Buku Ajar Analisis Numerik-2016-Junaidi - 230220 - 113801

BUKU AJAR
MATA KULIAH
ANALISIS NUMERIK
UNTAD
DISUSUN OLEH :
JUNAIDI, M.Si., Ph.D.
DIBIAYAI OLEH DIPA FMIPA UNIVERSITAS TADULAKO TAHUN 2015

MELALUI SURAT KEPUTUSAN DEKAN NOMOR :
6878/UN.28.1.28/2015, Tanggal 10 September 2015
PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS TADULAKO
PALU, TAHUN 2016
SAMBUTAN DEKAN FMIPA UNTAD
Bismillahirrahmanirrahim. Assalamualaikum Warahmatullahi Wabarakatuh.

Segala puji hanyalah milik Allah SWT., syukur Alhamdulillah atas segala rahmat dan
hidayah-Nya yang tercurahkan kepada kita semua sehingga buku penuntun praktikum
ini dapat terselesaikan. Kami memberikan apresiasi setinggi-tingginya kepada para
dosen FMIPA UNTAD yang telah meluangkan waktu dan pikiran serta
kesungguhannya untuk menyelesaikan penulisan buku penuntun ini, sebagai upaya
dalam meningkatkan ketersediaan buku penuntun praktikum terutama untuk
mahasiswa. Buku penuntun ini disusun dengan tujuan untuk membantu dan menuntun
para mahasiswa dalam melaksanakan praktikum sesuai mata kuliah yang
diprogramkan.
Sejak tahun 2010 hingga 2015, Dekan FMIPA UNTAD telah mengalokasikan
pendanaan melalui DIPA FMIPA UNTAD untuk penyusunan buku penuntun
praktikum. Pada tahun 2016 kini, Dekan Fakultas MIPA masih memberikan
kesempatan kepada para dosen untuk menyusun buku penuntun praktikum melalui
pendanaan DIPA - FMIPA, dengan harapan bahwa pada tahun-tahun selanjutnya,
semua mata kuliah dapat mempunyai buku penuntun praktikum sebagai kebutuhan
utama mahasiswa.
Buku penuntun praktikum ini, masih merupakan langkah awal para dosen FMIPA
UNTAD dalam penyediaan salah satu bahan ajar, dengan harapan besar bahwa
penyusunan buku penuntun praktikum pada kesempatan tahun mendatang akan lebih
terarah pada peningkatan kualitas pembelajaran di FMIPA UNTAD.
Semoga buku penuntun praktikum ini dapat bermanfaat semaksimal mungkin,

mengantarkan para mahasiswa FMIPA UNTAD menjadi sarjana yang cerdas dan
berakhlak mulia, yang akan menjadi roda penggerak pembangunan kemajuan bangsa
Indonesia di masa mendatang, dengan ridho Allah SWT., Aamiin.
Palu, Agustus 2016
Dekan FMIPA UNTAD
ii
HALAMAN PENGESAHAN
BUKU AJAR
MATA KULIAH
ANALSIS NUMERIK
DISUSUN OLEH :
1. Nama : Junaidi, S.Si. M.Si, Ph.D

NIP / NIDN : 197402262000121001
Pangkat / Golongan : Penata TKI / IIId
Jabatan : Lektor Kepala
Jurusan / Program Studi : Matematika / Statistika
2. Nama
NIP / NIDN
Pangkat / Golongan
Jabatan
Jurusan / Program Studi
Palu, 25 Mei 2016

Mengetahui, Mengesahkan,
Dekan FMIPA UNTAD Ketua Jurusan Matematika
Dr. M. Rusydi H., M.Si. Junaidi, M.Si., Ph.D

NIP. 196311131992031001 NIP. 197402262000121001
iii
KATA PENGANTAR
Dalam proses kegiatan belajar mengajar, salah satu sarana untuk memperlancar
kegiatan tersebut adalah tersedianya buku ajar sebagai sumber informasi , baik yang bersifat
wajib maupun penunjang dalam mata kuliah yang diajarkan. Karena sampai saat ini kami
merasa masih perlu Adanya Buka Ajar guna memperlancar proses pembelajaran, sejalan
dengan pernyataan di atas kami selaku penulis berusaha untuk menyusun buku ajar tersebut,
khususnya dalam Analisis Numerik
Buku ajar ini diberi judul “Analisis Numerik” yang secara garis besarnya membahas
tentang materi- materi analisis numeric yang dibahas secara matematis. Oleh karena itu, untuk
mempelajari buku ajar ini diharapkan para mahasiswa sudah mempunyai bekal tentang materi-
materi yang berkaitan dengan matematika, terutama kalkulus 1 dan metode statistika.
Dalam menyusun buku ajar ini, kami selaku penulis sudah berusaha semaksimal
mungkin agar diperoleh hasil yang baik. Akan tetapi, penulis yakin bahwa dalam buku ajar
ini masih terdapat kekurangannya. Karena itu, kami selaku penulis mengharapkan adanya
masukan- masukan dari pembaca untuk lebih menyempurnakan isi buku ajar ini.
Akhirnya kami selaku penulis mengharapkan mudah- mudahan buku ajar ini bisa
bermanfaat bagi kita semua.
Palu, Agustus 2016
Penyusun
iv
DAFTAR ISI
SAMBUTAN DEKAN FMIPA UNTAD ......................................................................... ii
HALAMAH PENGESAHAN ........................................................................................... iii
KATA PENGANTAR ....................................................................................................... iv

DAFTAR ISI..................................................................................................................... v
BAB I PENGANTAR ANALISIS NUMERIK ............................................................... 1
1.1. Pengertian Metode Numerik ......................................................................... 1

1.2. Perbedaan Metode Numerik dan Analsis Numerik ........................................ 2
BAB II GALAT................................................................................................................. 8
2.1. Galat Dalam Perhitungan Numerik ................................................................ 8

2.2. Penghitungan galat ......................................................................................... 11
2.3. Bilangan Titik Kambang Ternormalisasi…………………………………………. 12
BAB III LOKALISASI AKAR: METODE BAGI DUA, METODE POSISI PALSU……….. 14
3.1. Metode Bagi Dua ( Bisection Method) ............................................................... 15

3.2. Metode Posisis Palsu ( Regula Falsi) .................................................................. 19
BAB IV METODE NEWTON RAPHSON,METODE SECANT……………………… 22
4.1. Metode Iterasi Titik Tetap................................................................................. 22
4.2. Metode Newton-Raphson ................................................................................. 26
4.3. Metode Garis Potong (Secant)........................................................................... 29
BAB VSISTEM PERSAMAAN LINIER SEGITIGA ATAS, SISTEM PERSAMAAN
LINIERDAN SEGITIGA BAWAH, ELIMINASI GAUSS ……………………………… 32
5.1. Tinjauan Ulang Matrik ...................................................................................... 32

5.2. Sistem Persamaan Linear Segitiga Atas ............................................................. 34
5.3. Sistem Persamaan Linear Segitiga Bawah.......................................................... 36
5.4. Eliminasi Gauss ............................................................................................... 36
BAB VI FAKTORISASI SEGITIGA DAN METODE CHOLESKY……………………….. 43

6.1. Faktorisasi Segitiga ........................................................................................ 43
6.2. Metode Cholesky.............................................................................................. 45
BAB VII METODE JACOBI DAN GAUSS-SEIDEL……………………………………….. 47

7.1. Metoda Iterasi Jacobi………………………………………………………………. 47
v
7.2. Metoda Iterasi Gauss-Seidel……………………………………………………… 50
7.3. Iterasi SOR……………………………………………………………………….. 52
BAB VIII INTERPOLASI BEDA-BEDA HINGGA, BEDA MAJU DAN MUNDUR NEWTON
8.1. Interpolasi dengan tabel Beda Hingga ................................................................ 54
8.2. Interpolasi linear dan Kuadrat ........................................................................... 56
8.3. Interpolasi Beda Maju dan Beda Mundur Newton…………………………………. 58
BAB IX INTERPOLASI BEDA TERBAGI NEWTON DAN INTERPOLASI LAGRANGE 61
9.1. Polinom Interpolasi Beda terbagi Newton .......................................................... 61
9.2. Interpolasi Lagrange ......................................................................................... 63
BAB X DIFERENSIAL NUMERIK………………………………………………………….. 65

10.1. Persoalan Turunan Numerik ........................................................................... 65
10.2. Tiga Pendekatan dalam Menentukan Turunan Numerik..................................... 65
10.3. Penurunan Rumus dengan Deret Taylor ......................................................... 66
10.4. Rumus untuk Turunan Kedua, dengan bantuan Deret Tayloa .................. 69
10.5. Penurunan Rumus Turunan Numerik dengan Polinom Interpolas……………… 70
10.6. Menentukan Orde Galat ………………………………………………………… 72
BAB XI INTEGRAL NUMERIK………………………………………………………………. 76

11.1. Persoalan Integrasi Numerik ............................................................................ 77
11.2Metode Pias...................................................................................................... 78
11.3. Metode Newton-Cotes .................................................................................... 81
BAB XII KUADRATUR GAUSS-LEGENDRE, TRANSFORMASI INTERVAL

UNTUK GAUSS LEGENDRE………………………………………………………………… 89
12.1. Metode Integrasi Gauss………………………………………………………… 89
12.2. Transformasi Interval…………………………………………………………… 91
12.3. Integrasi Kuadratur-Gauss Legendre……………………………………………. 93
BAB XIII PERSAMAAN DIFERENSIAL NUMERIK: METODE EULER
DAN METODE HEUN…………………………………………………... 95
13.1. Metode Euler .............................................................................................. 95
13.2. Metode Heunn ............................................................................................. 98
BAB XIV METODE RUNGE-KUTTA DAN EKSTRAPOLASI RICHARDSON 101

14.1. Metode Runge-Kutte .................................................................................... 101
14.2. Ekstrapolasi Richardson................................................................................ 102
DAFTAR PUSTAKA ......................................................................................................... 108
vi
BAB I
PENGANTAR ANALISIS NUMERIK
Tujuan Instruksional Umum (TIU) : Setelah menyelesaikan perkuliahan ini, diharapkan mahasiswa
dapat menggunakan dan menginterpretasikan beberapa analisa
numeric berserta algoritmanya kepada berbagai masalah yang
berhubungan dengan masalah numerik.
Tujuan Instruksional Khusus (TIK) :Mahasiswa diharapkan mampu :
(1) Mengetahui dan memahami pengertian apa yang

dimaksud dengan analisis numerik
(2) Mengetahui perbedaan antara metode analitik dan metode
numerik
(3) Mengetahui kenapa analisis numerik perlu dipelajari
(4) Mengetahui langkah- langkah penyelesaian persoalan
numerik
1.1 Pengertian Metode Numerik
Secara etimologi, metode artinya cara sedangkan numerik adalah angka, sehingga metode
numerik berarti cara berhitung menggunakan angka-angka. Secara umum, Metode Numerik
diartikan sebagai teknik yang digunakan untuk memformulasikan persoalan matematik
sehingga dapat dipecahkan dengan operasi perhitungan aritmatika biasa (tambah, kurang, kali
dan bagi).
Mengapa menggunakan Metode Numerik?
Beberapa Alasan menggunakan Metode Numerik
 Sebagai alat bantu pemecahan masalah matematika yang sangat ampuh, seperti mampu
menangani sistem persamaan linear, ketidaklinearan dan geometri yang rumit, yang
dalam masalah rekayasa tidak mungkin dipecahkan secara analitis.
 Mengetahui secara singkat dan jelas teori matematika yang mendasari paket program.
 Mampu merancang program sendiri sesuai persalahan yang dihadapi pada masalah
rekayasa.
Junaidi, M.Si.,Ph.D 1
 Metode numerik cocok untuk menggambarkan ketangguhan dan keterbatasan komputer
dalam menangani masalah rekayasa yang tidak dapat ditangani secara analitis.
 Menangani galat suatu nilai hampirandari masalah rekayasa yang merupakan bagian dari
paket program yang berskala besar.
 Menyediakan sarana memperkuat pengetahuan matematika, karena salah satu
kegunaannya adalah menyederhanakan matematika yang lebih tinggi menjadi operasi-
operasi matematika yang mendasar
Banyak persoalan dalam berbagai ilmu pengetahuan seperti fisika, kimia, ekonomi, teknik
dan sebaginya yang menggunakan model matematika. Seringkali model tersebut muncul
dalam bentuk yang tidak ideal atau rumit. Model rumit tersebut adakalanya tidak dapat
diselesaikan dengan metode analitik yang sudah umum untuk mendapatkan solusi sejatinya
(exact solution)
Contoh 1
1. Tentukan akar-akar persamaan polynomial
2. Tentukan harga x yang memenuhi persamaan:
√
√
3. Hitung nilai integral tentu berikut
∫ (√( ) )
Metode Analitik vs Metode Numerik
 Pada contoh 1, menunjukan bahwa beberapa permasalahan matematika tidak dapat

diselesaikan dengan metode analitik.
 Metode analitik disebut juga sebagai metode sejati karena memberikan solusi sejati
(exact solution) atau solusi sesungguhnya, yaitu solusi yang memiliki galat (error)
sama dengan nol.
 Metode analitik hanya unggul untuk sejumlah persoalan terbatas, yaitu persoalan yang
berdimensi rendah,
 Padahal persoalan yang muncul dalam dunia nyata seringkali tak- linier serta
melibatkan bentuk dan proses yang rumit. Sehingga penyelesaian dengan metode
analitik menjadi terbatas.
Perbedaan antara metode analitik dan metode numerik terletak pada cara memperoleh solusi.
Metode analitik langsung memperoleh solusi sejati. Metode numerik memperoleh hasil
dengan mengahampiri atau mendekati solusi sejati, sehingga sering disebut sebagai solusi
hampiran (approximation) atau solusi pendekatan. Solusi hampiran jelas tidak sama dengan
solusi sejati, sehingga ada selisih diantara keduanya, selisih inilah yang disebut dengan galat
(error).
Sebagai ilustrasi penyelesaian dengan metode numerik, perhatikan contoh berikut.
Contoh 2
Carilah hasil dari ∫
Dengan metode analitik diperoleh solusi sejati
∫ [ + [ ( ) ]
Perhatikan bahwa adalah solusi analitik dalam bentuk fungsi matematik,
sedangkan adalah nilai numeric integral tentu yang diperoleh dengan cara mengevaluasi
fungsi matematik pada batas integrasi x = -1 dan x = 1
Dengan metode numerik, diselesaikan dengan interpretasi geometri integral dari

x = a sampai x = b adalah luas daerah yang dibatasi oleh kurva sumbu- x, dan garis x = a,
dan x = b.
Luas daerah dapat dihampiri dengan cara membagi daerah interasi [-1, 1] atas sejumlah
trapesium (dipilih lebar 0.5)
Sehingga diperoleh
{[ ( )] } {[ ( ) ] } {[ ( )] }
{[ ( ) ] }
{ ( ) ( ) } { }
Diperoleh solusi hampiran 7.25 ( tanda “≈” artinya “kira-kira”) terhadap solusi sejati 22/3.
Galat solusi hampiran terhadap solusi sejati adalah
| | | |
Galat dapat diperkecil dengan membuat trapesium yang lebih kecil (yang artinya
jumlah trapesium semakin banyak, sehingga jumlah komputasi semakin banyak)
Tahap Pemecahan Persoalan Secara Numeris

1. Pemodelan
2. Penyederhanan Model
3. Formulasi Numerik
a. menentukan metode numerik yang akan dipakai, bersama dengan analisis error
awal.
b. Pertimbangan pemilihan metode
 Apakah metode tersebut teliti?
 Apakah metode mudah diprogram, dan waktu pelaksanaannya cepat?
 Apakah metode tersebut peka terhadap ukuran data.

c. Menyusun algoritma dari metode numerik yang dipilih.
4. Pemrograman (translate algoritma program komputer)

5. Operasional pengujian program dengan data uji
6. Evaluasi intepretasi output, penaksiran kualitas solusi numerik, pengambilan
keputusan untuk menjalankan program guna memperoleh hasil yang lebih baik.
1.2 Perbedaan Metode Numerik dengan Analisis Numerik
Metode adalah algoritma, menyangkut langkah-langkah penyelesaian persoalan secara

numeric, sedangkan Analisis numerik adalah terapan matematika untuk menganalisis metode.
(Munir, 2003)
Pada analisa numerik, pangkajiannya mendalam dan relevansi dengan kenyataan

kurang diperhatikan. Sedangakan metode numerik, yang dipentingkan adalah memenuhi
kebutuhan metode untuk memenuhi masalah yang timbul dalam kenyataan (Sangaji, 2008)
Materi yang akan dipelajari dalam Analisi Numerik
1. Solusi Persamaan Non-linier Dicari x sehingga f(x) = 0
2. Solusi Sistem Persamaan Linier

Selesaikan sistem persamaan linier seperti
a11 x1 + a12 x2 = c1
a21 x1 + a22 x2 = c2
untuk harga-harga x1 dan x2 .
3. Interpolasi Polinomial Diberikan titik-titik (x0 , y0 ), (x1 , y1 ), ..., (xn , yn ). Tentukan
polinom pn (x) yang melalui semua titik tersebut
4. Turunan Numerik
Diberikan titik (xi, yi) dan titik (xi+1 , yi+1 ). Tentukan
5. Integrasi Numerik
6. Solusi Persamaan Diferensial Biasa dengan nilai awal
Diberikan dan nilai awal
Tentukan nilai y(xt ) untuk xt ∈ R
1.3 Soal Latihan
1. Buatlah suatu kajian literature manfaat mempelajari analisi numeric diberbagai bidang
baik sains, rekayasa maupun informatika
2. Carilah hasil integral berikut, dengan metode analitik dan metode numerik, juga galatnya.
3. ∫
4. ∫
BAB II
GALAT
dapat menggunakan dan menginterpretasikan beberapa analisa
numeric berserta algoritmanya kepada berbagai masalah yang
berhubungan dengan masalah numeric.
(1) Mengetahui definisi dan jenis-jenis galat

(2) Mengetahui bagaimana menghitung galat
Didalam analasis numerik selalu digunakan nilai hampiran untuk mencari nilai atau
solusi numerik. Nilai hampiran inilah yang memunculkan galat atau error. Error atau galat
terjadi karena beberapa sebab :
1. dari pengamatan
2. dari pengabaian sesuatu
3. dari alat yang digunakan
4. dari metode numeris yang digunakan
2.1 Macam-macam galat dalam penghitungan numerik :
1. Galat bawaan, terjadi karena kekeliruan dalam menyalin data, salah membaca skala,
atau karena kurangnya pengertian mengenai hukum- hukum fisik dari data yang
diukur.
2. Galat pembulatan (round-off error), terjadi karena tidak diperhitungkannya beberapa
angka terakhir dari suatu bilangan. Sebagai contoh, 3.1415926 dapat dibulatkan
menjadi 3.14.
Atau galat pembulatan adalah galat yang ditimbulkan dari keterbatasan komputer
dalam menyajikan bilangan real.contoh : = 0,1666...,kKomputer tidak dapat
menyatakan secara tepat jumlah dari digit 6. Komputer hanya mampu

mempresentasikan sejumlah digit atau bit (1 byte = 8 bit)
3. Galat Pemotongan (Truncation Error)
Galat ini mengacu pada galat yang ditimbulkan akibat penggunaan hampiran sebagai
pengganti solusi eksak. Galat pemotongan bergantung pada metode komputasi yang
digunakan, sehingga galat ini juga disebut galat metode.
Contoh
Nilai hampiran galat pemotongan

pemotongan
atau
Galat pemotongan (truncation error), terjadi karena tidak dilakukannya hitungan sesuai
dengan prosedur matematik yang benar.
Sebagai contoh, turunan pertama dari V (t) terhadap t dihitung dengan prosedur
Contoh lain yaitu pengambilan beberapa suku awal dari deret Taylor:
dengan
∈[ ]
Dari deret Taylor di atas, dipunyai hampiran orde-0:
Hampiran orde-1
Hampiran orde-2
Contoh
Diberikan fungsi
Turunan pertama dan kedua dari f (x) berturut-turut yaitu
Dimulai dari dan
Diperoleh hampiran orde 1 adalah
Hampiran orde 2 adalah
4. Galat total
Atau galat akhir pada solusi numerik. Merupakan jumlah galat pemotongan dan galat
pembulatan.
Contoh
Galat pemotongan galat pembulatan
Catt
2.2Penghitungan galat
Untuk galat pembulatan dan pemotongan, hubungan antara hasil yang eksak dengan
hampiran dapat dirumuskan oleh
Nilai sejati (eksak) = hampiran + galat
Dengan menyusun kembali persamaan di atas, diperoleh
Galat didefinisikan sebagai : ̂
Keterangan:
: dibaca epsilon : galat/error
: nilai sejati(true value) :
̂: nilai hampiran (approximation value)
Galat Relatif yaitu ukuran galat terhadap nilai sejatinya.
Galat relatif dapat juga dikalikan dengan 100% agar dapat dinyatakan sebagai
Keterangan
Contoh
Dipunyai nilai π = 3,14159265...
Nilai hampiran = 22/7 = 3,1428571...
Sehingga galatnya adalah : ε = 3,14159265 - 3,1428571 = - 0,00126
Lengkapi tabel berikut
a ̂
3,141592 3,14
2.000.000 2.000.004
0,000012 0,000015
Bilangan Titik Kambang
Format bilangan real di komputer berbeda-beda bergantung pada perangkat keras dan
penerjemah bahasa pemrograman. Bilangan real di dalam komputer umumnya disajikan dalam
format bilangan titik kambang
Keterangan:
m = mantis (rill) B = basis sistem bilangan yang di pakai (2, 8, 10, dst)
P = pangkat (berupa bilangan bulat)
Contoh:
Bilangan rill 245,7654 dinyatakan sebagai 0,2457654 x 10 3 atau bisa juga ditulis
0,2457654E03
2.3 Bilangan Titik Kambang Ternormalisasi

Represensitatif bilangan titik kambang bisa beragam sebagai contoh kita dapat
menuliskan sebagai
=± ᴾ⁻¹
Misalnya 245,7654 dapat dituliskan sebagai 0,2457654 x 10 3 atau 2,457654 x 102 atau
0,02457654 x 104 dst. Agar bilangan titik kambang dapat disajikan seragam, maka digit
pertama mantis tidak boleh “0”.
Bilangan titik kambang yang di normalisasi ditulis sebagai:
ᴾ ᴾ
dimana d1, d2 ,d3 ... dn adalah digit matriks terhadap syarat
untuk k>1
1. Pada syarat desimal: 1 ≤ dx ≤ 9 dan 0 ≤ dx ≤ 9
2. Pada sistem biner: d = 1 dan 0 ≤ dx ≤ 1
Contoh:
1. 0,0563 x 10-3 dinormalisasi menjadi 0,563 x 10-4
2. 0,00023270 x 106 dinormalisasikan menjadi 0,23270 x 103
Angka signifikan adalah angka-angka yang menyatakan suatu bilangan. Misalnya

3,1416 (mempunyai 5 angka signifikan), 30,2013 (6 angka signifikan), 0,021 (2 angka
signifikan), 10,003 (5 angka signifikan)
2.4 Soal Latihan
1. Bulatkan hingga ke-4 angka signifikan dari bilangan-bilangan berikut:

a. 1.285216
b. 0.0321672
c. 6.242567
d. 3.245531
2. Hitunglah galat ( dan galat relative ( pada angka yang signifikan dengan
masing-masing hampiran berikut ini:
a. Nilai sejati x = 2.71838182 dihampiri dengan nilai hampiran ̅
b. Nilai sejati x = 98750 dihampiri dengan nilai hampiran ̅
c. Nilai sejati √ dihampiri dengan nilai hampiran ̅
3. Hitunglah kesalahan yang terjadi dari nilai dengan x = 0,5, apabila hanya
diperhitungkan 6 suku pertama. Nilai sejati dari
4. Hitunglah nilai hampiran cos 0.2 dengan deret Taylor sampai suku orde ke n = 6
(sampai 7 angka dibelakan koma)
5. Hampiri fungsi f(x) = sin (x) ke dalam deret Taylor orde 4 di sekitar =1
BAB III
LOKALISASI AKAR: METODE BAGI DUA, METODE POSISI PALSU
dapatMengetahui metode- metode pencarian akar dari
persamaan tak linear, Mengetahui metode- metode
pencarian akar dari persamaan tak linear serta
mengaplikasikan metode- metode pencarian akar untuk
persamaan yang sama
(1) Mengetahui dan memahami metode bagi dua dalam

menentukan lokasi akar
(2) Mengetahui dan memahami metode posisi palsu
lokasi akar
(3) Mengetahui perbedaan antara metode bagu dua dan metode
posisi palsu
Dalam matematika terapan kita sering mencari penyelesaian persamaan untuk , yakni
bilangan-bilangan x=1 sedemikian hingga sehingga ; adalah fungsi tak
linier dan r yang memenuhi disebut akar persamaan atau titik 0 fungsi tersebut.
1. Persamaan Aljabar
Contoh:
1) Persamaan Polinom Berordo > 2
ⁿ+ −1 ⁿ−1+ + ₂ 2 + ₁ + ₀=0 Dengan ≠0, >0
2) Persamaan Rasional
dengan P, R, T, A, v konstanta
2. Persamaan Transenden, adalah persamaan yang mengandung fungsi- fungsi trigonometri
algoritma atau eksponen.
Contoh:
1) e-x + sin(x) = 0
2) lnx – 2 = 0
3. Persamaan Campuran, mengandung baik persamaan polinom maupun persamaan
transenden.
Contoh:
1) x2 sin x + 3 = 0
2) x3 + ln x = 0
Dari contoh di atas tentukan bahwa rumus-rumus yang memberikan nilai eksak dari
penyelesaian secara eksplisit hanya akan ada untuk kasus-kasus yang sederhana. Dalam
banyak hal kita harus menggunakan metode- metode hampiran khususnya metode- metode
iterasi.
Metode iterasi numeris adalah metode dimana kita memilih sesuatu (x0 ) sebagai tebakan awal
dan secara beruntun menghitung barisan nilai hampiran nilai (x0 ), (x1 ) dan seterusnya secara
reprosif dari relasi berbentuk xn+1 =g(xn ); n=0,1,3 dengan g didefinisikan dalam selang
yangmemuat (x0 ) dan rentang terletak dalam selang tersebut,jadi sec ara beruntun kita
menghitung. Dari runtunan di atas diinginkan bahwa hampiran tersebut membentuk suatu
barisan yang konvergen. Metode iterasi secara khas cocok untuk komputer karena metode ini
melibatkan suatu proses.
Ada 4 metode dasar untuk memecahkan persamaan non linier yang dikelompokan atas metode
terbuka(selalu konvergen) dan metode- metode terututup(tidak selalu konvergen). Keempat
metode ini adalah: 1. Metode Bagi Dua ( Bisection Method), 2. Metode Posisis Palsu (Regula
Falsi), 3. Metode Newton-Rhapson, 4. Metode secant. Pada Bab ini akan di bahas dua metode
yaitu 1. Metode Bagi Dua ( Bisection Method), 2. Metode Posisis Palsu (Regula Falsi),
3.1 Metode Bagi Dua ( Bisection Method)
Pencarian lokasi akar
( i ) Grafik Tunggal
( ii ) Grafik Ganda
(iii) Tabulasi F(x)=x ln (x) 1
x F(x)
0,5 -1,34
1 -1
1,5 -0.39
2 0,38
2,5 1,29
Terdapat akar pada ( 1,5 ; 2)
Metode bagi dua mengasumsikan bahwa fungsi adalah kontinu pada interval
[a1 ; b1 ],serta f (a1 ) dan f (b1 ) mempunyai tanda berlawanan, artinya f (a 1 ). f (b1 ) < 0.
Karenaitu terdapat minimal satu akar pada interval [a 1 ; b1 ].Idenya adalah interval selalu
dibagi dua sama lebar. Jika fungsi berubah tanda sepanjang suatu subinterval, maka letak
akarnya kemudian ditentukan ada di tengah-tengahsubinterval. Proses ini diulangi untuk
memperoleh hampiran yang diperhalus.
Dicatat bahwa terdapat beberapa kriteria penghentian pencarian akar jika diberikansuatu
toleransi keakuratan , yaitu
Proses terus diulang dengan membagi dua selang tersebut dan memeriksa setengah selang
yang sama yang mengandung akar. Pembagi-duan selang ini dilanjutkan sampai lebar selang
yang ditinjau cukup kecil.
Penentuan setengah selang yang mengandung akar dilakukan dengan memeriksa tanda dari
hasil kali atau .
Dalam algoritma digunakan peubah-peubah

sebagai ujung kiri selang
sebagai ujung kanan selang
sebagai titik tengah
Proses untuk metode bagi dua diberikan seperti dalam Algoritma 1.
Contoh
Selesaikan persamaan pada interval [1, 2] menggunakan metode bagi dua sampai
lima iterasi.
Penyelesaian
Iterasi 1
Sehingga
Ujung kiri selang digeser (
Iterasi 2.
| | | |
Sehingga
Ujung kanan selang digeser (
Iterasi 3.
Sehingga
Iterasi 4
Sehingga
Ujung jiri selang digeser (
Iterasi 5
3.2 Metode Posisis Palsu ( Regula Falsi)

Metode posisi palsu adalah metode pencarian akar persamaan dengan memanfaatkan
kemiringan dan selisih tinggi dari dua titik batas interval yang mengurung akar. Metode ini
merupakan salah satu alternatif untuk mempercepat konvergensi.
Prinsip: Di sekitar akar fungsi yang diperkirakan, anggap fungsi merupakangaris lurus. Titik
tempat garis lurus itu memotong garis nolditentukan sebagai akar fungsi
Gambar 2. Ilustrasi grafis untuk akar hampiran dalam metode posisi palsu
Metode posisi palsu memanfaatkan wawasan grafis ini dengan cara menetapkan hampiran
akar sebagai perpotongan antara garis yang melalui titik-titik ( [ ] [ ]
dengan sumbu x.
Andaikan titik potong tersebut adalah maka akar akan terletak pada selang atau
. Selanjutnya menentukan selang mana yang mengandung akar menggunakan cara
sama seperti pada metode bagi-dua.
Idenya adalah menghitung akar (yang merupakan titik ujung interval baru) yang merupakan
absis untuk titik potong antara sumbu x dengan garis lurus yang melalui keduatitik yang
absisnya adalah titik-titik ujung interval lama. (Gambar 2) Rumus untuk mencari akar adalah
sebagai berikut.
Diasumsikan bahwa fungsi f(x) adalah kontinu pada interval [an; bn], dan f (an) . f (bn) < 0.
Garis yang melalui titik (an; f (an))dan (bn; f (bn)) mempunyai persamaan
Garis memotong sumbu x jika y = 0, sehingga diperoleh titik absis sebagai hampiran
akar yaitu
Proses untuk metode posisi palsu adalah seperti metode bagi dua tetapi penghitungan
xn menggunakan rumus 1)
Algoritma
Misalkan dipunyai sebuah interfal [a, b] yang memenuhi dan sebuah
toleransi galat maka Regulasi-Falsi dapat dicari dengan langkah-langkah sebagai berikut :
2. Jika | | maka adalah akar dan proses selesai.

3. Jika maka adalah ( . Untuk kondisi yang lain ( jika kondisi
Contoh
Selesaikan persamaan pada interval [1, 2] menggunakan metode posisi palsu

sampai lima iterasi
Penyelesaian. Berikut ini adalah tabel penyelesaian sampai lima iterasi.
Jadi pada iterasi ke-6 diperoleh akar hampiran x = 1:7320 dengan f (x) = -0:0000044.
Proses penyelesaian
Iterasi 1
= 1.66667
Sehingga
Jadi yang digeser ke Ujung kanan
Begitu seterusnya
3.3 Soal Latihan
1. Terapkan metode bagi-dua untuk menentukan salah satu akar persamaan

pada interval [1,2]
2. Selesaikan persamaan pada interval [1, 2] menggunakan
a. Metode bagi dua sampai lima iterasi.
b. Metode posisi palsu sampai 7 iterasi
BAB IV
METODE ITERASI TITIK TETAP, METODE NEWTON RAPHSON,

METODE SECANT
dapatMengetahui metode- metode pencarian akar dari
persamaan tak linear, Mengetahui metode- metode
pencarian akar dari persamaan tak linear serta
mengaplikasikan metode- metode pencarian akar untuk
persamaan yang sama
(1) Mengetahui dan memahami metode iterasi titik tetap

(2) Mengetahui dan memahami metode Newton Raphson
(3) Mengetahui dan memahami metode Secant
(4) Mengetahui perbedaan antara metode iterasi titik tetap,
Newton Raphson dan metode Secant.
4.1 Metode Iterasi Titik Tetap

Metode iterasi titik tetap adalah metode yang memisahkan x sedemikian sehinggaf (x) =
0 ekivalen dengan x = g(x). Selanjutnya p adalah suatu akar dari f (x) jikahanya jika p adalah
suatu titik tetap dari g (x). Kita mencoba untuk menyelesaikanx = g (x) dengan menghitung
dengan menggunakan tebakan awal x0. Ilustrasi grafis untuk penyelesaian xn diberikanoleh
Gambar berikut:
Proses untuk metode bagi dua diberikan seperti dalam Algoritma 2.
Gunakan metode iterasi titik tetap sampai lima iterasi untuk menyele-
Saikan dengan tebakan awal .
Penyelesaian. Persamaan dapat diubah ke beberapa bentuk:
Penyelesaian untuk kasus 3

Iterasi 1
| |
Berikut ini adalah penyelesaian sampai lima iterasi untuk ketiga kasus.
n
Kasus 1 Kasus 2 Kasus 3
0 1,5 1.5000 1.5
1 2 2.2500 1.875
2 1,5 0.1875 1.6172
3 2 3.1523 1.8095
4 1,5 -3.7849 1.6723
5 2 -15.1106 1.7740
Terlihat bahwa Kasus 1 dan Kasus 2 adalah divergen, tetapi Kasus 3 adalah konvergen.
Berikut ini diberikan kriteria kekonvergenan dari metode iterasi titik tetap.
Teorema
| |
Bukti
Misalkan adalah akar sejati dari maka
| | | | | | | |
Berdasarkan teorema Nilai Rata-rata. Diperoleh
| | | | | | | |
Kita mencatat:
1. Telah ditunjukan bahwa | | | | , yang berarti metode iterasi titik
tetap adalah konvergen secara linier
2. Karena | | , kita akan memilih fungsi iterasi sedemikian sehingga
| | adalah kecil
Dari contoh sebelumnya √ , maka
Kasus 1: | |
Kasus 2: | |
Kasus 3: | |
Dalam MatLab, Algoritma 2 untuk metode iterasi titik tetap diimplementasikan dalamfungsi
TitikTetapberikut ini.
4.2 Metode Newton-Raphson
Metode Newton-Raphson adalah metode pendekatan yang menggunakan satu titik

awaldan mendekatinya dengan memperhatikan kemiringan kurva pada titik tersebut.
Penjelasan grafis mengenai metode ini adalah seperti dalam Gambar 3.4.
Prinsip:
Buat garis singgung kurva f(x) di titik di sekitar akar fungsi.Titik tempat garis singgung itu
memotong garis nol ditentukansebagai akar fungsi.

Diasumsikan bahwa fungsi f(x) adalah kontinu. Idenya adalah menghitung akar
yangmerupakan titik potong antara sumbu x dengan garis singgung pada kurva di
titik Kemiringan kurva di titik tersebut adalah , sehingga
garissinggung mempunyai persamaan
Karena itu diperoleh akar hampiran dengan mengambil y = 0, yaitu
Contoh
Gunakan metode Newton-Raphson untuk menyelesaikan dengan tebakan awal
Penyelesaian
dan dibentuk rumus pencarian akar:
Iterasi 4
| |
Jadi pada iterasi ke-4 diperoleh akar hampiran x = 1:73205.
Metode Newton-Raphson merupakan suatu contoh dari metode iterasi titik tetap,
, dimana fungsi iterasinya adalah
Dari sini diperoleh bahwa

[ ]
[ ]
dengan mengingat bahwa dan . Ini mengakibatkan bahwa metodeNewton
adalah konvergen lebih cepat daripada secara linear; pada kenyataannya dipunyai
| | | |
yaitu konvergen kuadratik.
Dalam MatLab, Algoritma 3 untuk metode Newton-Raphson diimplementasikan dalamfungsi

NewRap() berikut ini.
4.3 Metode Garis Potong (Secant)
Masalah yang ada dalam metode Newton adalah terkadang sulit untuk
mendapatkanturunan pertama . Alternatifnya adalah turunan , kemiringan garis
di , dihampiri oleh kemiringan garis potong yang melalui dan
:
Jadi iterasi yaitu
Penjelasan grafis mengenai metode ini adalah seperti dalam Gambar berikut:
Dicatat:
1. Persamaan di atas memerlukan dua tebakan awal x tetapi tidak memperhatikan
perubahan tanda dari f (x).
2. Kemudian dapat ditunjukkan bahwa
| | | |
sehingga metode garis potong lebih cepat daripada metode iterasi titik tetap, tetapi
lebih lambat daripada metode Newton-Raphson.
Proses untuk metode garis potong diberikan seperti dalam Algoritma 4.
Contoh
Gunakan metode garis potong untuk menyelesaikan x2 - 3 = 0 dengantebakan awal dan
x0 = 2.
Penyelesaian.
Dituliskan rumus untuk metode titik potong
Iterasi 1
( ) ( )
=1.66667
| |
Jadi pada iterasi ke-4 diperoleh akar hampiran x = 1:732051.
4.4 Soal Latihan

1. Selesaikan persamaan menggunakan metode iterasi titik tetap sampai
14 iterasi dengan tebakan awal
2. Cari akar persamaan menggunakan metode Newton Raphson
sampai iteras ke-6 dengan tebakan awal
BAB V
SISTEM PERSAMAAN LINIER SEGITIGA ATAS,

SISTEM PERSAMAAN LINIERDAN SEGITIGA BAWAH, ELIMINASI GAUSS
dapatMengetahui metode- metode penyelesaian sistem
persamaan linear secara iterasi.
(1) Mengetahui dan memahami system persamaan linier

segitiga atas
segitiga bawah
menggunakan Eliminasi Gauss
Pada Sistem Persamaan Linier yang akan di bahas adalah sistem persamaan linier segitiga
atas, sistem persamaan linier dan segitiga bawah, eliminasi gauss, Faktorisasi Segitiga dan
Metode Cholesky, Metode Tridiagonal, Metode Jacobi dan Gauss-Seidel
5.1 Tinjauan Ulang Matrik

Matrik adalah deretan bilangan berbentuk siku empat yang disusun secarabersistem dalam
baris-baris dan kolom-kolom.Matrik yang mempunyai M baris dan N kolom disebut matrik M
x . Huruf kapital A menyatakan suatu matrik dan huruf kecil berindeks aijmenyatakan satu
dari bilangan-bilangan yang membentuk matrik, ditulisdenga
( )
Dengan n aij adalah bilangan yang ada dilokasi (i, j), yaitu elemen yang berada pada baris ke-i
dan kolom ke-j dalam deretan tersebut. Dalam bentuk rinciditulis,
[ ]
Beberapa matriks khusus:
Matriks Bujur sangkar
Matriks bujur sangkar adalah matriks yang banyaknya baris sama dengan banyaknya kolom.
A berukuran N x N.
Matriks Diagonal
Matriks diagonal adalah matrik bujursangkardengan semua elemen bukan diagonal bernilai
nol.
[ ]
Matriks Satuan
Matriks satuan adalah matrik diagonal yang semuaelemennya bernilai satu
[ ]
Matriks Segitiga atas

Matrik segitiga atas adalah matriks bujur sangkardengan semua elemen di bawah diagonal
bernilainol. aij = 0 untuk i > j.
[ ]
Matriks Segitiga bawah

Matriks segitiga bawah adalah matriks bujursangkar dengan semua elemen di atas diagonal
bernilai nol. aij = 0 untuk i < j.
[ ]
Matriks Tridiagonal
Matriks tridiagonal adalah matrik bujursangkaryang memenuhi aij = 0 untuk |i – j | 2
[ ]
Sistem persamaan Linier
Sistem M persamaan linear atau himpunan M persamaan linear simultandalam N bilangan x1 ,
x2 , …, xn yang tidak diketahui adalah suatuhimpunan persamaan berbentuk
a11 x1 + a12 x2 + ……… + a1NxN= C1
a21 x1 + a22 x2 + ……… + a2NxN = C2

am1 x1 + am2 + ………. + a2MNxN = CM
Koefisien-koefisien aij dan Ci adalah bilangan-bilangan yang diberikan Sistem disebut

homogen bila semua Ci i nol, jika tidak sistem disebut tak homogen.
Sistem persamaan linear tersebut dapat juga dituliskan sebagai suatupersamaan vektor,
AX=Cdengan matriks koefisien A = [aij] adalah matriks M x N,
[ ] [ ] [ ]
Solusi dari sistem persamaan linear adalah himpunan bilangan yang memenuhi
semua M persamaan tersebut.Vektor solusi dari sistem persamaan linear adalah vektor X
yangkomponen-komponennya merupakan solusi dari sistem persamaan tersebut.
5.2 Sistem Persamaan Linear Segitiga Atas
Sistem persamaan linear AX = C, dengan matrik koefisien A berupa matrik segitiga atas, dapat
ditulis dalam bentuk
a11 x1 + a12 x2 + ……… + a1NxN= C1
a22 x2 + ……… + a2NxN = C2

Dengan asumsi elemen-elemendiagonal tak nol, untukk = 1, 2, 3, …, N maka

terdapatsuatu solusi tunggal dari sistemlinear tersebut.Jika asumsi ini tidak terpenuhi,maka
akan tidak terdapat solusiatau tak hingga banyaknya solusi.
Solusinya dapat dicari dengan melakukan penyulihan mundur, yaitu denganmenyelesaikan
persamaan terakhir pertama kali, diperoleh nilai , seterusnyanilai dan yang terakhir
diperolah dari persamaan pertama adalah nilai X1 .Persamaan terakhir bila diselesaikan akan
menghasilkan , dengan . Nilai yang diketahui dapat digunakan dalam
persamaansebelum persamaan terakhir, diperoleh dengan
Selanjutnya nilai dan dipakai untuk mencari nilai
Sehingga nilai-nilai , , ..., diketahui, diperoleh nilai sebagai,

∑
Algoritma penyulihan Mundur untuk Sistem Linier Segitiga atas
Determinan matrik Segitiga Atas

Jika A matrik segitiga, maka det(A), determinan A, diberikan oleh hasilkalielemen-elemen
diagonal, det(A) = a11 .a22 . … aNN
Contoh
Gunakan penyulihan mundur untuk menyelesaikan sistem persamaan linear
Penyelesaian
Dari persamaan terakhir diperoleh .Dengan memakai x4 untuk mendapatkan x3 dari
persamaan ketiga, diperoleh
Dengan memakai x4 dan x3 untuk mendapatkan x2 dari persamaan kedua,diperoleh
Akhirnya x1 diperoleh dari persamaan pertama,
5.3 Sistem Persamaan Linear Segitiga Bawah

Sistem persamaan linear yang mempunyai matriks koefisien berupa matriks segitiga
bawah disebut sistem persamaan linear segitiga bawah. Sistem persamaan linear seperti itu
dapat dituliskan dalam bentuk:
a11 x1 = C1
a21 x1 + a22 x2 ……… = C2

Penyelesaian sistem persamaan linear ini dicari dengan substitusi maju. Persamaan
pertama hanya melibatkan x1 , dan inilah yang pertama dicari baru kemudian x2 . Proses ini
diteruskan sehingga dari persamaan terakhir diperoleh nilai xn . Langkah umum dari proses
tersebut ialah:
∑
Untuk setiap k = 2, 3, ... , n
5.4 Eliminasi Gauss
Akan dikembangkan sebuah skema yang lebih efisien untuk menyelesaikan sistem
persamaan linear umum AX = C, dengan N persamaan dan N bilangan yang tidak diketahui.
Caranya adalah sistem persamaan linear umum tersebut dirubah menjadi sebuah sistem
persamaan segitiga atas UX = Y yang setaradan kemudian dapat diselesaikan menggunakan
metode penyulihan mundur.Dua sistem persamaan linear berukuran N x N dikatakan setara
jika himpunanhimpunansolusinya sama. Teorema-teorema dari aljabar linear
memperlihatkanbahwa bilamana transformasi tertentu diterapkan pada suatu sistem
yangdiketahui, maka himpunan solusinya tidak berubahOperasi-operasi berikut bila diterapkan
pada sistem linear akan menghasilkansistem yang setara.
1. Pertukaran : urutan dari dua persamaan dapat ditukar. diketahui, maka himpunan
solusinya tidak berubah.
2. Penskalaan : perkalian sebuah persamaan dengan konstanta tak nol.
3. Penggantian : sebuah persamaan dapat digantikan oleh jumlah persamaan itu dengan
suatu kelipatan sebarang persamaan lainnya.
Contoh
Carilah persamaan parabola y = A + Bx + Cx2 yang melalui titik-titik (1,1), (2,-1) dan (3,1).
Penyelesaian
Untuk masing- masing titik diperoleh persamaan yang mengaitkan nilai xterhadap nilai y.
Hasilnya berupa sistem
Peubah A dieliminasi dari persamaan kedua dan ketiga dengan cara

masingmasingmengurangkan persamaan pertama dari kedua dan ketiga, diperoleh
Peubah B dieliminasi dari persamaan ketiga dengan cara mengurangkannyadengan dua kali
persamaan kedua, diperoleh persamaan yang setara
Dengan penyulihan mundur diperoleh C = 2, B = -8 dan A = 7 sehinggapersamaan parabola

adalah y = 7 - 8x + 2x 2 .
Cara yang paling efisien menyelesaikan sistem linear AX = C adalah menyimpan semua
koefisiennya dalam array berukuran Nx(N+1). Koefisienkoefisien C disimpan dalam kolom
N+1 dari array, yaitu ai,N+1 = ci. Tiap baris memuat semua koefisien yang diperlukan untuk
menyatakan satu persamaandalam sistem linear. Matrik yang dilengkapi, disingkat matrik
lengkapdinyatakan oleh [A,C] sehingga sistem linear dinyatakan sebagai,
[ ] [ ]
Sistem linear AX = C dengan matrik lengkap yang diberikan dapat diselesaikandengan
melakukan ope rasi baris elementer (OBE) pada matrik lengkap[A,C]. Peubah-peubah xk
adalah pemegang posisi untuk koefisien-koefisien dandapat dihilangkan sampai akhir
perhitungan
Operasi-operasi baris berikut bila diterapkan pada matrik lengkap akanmenghasilkan sistem
yang setara.
1. Pertukaran : urutan dari dua baris dapat ditukar.
2. Penskalaan : perkalian sebuah baris dengan konstanta tak nol.
3. Penggantian : sebuah baris dapat digantikan oleh jumlah baris itu dengan suatu
kelipatan sebarang baris lainnya.
Tumpuan
Bilangan akk pada posisi (k, k) yang dipakai untuk mengeliminasi xk dalam baris-baris k+1,
k+2, …, N dinamakan elemen tumpuan ke-k, dan k disebut baris tumpuan.
Contoh
Nyatakan sistem berikut dalam bentuk matrik lengkap dan cari suatu sistemsegitiga atas yang
setara serta solusinya.
Jawab
Matrik lengkapnya adalah:
[ ] [ ]
[ ] [ ]
[ ]Berupa matriks segitiga atas.
Menggunakan algoritma penyulihanmundur diperoleh x4 = 2, x3 = 4, x2 = -1dan x1 = 3.
Proses yang dilakukan di atas disebut dengan proses eliminasi Gauss. Proses eliminasi Gauss
harus dimodifikasi sehingga dapat dipakai dalamkeadaan apapun.
Pivoting
Jika akk = 0 maka baris ke-k tidak dapat dipakai sebagai elemen tumpuan. Karena itu perlu
mencari baris r, dengan ark ≠ 0 dan r > k dan kemudianmempertukarkan baris k dan baris r
sehingga diperoleh elemen tumpuan taknol. Proses ini disebut pivoting, dan kriteria penentuan
baris mana yangdipilih disebut strategi p ivoting. Jadi strategi pivoting yang paling
sederhanaadalah jika akk ≠ 0 maka langsung dilanjutkan melakukan eliminasi sedangkanjika a kk
= 0 maka dilakukan pivoting.
Algoritma Eliminasi Gauss
Pivoting untuk memperkecil galat

Jika terdapat beberapa elemen tak nol pada kolom k yang terletak padaatau di bawah diagonal,
maka terdapat pilihan untuk menentukan barismana yang yang ditukar.
Pivoting parsial paling umum digunakan. Karena komputer menggunakanhitungan presisi
tetap, maka dimungkinkan bahwa suatu galat kecil akanterjadi setiap kali operasi hitungan
dilaksanakan.
Untuk memperkecil perambatan galat, maka periksa besarnya semuaelemen di kolom ke k
yang terletak pada atau di bawah diagonal, danmelokasikan baris r yang mempunyai elemen
dengan nilai mutlak terbesar,yaitu
| | {| || | | || |}
Kemudian menukarkan baris r dan baris k untuk r > k.Biasanya makin besar elemen
tumpuannya, akan menghasilkan perambatangalat yang makin kecil
Algoritma Eliminasi Gauss dengan Pivoting Parsial
Invers Matriks
Variasi lain dari eliminasi Gauss adalah eliminasi Gauss-Jordan. Dalam halini penyulihan
mundur dalam eliminasi Gauss dihindari dengan melakukanperhitungan tambahan yang
mereduksi matriks ke bentuk diagonal sebagaipengganti bentuk segitiga.Metode ini
mempunyai keuntungan dalam menyelesaikan sistem persamaanpada komputer.
Invers (balikan) suatu matriks bujur sangkar A yang tak singular padaprinsipnya dapat
ditentukan dari penyelesaian n sistem,AX = c j, j = 1, 2, …, ndengan cj adalah kolom ke-j dari
matrik satuan nxn.
Cara lain yang lebih disukai untuk menghasilkan invers dari matrik A, yaitu A-1 ,adalah
menggunakan eliminasi Gauss-Jordan untuk mengoperasikan matriksA dan matrik satuan I
sehingga masing- masing direduksi menjadi matrik I danmatriks A-1 .
Penyelesaian sistem persamaan linear n x n dapat dilakukan dengan mencariinvers dari
matriks A. Solusi untuk AX = C diberikan oleh X = A-1 C . Namunsecara numerik cara ini
tidak efisien.
Contoh
Tentukan Invers dari matriks [ ]
Penyelesaian
Dimulai dengan matriks lengkap
[A,I] = [ ] [ ]
[ ]
[ ]
* + 4B3 -5B2 * + 15B2 +7B3
[ ]
[ ]
[ ] [ ]
[ ] matrik satuan muncul pada bagian kiri dari matriks lengkap
dan matrik invers pada bagian kanan.
Jadi [ ]
5.5 Soal Latihan
Selesaikan Sistem persamaan Linier berikut menggunakan metode : (i) Eliminasi Gauss tanpa
pivoting dan (ii) dengan pivoting
a.
b.
c.
Gunakan tiga angka signifikan dan beri komentar mengenai hasilnya.
BAB VI
FAKTORISASI SEGITIGA DAN METODE CHOLESKY
dapat Mengetahui metode- metode penyelesaian sistem
Tujuan Instruksional Khusus (TIK) : Mahasiswa diharapkan mampu :
(1) Mengetahui dan memahami faktorisasi segitiga

(2) Membedakan matrik segitiga atas dan segitiga bawah
(3) Menerapkan metode Cholesky dalam menyelesaikan
soal system persamaan linier
6.1 Faktorisasi Segitiga
Pada sub-bab terdahulu terlihat bahwa betapa mudahnya untuk menyelesaikansistem segitiga
atas.
Karena itu, diberikan matrik A yang taksingular, kemudian faktorkan matrik A tersebut
menjadi matrik segitiga atas U dan matrik segitiga bawah L. Agar matrik U dan L tunggal
maka elemen-elemen diagonalnya tidakboleh sebarang.
Ada dua macam pemfaktoran.
a. Pemfaktoran Doolittle, mensyaratkan elemen diagonal L semuanya bernilai 1 dan
elemen diagonal U taknol.
Misalkan matrik A berukuran 3 x 3, bila difaktorkan diperoleh:
[ ] [ ][ ]
b. Pemfaktoran Crout, mensyaratkan elemen diagonal L taknol dan semua eleme n

diagonal U bernilai 1. Misalkan matrik A berukuran 3 x 3, bila difaktorkan diperoleh:
[ ] [ ][ ]
Jika penukaran baris tidak diperlukan pada waktu menggunakan eliminasi Gauss, maka
pengali-pengali pij adalah elemen-elemen diagonal bawah darimatrik L dalam pemfaktoran
Doolittle.Misalkan untuk matriks A berukuran 3 x 3, maka l21 = p21 , l31 = p31 dan l32 =
p32 .Selain itu, elemen-elemen dari matrik L dan U dapat dihitung secara langsung,dengan
menghitung hasil kali LU kemudian memakai sifat kesamaan duamatriks LU = A
Penyelesaian sistem persamaan linear .
Misalkan A adalah matrik koefisien dari sistem linear AX = C yang mempunyaipemfaktoran
segitiga A = LU. Solusi dari sistem linear LUX = C diperolehdengan cara mendefinisikan Y =
UX dan kemudian menyelesaikan dua sistemLY = C dan UX = Y.Pertama diselesaikan Y dari
persamaan LY = C memakai algoritma penyulihanmaju dan diikuti dengan menyelesaikan X
dari UX = Y memakai algoritmapenyulihan mundur
Contoh 4.5
Diberikan sitem persamaan linear berikut,
a. Bila A adalah matrik koefisien dari sistem persamaan linear di atas, tentukan matrik
segitiga L dan U sebagai faktor dari matrik A.
b. Tentukan solusi dari sistem persamaan linear diatas dengan menggunakan dekomposisi
matrik A tersebut.
Penyelesaaian
a. [ ] *[ ][ ]+
[ ]
Dari ketaksamaan matrik seletak, diperoleh
Sehingga matrik segitiga bawah L dan matrik segitiga atas U adalah
[ ] dan [ ]
b. Gunakan metode penyuluhan maju untuk menyelesaikan persamaan LY=C
Diperoleh nilai , ,
Gunakan metode penyuluhan untuk menyelsaikan UX=Y
Diperoleh ,
6.2 Metode Cholesky

Misalkan A adalah matrik bujur sangkar yang definit positif dan simetri.Maka A dapat
ditulis dalam bentuk A = LU dengan L dan U adalah matrikmatriksegitiga bawah dan atas,
dengan U = LT.
Contoh
Gunakan metode Cholesky untuk menentukan solusi dari sistem persamaan linier
Penyelesaian
[ ] [[ ][ ]]
* +
Dari kesamaan dua matriks diperoleh maka
Segingga matriks segitiga bawah L dan matriks segitiga atas LT adalah
[ ] dan [ ]
Gunakan penyulihan maju untuk menyelesaikan LY=C

2
Diperoleh nilai , ,
Gunakan metode penyuluhan mundur untuk menyelesaikan LT X=Y
Diperoleh ,
6.3 Soal Latihan
1. Dengan menggunakanm Metode Dekomposisi Cholesky tentukan Determinan matriks

berikut
a. [ ]
b. [ ]
2. Hitung determinan matriks B pada soal 3 menggunakan metode CHIO
[ ]
3. Diketahui matriks
 a 1 a b b  1
a  2 a  1 b  2 b  1
A 
 b  1 b  1 a  1 a  1
 
 b  1 b  3 a  1 a  3
Hitunglah det(A) dengan cara :
a. Ekspansi kofaktor baris (genap/ganjil)
b. Ekspansi kofaktor kolom (ganjil/genap)
c. Sifat-sifat determinan (reduksi menjadi matrik segitiga)
d. Metode CHIO
e. Dekomposisi matrik (CROUT dan Doolite)
BAB VII
METODE JACOBI DAN GAUSS-SEIDEL
dapat Mengetahui metode- metode penyelesaian sistem
(1) Mengetahui dan memahami metode Jacobi

(2) Mengetahui dan memahami metode Gauss-Seidel
(3) Membedakan metode gauss Seidel dan Metode Jacobi
Untuk menyelesaikan suatu sistem persamaan linier Ax = b, dipunyai pilihan

antarametode langsung atau metode iterasi. Contoh dari metode langsung yaitu metode invers,
eliminasi Gauss, dan dekomposisi LU. Metode iterasi mempunyai kelebihandalam hal
kemurahan memori dan waktu CPU. Metode ini dimulai dari penentuannilai awal vektor x0
sebagai suatu penyelesaian awal untuk x. Terdapat beberapametode iterasi seperti iterasi
Jacobi, iterasi Gauss-Seidel, dan iterasi SOR.
Suatu klas besar dari metode iterasi dapat dide.nisikan sebagai berikut. Sistem Ax =
bdituliskan menjadi Qx = (Q - A) x + b untuk suatu matriks Q yang berorde samadengan A.
Selanjutnya dide.nisikan suatu skema iterasi ke-k:
Qx(k) = (Q - A) x(k-1) + b; k = 1; 2; :::;
untuk x(0) adalah suatu tebakan awal. Diasumsikan bahwa Q adalah non-singular,sehingga
skema iterasi menghasilkan suatu barisan tunggal vektor-vektor { x(k-1)}
7.1 Metoda Iterasi Jacobi

Pertama kali dicatat bahwa matriks A dapat dituliskan sebagai A = L+D+U, denganL adalah
matriks segitiga bawah, D adalah matriks diagonal, dan U adalah matrikssegitiga atas. Iterasi
Jacobi memilih Q = D.
Karena itu
{ } (1)
dengan asumsi bahwa masukan- masukan diagonal dari A tidak sama dengan nol (jikatidak
maka dilakukan penukaran baris-baris dan kolom-kolom untuk mendapatkan suatu sistem
yang ekivalen). Untuk langkah ke-k, komponen-komponen dinyatakan oleh
( ∑ )
Contoh
Diketahui sistem persamaan linear:
Selesaikan dengan metode iterasi Jacobi dengan tebakan awal (0,0,0)

Penyelesaian
Sistem persamaan tersebut diubah susunannya menjadi
Kita bisa menyatakan bahwa nilai x1 , x2 , x3 , dan x4 yang berada di ruas kiri sebagaix( baru).
Sementara itu, nilai x1 , x2 , x3 , dan x4 yang berada di ruas kanan sebagaix(lama).
Secara umum, sistem persamaan tersebut dapat dituliskan menjadi seperti
( )
( )
( )
( )
Dimisalkan bahwa nilai-nilai .

Pada langkah k = 1, diperoleh nilai-nilai untuk :
Setelah nilai- nilai diperoleh, penghitungan diulang kembali dengan k =2 untuk
memperoleh nilai- nilai :
Proses diulang lagi untuk nilai-nilai k berikutnya. Berikut ini diberikan suatu hasilsampai
langkah ke-4.
Untuk kriteria penghentian iterasi, kita bisa menggunakan suatu norma dari vektor:
‖ ‖ | |
Sebagai contoh, vektor x =(3;-2; 8; 5) memiliki norma

‖ ‖ {| | | | | | | |}
Sekarang kita ambil kriteria penghentian dalam metode iterasi:
‖ ‖ | |
Berdasarkan kriteria tersebut, metode iterasi Jacobi dapa t dinyatakan seperti dalamAlgoritma
5, sedangkan implementasi dalam MatLab diberikan oleh fungsi jacobi.
7.2 Metoda Iterasi Gauss-Seidel
Dari persamaan (2) dicatat bahwa komponen-komponen dari x(k) diketahui, tetapitidak
digunakan, ketika penghitungan komponen-komponen sisanya. Metode Gauss-Seidel
merupakan suatu modi.kasi dari metode Jacobi, yaitu semua komponen-komponen terakhir
yang dihitung dipergunakan. Prosedur dalam metode Gauss-Seideldiperoleh dengan memilih
Q = D + L.
Karena itu, dari (1) didapatkan bentukmatriks
Jadi, skemanya adalah
( ∑ ∑ )
Dengan asusmsi bahwa langkah k, komponen-komponen sudah diketahui.

Contoh
Diketahui sistem persamaan linear:
Selesaikan dengan metode Gauss-Seidel dengan tebakan awal (0,0,0)
Penyelesaian
Sistem persamaan diubah susunannya menjadi
( )
( )
( )
( )
Pada langkah k =1, diperoleh nilai-nilai
Setelah nilai-nilai diperoleh, penghitungan diulang kembali dengan k =2 untuk

memperoleh nilai- nilai :
Proses diulang lagi untuk nilai-nilai k berikutnya. Berikut ini diberikan suatu hasilsampai
langkah ke-4.
Untuk keperluan komputasi, iterasi 3) dinyatakan secara khusus untuk i=1 dan i=n berturut-
turut
( ∑ ) ( ∑ )
Sekarang kita bisa menyatakan skema untuk iterasi Gauss-Seidel seperti dalam Algoritma 6
dan implementasi dalam MatLab diberikan oleh fungsi gauseid().
7.3 Iterasi SOR
Berikutnya diperhatikan suatu metode untuk mempercepat konvergensi dari metode iterasi.
Dipilih
untuk k = 1; 2; :::. Secara jelas, ini diproses dengan cara:
(∑ ∑ )
( ∑ ∑ )
untuk i = 1; 2; :::; n, dan diasumsikan bahwa untuk langkah ke-k, komponen-komponen ,
sudah diketahui.
Untuk = 1, iterasi (5) memberikan metode Gauss-Seidel. Untuk 0 < < 1, prosedurnya
dinamakan metode under-relaxation dan dapat digunakan untuk memperolehkonvergensi dari
beberapa sistem yang tidak konvergen oleh metode Gauss-Seidel.
Untuk > 1, prosedurnya dinamakan metode overrelaxation, yang digunakan untuk
mempercepat konvergensi bagi sistem yang konvergen oleh teknik Gauss-Seidel.
Metode- metode tersebut disingkat SOR untuk Successive Overrelaxation dan d igunakan untuk
penyelesaian sistem linier yang muncul dalam penyelesaian numeris daripersamaan diferensial
parsial tertentu.
Contoh. Diketahui sistem persamaan linear:
Tabel berikut ini menampilkan hasil penghitungan sampai langkah ke-4 menggunakan
penyelesaian awal x(0)= 0.
7.4 Soal Latihan

1. Tentukan solusi Sistem Persamaan Linier dengan metode Iterasi Jacobi
4x - y + z = 7
4x - 8y + z = -21
-2x + y + 5z = 15
dengan nilai awal P0 = (x0 , y0 , z0 ) = (1, 2, 2)
2. Diketahu sistem persamaan berikut
Selesaikan sistem persamamaan dia atas menggunakan metode iterasi Gauss-Seidel
dengan tebakan awal (3, -2,5, 7) sampai iterasi ke-4. Apa yang dapat kamu
simpulkan?
3. Diberikan persamaan berikut
Selesaikan sistem persamaan dia atas menggunkan metode iterasi Jacobi dengan
tebakan awal (1, 0, 1) sampai iterasi ke-6.
BAB VIII
INTERPOLASI BEDA-BEDA HINGGA, INTERPOLASI BEDA MAJU

DAN INTERPOLASI MUNDUR NEWTON
dapat Mengetahui dan memahami metode Interpolasi
serta Mengaplikasikan interpolasi untuk menaksir nilai
antara titik-titik data
(1) Mengetahui dan memahami interpolasi beda-beda

hingga
(2) Mengetahui dan memahami interpolasi beda maju
Newton
(3) Mengetahui dan memahami Interpolasi Mundur
Newton
8.1 Interpolasi dengan tabel Beda Hingga
Misalkan diberikan suatu tabel nilai- nilai numeris f j = f(x j) dari suatu fungsi fpada titik-
titik yang berjarak sama,x 0 , x 1 = x 0 + h, x 2 = x 0 + 2h, x 3 = x 0 + 3h, …dengan h > 0 tetap
atau dengan , i = 0, 1, 2, 3,... disebut “operator
beda maju”
Fungsi f(x i) bisa berupa hasil suatu rumus atau nilai yang diperoleh secaraempiris dari
percobaan.Beda-beda pertama dari fungsi f diperoleh dengan mengurangkan tiapnilai fungsi
f(x) untuk x berikutnya yang lebih besar dalam tabel.Beda-beda kedua dari fungsi f diperoleh
dengan mengurangkan tiap nilaibeda pertama dari fungsi f(x) untuk x berikutnya yang lebih
besar dalamtabel.Seterusnya sehingga dalam tabel beda, setiap beda dimasukan ke
dalamkolom yang sesuai, ditengah-tengah antara elemen-elemen kolomsebelumnya dari mana
beda itu dibangun. Titik (koma) desimal dan nolpemula dari beda-beda itu boleh dihilangkan.
Terdapat tiga notasi untuk beda-beda yang terjadi dalam suatu tabel beda.
a. Beda-beda Pusat
Bentuk tabel beda-beda pusat sebagai berikut:
Beda Beda Beda
Pertama Kedua Ketiga
Secara umum diperoleh
} an
b. Beda-beda Maju
Bentuk tabel beda-beda pusat sebagai berikut:
Beda Beda Beda
C. Beda-beda Mundur
Bentuk tabel beda-beda mundur sebagai berikut:
Beda Beda Beda
Miring ke atas atau mundur pada tabel

Kaitan untuk ketiga notasi itu adalah
Contoh 1. Tentukan nilai dan beda , h = 0,2, x = 1
Beda Beda Beda
1
0,8333-1 = -0,1667
0,8333 0,0477
0,7143-0,8333= -0,1190 -0,018
0,7143 0,0297 0,0082
0,6250-0,7143= -0,0893 -0,0098
0,6250 0,0199 0,0037
0,5556-0,6250=- -0,0694 -0,0061
0,5556 0,0138
0,5000-0,5556= -0,00556
2,0 0,5000
Catatan, bila ditetapkan x0 = 1.6, maka diperoleh -0.0893 =
8.2 Interpolasi linear dan Kuadrat

Diberikan tabel nilai suatu fungsi f(x), seringkali untuk mencari nilai-nilaif(x) untuk nilai x
diantara nilai- nilai x yang muncul dalam tabel tersebut.Masalah untuk memperoleh nilai f(x)
demikian disebut Inte rpolasi.Nilai- nilai f(x) yang ditabulasikan dan digunakan dalam proses
ini disebutnilai-nilai pivotal.Metode interpolasi biasanya didasarkan pada asumsi bahwa
disekitar nilaix yang dipertanyakan, fungsi f(x) dapat dihampiri oleh polinom p(x),
yangnilainya pada x tersebut merupakan hampiran dari nilai fungsi f(x).
1. Interpolasi linear
Iterpolasi linear adalah metode interpolasi yang palingsederhana. Kurva fungsi f dihampiri
dengan suatu talibusur pada dua nilai tabulasi yang berdekatan x0 dan x1 .
Hampiran f pada x = x0 + rh adalah
Dimana
Interpolasi linear sering digunakan untuk menghitung tabel logaritma danfungsi

trigonometri.Interpolasi linear akan memberikan hasil yang baik selama nilai- nilai xdalam
tabel sedemikian dekatnya sehingga talibusur-talibusurmenyimpang dari kurva f(x) cukup
kecil, katakanlah kurang dari ½ satuanangka terakhir dalam tabel untuk setiap x diantara x 0 dan
x 1.
Galat untuk iterpolasi linear adalah
Taksiran galat tersebut adalah
| |
Dimana f(x) mempunyai turunan kedua pada dan f’’(x) terbatas dengan | |
2. Interpolasi kuadrat
Pada interpolasi kuadrat, kurva fungsi f diantara x0 dan x2 = x0 + 2hdengan parabola kuadrat
yang melalui titik-titik (x0 , f0 ), (x1 , f1 ), (x2 , f2 )sehingga mendapatkan rumus yang lebih teliti
Contoh
Diketahui nilai ln 9.0 = 2.1972 dan nilai ln 9.5 = 2.2513. Tentukan nilai ln 9.2.
Jawab
Diketahui x = 9,2, x0 = 9,0
Diperoleh = 0.4, sehingga
ln 9.2 = ln 9.0 + 0.4 ( ln 9.5 – ln 9.0)

= 2.1972 + 0.4 ( 2.2513 – 2,1972)
= 2.2188 (eksak sampai 3D)
Contoh 3.3
Diketahui nilai ln 9.0 = 2.1972, ln 9.5 = 2.2513 dan nilai ln 10.0 = 2.3026.
Tentukan nilai ln 9.2.
Jawab
Diperoleh r = 0.2 / 0.5 = 0.4, sehingga
ln 9.2 = ln 9.0 + 0.4 ( ln 9.5 – ln 9.0)+ (1/2)(0.4)(-0,6)(ln 10.0-(2)(ln 9.5)+ln 9.0)
= 2.197 + 0.4 ( 2.251 – 2,197) +(-0.12)(2.3026 – (2)2.2513 + 2.1972)
= 2.2192 (eksak sampai 4D)
8.3 Interpolasi Beda Maju dan Beda Mundur Newton
Hampiran lebih teliti diperoleh bila menggunakan polinom yang derajatnyalebih
tinggi.Polinom pn (x) berderajat n ditentukan secara tunggal oleh n+1 nilai x i, i = 0, 1,2, …, n,
yang berlainan, sedemikian sehingga diperoleh,
pn (x 0 ) = f 0 , pn (x 1 ) = f 1 , …, pn (x n ) = f n
dengan f(x 0 ) = f 0 , f(x 1 ) = f 1 , …, f(x n ) = f n
Polinom ini diberikan dalam rumus interpolasi beda-maju Newton:
∑( )
( )
Galat yang terlibat dalam interpolasi maju Newton adalah
Dengan adalah turunan ke-(n+1) dari fungsi f dan t terletak dalam interval yang titik-titik
ujungnya adalah nilai terkecil dan terbesar dari nilai-nilaix 0 , x 1 , …, x n , x.
Contoh
Diketahui tabel-tabel berikut
2.0 2.1 2.2 2.3 2.4

1.414214 1.449138 1.483240 1.516575 1.549293
Terapkan rumus interpolasi beda maju newton untuk mencari f(2.05) dan f(2.15)
Penyelesaian
a. Diketahui x = 2.05 dan tetapkan =2.0 sehingga
b. Diketahui x = 2.15 dan tetapkan =2.1 sehingga
= 1.466268
Rumus Interpolasi beda-mundur Newton:
∑( )
( )
Rumus interpolasi lain yang menggunakan beda hingga adalah Rumus Everett. Rumus ini
melibakan beda-beda hingga tingkat genap. Fumus Everett yang paling sederhana adalah
Dimana
Untuk membuat penerapannya mudah, tabel-tabel fungsi biasanya menyertakan beda-beda

kedua yang diperlukan. Galatnya adalah
( )
Dimana
Contoh
Dengan menggunakan nilai-nilai dari tabel berikut
1.2 3.3201 333

1.3 3.6693 367
Terapkan Rumus Everett untuk mencari f(1.24)
Penyelesaian
Untuk x = 1.24 dan tetapkan sehinggan
= 3.4598-0.0021-0.0021=3.4556
8.4 Soal Latihan
1. Polinomial dengan h = 1,0

i F(
0 0.0 -5.0 6 2 6 0
1 1.0 1.0 8 8 6
2 2.0 9.0 16 14
3 3.0 25.0 30
4 4.0 55.0
Hitung p(x = 1.5) dengan menggunakan interpolasi beda maju
2. Diketahui table berikut

i F(
-4 0.0 -5.0 6 2 6 0
-3 1.0 1.0 8 8 6
-2 2.0 9.0 16 14
-1 3.0 25.0 30
0 4.0 55.0
Hitung p (x = 3.5 ) dengan menggunakan interpolasi beda mundur
BAB IX
INTERPOLASI BEDA TERBAGI NEWTON, INTERPOLASI LAGRANGE
dapat Mengetahui metode penentuan suatu polinomial
yang melewati semua titik data yang diberikan serta
Mengaplikasikan interpolasi polinomial untuk menaksir
nilai antara titik-titik data
(1) Mengetahui dan memahami interpolasi beda terbagi

Newton
(2) Mengetahui dan memahami Interpolasi Lagrange
9.1 Polinom Interpolasi Beda terbagi Newton
Misalkan diberikan dengan jarak sembarang. Polinom berderajat n

melalui titik-titik ( ) dengan diberikan oleh
rumus interpolasi beda terbagi Newton
[ ] [ ]
[ ]
Melibatkan beda-beda terbagi, yang secara iteratif didefinisikan sebagai
[ ] [ ]
[ ] [ ]
[ ]
[ ] [ ]
[ ]
[ ] [ ]
[ ]
[ ] [ ]
[ ]
Jika berjarak sama, maka bentuk rumus di atas sama dengan rumus interpolasi
beda maju newton.
Contoh
Diberikan pasangan nilai ,
,
a. Buat tabel beda terbagi dari data tersebut
b. Gunakan tabel beda bagi di atas dalam menerapkan rumus interpolasi beda terbagi
Newton dengan x = 2
Penyelesaian
a.
[ ] [ ] [ ]
0 1 0
0.4620981
1 4 -0.0518731
0.2027326 0.007865
2 6 -0,0204109
0.182316
3 5
b.
9.2 Interpolasi Lagrange

Metode Interpolasi lain dalam kasus nilai pivotal ini didasarkan kepada rmus Interpolasi
Lagrange n+1 titik,
Dengan
Dalam hal ini terlihat bahwa untuk x = x i, maka

Rumus Interpolasi Lagrange dapat juga ditulis dalam bentuk
∑
Dengan
∏( )
Contoh
Diberikan pasangna nilai x dan f(x) berikut
9.0 9.5 10.0 11.0
2.19722 2.25129 2.30259 2.39790
Gunakan Interpolasi Lagrange untuk menghitung f(9.2)
Penyelesaian
Dalam hal ini diperoleh
Sehingga
= 2.21920
Masalah pencarian x untuk f(x) yang diberikan dikenal sebagai interpolasibalikan /

inve rs.Jika fungsi f terdiferensialkan dan df/dx tidak nol dekat titik dimanainterpolasi balikan
harus diperhitungkan, balikan x = F(y) dan y = f(x) adasecara lokal didekat nilai f yang
diberikan dan mungkin terjadi bahwa Fdapat dihampiri dalam lingkungan itu de ngan suatu
polinom yangderajatnya agak rendah. Kemudian jalankan interpolasi balikan denganmembuat
tabulasi F sebagai suatu fungsi y dan menerapkan metodemetodeinterpolasi yang langsung
pada F.Jika df/dx = 0 dekat atau pada titik yang diinginkan, kemungkinan bergunauntuk
memecahkan p(x) = f dengan iterasi. Dalam hal ini, p(x) adalahpolinom yang menghampiri
f(x) dan f adalah nilai yang diberikan
9.3 Soal Latihan
1. Hampiri fungsi dengan polinom interpolasi derajat tiga di dalam selang

[ ]. Gunakan empat titik
Perkirakan nilai dan bandingkan dengan nilai sejati
2. Dari fungsi diberikan tiga buah titik dalam table
X 1 4 6
y 1.5709 1.5727 1.5751
Tentukan dengan polinom Lagrange derajat 2. Gunakan lima angka bena.
Catatlah bahwa polinom Lagrange tidak hanya berlaku untuk titik-titik yang berjarak sama.
Kita juga dapat membentuk polinom Lagrange untuk titik-titik data yang tidak berjarak sama.
BAB X
DIFERENSIAL NUMERIK
dapat Mengetahui dan memahami diferensial numeric
dan mengaplikasikan pada pemecahan masalah numerik.
(1) Mengetahui dan membedakan pendekatan hamper

selisih maju, mundur dan pusat pada turunan numeric
(2) Menentukan turunan numeric dengan pilinom
interpolasi
(3) Menentukan orde galat
10.1Persoalan Turunan Numerik
Persoalan turunan numerik adalah menentukan nilai hampiran nilai turunan fungsi .
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 dan
membaginya dengan bilangan yang kecil (h). Pembagian ini dapat menghasilkan turunan
dengan galat yang besar.
10.2Tiga Pendekatan dalam Menentukan Turunan Numerik
Misal diberikan nilai – nilai di , serta nilai fungsi untuk nilai – nilai tersebut. Titik-
titik yang diperoleh adalah , yang dalam hal ini dan
.
1. Hampiran Selisih Maju (Forward Difference Approximation)
2. Hampiran selisih- mundur (Backward Difference Approximation)
3. Hampiran selisih-pusat (Central Difference Approximation)
10.3Penurunan Rumus dengan Deret Taylor
Misalkan diberi titik-titik , dan
a. Hampiran selisih – maju
Yang dalam hal ini,
Untuk nilai- nilai di persamaan rumusnya menjadi
Contoh
Dapatkan turunan f’(3) dari f(x) = x3 +3x+6 dengan mengunakan hampiran selisih beda
maju.
Solusi:
Penyelesaian numeric dengan hampiran beda maju
Untuk h = 0,1
Pemeriksaan lebih lanjut menggunakan pemograman komputer sebagaimana di bawah
untuk h lebih mendekati 0 (nol) menunjukkan nilai untuk h=10-6 . Nilai ini
sesuai dengan nilai eksak dari yang diperoleh dari penyelesaian analitik
sebelumnya.
b. Hampiran selisih mundur
Yang dalam hal ini,
Untuk nilai- nilai di persamaan rumusnya menjadi
Contoh
Dapatkan turunan f’(3) dari f(x) = x3 +3x+6 dengan mengunakan hampiran selisih beda
mundur.
Solusi:
Penyelesaian numerik dengan beda mundur diperoleh sebagai berikut:
f (3)  f (3  0.1)
Untuk h = 0.1, maka f (3) 
0.1
3  33  6  2.9 3  32.9  6
3
  29.11
0.1
f (3)  f (3  0.01)
Untuk h = 0.01, maka f (3) 
0.01
3  33  6  2.99 3  32.99   6
3
  29.9101
0.01
Untuk memperkecil kesalahan maka disimulasikan dengan mengambil nilai h lebih mendekati
0 (nol).
c. Hampiran selisih pusat
Kurangkan persamaan hampiran selisih maju dengan mundur
Yang dalam hal ini,
Untuk nilai- nilai di persamaan rumusnya menjadi :
10.4Rumus untuk Turunan Kedua, dengan bantuan Deret Taylor

a) Hampiran selisih-pusat
Jumlahkanpersamaan hampiran selisih maju dengan mundur
al ini,
b) Hampiran selisih- mundur
Dengan cara yang sama seperti hampiran selisih-pusat di atas, diperoleh:
al ini,
c) Hampiran selisih- maju
Dengan cara yang sama seperti hampiran selisih-pusat di atas, diperoleh:
al ini,
Tentukan (3) dari f(x) = x3 – 3x +6 secara numerik
Penyelesaian secara numerik Untuk h=0.1

f  2 f i  f i 1 f ( x  h)  2 f ( x)  f ( x  h)
f i i 1 2
=
h h2
f (3  0.1)  2 f (3)  f (3  0.1)
f (3) 
0.1
3.1  33.1  6  2(33 )  6(3)  6  2.9 3  3(2.9)  6
3
 = 18
0.1
Jadi penyelesaian secara analitik dan numerik dengan h=0.1 memberikan nilai (3) =18.
10.5Penurunan Rumus Turunan Numerik dengan Polinom Interpolasi
Misalkan diberikan titk-titik data berjarak sama,
Adalah titik yang akan dicari nilai interpolasinya. Polinom Newton-Gregory yang
menginterpolasi seluruh titik data tersebut adalah:
Yang dalam hal ini,
Turunan pertama dari adalah :
( ( ) ( ) )
( ( ) )
Berdasarkan persamaan diatas, diperoleh rumus turunan numerik dengan ketiga pendekatan
(maju, mundur, pusat) sebagai berikut :
(a) Hampiran selisih- maju

 Bila digunakan titik-titik :
 Bila digunakan titik-titik :
( ( ) )
Untuk titik , sehingga
( )
( )
( )
( )
(b) Hampiran selisih- mundur

Polinom interpolasi: Newton-Gregory mundur bila digunakan titik-titik :
(c) Hampiran selisih-pusat
digunakan titik-titik :
( ( ) )
Untuk titik , sehingga
( )
( )
( )
Untuk titik :
Rumus untuk Turunan Kedua, dengan Polinom Interpolasi

Turunan kedua adalah
( )
Misalkan untuk hampiran selisih-pusat, titik-titik yang digunakan :
- Untuk titik , sehingga
- Untuk titik :
10.6Menentukan 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 :
Nyatakan E (galat) sebagai ruas kiri persamaan, lalu ekspansi ruas kanan dengan deret Taylor
di sekitar :
*( ) ( )+
( )
Jadi, hampiran selisih-pusat memiliki galat dengan orde
Ringkasan Rumus-Rumus Turunan
1. Turunan pertama
(selisih-maju)
(selisih-mundur)
(selisih-pusat)
(selisih-maju)
(selisih-pusat)
2. Turunan kedua
(selisih-maju)
(selisih-mundur)
(selisih-pusat)
(selisih-maju)
(selisih-pusat)
3. Turunan ketiga
(selisih-maju)
(selisih-pusat)
4. Turunan keempat
(selisih-maju)
(selisih-pusat)
Contoh Perhitungan Turunan
Diberikan data dalam tabel sebagai berikut:
a) Hitunglah (1.7) dengan rumus hampiran selisih-pusat orde O

b) Hitunglah (1. 4) dengan rumus hampiran selisih-pusat orde
c) Rumus apa yang digunakan untuk menghitung (2.5) ?
Penyelesaian :
a) Orde
Ambil titik-titik = = 1.9 yang dalam hal ini = 1.7 terletak ditengah
keduanya dengan h=0.2
Orde ):
Ambil titik-titik =1.5, yang dalam hal ini

terletak dipertengahannya.
= 5.473 (empat angka bena)

b) Orde
Ambil titik-titik = = 1.5 yang dalam hal ini = 1.4 terletak ditengah
keduanya dengan h=0.1
c) Untuk menhitung
.3 hanya
mempunyai titik-titik sesudahnya(maju), tetapi tidak memiliki titik-titik
sebelumnya.
Untuk nilai digunakan rumus hampiran selisih-mundur sebab x=2.5
hanya mempunyai titik-titik sebelumnya (mundur)
Hampiran selisih-maju :
= 11.04
10.7 Soal Latihan
Diberikan data dalam tabel sebagai berikut:
a. Hitunglah (1.9) dengan rumus hampiran selisih-pusat orde

O
b. Hitunglah (2.0) dengan rumus hampiran selisih-pusat orde
BAB XI
INTEGRAL NUMERIK
dapat Mengetahui metode Integral Numerik
(1) Mengetahui dan memahami metode Pias

(2) Mengetahui dan memahami metode Newton Cotes
(3) Menerapkan metode Pias dalam pemecahan masalah
numerik
(4) Menerapkan metode Pias dalam pemecahan masalah
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
∫ (1)
Solusinya, F(x), adalah fungsi menerus sedemikian sehingga F'(x) = f(x), dan C adalah sebuah
konstanta. Integral Tentu menangani perhitungan integral di antarabatas-batas yang telah
ditentukan, yang dinyatakan sebagaiIntegral suatu fungsi adalah operator matematik yang
dipresentasikan dalam bentuk: ∫
dan merupakan integral suatu fungsi f (x) terhadap variabel x dengan batas-batas integrasi
adalah dari x = a sampai x = b (Gambar 1) dan persamaan (2), yang dimaksud dengan integral
adalah nilai total atau luasan yang dibatasi oleh fungsi dan sumbu-x, serta antara batas x
= a dan x = b. Dalam integral analitis, persamaan (2) dapat diselesaikan menjadi:
 f ( x) dx  F ( x) a  F (b)  F (a )
b
dengan F (x) adalah integral dari f (x) sedemikian sehingga F ' (x)= f (x).
Sebagai contoh:
∫ ] [ ]
Gambar .1. Integral suatu fungsi
Integral numerik dilakukan apabila: 1) Integral tidak dapat (sukar) diselesaikan secara analisis.
2) Fungsi yang diintegralkan tidak diberikan dalam bentuk analitis, tetapi secara numerik
dalam bentuk angka (tabel).
11.1Persoalan Integrasi Numerik

Terdapat tiga pendekatan dalam menurunkan rumus integrasi numerik. Pendekatan
pertama adalah berdasarkan tafsiran geometri integral Tentu. Daerah integrasi dibagi atas
sejumlah pias (strip) yang berbentuk segiempat. Luas daerah integrasi dihampiri dengan luas
seluruh pias. Rumus, dalam bab ini disebut kaidah, integrasi numerik yang diturunkan dengan
pendekatan ini digolongkan ke dalam metodepias.
Pendekatan kedua adalah berdasarkan polinom interpolasi. Di sini fungsi integrand f(x)
dihampiri dengan polinom interpolasi pn (x). Selanjutnya, integrasi dilakukan terhadap pn (x)
karena polinom lebih mudah diintegralkan ketimbang mengintegralkan f(x). Rumus integrasi
numerik yang diturunkan dengan pendekatan ini digolongkan ke dalam metode Newton-
Cotes, yaitu metode yang umum untuk menurunkan rumus integarsi numerik.
Pendekatan ketiga sama sekali tidak menggunakan titik -titik diskrit sebagaimana pada kedua
pendekatan di atas. Nilai integral diperoleh dengan mengevaluasi nilai fungsi pada sejumlah
titik tertentu di dalam selang [-1, 1], mengalikannya dengan suatu konstanta, kemudian
menjumlahkan keseluruhan perhitungan. Pendekatan ketiga ini dinamakan Kuadratur Gauss,
yang akan dibahas pada bagian akhir bab ini.
11.2Metode Pias
Pada umumnya, metode perhitungan integral secara numerik bekerja dengan sejumlah titik
diskrit. Karena data yang ditabulasikan sudah berbentuk demikian, maka secara alami ia sesuai
dengan kebanyakan metode integrasi numerik. Untuk fungsi menerus, titik-titik diskrit itu
diperoleh dengan menggunakan persamaan fungsi yang diberikan untuk menghasilkan tabel
nilai. Dihubungkan dengan tafsiran geometri inttegral Tentu, titik-titik pada tabel sama dengan
membagi selang integrasi [a, b] menjadi n buah pias (strip) atau segmen (Gambar 2). Lebar
tiap pias adalah
Titik absis pias dinyatakan sebagai
dan nilai fungsi pada titik absis pias adalah
Luas daerah integrasi [a, b] dihampiri sebagai luas n buah pias. Metode integrasi numerik
yang berbasis pias ini disebut metode pias. Ada juga buku yang menyebutnya metode
kuadratur, karena pias berbentuk segiempat.
Gambar 2 Metode pias
Galat Metode Pias
Sekarang akan kita hitung berapa besar galat hasil integrasi untuk masing- masing metode.
Misalkan I adalah nilai integrasi sejati dan I ' adalah integrasi secara numerik
maka galat hasil integrasi numerik didefenisikan sebagai E = I – I '
Untuk penurunan galat, kita tinjau galat integrasi di dalam selang [0, h], ∫
Gambar 8 Galat kaidah trapesium (bagian yang diarsir)
Galat untuk satu pias (gambar 8) adalah
Kaidah integrasi numerik yang dapat diturunkan dengan metode pias adalah:
1. Kaidah segiempat (rectangle rule)
Pandang sebuah pias berbentuk empat persegi panjang dari x = x0 sampai x = x 1 berikut
(Gambar 3).
Luas satu pias adalah (tinggi pias = f(x 0 ) ) atau (tinggi pias = f(x 1 ) )
Kaidah segiempat dapat dihitung dengan formula
∫ [ ]
kaidah segiempat gabungan adalah dapat dihitung dengan formula
∫ ∑
dengan f r = f(x r) , r = 0, 1, 2, ..., n .
Gambar 4 Kaidah segiempat gabungan

2. Kaidah trapesium (trapezoidal rule)
Pandang sebuah pias berbentuk trapesium dari x = x0 sampai x = x1 berikut (Gambar 5):
Gambar5 Kaidah trapesium
∫ [ ]
Persamaan di atas ini dikenal dengan nama kaidah trapesium. Catatlah bahwa kaidah
trapesium sama dengan kaidah segiempat.
Bila selang [a, b] dibagi atas n buah pias trapesium, kaidah integrasi yang diperoleh
adalah kaidah trapesium gabungan (composite trapezoidal's rule):
∫ ∫ ∫ ∫
[ ] [ ] [ ]
[ ]
Galat kaidah trapesium sebanding dengan h3 . Pernyataan ini dibuat dengan andaian
bahwa f(x) menerus dalam selang [0, h]. Jika tidak, maka galat tidak sebanding dengan
h3
3. Kaidah titik tengah (midpoint rule)
Pandang sebuah pias berbentuk empat persegi panjang dari x = x0 sampai x = x 1 dan
titik tengah absis x = x 0 + h/2 (Gambar 6).
Gambar 6 Kaidah titik tengah
Luas satu pias adalah
∫ ( )
11.3Metode Newton-Cotes
Metode Newton-Cotes adalah metode yang umum untuk menurunkan kaidah integrasi
numerik. Polinom interpolasi menjadi dasar metode Newton-Cotes. Gagasannya adalah
menghampiri fungsi f(x) dengan polinom interpolasi pn (x)
∫ ∫
Yang dalam hal ini
Mengapa polinom interpolasi? Karena suku-suku polinom mudah diintegralkan dengan rumus
integral yang sudah baku, yaitu
Dari beberapa kaidah integrasi numerik yang diturunkan dari metode Newton-Cotes, tiga di
antaranya yang terkenal adalah:
1. Kaidah trapesium (Trapezoidal rule)
Sebagai catatan, kaidah trapesium sudah kita turunkan dengan metode pias. Metode
Newton-Cotes memberikan pendekatan lain penurunan kaidah trapesium.
Diberikan dua buah 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 (Gambar 9).
Gambar 9 Kaidah trapesium
Kaidah trapesium adalah
Kaidah trapesium untuk integrasi dalam selang [0, h] kita perluas untuk menghitung
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 , x3 ], ... , [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
∫ ∫ ∫ ∫
∑
2. Kaidah Simpson 1/3 (Simpson's 1/3 rule)
Hampiran nilai integrasi yang lebih baik dapat ditingkatkan dengan mengunakan polinom
interpolasi berderajat yang lebih tinggi. Misalkan fungsi f(x) dihampiri dengan polinom
interpolasi derajat 2 yang grafiknya berbentuk parabola. Luas daerah yang dihitung sebagai
hampiran nilai integrasi adalah daerah di bawah parabola (Gambar 10). Untuk itu, dibutuhkan
3 buah titik data, misalkan
Gambar 10 Kaidah Simpson 1/3
Polinom interpolasi Newton-Gregory derajat 2 yang melalui ketiga buah titik tersebut
Adalah
Integrasikan p2 (x) di dalam selang [0, 2h]:
∫ ∫
∫( )
( ) |
( )
( )
Mengingat dan
Maka selanjutnya
Persaman di atas ini dinamakan kaidah Simpson 1/3. Sebutan "1/3" muncul karena di dalam
persamaan (P.6.26) terdapat faktor "1/3" (sekaligus untuk membedakannya dengan kaidah
Smpson yang lain, yaitu Simpson 3/8).
3. Kaidah Simpson 3/8 (Simpson's 3/8 rule)
Seperti halnya pada kaidah Simpson 1/3, hampiran nilai integrasi yang lebih teliti dapat
ditingkatkan terus dengan mengunakan polinom interpolasi berderajat lebih tinggi pula.
Misalkan sekarang fungsi f(x) kita hampiri dengan polinom interpolasi derajat 3. Luas daerah
yang dihitung sebagai hampiran nilai integrasi adalah daerah di bawah kurva polinom derajat
3 tersebut parabola (Gambar 11). Untuk membentuk polinom interpolasi derajat 3,
dibutuhkan4 buah titik data, misalkan titik-titk
tersebut
Gambar 11 Kaidah Simpson 3/8
Dengan cara penurunan yang sama seperti pada kaidah Simpson 1/3, diperoleh
yang merupakan kaidah Simpson 3/8.
KESIMPULAN
Kaidah integrasi numerik dapat diturunkan dengan
A. Metode Pias
1. Kaedah segiempat
a. Satu Pias
∫ [ ]
b. kaidah segiempat gabungan adalah dapat dihitung dengan formula
dengan f r = f(x r) , r = 0, 1, 2, ..., n .
Galat kaedah segiempat adalah
dimana I = integral sejati dan integral numerik
2. Kaedah trapesium
Kaedah trapesium dikenal juga dengan kaidah segiempat
Galat kaedah trapesium adalah
3. Kaedah titik tengah

a. Satu pias
∫ ( )
Galat (E) adalah
b. Gabungan
∫ ∫ ∫ ∫
∫ ∑
Galat (E) untuk pias gabungan adalah
B. Metode Newton-Cotes
1. Kaedah Trapesium
a. Polinom interpolasi Newton- Gregory berderajat satu
∫ [ ]
Galat kaedah trapesium adalah
b. n buah polinom berderajat satu (sama dengan n pias)
dengan f r = f(x r) , r = 0, 1, 2, ..., n .
2. Kaidah Simson 1/3
a. Polinom Interpolasi N-G berderajat 2 yang melalui 3 buah titik
b. Kaidah simson 1/3 gabungan
∑ ∑
Galat kaidah simson 1/3 untuk n/2 dua pasang upselang
3. Kaidah simson 3/8
Galat kaidah Simson 3/8 adalah
Kaidah simson 3/8 Gabungan adalah
∫ ∑ ∑
Galat kaidah Simson 3/8 gabungan adalah
11.4 Soal Latihan
1. Hitung integral ∫ dengan kaedah trapesium. Ambil h= 0,2. Perkirakan juga

batas-batasnya galatnya.
2. Hitung integral ∫ dengan menggunakan
a) kaedah trapesium, b) kaidah titik tengh, c) kaidah simson 1/3

Gunakan jarak antar titik h = 0,125
4
3. Dengan aturan Simpson 3/8 hitung I   e x dx . Hitung pula integral tersebut dengan
0
menggunakan gabungan dari metode Simpson 1/3 dan 3/8, apabila digunakan 5 pias
dengan x = 0,8.
BAB XII
KUADRATUR GAUSS-LEGENDRE,
TRANSFORMASI INTERVAL UNTUK GAUSS LEGENDRE
dapat Mengetahui metode Integral Numerik
(1) Mengetahui dan memahami metode Kuadratus-Gauss

Legendre.
(2) memahami metode Kuadratus-Gauss Legendre Dua
titik
(3) Mengetahui memahami metode Kuadratus-Gauss
Legendre.
12.1 Metode Integrasi Gauss

Pada Metode Newton-Cotes (Trapezoida, Simson) berdasarkan titik-titik pada data diskrit, .
Dengan menggunakan batasan: 1) h (jarak) sama, 2) Luas dihitung dari a sampai b. Akibatnya
error yang dihasilakn cukup besar.
Misal menghitung luas dengan metode Trapezoida dengan selang [-1, 1]
Persamaan 1) dapat ditulis menjadi
Persamaan 2) disebut Persamaan Kuadratur Gauss.
Misal menjadi metode trapezoida
Karena , ,, dan sembarang maka kita harus memilih nilai tersebut sehingga error
integrasinya minimum.
 Untuk mencari , ,, dan harus ada 4 persamaan simultan yang mengandung ,

,, dan (karena ada 4 buah peubah yang tidak diketahui)
 Dapat dilihat bahwa nilai integrasi numerik dengan metode trapesium akan tepat (error
= 0) untuk fungsi tetap dan fungsi linier.
Misalkan,
Persamaan-persamaan di bawah ini dijadikan fungsi integral pada interval integrasi [-1, 1]
Penyelesaian
Diperoleh empat persamaan Simultan
Penyelesaian persamaan Simultan menghasilkan
√ √
Sehingga
∫ ( ) ( )
√ √
12.2 Transformasi Interval
∫ ∫
[ ] [ ]
a x b -1 u 1
∫ ∫
( )
∫ ∫ ( )
Kelebihan Metode Gauss Legendre dua titik
1. Lebih sederhana dan efisien dalam operasi Aritmatika karena hanya membutuhkan
evaluasi dua fungsi dibandingkan metode Newton-Cotes (Trapezoida, Simson1/3,
Simson 3/8)
2. Lebih teliti dibandingkan dengan metode Newton-Cotes.
3. Namun kaidah ini harus mentransformasi terlebih dahulu menjadi ∫

12.3Integrasi Kuadratur-Gauss Legendre
1. Pendekatan dua titk
(1) Definisikan fungsi
(2) Tentukan batas bawah (a) dan batas atas (b)
(3) Hitung nilai konversi variable
(4) Tentukan fungsi dengan
( )
(5) Hitung
( ) ( )
√ √
Contoh
Penyelesaian
Konversi variable
( )
Dengan demikian diperoleh fungsi g(u)
[ ]
∫ ( ) ( )
√ √
Dengan menggunakan integrasi Kuadratur Gauss dengan pendekatan dua

titik diperoleh:
( ) ( ) ( ) ( )
√ √ √ √
2. Pendekatan Tiga Titik
Parameter , ,, dan , dapat dicari dengan membuat penalaran bahwa

kuadratur gauss bernilai tepat (error = 0) untuk 6 buah fungsi berikut;
Dengan cara yang sama dengan pendekatan pada dua titik diperoleh
√ √
Sehingga rumus luasannya menjadi
∫ √ √
Algoritma Kuadratur Gauss Legendre tiga titik
(1) Definisikan fungsi

(2) Tentukan batas bawah (a) dan batas atas (b)
(3) Hitung nilai konversi variable
(4) Tentukan fungsi dengan
( )
(5) Hitung
∫ √ √
12.4 Soal Latihan
1. Gunakan Aturan Kuadratur Gauss Legendre untuk menghitung hampiran ∫ ,
kemudian bandingkan dengan aturan Simson

4
2. Hitung integral I   e x dx, dengan menggunakan
0
a. metode Gauss kuadratur

b. metode Gauss Kuadratur 3 titik
BAB XIII
PERSAMAAN DIFERENSIAL NUMERIK METODE EULER, METODE HEUN
dapat mengetahui persamaan iferensial secara numerik
(1) Mengetahui dan memahami metode Euler
(2) Memahami metode Heunn
Persamaan diferensial adalah persamaan yang meliputi turunan fungsi dari satu atau
lebihvariabel terikat terhadap satu atau lebih variabel bebas. Dan berdasarkan jumlah variable
bebasnya maka persamaan diferensial dibedakan menjadi 2, yaitu persamaan DiferensialBiasa
yang hanya mengandung satu variabel bebas dan Persamaan Diferensial Parsial
yangmengandung lebih dari satu variabel bebas.
Tidak semua persamaan diferensial biasa dapat diselesaikan secara analitik,

untukpersamaan yang tidak dapat diselesaikan secara analitik dapat diselesaikan secara
numerik.Ada beberapa metode penyelesaian persamaan diferensial biasa dengan metode
numeric diantaranya adalah metode Euler, Heunn, Metode Deret Taylor, Metode Runge-Kutta.
Berikut akan kita bahas metode Euler dan Metode Heunn.
13.1 Metode Euler
Metode Euler adalah salah satu dari metode satu langkah yang paling sederhana. Di
banding dengan beberapa metode lainnya, metode ini paling kurang teliti. Namun demikian
metode ini perlu dipelajari mengingat kesederhanaannya dan mudah pemahamannya sehingga
memudahkan dalam mempelajari metode lain yang lebih teliti.
Metode euler atau disebut juga metode orde pertama karena persamaannya kita hanya
mengambil sampai suku orde pertama saja.
Misalnya diberikan PDB orde satu,

dan nilai awal y(x0 ) = x0
Misalkan
yr = y(xr)
adalah hampiran nilai di xr yang dihitung dengan metode euler. Dalam hal ini
xr = x0 + rh, r = 1, 2, 3,…n
metode euler diturungkan dengan cara menguraikan y(xr+1 ) di sekitar xr ke dalam deret
taylor :
bila persamaan di atas dipotong samapai suku orde tiga, peroleh
berdasarkan persamanan bentuk baku PDB orde orde satu maka
dan
xr+1 – xr = h
maka persamaan 2 dapat ditulis menjadi
h2
y(xr+1 ) y(xr)+hf(xr,yr)+ y”(t) (3)
2
dua suku pertama persamaan di atas yaitu :
y(xr+1 ) = y(xr) + hf(xr, yr) ; r = 0, 1, 2,…,n (4)

atau dapat ditulis
yangmerupakan metode Euler atau Metode Orde Pertama.
Contoh
Diketahui PDB .
Gunakan metode Euler untuk menghitung y(0, 10)dengan ukuran langkah h = 0,05 dan h =
0,02. Jumlah angka bena = 5.diketahui solusi sejati PDB tresebut adalahy(x) = e x – x – 1.
Penyelesaian:
(i) Diketahui
a = x0 = 0
b = 0.10
c = 0.05
dalam hal ini f(x,y) = x + y, dan penerapan metode Euler pada PDB tersebut menjadi
yr 1  yr  0.02( xr  yr )
Langkah-langkah:
x0  0  y0  0
x1  0.05  y1  y0  0.05( x0  y0 )  1  (0.05)(0  1)  1.0050
x2  0.10  y2  y1  0.05( x1  y1 )  1.0050  (0.05  1.0050)  1.05775
Jadi, y(0.10)  1.05775
(bandingkan dengan solusi sejatinya,
y (0.10)  e0.10  0.1  1  0.0052
Sehingga galatnya adalah
Galat = 0.0052 – 1.05775 = -1.1030
(ii) Diketahi
a  x0  0
b  0.10
h  0.02
Dalam hal ini , f ( x, y)  x  y , dan penerapan metode Euler pada PDB tersebut
menjadi
yr 1  yr  0.02( xr  yr )
Langkah-langkah:
x0  0  y0  1
x1  0.02  y1  y0  0.02( x0  y0 )  1  (0.02)(0  1)  1.0200
x2  0.04  y2  y1  0.02( x1  y1 )  1.0200  (0.02)(0.02  1.0200)  1.0408
x3  0.06  y3  1.0624
x4  0.08  y4  1.0848
x5  0.10  y5  1.1081
Jadi y(0,10)  1.1081

(bandingkan dengan solusi sejatinya, y(0,10) = 1.1103, sehingga galatnya adalah
Galat = 1.1103 – 1.1081 = 1.1081)
13.2 Metode Heunn
Metode Euler mempunyai ketelitian yang rendah karena galatnya besar (sebanding
dengan h). buruknya galat ini dapat dikurangi dengan menggunakan metode Heun, yang
merupakan perbaikan metode Euler (modifified Euler’s method ). Pada metode Heun , solusi
dari metode Euler dijadikan sebagai solusi perkiraan awal (prediktor), selanjutnya solusi
perkiraan awal diperbaiki dengan metode Heun (Corrector).
Metode Heun diturunkan sebagai berikut:
Pandang PDB orde Satu
y ' ( x)  f ( x, y ( x))
Integrasikan kedua ruas persamaan dari xr sampai xr+1 :

xr 1
f ( x, y( x))dx  
xr 1
y ' ( x)dx
xr xr
= y(xr+1 )-y(xr) = yr+1 -yr

Nyatakan yr+1 di ruas kiri dan suku-suku lainnya di ruas kanan:
xr 1
yr 1  yr  
xr
f ( x, y ( x))dx (1)
Suku yang mengandung integral di ruas kanan ,

xr 1

xr
f ( x, y ( x))dx ,
dapat diselesaikan dengan kaidah trapezium menjadi

xr 1
h

xr
f ( x, y ( x))dx  [ f ( xr , yr )  f ( xr 1 , yr 1 )]
2
(2)
Sulihkan persamaan (1) ke dalam persamaan (2) , menghasilkan persamaan

h
yr 1  yr  [ f ( xr , yr )  f ( xr 1 , yr 1 )] (3)
2
Yang merupakan metode Heun , atau metode Euler-Cauchy yang diperbaiki.
Dalam persamaan (2) suku ruas kanan mengandung yr+1 ini adalah solusi perkiraan awal
(prediktor) yang dihitung dengan metode Euler.
Persamaan 3) dapat ditulis sebagai predictor:
Corrector: [ ( )]
Atau ditulis dalam satu kesatuan, [ ]
Contoh:
Diketahui PDB
dy/dx = x + y ; y(0) = 1
hitung y(0.10) dengan metode Heun (h = 0.02)
penyelesaian:
dietahui:
f(x,y) = x + y
a = x0 = 0, b = 0.10, h = 0.02
maka n = (0.10 - 0)/0.02 = 5 (jumlah langkah)
langkah-langjah:
x1 = 0,02 y(0)1 = y0 + hf(x0 , y0 )
= 1 + 0.02(0+1)
= 1.0200
Y(1)1 = y0 + (h/2)[f(x0 ,y0 )+f(x1 ,y(0)1)]
= 1 + (0.02/2)(0+1+0.02+1.0200)
= 1.0204
X2 = 0.04 y(0)2 = y1 + hf(x1 , y1 )
= 1.0204 + 0.02(0.02 + 1.0204)
= 1.0412
Y(1)2= y1 + (h/2)[f(x1 , y1 ) + f(x2 , y(0)2)]
= 1.0204 + (0.02/2)[0.02 + 1.0204 + 0.04 + 1.0412]
=1.0416
X5 = 0.10 y(0)5 = y4 + hf(x4 , y4 )
Y(0)5 = y4 + (h/2)[f(x4 , y4 ) + f(x5 ,y(0)5)]= 1.1104
Jadi, y(0.10) 1.1104
13.3 Soal Latihan
1. Diberikan persamaan diferensial lakukan perhitungan numeric
untuk menaksir nilai y pada nilai- nilai x dalam selang [0,5]

(ambil ukuran langkah h =0,2)
a. Metode Euler

b. Metode Heun
c. Metode Deret TayloR
2. Diberikan persamaan diferensial . Tentukan nilai (1.4) dengan
metode metode (ambil ukuran langkah h =0,2)

a. Metode Euler
b. Metode Heun
c. Metode Deret TayloR
3. Nyatakan dalam system persamaan diferensial biasa orde satu:
a.
b.
c.
BAB XIV
NUMERIK METODE RUNGE-KUTTA DAN

EKSTRAPOLASI RICHARDSON
dapat mengetahui persamaan iferensial secara numerik

(1) Mengetahui dan memahami metode Runge-Kutta
(2) Memahami Eksplorasi Richardson
14.1 Metode Runge-Kutta
Pada metode Euler memberikan hasil yang kurang teliti maka untuk mendapatkan hasil
yang lebih teliti perlu diperhitungkan suku yang lebih banyak dari deret Taylor atau
dengan menggunakan interval x yang kecil. Kedua cara tersebut tidak menguntungkan.
Metode Runge-Kutta adalah alternatif lain dari metode deret Taylor yang tidak
membutuhkan perhitungan turunan. Metode ini berusaha mendapatkan derajat
ketelitian yang lebih tinggi, dan sekaligus menghindarkan keperluan mencari
turunan yang lebih tinggi dengan jalan mengevaluasi fungsi f(x, y) pada titik terpilih
dalam setiap selang langkah.
Bentuk umum dari metode Runge-Kutta adalah:
dengan a adalah konstanta dan k adalah:
k1 = f (x i, yi) (14.2)
k2 = f (x i+ p1x, yi+ q11 k1 x) (14.3)
k3 = f (x i+ p2x, yi+ q21 k1 x + q22 k2 x) (14.4)
kn = f (x i+ pn – 1x, yi+ qn – 1, 1 k 1 x + qn – 1, 2 k2 x + + qn – 1, n – 1kn – 1 x) (14.5)
Persamaan tersebut menunjukkan bahwa nilai k mempunyai hubungan berurutan.
Nilai k 1 muncul dalam persamaan untuk menghitung k 2 , yang juga muncul dalam
persamaan untuk menghitung k 3 , dan seterusnya. Hubungan yang berurutan ini membuat
metode Runge-Kutta adalah efisien dalam hitungan.
Ada beberapa tipe metode Runge-Kutta yang tergantung pada nilai n yang digunakan.
1) Metode Runge-Kutta order satu
Untuk a1 = 1 maka persamaan (14.1) menjadi:
yang sama dengan metode Euler.

Di dalam metode Runge-Kutta, setelah nilai n ditetapkan, kemudian nilai a, p dan q dicari
dengan menyamakan persamaan (14.1) dengan suku-suku dari deret Taylor.
2) Metode Runge-Kutta order 2

Metode Runge-Kutta order 2 mempunyai bentuk:
Dimana (14.7)
) (14.8)
Nilai a1, a2 , p1 dan q11 dievaluasi dengan menyamakan persamaan (14.6) dengan deret
Taylor order 2, yang mempunyai bentuk:
(14.9)
dengan f ' ( xi , yi ) dapat ditentukan dari hukum berantai (chain rule) berikut:
(14.10)
Substitusi persamaan (14.10) ke dalam persamaan (14.9) menghasilkan:
Δx f f dy Δx
yi  1  yi  f ( xi , yi ) (  ) (14.11)
1 x y dx 2
Nilai a1 , a2 , p1 dan q11 ditentukan dengan metode Runge-Kutta, sedemikian sehingga

persamaan (14.6) ekivalen dengan persamaan (14.11). Untuk itu digunakan deret
Taylor untuk mengembangkan persamaan (14.8). Deret Taylor untuk fungsi dengan
dua variabel mempunyai bentuk:
g g
g ( x  r , y  s)  g ( x, y)  r s  ...
x y
Dengan cara tersebut, persamaan (8.22c) dapat ditulis dalam bentuk:

f f
f ( xi  p1 Δx, yi  q11k1 Δx)  f ( xi , yi )  p1 Δx  q11k1 Δx  0(Δx 2 )
x y
Bentuk diatas dan persamaan (14.7) disubstitusikan ke dalam persamaan (14.6)

sehingga menjadi:
f
yi  1  yi  a1 Δx f ( xi , yi )  a2 Δx f ( xi , yi )  a2 p1 Δx 2
x
f
 a2 q11Δx 2 f ( xi , yi )  0( Δx 3 )
x

atau
y1  1  yi  a1 f ( xi , yi )  a2 f ( xi , yi )Δx
 f f  (14.7)
 a2 p1  a2 q11 f ( xi , yi )  Δx 2  0( Δx 3 )
 x x 
Dengan membandingkan persamaan (14.26) dan persamaan (14.7), dapat disimpulkan

bahwa kedua persamaan akan ekivalen apabila:
(mengandung empat bilangan yang
tidak diketahui dari tiga persamaan). Anggap bahwa tetap sehingga diperoleh
,
Karena nilai a2 dapat dipilih sembarang, maka akan terdapat banyak metode Runge-Kutta
order 2. Metode Runge-Kutta order 2 yang sering digunakan adalah metode Heunn
1
Apabila a2 dianggap , maka diperoleh:
2
Parameter tersebut apabila disubstitusikan ke dalam persamaan akan menghasilkan:
( )
dengan: )
dimana k 1 adalah kemiringan fungsi pada awal interval dan k 2 adalah kemiringan fungsi pada
akhir interval. Dengan demikian metode Runge-Kutta order 2 adalah sama dengan metode
Heun.
14.2 Ekstrapolasi Richardson
Ekstrapolasi Richardson juga dapat diterapkan pada turunan numerik untuk memperoleh
solusi yang lebih teliti. Misalkan dan adalah hampiran dengan mengambil
titik-titik masing- masing sejarak dan . Misalkan untuk menghitung digunakan
rumus hampiran beda-pusat orde

Kurangi persamaaan
[ ] [ ]
Atau [ ]
Ekstrapolasi Richardson dapat diperluas penggunaannya untuk mendapatkan nilai

turunan fungsi yang lebih baik (improve). Berdasarkan persamaan diatas dapat ditulis aturan:
{ ]
Yang dalam hal ini adalah orde galat rumus yang dipakai. Misalnya digunakan rumus
hampiran selisih-pusat orde dalam menghitung , maka ,
sehingga rumus ekstrapolasi Richardsonnya adalah seperti persamaan
[ ]
Catatan juga bahwa setiap perluasan ekstrapolasi Richardson akan menaikkan orde
galat dari menjadi .
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 dengan ekstrapolasi Richrdson bila D(h) dan D(2h) dihitung dengan rumus
hampiran selisih-pusat orde
Penyelesaian :
D(h) selang titik yang dipakai:[2.4 ,2.6] dan h = 0.1
D(h) =
D(2h) selang titik yang dipakai:[2.3 ,2.7] dan h = 0.2
D(2h) =
D(4h) selang titik yang dipakai:[2.1 ,2.9] dan h = 0.4
D(4h) =
D(h) = -0.31960 dan D(2h) = -0.31775 keduanya dihitung dengan rumus orde , sehingga
n=2, sehingga
[ ]
= - 0.31960 + 1/3 (-0.31960 + 0.31775)
= -0.32022 mempunyai galat orde

D(2h) = -0.31775 dan D(4h) = -0.30951 keduanya dihitung dengan rumus orde ,
sehingga n=2, sehingga
[ ]
= - 0.31775 + 1/3 (-0.31775 + 0.30951)
D(2h) = -0.32022 dan D(4h) = -0.32050 keduanya dihitung dengan rumus orde ,
sehingga n=4, sehingga
[ ]
= - 0.32022 + 1/15 (-0.32022 + 0.32050)
Tabel Richardson :
h
0.1 -0.31960
0.2 -0.31775 -0.32022
0.4 -0.30951 -0.32050 -0.32020
Jadi, = -0.32020.
14.3 Soal Latihan
4. Diberikan persamaan diferensial lakukan perhitungan numeric
untuk menaksir nilai y pada nilai- nilai x dalam selang [0,5]

(ambil ukuran langkah h =0,2)
d. Metode Euler
e. Metode Heun
f. Metode Deret TayloR
g. Metode Runge-Kutta orde 3
5. Diberikan persamaan diferensial . Tentukan nilai (1.4) dengan
metode metode (ambil ukuran langkah h =0,2)

d. Metode Euler
e. Metode Heun
f. Metode Deret TayloR
g. Metode Runge-Kutta orde 3
6. Perlihatkan bahwa metode Runge-Kutta ini
[( ) ]
Adalah berorde dua untuk sembarang tetapan (
Daftar Pustaka
Chapra, SC & Canale, RP. (1989). Numerical Methods for Engineers. MCGraw Hill
Munir Rinaldi. 2003. “Metode Numerik”. Bandung : Informatika
Sangadji, 2008, Metode Numerik, Yogyakarta: Graha Ilmu : [hal 1-2].
Triadmojo, Bambang.1992. “Metode Numerik”.Yogyakarta: Beta Offset.

Buku Ajar Analisis Numerik-2016-Junaidi - 230220 - 113801

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

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

Buku Ajar Analisis Numerik-2016-Junaidi - 230220 - 113801

Diunggah oleh

Hak Cipta:

Format Tersedia

BUKU AJAR

DIBIAYAI OLEH DIPA FMIPA UNIVERSITAS TADULAKO TAHUN 2015

PROGRAM STUDI STATISTIKA

Bismillahirrahmanirrahim. Assalamualaikum Warahmatullahi Wabarakatuh.

Semoga buku penuntun praktikum ini dapat bermanfaat semaksimal mungkin,

Palu, Agustus 2016

Dekan FMIPA UNTAD

1. Nama : Junaidi, S.Si. M.Si, Ph.D

Palu, 25 Mei 2016

Dr. M. Rusydi H., M.Si. Junaidi, M.Si., Ph.D

Palu, Agustus 2016

SAMBUTAN DEKAN FMIPA UNTAD ......................................................................... ii

HALAMAH PENGESAHAN ........................................................................................... iii

KATA PENGANTAR ....................................................................................................... iv

BAB I PENGANTAR ANALISIS NUMERIK ............................................................... 1

1.1. Pengertian Metode Numerik ......................................................................... 1

2.1. Galat Dalam Perhitungan Numerik ................................................................ 8

3.1. Metode Bagi Dua ( Bisection Method) ............................................................... 15

5.1. Tinjauan Ulang Matrik ...................................................................................... 32

BAB VI FAKTORISASI SEGITIGA DAN METODE CHOLESKY……………………….. 43

BAB VII METODE JACOBI DAN GAUSS-SEIDEL……………………………………….. 47

BAB X DIFERENSIAL NUMERIK………………………………………………………….. 65

BAB XI INTEGRAL NUMERIK………………………………………………………………. 76

BAB XII KUADRATUR GAUSS-LEGENDRE, TRANSFORMASI INTERVAL

BAB XIV METODE RUNGE-KUTTA DAN EKSTRAPOLASI RICHARDSON 101

DAFTAR PUSTAKA ......................................................................................................... 108

PENGANTAR ANALISIS NUMERIK

Tujuan Instruksional Khusus (TIK) :Mahasiswa diharapkan mampu :

(1) Mengetahui dan memahami pengertian apa yang

1.1 Pengertian Metode Numerik

Mengapa menggunakan Metode Numerik?

Beberapa Alasan menggunakan Metode Numerik

1. Tentukan akar-akar persamaan polynomial

2. Tentukan harga x yang memenuhi persamaan:

3. Hitung nilai integral tentu berikut

Metode Analitik vs Metode Numerik

 Pada contoh 1, menunjukan bahwa beberapa permasalahan matematika tidak dapat

Sebagai ilustrasi penyelesaian dengan metode numerik, perhatikan contoh berikut.

Carilah hasil dari ∫

Dengan metode analitik diperoleh solusi sejati

Perhatikan bahwa adalah solusi analitik dalam bentuk fungsi matematik,

fungsi matematik pada batas integrasi x = -1 dan x = 1

Dengan metode numerik, diselesaikan dengan interpretasi geometri integral dari

Tahap Pemecahan Persoalan Secara Numeris

b. Pertimbangan pemilihan metode

 Apakah metode tersebut teliti?

 Apakah metode mudah diprogram, dan waktu pelaksanaannya cepat?

 Apakah metode tersebut peka terhadap ukuran data.

4. Pemrograman (translate algoritma program komputer)

Metode adalah algoritma, menyangkut langkah-langkah penyelesaian persoalan secara

Pada analisa numerik, pangkajiannya mendalam dan relevansi dengan kenyataan

Materi yang akan dipelajari dalam Analisi Numerik

1. Solusi Persamaan Non-linier Dicari x sehingga f(x) = 0

2. Solusi Sistem Persamaan Linier

Diberikan dan nilai awal

Tentukan nilai y(xt ) untuk xt ∈ R

1.3 Soal Latihan

Tujuan Instruksional Khusus (TIK) :Mahasiswa diharapkan mampu :

(1) Mengetahui definisi dan jenis-jenis galat

2. dari pengabaian sesuatu

3. dari alat yang digunakan

4. dari metode numeris yang digunakan