TUGAS PENDAHULUAN

PRAKTIKUM FISIKA KOMPUTASI

2022
Nama : Indra Maulana
NIM : 205090307111009
Topik : Integral

Konsep Dasar
Untuk mempelajari metode trapesium dan simpson, perlu dikenal
terlebih dahulu metode integral Newton-Cotes merupakan metode integral
yang dilakkukan dengan membagi area dibawah kurva menjadi beberapa
bagian fungsi polinomial dengan batas atas dan bawah agar lebih mudah
dipahami.
𝑏 𝑏
𝐼 = ∫ 𝑓(𝑥) 𝑑𝑥 ≅ ∫ 𝑓𝑛 (𝑥) 𝑑𝑥
𝑎 𝑎
𝑓𝑛 = 𝑏𝑒𝑛𝑡𝑢𝑘 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑎𝑙
𝑓𝑛 = 𝑎0 + 𝑎1 𝑥 + ⋯ + 𝑎𝑛−1 𝑥 𝑛−1 + 𝑎𝑛 𝑥 𝑛

Bentuk integral dapat berupa integral terbuka maupun tertutup dimana

integral tertutup adalah integral dengan sebaran data berada didalam batas
atas dan bawah integral, sedangkan integral terbuka memiliki sebaran data
diluar batas atas dan bawah.

Metode trapesium merupakan metode yang digunakan untuk

menghitung luas dibawah kurva dari metode integral Newton-Cotes orde
pertama. Metode trapesium dapat dituliskan dengan persamaan.
𝑓(𝑏) + 𝑓(𝑎)
𝐼1 = (𝑏 − 𝑎)
2

Disebut trapesium karena metode ini hanya menghubungkan dua titik data
dengan garis linear lalu menghitung luas daerah dibawahnya.
 Metode simpson merupakan metode yang digunakan menghitung luas
dibawah kurva dari metode integral Newton-Cotes untuk polinomial orde
tinggi. Terdapat dua persamaan metode simpson yaitu 1/3 untuk
polinomial orde dua dan 3/8 untuk orde tiga. Persamaan untuk orde dua
dapat dituliskan sebagai berikut.
𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )
𝐼2 = (𝑏 − 𝑎)
6

Untuk persamaan simpson 3/8 dapat ditulis.

𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3(𝑥2 ) + 𝑓(𝑥3 )
𝐼3 = (𝑏 − 𝑎)
8

Contoh grafik metode simpson

Kegunaan
Kedua metode digunakan untuk menghitung integral dari sebuah fungsi
data (menghitung luas dibawah kurva fungsi).

Kelebihan
Metode trapesium sangat cocok digunakan pada interval pada yang
mendekati garis linear, serta persamaan fungsinya akan lebih sederhana.

Untuk metode simpson digunakan untuk interval data yang berbentuk

kurva agar mengurangi kesalahan data.

Kekurangan
Metode trapesium memiliki kekurangan saat digunakan pada interval data
yang berbentuk kurva,karena tidak semua luasan berada dibawah garis
linear sehingga nilai yang didapatkan tidak mendekati nilai aslinya
(terdapat error yang besar).

Kekurangan metode simpson adalah ketika digunakan untuk interval data

yang berbentuk linear maka hasilnya akan kurang bagus. Jika digunakan
untuk polinomial dengan orde tinggi (lebih dari 3) persamaannya akan
sangat rumit dan panjang.

Metode Persegi
Ketika dua metode diatas dibandingkan dengan metode persegi, maka dua
metode diatas lebih baik digunakan daripada metode persegi. Karena pada
metode persegi jika nilai f(a) dan f(b) tidak sama, nilai hasilnya tidak sama
dengan nilai aslinya (terdapat error).

DAFTAR PUSTAKA
Chapra, S. C. (2002). Applied Numerical Methods With MATLAB for
Engineers and Scientists. In Journal of Clinical Neurophysiology
(Vol. 19, Issue 5).