Metode Numerik Nailul PDF

HAND OUT MATA KULIAH
METODE NUMERIK
disusun oleh:
disusun oleh:
Nailul ’Atifah ST, M.Eng
Teknik Informatika - Fakultas Teknik

Universitas Pamulang
Tangerang, Banten
2011
BAB I
PENDAHULUAN
Dalam penyelesaian masalah-masalah di bidang teknik ataupun

perancangan sebuah piranti teknologi, diawali dengan analisis yang didasarkan
atas konsep-konsep ilmu teknik yang berkaitan dengan masalah tersebut,
misalnya: konsep-konsep konversi energi, mekanika, elektronika, reaksi kimia,
dan sebagainya. Hasil dari analisis tersebut selalu dituangkan dalam bentuk model
matematik. Pada banyak kasus, pemodelan matematis ini sangat sulit untuk
diselesaikan secara manual. Terlebih lagi jika dalam suatu perancangan teknik
selalu dihadapkan pada sebuah optimasi desain, dimana dalam optimasi perlu
dilakukan perhitungan pada performa desain dengan parameter desain yang
nilainya bervariasi. Tentunya perhitungan secara manual bukan menjadi metode
yang efisien.
Metode perhitungan pada pemodelan matematis ini tentu saja akan lebih
efisien jika dilakukan oleh komputer. Dengan membangun sebuah program
perhitungan pada komputer, analisis perancangan dapat dilakukan dengan lebih
mudah, karena performa desain dapat dihitung dengan menggunakan simulasi
yang dihasilkan dari pemrograman tersebut. Untuk membangun sebuah program
simulasi perhitungan dari sebuah pemodelan matematis tersebut diperlukan
sebuah tahap transformasi yang dilakukan berdasarkan sebuah metode yaitu
Metode Numerik.
KESALAHAN (ERROR)
Perhitungan dengan metode numerik, merupakan perhitungan pendekatan
yang hasilnya memiliki nilai selisih dengan nilai analitik, yang dinamakan dengan
error. Dalam penyelesaian suatu permasalahan perhitungan, dikehendaki suatu
jawaban nilai yang sebenarnya, misalkan disimbolkan dengan xT, tetapi dalam
perhitungan yang didapatkan adalah nilai pendekatannya,misalkan dilambangkan
dengan xA. Error mutlak didapatkan dengan persamaan berikut:
__________________________________________________________________
METODE NUMERIK -1- nailul atifah
Error mutlak  xT  x A (1.1)
Akan tetapi dalam prakteknya, nilai error yang dimaksud adalah nilai error relatif
yang dapat dinyatakan sebagai berikut:
xT  x A
Error relatif = , xT  0 (1.2)
xT
Untuk perhitungan dalam iterasi, maka nilai error dirumuskan dengan:

xi 1  xi
Error  (1.3)
xi 1
Secara umum, error yang muncul dari hasil perhitungan disebabkan oleh faktor-
faktor berikut:
Asumsi yang digunakan pada saat membangun sebuah model matematis.
Contoh:
Asumsi yang menganggap diffuse radiation akibat efek awan adalah
konstan pada analisis pemodelan matematis neraca energi pada sistem
solar thermal.
Ketidaktepatan data / kesalahan dalam pengukuran suatu data.
Contoh:
Ketidaktelitian dalam pembacaan suhu gas bakar pada termokopel.
Kesalahan pembulatan angka.
Contoh:
4.6729  4.67 18.406  18.41 5.2600  5.3
Kesalahan pemotongan, yaitu: kesalahan yang terjadi karena adanya
pemotongan atau penyederhanaan proses perhitungan yang berlangsung
secara tak berhingga.
Contoh:
Kesalahan yang dihasilkan dari penggunaan suatu aproksimasi pengganti
prosedur matematika yang eksak pada approksimasi dengan deret Taylor.
Hal ini akan dibahas lebih lanjut pada Bab V.
__________________________________________________________________
BAB II
AKAR PERSAMAAN
Secara umum akar persamaan f(x) dapat ditentukan dengan mencari nilai-
nilai x yang memenuhi persyaratan f(x)=0. Namun pada banyak fungsi
matematika aplikasi, solusi dengan penyelesaian analitik pada persamaan diatas
cukup sulit untuk ditemukan, dan bahkan tidak ada. Oleh karena itu diperlukan
metode pendekatan numerik untuk mecari akar-akar tersebut.
2.1 METODE BISECTION

Jika suatu fungsi f(x) memiliki satu akar pada interval [a,b] dan kontinyu
berada pada interval interval tersebut, maka hal ini bisa dideteksi dengan nilai f(a)
dan f(b) yang saling berlawanan tanda. Hal ini dapat ditunjukkan pada gambar
berikut:
Gambar 2.1 Contoh fungsi-fungsi yang memiliki akar

tunggal pada interval [a, b]
Konsep ini yang digunakan pada metode Bisection untuk menentukan dua
nilai tebakan awal, dimana dua nilai tersebut harus memiliki nilai fungsi yang
saling berlawanan. Metode ini dapat dijelaskan dengan gambar berikut:
__________________________________________________________________
Gambar 2.2. Pencarian nilai pendekatan akar persamaan
dengan menggunakan metode Bisection
Berikut ini adalah langkah-langkah algoritma pemrograman dalam pencarian nilai

pendekatan akar persamaan dengan menggunakan metode Bisection:
1. Tetapkan indeks iterasi i = 1
2. Tentukan nilai a1 dan b1 , sebagai nilai tebakan awal, tentukan nilai error
maksimum (Emax) dan batas maksimum iterasi (Nmax)
3. Jika i <= Nmax, lakukan:
ai  bi
Hitung nilai tengah : xi 
2
xi 1  xi
 Jika < Emax maka xi+1 adalah akar persamaan yang dicari.
xi 1
Iterasi dihentikan. SELESAI.

 Jika TIDAK maka:
 Jika f(ai) x f(xi) < 0, maka akar terletak antara ai dan xi,
kemudian tentukan ai+1 = ai dan bi+1 =xi
 Jika TIDAK maka akar terletak antara xi dan bi,
kemudian tentukan ai+1 = xi dan bi+1 = bi
__________________________________________________________________
4. Perbarui indeks iterasi i = i + 1 dan jika sampai batas pada maksimum
Nmax, hentikan iterasi. SELESAI.
Contoh Soal 2.1:

Diketahui sebuah fungsi f ( x)  2 x 3  5x 2  74 x  112 . Tentukan akar persamaan
tersebut dengan metode Bisection pada interval [5,10] dengan error maksimal
0.0001!
Penyelesaian 2.1:
Dengan metode Bisection maka diperoleh hasil sebagai berikut:
* Secara analitis, persamaan yang dimaksud dapat digambarkan seperti gambar di

bawah ini, dimana akar yang sebenarnya (analitis) adalah 8.
1500
1200
900
600
f(x)
300
0
0 2 4 6 8 10 12
-300
-600
x
Gambar 2.3 Grafik Persamaan f ( x)  2 x 3  5x 2  74 x  112
__________________________________________________________________
2.2 METODE NEWTON RHAPSON
Metode Newton-Raphson menggunakan garis singgung fungsi f(x) pada x0
sebagai tebakan awal. Kemudian koordinat x pada titik potong dari garis singgung
tersebut terhadap sumbu x (di y= 0) dijadikan sebagai nilai pendekatan berikutnya
untuk mendapatkan akar persamaan f(x). Pencarian nilai pendekatan akar
persamaan dengan menggunakan metode Newton-Raphson dapat dijelaskan
dengan menggunakan grafik berikut:

dengan menggunakan metode Newton-Rhapson
Dalam hal ini ditentukan x1 sebagai nilai tebakan awal. Gradient garis singgung
terhadap kurva f(x) pada titik (x1, y1) ditentukan dari nilai f'(x1). Persamaan dari
garis singgung tersebut dapat ditulis sebagai berikut:
y  f ( x1 )  f ' ( x1 )( x  x1 ) (2.1)
Garis singgung tersebut memotong sumbu x di titik (x2 ,0). Dengan demikian jika
disubstitusikan ke persamaan 2.1:
0  f ( x1 )  f ' ( x1 )( x2  x1 ) (2.2)
Sehingga diperoleh:
__________________________________________________________________
f ( x1 )
x 2  x1  (2.3)
f ' ( x1 )
Dalam bentuk umum persamaan di atas dapat dituliskan sebagai berikut:
f ( xi )
xi 1  xi  (2.4)
f ' ( xi )
pendekatan akar persamaan dengan menggunakan metode Newton Rhapson:
1. Tentukan index iterasi i = 1, nilai tebakan awal x0, error maksimum Emax
dan jumlah iterasi maksimum Nmax.
2. Jika i+1 <= Nmax lakukan:
f ( xi )
Hitung xi 1  xi 
f ' ( xi )
xi 1  xi
Jika < Emax maka xi+1 adalah akar persamaan yang dicari. Iterasi
xi 1
dihentikan. SELESAI
3. Perbarui indeks iterasi i = i + 1 dan jika sampai pada batas maksimum
Contoh Soal 2.2

Diketahui sebuah fungsi f ( x)  2 x 3  5x 2  74 x  112 . Tentukan akar persamaan
tersebut dengan metode Newton Rhapson dengan tebakan awal x= 4 dan error
maksimal 0.0001!
Penyelesaian 2.2
Turunan pertama dari persamaan tersebut adalah: f ' ( x)  6 x 2  10 x  74
Dengan metode Newton Rhapson maka diperoleh hasil sebagai berikut:
__________________________________________________________________
2.3 METODE SECANT
Metode Secant adalah modifikasi dari metode Newton-Raphson. Akan
tetapi metode Secant menggunakan dua nilai tebakan awal. Misalnya, ditentukan
x0 dan x1 sebagai nilai tebakan awal. Gambar berikut menjelaskan bagaimana
mencari akar dengan metode Secant:

dengan menggunakan metode Secant
Metode Secant menggunakan garis yang melalui (x0,f(x0)) dan (x1,f(x1)) sebagai
pendekatan terhadap grafik f(x) dan nilai pendekatan selanjutnya ditentukan dari
titik potong antara garis tersebut dengan sumbu x.
Gradient garis lurus yang melalui titik (x0,f(x0)) dan (x1,f(x1)) dapat ditentukan
sebagai berikut:
f ( x1 )  f ( x0 )
m (2.5)
x1  x0
Persamaan dari garis tersebut dapat ditulis sebagai berikut:
f ( x1 )  f ( x0 )
y  f ( x1 )  ( x  x1 ) (2.6)
x1  x0
Garis tersebut memotong sumbu x pada titik (x2,0), sehingga jika disubstitusikan
ke persamaan 2.6:
f ( x1 )  f ( x0 )
0  f ( x1 )  ( x2  x1 ) (2.7)
x1  x0
__________________________________________________________________
Dengan demikian diperoleh:
x1  x0
x2  x1  f ( x1 ) (2.8)
f ( x1 )  f ( x0 )
Dengan melakukan analogi dari persamaan 2.8 tersebut, persamaan umum untuk
menentukan titik pendekatan selanjutnya dapat dituliskan sebagai berikut:
xi  xi 1
xi 1  xi  f ( xi ) (2.9)
f ( xi )  f ( xi 1 )
Berikut ini adalah langkah-langkah algoritma pemrograman mencari akar
persamaan dengan metode Secant:
1. Tentukan index iterasi i = 1, nilai tebakan awal x0 dan x1, error maksimum
Emax dan jumlah iterasi maksimum Nmax.
xi  xi 1
Hitung xi 1  xi  f ( xi )
f ( xi )  f ( xi 1 )
xi 1  xi
xi 1
dihentikan. SELESAI
Contoh Soal 2.3

Tentukan akar persamaan dari f ( x)  2 x 3  5x 2  74 x  112 dengan metode
Secant dimana tebakan awal adalah x0=3 dan x1=6 dan error maksimal 0.0001!
Penyelesaian 2.3
Dengan metode Secant, maka diperoleh hasil sebagai berikut:
__________________________________________________________________
2.4 METODE REGULA-FALSI
Metode ini merupakan kombinasi dari metode Bisection dan Secant.
Metode Regula Falsi juga memerlukan 2 nilai tebakan awal dimana nilai fungsi
dari keduanya harus berbeda tanda. Kemudian dari kedua titik fungsi tersebut
ditarik garis lurus. Nilai x dari garis tersebut yang memotong sumbu x, dijadikan
sebagai nilai iterasi berikutnya.Gambar berikut ini, menjelaskan tentang
penentuan akar persamaan dengan metode Regula Falsi.
Gambar 2.6 Pencarian nilai pendekatan akar persamaan

dengan menggunakan metode Regula Falsi
Gradient garis lurus yang melalui titik (a1,f(a1)) dan (b1,f(b1)) adalah:
f (b1 )  f (a1 )
m (2.10)
b1  a1
Persamaan dari garis tersebut dapat ditulis sebagai berikut:
f (b1 )  f (a1 )
y  f (b1 )  ( x  b1 ) (2.11)
b1  a1
Garis tersebut memotong sumbu x pada titik (x1,0), sehingga:
f (b1 )  f (a1 )
0  f (b1 )  ( x1  b1 ) (2.12)
b1  a1
__________________________________________________________________
METODE NUMERIK - 10 - nailul atifah
b1  a1
x1  b1  f (b1 ) (2.13)
f (b1 )  f (a1 )
Dengan melakukan analogi dari persamaan 2.13 tersebut, persamaan umum untuk
menentukan titik pendekatan selanjutnya dapat dituliskan sebagai berikut:
bi  ai
xi  bi  f (bi ) (2.14)
f (bi )  f (ai )
pendekatan akar persamaan dengan menggunakan metode Regula Falsi:
1. Tetapkan indeks iterasi i = 1
2. Tentukan nilai a1 dan b1 , sebagai nilai tebakan awal, tentukan nilai error
maksimum (Emax) dan batas maksimum iterasi (Nmax)
3. Jika i <= Nmax, lakukan:
bi  ai
Hitung nilai: xi  bi  f (bi )
f (bi )  f (ai )
xi 1  xi
 Jika < Emax maka xi+1 adalah akar persamaan yang dicari.
xi 1
Iterasi dihentikan. SELESAI.

 Jika TIDAK maka:
 Jika f(ai) x f(xi) < 0, maka akar terletak antara ai dan xi,
kemudian tentukan ai+1 = ai dan bi+1 =xi
 Jika TIDAK maka akar terletak antara xi dan bi,
kemudian tentukan ai+1 = xi dan bi+1 = bi
4. Perbarui indeks iterasi i = i + 1 dan jika sampai batas pada maksimum
Contoh Soal 2.4:

Diketahui sebuah fungsi f ( x)  2 x 3  5x 2  74 x  112 .
Tentukan akar persamaan tersebut dengan metode Regula Falsi pada interval
[5,10] dengan error maksimal 0.0001!
__________________________________________________________________
Penyelesaian 2.4:
Dengan metode Regula Falsi maka diperoleh hasil sebagai berikut:
2.5 METODE ITERASI TITIK TETAP (FIXED POINT ITERATION)

Pada metode iterasi titik tetap, tahap awal penentuan nilai akar persamaan
dilakukan dengan cara merubah sebuah persamaan f(x)= 0 menjadi persamaan
x=g(x). Kemudian nilai tebakan selanjutnya ditentukan dengan rumus berikut:
xi 1  g ( xi ) (2.15)
Secara visual dapat dijelaskan dengan gambar berikut ini:
Gambar 2.7 Pencarian nilai pendekatan akar persamaan

dengan menggunakan metode Iterasi Titik Tetap
__________________________________________________________________
Berikut ini adalah langkah-langkah algoritma pemrograman mencari akar
persamaan dengan metode Iterasi Titik Tetap:
1. Tentukan index iterasi i = 1, nilai tebakan awal x0 dan x1, error maksimum
Emax dan jumlah iterasi maksimum Nmax.
Hitung xi 1  g ( xi )
xi 1  xi
xi 1
dihentikan. SELESAI
Contoh Soal 2.5

Tentukan akar persamaan dari f ( x)  x 3  5x 2  34 x  80 dengan metode Fixed
Point Iteration, dimana tebakan awal adalah x1=1 dan error maksimal 0.0001!
Penyelesaian 2.5
Akar persamaan adalah nilai x yang memenuhi persamaan berikut:
f ( x)  0  x 3  5x 2  34 x  80  0
x 3  5 x 2  80
Maka: 34 x  x  5x  80  x 
3 2
34
x 3  5 x 2  80
Sehingga : g ( x) 
34
x  5 xi  80
3 2
Karena xi 1  g ( xi ) , maka: xi 1  i
34
Dengan metode Iterasi Titik Tetap, maka diperoleh hasil berikut:
__________________________________________________________________
BAB III
INTERPOLASI
Interpolasi merupakan suatu pendekatan numerik yang diperlukan untuk

menentukan nilai suatu fungsi f (x) di x=xc yang tidak diketahui perumusannya
secara eksplisit terhadap variabel x, akan tetapi data-data dari nilai fungsi f (x)
yang lain di sekitar nilai xc telah diketahui.
3.1 INTERPOLASI LINIER

Interpolasi linier adalah interpolasi dengan menggunakan persamaan garis
lurus yang melalui dua titik data variabel bebas yang mengapit variabel bebas
yang akan ditentukan nilai fungsinya. Misalnya akan ditentukan nilai dari f(xc)
dimana titik xc tersebut berada diantara x1 dan x2 yang masing masing memiliki
nilai fungsi y1 dan y2. Dengan demikian nilai f(xc) dapat ditentukan dari
persamaan garis lurus yang melalui titik (x1,y1) dan (x2,y2), yaitu:
y 2  y1
f ( xc )  y1  ( xc  x1 ) (3.1)
x2  x1
Contoh Soal 3.1
Tentukan nilai f(1.48) jika diketahui data dari (x,y) sebagai berikut:
x 1.1 1.2 1.3 1.4 1.5
y 33 34.08 37.63 40.29 43.69
Penyelesaian 3.1:
Maka penentuan nilai f(1.48) dilakukan dengan menggunakan persamaan garis
lurus dari dua titik data yang mengapit x=1.48 yaitu (1.4, 40.29) dan (1.5, 43.69).
Berdasarkan rumus interpolasi linier pada persamaan 3.1 maka dapat ditentukan
nilai dari f(1.48) yaitu:
43.69  40.29
f (1.48)  40.29  (1.48  1.4)  40.29  2.72  43.01
1.5  1.4
__________________________________________________________________
3.2 INTERPOLASI SPLINE KUADARATIK
Interpolasi spline kuadratik dilakukan dengan menghubungkan titik-titik
pada bidang x-y dengan fungsi kuadrat untuk setiap dua titik yang berdekatan.
Tabel berikut ini merupakan data-data nilai (x,y) dengan x1<x2<x3<...<xn:
x x1 x2 x3 ... xn
y y1 y2 y3 ... yn
Fungsi spline kuadratik S(x) yang memetakan nilai x dan juga fungsi
turunannya S’(x) pada interval [a,b] harus bersifat kontinyu. Jika terdapat n data
maka akan terdapat n-1 buah persamaan S(x), dimana masing-masing fungsi S(x)
hanya berlaku relatif pada setiap interval data.
Si(x) didefinisikan sebagai persamaan polinomial kuadrat berikut:

z i 1  z i
S i ( x)  ( x  xi ) 2  z i ( x  x i )  y i (3.2)
2( xi 1  xi )
Dimana S i ( xi )  yi .
Turunan dari persamaan 3.2 tersebut adalah:
z i 1  z i
S i ( x)  ( x  xi )  z i
'
(3.3)
( xi 1  xi )
Sehingga S i ( xi )  z i
'
'
Dengan menganalogikan persamaan 3.3, dapat ditentukan S i1 ( x) , yaitu:
z i  z i 1
S i 1 ( x)  ( x  xi 1 )  z i 1
'
(3.4)
( xi  xi 1 )
Sehingga S i 1 ( xi )  zi  zi 1  zi 1  zi
'
__________________________________________________________________
Karena S i ( xi )  S i i ( x) , maka S’(x) bersifat kontinyu pada interval tersebut.
' '
Fungsi spline kuadratik S(x) juga harus bersifat kontinyu, maka S i 1 ( xi )  yi .

'
Dengan menganalogikan persamaan 3.2 dan mensubstitusikan x=xi ke dalamnya:

z i  z i 1
S i 1 ( xi )  ( xi  xi 1 ) 2  z i 1 ( xi  xi 1 )  yi 1  yi (3.5)
2( xi  xi 1 )
Dari persamaan 3.4 tersebut diperoleh:
yi  yi 1
z i   z i 1  2 (3.6)
xi  xi 1
Persamaan ini berlaku untuk 2  i  n . Dengan mengasumsikan nilai z1, nilai z2,
z3,..., zn-1, zn dapat ditentukan untuk memperolah persamaan kuadratik S(x).
Contoh Soal 3.2

Tentukan persamaan interpolasi spline kuadratik dari data-data berikut:
x -1 0 0.5 1 2 2.5
y 2 1 0 1 2 3
Penyelesaian 3.2
Diasumsikan z1  0 , maka nilai nilai z2, z3, z4, z5, z6 dapat ditentukan sebagai
berikut:
y 2  y1 1 2
z 2   z1  2  0  2  2
x2  x1 0 1
y3  y 2 0 1
z3   z 2  2  22  2
x3  x 2 0.5  0
y 4  y3 1 0
z 4   z3  2  22 6
x 4  x3 1  0.5
y5  y 4 2 1
z5   z 4  2  6  2  4
x5  x 4 2 1
y6  y5 3 2
z6   z5  2  42 8
x 6  x5 2.5  2
__________________________________________________________________
z 2  z1
S1 ( x )  ( x  x1 ) 2  z1 ( x  x1 )  y1
2( x2  x1 )
20
 ( x  1) 2  0( x  1)  2   x 2  2 x  1
2(0  1)
z3  z 2
S 2 ( x)  ( x  x2 ) 2  z 2 ( x  x2 )  y 2
2( x3  x2 )
22
 ( x  0) 2  2( x  0)  1  2 x  1
2(0.5  0)
z 4  z3
S 3 ( x)  ( x  x3 ) 2  z 3 ( x  x3 )  y 3
2( x4  x3 )
62
 ( x  0.5) 2  2( x  0.5)  0  8 x 2  6 x  3
2(1  0.5)
z5  z 4
S 4 ( x)  ( x  x4 ) 2  z 4 ( x  x4 )  y 4
2( x5  x4 )
46
 ( x  1) 2  6( x  1)  1  5 x 2  16 x  10
2(2  1)
z6  z5
S 5 ( x)  ( x  x5 ) 2  z 5 ( x  x5 )  y 5
2( x6  x5 )
84
 ( x  2) 2  4( x  2)  1  12 x 2  52 x  58
2(2.5  2)
Jika diringkas, persamaan spline kuadratik dari data-data tersebut adalah:
Persamaan-persamaan tersebut jika ditampilkan dalam grafik adalah sebagai

berikut:
__________________________________________________________________
Gambar 3.1 Grafik persamaan spline kuadratik dari contoh soal 3.2
3.3 INTERPOLASI POLINOMIAL NEWTON

Interpolasi polinomial Newton merupakan salah satu metode interpolasi dimana
data-data yang ada diwakili oleh sebuah persamaan polinomial P(x). Jika terdapat
data sejumlah n maka persamaan polinomial yang dihasilkan memiliki derajat n-1.
Diketahui data-data (x, y) sebagai berikut:
x x1 x1 x3 ... xn-1 xn
y y1 y2 y3 ... yn-1 yn
Perumusan persamaan polinomial dimulai dengan meninjau pasangan data
pertama yaitu (x1, y1), dimana sebuah persamaan polinomial orde-0 P0(x) dapat
ditentukan sebagai berikut:
P0 ( x1 )  y1 (3.7)
Didefinisikan sebuah konstanta a0 adalah konstanta a untuk P0(x), dimana:
a0  P0 ( x)  y1 (3.8)
Sehingga dapat dikatakan bahwa P0(x) adalah fungsi konstan.
Tahap selanjutnya adalah meninjau sampai data ke-2. Dari kedua data tersebut,
diperoleh persamaan polinomial orde-1 P1(x) yang merupakan persamaan linier
yang menghubungkan titik (x1, y1) dan (x2, y2) yaitu:
P1 ( x)  y1  a1 ( x  x1 ) (3.9)
__________________________________________________________________
dengan a1 adalah kemiringan dari garis persamaan tersebut yaitu:
y 2  y1 y 2  P0 ( x2 )
a1   (3.10)
x2  x1 x2  x1
Dengan mensubstitusikan persamaan 3.8 ke dalam 3.10 diperoleh:
P1 ( x)  P 0 ( x)  a1 ( x  x1 ) (3.11)
Dari persamaan 3.11 dapat dilihat bahwa persamaan polinomial orde yang lebih
tinggi diperoleh dari persamaan polinomial dengan orde lebih rendah yang telah
didapatkan sebelumnya.
Tahap selanjutnya adalah meninjau sampai data ke-3 dimana dapat diperoleh
persamaan polinomial orde-2 P2(x) yang dinyatakan sebagai berikut:
P2 ( x)  P1 ( x)  a2 ( x  x1 )( x  x2 ) (3.12)
dengan:
y3  P1 ( x3 )
a2  (3.13)
( x3  x1 )( x3  x2 )
Dengan menganalogikan persamaan-persamaan di atas, maka persamaan
polinomial orde ke-(n-1) yang dapat mewakili data-data sebanyak n dapat
dinyatakan sebagai berikut:
Pn1 ( x)  P n2 ( x)  an1 ( x  x1 )( x  x2 )...( x  xn1 ) (3.14)
dengan:
y n  Pn 2 ( xn )
a n1  (3.15)
( xn  x1 )( xn  x2 )...( xn  xn1 )
Contoh soal 3.3

Dengan metode interpolasi polinomial Newton, tentukan persamaan polinomial
yang dapat mewakili data-data berikut ini dan tentukan nilai y di x =3!
x -2 0 1 2 4
y 6 12 15 58 816
Penyelesaian 3.3
Dari data pertama (-2,6), diperoleh fungsi konstan sebagai berikut:
P0 ( x)  y1  6
__________________________________________________________________
Selanjutnya dengan meninjau sampai data ke-2 diperoleh persamaan linier sebagai
berikut:
P1 ( x)  P 0 ( x)  a1 ( x  x1 )
y 2  P0 ( x2 ) 12  6
dengan : a1   3
x2  x1 02
sehingga: P1 ( x)  6  3( x  2)  3x  12
Tahap berikutnya dengan meninjau sampai data ke-3, diperoleh persamaan
kuadrat (polinomial orde-2) sebagai berikut:
P2 ( x)  P1 ( x)  a2 ( x  x1 )( x  x2 )
y3  P1 ( x3 ) 15  3.1  12
dengan : a 2   0
( x3  x1 )( x3  x2 ) (1  2)(1  0)
sehingga: P2 ( x) P1 ( x)  0( x  2)( x  0)  P1 ( x)  3x  12

Dengan meninjau sampai data ke-4, diperoleh persamaan polinomial orde-3
sebagai berikut:
P3 ( x)  P 2 ( x)  a3 ( x  x1 )( x  x2 )( x  x3 )
y 4  P2 ( x4 ) 58  3.2  12 40
dengan : a3    5
( x4  x1 )( x4  x2 )( x4  x3 ) (2  2)(2  0)(2  1) 8
sehingga:
P3 ( x)  P 2 ( x)  a3 ( x  x1 )( x  x2 )( x  x3 )  3x  12  5( x  2)( x  0)( x  1)
P3 ( x)  3x  12  5( x 3  x 2  2 x)  5x 3  5x 2  7 x  12
Kemudian dengan meninjau sampai data ke-5, diperoleh persamaan polinomial
orde-4 sebagai berikut:
P4 ( x)  P 3 ( x)  a4 ( x  x1 )( x  x2 )( x  x3 )( x  x4 )
dengan:
y5  P3 ( x5 )
a4 
( x5  x1 )( x5  x2 )( x5  x3 )( x5  x4 )
816  (5.4 3  5.4 2  7.4  12) 816  384 432

   3
(4  2)(4  0)(4  1)(4  2) 6.4.3.2 144
sehingga:
__________________________________________________________________
P4 ( x)  P 3 ( x)  a4 ( x  x1 )( x  x2 )( x  x3 )( x  x4 )
 5 x 3  5 x 2  7 x  12  3( x  2)( x  0)( x  1)( x  2)

 5 x 3  5 x 2  7 x  12  3( x 3  x 2  2 x)( x  2)
 5 x 3  5 x 2  7 x  12  3x 4  3x 3  6 x 2  6 x 3  6 x 2  12 x
 3x 4  2 x 3  7 x 2  5 x  12
Jadi persamaan polinomial yang dapat mewakili data-data tersebut adalah:
P4 ( x)  3x 4  2 x 3  7 x 2  5x  12
Nilai y di x=3 adalah:
P4 (3)  3.34  2.33  7.32  5.3  12  261
3.4 INTERPOLASI METODE TABEL BEDA TERBAGI
Metode Interpolasi ini dilakukan dengan menentukan nilai konstanta yang

merupakan hasil beda terbagi, dimana konstanta-konstanta ini digunakan untuk
membentuk persamaan polinomial. Penentuan konstanta-konstanta ini dilakukan
secara paralel dari semua data yang ada. Jika terdapat data sebanyak n, maka nilai
beda terbagi yang dihasilkan adalah sampai dengan beda terbagi ke-(n-1). Berikut
ini adalah penjelasan tentang notasi beda terbagi:
1. Beda terbagi ke-0 dari suatu fungsi f terhadap xi adalah nilai fungsi pada xi
tersebut, yakni:
f [ x i ]  f ( xi ) (3.16)
2. Beda terbagi ke-1 dari suatu fungsi f terhadap xi dan xi+1 didefinisikan dengan:
f [ xi 1 ]  f [ xi ]
f [ xi , xi 1 ]  (3.17)
xi 1  xi
3. Beda terbagi ke-k dari suatu fungsi f terhadap xi, xi+1, xi+2, ..., xi+k dapat
dihitung dengan persamaan berikut:
f [ xi 1 , xi  2 ,..., xi  k ]  f [ xi , xi 1 ,..., xi  k 1 ]
f [ xi , xi 1 , xi  k ]  (3.18)
xi 1  xi
Dari nilai-nilai beda terbagi tersebut, dapat dibentuk sebuah persamaan polinomial
yang dapat mewakili data sebanya n sebagai berikut:
__________________________________________________________________
Pn1 ( x)  f [ x1 ]  f [ x1 , x2 ]( x  x1 )  ...  f [ x1 , x2 ,..., xn ]( x  x1 )( x  x2 )...( x  xn1 ) (3.19)
Dengan menyusun sebuah tabel berikut, perhitungan konstanta beda terbagi dapat
dilakukan lebih mudah.
x Beda bagi Beda bagi Beda bagi Beda bagi
ke-0 ke-1 ke-2 ke-3
f [ x i ]  f ( xi ) f [ xi , xi1 ] f [ xi , xi1 , xi2 ] f [ xi , xi 1, xi  2 , xi 3 ]
x1 f [ x1 ]
f [ x1 , x2 ] 
f [ x 2 ]  f [ x1 ]
x 2  x1
x2 f [ x2 ] f [ x1 , x2 , x3 ] 
f [ x2 , x3 ]  f [ x1 , x2 ]
x3  x1
f [ x 2 , x3 ]  f [ x1 , x2 , x3 , x4 ] 
f [ x2 , x3 , x4 ]  f [ x1 , x2 , x3 ]
f [ x3 ]  f [ x 2 ]
x4  x1
x3  x 2
f [ x 2 , x3 , x 4 ] 
x3 f [ x3 ] f [ x3 , x 4 ]  f [ x 2 , x3 ]
x4  x2
f [ x3 , x 4 ] 
f [ x 4 ]  f [ x3 ]
x 4  x3
x4 f [ x4 ]
__________________________________________________________________
Contoh Soal 3.4
Dengan metode interpolasi polinomial Tabel Beda Terbagi, tentukan persamaan
polinomial yang dapat mewakili data-data berikut ini dan tentukan nilai y di x =3!
x -2 0 1 2 4
y 6 12 15 58 816
Penyelesaian 3.4
x beda bagi beda bagi beda bagi beda bagi beda bagi
ke-0 ke-1 ke-2 ke-3 ke-4
-2 6
0 12 0
3 5
1 15 20 3
43 23
2 58 112
379
4 816
Persamaan polinomial yang dibentuk berdasarkan nilai konstanta beda terbagi dari
tabel di atas adalah sebagai berikut:
P4 ( x)  6  3( x  2)  0( x  2)( x  0)  5( x  2)( x  0)( x  1)  3( x  2)( x  0)( x  1)( x  2)
 6  3x  6  0  5( x 3  x 2  2 x)  3( x 3  x 2  2 x)( x  2)
 3x  12  5 x 3  5 x 2  10 x  3x 4  3x 3  6 x 2  6 x 3  6 x 2  12 x
 3x 4  2 x 3  7 x 2  5 x  12
Nilai y di x=3 adalah:
P4 (3)  3.34  2.33  7.32  5.3  12  261
__________________________________________________________________
3.5 INTERPOLASI POLINOMIAL LAGRANGE
Diketahui data-data (x, y) sebagai berikut:
x x1 x1 x3 ... xn-1 xn
y y1 y2 y3 ... yn-1 yn
Berdasarkan data-data di atas dapat dibentuk beberapa fungsi sebagai berikut:

( x  x 2 )( x  x3 )( x  x 4 )...( x  x n )
L1 ( x) 
( x1  x 2 )( x1  x3 )( x1  x 4 )...( x1  x n )
( x  x1 )( x  x3 )( x  x 4 )...( x  x n )
L2 ( x ) 
( x 2  x1 )( x 2  x3 )( x 2  x 4 )...( x 2  x n )
( x  x1 )( x  x 2 )( x  x 4 )...( x  x n )
L3 ( x) 
( x3  x1 )( x3  x 2 )( x3  x 4 )...( x3  x n )
...
( x  x1 )( x  x 2 )( x  x 4 )...( x  x n 1 )
Ln ( x ) 
( x n  x1 )( x n  x 2 )( x n  x3 )...( x n  x n 1 )
Pernyataan umum dari fungsi-fungsi cardinal di atas adalah:
n (x  x j )
Li ( x)   (3.20)
j 1
j i
( xi  x j )
Persamaan polinomial Lagrange berderajat n-1 dapat dibentuk sebagai berikut:
Pn1 ( x)  y1 .L1 ( x)  y 2 .L2 ( x)  y3 .L3 ( x)  ...  y n .Ln ( x)
n
  yi .Li ( x)
i 1
 n (x  x j )  (3.21)
  yi   
n
i 1  j 1 ( xi  x j ) 
 j i 
Contoh Soal 3.5

Dengan metode interpolasi polinomial Lagrange, tentukan nilai y di x =3!
x -2 0 1 2 4
y 6 12 15 58 816
__________________________________________________________________
Penyelesaian 3.5
Nilai y untuk x= 3 dapat dicari dengan persamaan berikut:
5
y(3)  P4 (3)   yi .Li (3)
i 1
dengan nilai-nilai fungsi cardinal Li(3) sebagai berikut:

(3  0)(3  1)(3  2)(3  4) 3.2.1.  1 1
L1 (3)   
(2  0)(2  1)(2  2)(2  4)  2.  3.  4.  6 24
(3  2)(3  1)(3  2)(3  4) 5.2.1.  1 5
L2 (3)   
(0  2)(0  1)(0  2)(0  4) 2.  1.  2.  4 8
(3  2)(3  0)(3  2)(3  4) 5.3.1.  1 5
L3 (3)   
(1  2)(1  0)(1  2)(1  4) 3.1.  1.  3 3
(3  2)(3  0)(3  1)(3  4) 5.3.2.  1 15
L4 (3)   
(2  2)(2  0)(2  1)(2  4) 4.2.1.  2 8
(3  2)(3  0)(3  1)(3  2) 5.3.2.1 5
L5 (3)   
(4  2)(4  0)(4  1)(4  2) 6.4.3.2 24
dengan demikian:
1 5 5 15 5
y(3)  P4 (3)   .6  .12  .15  .58  816
24 8 3 8 24
1 30 100 435 680 1044
       261
4 4 4 4 4 4
__________________________________________________________________
BAB IV
INTEGRAL
Integral sebuah fungsi f(x) pada interval [a,b] pada dasarnya merupakan
luas wilayah yang diliputi oleh kurva f(x) dan sumbu x sepanjang interval [a,b].
Secara visual dapat dilihat pada gambar berikut:
Gambar 4.1 Integral merupakan luas wilayah yang diliputi oleh kurva fungsi
4.1 METODE TRAPEZOIDAL

Pada metode trapezoidal, fungsi f(x) yang akan dicari nilai integralnya
pada interval [a, b] dibagi menjadi partisi sebanyak n, dimana masing-masing
partisi tersebut membentuk geometri trapesium pada sub interval [xi, xi+1].
Masing-masing trapesium tersebut memiliki tinggi yang sama (dimisalkan h)
yaitu:
a b
h  x  xi 1  xi  (4.1)
n
Masing-masing trapesium tersebut memiliki sisi-sisi sejajar, yaitu f(xi) dan f(xi+1).
Metode trapezoidal secara visual dapat dijelaskan dengan gambar berikut ini:
__________________________________________________________________
Gambar 4.2 Konsep integral metode trapezoidal
Dengan demikian luas setiap trapesium dapat dirumuskan dengan persamaan

berikut:
Ai 
1
 f ( xi )  f ( xi 1 ).x (4.2)
2
Nilai integral f(x) pada interval [a,b] dapat didekati dengan jumlah seluruh luas
trapesium yang dapat dinyatakan sebagai berikut:
b n n
 f ( x)dx   A   2  f ( x )  f ( x ).x
1
i i i 1
a i 0 i 0
x (4.3)
b
a f ( x)dx  2  f ( x0 )  2. f ( x1 )  2. f ( x2 )  2. f ( x3 )  ...  2. f ( x n1 )  f ( x n )
Contoh Soal 4.1

Dengan menggunakan metode Trapezoidal dan interval x  1 tentukan nilai dari:
6
 (4 x  3x 2  8 x  125)dx
3
__________________________________________________________________
Penyelesaian 4.1
Tabel berikut merupakan tabel untuk nilai fungsi f ( x)  4 x 3  3x 2  8x  125
x f(x) Dengan metode Trapezoidal diperoleh nilai integral
sebagai berikut:
2 -97
6
 (4 x  3 x 2  8 x  125)dx
3
3 -14
2
4 147 
1
 97  2.  14  2.147  2.410  799
2
5 410 1
 {97  28  294  820  799}
2
6 799 1
 .1788  894
2
4.2 METODE SIMPSON

Pada metode Simpson, fungsi f(x) yang akan dicari nilai integralnya pada
interval [a, b] dipartisi dengan sub interval [xi, xi+1], dimana masing-masing partisi
tersebut membentuk kurva parabola g(x). Gambar berikut menjelaskan konsep
integral dengan metode Simpson.
Gambar 4.3 Konsep integral metode Simpson
__________________________________________________________________
Luasan di bawah kurva f(x) tersebut didekati dengan luasan di bawah kurva
parabola g(x) yang melewati titik ((xi –h),f (xi –h)) , (xi, f(xi)), dan ( xi+h, f(xi+h)).
Persamaan kurva parabola dirumuskan dengan persamaan:
g ( x)  V .( x  xi ) 2  W .( x  xi )  f ( xi ) (4.4)

f ( x i h)  g ( xi  h)  V .(h) 2  W .(h)  f ( xi )  V .h 2  W .h  f ( xi ) (4.5)
f ( x i h)  g ( xi  h)  V .(h) 2  W .(h)  f ( xi )  V .h 2  W .h  f ( xi ) (4.6)

Berdasarkan integrasi analitik luasan di bawah parabola tersebut dapat ditentukan
sebagai berikut:
xi  h xi  h
 g ( x)dx   V .( x  x ) 
 W .( x  xi )  f (a)
2
i
xi  h xi  h
xi  h
V ( x  xi )3 W ( x  xi ) 2
   f (a).x
3 2 x h i
V .h 3 W .h 2 V .(h) 3 W .(h) 2
   f ( xi )( xi  h)    f ( xi )( xi  h)
3 2 3 2
xi  h
V .h3
x h g ( x)dx  2. 3  2.h. f ( xi ) (4.7)
i
Jika persamaan 4.5 dan 4.6 dijumlahkan, maka diperoleh:

f ( x i h)  f ( x i h)  2.V .h 2  2. f ( xi ) (4.8)
2.V .h 3  h f ( xi  h)  2. f ( xi )  f ( xi  h) (4.9)

Dengan mensubstistusi persamaan 4.9 ke dalam persamaan 4.7, diperoleh:
h f ( xi  h)  2. f ( xi )  f ( xi  h)
xi  h

xi  h
g ( x)dx  2.
3
 2.h. f ( xi )
xi  h
h f ( xi  h)  4. f ( xi )  f ( xi  h)
1
 g
xi  h
( x ) dx 
3 (4.10)
__________________________________________________________________
Karena luas wilayah dibawah kurva f(x) didekati dengan luas wilayah dibawah
kurva g(x), maka:
xi  h xi  h
 f ( x)dx   g ( x)dx
xi h xi h
xi  h
h f ( xi  h)  4. f ( xi )  f ( xi  h)
1 (4.11)
x h f ( x ) dx 
3
i
Nilai xi-h pada dasarnya merupakan xi-1 dan xi+h pada dasarnya merupakan xi+1.
Dengan demikian nilai integral f(x) pada interval [a,b] sebagai [x0, xn] yang dibagi
menjadi partisi-partisi sejumlah n (dimana n harus genap), dengan jarak interval
a b
adalah h  x  xi 1  xi  dapat dinyatakan dengan persamaan berikut ini:
n
b x2 x4 xn
 f ( x)dx   f ( x)dx   f ( x)dx  ...   f ( x)dx

a x0 x2 xn  2
(4.12)
Berdasarkan persamaan 4.11, maka persamaan 4.12 dapat dijabarkan menjadi:

b
 f ( x)dx  3 h f ( x )  4. f ( x )  f ( x )  3 h f ( x )  4. f ( x )  f ( x )
1 1
0 1 2 2 3 4
a
 h f ( x 2 )  4. f ( x3 )  f ( x 4 )
1
3
 ....
 h f ( x n  2 )  4. f ( x n 1 )  f ( x n )
1
3
b
 f ( x)dx  3 h f ( x )  4. f ( x )  2 f ( x )  ...  2. f ( x )  4. f ( xn2 )  f ( xn )

1
0 1 2 n2 (4.13)
a
Contoh soal 4.2

Dengan menggunakan metode Simpson dan interval x  1 tentukan nilai dari:
6
 (4 x  3x 2  8 x  125)dx
3
__________________________________________________________________
Penyelesaian 4.2
Tabel berikut merupakan tabel untuk nilai fungsi f ( x)  4 x 3  3x 2  8x  125
x f(x)
2 -97
3 -14
4 147
5 410
6 799
Dengan metode Simpson diperoleh nilai integral sebagai berikut:

6
 (4 x  3x 2  8 x  125)dx
3
 .1 97  4.  14  2.147  4.410  799

1
3
1 1
 {97  56  294  1640  799}  .2580  860
3 3
4.3 METODE KUADRATUR GAUSS

Pada metode Kuadratur Gauss terjadi transformasi dari variabel x menjadi
variabel z. Sebuah integral f(x) dengan pada interval [a, b] mengalami
transformasi sebagai berikut:
b 1

a
f ( x)dx   g ( z )dz
1
(4.14)
dengan:
2 x  (b  a) (b  a) z  b  a
z atau x (4.15)
ba 2
dan hubungan antar f(x)dan g(z) dapat dinyatakan sebagai berikut:
ba b  a  (b  a) z  b  a 
g ( z)  f ( x)  f  (4.16)
2 2  2 
Maka:
__________________________________________________________________
Dalam domain variabel z, didefinisikan sebuah fungsi linier sebagai berikut:
y  p  q.z (4.17)
Sedemikian rupa sehingga:
1 1
 g ( z)dz   ( p  qz)dz
1 1
(4.18)
maka:
1
 g ( z)dz  2. p
1
(4.19)
Secara visual, persamaan 4.18 di atas dapat dijelaskan dengan gambar berikut,
dimana luasan trapesium dibawah fungsi linier y=p+qz sama dengan luasan area
dibawah fungsi g(z).
Gambar 4.4 Konsep integral dengan metode Kuadratur Gauss
Hasil dari integral persamaan 4.18 di atas didefinisikan dengan:

1
 g ( z)dz  A .g ( z
1
0 0 )  A1 .g ( z1 ) (4.20)
Nilai Ao, A1, z0 dan z1 dapat dicari dengan membuat pendekatan fungsi g(z)
menjadi persamaan polinomial pangkat tiga. Untuk dapat memenuhi persamaan
4.20, maka persamaan polinomial orde 3 tersebut dapat dinyatakan dengan:
g ( z)  p  q.z  ( z  z 0 )( z  z1 )(r  s.z ) (4.21)
__________________________________________________________________
dimana:
1
 (z  z
1
0 )( z  z1 )(r  s.z )dz  0 (4.22)
Persamaan 4.22 ini harus berlaku untuk sembarang nilai r dan s. Dengan
mengambil sampel r= 0 , s=1 dan r= 1 , s=0 maka diperoleh:
1 1
 (( z  z 0 )( z  z1 ) z)dz  0
1
dan  (z  z
1
0 )( z  z1 )dz  0 (4.23)
Hasil dari integrasi kedua persamaan 4.23 tersebut adalah:

2
z 0  z1  0 dan  2.z 0 .z1  0 (4.24)
3
Nilai yang memenuhi kedua persamaan 4.24 tersebut adalah:
1
z1   z 0  (4.25)
3
Gabungan dari persamaan 4.19, 4.20 dan 4.25 menghasilkan:
1
 g ( z)dz  A .g ( z
1
0 0 )  A1 .g ( z1 )  2. p
A0 .( p  q.z 0 )  A1 .( p  q.z1 )  2. p
p( A0  A1 )  q( A0 .z 0  A1 .z1 )  2 p (4.26)
 A  A1 
p( A0  A1 )  q. 0   2 p
 3 
Dengan demikian:
A0  A1  2 dan A0  A1  0 (4.27)
Sehingga: A0  A1  1 (4.28)
Nilai-nilai parameter dari persamaan 4.25 dan 4.28 disubstitusikan ke persamaan
4.20, sehingga diperoleh:
 1   1 
1
 g ( z)dz  g  
1
  g 
3  3
 (4.29)
Dari persmaaan 4.14, 4.16 dan 4.29 maka didapatkan:

 1   1 
b 1

a
f ( x)dx   g ( z )dz  g  
1 
  g 
3  3

__________________________________________________________________
b
ba
f
 
 (b  a)  13  b  a  b  a
 f
 
 (b  a) 13  b  a 

 f ( x)dx 
2  2  2  2 
a    
b
ba  
  (b  a)  3  b  a 
1
f
 
 (b  a) 13  b  a 

 f ( x)dx  f
2  

 
(4.30)
a   2   2 

Persamaan 4.30 ini merupakan persamaan yang digunakan untuk mencari integral
dengan metode Kuadratur Gauss.
Contoh soal 4.3

Dengan menggunakan metode Kuadratur Gauss, tentukan nilai dari:
6
 (4 x  3x 2  8 x  125)dx
3
Penyelesaian 4.3
6
62  
  (6  2)  3  6  2 
1
f
 
 (6  2) 13  6  2 

2 (4 x  3x  8x  125)dx  2  f  
3 2
  
  2   2 

  2   2 
 2 f    4   f   4 
  3   3 
 2 f (2.845)  f (5.155)
 2 31.336  461.336
 2 * 430  860
__________________________________________________________________
BAB V
PERSAMAAN DIFERENSIAL BIASA
Di bidang teknik, pemodelan matematis dari sebuah permasalahan sering

menghasilkan sebuah persamaan diferensial, yang salah satunya adalah persamaan
diferensial biasa. Persamaan diferensial biasa tersebut dinyatakan dalam bentuk
dy
 f ( x, y ) , dimana pada pemodelan tersebut telah diketahui berapa nilai awal
dx
dari x0 yaitu y(x0)=y0.
5.1 DERET TAYLOR

Deret Taylor menyatakan bahwa, sebuah fungsi f(x) dapat dinyatakan
dengan:
f ' ( x0 ) f ' ' ( x0 ) f n ( x0 )
f ( x)  f ( x 0 )  ( x  x0 )  ( x  x0 ) 2  ...  ( x  x0 ) n  ... (5.1)
1! 2! n!
atau dalam bentuk ekspresi lain:
n
y ' y '' y
y  y 0  0 ( x  x 0 )  0 ( x  x 0 ) 2  ...  0 ( x  x 0 ) n  ... (5.2)
1! 2! n!
Semakin tinggi orde deret Taylor yang digunakan, maka persamaan yang
diperoleh semakin akurat.
Contoh soal 5.1
Diketahui sebuah persamaan diferensial
dy 1
 y , dimana diketahui y(0)=1
dx 2
Penyelesaian
1 1
y(0)=1 x0=0 y'  y y ' (0) 
2 2
1 1 1 1
y' '  y' y ' ' (0)  y' ' '  y' ' y ' ' ' (0) 
2 4 2 8
Dengan demikian:
__________________________________________________________________
Deret Taylor orde orde ke-1:
1
y '
y  y 0  0 ( x  x0 )  1  2 ( x  0)
1! 1!
1
y  1 x
2
Deret Taylor orde ke-2:
y0 ' y ''
y  y0  ( x  x0 )  0 ( x  x0 ) 2
1! 1!
1 1
y  1 x  x2
2 8
Deret Taylor orde ke-3:
y0 ' y '' y '''
y  y0  ( x  x0 )  0 ( x  x0 ) 2  0 ( x  x0 ) 3
1! 1! 1!
1 1 1 3
y  1 x  x2  x
2 8 48
1
x
Secara analitis persamaan diferensial tersebut mempunyai penyelesaian y  e 2
Gambar berikut ini menunjukkan perbandingan ketiga persamaan yang didekati
deret Taylor tersebut dengan grafik analitiknya. Dapat dilihat bahwa grafik yang
dibentuk oleh deret Taylor dengan orde yang semakin tinggi, semakin mendekati
grafik analitik.
Gambar 5.1 Perbandingan grafik deret Taylor dengan grafik analitis
__________________________________________________________________
5.1 METODE EULER
Penyelesaian persamaan diferensial dengan metode Euler didasarkan atas
konsep kemiringan garis singgung yang merupakan turunan dari fungsi. Misal,
dy
diberikan sebuah persamaan diferensial  f ( x, y ) , dimana diketahui nilai y di
dx
x=x0 adalah y0.
Misalkan grafik penyelesaian y(x) dan garis singgung pada (xn, yn)
digambarkan sebagai berikut:
Gambar 5.2 Deskripsi konsep metode Euler
Garis singgung pada (xn, yn) tersebut memiliki kemiringan yang nilainya
merupakan nilai turunan fungsi y(x) di x=xn, dimana turunan dari fungsi y(x) di
x=xn pada dasarnya adalah f’(xn , yn). Dengan demikian kemiringan garis singgung
tersebut adalah sebesar f’(xn , yn).Persamaan garis singgung pada (xn, yn) dapat
dinyatakan sebagai berikut:
y  y n  f ' ( xn , y n ).( x  xn )
maka:
y  y n  f ' ( xn , y n )( x  xn ) (5.3)
__________________________________________________________________
Garis tersebut juga melewati titik (xn+1, yn+1). Sehingga jika disubstitusikan ke
persamaan 5.3 menjadi:
y n1  y n  f ' ( xn , y n )( xn1  xn ) (5.4)
dimana ( xn1  xn )  h , sehingga persamaan 5.4 menjadi:
y n1  y n  h. f ' ( xn , y n ) (5.5)

Persamaan 5.5 ini yang digunakan untuk mencari penyelesaian numerik dari
persamaan diferensial biasa.
Contoh soal 5.2

Carilah penyelesaian dengan pendekatan numerik metode Euler sebuah
persamaan diferensial berikut ini:
dy
 2 xy , dimana diketahui y(0)=1 dan gunakan jarak interval h=0.2
dx
Penyelesaian 5.2
n xn yn f(x,y)
0 0 1.00 0.00
1 0.2 1.00 0.40
2 0.4 1.08 0.86
3 0.6 1.25 1.50
4 0.8 1.55 2.49
5 1.0 2.05 4.10
6 1.2 2.87 6.89
7 1.4 4.25 11.90
__________________________________________________________________
catatan:
Jika diselesaikan secara analitik, maka diperoleh solusi dari persamaan diferensial
tersebut, yaitu:
y  ex
2
Gambar berikut ini menunjukkan perbandingan grafik fungsi y(x) yang dihasilkan
oleh metode Euler dan analitik.
Gambar 5.3 Perbandingan grafik y(x) dari metode Euler dan y(x) analitik
Dari gambar tersebut dapat dilihat bahwa grafik y(x) yang dihasilkan dari
metode Euler memiliki error yang semakin besar terhadap nilai y(x) yang
sebenarnya seiring dengan bertambahnya nilai x. Hal ini dikarenakan nilai y(x)
selanjutnya ditentukan berdasarkan nilai y(x) sebelumnya yang pada dasarnya
telah memilki nilai error. Sebagai akibatnya nilai error untuk y(x) selanjutnya
menjadi semakin besar.
Dari kelemahan metode Euler ini, selanjutnya dikembangkan metode
penyelesaian numerik dari persamaan diferensial yang dinamakan metode Runge-
Kutta. Pada dasarnya metode Euler merupakan metode Runge-Kutta orde-1. Pada
sub bab selanjutnya akan dibahas penyelesaian numerik dari persamaan
diferensial dengan metode Runge-Kutta dengan orde yang lebih tinggi.
__________________________________________________________________
5.3 METODE RUNGE KUTTA
5.3.1 Metode Runge-Kutta orde-2
Konsep-konsep penyelesaian numerik dari persamaan diferensial dengan
metode Runge-Kutta orde-2 dapat djabarkan dengan tahap-tahap sebagai berikut:
Pada titik awal misalkan (xn , yn), nilai gradien atau kemiringannya ditentukan
sebagai berikut:
K1  f ( x n , y n ) (5.6)
Nilai y untuk titik kontrol kedua di x=xn+h ditentukan dengan rumus Euler yaitu:
ycontrol  y n  h. f ' ( xn , y n )  y n  h.K1 (5.7)
Sehingga nilai gradien pada titik kontrol kedua adalah:
K 2  f ( xn  h, y n  h.K1 ) (5.8)
Dengan demikian nilai gradien untuk menentukan titik selanjutnya di (xn+1 , yn+1),
adalah merupakan kombinasi dari K1 dan K2 yang dirumuskan dengan:
1
K ( K1  K 2 ) (5.9)
2
Dengan menggunakan rumus Euler, nilai dari ,yn+1 dirumuskan sebagai berikut:
y n 1  y n  h.K
1
y n 1  y n  h. ( K1  K 2 ) (5.10)
2
1
y n 1  y n  h. { f ( x n , y n )  f ( x n  h, y n  h.K1 )}
2
Persamaan 5.10 merupakan persamaan yang digunakan dalam penyelesaian
numerik persamaan diferensial dengan metode Runge-Kutta orde-2.
Contoh soal 5.3

Dengan persamaan diferensial yang sama seperti contoh soal 5.2, yaitu:
dy
 2 xy , dimana diketahui y(0)=1
dx
Carilah penyelesaian dengan pendekatan numerik menggunakan metode Runge-
Kutta orde-2 !
Gunakan jarak interval yang sama yaitu: h=0.2
__________________________________________________________________
Penyelesaian 5.2
n xn yn K1 yn+h.K1 K2 K
0 0 1 0.00 1 0.4 0.20
1 0.2 1.04 0.42 1.12 0.90 0.66
2 0.4 1.17 0.94 1.36 1.63 1.28
3 0.6 1.43 1.71 1.77 2.83 2.27
4 0.8 1.88 3.01 2.49 4.97 3.99
5 1.0 2.68 5.36 3.75 9.01 7.19
6 1.2 4.12 9.88 6.10 17.06 13.48
7 1.4 6.81 19.08 10.63 34.01 26.55
Gambar berikut menunjukkan bahwa pendekatan numerik dengan metode Runge-

Kutta orde-2 memberikan hasil yang lebih akurat dibanding dengan metode Euler.
Gambar 5.6 Penyelesaian numerik dengan Runge-Kutta orde-2 dan Euler
__________________________________________________________________
5.3.2 Metode Runge-Kutta orde-4
Konsep-konsep penyelesaian numerik dari persamaan diferensial dengan
metode Runge-Kutta orde-4 dapat djabarkan dengan tahap-tahap sebagai berikut:
Pada titik awal misalkan (xn , yn), nilai gradien atau kemiringannya ditentukan
sebagai berikut:
K1  f ( x n , y n ) (5.11)
Nilai gradien pengontrol kedua adalah:

1 1
K 2  f ( xn  h, y n  h.K1 ) (5.12)
2 2
Nilai gradien pengontrol ketiga adalah:
1 1
K 3  f ( xn  h, y n  h.K 2 ) (5.13)
2 2
Nilai gradien pengontrol keempat adalah:
1 1
K 4  f ( xn  h, y n  h.K 3 ) (5.14)
2 2
Dengan demikian nilai gradien untuk menentukan titik selanjutnya di (xn+1 , yn+1),
adalah merupakan kombinasi dari K1, K2 ,K3 dan K4 yang dirumuskan dengan:
1
K ( K1  2 K 2  2 K 3  K 4 ) (5.15)
6
Dengan menggunakan rumus Euler, nilai dari ,yn+1 dirumuskan sebagai berikut:
y n 1  y n  h.K
1 (5.16)
y n 1  y n  h. ( K1  2 K 2  2 K 3  K 4 )
6
Persamaan 5.15 merupakan persamaan yang digunakan dalam penyelesaian
numerik persamaan diferensial dengan metode Runge-Kutta orde-4.
__________________________________________________________________
BAB VI
SISTEM PERSAMAAN LINIER
Persamaan linier adalah persamaan yang dibentuk oleh variabel-variabel

yang memiliki pangkat 1 dan faktor pengali berupa konstanta. Contoh dari
persamaan linier adalah 3x-5y=8. Persamaan ini memiliki 2 variabel yaitu x dan y,
dimana masing-masing variabel tersebut berpangkat 1 dan memilki faktor pengali
berupa angka.
Seringkali dalam pemodelan sistem teknik, ditemukan beberapa
persamaan linier yang penyelesaiannya tentu saja harus memenuhi semua
persamaan tersebut. Misalnya x  y  4 dan 3x  2 y  3 , dimana kedua
persamaan linier tersebut memiliki penyelesaian yaitu: x= 1 dan y= 3.
Penyelesaian ini dapat ditempuh dengan mudah yaitu melalui metode substitusi
dan/atau eliminasi yang pengerjaannya dilakukan bertahap secara seri.
Akan tetapi jika ditemukan sebuah sistem persamaan linier dengan
variabel yang lebih banyak, maka penyelesaian secara substitusi ataupun eliminasi
bukanlah metode yang direkomendasikan, karena membutuhkan waktu yang lama
dan beresiko menimbulkan kesalahan yang beruntun jika pada tahap awal terjadi
kesalahan, terlebih lagi jika dilakukan secara manual. Metode yang akan
dijelaskan pada bab ini adalah metode penyelesaian numerik yang dilakukan
secara simultan dan dengan mudah dapat diaplikasikan dalam sebuah simulasi
perhitungan dalam pemrograman komputer.
6.1 METODE ELIMINASI GAUSS-JORDAN

Diberikan sebuah sistem persamaan linier sebagai berikut:
a11 x1  a12 x 2  a13 x3  ...  a1n x n  b1
a 21 x1  a 22 x 2  a 23 x3  ...  a 2 n x n  b2
a31 x1  a32 x 2  a33 x3  ...  a3n x n  b3
....
a n1 x1  a n 2 x 2  a n 3 x3  ...  a nn x n  bn
__________________________________________________________________
Maka sistem persamaan tersebut dibentuk menjadi sebuah matris sebagai berikut:
 a11 a12 a13 ... a1n b1   1 0 0 ... 0 c1  x1  c1
   
a 21 a 22 a 23 ... a 2 n b2   0 1 0 ... 0 c 2  x2  c2
a31 a 23 a33 ... a3n b3    0 0 1 ... 0 c3  maka:  x3  c3
   
 ... ... ... ... ... ...  ... ... ... ... ... ... 
a ... a nn bn   0 0 ... 1 c n  xn  cn
 n1 a n 2 a n3 0
Matriks pada ruang kiri tersebut kemudian ditransformasikan menjadi sebuah

matriks Identitas/I yaitu entri-entri pada diagonalnya bernilai 1 dan entri-entri
yang bernilai nol. Sedangkan nilai entri pada ruang/kolom paling kanan adalah
merupakan penyelesaian dari sistem persamaan tersebut.
Contoh Soal 6.1

Dengan metode Gauss Jordan, carilah penyelesaian dari sebuah sistem persamaan
linier sebagai berikut ini:
2 x1  7 x 2  4 x3  9
x1  9 x 2  6 x3  1
 3x1  8 x 2  5 x3  6
Penyelesaian 6.1
 2  7 4 9 baris1 * 1 2 1 7
2 2 92 
   
1 9  6 1  (1 * baris1baru)  0 25
2  8 7 2 
 3 8 5 6  (3 * baris1baru) 0 5
2 11 39 2 
1 7
2 2 92   ( 7 2 * baris 2baru) 1 0 6
25 
88
25
   
0
25
2  8 7 2  baris 2 * 2 25  0 1 16
25
7
25
0 5
2 11 39 2   ( 5 2 * baris 2baru) 0 0 47
5
94 
5 
1 0 6
25
88 25  ( 6 25 * baris3baru) 1 0 0 4
   
0 1
16
25
7
25  (16 25 * baris3baru)  0 1 0 1
0 0 47
5
94 
5  baris3 * 5 47 0 0 1 2
Maka solusi dari sistem persamaan linier tersebut adalah:

x1  4
x2  1
x3  2
__________________________________________________________________
6.2 METODE GAUSS-JACOBI ITERATION
Diberikan sebuah sistem persamaan linier sebagai berikut:
a11 x1  a12 x 2  a13 x3  ...  a1n x n  b1
a 21 x1  a 22 x 2  a 23 x3  ...  a 2 n x n  b2
a31 x1  a32 x 2  a33 x3  ...  a3n x n  b3
....
a n1 x1  a n 2 x 2  a n 3 x3  ...  a nn x n  bn
Metode Jacobi memproses sistem persamaan di atas menjadi:
b1  a12 x 2  a13 x3  ...  a1n x n
x1 
a11
b2  a 21 x1  a 23 x3  ...  a 2 n x n
x2 
a 22
b3  a31 x1  a32 x 2  ...  a3n x n
x3 
a33
....
bn  a n1 x1  a n 2 x 2  a n 3 x3  ...  a n ,n 1 x n 1
xn 
a nn
Secara umum dapat dinyatakan sebagai berikut :
n
bi   aij x j
i 1
i j
xi  (6.1)
aii
Jika ditemukan aii=0, maka harus dilakukan pengaturan urutan persamaan
linier tersebut sehingga aii  0 .
Metode ini dimulai dengan tebakan awal untuk tiap-tiap x1, x2, x3,.......,xn.
Nilai x1, x2, x3,.......,xn untuk iterasi berikutnya dihitung berdasarkan persamaan 6.1
tersebut, dengan nilai x1, x2, x3,.......,xn yang lain merupakan nilai dari hasil iterasi
sebelumnya.
Contoh Soal 6.2

Dengan metode Gauss Jacobi, carilah penyelesaian dari sebuah sistem persamaan
linier sebagai berikut ini:
__________________________________________________________________
3x1  2 x 2  3x3  7
2 x1  5 x 2  2 x3  7
2 x1  3x 2  4 x3  11
Penyelesaian 6.2
Sistem persamaan tersebut dapat diubah menjadi:
7  2 x 2  3 x3
x1 
3
7  2 x1  2 x3
x2 
5
11  2 x1  3 x 2
x3 
4
Dengan tebakan awal x1  0 , x2  0 , x3  0 , maka diperoleh hasil perhitungan
sebagai berikut:
Iteration x1 x2 x3
0 0.000 0.000 0.000

1 2.333 1.400 2.750
2 0.517 1.567 0.533
3 2.844 1.407 1.317
4 1.954 0.789 0.273
5 2.586 0.727 1.181
6 1.637 0.838 0.911
7 1.981 1.110 1.303
8 1.770 1.129 0.927
9 2.159 1.063 1.018
10 2.024 0.944 0.874
11 2.089 0.940 1.030
12 1.930 0.976 1.001
Dengan 15 kali iterasi, maka
13 1.984 1.028 1.053 diperoleh, hasil penyelesaian
14 1.966 1.028 0.987
x1  2 , x2  1 , x3  1
15 2.032 1.008 0.996
__________________________________________________________________
6.3 METODE GAUSS-SEIDEL ITERATION
Metode Gaus Seidel hampir sama dengan metode Gauss Jacobi.
Perbedaannya hanya terletak pada penggunaan rumus pada persamaan 6.1,
dimana untuk menentukan nilai x1, x2, x3,.......,xn , nilai x1, x2, x3,.......,xn yang lain
diambil dari hasil perhitungan yang terbaru, bukan dari hasil perhitungan iterasi
sebelumnya.
Contoh Soal 6.3
Dengan contoh soal yang sama dengan sebelumnya, carilah penyelesaian dari
sebuah sistem persamaan linier sebagai berikut ini dengan metode Gaus-Seidel!
3x1  2 x 2  3x3  7
2 x1  5 x 2  2 x3  7
2 x1  3x 2  4 x3  11
Sistem persamaan tersebut dapat diubah menjadi:
7  2 x 2  3 x3
x1 
3
7  2 x1  2 x3
x2 
5
11  2 x1  3 x 2
x3 
4
Dengan tebakan awal x1  0 , x2  0 , x3  0 , maka diperoleh hasil perhitungan
sebagai berikut:
Iterasi x1 x2 x3
0 0.000 0.000 0.000
1 2.333 0.467 1.233
2 1.411 1.329 1.048
3 2.171 0.951 0.951
4 2.016 0.974 1.011
5 1.971 1.016 1.002
6 2.008 0.998 0.998
7 2.001 0.999 1.001
Dengan 7 kali iterasi, maka diperoleh, hasil penyelesaian x1  2 , x2  1 , x3  1
__________________________________________________________________
DAFTAR PUSTAKA
Bismo, Setijo, ----, Metode Numerik, Fakultas Teknik Universitas Indonesia,

Jakarta
Kreyszig, Erwin, 1993, Matematika Teknik Lanjutan, Gramedia Pustaka Utama,
Jakarta
Luknanto, Djoko, 2001, Metoda Numerik, Teknik Sipil Universitas Gadjah Mada,
Yogyakarta
Perdana, Abram, 2003, Hand Out MetodeNumerik, Teknik Fisika Universitas
Gadjah Mada, Yogyakarta
__________________________________________________________________

Metode Numerik Nailul PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

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 Nailul PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

HAND OUT MATA KULIAH

Teknik Informatika - Fakultas Teknik

Dalam penyelesaian masalah-masalah di bidang teknik ataupun

Untuk perhitungan dalam iterasi, maka nilai error dirumuskan dengan:

2.1 METODE BISECTION

Gambar 2.1 Contoh fungsi-fungsi yang memiliki akar

Berikut ini adalah langkah-langkah algoritma pemrograman dalam pencarian nilai

Iterasi dihentikan. SELESAI.

Contoh Soal 2.1:

* Secara analitis, persamaan yang dimaksud dapat digambarkan seperti gambar di

Gambar 2.3 Grafik Persamaan f ( x)  2 x 3  5x 2  74 x  112

Gambar 2.4. Pencarian nilai pendekatan akar persamaan

Dalam bentuk umum persamaan di atas dapat dituliskan sebagai berikut:

Contoh Soal 2.2

Gambar 2.5. Pencarian nilai pendekatan akar persamaan

Contoh Soal 2.3

Gambar 2.6 Pencarian nilai pendekatan akar persamaan

Iterasi dihentikan. SELESAI.

Contoh Soal 2.4:

2.5 METODE ITERASI TITIK TETAP (FIXED POINT ITERATION)

Secara visual dapat dijelaskan dengan gambar berikut ini:

Gambar 2.7 Pencarian nilai pendekatan akar persamaan

Contoh Soal 2.5

Interpolasi merupakan suatu pendekatan numerik yang diperlukan untuk

3.1 INTERPOLASI LINIER

Si(x) didefinisikan sebagai persamaan polinomial kuadrat berikut:

Fungsi spline kuadratik S(x) juga harus bersifat kontinyu, maka S i 1 ( xi )  yi .

Dengan menganalogikan persamaan 3.2 dan mensubstitusikan x=xi ke dalamnya:

Contoh Soal 3.2

Persamaan-persamaan tersebut jika ditampilkan dalam grafik adalah sebagai

3.3 INTERPOLASI POLINOMIAL NEWTON

Contoh soal 3.3

sehingga: P2 ( x) P1 ( x)  0( x  2)( x  0)  P1 ( x)  3x  12

816  (5.4 3  5.4 2  7.4  12) 816  384 432

 5 x 3  5 x 2  7 x  12  3( x  2)( x  0)( x  1)( x  2)

3.4 INTERPOLASI METODE TABEL BEDA TERBAGI

Metode Interpolasi ini dilakukan dengan menentukan nilai konstanta yang

Berdasarkan data-data di atas dapat dibentuk beberapa fungsi sebagai berikut:

Contoh Soal 3.5

dengan nilai-nilai fungsi cardinal Li(3) sebagai berikut:

4.1 METODE TRAPEZOIDAL

Dengan demikian luas setiap trapesium dapat dirumuskan dengan persamaan

a f ( x)dx  2  f ( x0 )  2. f ( x1 )  2. f ( x2 )  2. f ( x3 )  ...  2. f ( x n1 )  f ( x n )

Contoh Soal 4.1

4.2 METODE SIMPSON

Gambar 4.3 Konsep integral metode Simpson

Dengan demikian diperoleh:

f ( x i h)  g ( xi  h)  V .(h) 2  W .(h)  f ( xi )  V .h 2  W .h  f ( xi ) (4.6)

Jika persamaan 4.5 dan 4.6 dijumlahkan, maka diperoleh:

2.V .h 3  h f ( xi  h)  2. f ( xi )  f ( xi  h) (4.9)

 f ( x)dx   f ( x)dx   f ( x)dx  ...   f ( x)dx

Berdasarkan persamaan 4.11, maka persamaan 4.12 dapat dijabarkan menjadi:

 f ( x)dx  3 h f ( x )  4. f ( x )  2 f ( x )  ...  2. f ( x )  4. f ( xn2 )  f ( xn )

Contoh soal 4.2

Dengan metode Simpson diperoleh nilai integral sebagai berikut:

 .1 97  4.  14  2.147  4.410  799

4.3 METODE KUADRATUR GAUSS

Gambar 4.4 Konsep integral dengan metode Kuadratur Gauss

Hasil dari integral persamaan 4.18 di atas didefinisikan dengan:

Hasil dari integrasi kedua persamaan 4.23 tersebut adalah:

Dari persmaaan 4.14, 4.16 dan 4.29 maka didapatkan:

Contoh soal 4.3

Di bidang teknik, pemodelan matematis dari sebuah permasalahan sering