Nama : Aditya Caesar Bagaskara

NIM : 2229101032

TUGAS KOMPUTASI NUMERIK

1. Selesaikan dua sistem persamaan berikut menggunakan metode Gauss, Gauss-Jordan, Jacobi,
danGauss-Siedel.
a. 6𝑥1 + 2𝑥2 + 2𝑥3 = −2
2𝑥1 + 2 1
𝑥 2 + 𝑥3 = 1
3 3
𝑥1 + 2𝑥2 − 𝑥3 = 0

A. Metode Gauss
[6 2 2] 𝑥1 −2
[2 2/3 1/3] {𝑥2} = { 1 } 3𝑅2 − 6𝑅3 → 𝑅2
[1 2 −1] 𝑥3 0
[6 2 2] 𝑥1 −2
[0 −10 7 ] {𝑥2} = { 3 } 6𝑅3 − 𝑅1 → 𝑅3
[1 2 −1] 𝑥3 0
6 2 2 𝑥1 −2
[0 −10 𝑥
7 ] { 2} = { 3 } 𝑅 3 + 𝑅2 → 𝑅3
0 10 −8 𝑥3 2
6 2 2 𝑥1 −2
[0 −10 𝑥
7 ] { 2} = { 3 }
0 0 −1 𝑥3 5

(I) −𝑥3 = 5
𝑥3 = −5

(II) −10𝑥2 + 7𝑥3 = 3

−10𝑥2 − 35 = 3
−10𝑥2 = 38
𝑥2 = −3.8

(III) 6𝑥1 + 2𝑥2 + 2𝑥3 = −2

6𝑥1 − 7.6 − 10 = −2
6𝑥1 = 15.6
𝑥1 = 2.6
B. Metode Gauss-Jordan
6 2 2 𝑥1 −2
[0 −10 7 ] {𝑥2} = { 3 } 𝑅 2 + 7𝑅3 → 𝑅2
0 0 −1 𝑥3 5
6 2 2 𝑥1 −2
[0 −10 𝑥
0 ] { 2} = { 38 } 𝑅 1 + 2𝑅3 → 𝑅1
0 0 −1 𝑥3 5
6 2 0 𝑥1 8
[0 −10 𝑥
0 ] { 2} = {38} 5𝑅 1 + 𝑅2 → 𝑅2
0 0 −1 𝑥3 5
30 0 0 𝑥1 78
[ 0 −10 𝑥
0 ] { 2} = {38}
0 0 −1 𝑥3 5

(I) −𝑥3 = 5
𝑥3 = −5

(II) −10𝑥2 = 38
𝑥2 = −3.8

(III) 30𝑥1 = 78
𝑥1 = 2.6
C. Metode Gauss

6x 1 + 2x 2 + 2x 3 = −2
2 1
2x + x + x = 1
x1 + 2x2 − x3 = 0

menerapkan metode jacobi hal yang pertama yang harus dilakukan adalah
melihat bahwa elemen diagonal melebihi elemen lainnya atau disebut elemen
diagonal dominan.
2 1
6  2 + 2;  2 + ;1  1+ 2
Jika matriks tidak diagonal dominan kuat maka harus dilakukan preprocessing
agar menjadi matriks diagonal dominan dengan menukar kolom atau baris
pada matriks namun pada kasus ini tidak bisa dilakukan. Jika dilakukanmaka
akan mendapatkan hasil sebagai berikut.
1
x = (−2 + 2x + 2x )
1 2 3
6
3 1 
x 2 =  1+ 2x 1+ x 3 
2 3

 
x3 = −1(0 + x1 + 2x2 )
Lakukan iterasi 1 dengan x1=x2=x3=0 hasilnya sebagai berikut:
Literasi x1 x2 x3
0 0 0 0
1 -0,3333 1,5 0
2 0,16667 0,5 -2,6667
3 -1,0556 0,66667 -1,1667
4 -0,5 -2,25 -0,2778
5 -1,1759 -0,1389 5
6 1,28704 0,47222 1,4537
7 0,30864 6,08796 -2,2315
8 0,95216 1,31019 -12,485
9 -4,0581 -1,8858 -3,5725
10 -2,1528 -12,461 7,82973
11 -1,877 -1,0435 27,0741

Dari hasil iterasi dilihat terjadi perubahan yang sangat signifikan antar
iterasisehingga metode jacobi tidak dapat dilakukan
 D. Gauss-Siedel
Iterasi maju selangkah:
6x 1 + 2x 2 + 2x 3 = -2

3x 1 + x 2 + x 3 = -1
x 1 = (-1 - x 2 – x3) /3

2x 1 + 2/3x 2 + 1/3x 3 = 1

6x 1 + 2x 2 + x 3 = 3

x 2 = (3 – 6x 1 – x 3) / 2 x 1 + 2x 2 – x 3 = 0
x 3 = x 1 + 2x 2
𝜀𝑥 = x’ – x 0 / x’ *100%

Iterasi 𝑥1 𝑥2 𝑥3 𝜀𝑥1 (%) 𝜀𝑥2 (%) 𝜀𝑥3 (%)

1 0 0 0 - - -
2 0,3333333 2,5 4,66666667 100% 100% 100%
3 2,7222222 7,33333333 11,9444444 88% 66% 61%
4 6,7592593 15,8055556 24,8518519 60% 54% 52%
5 13,885802 30,7314815 47,5771605 51% 49% 48%
6 26,436214 57,0200617 87,6039095 47% 46% 46%
7 48,541324 103,322016 158,102709 46% 45% 45%
8 87,474909 184,873371 282,271834 45% 44% 44%
9 -156,0484 328,509288 500,970174 44% 44% 44%
10 276,82649 581,494375 886,162262 44% 44% 43%

b. 2𝑥1 − 7𝑥2 + 4𝑥3 = 9

𝑥1 + 9𝑥2 − 6𝑥3 = 1
−3𝑥1 + 8𝑥2 + 5𝑥3 = 6
E. jacobi

Konversi persamaan menjadi nilai

x 1, x 2, x n,x 1 = 1/6 (-2 – 2 x2 – 2x n)x 2

= 1.5(1 – 2x 1 –1/3 x 2)
xn = x1 + 2 x2
nilai awal x 1, x 2, x n adalah 0 (nol)
x1 x2 x3
1/6 (-2 – 2 x2 – 2 xn)1.5(1-2x1-1/3x2) x1 + 2x2
awal 0.0000 0.0000 0.0000
1 -0.3333 1.5000 0.0000
2 -0.8333 2.5000 2.6667
3 -2.0556 2.6800 4.1667
4 -2.6156 5.6042 3.3044
5 -3.3029 7.7110 8.5928
6 -5.7679 7.1552 12.1191
7 -6.7581 12.8048 8.5425
8 -7.4491 17.5457 18.8515
9 -12.4658 14.5158 27.6424
10 -14.3860 25.2143 16.5658
11 -14.2600 36.4581 36.0425
12 -24.5002 26.4390 58.6562
13 -28.6984 45.9658 28.3778
14 -25.1145 73.5481 63.2333
15 -45.9271 45.5431 121.9818
 2. Tentukan persamaan regresi data berikut menggunakan regresi linier, regresi non linier,
dan regresi polinomial, serta hitung kesalahan masing-masing.
X 1 2 3 4 5 6 7 8
V 0,5 0,8 1,2 1,9 3 4,8 7,5 11,9

a) Regresi Linear
No 𝑥𝑖 𝑦𝑖 𝑥𝑖 𝑦𝑖 𝑥𝑖2 (𝒚𝒊 − 𝒚)̅ 𝟐 (𝒚𝒊 − 𝒂 − 𝒃𝒙𝒊) 2
1 1 0,5 0,5 1 11,9025 3,12111111
2 2 0,8 1,6 4 9,9225 0,33199546
3 3 1,2 3,6 9 7,5625 0,2644898
4 4 1,9 7,6 16 4,2025 1,70240363
5 5 3 15 25 0,9025 2,8738322
6 6 4,8 28,8 36 0,7225 1,92020408
7 7 7,5 52,5 49 12,6025 0,03104308
8 8 11,9 95,2 64 63,2025 7,47111112
Σ 36 31,6 204,8 204 111,02 17,7161905
Lalu hitung nilai intersep (a) menggunakan persamaan berikut.
Y  X 2 −  X Y
a=
n
 X 2 − (  X )2
Maka di dapatkan perhitungan
32.204 − 36.32
a=
8.204 − (36)2
6528
a=
−1152
1632
−1296
5379
a=
336
a = 16, 01
 Selanjutnya menghitung nilai slope (b) dengan rumus

n XY −  X Y
b=
n X 2 − (  X ) 2
Maka di dapatkan perhitungan

𝑏 = 8 (204.8 ) − (36 )(31.6)

8 (204 ) − (1296)
= 𝟏. 𝟒𝟗𝟎𝟒𝟕𝟔𝟏𝟗

𝑎 = 𝑦̅ − 𝑏𝑥̅
𝑎 = 3.95 − (1.49047619)(4.5 ) = −𝟐. 𝟕𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕
Sehingga diperoleh persamaan garis:
𝑦 = 𝑎 + 𝑏𝑥
𝑦 = −𝟐. 𝟕𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕 + 𝟏. 𝟒𝟗𝟎𝟒𝟕𝟔𝟏𝟗 𝒙
𝐷𝑡2 = ∑(𝑦𝑖 − 𝑦̅)2 = 𝟏𝟏𝟏. 𝟎𝟐
𝑖=1

𝐷2 = ∑(𝑦𝑖 − 𝑎 − 𝑏 𝑥𝑖)2 = 𝟏𝟕. 𝟕𝟏𝟔𝟏𝟗𝟎𝟒𝟖

𝑖=1

2 −𝐷 2
𝑟 = √ 𝐷𝑡 = 0.916746
b) Regresi Non-Linear
No 𝑥𝑖 = 𝑞𝑖 𝑦𝑖 𝑞2𝑖 𝑝𝑖 = 𝑙𝑛 𝑦𝑖 𝑝𝑖𝑞𝑖 (𝑦𝑖 − 𝑦̅)2 (𝑦𝑖 − 𝑎𝑒𝑏𝑥𝑖)2
1 1 0,5 1 -0,6931472 -0,6931472 11,9025 0,00001082904
2 2 0,8 4 -0,2231436 -0,4462871 9,9225 0,00036889660
3 3 1,2 9 0,18232156 0,54696467 7,5625 0,00074825492
4 4 1,9 16 0,64185389 2,56741554 4,2025 0,00085953367
5 5 3 25 1,09861229 5,49306144 0,9025 0,00107302116
6 6 4,8 36 1,56861592 9,41169551 0,7225 0,00107002704
7 7 7,5 49 2,01490302 14,1043211 12,6025 0,00003775845
8 8 11,9 64 2,4765384 19,8123072 63,2025 0,01444006882
𝚺 36 31,6 204 7,06655434 50,7963312 111,02 0,01860838971

Menghitung nilai B, A, b, a, Dt2, D2, dan r

𝑛 ∑ 𝑥𝑖𝑦𝑖− ∑ 𝑥𝑖𝑦𝑖
𝐵 =
𝑛 ∑ 𝑥2 −𝑖 (∑ 𝑥𝑖)2
8 (204.8 )−(36)(31.6)
𝐵= = 0.452305636
8 (204 )−(1296)

𝑏=𝐵
𝐴 = 𝑝̅ − 𝐵𝑞̅ = 0.883319 − (1.49047619)(4.50 = −1.152056069

𝑎 = 𝑒𝐴 = 𝑒(−1.152056069) = 0.3`5986415
Sehingga diperoleh bentuk regresi
𝑦 = 𝑎𝑒𝑏𝑥
𝑦 = 0.315986415 (0.452305636 𝑥)

𝐷𝑡 2 = ∑𝑛 (𝑦𝑖 − 𝑦̅)2 = 111.02

𝑖−1

𝐷𝑡2 = ∑(𝑦𝑖 − 𝑎 − 𝑏 𝑥𝑖)2 = 0.01860846

𝑖−1

𝐷𝑡2 − 𝐷2
√
0,894056057
𝐷𝑡2
c) Regresi Polinomial (Order 2)

No 𝒙𝒊 𝒚𝒊 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝒊𝒚𝒊 𝒙𝟐𝒚𝒊 (𝒚𝒊 − 𝒚

̅) (𝒚𝒊 − 𝒚
̅)𝟐 (𝒚𝒊 − 𝒂𝟎 − 𝒂𝟏𝒙𝒊
𝒊 𝒊 𝒊 𝒊
− 𝒂𝟐𝒙𝟐)𝟐
𝒊
1 1 0,5 1 1 1 0,5 0,5 -3,45 11,9025 6,15844478
2 2 0,8 4 8 16 1,6 3,2 -3,15 9,9225 0,00000213
3 3 1,2 9 27 81 3,6 10,8 -2,75 7,5625 1,82325969
4 4 1,9 16 64 256 7,6 30,4 -2,05 4,2025 3,14566313
5 5 3 25 125 625 15 75 -0,95 0,9025 1,87279634
6 6 4,8 36 216 1296 28,8 172,8 0,85 0,7225 0,18920813
7 7 7,5 49 343 2401 52,5 367,5 3,55 12,6025 0,68386438
8 8 11,9 64 512 4096 95,2 761,6 7,95 63,2025 2,61573406
𝚺 204, 16,48897265
36 31,6 204 1295 8771 8 1421,8 0 111,02

8 36 204 𝑎0 31.6
[ 36 204 𝑎
1296] { 1 } = { 204.8 } 2b2 – 9b1
204 1296 8772 𝑎2 1421.8

8 36 204 𝑎0 31.6
[0 84 756 ] {𝑎1 } = { 125.2 }
204 1296 8772 𝑎2 1421.8 2b3 – 51b1

8 36 204 𝑎0 31.6
[0 84 756 ] {𝑎1 } = { 125.2 }
0 2184 17136

𝑎2 2435.6 b3 –26b2

8 36 204
𝑎0 31.6
[0 84 756] {𝑎1} = {125.2}
0 0 −2520 𝑎2 819.6

Maka diperoleh:

𝑎0 = 2.1214; 𝑎1 = −1.4367; 𝑎2 = 0.3252

Persamaan regresinya:

𝑦 = 2.1214 − 1.4367𝑥 + 0.3252𝑥2

Dari table kerja diperoleh:

3. Tentukan nilai Y untuk X=1,15, bila diketahui data berikut.
X 0.8 1.2
Y 2,225541 3,320117

𝑥0 = 0.8 → 𝑓(𝑥0 ) = 2.225541

𝑥1 = 1.2 → 𝑓(𝑥1) = 3.320117

𝑓 (𝑥) = 𝑓(𝑥 𝑓(𝑥1 ) − 𝑓(𝑥0 )

)+ (𝑥 − 𝑥 )
1 0 0
𝑥 1 − 𝑥0
𝑓1 (1.15) = 2.225541 + 3.320117 − 2.225541 (
1.15 − 0.8)
= 3,183295 1.2 − 0.8
4. Tentukan nilai Y untuk X=1,15, bila diketahui data berikut.
X 0.8 1.0 1.2
Y 2.225541 2.718282 3.320117

𝑥0 = 0.8 → 𝑓(𝑥0 ) = 2.225541

𝑥1 = 1 → 𝑓(𝑥1 ) = 2.718282
𝑥2 = 1.2 → 𝑓(𝑥2 ) = 3.320117

𝑏0 = 𝑓(0) = 2.225541
𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑏1 =
𝑥 1 − 𝑥0
𝑏1 = 2.718282 − 2.225541
1 − 0.8
𝑏1 = 2,463705

𝑓(𝑥2 ) − 𝑓(𝑥1 ) 𝑓(𝑥1 ) − 𝑓(𝑥0 )

−
𝑏2 = 𝑥 2 − 𝑥1 𝑥1 − 𝑥0
𝑥 2 − 𝑥0
3.320117 − 2.718282 2.718282 − 2.225541
1.2 − 1 − 1 − 0.8
𝑏2 =
1.2 − 0.8

𝑏2 = 1,363675

𝑓2 (𝑥) = 𝑏0 + 𝑏1(𝑥 − 𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )

𝑓2 (1.15) = 2.225541 + 2,463705(1.15 − 0.8) + 1,363675(1.15 − 0.8)(1.15 − 1)
𝑓2 (1.15) = 3.159430688
5. Tentukan nilai Y untuk X=1,15, bila diketahui data berikut.
X 0.75 0.8 1.0 1,2 1,5
Y 2,117 2,225541 2.718282 3,320117 4,81689

𝑥0 = 0.75 → 𝑓(𝑥0 ) = 2,117

𝑥1 = 0.8 → 𝑓(𝑥1) = 2,225541
𝑥2 = 1.0 → 𝑓(𝑥2 ) = 2.718282
𝑥3 = 1.2 → 𝑓(𝑥2 ) = 3,320117
𝑥4 = 1.5 → 𝑓(𝑥2 ) = 4,81689

I. Pembagian beda hingga pertama:

2,225541 − 2,117
[ ]
𝑓 𝑥1 , 𝑥 0 = = 2,17082
0.8 − 0.75
2.718282 − 2,225541
𝑓[𝑥2 , 𝑥1 ] = = 2,463705
1 − 0.8
3,320117 − 2.718282
𝑓[𝑥3 , 𝑥2 ] = = 3,009175
1.2 − 1
4,81689 − 3,320117
𝑓[𝑥4 , 𝑥3 ] = = 4,989243333
1.5 − 1.2

II. Pembagian beda hingga kedua:

2,463705 − 2,17082
𝑓[𝑥2 , 𝑥1 , 𝑥0 ] = = 1,17154
1 − 0.75
3,009175 − 2,463705
𝑓[𝑥3 , 𝑥2 , 𝑥1 ] = = 1,363675
1.2 − 0.8
4,989243333 − 3,009175
𝑓[𝑥4 , 𝑥3 , 𝑥2 ] = = 3,960136666
1.5 − 1

III. Pembagian beda hingga ketiga:

1,363675 − 1,17154
𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] = = 0,426966667
1.2 − 0.75
3,960136666 − 1,363675
𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 ] = = 3,709230951
1.5 − 0.8

IV. Pembagian beda hingga keempat:

3,709230951 − 0,426966667
𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] = = 4,376352379
1.5 − 0.75

𝑓[𝑥1,𝑥0],𝑓[𝑥2,𝑥1,𝑥0],𝑓[𝑥3,𝑥2,𝑥1,𝑥0],𝑓[𝑥4,𝑥3,𝑥2,𝑥1,𝑥0] merupakan𝑏 1,𝑏2,𝑏3,𝑏4 dan 𝑏0 = 𝑓(𝑥0)

= 2,117, maka:

𝑓4 (𝑥) = 𝑏0 + 𝑏1(𝑥 − 𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1) + 𝑏3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )

+ 𝑏4 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
 𝑓4 (𝑥) = 2,117 + 2,17082(1,15 − 0,75) + 1,17154(1,15 − 0,75)(1,15 − 0,8)
+ 0,426966667(1,15 − 0,75)(1,15 − 0,8)(1,15 − 1) + 4,376352379(1,15
− 0,75)(1,15 − 0,8)(1,15 − 1)(1,15 − 1,2)
𝑓4 (𝑥) = 3,15371473
6. Selesaikan integral berikut menggunakan metode Trapesium dan metode Simpson.

Metode Trapesium
𝑓(𝑎) + 𝑓(𝑏)
𝐼 = (𝑏 − 𝑎)
2
(3 2 ln 3) + (7 2 ln 7)
𝐼 = (7 − 3)
2

(9,887508) + (95,34959)
𝐼 = (4)
2
I= 210,474196
𝐼= ((9,887508) + (160,9438) + (95,34959)
6
𝑰 = 𝟏𝟕𝟕, 𝟖𝟕𝟐𝟔𝟓𝟑

Hasil eksak 𝐼 = (cos 0.8 2) − (cos 0 2) = 0.802095758 − 1 = −0.197904242