 x 3=6
2 x1 + x 2−x 3=3
−x 1+ 2 x 2 +2 x 3=−1
Jawab :
1 1 2 6
[
A= 2 1 −1
−1 2 2 ] []
, b= 3
−1

u11 =a11 → u11=1
u12=a 12 →u 12=1
u13=a13 → u13=2
a21 2
l 21= = =2
u11 1
a31 −1
l 31= = =−1
u13 1
u22=a22−l 21 u12=1−2 ( 1 )=−1

u23=a23−l 21 u13=−1−2 (2 )=−5
a32−l 31 u12 2−(−1 ) (1)

l 32= = =−3
u22 −1
u33=a33−( l 31 u13 +l 32 u23 ) =2 — 1 ( 2 ) + (−3 )(−5 )=−11
Diperoleh L dan U sebagai berikut :
1 1 2 1 0 0
[
U = 0 −1 −5 , L= 2
0 0 −11
1 0
−1 −3 1 ] [ ]
Berturut-turut hitung nilai y dan x sebagai berikut :
1 0 0 y1 6
Ly=b → 2
[
1 0 y2 = 3
−1 −3 1 y 3 −1 ][ ] [ ]
y 1=62 y 1+ y 2=3 → y 2=3−2 ( 6 )=−9
− y 1−3 y 2 + y 3=−1 → y 3=−1+6+3 (−9 )=−22

1 1 2 x1 6
[
Ux= y → 0 −1 −5 x 2 = −9
0 0 −11 x 3 −22 ][ ] [ ]
−11 x 3=−22 → x 3=2
−x 2−5 x 3=−9 → x2 =−5 ( 2 )+ 9=−1
x 1+ x2 +2 x 3=6 → x 1=6−(−1 )−2 ( 2 )=3
∴ x1=3 , x 2=−1 , dan x3 =2
2. x 1+ x2−x 3 =1
2 x1 +2 x 2+ x 3=5
−x 1+ x2 +2 x 3=5
Jawab :
1 1 −1 1
[
A= 2 2 1
−1 1 2 ] []
, b= 5
5
u11 =a11 → u11=1

u12=a 12 →u 12=1
u13=a13 → u13=−1

a21 2
l 21= = =2
u11 1
a31 −1
l 31= = =−1
u13 1
u22=a22−l 21 u12=2−2 ( 1 )=0

Karena uqq tidak boleh nol, lakukan pertukaran baris, baik
untuk matriks A maupun untuk vector b.

1 1 −1
[
R2 ⟺ R 3 −1 1 2
2 2 1 ]
1
R2 ⟺ R 3 1
5 []
u11 =a11 → u11=1
u12=a 12 →u 12=1
u13=a13 → u13=−1
a21 −1
l 21= = =−1
u11 1
a31 2
l 31= = =2
u13 1
u22=a22−l 21 u12=1−(−1) ( 1 )=2

u23=a23−l 21 u13=1−(−1) (−1 )=0
a32−l 31 u12 2−( 2 ) (1)

l 32= = =0
u22 2
u33=a33−( l 31 u13 +l 32 u23 ) =1−((2) (−1 ) + ( 0 )( 0 ) )=3
Diperoleh L dan U sebagai berikut :
1 1 −1 1 0 0
[
U = 0 2 0 , L= −1 1 0
0 0 3 2 0 1 ] [ ]
Berturut-turut hitung nilai y dan x sebagai berikut :
1 0 0 y1 1
[
Ly=b → −1 1 0 y 2 = 1
2 0 1 y3 5 ][ ] [ ]
y 1=1− y 1 + y 2=1 → y 2=1+1=2
2 y 1+ 0 y 2+ y 3 =5→ y 3=5−2 (1 )−0=3

1 1 −1 x 1 1
[
Ux= y → 0 2 0 x 2 = 2
0 0 3 x3 3 ][ ] [ ]
3 x 3=3 → x 3=1
2 x2 +0 x 3=2 →2 x 2=2−(0)=1
x 1+ x2−x 3 =1→ x1 =1−( 1 ) + ( 1 )=1

∴ x1=1 , x 2=1 , dan x 3=1
4.7 Metode Lelaran untuk Menyelesaikan SPL

4.7.1 Metode Lelaran Jacobi
Tinjau kembali sistem persamaan linear
a11 x1 +a 12 x 2+ …+a1 n xn =b1

a 21 x1 + a22 x 2+ …+a2 n x n=b2
: :
: :
a n1 x 1+ an 2 x 2 +…+a nn x n=b n
dengan syarat 𝑎𝑘𝑘≠0, k =1, 2, ..., n.
Misalkan diberikan tebakan awalnya
𝑥1(0),𝑥2(0),𝑥3(0),…,𝑥𝑛(0).
Maka lelalaran pertamanya adalah :
b1 −a12 x 2(0) −a13 x3(0)−…−a 1n x n(0)

x 1(1)=
a11
b2 −a21 x 1(0 )−a23 x3(0)−…−a 2 n x n(0)

x 2(1)=
a21
⋮
(1) b n−a n1 x 1(0)−an 2 x 2(0) −…−ann−1 x n−1(0)

x n =
an 1
Lelaran kedua
b1 −a12 x 2(1) −a13 x 3(1 )−…−a1 n x n(1)

x 1(2)=
a11

(1) (1 ) (1)
b −a x −a23 x3 −…−a2 n x n
= 2 21 1
(2)
x 2
a21
⋮
(2) b n−a n1 x 1(1)−a n 2 x 2(1)−…−ann−1 x n−1(1)

x n =
an 1
Secara umum :
( k+ 1) b1−a12 x 2(0)−a13 x 3(0 )

xi =
aii
4.6.2 Metode Lelaran Gauss-Seidel

Kecepatan Konvergen pada lelaran Jacobi dapat
dipercepat bila setiap harga x yang baru dihasilkan
segera dipakai pada persamaan berikutnya untuk
menentukan harga x i+1 yang lainnya
Lelaran Pertama :
Rumus Umum :
n n
bi−∑ aij x j(k+1) − ∑ aij x j(k)
i =1 j=i+1
x i(k+1 )= , k =0,1,2 ,…
a ij

Contoh :
4 x− y + z=7
4 x−8 y + z=−21
−2 x+ y+5 z=15
Dengan nilai awal P0=( x0 , y 0 , z 0 ) =( 1,2,2 )
Solusi sejatinya adalah (2,4,3)
Penyelesaian :
7+ y r −z r
x r +1=
4
21+ 4 x r −z r
y r +1=
8
15+ 2 x r − y r
z r +1=
5
Lelarannya
7+2−2
x 1= =1.75
4
21+4 (1.75 )+ 2
y 1= =3.75
8
15+2(1.75)−3.75
z 1= =3.000
5
7+3.75−2.95
x 2= =1.95
4
21+4 (1.95)+ 3.000
y 1= =3.96875
8

15+2 ( 1.95 )−3.96875
z 2= =2.98625
5
⋯
x 10=2.00000000
y 10=4.00000000
z 10=3.00000000
Jadi solusi SPL adalah
x=2.00000000 , y=4.00000000 dan
z=3.00000000

BAB V
INTERPOLASI DAN REGRESI
Pada rekayasawan dan ahli ilmu alam sering bekerja dengan

sejumlah data diskrit (yang mumnyadisajikan dalm bentuk tabel). Data
di dalam tabel mungkin diperoleh dari hasil pengamatan di lapangan,
hasil pengukuran di laboratorium, atau tabel yang diambildari buku-
buku acuan.
Seagai ilustrasi, sebuah pengukuran fisika telah dilakukan
untuk menentukan hubungan antara tegangan yang diberikan kepada baja
tahan karat dan waktu yang diperlukan hingga baja tersebut patah.
Delapan nilai tegangan yang berbeda dicobakan, dan data yang
dihasilkan adalah :
Tegangan yang diterapkan, 5 10 15 20 25 30 35 40
kg
x,
mm2
Waktu patah, y , jam 40 30 25 40 18 20 22 15
Masalah yang cukup sering munculdengan data dan tabel adalah
menentukan nilai di antara titik-titik diskrit tersebut (tanpa harus
melakukan pengukuran lagi).misalnya dalam tabel pengukuran di atas,
rekayasawan ingin mengetahui waktu patah y jika tegangan x yang
kg
diberikan kepada baja adalah 12 . Masalah ini tidak bisa
mm 2
langsung dijawab karena fungsi yang menghubungkan peubah y dengan
peubah x tidak diketahui.salah satu solusinya adalah mencari fungsi

yang mencocokan (fit) titik-titik data di dalam tabel. Pendekatan
seperti ini di dalam metode numerik dinamakan Pencocokan Kurva .
Fungsi yang diperoleh dengan pendekatan ini merupakan fungsi
hampiran.
I. Interpolasi
5.1 Persoalan Interpolasi Polinom
Diberikan n+1 buah titik berbeda
( x 0 , y 0 ) , ( x 1 , y 1 ) , … ,( x n , y n ). Tentukan polinom Pn (x )
yang menginterpolasi (melewati) semua titik-titik tersebut
sedemikian rupa hingga
y i = pn ( x i ) untuk i=0,1,2 , … , n
Nilai yi dapat berasal dari fungsi matematika f (x) (seperti
ln x ,sin x , fungsi Bessel , dsb ¿ sedemikian sehingga
y i=f ( x i) , sedangkan pn ( x ) disebut fungsi hampiran terhadap
f (x). Atau yi berasal dari nilai empiris yang diperoleh
melalui percobaan atau pengamatan.
i. Jika x 0 <a< x n maka yk= p ( xk) disebut nilai
interpolasi
ii. Jika x0 < xk atau x0 < xn maka y k = p (x k ) disebut
nilai ekstrapolasi
5.1.1 Interpolasi Lanjar

Interpolasi lanjar adalah interpolasi dua buah titik
dengan sebuah garis lurus.misal diberika dua buah titik
( x0 , y0 ) dan ( x 1 , y 1 ). Polinom yang menginterpolasi

kedua titik itu adalah persamaan garis lurus yang
berbentuk :
p1 ( x )=a0 +a1 x
Koefisien a0 dan a1 dicari dengan proses penyulihan dan
eliminasi, diperoleh :
y 0=a0 +a1 x 0
y 1=a0 +a1 x1
Lalu kedua persamaan diselesaikan dengan proses
eliminasi, di dapat :
y 1− y 0
a 1=
x1−x 0
x 1 y 0−x 0 y 1
a 0=
x 1−x 0
Sulihkan :
x 1 y 0 −x 0 y 1 ( y 1− y 0 ) x
p1 ( x ) = +
x1 −x0 ( x1 −x0 )
( y 1− y 0 )
p1 ( x )= y 0+ (x −x0 )
( x1−x 0 )
Contoh :
1. Perkiraan jumlah penduduk Amerika Serikat pada
Tahun 1968 berdasarkan data tabulasi berikut
Tahun 1960 1970
Jumlah penduduk (juta) 179.3 203.2
Penyelesaian :

( y 1− y 0 )
p1 ( x )= y 0+ ( x−x 0 )
( x1−x 0 )
( 203,2−179,3 )
p1 (1968 )=179,3+ ( 1968−1960 )=198,4
(1960−1970 )
Jadi taksiran jumlah penduduk Amerika Serikat pada tahun
1968 adalah 198,4 juta
2. Dari data ln (9,0)=2,1972,

ln (9,5)=2,2513, tentukan ln (9,2) dengan
interpolasi lanjar sampai 5 angka bena. Bandingkan
dengan nilai sejati ln (9,2)=2,2192.

Penyelesaian :
( y 1− y 0 )
p1 ( x )= y 0+ ( x−x 0 )
( x1−x 0 )
( 2,2513−2,1972 )
p1 ( 9,2 )=2,1972+ ( 9,2−9,0 )=2,2188
( 9,5−9,0 )
Galat =2,2192−2,2188=0,0004
(ketelitian 3 angka bena)
5.1.2 Interpolasi Kuadratik

Misal diberika tiga buah titik data
( x 0 , y 0 ) , ( x 1 , y 1 ) dan(x 2 , y 2). Polinom yang
menginterpolasi ketiga buah titik itu adalah polinom

kuadrat yang berbentuk :
p2 ( x ) =a0 +a 1 x+ a2 x2
Kurva polinom berbenuk parabola

Polinom p2 ( x ) ditentukan dengan cara :
 Sulihkan ( xi , yi ) ke dalam persamaan
p2 ( x ) =a0 +a 1 x+ a2 x2, dengan i=0,1,2. Dari
sini diperoleh :
y 0=a0 +a1 x 0+ a2 x 02
y 1=a0 +a1 x1 +a 2 x 12
y 2=a0 +a1 x2 +a 2 x 22
 Hitung a 0 , a1 , a2 dengan metode eliminasi Gauss
Contoh :
Diberikan titik ln ( 8,0 )=2,0794 , ln ( 9,0)=2,1972

dan ln (9,5)=2,2513. Tentukan nilai ln (9,2) dengan
interpolasi kuadratik.
Penyelesaian :
Sistem persamaan lanjar yang terbentuk adalah
a 0+ 8,0 a1 +64,00 a2=2.0794

a 0+ 9,0 a1 +81,00 a2=2.1972
a 0+ 9,5 a1 +90,25 a2=2.2513
Dengan menggunakan eliminasi Gauss menghasilkan
a 0=0,06762
a 1=0,2266
a 2=−0,0064
Polinom Kuadratnya adalah

2
p2 ( x ) =0,06762+ 0,2266 x−0,0064 x
p2 ( 9,2 )=2.2192
5.1.3 Interpolasi Kubik

Misal diberika empat buah titik data
( x 0 , y 0 ) , ( x 1 , y 1 ) , ( x 2 , y 2 ) ,dan( x 3 , y 3 ). Polinom yang
menginterpolasi keempat buah titik itu adalah polinom

kubik yang berbentuk :
p3 ( x ) =a0 +a 1 x +a2 x2 + a3 x 3
Polinom p3 ( x ) ditentukan dengan cara :
 Sulihkan ( xi , yi ) ke dalam persamaan
p2 ( x ) =a0 +a 1 x+ a2 x2 +a 3 x 3, dengan
i=0,1,2,3 . Dari sini diperoleh :
y 0=a0 +a1 x 0+ a2 x 02 +a3 x 03

y 1=a0 +a1 x1 +a 2 x 12+ a3 x 13
y 2=a0 +a1 x2 +a 2 x 22+ a3 x23
y 3=a0 +a1 x3 + a2 x 32 +a3 x 33
 Hitung a 0 , a1 , a2dan a 3 dengan metode eliminasi
Gauss
5.2 Polinom Lagrange

Tinjau kembali polinom lanjar pada persamaan

( y 1− y 2)
p1 ( x )= y 0+ ( x−x 0 )
( x 1−x 0 )
Persamaan ini dapat diatur kembali sedemikian rupa sehingga
menjadi
( x −x1 ) ( x−x 0 )
p1 ( x )= y 0 + y1
( x 0−x 1 ) ( x1−x 0 )
Atau dapat dinyatakan dalam bentuk
p1 ( x )=a0 L0 ( x ) +a1 L1( x)

Yang dalam hal ini
( x−x 1 )
a 0 = y 0 , L0 ( x ) =
( x 0−x 1)
( x−x 0)
a 1= y 1 , L1 ( x ) =
( x 1−x 0 )
Bentuk umum polinom Lagrange derajat ≤n untuk (n+1) titik
berada adalah
n
p1 ( x )=∑ ai Li ( x )=a 0 L0 ( x )+ a1 L1 ( x ) + …+ an Ln ( x )
i=0
Yang dalam hal ini
a i= y i ,i=0,1,2 , … , n
Dan
n
( x−x j ) ( x−x 0 )( x −x1 ) … ( x−x i−1 ) ( x−x i+1 ) … ( x−x n )
Li ( x ) = ∏ =
i=0 ( x i−x j ) ( x i−x ) ( xi −xi ) … ( x i−x i−1 ) ( xi −xi +1 ) … ( xi −xn )
j ≠1

Contoh :
1. Hampiri fungsi f ( x )=cos x dengan
polinom interpolasi derajat tiga di dalam selang
[ 0.0 , 1.2 ]. gunakan empat titik, x 0=0.0 , x 1=0.4 ,

x 2=0.8 dan x 3=1.2. perkirakan nilai p3 ( 0.5 ) dan
bandingkan dengan nilai sejatinya.

Penyelesaian :
xi 0.0 0.4 0.8 1.2
yi 1.000000 0.921061 0.696707 0.362358

Polinom Lagrange derajat 3 yang menginterpolasi keempat titik
di tabel adalah
p1 ( x )=a0 L0 ( x ) +a1 L1 ( x ) +a2 L2 ( x )+ a3 L3 ( x )

( x −x1 ) ( x−x 2 ) ( x−x 3 ) ( x− x1 ) ( x−x 2 ) ( x−x 3 )
p3 ( x ) = y 0 + y1 +¿
( x 0−x 1 ) ( x 0−x 2) ( x 0−x 3 ) ( x 1−x 0 ) ( x 1−x2 ) ( x 1−x 3 )
(x−x 0)(x−x 1 )( x−x 3) ( x−x 0)( x−x 2 )( x−x 3)
y2 + y3
( x 2−x 0 ) ( x 2−x 1 )( x 2−x 3 ) ( x 3−x 0 ) ( x 3−x 1 )( x 3−x 2 )
( x −0.41 ) ( x−0.8 ) ( x−1.23 ) ( x−0.0 )( x−0.8 )(
¿ 1.000000 +0.921061
( 0.0−0.4 )( 0.0−0.8 ) ( 0.0−1.2 ) ( 0.4−0.0 )( 0.4−0.8 )
( x−0.0)(x−0.4 )( x−1.2) ( x−0.0)(x−0.4)(
+0.696707 + 0.362358
( 0.8−0.0 )( 0.8−0.4 )( 1.2−0.8 ) ( 1.2−0.0 )( 1.2−0.4 )
p3 ( 0.5 )=0.877221
2. dari fungsi y=f (x ) diberikan tiga buah titik data dalam
bentuk tabel :
X 1 4 6
y 1.5709 1.5727 1.5751

Tentukan f (3.5) dengan polinom Lagrange derajat 2. Gunakan
lima angka bena.

Penyelesaian :
Polinom derajat 2 →n=2 (perlu tiga buah titik)
p2 ( x ) = y 0+ L1 ( x ) y 1 + L2 ( x ) y 2
( x−4 ) ( x−6 ) ( 3.5−4 ) (3.5−6)
L0 ( x ) = → L0 ( 3.5 )= =0.083333
( 1−4 ) ( 1−6 ) ( 1−4 ) (1−6)
( x−1 ) ( x−6 ) ( 3.5−1 ) ( 3.5−6)
L1 ( x ) = → L1 ( 3.5 )= =1.0417
( 4−1 ) ( 4−6 ) ( 4−1 ) ( 4−6)
( x−1 ) ( x−4 ) ( 3.5−1 )(3.5−4)
L2 ( x ) = → L1 ( 3.5 )= =−0.12500
( 6−1 ) ( 6−4 ) ( 6−1 )(6−4)
Jadi,
p2 (3.5 )=( 0.083333 ) ( 1.5709 ) + ( 1.0417 ) (1.5727 )+ (−0.12500 ) ( 1.575

p2 (3.5 )=1.5723
5.3 Polinom Newton

Polinom Lagrange kurang disukai dalam praktek karena alasan
berikut
1. Jumlah komputasi yang dibutuhkan untuk satu kali interpolasi
adalah besar. Interpolasi untuk nilai x yang lain
memerlukan jumlah komputasi yang sama karena tidak ada

bagian komputasi sebelumnya yang dapat digunakan.
2. Bila jumlah titik data meningkat atau menurun, hasil
komputasi sebelumnya tidak dapat digunakan. Hal ini
disebabkan oleh tidak adanya hubungan antara pn−1 (x) dan

pn ( x ) pada polinom Langrange.
Nilai konstanta a 0 , a1 , a2 , … , an merupakan nilai selisih
terbagi, dengan nilai masing-masing :
a 0=f ( x 0 )
a 1=f [ x 1 , x 0 ]
a 2=f [ x 2 , x 1 , x 0 ]
⋮
a n=f [ x n , x n−1 , … , x 1 , x 0 ]
Yang dalam hal ini :
(x ¿¿ j)
f [ x i , x j ]=f ( x i )−f ¿
x i−x j
f [ x i , x j ] −f [ x j , x k ]
f [ x i , x j , x k ]=
xi −x k
⋮
f [ x n , xn−1 , … , x 1 ]−f [ x n−1 , x n−2 , … , x0 ]
f [ x n , x n−1 , … , x 1 , x 0 ] =
x n−x 0
Bentuk polinom lengkap :
pn ( x ) =f ( x 0 ) + ( x−x 0 ) f [ x 1 , x 0 ] + ( x−x 0 ) ( x−x 1 ) f [ x2 , x1 , x 0 ]+ ¿
( x−x 0 ) ( x−x 1 ) … ( x−x n−1) f [ x n , x n−1 , … , x1 , x0 ]

Karena tetapan a 0 , a1 , a2dan a 3 merupakan nilai selisih terbagi,
maka polinom Newton dinamakan juga Polinom Interpolasi selisih

terbagi Newton. Misalnya tabel selisih tabel selisih terbagi untuk
empat buah titik n=3 berikut :

i xi y i=f (x i) ST-1 ST-2 ST-3
0 x0 f (x 0) f [ x1 , x0 ] f [ x2 , x1 , x0 ] f [ x3 , x2 , x1 , x0 ]
1 x1 f (x 1) f [ x2 , x1 ] f [ x3 , x2 , x1 ]
2 x2 f ( x 2) f [ x3 , x2 ]
3 x3 f (x 3)
Keterangan : Selisih Terbagi
Contoh :
Hitunglah f (9.2) dari nilai-nilai (x , y) yang diberikan pada
tabel dibawah ini dengan polinom Newton derajat 3

Penyelesaian :
Tabel selisih terbagi:
i xi y i=f (x i) ST-1 ST-2 ST-3
0 8.0 2.079442 0.117783 −0.006433 0.000411
1 9.0 2.197225 0.108134 −0.005200
2 9.5 2.251292 0.097735
3 11.0 2.397895
Contoh cara menghitung nilai selisih terbagi pada tabel adalah :
f ( x 2 )−f ( x 1) 2.251292−2.197225
f [ x 2 , x 1 ]= = =0.108134
x 2−x 1 9.5−9.0
f [ x 2 , x 1 ]−f [ x 1 , x 0 ] 0.108134−0.117783
f [ x 3 , x 2 , x 1 ]= = =−0.006433
x 2−x 0 9.5−8.0
Polinom Newton-nya (dengan x 0=8.0 sebagai titik data pertama)
adalah :
f ( x ) ≈ p 3 ( x )=2.079442+0.117783 ( x−8.0 )−−0.006433 ( x−8.0 )( x−9.0 )

+0.000411 ( x−8.0 )( x−9.0 )( x−9.5 )
taksiran nilai fungsi pada x=9.2 adalah

f ( 9.2 ) ≈ p3 ( 9.2 )=2.079442+0.141340−0.001544−0.000030=2.219208
Nilai sejati f ( 9.2 )=ln( 9.2)=2.219208 (7 angka Bena)
5.4 Galat Interpolasi Polinom
Galat interpolasi minimum terjadiuntuk nilai x di pertengahan
selang. Penjelasannya adalah sebagai berikut :
Nilai –nilai x yang berjarak sama ditulis sebagai :
x 0 , x 1=x 0 +h , x 2=x 0+2 h , … , x n=x 0+ nh

atau dengan rumus umum
x i=x 0 +ih, i=0,1,2 , … , n

Titik yang diinterpolasikan dinyatakan dengan :
x=x 0 +sh , s ∈ R
Sehingga
x−x i=( s−i ) h , i=0,1,2 , … , n

Galat interpolasinya adalah
f (n+1 ) ( c )
E ( x )=( x−x 0 ) ( x−x 1 ) … ( x−x n )
( n+1 ) !
f ( n+1) ( c )
E ( x )=sh ( s−1 ) h … ( s−n ) h
( n+1 ) !
f (n +1) ( c )
E ( x )=s ( s−1 ) (s−2) … ( s−n ) hn+1
( n+ 1 ) !
Dapat ditunjukkan bahwa
Q n+ 1 ( s )=s ( s−1 )( s−2 ) … ( s−n )

Bernilai minimum bila
Qn+ 1 ( s )=0

yang dipenuhi untuk s=n/2. Dengan kata lain, E( x ) bernilai
minimum untuk nilai-nilai x terletak di (sekitar) pertengahan
selang.
Untuk mendapatkan galat interpolasi yang minimum,

pilihlah selang [ x0 , xn ] sehingga x yang terletak di
(sekitar) pertengahan selang.
Missal :
Diberikan data :
x f (x)
0.025 2.831
0.050 3.246
0.075 4.721
0.100 5.210
0.125 6.310
0.150 7.120
0.175 8.512
0.200 9.760
0.225 10.310
Bila diminta menghitung f (0.160), maka selang yang digunakan
agar galat interpolasi f (0.160) kecil adalah
[ 0.150 , 0.175 ] Untuk polinom derajat Satu
[ 0.125 , 0.200 ] Untuk Polinom derajat tiga
[ 0.125 , 0.200 ] Untuk Polinom derajat tiga
[ 0.100 , 0.225 ] Untuk Polinom derajat lima

5.4.1 Batas Atas Galat Interpolasi Untuk Titik – titik yang
Berjarak Sama
Diberikan absis titik-titik yang berjarak sama :
x i=x 0 +ih , i=0,1,2 , … , n

Dan nilai x yang akan diinterpolasikan dinyatakan
sebagai
x=x 0 +sh , s ∈ R
Untuk polinom interpolasi berderajat 1, 2 dan 3 yang
dibentuk dari xi diatas dapat dibuktikan bahwa
(a)
1
|E1 ( x )|=|f ( x )− p1 ( x)|≤ 8 h2 x Maks
≤c≤ x
|f ' ' ( c)|
0 1
(b)
|E 2( x )|=|f ( x )− p2 ( x)|≤ √273 h3 x Maks

≤c≤ x
|f ' ' ' (c)|
0 2
(c)
1
|E3 ( x )|=|f ( x )− p3 ( x)|≤ 24 h 4 x Maks
≤c≤ x
|f iv ( c)|
0 1
Contoh Soal :
Tinjaulah kembali tabel yang berisi pasangan titik
( x , f ( x) ) yang diambil dari f ( x )=cos( x )

xi f (x i)
0.0 1.0000000

1.0 0.5403023
2.0 -0.4161468
3.0 -0.9899925
4.0 -0.6536436
(a) Hitung galat rata-rata interpolasi di titik
x=0.5 , x=1.5 , dan x=2.5 , bila x

diinterpolasikan dengan polinom Newton derajat 3
berdasarkan x 0=0.
(b) Hitung batas atas galat interpolasi bila kita
melakukan interpolasi titik – titik berjarak sama
dalam selang [ 0.0 , 3.0 ] dengan polinom interpolasi
derajat 3
(c) Hitung batas atas dan bawah galat interpolasi di
x=0.5 dengan polinom Newton derajat 3

Penyelesaian :
(a)
cos (x) ≈ p 3 ( x )=1.0000−0.4597 ( x−0.0 ) −0.2485 ( x −0.0 ) ( x−1.

Menghitung galat rata-rata interpolasi :
Titik tengah selang [ 0.0 , 3.0 ] adalah di
0.0+3.0
x m= =1.5
2
Galat rata-rata interpolasi adalah :
( x −0.0 ) ( x −1.0 )( x−2.0 )( x−3.0 ) (4 )

E3 ( x ) = f (xm )
4!
Hitung turunan keempat dari fungsi f ( x )=cos ( x )
'
f ( x )=−sin ( x )

''
f ( x ) =−cos ( x )
f ' ' ' ( x)=sin ⁡(x )
f (4 ) ( x )=cos ( x )
Karena itu
( x −0.0 ) ( x −1.0 )( x−2.0 )( x−3.0 )

E3 ( x ) = (cos ( x ) )
4!
Untuk x=0.5 , x=1.5 , dan x=2.5 , nilai-nilai
interpolasinya serta galat rata-rata interpolasinya

dibandingkan dengan nilai sejati dan galat sejati
diperlihatkan oleh tabel berikut :
x f (x) p3 ( x) E3 (x ) Galat sejati

0.5 0.8775826 0.8872048 0.0027632 -0.0096222
1.5 0.0707372 0.0707372 -0.0016579 0.0015252
2.5 -0.8011436 -0.8058546 0.0027632 0.0047110
Catatan :
Perhatikan bahwa karena x=1.5 terletak di titik
tengah selang, maka galat galat interpolasinya lebih
paling kecil dibandingkan interpolasi x yang lain.
(b) Galat interpolasi dengan polinom erajat 3
1
|E3 ( x )|=|f ( x )− p3 ( x)|≤ 24 h 4 Max|f iv (c)|, x 0 ≤ c ≤ x 1
f (4 ) ( x )=cos(x )dalam selang [ 0.0 , 3.0 ]
Maka Max |f (4 ) ( x )|terletak di x=0.0
|f (4 ) ( x )|=|cos ( 0.0 )|=1.000000
p3 ( x ) dengan jarak antar titik data adalah h=1.0

1.000000 1
|E3 ( x )|≤ ( 1.0 ) 4 24
= =0.0416667
24
Jadi batas atas galat interpolasi E3 ( x )=0.0416667
(c)
( x −0.0 ) ( x −1.0 )( x−2.0 ) (x−3.0) (4 )

E3 ( x ) = f ( 1.5 )
4!
( 0.5−0.0 ) ( 0.5−1.0 )( 0.5−2.0 ) ( 0.5−3.0 )
E3 ( 0.5 )= ¿
4!
Fungsi cosinus monoton dalam selang [ 0.0 , 3.0 ] ,maka
nilai maksimum dan nilai minimumnya adalah :
Untuk nilai minimum c=0.0

( 0.5−0.0 ) ( 0.5−1.0 )( 0.5−2.0 ) ( 0.5−3.0 )
E3 ( 0.5 )= (−cos ( 0.0 ))
4!
E3 ( 0.5 )=−0.0390625
Untuk nilai maksimum c=3.0
( 0.5−0.0 ) ( 0.5−1.0 )( 0.5−2.0 ) ( 0.5−3.0 )
E3 ( 0.5 )= (−cos ( 3.0 ))
4!
E3 ( 0.5 )=0.0386716
Sehingga batas – batas galat interpolasi di x=0.5
adalah :
−0.0390625 ≤ E 3 ( x)≤ 0.0386716
5.4.2 Taksiran Galat Interpolasi Newton

Polinom Newton :

pn ( x ) =p n−1 ( x ) + ( x−x 0 ) ( x−x 1 ) …( x−x n−1)f [ x n , x n−1 ,… , x 1 , x 0
Suku
( x−x 0 ) ( x−x 1 ) …(x−x n−1) f [ x n , x n−1 , … , x 1 , x 0 ]

dinaikan dari n sampai n+1 menjadi
( x−x 0 ) ( x−x 1 ) …(x−x n−1)(x −xn ) f [ x n , x n−1 , … , x 1 , x 0 ]

Bentuk terakhir ini bersesuaian dengan rumus galat
interpolasi
f ( n+1 )(t )
E ( x )=( x−x 0 ) ( x−x 1 ) …(x−x n )
( n+1 ) !
Ekspresi
f ( n+1) (t )
( n+1 ) !
Dapat dihampiri nilainya dengan
f [ x n+ 1 , x n , x n−1 , … , x 1 , x 0 ]
yang dalam hal ini f [ x n+ 1 , x n , x n−1 , … , x 1 , x 0 ] adalah
selisih terbagi ke ( n+1 ) ,jadi,

f ( n+1) (t )
≈ f [ x n+1 , x n , x n−1 , … , x1 , x0 ]
( n+1 ) !
Sehingga taksiran galat interpolasi Newton dapat
dihitung sebagai
E ( x )=( x−x 0 ) ( x−x 1 ) …( x−x n )f [ x n +1 , x n , x n−1 , … , x 1 , x 0 ]

Asalkan tersedia titik tambahan x n+1
5.5 Polinom Newton-Gregory

Polinom Newton-Gregory merupakan kasus khusus dari polinom
Newton untuk titik – titik yang berjarak sama.
5.5.1 Polinom Newton Gregory Maju
Tabel selisih maju
x f (x) ∆f ∆2 f ∆3 f ∆4 f
x0 f0 ∆ f0 ∆2 f 0 ∆3 f 0 ∆4 f 0
x1 f1 ∆ f1 ∆2 f 1 ∆3 f 1
x2 f2 ∆ f2 ∆2 f 2
x3 f3 ∆f3
x4 f4
Lambang∆ menyatakan selisih maju. Arti setiap symbol di
dalam tabel adalah :
f 0=f ( x0 ) = y 0
f 1=f ( x 1 )= y 1
⋯
f 4=f ( x 4 )
Notasi : f p=f ( xp )
∆ f 0=f 1−f 0
∆ f 1=f 2−f 1
⋯
∆ f 3=f 4 −f 3
Notasi :∆ f p=f p +1−f p
∆ 2 f 0=∆ f 1−∆ f 0
∆ 2 f 1=∆ f 2−∆ f 1

2
∆ f 2=∆ f 3−∆ f 2
Notasi : ∆ 2 f p=∆ f p +1−∆ f p
∆ 3 f 0=∆2 f 1−∆2 f 0
∆ 3 f 1=∆2 f 2−∆2 f 1
3
Notasi :∆ f p=∆2 f p +1−∆ 2 f p
Bentuk umum:
∆ n+1 f p =∆n f p+1−∆n f p , n=0,1,2 , …
Penurunan Rumus Polinom Newton-Gregory Maju
∆ 2 f ( x0 ) ∆2 f 0
f [ x n , … , x 1 , x 0 ]= =
n ! hn n ! hn
Relasi rekrusif
∆2 f 0
pn ( x ) =p n−1 ( x ) + ( x−x 0 ) ( x−x 1 ) …(x−x n−1)
n! hn
s s ( s−1) 2 s ( s−1 ) ( s−2 ) …(s−n+1
pn ( x ) =f 0+ ∆ f 0+ ∆ f 0 +…+
1! 2! n!
Atau dalam bentuk relasi rekrusif,
(a) Rekurens :
s ( s−1 )( s−2 ) …(s−n+1) n

pn ( x ) =p n−1 ( x ) + ∆ f0
n!
(b) Basis : p0 ( x ) =f ( x 0 )
Persamaan dalam bentuk binomial :

n
pn ( x ) =∑ s ∆k f 0
()
k=0 k
Dimana ,
s ( s−1 ) ( s−2 ) …( s−k +1)

(0s )=1,( ks )= k!
Syarat : s>0 , bilangan bulat dan k !=1× 2× … × k
Bentuklah tabel selisih untuk fungsi f ( x )=1 /( x+1)
di dalam selang [ 0.000 , 0.625 ] dan h=0.125. hitung
f (0.300) dengan polinom Newton Gregory maju derajat 3
Tabel selisih maju :
x f (x) ∆ ∆2 ∆3
0.00 1.000 0.111 0.022 -0.006
0
0.12 0.889 -0.089 0.016 -0.003
5
0.25 0.800 -0.073 0.013 0.005
0
0.37 0.727 -0.060 0.008
5
0.50 0.667 -0.052
0
0.62 0.615
5
Untuk memperkirakan f (0.300) dengan polinom Newton-
Gregory maju derajat tiga, dibutuhkan 4 buah titik.

Ingatlah kembali bahwa galat interpolasi akan minimum
jika x terletak di sekitar pertengahan selang. Karena
tu, titik-titik yang diambil adalah.
x 0=0.125 , x 1=0.250 , x2 =0.375 , x 3=0.500

Karena x=0.300 terletak di sekitar pertengahan
selang [ 0.125 , 0.500 ]

Diketahui
h=0.125
dan
x−x 0 0.310−0.125
x=x 0 +sh s= = =1.4
h 0.125
Nilai f (0.300) dihitung dengan polinom Newton-Gregory
maju derajat tiga :
s s (s−1) 2
p3 ( x ) =f 0 + ∆ f 0+ ∆ f 0 +s ( s−1 ) ¿ ¿
1! 2!
( 1.4 )( 0.4 ) ( 1.4 ) ( 0.4 )(−0.6 )
¿ 0.889+ ( 1.4 )(−0.089 )+ ( 0.016 ) + (−0
2 6
¿ 0.889−0.1246+0.0045
¿ 0.769
5.5.2 Polinom Interpolasi Newton-Gregory Mundur

Tabel Selisih Mundur
i xi f (x) ∇f ∆2 f ∆3 f
-3 x−3 f −3
-2 x−2 f −2 ∇ f −2
-1 x−1 f −1 ∇ f −1 ∇ 2 f −1
0 x0 f0 ∇ f 0 ∇2 f 0 ∇3 f 0
Keterangan :
f 0=f ( x0 )
f −1=f (x−1)

∇ f 0 =f 0 −f −1
∇ f −1 =f −1−f −2
∇ 2 f 0=∇ f 0−∇ f −1
∇ k+1 f i=∇ k f i−∇k f i−1
Polinom Newton Gregory mundur yang menginterpolasi
(n+1) titik data adalah

n
f ( x ) ≈ p n ( x )=∑ s+ k−1 ∇k f 0
( )
k =0 s
s s( s+1) 2 s ( s +1 ) ( s+2) n
¿ f 0+ ∇ f 0+ ∇ f 0 +…+ ∇ f0
1! 2! n!
Contoh :
Diberikan 4 buah titik data dalam tabel
berikut.hitunglah f (1.72) dengan
(a) Polinom Newton Gregory maju derajat 3

(b) Polinom Newton Gregory mundur derajat 3
Penyelesaian :
(a) Polinom Newton Gregory maju derajat 3
i xi f (x) ∆f ∆2 f ∆3 f
0 1.70.3979849−0.0579985−0.00016930.0004093
1 1.80.3399864−0.05816780.0002400
2 1.90.2818186 −0.0579278
3 2.00.2238908
x−x 0 1.72−1.70
s= = =0.2
h 0.1
Perkiraan nilai f (1.72) adalah
f ( 1.72 ) ≈ p 3 ( 1.72 )=0.3979849+ 0.2 (−0.0579985 )

+ 0.2 (−0.8 ) 0.2 (−0.8 ) (−1.8 )
(−0.0001693 ) + ( 0.0004093 )
2 6
¿ 0.3864183
Nilai sejati f (1.72)=0.3864185, jadi p3 ( 1.72 )
tepat sampai 6 angka bena
(b) Polinom Newton Gregory mundur derajat 3
i xi f (x i) ∇ ∇2 ∇3
-3 1.7 0.3979849
-2 1.8 0.3399864 -0.0579985
-1 1.9 0.2818186 -0.0581678 -0.0001693
0 2.0 0.2238908 -0.0579278 0.0002400 0.0004093
x−x 0 1.72−2.0
s= = =−2.8
h 0.1
Perkiraan nilai f (1.72) adalah
f ( 1.72 ) ≈ p 3 ( 1.72 )=0.2238908−2.8 (−0.0579278 )

+ (−2.8 ) (−1.8 )
( 0.0002400 )
2
+ (−2.8 ) (−1.8 ) (−0.8)
( 0.0004093 )
6
¿ 0.2238908+0.1621978
¿ 0.3864183
II. Regresi
5.6 Regresi
Regresi adalah teknik pencocokan kurva untuk data yang
berketelitian renah. Contoh data yang berketelitian rendah data
hasil pengamatan, percobaan di laboratorium, atau data

statistic. Data seperti itu disebut data hasil pengukuran. Galat
yang dikandung data berasal dari ketidak telitian alat ukur yang
dipakai, kesalahan membaca alat ukur (paralaks), atau karena
kelakukan sistem yang diukur.
5.6.1 Regresi Lanjar
Misalkan ( xi , yi ) adalah data hasil pengukuran. Kita
akan menghampiri titik-titik tersebut dengan sebuah

garis lurus. Garis lurus tersebut dibuat sedemikian
sehingga galatnya sekecil mungkin dengan titik – titik
data.
Karena data mengandung galat, maka nilai data sebenarnya
g( x i ) dapat ditulis sebagai :
g ( x i )= y i +e i, i=1,2 , … , n
ei adalah galat setiap data. Diinginkan fungsi lanjar :
f ( x )=a+bx
Sehingga deviasinya adalah :
r i= y i−f ( x i )= y i−( a+b x i)

Total kuadrat deviasi
n n
2
R=∑ r i =∑ ¿ ¿
i=1 i=1
Persamaan normal dalam bentuk persamaan matriks :
n ∑ xi = a ∑ yi
[∑ xi ] [ ][
∑ x i2 b ∑ x i y i ]
Nilai a dan b dapat dicari dengan mengutakatik kedua
buah persamaan normal menjadi :

n ∑ xi y i−∑ x i ∑ y i
b= 2
n ∑ x i2−(∑ x i)
a= y−bx
Untuk menentukan seberapa bagus fungsi hampiran
mencocokan data, kita dapat mengukurnya dengan galat RMS
(galat baku)
n 2
1
(
E RMS= ∑ |f ( xi ) − y i|
n i=1
2
)
Contoh :
Tentukan persamaan garis lurus yang mencocokkan data
pada tabel di bawah ini. Kemudian, perkirakan nilai y

untuk x=1.0
Penyelesaian :
i xi yi x i2 xi yi
1 0.1 0.61 0.01 0.061
2 0.4 0.92 0.16 0.368
3 0.5 0.99 0.25 0.495
4 0.7 1.52 0.49 1.064
5 0.7 1.47 0.49 1.029
6 0.9 2.03 0.81 1.827
∑ x i=3.3 ∑ yi =7.54 ∑ x i2=2.21 ∑ x i y i=4.4844
Dipermalukan sistem persamaan lanjar :
[ 3.36 3.3
2.21
=
a 7.54
] [ ][
b 4.4844 ]
Solusi Persamaan Lanjar di atas adalah
a=0.2862
b=1.7645
Persamaan garis regresinya adalah :

f ( x )=0.2862+1.7645 x
Perbandingan antara nilai yi dan ( x i) :
i xi yi f ( xi ) deviasi
( deviasi )2
1 0.1 0.61 0.46261 0.147389 0.02172
2 0.4 0.92 0.99198 -0.07198 0.00518
3 0.5 0.99 1.16843 -0.17844 0.03184
4 0.7 1.52 1.52135 -0.00135 0.00000
5 0.7 1.47 1.52135 -0.05135 0.00264
6 0.9 2.03 1.87426 0.15574 0.02425
∑ x i=3.3∑ yi =7.54 ∑ ¿ 0.08563
Taksiran nilai y untuk x=1.0 adalah
y=f ( 0.1 )=0.2862+1.7645 ( 1.0 )=2.0507

0.08563 12
Galat RMS adalah E RMS= ( 6 )
=0.119464
5.6.2 Pelanjaran
Misalkan kita akan mencocokan data dengan data dengan
fungsi
y=C xb
Lakukan pelanjaran sebagai berikut :
y=C xb ⟺ ln( y)=ln(C)+ ln( x)

Definisikan
Y =ln ( y )
a=ln ( C )
X =ln ( x )
Persamaan regresi Lanjarnya adalah :
Y =a+bX

Contoh :
Cocokkan data berikut dengan fungsi y=C x b

Penyelesaian :
i xi yi X i =ln(x ¿¿ i)¿
Y i=ln( y ¿¿ i)¿
1 0.1500 4.4964 -1.8971 1.5033
2 0.4000 5.1284 -0.9163 1.6348
3 0.6000 5.6931 -0.5108 1.7393
4 1.0100 6.2884 0.0100 1.8387
5 1.5000 7.0989 0.4055 1.9599
6 2.2000 7.5507 0.7885 2.0216
7 2.4000 7.5106 0.8755 2.0163
∑ ¿−1.2447∑ ¿12.7139
X i2 Xi Y i
3.5990 -2.8519
0.8396 -1.4980
0.2609 -0.8884
0.0001 0.0184
0.1644 0.7947
0.6217 1.5940
0.7665 1.7653
∑ ¿6.2522∑ ¿−1.0659
Diperioleh sistem persamaan lanjar
7 −1.2447 a = 12.7139
[−1.2447 ][ ] [
6.2522 b −1.0659 ]
Solusi SPL di atas :
a=1.8515
b=0.1981
Hitung C=e a=e1.8515 =6.369366
Jadi titik (x , y) pada tabel di atas di hampiri dengan
fungsi pangkat sederhana :
y=6.369366 x 0.1981

BAB VI
INTEGRASI NUMERIK
Di dalam kalkulus, integral adalah satu dari dua pokok bahasan yang
mendasar disamping turunan (derivative). Dalam kuliah kalkulus
integral, anda telah diajarkan cara memperoleh solusi analitik (dan
eksak) dari integral Tak-tentu maupun integral Tentu. Integral Tak-
tentu dinyatakan sebagai
∫ f ( x ) dx=F ( x ) +C
Solusinya, F(x), adalah fungsi menerus sedemikian sehingga F'(x) =
f(x), dan C adalah sebuah konstanta. Integral Tentu menangani

perhitungan integral di antara batas-batas yang telah ditentukan,
yang dinyatakan sebagai
b
I =∫ f ( x ) dx
a
Menurut teorema dasar kalkulus integral, persamaan diatas dihitung

sebagai
∫ f ( x ) dx=F ( x ) ba =F ( b )−F( a)
|
a
Secara geometri, integrasi Tentu sama dengan luas daerah yang
dibatasi oleh kurva y=f (x ), garis x=a dan garis x=b . Daerah
yang dimaksud ditunjukkan oleh bagian yang diarsir.
Tafsiran geometri integral Tentu
Fungsi-fungsi yang dapat diintegrasikan dapat dikelompokkan sebagai

1. Fungsi menerus yang sederhana, seperti polinomial,
eksponensial, atau fungsi trigonometri. Misalnya,
Fungsi sederhana seperti ini mudah dihitung integralnya secara

eksak dengan menggunakan metode analitik. Metode-metode analitik

untuk menghitung integral fungsi yang demikian sudah tersedia,
yaitu
2. Fungsi menerus yang rumit, misalnya
Fungsi yang rumit seperti ini jelas sulit, bahkan tidak

mungkin, diselesaikan dengan metode-metode integrasi yang
sederhana. Karena itu, solusinya hanya dapat dihitung
dengan metode numerik.
3. Fungsi yang ditabulasikan, yang dalam hal ini nilai x dan
f (x) diberikan dalam sejumlah titik diskrit. Fungsi
seperti ini sering dijumpai pada data hasil eksperimen di

laboratorium atau berupa data pengamatan di lapangan. Pada
kasus terakhir ini, umumnya fungsi f (x) tidak diketahui
secara eksplisit. Yang dapat diukur hanyalah besaran

fisisnya saja.
6.1 Terapan Integral dalam Bidang Sains dan Rekayasa

Integral mempunyai banyak terapan dalam bidang sains dan
rekayasa. Dalam praktek rekayasa, seringkali fungsi yang
diintegrasikan (integrand) adalah fungsi empirik yang diberikan

dalam bentuk tabel, atau integrand-nya tidak dalam bentuk fungsi
elementer (seperti sinh x, fungsi Gamma G(a), dsb), atau fungsi
eksplisit f yang terlalu rumit untuk diintegralkan. Oleh sebab
itu, metode numerik dapat digunakan untuk menghampiri integrasi.

Di bawah ini diberikan beberapa contoh persoalan dalam bidang
sains dan rekayasa.
1. Dalam bidang fisika, integral digunakan untuk menghitung
persamaan kecepatan. Misalkan kecepatan sebuah partikel
merupakan fungsi waktu menerus yang diketahui terhadap
waktu, v(t). Jarak total d yang ditempuh oleh partikel ini
selama waktu t diberikan oleh:
2. Dalam bidang teknik elektro/kelistrikan, telah diketahui

bahwa harga rata-rata suatu arus listrik yang berosilasi
sepanjang satu periode boleh nol. Disamping kenyataan bahwa
hasil netto adalah nol, arus tersebut mampu menimbulkan
kerja dan menghasilkan panas. Karena itu para rekayasawan
listrik sering mencirikan arus yang demikian dengan
persamaan
yang dalam hal ini IRMS adalah arus RMS (root-mean-square),

T adalah periode, dan i(t) adalah arus pada rangkaian,
misalnya

3. Contoh fungsi dalam bentuk tabel adalah pengukuran fluks
panas matahari yang diberikan oleh tabel berikut:
Data yang ditabulasikan pada tabel ini memberikan
pengukuran fluks panas q setiap jam pada permukaan sebuah
kolektor sinar matahari. Diminta memperkiraan panas total

yang diserap oleh panel kolektor seluas 150.000cm2 selama
waktu 14 jam. Panel mempunyai kemangkusan penyerapan
(absorption), eab, sebesar 45%. Panas total yang diserap
diberikan oleh persamaan
Demikianlah beberapa contoh terapan integral dalam bidang

sains dan rekayasa. Umumnya fungsi yang diintegralkan
bentuknya rumit sehingga sukar diselesaikan secara
analitik. Karena itu, perhitungan integral secara numerik

lebih banyak dipraktekkan oleh para insinyur.
6.2 Persoalan Integrasi Numerik
Perhitungan integral adalah perhitungan dasar yang digunakan
dalam kalkulus, dalam banyak keperluan. Integral ini secara
definitif digunakan untuk menghitung luas daerah yang dibatasi
oleh fungsi y = f(x) dan sumbu x. Perhatikan gambar berikut :
Luas daerah yang diarsir L dapat dihitung dengan :
Pada beberapa permasalahan perhitungan integral ini, dapat

dihitung secara manual dengan mudah, sebagai contoh :
Secara manual dapat dihitung dengan :
Tetapi pada banyak permasalahan, integral sulit sekali dihitung

bahkan dapat dikatakan tidak dapat dihitung secara manual,
sebagai contoh :

Dalam hal ini, metode numerik dapat digunakan sebagai alternatif
untuk menyelesaikan integral di atas. Pada penerapannya,
perhitungan integral ini digunakan untuk menghitung luas area
pada peta, volume permukaan tanah, menghitung luas dan volume-
volume benda putar dimana fungsi f(x) tidak ditulis, hanya
digunakan gambar untuk menyajikan nilai
f(x). Sebagai contoh, diketahui photo daerah sebagai berikut :
Untuk menghitung luas daerah yang diarsir L, perlu digunakan

analisa numerik.Karena polanya disajikan dalam gambar dengan
faktor skala tertentu.
Klasifikasi Metode Integrasi Numerik
1. Metode Pias
Daerah integrasi dibagi atas sejumlah pias (strip) yang
berbentuk segiempat. Luas daerah integrasi dihampiri dengan
luas seluruh pias.
2. Metode Newton-Cotes
Fungsi integrand f(x) dihampiri dengan polinom interpolasi
pn(x). Selanjutnya, integrasi dilakukan terhadap pn(x).
3. Kuadratur Gauss.
Nilai integral diperoleh dengan mengevaluasi nilai fungsi
pada sejumlah titik tertentu di dalam selang [-1, 1],

mengalikannya dengan suatu konstanta, kemudian menjumlahkan
keseluruhan perhitungan.
6.3 Metode Pias
 Selang integrasi [a , b] menjadi n buah pias (strip) atau
segmen. Lebar tiap pias adalah
 Titik absis pias dinyatakan sebagai

dan nilai fungsi pada titik absis pias adalah
f r=f (x r )
 Kaidah integrasi numerik yang dapat diturunkan dengan

metode pias adalah:
1. Kaidah segiempat (rectangle rule)
2. Kaidah trapesium (trapezoidal rule)
3. Kaidah titik tengah (midpoint rule)
 Dua kaidah pertama pada hakekatnya sama, hanya cara
penurunan rumusnya yang berbeda
 Kaidah yang ketiga, kaidah titik tengah, merupakan bentuk
kompromi untuk memperoleh nilai hampiran yang lebih baik.
6.3.1 Kaidah segiempat
Pandang sebuah pias berbentuk empat persegi panjang dari

x=x 0 sampai x=x 1
Luas satu pias adalah tinggi pias=f (x 0 )
x1
∫ f ( x ) dx ≈ h f (x 0 )
x0
Atau (tinggi pias=f ( x 1))
x1
∫ f ( x ) dx ≈ h f (x 1 )
x0
jadi :
x1
∫ f ( x ) dx ≈ h f (x 0 )
x0
x1
∫ f ( x ) dx ≈ h f (x 1 )
x0
___________________ +

x1
2∫ f ( x ) dx ≈ h[ f ( x 0 ) + f ( x 1) ]
x0
Bagi setiap ruas persamaan hasil penjumlahan di atas

dengan 2, untuk menghasilkan :
x1
h
∫ f ( x ) dx ≈ 2 [ f ( x 0 ) + f ( x1 ) ]
x0
Persamaan diatas ini dinamakan kaidah segiempat. Kaidah

segiempat untuk satu pias dapat kita perluas untuk
menghitung
b
I =∫ f ( x ) dx
a
yang dalam hal ini, I sama dengan luas daerah integrasi
dalam selang [a , b]. Luas daerah tersebut diperoleh
dengan membagi selang [a , b] menjadi n buah pias
segiempat dengan lebar h, yaitu pias dengan absis
[ x0 , x 1], [x 1 , x 2 ],[ x2 , x3 ], ... ,
dan pias [ xn −1 , xn ]. Jumlah luas seluruh pias segiempat
itu adalah hampiran luas I .Kaidah integrasi yang
diperoleh adalah kaidah segiempat gabungan

b
∫ f ( x ) dx ≈ hf ( x 0)+hf ( x 1 ) +hf ( x 2 ) +…+hf (xn −1 )

a
∫ f ( x ) dx ≈ hf ( x 1)+hf ( x 2 ) +hf ( x 3 ) +…+hf ( xn )

a
_________________________________________________ +
b
2∫ f ( x ) dx ≈ hf ( x 0 )+ 2hf ( x 1 ) +2 hf ( x2 ) + …+2 hf ( x n−1 ) +hf ( xn )
a
Bagi setiap ruas persamaan hasil penjumlahan di atas

dengan 2, untukmenghasilkan:
∫ f ( x ) dx ≈ h2 f ( x 0 )+h f ( x 1 ) +h f ( x 2 ) +…+ h f ( x n−1 )+ h2 f (x n)

a
Jadi kaidah segiempat gabungan adalah:
∫ f ( x ) dx ≈ h2 ( f 0+ 2 f 1+ 2 f 2 +…+2 f n−1 + f n )= h2 ¿ ¿
a
dengan f r=f ( x ¿¿ r ), r =0,1,2 ,… , n ¿

6.3.2 Kaidah Trapesium
Pandang sebuah pias berbentuk trapesium dari x=x 0

sampai x=x 1berikut
Luas satu trapesium adalah
x1
h
∫ f ( x ) dx ≈ 2 [ f ( x 0 ) + f ( x1 ) ]
x0

Persamaan diatas dikenal dengan nama kaidah trapesium.
Bila selang [a, b] dibagi atas n buah pias trapesium,

kaidah integrasi yang diperoleh adalah kaidah trapesium
gabungan (composite trapezoidal's rule):
b x1 x2 xn
∫ f ( x ) dx ≈∫ f ( x ) dx +∫ f ( x ) dx+ …+ ∫ f ( x ) dx
a x0 x1 xn−1
h h h
f ( x 0 ) +f ( x 1 ) ] + [ f ( x 1) + f ( x 2 ) ] +…+ [ f ( x n−1 ) +f ( x n ) ]
2[ 2 2
h
≈ f ( x 0 )+ 2 f ( x 1) + 2 f ( x2 ) + …+2 f ( x n−1) + f ( x n ) ]
2[
n−1
h
(
≈ f 0+2 ∑ f 1+ f n
2 i=1
)
dengan f r=f ( x ¿¿ r ), r =0,1,2 ,… , n ¿
METODE TRAPESIUM DENGAN BANYAK PIAS
Untuk mengurangi banyak kesalahan yang terjadi, maka

kurva lengkung didekat oleh sejumlah garis lurus,
sehingga terbentuk banyak pias.
6.3.3 Kaidah Titik Tengah

Pandang sebuah pias berbentuk empat persegi panjang dari

h
x=x 0 sampai x=x 1 dan titik tengah absis x=x 0 +
2
Luas satu pias adalah:
x1
h
∫ f ( x ) dx ≈ h f ( x 0 + 2 ) ≈ h f (x 1 )
x0 2
Persamaan diatas disebut kaidah titik tengah Kaidah

titik-titik tengan gabungan dirumuskan:
b x1 x2 xn
∫ f ( x ) dx ≈∫ f ( x ) dx +∫ f ( x ) dx+ …+¿ ∫ f ( x ) dx ¿
a x0 x1 xn−1
≈ h f x 1 +h f x 3 + h f x 5 + h f x 7 +…+ h f (x n−1 )
( ) ( ) ( ) ( )
2 2 2 2 2
≈ h f 1 + f 3 +…+ f n−1
( 2 2 2
)

n−1
≈ h ∑ f i+1
i=0 2
Yang dalam hal ini:
x 1 =a+(r +1/2)h
r+
2
Dan
f 1 =f ( x 1 )r=0,1,2, .. , n−1
r+ r+
2 2
6.3.4 Galat metode Pias
I adalah nilai integrasi sejati dan I, adalah integrasi
secara numeric
maka galat hasil integrasi numeric didefinisikan sebagai
E=I −I ,
Untuk penurunan galat, kita tinjau galat integrasi di

dalam selang [0 , h]
h
I =∫ f ( x ) dx
0
Untuk setiap kaidah sebagai berikut :

6.3.4.1 Galat Kaidah Trapesium
Galat untuk sebuah pias
h
h
E=∫ f ( x ) dx− ( f 0−f 1 )
0 2
Jadi,
h
∫ f ( x ) dx= h2 ( f 0 −f 1 ) +O ( h 3)
0
Dan untuk galat total

h
∫ f ( x ) dx= h2 ¿
0
Catatan :
Galat total integrasi dengan kaidah trapesium
sebanding dengan kuadrat lebar pias (h).

Semakin kecil ukuran h, semakin kecil pula
galatnya, namun semakin banyak jumlah

komputasinya
Contoh :
3.4
Hitung Integral ∫ e x dx dengan kaidah
1.8
trapezium. Ambil h=0.2. perkirakan juga
batas-batas galatnya. Gunakan 5 angka bena.

Penyelesaian :

Fungsi Integrand nya adalah
f ( x )=e x
b−a 3.4−1.8
Jumlah pias adalah n= = =8
h 0.2
Tabel data diskritnya adalah
r xr f (x r ) r xr f (x r )
0 1.8 6.050 5 2.8 16.445
1 2.0 7.389 6 3.0 20.086
2 2.2 9.025 7 3.2 24.533
3 2.4 11.023 8 3.4 29.964
4 2.6 13.464
Nilai integrasinya
3.4
∫ e x dx= h2 ( f 0 +2 f 1+2 f 2+ …+2 f 6 +2 f 7+ f 8 )

1.8
0.2
¿
2
[ 6.050+2 ( 7.389 )+ 2 ( 9.025 )+ …+2 (16.445 )+ 2 ( 20.0
¿ 23.994
Nilai integrasi Sejatinya adalah
3.4
∫ e x dx=e x x=1.8
|
x=3.4
1.8
¿ e 3.4−e1.8
¿ 29.964−6.050
¿ 23.914
Galat kaidah trapesium
−1
E= ( 0.2 )2 ( 3.4−1.8 ) e x ,1.8< t<3.4
2
Karena fungsi f ( x )=e xmenarik secara monoton

di dalam selang [ 1.8 ,3.4 ] , maka batas-batas
galatnya :
e1.8 ( min ) =−0.0323

E=
−1
2
( 0.2 )2 ( 3.4−1.8 ) × 3.4
{
e ( max )=−0.1598
Atau
−0.0323< E ←0.1598
I harus terletak
Disini nilai sejati di antara
23.994−0.1598=23.834
Dan
23.994−0.0323=23.962
3.4
Galat hasil integrasi ∫ e x dx adalah
1.8
23.914−23.944=0.080
Yang memang terletak antara galat minimum dan
galat maksimum.
6.3.4.2 Galat Kaidah Titik Tengah

Galat untuk sebuah pias
h
E=∫ f ( x ) dx−h f 1
0 2
3
h
E≈ f (t),0<t<
24
Galat untuk seluruh pias adalah
h3
Etot ≈ n f (t ,a< t<b
24

2
h (
≈ b−a ) f (t
24
¿ O(h2 )
6.4 Metode Newton-Cotes

Moetode Newton-cotes adalah metode yang umum untuk menurunkan
kaidah integrasi numerik. Polinom interpolasi menjadi dasar
metode Newton-cotes. Gagasanya adalah menghampiri fungsi f (x)

dengan polinom interpolasi pn ( x )
b b
I =∫ f ( x ) dx ≈ ∫ pn ( x ) dx
a a
Yang dalam hal ini
pn ( x ) =a0 +a 1 x +a2 x 2+ …+an−1 xn −1 +a n x n
Dari beberapa kaidah integrasi numerik yang diturunkan dari

metode Newton-Cotes, tiga di antaranya yang terkenal adalah :
1. Kaidah trapesium
2. Kaidah simpson 1/3
3. Kaidah simpson 3/8
Sebagai catatan, kaidah trapesium sudah kita turunkan dengan

metode pias. Metode Newton-Cotes memberikan pendekatan lain
penurunan kaidah trapesium.
6.4.1 Kaidah Trapesium

Diberikan dua bauh titik data (0 , f ( 0 )) dan (h , f ( h )).
Polinom interpolasi yang melalui kedua buah titik itu
adalah sebuah garis lurus. Luas daerah yang dihitung
sebagai hampiran nilai integrasi adalah daerah di bawah
garis lurus tersebut. Polinom interpolasi Newton-Gregory
derajat 1 yang melalui kedua buah titik itu adalah :
(x ¿ ¿ 0) ∆f0
p1 ( x )=f (x ¿¿ 0)+ x ∆ f =f (x ¿¿ 0)+ x ¿¿¿
h h
Integrasi p1 ( x ) di dalam selang [ 0,1 ]

Jadi, kaidah trapesium adalah
∫ f ( x ) dx ≈ h2 (f 0 +f 1)
a
Galat kaidah trapesium sudah kita tutunkan sebelumnya

pada metode pias, yaitu
−1 3
E= h f ( t )= O ( {h} ^ {3} ) , 0< t <
2
Jadi.
∫ f ( x ) dx ≈ h2 ( f 0+ f 1 ) +O ( h3 )
a
Kaidah trapesium untuk integrasi dalam selang [ 0 , h] kita
perluas untuk menghitung

b
I =∫ f ( x ) dx
a
Yang dalam hal ini , I sama dengan luas daerah integrasi
di dalam selang [ a , b ]. Luas daerah tersebut diperoleh
dengan membagi selang [a,b] menjadi n buah upaselang
(subinterval) dengan lebar tiap upaselang h, yaitu
[ x 0 , x 1 ] , [ x 1 , x 2 ] , [ x 2, x 3 ] , … , [ x n−1 , x n ]. Titik-titik
ujung tiap upaselang diinterpolasi dengan polinom derajat
1. Jadi di dalam selang [a,b] terdapat n buah polinom
derajat satu yang terpotong-potong (piecewise). Integrasi

masing-masing polinom itu menghasilkan n buah kaidah
trapesium yang disebut kaidah trapesium gabungan. Luas
daerah integrasi di dalam selang [a,b] adalah jumlah
seluruh luas trapesium, yaitu
b n−1
∫ f ( x ) dx ≈ h2 (f 0 +2 f i + ∑ f n)
a i=1
dengan f r=f ( x r ) , r=0 , 1 , 2, … , n

galat total kaidah trapesium gabungan sudah kita turunkan
pada metode pias, yaitu
1 2
Etot ≈− h (b−a)f ( t )= O ( {h} ^ {2} ), {x} rsub {0}
12

Dengan demikian,
b n−1
∫ f ( x ) dx= h2 ( )
f 0 +2 ∑ f ii + f n +O ( h2 )
a i=1
Jadi, galat integrasi dengan kaidah trapesium sebanding
dengan h2 .
6.4.2 Kaidah Simpson 1/3

Hampiran nilai integrasi yang lebih baik dapat
ditingkatkan dengan menggunakan polinom interpolasi
berderajat yang lebih tinggi. Misalkan fungsi f (x) di
hampiri dengan polinom interpolasi derajat 2 yang

grafiknya berbentuk parabola. Luas daerah yang dihitung
sebagai hampiran nilai integrasi adalah daerah di bawah
parabola (Gambar 6.10). untuk itu, dibutuhkan 3 buah
titik data, misalkan ( 0 , f (0) ) , ( h , f (h) ) dan
( 2 h , f (2 h) )
Polinom interpolasi Newton-Gregory derajat 2 yang

melalui ketiga buah titik tersebut adalah
x x( x −h) 2
p2 ( x ) =f (x ¿¿ 0)+ ∆ f ( x¿¿ 0)+ ∆ f ( x¿ ¿ 0)=f 0 + x ∆ f 0
h 2! h2
Integrasikan p2 ( x ) di dalam selang [ 0 , 2h ] :
h
I ≈ (f 0+ 4 f 1+ f 2 )
3

Ini dinamakan Kaidah Simpson 1/3. Sebutan “1/3” muncul
karana di dalam persamaan terdapat faktor “1/3”
(sekaligus untuk membedakannya dengan kaidah Simpson yang
lain, yaitu Simpson 3/8).
Misalkan kurva fungsi sepanjang selang integrasi [a,b]

kita bagi menjadi n + 1 buah tiitk diskrit
x 0 , x 1 , x 2 , … , x n. Dengan n genap dan setiap tiga buah
titik (atau 2 pasang upaselang) di kurva dihampiri dengan

parabola (polinom interpolasi derajat 2). Maka kita akan
mempunyai n/2 buah potongan parabola. Bila masing-masing
polinom derajat 2 tersebut kita integrasikan di dalam
upaselang(sub-interval) integrasinya. Maka jumlah seluruh
integrasi tersebut membentuk Kaidah Simpson 1/3 gabungan.
n−1 n−2
h
I tot ≈ (f 0 + 4 ∑ f i +2 ∑ f i+ f n )
3 i=1,3,5 i =2,4,6
Galat Kaidah Simpson 1/3
−1 5 (iv )
E= h f 0 =O(h5 )
90
Jadi, kaidah Simpson 1/3 untuk sepasang upaselang

ditambah dengan galatnya dapat dinyatakan sebagai
2h
∫ f ( x ) dx=¿ h3 ( f 0 + 4 f 1+ f 2 ) +O(h 5) ¿
0
Galat untuk n/2 pasang upaselang adalah

−1 4 b−a
Etot = h ( b−a ) f ( iv ) ( t ) , karenan=
180 h
¿ O(h 4)
Jadi, kaidah Simpson 1/3 gabungan ditambah dengan

galatnya dapat dinyatakan sebagai,
b n−1 n−2
∫ f ( x ) dx=¿ h3 f 0 +4 ∑ f i +2 ∑ f i +f n ¿
( )
a i=1,3,5 i=2,4,6
6.4.3 Kaidah Simpson 3/8

Sepeti halnya pada kaidah Simpson 1/3, hampiran nilai
integrasi yang lebih teliti dapat ditingkatkan terus
dengan menggunakan polinom interpolasi berderajat lebih
tinggi pula. Mislkan sekarang fungsi f (x) kita hampiri
dengan polinom interpolasi derajat 3. Luas daerah yang

dihitung sebagai hampiran nilai integrasi adalah daerah
dibawah kurva polinom derajat 3 tersebut parabola (Gambar
6.11). Untuk membentuk polinom interpolasi derajat 3,
dibutuhkan 4 biuah titik data, misalkan titik-titik
tersebut ( 0 , f ( 0 ) ) , ( h , f ( h ) ) , ( 2h , f ( 2 h ) ) ,dan
( 3 h , f ( 3 h ) ) ..
Dengan cara penurunan yang sama seperti kaidah Simpson
1/3, diperoleh
3h
∫ f ( x ) dx ≈ 38h (f 0 +3 f 1 +3 f 2+ f 3 )
0

Yang merupakan Kaidah Simpson 3/8
Galat kaidah Simpson 3/8 adalah
3 h 5 ( iv )
E ≈− h f 0 ( t ) , 0<t <3 h
8
Jadi kaidah simpson 3/8 ditambah dengan galatnya dapat di

nyatakan sebagai
3h
∫ f ( x ) dx ≈ 38h (f 0 +3 f 1 +3 f 2+ f 3 )+O( h5 )
0
Sedangkan kaidah Simpson 3/8 gabungan adalah
b n−1 n−3
∫ f ( x ) dx ≈ 38h (f 0+ 3 ∑ f i+ 2 ∑ f i+ f n)
a i=1 i=3,6,9 ,…
i ≠ 3,6,9
Namun penggunaan kaidah simpson 3/8 mensyaratkan jumlah

upaselang (n) harus kelipatan tiga
Galat kaidah 3/8 simpson gabungan adalah
−(b−a)h 4 (iv )
Etot = f ( t ) , a<t <b
80
Etot =O( h4 )
Jadi, kaidah Simpson 3/8 ditambah dengan galatnya dapat

dinyatakan sebagai

b n−1 n−3
∫ f ( x ) dx ≈ 38h ( f 0+ 3 ∑ f i+ 2 ∑ 4
f i + f n )+O( h )
a i=1 i=3,6,9 ,…
i ≠ 3,6,9
kaidah Simpson 3/8 memiliki orde galat yang sama dengan

orde galat kaidah Simpson 1/3. Namun dalam praktek,
kaidah Simpson 1/3 biasanya lebih disukai dari pada
kaidah Simpson 3/8, karena dengan tiga titik (Simpson
1/3) sudah diperoleh orde ketelitian yang sma dengan 4
titik (Simpson 3/8). Tapi, untuk n kelipatan tiga, kita
hanya dapat menggunakan kaidah simpson 3/8, dan bukan
kaidah Simpson 1/3
Metode Integrasi Numerik untuk h yang berbeda-beda
1. Untuk sejumlah upaselang berurutan yang berjarak sama

adalah genap,gunakan kaidah 1/3 simpson
2. Untuk sejumlah upaselang berurutan yang berjarak sama
adalah kelipatan tiga, gunakan kaidan 3/8
3. Untuk sejumlah upaselang yang tidak berjarak sama dengan
tetangganya gunakan kaidah trapezium
Bentuk umum Metode Newton-Cotes
Bentuk umum metode Newton-cotes dapat di tulis sebagai
∫ f ( x ) dx=α h [ w0 f 0+ w1 f 1 + w2 f 2 +…+ wn f N ] + E
a
CONTOH SOAL

1. diketahui:
4
∫ e x dx
0
h=0,5
ditanya:
a. Kaidah trapesium
b. Kaidah titik tengah
c. Kaidah simpson 1/3
d. Kaidah simpsom 3/8
jawab:
4−0
n= =8
0,5
Membuat tabel:
a. Tabel trapesium dan simpson
r xr F(xr)
0 0 1
1 0,5 1,64872
2 1 2,71828
3 1,5 4,48168
4 2 7,38905
5 2,5 12,18249
6 3 20,08553
7 3,5 33,11545
8 4 54,59815
b. tabel titik tengah
r xr F(xr)

0 0 1
1 0,5 1,64872
2 1 2,71828
3 1,5 4,48168
4 2 7,38905
5 2,5 12,18249
6 3 20,08553
7 3,5 33,11545
8 4 54,59815
a. Kaidah trapesium
h
¿ (f 0 +2 f 1+2 f 2+ 2 f 3 +2 f 4 + 2 f 5+ 2 f 6 +2 f 7 +2 f 8)
2
0,5
¿ {1+ ( 2.1,64872 ) + ( 2.2,71828 ) + ( 2.4,48168 ) + ( 2.7,38905 ) + ( 2.12
2
¿ 1 (1+3,2974 +5,43656+8,96336+14,7781+24,36498+ 40,17106
¿ 218,84051
b. Kaidah titik tengah
¿ 0,5 ¿
¿ 0,5 ( 106,08775 )
¿ 53,043875
c. Kaidah simpson 1/3
0,5
¿
3 0
( f +4 f 1 +2 f 2 + 4 f 3 +2 f 4 + 4 f 5 +2 f 6+ 4 f 7 + f 8 )

¿ 0,17 1+ ( 4.1,64872 ) + ( 2.2,71828 ) + ( 4.4,48168 )+ ( 2.7,38905 )
{
+ ( 4.12,18249 ) + ( 2.20,08553 ) + ( 4.33,11545 ) +54,59815 }
¿ 0,17 ( 321,69735 )
¿ 53,64224 53,6
d. Kaidah simpson 3/8
3h
¿
8 0
( f +3 f 1 +3 f 2+2 f 3+ 3 f 4 + 3 f 5 +2 f 6 +3 f 7 +f 8 )
3.0,5
¿ { 1+ ( 3.1,64872 ) + ( 3.2,71828 ) + ( 2.4,48168 ) + ( 3.7,38905 )+ ( 3.
8
¿ 0,1875 ( 1+4,94616+ 8,15484+8,96336+22,16715+36,54747+ 4
¿ 0,1875 ( 275,89454 )
¿ 51,73022625
2. f (x)= x+1 , 0 ≤ x ≤5 , h=5
r c F(xr)
0 0 1
1 5 6
 Trapesium
h
( f 0+f 1 )
2
5
( 1+6 )
2

= 17.5
1
 Simpson
3
h
( f 0+f 1 )
3
5
( 1+6 )
3
= 11.667
 Titik Tengah
R xr F(xr
)
1 2.5 3.5
2
h
( f 12 )
5(3.5)
= 17.5
∫∭ x +1
0
∫∬ 12 x 2 + x
0

5
∬ 61 x 3+ 12 x 2
0
5
1 4 1 3
∫ 24 x + x
0 6
1 5 1 4
x+ x
120 24
4−0
3. 4 x3 dx ,0≤x≤4, h=1, n = =4
1
r xr F(xr)
0 0 0
1 1 4
2 2 32
3 3 108
4 4 256
 Trapesium
1
( f 0+ 2 f 1+2 f 2+2 f 3+ f 4 )
2
1
¿ ( 0+2( 4)+2(32)+ 2(108)+ 256 )
2

1
¿ ( 564 )
2
= 282
1
 Simpson
3
h
= ( f 0+4 f 1+ 2 f 2+ 4 f 3+f 4 )
3
1
¿ ( 0+ 4(4)+2(32)+4 (108)+ 256 )
3
1
¿ ( 768 )
3
¿ 256
R xr F(xr)
1 1 0.5
2 2
3 3 13.5
2 2
5 5 62.5
2 2
7 7 171.5
2 2

1 3 5 7
¿h f ( 2
+ f +f + f
2 2 2 )
¿ 1(0.5+13.5+62.5+ 171.5)
=248
6.5 Singularitas
Kita akan kesulitan melakukan menghitung integrasi numerik
apabila fungsi tidak terdefenisi di x=t, dalam hal ini a < t <b.
Misalnya dalam menghitung integrasi
1
cos( x)
I  dx
0 x
Fungsi f(x) = cos x/ x jelas tidak terdefenisi di x = 0

(ujung bawah selang). Begitu juga apabila perhitungan integrasi
2
1
I  x  1dx
0.5
Menggunakan h = 0.1, titik diskrit di x=1 tidak dapat dihitung
sebab fungsi f ( x )  I /( x  1) tidak terdefenisi di x=1. Fungsi
yang tidak terdefenisi di x=t, untuk a  t  b , dinamakan

singular.
Singular juga muncul pada fungsi yang turunannya tidak
terdefenisi di x=t, untuk a  t  b. Misalnya hasil perhitungan

1
 x
integral 0 memperlihatkan hasil yang menyimpang meskipun
fungsi f ( x )  x sendiri terdefenisi untuk semua x= t, untuk
a  t  b . Penyimpangan ini dapat dijelaskan sebagai berikut.
1
 x
Misalkan integral 0 dihitung dengan kaidah trapezium.
Tinjau kembali galat total pada kaidah trapezium:
h3 "
Etot   ( f 0  f1"  ...  f " n 1 )
12
h3 n 1 "
  fi
12 i 0
h3 b
12 a
 f ( x)dx
h3 '
 [ f (b)  f ' (a )]
12 …(1)
b
 f ( x)dx
Persamaan (1) menyiratkan bahwa galat integrasi a akan
'
besar apabila f (a ) atau f (b) tidak ada.
'
Singularitas harus dihilangkan dengan cara memanipulasi

persamaan fungsi sedemikian sehingga ia tidak singularitas lagi.
Contoh 1:

Ubahlah fungsi integrasi
1
cos( x)
I  dx
0 x
Sehingga menjadi tidak singular lagi.
Penyelesaian:
Fungsi f ( x)  cos( x) / x tidak terdefenisi di x=0.
Misalkan
x  u 2  dx  2udu
Batas-batas selang integrasi juga berubah
x 0u  x 0
x 1 u  x 1
Maka
1
cos( x)
I  dx
0 x
1
cos(u 2 )
I  (2u )du
0
u
 2 cos(u
2
) du
0  tidak singular lagi.
6.6 Penggunaan Ekstrapolasi untuk Integrasi

Misalkan I (h) adalah perkiraan nilai integrasi dengan jarak
antara titik data adalah h(h<1). Dari persamaan galat kaidah

integrasi (trapezium, Simpson 1/3, dll) yang dinyatakan dalam
notasi orde :
E  O  h 
p
 
Dapat dilihat bahwa galat E semakin kecil bila digunaka h yanh
semakin kecil, seperti yang ditunjukkan oleh diagram garis
berikut:
Nilai integrasi adalah bila h=0, tetapi pemilihan h=0 tidak
mungkin kita lakukan didalam rumus integrasi numerik sebab iya
akan membuat nilai integrasi sama dengan 0. Yang dapat kita
peroleh adalah perkiraan nilai integrasi yang lebih baik dengan
melakukan ekstrapolasi ke h= 0. Ada dua macam metode
ekstrapolasi yang digunakan untuk integrasi:
6.6.1
Ekstrapolasi Richardson
Pandang kembali kaidah trapesium

b
h n
(b  a ) f " (t ) 2
 f ( x)dx  2 ( f 0  2 fi  f n )  h
a i 1 12
Yang dapat ditulis sebagai
 f ( x)dx  I (h)  Ch
2
Dengan I(h) adalah integrasi dengan menggunakan kaidah

trapesium dengan jarak antar titik selebar h dan
(b  a) f " (t )
C
12
Secara umum, kaidah integrasi yang lain dapat kita tulis

sebagai
 f ( x)dx  l (h)  Ch
q
a …(2)
Dengan C dan q adalah konstanta yang tidak bergantung

pada h. nilai q dapat ditentukan langsung dari orde galat
kaidah integrasi, misalnya:
Kaidah trapezium
O h2   q=2
Kaidah trapezium
O h2   q=2
Kaidah 1/3 simpson,

   q=4
O h4
Tujuan ekstrapolasi Richardson ialah menghitung nilai

integrasi yang lebih baik (improve) dibandingkan dengan

I. Misalnya J adalah nilai integrasi yang lebih baik
daripada I dengan jarak antar titik h:
J=l (h)+C …(3)
Ekstrapolasikan h menjadi 2h, lalu hitung integrasi

numeriknya
J=l( 2h)+C …(4)
Eliminasikan C dari kedua persamaan dengan menyamakan

persamaan (3) dan persamaan (4):
+C=l(2 h)+C
Sehingga diperoleh
…(5)
Sulihkan persamaan (5) kedalam persamaan (3) untuk

memperoleh:
J=l (h)+ ¿ …(6)
Yang merupakan persamaan ekstrapolasi Ricahrdson.

Ekstrapolsi Ricahrdson dapat kita artikan sebagai
berikut.
Mula –mula hitung nilai itegrasi dengan kaidah yang

sudah baku dengan jarak antara titik selebar h untuk
mendapatkan l(h), kemudian hitung kembali nilai itegrasi
dengan jarak antara titik selebar 2h untuk memperoleh

l(2h). akhirnya, hitunglah nilai itegrasi yang lebih baik
dengan menggunakan persamaan (6).
Perhatikan bahwa jika pernyataan diatas di balik, kita

telah menggunakan ekstrapolasi menuju h=0, yaitu kita
hitung l(2h) lalu hitung l(h). Urutan pengerjaan (I
(h2h) atau I(h) lebih dulu) tidak mempengaruhi solusi
akhirnya.
Sebagai contoh perhatikan bila (h) dan (2h) di hitung

dengan kaidah trafesium (q=2), maka ekstpolasi
Ricahrdson-nya adalah
J=l (h)+ ¿ …(7)
Dan bila I(h) dan I(2h) dihitung dengan kaidah 1/3

Simpson (q = 4), maka ekstpolasi Ricahrdson-nya adalah
[I ( h)−I (2 h)]
J=l (h)+ ¿ …(8)
Perhatikan bahwa suku 1/3[ I (h)−I (2 h)] pada
persamaan (7) dan suku 1/15[ I ( h)−I (2h)] pada
persamaan (8) merupakan factor korelasi. Artinya, nilai

taksiran itegrasinya I(h) dapat dikatakan menjsdi nilai
yang lebih baik dengan menambahkan factor koreksi
tersebut
Contoh 2:
Hitunglah kembali itegrasi dengan menggunakan ekstpolasi

Richardson.yang dalam hal ini I(h) dan (2h) hitung dengan
kaidah trafesium dan h=0,125
Penyelesaian:
Jumlah upaselang ;n=(1−0)/0.125=8
Tabel titik-titik didalam selang [0,1] dengan h=0,125
R
xr fr
0 0 1
1 0.12 0.88889
2 0.250 0.80000
3 0.375 0.72727
4 0.500 0.66667
5 0.625 0.61538
6 0.750 0.57143
7 0.875 0.53333
8 1000 0.50000
I (h) adalah nilai itegrasi dengan kaidah trafesium

menggunakan h=0,125
I ( h) =
1
1
 1  xdx  h / 2( f
0
0  2 f1  2 f 2  2 f3  2 f 4  2 f 5  2 f 6  2 f 7  2 f 8
 0.125 / 2[1  2(0.88889)  2(0.80000)  ...  (0.50000)
 0.69412
I (2 h) adalah nilai itegrasi dengan kaidah trafesium
menggunakan 2 h=0,250;

1
1
I (2h)   dx  (2h) / 2( f 0  2 f 2  2 f 4  2 f 6  2 f 8 )
0
1 x
 0.125 / 2[1  2(0,80000)  2(0.66667)  2(0.57143)  (0.50000)
 0.69702
Nilai itegrasi yang lebih baik , J, diperoleh dengan

ekstpolasi Richardson:
I (h )  I (2h)
J=(h)+¿ (2q  1)
Yang dalam hal ini, q= 2, karena I(h) dan I(2h) dihitung

dengan kaidah trapezium yang (yang mempunyai
orde galat = 2)
0.69412  0.69412
J  0.69412   0,69315
22  1
jadi, taksiran nilai integrasi yang lebih baik adalah

0,69315. Bandingkanlah dengan nilai integrasi
sejatinya
1
1 x 1
 1  xdx  ln(1  x)
0
x 0
 ln(2)  ln(1)  0.69314718
Yang apabila dibulatkan ke dalam 5 angka bena

f(0,69314718)=0,69315, hasilnya tepat sama dengan
nilai integrasi yang dihitung dengan dengan

ekstrapolasi Richardson
6.6.2 Metode Romberg

Metode integrasi Romberg didasarkan pada perluasan
ekstrapolasi Richardson untuk memperoleh nilai integrasi
yang semakin baik. Sebagai catatan, setiap penerapan
ekstrapolasi Richardson akan menaikkan order galat pada
hasil solusinya sebesar dua:
O ( h2 N ) →O ( h2 N +2 )
Misalnya, bila I (h) dan I (2 h) dihitung dengan kaidah
trpesium yang berorde galat O(h), maka ekstrapolasi

Rrichardson menghasilkan kaidah Simpson 1/3 yang berorde
O(h). selanjutnya bila I(h) dan I(2h) dihitung dengan
kaidah Simpson 1/3, ekstrapolasi Richardson menghasilkan
kaidah Boole yang berorde O(h).
O ( h2 ) O ( h2 ) O ( h 2 )
Tinjau kembali persamaan ekstrapolasi Richardson:
I ( h )−I (2 h)
J=I ( h ) +
( 2q−1 )
Misalkan I adalah nilai integrasi sejati yang dinyatakan

sebagai:
I  Ak  Ch 2  Dh 4  Eh6  ...

yang dalam hal ini
h=(b−a)/n
dan
Ak perkiraan nilai integrasi dengan kaidah trapezium
dan jumlah pias n  2 . Orde galat

k Ak adalah O(h 2 )
.
Sebagai contoh, selang dalam [a, b] dibagi menjadi 64
buah pias atau upaselang:
n  64  26  k  6(0,1, 2,3, 4,5, 6)
k =0 (artinya n=¿ 1 pias,
h0  (b  a) /1)  A0  h0 / 2[ f 0  f 64 ]
h1  (b  a ) / 2)  A1  h1 / 2[ f 0  2 f 32  f 64 ]
h2  (b  a) / 4)  A2  h2 / 2[ f 0  2 f16  2 f 32  2 f 48  f 64 ]
b−a
h3 = → A 3=h3 /2 ¿
8
+2 f 40+ 2 f 56 + 2 f 64 ¿

K=6 (artinya n=¿ 64 pias,
b−a
h6 = → A 6=h 6 /2¿
64
Arti dari setiap A0 adalah sebagai berikut :
b
A0 I   f ( x ) dx
a
adalah taksiran nilai integrasi dengan
menggunakan kaidah trapezium dengan pembagian daerah
integrasi menjadi n=¿ 1 buah pias;
b
A1 I   f ( x ) dx
a
adalah taksiran nilai integrasi dengan
menggunakan kaidah trapezium dengan pembagian daerah
integrasi menjadi n=¿ 2 buah pias;
b
A2 I   f ( x ) dx
a
adalah taksiran nilai integrasi
dengan menggunakan kaidah trapezium dengan pembagian
daerah integrasi menjadi n=¿ 4 buah pias;
b
A6 I   f ( x ) dx
a
adalah taksiran nilai integrasi
dengan menggunakan kaidah trapezium dengan pembagian
daerah integrasi menjadi n=¿ 64buah pias;
A0 , A1 , ..., Ak
Gunakan pada persamaan ekstrapolasi Richardson

B1 , B2 , ..., Bk
untuk mendapatkan runtunan , yaitu
Ak  Ak 1
Bk  Ak 
22  1
Jadi nilai I (yang lebih baik) sekarang adalah
4
l  Bk  D ' h 4  E ' h 6  ... dengan orde galat Bk adalah O ( h ) .
B1 , B2 , ..., Bk
Selanjutkan gunakan pada persamaaan
ekstrapolasi Richardson untuk mendapatkan runtunan
C 2 , C3 , ..., C k
, yaitu
Bk  Bk 1
Ck  Bk 
24  1
6
l  Ck  E "h6  ... dengan orde galat Ck adalah O(h )
.
Selanjutnya gunakan C2 , C3 ,..., Ck pada persamaan

ekstrapolasi Richardson untuk mendapatkan runtunan
D3 , D4 , ..., C k
, yaitu
Ck  Ck 1
Dk  Ck 
26  1
8
l  Dk  E '" h8  ... dengan orde galat Dk adalah O(h )
.
Demikian seterusnya

6.6.3 Ekstrapolasi Aitken
Kita telah membahas ekstrapolasi Richardson yang dapat

diringkas sebagai berikut:
b
I   f ( x)dx  l (h)  Ch q
a
Yang dalam hal ini :

h = lebar tiap upaselang atau pias (atau jarak antara
titik)
C dan q adalah konstanta dengan q diketahui (C dapat
dieliminir)
I(h) adalah hampiran nilai I
Ch q adalah galat dari hampiran nilai I
maka
1
J  I (h)  [ I (h)  I (2h)]
2q  1
Adalah perkiraan nilai integrasi yang lebih baik
(improve) dari pada I.Apabila nilai q tidak diketahui
maka kita gunakan tiga buah perkiraan nilai I, yaitu
I(h),I(2h),I(4h);
J  I ( h)
C
J  I (h)  Ch q  hq
…(9)
J  I (2h)
C
J  I (2h)  C (2h) q  (2h) q …
(10)
J  I (4h)
C
J  I (4h)  C (4h)q  (4h) q …

(11)
Eliminasikan nilai C dan q tidak diketahui? Untuk kasus
ini kita gunakan tiga buah perkiraan nilai I , yaitu
I (h) , I (2h) , dan I (4h) :
J  I (h ) J  I (2h)
h q = (2h) q
J  I ( h) hq 1
 q 
J  1(2h) 2  h q 2q …
(12)
Dan menyamakan persamaan (10) dan (11)
J  I (2h) 2h q 1
 
J  I (4h) (4h) q 2q …(13)
Persamaan (12)sama dengan persamaan (13)
J  I ( h) J  I (2h)

J  I (2h) J  I (4h) …
(14)
Kali silangkan kedua persamaan (14)
J 2  JI (h)  JI (4h)  I (h) I (4h)  J 2  2 JI (2h)  [ I (2h)]2
I (h) I (4h)  [ I (2h)]2

J
I (h)  2 I (2h)  I (4 h)
atau

[ I (h)  I (2h)]2
J  I (h) 
I (h)  2 I (2h)  I (4h) …
(15)
Persamaan (15) ini dinamakan persamaan ekstrapolasi

Aitken.
Sekarang tinjau kembali:
J  I (h)  Ch q
J  I (2h)  C (2h)q
0  I (h)  I (2h)  Ch q  C (2h) q
I ( h)  I (2h)  C (2h) q  Ch q …
(16)
J  I (2h)  C (2h) q
J  I (4h)  C (4h) q
0  I (2h)  I (4h)  C (2h) q  C (4h) q
I (2h)  I (4h)  C (4h) q  C (2h)q …

(17)
Bagi persamaan (17)dengan persamaan (16)
I (2h)  I (4h) C (2h) q  C (4h) q

  2q
I (h)  I (2h) Ch q  C (2h) q …
(18)
Besaran C pada persamaan (18)dapat dihilangkan menjadi

I (2h)  I (4h)
t  2q
I (h)  I (2h) …
(19)
Tinjau kembali persamaan (15) yang dapat ditulis ulang

sebagai
I ( h)  I (2 h)
J  I ( h) 
I ( h)  2 I (2h)  I (4 h)
I ( h)  2 I ( h)
I (h)  I (2h)
 I ( h) 
I  I (2h)  I (4h)
I (h)  I (2h)
I (h)  I (2h)
 I (h) 
1 t
I (h)  I (2h)
 I ( h) 
1 t
jadi
I ( h)  I (2h)
J  I (h) 
t 1 …(20)
Yang mirip dengan persamaan ekstrapolasi Richardson

Aitken akan tepat sama dengan ekstrapolasi Richardson
jika nilai teoritis
t  2q
Tepat sama dengan niai empirik

I (2 h)  I (4h)
t
I ( h)  I (2 h)
Perbedaan antara kedua metode ekstrapolasi muncul

bergantung kepada apakah kita mengetahui nilai q atau
tidak.
Secara matematis, prinsip kerja dari metode-metode ini

adalah melakukan evaluasi dan perbaikan rasio nilai-
nilai akar yang telah diperoleh relatif terhadap akar
eksaknya sedemikian rupa sehingga dapat meningkatkan
laju konvergensinya (dan bahkan menghindari divergensi)
sampai mendekati konvergensi kuadratis.
6.7 Integral Ganda

Dalam bidang teknik, integral sering muncul dalam bentuk
integral ganda dua (atau lipat dua) atau integral ganda tiga
(lipat tiga). Misalkan kita tinjau untuk integral lipat dua.
Integral lipat dua didefinisikan sebagai
Tafsiran geometri dari integral ganda adalah menghitung volume
ruang di bawah permukaan kurva f(x,y) yang alasnya adalah berupa
bidang yang dibatasi oleh garis-garis x = a, x = b, y = c, dan y
= d. Volume benda berdimensi tiga adalah
V = luas alas tinggi
Kaidah-kaidah integrasi numerik yang telah kita bahas dapat

dipakai untuk menghitung integral ganda. Jika pada fungsi dengan

satu peubah, y = f(x), luas daerah dihampiri dengan pias-pias
yang berbentuk segiempat atau trapesium, maka pada fungsi dengan
dua peubah, z = f(x, y), volume ruang dihampiri dengan
balokbalok yang berbentuk segiempat atau trapesium.
Solusi integral lipat dua diperoleh dengan melakukan integrasi

dua kali, pertama dalam arah x (dalam hal ini nilai, nilai y
tetap), selanjutnya dalam arah y (dalam hal ini, nilai x tetap),
atau sebaliknya. Dalam arah x berarti kita menghitung luas alas
benda, sedangkan dalam arah y berarti kita mengalikan alas
dengan tinggi untuk memperoleh volume benda. Tinggi benda
dinyatakan secara tidak langsung dengan koefisien-koefisien wi
pada persamaan.
Misalkan integrasi dalam arah x dihitung dengan kaidah

trapesium, dan integrasi dalam arah y dihitung dengan kaidah
Simpson 1/3. Maka
dengan

∆x = jarak antar titik dalam arah x,
∆ y= jarak antar titik dalam arah y,

n = jumlah titik diskrit dalam arah x,
m = jumlah titik diskrit dalam arah y.
Diberikan tabel f(x,y) sebagai berikut:
Penyelesaian:
Misalkan
- dalam arah x kita gunakan kaidah trapesium
- dalam arah y kita gunakan kaidah Simpson 1/3
Dalam arah x (y tetap):

Dalam arah y :
Jadi,
6.8 Kuadratus Gauss

Di dalam metode trapesium dan Simpson, fungsi yang diintegralkan
secara numerik terdiri dari dua bentuk yaitu tabel data atau
fungsi. Pada metode kuadratur, yang akan dibahas adalah metode
Gauss Kuadratur, data yang diberikan berupa fungsi.

Pada aturan trapesium dan Simpson, integral didasarkan pada
nilai-nilai di ujung-ujung pias. Seperti pada Gambar 7.9a,
metode trapesium didasarkan pada luasan di bawah garis lurus
yang menghubungkan nilai-nilai dari fungsi pada ujung-ujung
interval integrasi.
Rumus yang digunakan untuk menghitung luasan adalah:
f (a )+ f ( b )
I =( b−a )
2
(7.24)
dengan a dan b adalah batas integrasi dan (b – a) adalah lebar
dari interval integrasi. Karena metode trapesium harus melalui
titik-titik ujung, maka seperti terlihat pada Gambar 7.9a. rumus
trapesium memberikan kesalahan cukup besar.
Gambar 7.9. Bentuk grafik metode trapesium dan Gauss kuadratur

Di dalam metode Gauss kuadratur dihitung luasan di bawah garis
lurus yang menghubungkan dua titik sembarang pada kurve. Dengan
menetapkan posisi dari kedua titik tersebut secara bebas, maka
akan bisa ditentukan garis lurus yang dapat menyeimbangkan
antara kesalahan positif dan negatif, seperti pada Gambar 7.9b.
Dalam metode trapesium, persamaan integral seperti diberikan
oleh persamaan (7.24) dapat ditulis dalam bentuk:
I =c 1 f ( a)+c 2 f (b )
(7.25)
dengan c adalah konstanta. Dari persamaan tersebut akan dicari

koefisien c1 dan c2.
Seperti halnya dengan metode trapesium, dalam metode Gauss
Kuadratur juga akan dicari koefisien-koefisien dari persamaan
yang berbentuk:
I =c 1 f ( x 1 )+c 2 f (x 2 )
(7.26)
Dalam hal ini variabel x1 dan x2 adalah tidak tetap, dan akan
dicari seperti pada Gambar 7.10. Persamaan (7.26) mengandung 4
bilangan tak diketahui, yaitu c1, c2, x1, dan x2, sehingga
diperlukan 4 persamaan untuk menyelesaikannya.
Untuk itu persamaan (7.26) dianggap harus memenuhi integral dari
empat fungsi, yaitu dari nilai
f (x)=1, f ( x)=x , f ( x )=x 2 dan f (x )=x 3 , sehingga
untuk:
1
f (x ) = x 3 : c 1 f ( x 1 ) + c 2 f ( x 2 ) = ∫ x 3 dx = 0 = c 1 x 3 + c 2 x
1 23
−1 (7.27)
1
2
f (x ) = x 2 : c 1 f ( x1 ) + c 2 f ( x 2 ) = ∫ x 2 dx = = c 1 x 2 + c2 x 2
−1 3 1 2
(7.28)
1
f (x ) = x : c 1 f ( x1 ) + c 2 f ( x 2 ) = ∫ x dx = 0 = c 1 x 1 + c 2 x 2
−1 (7.29)
1
f (x ) = 1 : c 1 f ( x 1 ) + c 2 f ( x 2 ) = ∫ 1 dx = 2 = c 1 + c 2
−1 (7.30)
Sehingga didapat sistem persamaan:
2
c1 x 3 + c2 x 3 = 0 c1 x 2 + c2 x 2 = c1 x1 + c2 x2 = 0
1 2 ; 1 2 3 ;
c 1 + c2 = 2.
Penyelesaian dari sistem persamaan diatas adalah:
c 1=c 2=1 ; x 1=¿ – 0,577350269; x 2=¿ 0,577350269.

Substitusi dari hasil tersebut ke dalam persamaan (7.26)

1 1
I =f (− ) +f ( )
menghasilkan: √3 √3 (7.31)
Gambar 7.10. Integrasi Gauss kuadratur

Batas-batas integral dalam persamaan (7.27) hingga persamaan
(7.30) adalah –1 sampai 1, sehingga lebih memudahkan hitungan
dan membuat rumus yang didapat bisa digunakan secara umum.
Dengan melakukan transformasi batas-batas integrasi yang lain
dapat diubah ke dalam bentuk tersebut. Untuk itu dianggap
terdapat hubungan antara variabel baru xd dan variabel asli x
secara linier dalam bentuk:
x=a 0+ a1 x d
(7.32)
Bila batas bawah adalah x=a , untuk variabel baru batas
tersebut adalah xd = –1. Kedua nilai tersebut disubstitusikan

ke dalam persamaan (7.32), sehingga diperoleh:
a=a0 + a1 ( – 1) (7.33)
dan batas baru x d =1, memberikan:
b=a0 + a1 ( – 1) (7.34)
Persamaan (7.33) dan (7.34) dapat diselesaikan secara simultan

dan hasilnya adalah:
b+a
a0 =
2
(7.35)
dan
b−a
a1 =
2
(7.36)
Substitusikan persamaan (7.35) dan (7.36) ke persamaan (7.32)
menghasilkan:

(b+ a ) + (b−a )x d
x=
2
(7.37)
Diferensial dari persamaan tersebut menghasilkan:
b−a
dx = dx d
2
(7.38)
Persamaan (7.37) dan persamaan (7.38) dapat disubstitusikan ke
dalam persamaan yang diintegralkan.
Bentuk rumus Gauss Kuadratur untuk dua titik dapat dikembangkan
untuk lebih banyak titik, yang secara umum mempunyai bentuk:
I =c 1 f ( x 1)+ c2 f ( x2 )+…+c n f (xn )

Nilai c dan x untuk rumus sampai dengan enam titik diberikan
dalam Tabel 7.1.
Tabel 7.1. Nilai c dan x pada rumus Gauss kuadratur
Jumlah titik Koefisien c Variabel x
c1 = 1,000000000 x1 =  0,577350269
2
c2 = 1,000000000 x2 = 0,577350269
c1 = 0,555555556 x1 =  0,774596669
3 c2 = 0,888888889 x2 = 0,000000000
c3 = 0,555555556 x3 = 0,774596669
c1 = 0,347854845 x1 =  0,861136312
c2 = 0,652145155 x2 =  0,339981044
4
c3 = 0,652145155 x3 = 0,339981044
c4 = 0,347854845 x4 = 0,861136312
c1 = 0,236926885 x1 =  0,906179846
c2 = 0,478628670 x2 =  0,538469310
5 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
Contoh soal:
4
I=∫ e x dx,
Hitung integral 0 dengan menggunakan metode Gauss
kuadratur.
Penyelesaian:
Dengan menggunakan persamaan (7.37) untuk a = 0 dan b = 4
didapat:
(b+a ) + (b−a )x d
x=
2
( 4 +0 )+(( 4−0) x d )
x= =2+2 x d
2
Turunan dari persamaan tersebut adalah:
d x =2 d x d
Kedua bentuk diatas disubstitusikan ke dalam persamaan asli,
sehingga didapat:
4 1
( 2 + 2 xd )
∫ e x dx=∫ e 2 dx d
0 −1
Ruas kanan dari persamaan diatas dapat digunakan untuk

menghitung luasan dengan metode Gauss Kuadratur, dengan
memasukkan nilai x d =x2 =– 0,577350269 dan nilai
x d =x2 =0,577350269.
2 + ( 2 × ( −0 ,577350269 )) ]
Untuk x1 = –0,577350269  2 e[ = 4 ,6573501 .
2 + (2 × 0 ,577350269 ) ]
Untuk x2 = 0, 577350269  2 e[ = 46 , 8920297.
Luas total seperti diberikan oleh persamaan (7.30):
I =4,6573501+ 46,8920297=51,549380.

Kesalahan:
53, 598150 − 51,549380
εt = × 100 % = 3, 82 %.
53, 598150
Contoh soal:
4
I =∫ e x dx,
Hitung integral 0 dengan menggunakan metode Gauss
Kuadratur 3 titik.
Penyelesaian:
Untuk 3 titik persamaan (7.26) menjadi:
I=c 1 f ( x 1 )+c 2 f (x 2 )+c 3 f ( x3 ) (c1)

Seperti terlihat dalam Tabel 7.1, untuk 3 titik, koefisien c dan
x adalah:
c 1=0,555555556 . x 1=0,774596669.
c 2=0,888888889. x 2=0,000000000.
c 3=0,555555556. x 3=0,774596669.
Dari contoh soal sebelumnya didapat persamaan yang telah
dikonversi adalah:
4 1
( 2 + 2 x d)
∫ e x dx = ∫ e 2 dx d
0 −1
( 2 + 2 x1 )
Untuk x1 = –0,774596669  2e =3 ,13915546 .
( 2 + 2 x2 )
Untuk x2 = 0,000000000  2e =14 ,7781122 .
( 2 + 2 x3 )
Untuk x3 = 0,774596669  2e =69 , 5704925.
Persamaan (c1) menjadi:
I =( 0,5555555563,13915546)+(0,88888888914,7781122)
+(0,555555556 69,5704925)=53,5303486.
Kesalahan:

53 ,598150 −53,5303486
εt = × 100 % = 0,13 %.
53 ,598150
BAB VII
TURUNAN NUMERIK
7.1 Persoalan Turunan Numerik

Persoalan turunan numerik adalah menentukan nilai hampiran
nilai turunan fungsi f. 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
( fx+h)−fx ¿ ¿ dan membaginya dengan bilangan yang kecil (h).
Pembagian ini dapat menghasilkan turunan dengan galat yang

besar.
7.2 Tiga Pendekatan dalam Menghitung Turunan Numerik

Misal diberikan nilai – nilai x di x 0−h , serta nilai
fungsi untuk nilai – nilai x tersebut. Titik-titik yang
diperoleh adalah ( x−1 , f −1 ) , ( x 0 , f 0 ) , ( x1 , f 1 ), yang dalam hal
ini x−1=x 0−h dan x 1=x 0+ h.

1. Hampiran Selisih Maju (Forward Difference
Approximation)
'
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= =
2h 2h
7.3 Penurunan Rumus Turunan dengan Deret Taylor
Misalkan diberi titik-titik ( x i , f i ) ,i=0 ,1 , 2 , … ,n

x i=x 0 +ih dan f i=f (x i)
a. Hampiran selisih – maju
2
( x i+1−x i ) ( x i+1−x i )
f ( x i +1) =f ( x i ) + f ' ( xi )+ f '' ( x i ) +…
1! 2!

2
' h ''
f i+1=f i +h f i + f +…
2 i
' h2 ' '
h f i =f i +1−f i− f i +…
2
' f i+1−f i h ''
fi = − fi
h 2
' f i+1−f i
fi = +O(h )
h
h
Yang dalam hal ini, O ( h )= f i' ' ( t ) , x i< t< x i+1
2
Untuk nilai-nilai f di x 0 dan x 1 persamaan rumusnya
menjadi
' f 1−f 0
f0= +O(h)
h
b. Hampiran selisih mundur

2
( x i +1−x i ) ' ( x i +1−x i )
f ( x i−1 )=f ( x i ) + f ( xi )+ f ,, ( x i ) +…
1! 2!
, h2 ,,
f i−1=f i −h f i + f +…
2 i
' h2 ,,
h f i =f i −f i−1 + f +…
2 i
' f i−f i−1 h , ,
fi = − f i +…
h 2

' f i−f i−1
fi = +O ( h )
h
−h ' '
Yang dalam hal ini, O ( h )= f ( t ) , x i−1< t< x i+1
2 i
Untuk nilai-nilai f di x 0 dan x 1 persamaan rumusnya
menjadi
' f 0−f −1
f0= +O(h)
h
c. Hampiran selisih pusat

Kurangkan persamaan hampiran selisih maju dengan mundur
f ' h3 ,, ,
i+1−¿ f i−1=2 h f i + f + …¿
3 i
2 h f i' =f 3
h ,,,
i+1−¿ f i−1− fi ¿
3
,
f i+1−¿ f h2 ,, ,,
fi= i−1
− f i +… ¿
2h 6
f i+1−¿ f
f i,= +O(h2 )¿
i−1
2h
2
2 −h , ,, , ( )
Yang dalam hal ini, O ( h )= f t , x i−1 <t < x i+1
6 i
Untuk nilai-nilai f di x−1 dan x 1 persamaan rumusnya
menjadi :
f i+1−¿ f
f 0, = +O(h2 )¿
i−1
2h

,,
Rumus untuk Turunan Kedua, f ( x) dengan bantuan Deret Taylor
a) Hampiran selisih-pusat
Jumlahkan persamaan hampiran selisih maju dengan mundur
2 ,, h4 (4)
f i+1 +f i−1 =2 f i +h f i + f +…
12 i
2 ,, h 4 (4 )
f i+1−2 f i+ f i−1=h f i + f +…
12 i
,, f i +1−2 f i + f i−1 h2 (4 )
fi = − fi
h2 12
jadi,
,, f i +1−2 f i + f i−1 2
fi = 2
+O(h )
h
2
2 −h ( 4 ) ( )
yang dalam hal ini, O ( h )= f t , x i−1<t < x i+1
12 i
Untuk nilai-nilai f di x−1 , x 0 dan x1 persamaan rumusnya
menjadi :
,, f 1 −2 f 0 +f i 2
f0 = 2
+O(h )
h
b) Hampiran selisih-mundur
Dengan cara yang sama seperti hampiran selisih-pusat di
atas, diperoleh:
,, f i−2−2 f i−1+ f i
fi = +O(h)
h2

,,
yang dalam hal ini, O ( h )=h f ( t ) , xi−2 <t < x i
Untuk nilai-nilai f di x−2 , x −1 dan x 0 persamaan rumusnya
menjadi :
,, f −2−2 f −1 + f 0
f0 = +O( h)
h2
c) Hampiran selisih-maju
Dengan cara yang sama seperti hampiran selisih-pusat di
atas, diperoleh:
,, f i +2−2 f i +1+ f i
fi = +O( h)
h2
yang dalam hal ini, O ( h )=−h f ' ' ( t ) , x i <t< x i+ 2
Untuk nilai-nilai f di x 0 , x 1 dan x 2 persamaan rumusnya
menjadi :
'' f 2−2 f 1 + f 0
f0 = +O(h)
h2
7.4 Penurunan Rumus Turunan Numerik dengan Polinom Interpolasi

Misalkan diberikan titk-titik data berjarak sama,
x i=x 0 +ih , i=0,1,2 , … , n ,

dan
x=x 0 +s h , s ∈ R
Adalah titik yang akan dicari nilai interpolasinya. Polinom
Newton-Gregory yang menginterpolasi seluruh titik data tersebut
adalah:

2 3
s∆f0 ∆ f0 ∆ f0
f ( x ) ≈ p n ( x )=f 0 + +s ( s−1 ) + s ( s−1 )( s−2 ) + s ( s−1 )( s
1! 2! 3!
¿ F (s)
( x−x 0)
Yang dalam hal ini, s=
h
Turunan pertama dari f (x) adalah :
df dF ds
f ' ( x )= =
dx ds dx
1 2 s2 1 1
( ( ) (
¿ 0+∆ f 0 + s−
2)∆ f 0 + −s+ ∆3 f 0 +…
2 3 h )
1 1
h( )
¿ ∆ f + ( s− ) ∆ f + galat
0
2
0
2
Berdasarkan persamaan diatas, diperoleh rumus turunan numerik

dengan ketiga pendekatan (maju, mundur, pusat) sebagai
berikut :
(a) Hampiran selisih-maju
 Bila digunakan titik-titik x 0 dan x 1 :
' 1 f 1−f 0
f ( x 0 )= ( ∆ f 0 )=
h h
 Bila digunakan titik-titik x 0 , x 1 , dan x 2 :
1 1
f ' ( x 0 )=
h( ( ) )
∆ f 0 + s− ∆2 f 0
2

(x 0 −x0 )
Untuk titik x 0 → s= =0, sehingga
h
1 1
f ' ( x 0 )=
h (
∆ f 0 − ∆2 f 0
2 )
1
¿ ¿
h
1 3 1
¿ ( h 2 )
∆ f 0− ∆ f 1
2
1 3 3 1 1
¿ ( f − f − f + f )
1 0 2 1
h 2 2 2 2
' −3 f 0 +4 f 1−f 2
f ( x 0 )=
2h
(b) Hampiran selisih-mundur

Polinom interpolasi: Newton-Gregory mundur bila digunakan
titik-titik x 0 dan x −1 :
' 1 f 0−f −1
f ( x 0 )= ( ∇ f 0 ) =
h h
(c) Hampiran selisih-pusat
digunakan titik-titik x 0 , x 1 , dan x 2 :
1 1
f ' ( x 0 )=
h( ( ) )
∆ f 0 + s− ∆2 f 0
2

( x 1−x 0 ) h
Untuk titik x 1 → s= = =1 , sehingga
h h
1 1
f ' ( x 1 )=
h (
∆ f 0+ ∆2 f 0
2 )
1
¿ ¿
h
1 1 1
¿ (
h 2
∆ f 0+ ∆ f 1
2 )
1
¿ ( f −f + f −f )
2h 1 0 2 1
' f 2−f 0
f ( x 1 )=
2h
Untuk titik x−1 , x 0 , dan x 1:
' f 1−f −1
f ( x 0 )=
2h
Rumus untuk Turunan Kedua, f ' ' (x ) dengan Polinom
Interpolasi
Turunan kedua f adalah
d 2 f d df ds
=
d x 2 ds dx dx ( )
1 1
¿ ( 0+∆ 2 f 0+(s−1) ∆3 f 0 ) .
h h
1 2
¿ 2
( ∆ f 0 + ( s−1 ) ∆3 f 0 )
h
Misalkan untuk hampiran selisih-pusat, titik-titik yang

digunakan x 0 , x 1 , dan x 2 :
( x 1−x 0 ) h
Untuk titik x 1 → s= = =1 , sehingga
h h
1 2
f ,, ( x 1 ) = 2(
∆ f 0 +(1−1) ∆3 f 0 )
h
1
¿ (∆ ¿ ¿ 2 f 0 ) ¿
h2
1
¿ ( ∆ f 1−∆ f 0 )
h2
1
¿ ( f 0−2 f 1 + f 2 )
h2
Untuk titik x−1 , x 0 , dan x 1:

,, f −1−2 f 0 +f 1
f ( x0 )=
h2
7.5 Menentukan Orde Galat

Pada penurunan rumus turunan numerik dengan deret Taylor, kita
dapat langsung memperoleh rumus galatnya. Tetapi dengan polinom
interpolasi kita harus mencari rumus galat tersebut dengan
bantuan deret Taylor.
Contohnya, kita menentukan rumus galat dan orde dari rumus

turunan numerik hampiran selisih-pusat :

' f 1−f −1
f ( x 0 )= +E
2h
Nyatakan E (galat) sebagai ruas kiri persamaan, lalu ekspansi
ruas kanan dengan deret Taylor di sekitar x0 :
' f 1 −f −1
E=f ( x 0 )−
2h
h2 h3 h2 h3
¿ f 0,−
1
2h [( 2 6 )(
f 0 +h f 0, + f 0,, + f 0,, , +… − f 0−h f 0, + f 0, ,− f 0, ,, + …
2 6
1 h3
¿ f 0−
2h (
2 h f 0, + f 0, ,, + …
3 )
h2 ,, ,
¿ f 0−f 0− f +…
6 0
h2 ,, ,
¿− f 0 +…
6
h2 ,, , ( )
¿− f t , x−1<t < x 1
6
¿ O(h2 )
Jadi, hampiran selisih-pusat memiliki galat

2
−h ,, , ( )
E= f t , x−1< t< x 1 dengan orde O(h 2).
6
7.6 Ringkasan Rumus-rumus Turunan

Turunan pertama
' f 1−f 0
f0= +O ( h ) (selisih-maju)
h
' f 0−f −1
f0= +O ( h ) (selisih-mundur)
h
Turunan kedua
'' f 2−2 f 1 + f 0
f0 = +O ( h ) (selisih-
h2
maju)
'' f −2−2 f −1+ f 0

h2
Turunan ketiga
'' ' f 3 −3 f 2 +3 f 1 −f 0
h3
maju)
'' ' f 2−2 f 1+ 2 f −1−f −2 2

f0 = 3
+O ( h )
2h
Turunan keempat
(4 ) f 4−4 f 3+6 f 2−4 f 1+ f 0

f 0 Numerik
Metode = +O ( h ) Page 242
h4
(selisih-maju)
(4 ) f 2 −4 f 1 +6 f 0−4 f −1 + f −2 2
7.7 Contoh Perhitungan Turunan
x f (x)
1.3 3.669
1.5 4.482
1.7 5.474
1.9 6.686
2.1 8.166
2.3 9.974
2.5 12.182
a) Hitunglah f1 (1.7) dengan rumus hampiran selisih-pusat orde
4
O(h¿ ¿2) dan O(h )¿
1
b) Hitunglah f (1. 4) dengan rumus hampiran selisih-pusat
orde O(h¿ ¿2)¿

c) Rumus apa yang digunakan untuk menghitung f 1 ( 1.3 ) dan f 1
(2.5) ?
Penyelesaian :
a) Orde O(h¿ ¿2):¿

f 1−f −1
f 0 1=
2h

Ambil titik-titik x−1=1.5 dan x 1 = 1.9 yang dalam hal ini
x0 = 1.7 terletak ditengah keduanya dengan h=0.2
6.686−4.482
f 1 ( 1.7 ) = =5.510 (empat angka bena)
2 ( 0.2 )
OrdeO ¿) :
1 −f 2 +8 f 1 −8 f −1 + f 2
fo =
12h
Ambil titik-titik x−2=1.3 dan x−1=1.5,

x 1=1.9 dan x2 =2.1 yang dalam hal ini x 0=1.7 terletak
dipertengahannya.
−8.166+8 ( 6.686 )−8 ( 4.482 ) +3.669

f 1 ( 1.7 ) =
12(0.2)
= 5.473 (empat angka bena)
b) Orde O(h¿ ¿2)¿

Ambil titik-titik x−1=1.3 dan x 1 = 1.5 yang dalam hal ini
x0 = 1.4 terletak ditengah keduanya dengan h=0.1
4.482−3.669
f 1 ( 1.4 )= =4.065(empat angka bena )
2 ( 0.1 )
c) Untuk menhitung f 1 ( 1.3 ) digunakan rumus hampiran selesih-
maju, sebab x=¿ 1.3 i hanya mempunyai titik-titik
sesudahnya(maju), tetapi tidak memiliki titik-titik
sebelumnya.sebaliknya untuk nilai f 1 ( 2.5 ) digunakan rumus

hampiran selisih-mundur sebab x=2.5 hanya mempunyai titik-
titik sebelumnya (mundur)

Hampiran selisih-maju :
f 1−f 0
f 0 1= +O(h)
h
4.482−3.669
f 1 ( 1.3 ) = =4.065
0.2
hampiran selisih-mundur :
f 0−f 1
f 0 1= +O ( h )
h
12.182−9.974
f 1 ( 2.5 ) = = 11.04
0.2
7.8 Ekstrapolasi Richardson

Ekstrapolasi Richardson juga dapat diterapkan pada turunan
numerik untuk memperoleh solusi yang lebih teliti. Misalkan
D(h) dan D(2 h) adalah hampiran f ' (x 0 ) dengan mengambil
titik-titik masing-masing sejarak h dan 2 h. Misalkan untuk
menghitung f ' (x 0 ) digunakan rumus hampiran beda-pusat orde
O(h¿ ¿2):¿

1
D ( h )= ( f −f ) +O(h ¿¿ 2)¿
2 h 1 −1
¿ f 0' +C h2+ …
1 2
D ( 2h )= ( f 2 −f −2) + O(2 h)
2(2 h)
¿ f 0' +C (2 h)2+ …
¿ f 0' + 4 C h 2 + …
 Kurangi persamaaan D ( h )−D ( 2 h )

D ( h )−D ( 2 h )=−3C h2
D ( h )−D ( 2h )
C=
−3 h2
substitusikan nilai C ter h adap D ( h )

Ekstrapolasi Richardson dapat diperluas penggunaannya untuk
mendapatkan nilai turunan fungsi yang lebih baik (improve).
Berdasarkan persamaan diatas dapat ditulis aturan:
Yang dalam hal ini n adalah orde galat rumus yang dipakai.
Misalnya digunakan rumus hampiran selisih-pusat orde
O(h¿ ¿2)¿ dalam menghitung D ( h ) dan D ( 2 h ) , maka n=2,

sehingga rumus ekstrapolasi Richardsonnya adalah seperti
persamaan
Catatan juga bahwa setiap perluasan ekstrapolasi Richardson
akan menaikkan orde galat dari O(h¿ ¿ n) ¿ menjadi
O(h¿ ¿ n+2) ¿.
Contoh Soal :
Diberikan data dalam bentuk tabel sebagai berikut :
X F(x)
2.0 0.42298
2.1 0.40051

2.2 0.37507
2.3 0.34718
2.4 0.31729
2.5 0.28587
2.6 0.25337
2.7 0.22008
2.8 0.18649
2.9 0.15290
3.0 0.11963
Tentukan f 1 (2.5) dengan ekstrapolasi Richrdson bila D(h) dan
D(2h) dihitung dengan rumus hampiran selisih-pusat orde
O ( h2 ) sampai 5 angka bena .
Penyelesaian :
D(h) selang titik yang dipakai:[2.4 ,2.6] dan h = 0.1
x−1=¿2.4 , x 0=¿2.5 ,x 1=¿ 2.6¿ ¿ ¿
f 1−f −1 (0.25337−0.31729)
D(h) = = =−0.31960
2h 2(0.1)
D(2h) selang titik yang dipakai:[2.3 ,2.7] dan h = 0.2
x−2=¿2.3 , x 0=¿2.5 ,x 1 =¿2.7 ¿ ¿ ¿
f 2−f −2 (0.22008−0.34718)
D(2h) = = =−0.31775
2h 2(0.2)
D(4h) selang titik yang dipakai:[2.1 ,2.9] dan h = 0.4

x−4 =¿ 2.1 , x 0=¿2.5 , x 4=¿ 2.9 ¿ ¿ ¿
f 4−f −4 ( 0.40051−0.15290)
D(4h) = = =−0.30951
2h 2(0.4)
D(h)=−0.31960 dan D(2 h)=−0.31775 keduanya
dihitung dengan rumus orde 0(h¿¿ 2)¿, sehingga n=2, sehingga
f 1 ( 2.5 ) =f 0 =¿ D ( h) + 1/(2 −1 ) [ D (h)− D (2 h )] ¿

2
¿−0.31960+1/3(−0.31960+ 0.31775)
¿−0.32022 mempunyai galat orde
0(h¿¿ 4) ¿
D(2 h)=−0.31775 dan D( 4 h)=−0.30951 keduanya
dihitung dengan rumus orde 0(h¿¿ 2)¿, sehingga n=2, sehingga
f 1 ( 2.5 ) =f 0 =¿ D ( 2 h)+1 /(2 −1) [ D ( 2 h)−D (4 h )] ¿

2
¿−0.31775+1/3(−0.31775+ 0.30951)
0(h¿¿ 4) ¿
D(2h) = -0.32022 dan D(4h) = -0.32050 keduanya dihitung dengan
rumus orde 0(h¿¿ 4) ¿, sehingga n=4, sehingga

1
f ( 2.5 ) =f 0 =¿ D ( 2 h)+1 /(2 −1) [ D (2 h)− D (4 h) ] ¿
4
¿−0.32022+1/15(−0.32022+0.32050)
0(h¿¿ 6)¿
Tabel Richardson :
h 0(h¿¿ 2)¿ 0(h¿¿ 4) ¿ 0(h¿¿ 6)¿

0.1 -0.31960
0.2 -0.31775 -0.32022
0.4 -0.30951 -0.32050 -0.32020
1
Jadi, f ( 2.5 ) = -0.32020.

Daftar Pustaka
Munir, Rinaldi,2010. Metode Numerik. Bandung : Informatika.

http://www.google.com/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=13&cad=rja&ved=0CDcQFjACOAo&url=h
ttp%3A%2F%2Faning.staff.gunadarma.ac.id%2FDownloads%2Ffiles
%2F27626%2Fnumerik.doc&ei=g2RbUpTmJMbDrAfTwIH4Cw&usg=AFQjCNH_LP320an
r6OvOfvuPLcsubLg4jQ&sig2=gwfoNnSP3tfFdVZOOgIAnQ&bvm=bv.53899372,d.bm
k
http://sainsmat.uksw.edu/2008/wp-
content/uploads/2010/03/mastermetnum.pdf
http://ilkom.starcomptechnology.com/wp-
content/uploads/2013/02/Bahan-Ajar-Metode-Numerik.pdf
http://millatulkhaniifah28.blogspot.com/2012/11/metode-secant-part-
2.html
http://studentresearch.umm.ac.id/index.php/dept_of_mathematics/artic
le/view/6070
http://id.wikipedia.org/wiki/Aljabar_linear

Metode Numerik

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

Metode Numerik

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB I

METODE NUMERIK SECARA UMUM

1.1 Pengertian Metode Numerik

14 x 5 +5 x 4 +2 x 3−x 2−x −12=0

memenuhi kedua persamaan.

1.2 Alasam Mempelajari Metode Numerik

Metode Numerik Page 1

1.3 Tahap Pemecahan Secara numeris :

1.4 Langkah-langkah Penyelesaian persoalan numerik :

Metode Numerik Page 2

2.1 Deret Taylor dan Deret MaclLaurin

Metode Numerik Page 3

Hampiri fungsi f (x)=sin(x) ke dalam deret Taylor di sekitar

Menentukan turunan sin(x ) terlebih dahulu sebagai berikut :

Subtitusikan sin(x ) beserta turunannya ke persamaan deret

taylor dibawah ini:

Metode Numerik Page 4

Karena pada deret taylor x 0=1, maka subtitusi x0 menjadi 1:

Tentukan deret Taylor f (x)=cos(x ) ke dalam deret Taylor di

sekitar x 0=1 untuk f (x) hingga suku orde 3.

Menentukan turunan cos (x) terlebih dahulu sebagai berikut :

Subtitusikan cos (x) bersama dengan turunan cos (x) ke

persamaan deret taylor dibawah ini:

Metode Numerik Page 5

( x−1 ) ( x−1 )2 ( x−1 )3

Tentukan deret MacLaurin untuk sin x .

Menentukan turunan sin(x ) terlebih dahulu sebagai berikut :

Metode Numerik Page 6

Subtitusikan sin(x ) bersama dengan turunan sin(x ) ke

persamaan dibawah ini:

Karena pada deret MacLaurin x 0=0 , maka subtitusi x0 menjadi

( x−0 ) ( x−0 )2 ( x−0 )3

Tentukan deret MacLaurin untuk f (x) hingga suku orde 3 dari

Metode Numerik Page 7

Menentukan turunan tan(x) terlebih dahulu sebagai berikut :

Subtitusikan tan( x) beserta turunannya ke persamaan dibawah

Karena pada deret MacLaurin x 0=0 , maka subtitusi x0 menjadi

Metode Numerik Page 8

Menganalisis galat sangat penting di dalam perhitungan yang

Nilai sejati(true value)=Hampiran(aproksimasi)+Galat

ε disebut Galat. Jika tanda Galat ( positif atau negatif )

Metode Numerik Page 10

aproksimasi sekarang - aproksimasi sebelumnya

Pada perhitungan numerik yang menggunakan pendekatan lelaran

dispesifikasikan. Nilai ε Smenentukan ketelitian solusi numerik.

Semakin kecil nilai ε S, semakin teliti solusinya, namun semakin

Metode Numerik Page 11

2. Misalkan ada prosedur leleran sebagai berikut

εS adalah toleransi galat yang diinginkan. Misalkan dengan

memberikan x 0=0.5 , dan ε S=0.00001 kita memperoleh

Metode Numerik Page 12

Pada leleran ke-5, | ε RA ∨¿ ε S sudah terpenuhi sehingga

leleran dapat dihentikan.

3. Hasil pengukuran jari-jari suatu bola adalah: r = (4,50 ±

Keterangan : ε =0,45 dan a=4,50

a. Luas permukaan bola ( S=4 r 2)

Metode Numerik Page 13

Metode Numerik Page 14

2.3.1 Galat Pemotongan

5 angka, penjumlahan 9.2654 +7.1625 hasilnya 16.4279

dalam komputer kita dan akan dibulatkan menjadi 16.428

galat metode. Misalnya, tuurunan pertama fungsi f di x1

Metode Numerik Page 15

Deret taylor fungsi cos(x) deret tersebut kita potong