Komputasi Proses

KOMPUTASI PROSES
PUSTAKA
1. Curtis F.Gerald, “ Applied Numerical Analysis”, 2nd
edition, Addison-Wesley Publishing Company, Tokyo,
1978
2. John H.Mathews, “ Numerical Methods for
Mathematics, Science, and Engineering”, 2nd edition,
Prentice Hall, Englewood Cliffs, New Jersey, 1992
3. S.C.Chapra and R.P.Canale,” Numerical Methods for
Engineers”, 2nd edition, Mc Graw Hill, New York, 1988
4. V. Rajarman, “ Computer Oriented Numerical
Methods”, Prentice Hall of India, New Delhi, 1980
5. Burden and Faires,”Numerical Analysis”, sixth edition,
Brookes Cole.
TUJUAN
• Mengenalkan teknik-teknik numerik yang
dapat digunakan untuk menyelesaikan
persoalam matematik
• Mahasiswa dapat menyelesaikan
persoalan matematik secara numerik
melalui pemograman komputer
MATERI
• Pendahuluan
• Penyelesaian Persamaan Non-Linear
• Penyelesaian Sistim Persamaan-persamaan
Linear dan Nonlinear
• Pendekatan Polinomial
• Penyelesaian Numerik Persamaan Diferensial
Biasa
• Penyelesaian Numerik Persamaan Diferensial
Parsial
• Curve-Fitting
PENDAHULUAN
KENAPA BELAJAR KOMPUTASI NUMERIK TERAPAN?
Proses Fisik dan Kimia
Pemodelan matematik
Model Matematik
Penyelesaian Model Matematik
Analitik Numerik
Calculus Kompuasi Numerik Terapan

Matematika Teknik Kimia I
Matematika Teknik Kimia II
PENDAHULUAN
KENAPA BELAJAR KOMPUTASI NUMERIK TERAPAN?
Penyelesaian Analitik:
Eksak (tak ada kesalahan)
Bisa digunakan untuk persoalan sederhana atau yang disederhanakan
Penyelesaian Numerik:
Tidak Eksak (ada kesalahan)
Bisa digunakan untuk persoalan sederhana dan rumit
Umumnya meliputi approximasi dan iterasi
Umumnya membutuhkan program komputer
Iterasi = pengulangan suatu tindakan atau proses secara spesifik,

pemakaian berulang-ulang proses numerik untuk mendapatkan
hasil perhitungan yang makin teliti
PENDAHULUAN
LANGKAH – LANGKAH PENYELESAIAN
PERSOALAN SECARA MATEMATIK/NUMERIK
1. Persoalan Alam, Fisika, Kimia

2. Persoalan Matematika/Numerik
3. Algoritma Numerik
4. Flow Chart
5. Program Komputer
PENDAHULUAN
Persoalan Numerik: Pernyataan yang jelas mengenai hubungan
fungsional antara data input dan data output. Data input/output dapat
dinyatakan sebagai vektor
Algoritma Numerik: Pernyataan yang komplit dari operasi-operasi

melalui mana masing-masing vektor data input menjadi vektor data
output
Program Komputer terdiri dari:

1. Membaca atau memberi nilai data input
2. Proses perhitungan data output dari data input
3. Menampilkan hasil perhitungan
PENDAHULUAN
KESALAHAN DALAM PERHITUNGAN NUMERIK
SUMBER KESALAHAN
1. Kesalahan dari data input
2. Roundoff error selama perhitungan
3. Truncation error
4. Kesalahan akibat penyederhanaan model matematik
PERNYATAAN KESALAHAN
1. Kesalahan absolut = (ap – a)

2. Kesalahan relatif = (ap – a)/a
PENYELESAIAN PERSAMAAN NONLINEAR
Persoalan: diketahui f(x) = 0, tentukan harga x
Metoda:
1. Bisection
2. Interpolasi Linear
3. Secant
4. Pendekatan Berturutan
5. Newton Raphson
6. Bairstow
Metoda Bisection
Algorithma
1. Pilih dua harga x, x1 dan
x2, sedemikian sehingga
x1 x2 f(x1) berlawanan tanda
dengan f(x2).
x1 x3 x2 2. Hitung x3: x3=(x1+x2)/2
. . . 3. Bila abs(x1-x2)< tol, x3=
x1 x3 x2 harga x yang dicari. Bila
abs(x1-x2) > tol, lanjut ke 4
4. Bila f(x3)*f(x1)<0, x2 = x3
Bila f(x3)*f(x2)<0, x1 = x3
5. Kembali ke 2
Start
Read x1,x2, Tol
f1 = f ( x1 )
f2 = f ( x2 )
Flow Chart f1. f2 >

0 N
Metoda x3 = 1/2 ( x1 + x2 )
Bisection E = 1/2 .abs( x1 – x2 )
Y
E< Tol Cetak x3
N
f3 = f ( x3 ) End
Y x2 = x3
f1. f3 <
0N f2 = f3
x1 = x3
f1 = f3
Contoh 2.1
Cari salah satu akar diantara 1 dan 2 dari persamaan x3 + x2
- 3 x - 3 = 0 dengan metoda Bisection. Toleransi= 10-5 .
Penyelesaian:
f(x) = x3 + x2 - 3 x - 3
x3 = (x1 + x2)/2.
Diperoleh hasil perhitungan yang ditunjukkan pada Tabel 2-1.
Tabel 2-1 : Metoda Bisection untuk f(x) = x3 + x2 - 3 x - 3 = 0
Ite x1 x2 x3 f(x1) f(x2) f(x3) 1/2 abs (x1- x2)

1 1 2 1.5 -4 3 -1.875 0.5
2 1.5 2 1.75 -1.875 3 0.171875 0.25
3 1.5 1.75 1.625 -1.875 0.171875 -0.94336 0.125
4 1.625 1.75 1.6875 -0.94336 0.171875 -0.40942 0.0625
5 1.6875 1.75 1.71875 -0.40942 0.171875 -0.12479 0.03125
6 1.71875 1.75 1.734375 -0.12479 0.171875 0.02203 0.015625
. .
. .
. .
17 1.73204 1.732056 1.732048 -9.8E-05 4.6E-05 -2.6E-05 7.62939E-06
Maka harga x=1.732048

METODA INTERPOLASI LINEAR
F(x)
DE / AB = CE / CB
C
4
3 (x2,f2)
2
(X2-X3)/(X2-X1)=f2/(f2-f1)
1 D E
X1 X3 X2 X
-1 .f(x2)-f(x1)
-2
-3 (x3,f3) X3= X2 – (X2-X1)*f2 /(f2-f1)
-4
(x1,f1)
A B
Algoritma Metoda Interpolasi Linear
1. Pilih dua harga x, x1 dan x2, sedemikian sehingga f(x1) berlawanan tanda
dengan f(x2).
2. Hitung x3: x3= x2 – (x2-x1)*f2 / (f2-f1)
3. Bila abs(f3)< tol, x3= harga x yang dicari.
Bila abs(f3) > tol, lanjut ke 4,
atau :
Bila abs((x3new-x3old)/x3old) < tol, x3 = harga x yang dicari
Bila abs((x3new-x3old)/x3old) > tol, lanjut ke 4
4. Bila f(x3)*f(x1)<0, x2 = x3
Bila f(x3)*f(x2)<0, x1 = x3
5. Kembali ke 2
Contoh 2.2
Tentukan salah satu akar real persamaan berikut : x3 + x2 - 3 x - 3 = 0 yang
berada diantara 1 dan 2 dengan metoda interpolasi linear (Regula falsi).
Toleransi=10-5
Penyelesaian:
f ( x2 )
f(x) = x3 + x2 -3x-3 ; x3  x 2  ( x2  x1 )
f ( x2 )  f ( x1 )
Tabel 2-2 : Metoda Regulasi falsi untuk f(x) = x3 + x2 - 3 x - 3 = 0
Ite x1 x2 x3 f(x1) f(x2) f(x3) abs (f(x3))
1 1 2 1.57143 -4 3 -1.3644 1.364431487
2 1.57143 2 1.70541 -1.3644 3 -0.2477 0.2477451
3 1.70541 2 1.72788 -0.2477 3 -0.0393 0.039339551
4 1.72788 2 1.7314 -0.0393 3 -0.0061 0.006110673
5 1.7314 2 1.73195 -0.0061 3 -0.0009 0.000945921
6 1.73195 2 1.73204 -0.0009 3 -0.0001 0.000146349
7 1.73204 2 1.73205 -0.0001 3 -2E-05 2.26406E-05

8 1.73205 2 1.73205 -2E-05 3 -4E-06 3.50252E-06
Maka harga x=1.73205

METODA SECANT
Algoritma
1. Pilih dua harga x, x1 dan x2, sedemikian sehingga f(x1) berlawanan tanda
dengan f(x2).
2. Hitung x3: x3= x2 – (x2-x1)*f2 / (f2-f1)
3. Bila abs(f3)< tol, x3= harga x yang dicari.
Bila abs(f3) > tol, lanjut ke 4,
atau :
Bila abs((x3new-x3old)/x3old) < tol, x3 = harga x yang dicari
Bila abs((x3new-x3old)/x3old) > tol, lanjut ke 4
4. x1 = x2 , f1 = f2
x2 = x3 , f2 = f3
5. Kembali ke 2
Contoh 2.3
Ulangi Contoh 2.2 dengan metoda Secant.
Penyelesaian:
Ite x1 x2 x3 f(x1) f(x2) f(x3)
1 1 2 1.57143 -4 3 -1.3644315
2 2 1.57143 1.70541 3 -1.3644 -0.2477451
3 1.57143 1.70541 1.73514 -1.3644 -0.2477 0.0292554
4 1.70541 1.73514 1.732 -0.2477 0.02926 -0.0005152
5 1.73514 1.732 1.73205 0.02926 -0.0005 -1.039E-06
Maka harga x=1.73205.

METODA PENDEKATAN BERTURUTAN
Bentuk f(x) =0 diubah kebentuk x = g(x)
Ada banyak cara untuk merubah bentuk f(x)=0 menjadi x = g(x)
Misal: f(x) = x2 - 2 x - 3 = 0
dapat ditulis dalam bentuk ,
x  2x  3
3
x
x2
x2  3
x
2
Algoritma:
1. Pilih satu harga x, yaitu x0

2. Hitung harga baru x1: x1 = g(x0)
3. Bila abs((x1-x0)/x0) < tol, x1 = harga x yang dicari
Bila abs((x1-x0)/x0) > tol, lanjut ke 4
4. x0=x1, kembali ke 2
Syarat Konvergensi
konvergen
Y Y
Y=x Y=x
g ' ( x)  1
X X
.x0 .x1 .x2 .x0 .x2 .x3 .x1
Divergen
Y Y
Y=x Y=x
X X
.x0 .x1 .x2 .x2 .x0 .x1
METODA NEWTON RAPHSON
F(x)
4
3 (xn,fn)
f xn 
X n1  Xn 
f ' xn 
2
1
X
- Xn+2 Xn+1 Xn
1-
2-
3-
4
Algoritma:
1. Pilih satu harga x, yaitu x0

2. Hitung harga baru x1: x1 = x0 - f(x0) / f ’(x0)
3. Bila abs((x1-x0)/x0) < tol, x1 = harga x yang dicari
Bila abs((x1-x0)/x0) > tol, lanjut ke 4
4. x0=x1, kembali ke 2
Syarat Konvergensi :
f x  f " x 
1
 f ' x 2
Contoh 2.5
Tentukan salah satu akar real dari persamaan sin x -(x/2)2 =0 dengan
metoda Newton Raphson. Toleransi = 10-5
Penyelesaian:
f ( x)  sin x  x / 2
2
f ' ( x)  cos x  x / 2
xn1  xn  f ( xn ) / f ' ( xn )
Hasil perhitungan ditunjukkan pada Tabel 2.4

Tabel 2-4: Metoda Newton Raphson untuk f(x) = sin x -(x/2)2 =0
Ite xn f(xn) f'(xn) hn xn+1 (xn+1 - xn)/xn
1 1.5 0.43499 -1.4293 -0.3043 1.80435 0.20289947
2 1.80435 0.15893 -2.0358 -0.0781 1.88242 0.04326702
3 1.88242 0.06596 -2.189 -0.0301 1.91255 0.01600796
4 1.91255 0.0277 -2.2477 -0.0123 1.92488 0.00644463
5 1.92488 0.01168 -2.2716 -0.0051 1.93002 0.00267059
6 1.93002 0.00493 -2.2816 -0.0022 1.93218 0.00111923
7 1.93218 0.00208 -2.2857 -0.0009 1.93309 0.00047124

. .
. .
12 1.93373 2.8E-05 -2.2888 -1E-05 1.93374 6.3244E-06
Akar yang dicari : 1,93374

METODA BAIRSTOW
Metoda ini digunakan untuk mencari semua akar-akar persamaan

polinomial dengan menentukan faktor-faktor kwadratisnya. Berikut ini
akan diterangkan cara menentukan suatu faktor kwadratis dari suatu
polinomial.
Suatu polinomial drajat n
Pn (x) = a1 xn + a2 xn-1 + ......... + an x + an+1
Polinomial dibagi faktor kwadratis: x2 - rx - s
Pn (x) = a1 xn + a2 xn-1 + ......... + an x + an+1

= (x2 - rx - s)(b1 xn-2 + b2 xn-3 + ... + bn-1) + { bn (x-r) + bn+1 }
Polinomial hasil bagi Sisa (residual)

METODA BAIRSTOW
Denagan perkalian dan indentiti:

a1 = b 1 ……………. b1 = a1
a2 = b2 – rb1 ……………. b2 = a2 + rb1
a3 = b3 – rb2 – sb1 ……………. b3 = a3 + rb2 + sb1
‘ ‘
‘ ‘
an = bn – rbn-1 – sbn-2 ……………. bn = an + rbn-1 + sbn-2
an+1 = bn+1 – rbn – sbn-1 ……………. bn+1 = an+1 +
rbn + sbn-1
Diinginkan bahwa bn = 0 dan bn+1 = 0.
Terlihat: bn = bn (r,s); bn+1 = bn+1 (r,s)
Andaikan harga r=r* dan s=s*, merupakan harga r dan s yang

menyebabkan bn = 0 dan bn+1 = 0, maka :
bn (r*, s* ) = 0 dan bn+1 (r*,s* ) = 0.
METODA BAIRSTOW
Bila bn (r*, s* ) dan bn+1 (r*,s* ) , diekspansikan menurut deret Taylor

disekitar (r,s) sampai pada suku-suku linier saja , maka :
bn * b
 
bn r * , s *  bn r , s  
r
 
r  r  n s*  s
s
 
bn1 * b
 
bn1 r * , s *  bn1 r , s  
r
  
r  r  n1 s *  s
s

Atau:
bn bn
0  bn  r  s
r s r = r* - r dan s = s* - s .
bn1 b
0  bn1  r  n1 s
r s
METODA BAIRSTOW
bn bn 1 bn bn 1
PENENTUAN , , ,
r r s s
b1 =a1 b1 b1
0 0
c 1 = b1 r s
b2 b2
 b1  c1 0
b2 = a2 – rb1 r s
c 2 = b2 – r c 1
b3 b b3
 b2  r 2  b1  c1
b3 = a3 – rb2 – sb1 s
r r
c3 = b3 – r c2 –sc1
= b2 + rc1 = c2
bn bn
bn = an – rbn-1 – sbn-2  cn1  cn2
r s
cn = bn – r cn-1 – s cn-2
bn+1 = an+1 – rbn – sbn-1 bn1 bn1

 cn  cn1
cn+1 = bn+1 – r cn – s cn-1 r s
METODA BAIRSTOW
Penentuan r* dan s* dari harga r dan s
cn1r  cn2 s  bn
cn r  cn1s   bn1
 bn .cn1  bn1 .c n 2
r 
cn1 2  cn .cn2
r = r* - r dan s = s* - s .
 bn 1 .cn 1  bn .cn
s 
cn1 2  cn .cn2
METODA BAIRSTOW
Algoritma penentuan faktor kuadratis
1. Pilih harga pendekatan awal r dan s, dan pilih harga toleransi.

2. Tentukan b(i) dan c(i) sebagai berikut :
b1 = a 1 c1 = b1
b2 = a2 + rb1 c2 = b2 – rc1
bi = ai + rbi-1 + sbi-2 ci = bi – rci-1 – sci-2
( i = 3,4, ….., n+1)
3. Tentukan :
DENOM = (cn-1 )2 - cn . cn-2
4. Bila D E N O M = 0, maka set R = R + 1, S = S + 1 ,dan kembali ke tahap 2 .
Bila DENOM # 0 lanjutkan ke tahap 5.
5. Tentukan DELR dan DELS yaitu :
DELR = [ -bn . cn-1 + bn-1 . cn-2 ] / D E N O M .
DELS = [-bn+1 . cn-1 + bn . cn ] / D E N O M .
6. Tentukan R baru dan S baru yaitu :
Rbaru = Rlama + DELR
Sbaru = Slama + DELS
7. Bila abs(DELR) + abs(DELS) < tol , Rbaru dan Sbaru adalah harga r dan s yang dicari
Bila abs(DELR) + abs(DELS) > tol, r = Rbaru, s = Sbaru, kembali ke 2
METODA BAIRSTOW
Contoh 2-5:
Cari semua akar-akar persamaan berikut dengan metoda Bairstow.
x3 - 6 x2 + 11 x - 6 = 0, Toleransi = 0.05,
Penyelesaian :
Sebagai pendekatan awal, dipilih : r = 0 s = 0,
METODA BAIRSTOW
Iterasi 1:
1 -6 11 -6
r=0 0 0 0
S =0 0 0 bn
-------------------------------------------------------
bn+1
1 -6 11 -6
r=0 0 0 0
s=0 0 0
--------------------------------------------------------
1 -6 11 -6
cn-2 cn-1 cn
 bn .cn1  bn1.cn2  bn1.cn1  bn .cn

r   2,4 s   3,4 r* = r +r = 2,4
cn1   cn .cn2
2
cn1   cn .cn2
2
s* = s +s =3,4
R  S  5,8  tol
METODA BAIRSTOW
Iterasi 2:
1 -6 11 -6
r = 2,4 2,4 -8,64 13,824
S =3,4 3,4 -12,24 bn
-------------------------------------------------------
bn+1
1 -3, 6 5,76 - 4,416
r = 2,4 2,4 -2,88 15,072
s =3,4 3,4 - 4,08
--------------------------------------------------------
1 -1,2 6,28 6,576
cn-2 cn-1 cn
 bn .cn1  bn1.cn2  bn1.cn1  bn .cn
r   0,5157 s   6,3788
cn1   cn .cn2
2
cn1   cn .cn2
2 r* = r +r = 1,8843
s* = s +s =-2,9788
R  S  6,8945  tol
METODA BAIRSTOW
Iterasi r s Δr Δs r* s* |Δr|+|Δs|
1 0 0 2,4 3,4 2,4 3,4 5,8
2 2,4 3,4 -0,5157 -6,3788 1,8843 -2,9788 6,8945
3 1,8843 -2,9788 0,6182 1,1135 2,5025 -1,8653 1,7317
4 2,5025 -1,8653 0,3749 -0,0092 2,8774 -1,8745 0,3841
5 2,8774 -1,8745 0,1169 -0,1119 2,995 -1,987 0,2288
6 2,995 -1,987 0,00576 -0,0136 3 -2 0,0194
Jadi faktor kuadratis: x2 -3 x + 2

METODA BAIRSTOW
Iterasi 2:
1 -6 11 -6
r=3 3 -9 0
S =-2 -2 6
-------------------------------------------------------
1 -3 0 0
Polinomial hasil bagi: x - 3
Berarti: x3 – 6 x2 + 11 x - 6 = ( x2 – 3 x + 2 ) ( x – 3) = ( x – 1) (x – 2) (x – 3)
Akar-akar: x1 = 1, x2 = 2, x3 = 3
METODA BAIRSTOW
Start
N DELS=(-B(N+1)*C(N-1)+B(N)*C(N))/DENOM
B(1)=A(1)
B(2)=A(2)+R*B(1)
C(1)=B(1) R=R+DELR, S=S+DELS
i=1,N+1 C(2)=B(2)+R*C(1)
A(i) ER=abs(DELR)+abs(DELS)
i=3,N+1
No
B(i)=A(i)+R*B(i-1)+S*B(i-2) ER<TOL
NN = N C(i)=B(i)+R*C(i-1)+S*C(i-2)
Yes
k=1
DENOM=C(N-1)^2-C(N)*C(N-2) A
B
R =0, S=0
DELR=(-B(N)*C(N-1)+B(N+1)*C(N-2))/DENOM
METODA BAIRSTOW
AA=1, BB=-R, CC = -S
RUMUS ABC
N = N-2
N=1 X(NN)= -B(2)/B(1) CETAK END
N=2 AA=B(1), BB=B(2), CC=B(3),k = NN-1 RUMUS ABC CETAK END
i=1,N+1
A(i)=B(i)
k=k+2 B
METODA BAIRSTOW
RUMUS ABC
DISK =BB^2 – 4 * AA * CC
Y
X(k)= -BB/(2*AA) +((√|DISK|)/(2*AA)) i
DISK<0 END
X(k+1)= -BB/(2*AA) -((√|DISK|)/(2*AA)) i
N
Y
X(k)= -BB/(2*AA) END
DISK=0
X(k+1)= - BB/(2*AA)
X(k)= -BB/(2*AA) +((√DISK)/(2*AA))
X(k+1)= -BB/(2*AA) -((√DISK)/(2*AA))
END
PENYELESAIAN SISTIM PERSAMAAN-
PERSAMAAN
SISTIM PERSAMAAN-PERSAMAAN LINEAR
Bila diketahui satu sistem persamaan aljabar linier sembarang, ada

tiga kemungkinan hal yang terjadi, yaitu :
1. Sistem mempunyai jawab yang unik (unique).
x + 2y=6
x + y=1 Penyelesaian x = -4 dan y = 5 Dua garis berpotongan
2. Sistem tak mempunyai jawaban sebagai contoh :
2x + 4y = 12 Dua garis sejajar Determinan matriks koefisien = 0

x + 2y = 10
3. Sistem mempunyai tak berhingga jawaban.
x+ y=1 Dua garis berimpit Determinan matriks koefisien = 0

2x + 2y = 2
Syarat sistim mempunyai satu jawaban unik: determinan matriks koefisien ≠ 0

PERSAMAAN
a11 x1 + a12 x2 + ........... + a1n xn = c1

a21 x1 + a22 x2 + ........... + a2n xn = c2
‘
‘
an1 x1 + an2 x2 + ........... + ann xn = cn
Ax c
a11 a12 a13 a14 .......... a1n   x1  c1 

a a a a ........... a  x  c 
 21 22 23 24 2n   2  2
a31 a32 a33 a34 ............ a3n   x3  c 
A  x  c   3
 ..............................................  .  . 
..............................................  .  . 
   
   x n  c n 
a n1 a n 2 a n 3 a n 4 .......... a nn 
PERSAMAAN
METODA-METODA:
METODA LANGSUNG: ELIMINASI GAUSS
GAUSS YORDAN
LU-DECOMPOSITION
MATRIXS INVERSION
METODA TAK LANGSUNG: YACOBI
GAUSS-SEIDEL
PERSAMAAN
Metoda Eliminasi Gauss

Ada dua tahap: Tahap Eliminasi dan Tahap Substitusi Kembali
Tahap Eliminasi
Terdiri dari n-1 langkah eliminasi dengan tujuan eliminasi x1, x2, …., xn-1
berturut-turut dari sitim persamaan-persamaan berikut.
a11 x1  a12 x 2  a13 x3  a14 x 4  ..................................  a1n x n  c1

a 21 x1  a 22 x 2  a 23 x3  a 24 x 4  ...................................  a 2 n x n  c 2
a31 x1  a32 x 2  a33 x3  a34 x 4  ..................................  a3n x n  c3
a 41 x1  a 42 x 2  a 43 x3  a 44 x 4  ...................................  a 4 n x n  c 4
..............................................................................................................
..............................................................................................................
..............................................................................................................
a n1 x1  a n 2 x 2  a n 3 x3  a n 4 x 4  ...................................  a nn x n  c n
PERSAMAAN

Langkah Eliminasi ke-1: Eliminasi x1 dari persamaan 2 sampai dengan n, caranya, kurangkan
persamaan (i) dengan persamaan (1) dikalikan ai1/a11, i= 2,…..,n
a11 x1  a12 x2  a13 x3  a14 x4  ..................................  a1n xn  c1

 a22
(1)
x2  a23
(1)
x3  a24
(1)
x4  ...................................  a2(1n) xn  c2(1)
 a32
(1)
x2  a33
(1)
x3  a34
(1)
x4  ..................................  a3(1n) xn  c3(1)
 a42
(1)
x2  a43
(1)
x3  a44
(1)
x4  ...................................  a4(1n) xn  c4(1)
..............................................................................................................
..............................................................................................................
..............................................................................................................
 an(12) x2  an(13) x3  an(14) x4  ...................................  ann
(1)
xn  cn(1)
PERSAMAAN

Langkah Eliminasi ke-2: Eliminasi x2 dari persamaan 3 sampai dengan n, caranya, kurangkan
persamaan (i) dengan persamaan (2) dikalikan ai2/a22 , i= 3,…..,n
a11 x1  a12 x2  a13 x3  a14 x4  ..................................  a1n xn  c1

 a22
(1)
x2  a23
(1)
x3  a24
(1)
x4  ...................................  a2(1n) xn  c2(1)
 a33
( 2)
x3  a34
( 2)
x4  ..................................  a3( 2n) xn  c3( 2)
 a43
( 2)
x3  a44
( 2)
x4  ...................................  a4( 2n) xn  c4( 2 )
..............................................................................................................
..............................................................................................................
..............................................................................................................
 an( 23) x3  an( 24) x4  ...................................  ann
( 2)
xn  cn( 2)
PERSAMAAN

Langkah Eliminasi ke-(n-1):
a11 x1  a12 x2  a13 x3  a14 x4  ..................................  a1n xn  c1

 a22
(1)
x2  a23
(1)
x3  a24
(1)
x4  ...................................  a2(1n) xn  c2(1)
 a33
( 2)
x3  a34
( 2)
x4  ..................................  a3( 2n) xn  c3( 2 )
 a44
( 3)
x4  ...................................  a4(3n) xn  c4(3)
..............................................................................................................
..............................................................................................................
an( n1,2n)1 xn 1  an( n1,2n) xn  cn( n1 2)
( n 1)
 ann xn  cn( n 1)
PERSAMAAN
Formula Umum Eliminasi
( r 1) ( r 1)
( r 1) air a rj
 aij 
(r )
aij ( r 1)
a rr
( r 1) ( r 1)
( r 1) cr air
 ci 
(r )
ci ( r 1)
arr
r =1,2,………., n-1. i = r+1, ………., n. j = r+1, …….., n

PERSAMAAN

Tahap Substitusi Kembali
x n  c n( n 1) / a nn
( n 1)
 
x n 1  c n( n1 2 )  a n( n1,2n) x n / a n( n1,2n)1
..................................................
...................................................
 ( j 1) n  ( j 1)
x j   c j   a ji xi  / a jj , j  n  1, n  2, ........,1
( j 1)
 i  j 1 
PERSAMAAN
Start
xn = cn / ann
Jumlah Persamaan, N
j=1 , N-1
i=1 , N 

i = N-j ; Jum=0
j=1 , N
 k=i+1,N

Baca aij
Jum=Jum+aik.xk


Baca ci
Xi =(ci-Jum)/aii


r=1 , N-1
 i=1 , N

Pertukaran Baris
Cetak Xi3
i=r+1 , N
 
j=r+1 , N
End

aij = aij –air arj/arr

ci = ci – cr air/arr


PERSAMAAN
P=r+1
L=r
y
P=P+1 aPr  aLr L=P
T
T
P=N
m=r
Temp = arm
P=P+1
a rm = aLm
aLm = Temp
T
m=N
y
Temp = cr
cr = cL
cL = Temp
PERSAMAAN
Contoh soal 3-1 :

Cari x1 , x2 , dan x3 dari persamaan berikut dengan cara Eliminasi Gauss.
3 x1 - x2 + 2 x3 = 12
x1 + 2 x2 + 3 x3 = 11
2 x1 - 2 x2 - x3 = 2
Penyelesaian :
  3 - 1 2 : 12
1
B 2  B1 3 - 1 
 B 3 4 B 2  
2 : 12
3 - 1 2 : 12 3
 7 7
 0 : 7
2
1 2 3 : 11 B 3 B1


3

0 7 7 : 7    7
   3 3   3 3 
  0 0 - 1 : - 2 
2 - 2 - 1 : 2  0 -
4 7
- : -6  
 3 3 
3 x1  x2  2 x3  12 x3  2
7 7  7  7
x2  x3  7 x2   7   2  /   1
3 3  3  3
 x3   2 x1  12  1  2  2 / 3  3
PERSAMAAN
METODA GAUSS YORDAN
Metoda ini pada dasarnya mirip dengan metoda Eliminasi -Gauss, hanya
saja tahap Eliminasi dan tahap substitusi kembali dilaksanakan
bersamaan.
Algoritma :
1). Untuk i = 1 s/d N laksanakan :
aij = aij / aii
akj = akj - aki . aij
ck = ck - aki . ci
j = 1, 2, ……n
k= 1, 2, ……n
2). xi = ci , i = 1, 2, ....... n.
PERSAMAAN
Metoda Gauss Yordan juga bisa dinyatakan dalam bentuk Operasi

Matrix seperti contoh berikut,
Contoh 3-2 :
Selesaikan sistim perssamaan berikut dengan metoda Gauss - Yordan,
2 x2 + x4 = 0
2 x1 + 2 x2 + 3 x3 + 2 x4 = -2
4 x1 - 3 x2 + + x4 = -7
6 x1 + x2 - 6 x3 - 5 x4 = 6
Penyelesaian B1/6
B2 – B1*2
0 2 0 1 : 0 6 1 - 6 - 5 : 6 B3 – B1*4
1 1/6 -1 - 5/6 : 1
2 2 3 2 : 2 2 3 2 : - 2 0 : - 4
- 2
B1 B2
  5/3 5 11/3

4 - 3 0 1 : -7  4 - 3 0 1 : -7  0 - 11/3 4 13/3 : - 11
     
6 1 - 6 - 5 : 6 0 2 0 1 : 0 0 2 0 1 : 0
PERSAMAAN
1 0 - 1.5 - 1.2 : 1.4  Tukar baris 2 & 3 1 0 - 1.5 - 1.2 : 1.4 

0 0 : - 2.4
: - 2.4
B2 / -3.6667 1 2.9999 2.2
 1 2.9999 2.2
B1 – 0.16667 B2 
0 0 15.000 4.3334 : - 19.8  0 0 15.000 4.3334 : - 19.8 
  B3 – 1.6667 B2  
0 0 - 5.9998 - 3.4 : 4.8  0 0 - 5.9998 - 3.4 : 4.8 
B4 – 2 B2
1 0 0 0 : - 0.49999
1 0 0 0.040005 : - 0.58  B4 / 1.5599
0 : 1.0001 
B3 / 15
B1 + 1.5 B3
0 1 0 - 0.27993 : 1.5599  B1 – 0.040005 B4  1 0 0
 0 0 1 0 : 0.33326
B2 – 2.9999 B3 0 0 1 0.82667 : - 1.32  B2 + 0.27993 B4  
  B3 - 0.82667 B4 0 0 0 1 : - 1.9999 
B4 + 5.9998 B3 0 0 0 1.5599 : - 3.1197
x1 = - 0.49999
X2 = 1.0001
X3 = 0.33326
X4 = - 1.9999
PERSAMAAN
METODA LU DECOMPOSITION
Modifikasi lain dari pada metoda Eliminasi Gauss adalah LU

Decomposition (atau disebut Crout reduction method atau Cholesky
Method). Dalam hal ini matrix koefisien A diuraikan kedalam hasil kali dua
matrix L dan U, dimana L adalah Triangular bagian bawah (Lower) dan U
adalah Triangular matrix bagian atas (UPPER). Suatu matrix bisa ditulis
sebagai hasil kali matrix - Triangular L dan U dengan tak terhingga cara.
 -1 -1 
1  1 0 0  2 -1 -1  1 0 0  2 -1 -1 
2 - 1 - 1  2 0 0  
2 2
 0  0 0 
0 - 4 2  0 - 4  0 -1   1 0   - 4 2  = 0
 2 0 
  -2 1 
  =  0  
1
2 
= 3 0 1  0 0 3  3 0 1  0 0 3 
6 - 3 0  6 0 3  6 
 6 1 
 
Dari kesemua matrix L U yang hasil kalinya adalah A, kita pilih

sepasang L U dalam mana pada matrix U, mempunyai harga satu
pada diagonalnya.
PERSAMAAN
L11 0 0 0  1 U12 U13 U14  a 11 a 12 a 13 a 14 

L  a
 21 L 22 0 0 
0 1 U 23 U 24   21 a 22 a 23 a 24 

L 31 L 32 L 33 0  0 0 1 U 34  = a 31 a 32 a 33 a 34 
     
L 41 L 42 L 43 L 44  0 0 0 1  a 41 a 42 a 43 a 44 
Baris-baris L dikali kolom ke-1 U:

L11 = a11 L21 = a21 L31 = a31 L41 = a41
Baris ke-1 L dikali kolom-kolom U:

L11 U12 = a12 L11 U13 = a13 L11 U14= a14
atau,
a12 a13 a14
U 12  U 12  U 12 
L11 L11 L11
PERSAMAAN
Baris-baris L dikali kolom ke-2 U:
L21 U12 + L22 = a22
L31 U12 + L32 = a32
L41 U12 + L42 = a42
sehingga didapat :
L22 = a22 - L21 U12
L32 = a32 - L31 U12
L42 = a42 - L41 U12
Dengan cara sama diperoleh,
a  L21 U13 a24  L21 U14 a34  L31 U14  L32 U 24

U 23  23 U 24  U 34 
L 22 L 22 L 33
PERSAMAAN
j 1
Lij  aij   Lik U kj j  i , i = 1, 2, 3, …….n
k 1
i 1
aij   Lik U kj
U ij  k 1 j  i , i = 1, 2, 3, …….n
Lii
untuk j = i L i1 = a i1
untuk i = 1 U 1j = a 1j / L11 = a 1j / a11

PERSAMAAN
c1’ = c1 / L11
i 1
ci   Lik ck
ci  k 1
'
Lii
Xn = cn'
n1
xj  cj  U
k  j 1
jk Xk j = (n-1), ……….1
PERSAMAAN
Contoh 3 - 4:
Selesaikan sistim Persamaan-persamaan berikut,
3x1 - x2 + 2x3 = 12
x1 + 2x2 + 3x3 = 11
2x1 - 2x2 - x3 = 2
Dengan metoda L U decomposition.
Penyelesaian :
Dari soal diperoleh :
   1 2
12  3 0 0 3 -
3
3 -1 2   
3

c  11  U  0
7
L  1 0
  1 3 
1 1
2   3 
  0 0 1
2 -2 - 1  2  2 -
4
- 1  
 3   
PERSAMAAN
c’1 =12/3 =4
11  (1).( 4)
c’2 = 7
3
2  2.(4)  (4 / 3).(3)

c’3 = 2
1
x3 = 2
x2 = 3 - (1)(x3 ) = 3 - 2 = 1
x1 = 4 –(2/3). (2) - (- 1/3 )(1) = 3
PERSAMAAN
Metoda Tak Langsung (Metoda Iterative)
Terdapat dua metoda tak langsung yang sering digunakan, yaitu

metodaYacobi dan metoda Gauss--Siedel.
Metode Yacobi
Baris-baris persamaan diatur kembali sehingga elemen-elemen
diagonal diusahakan mempunyai harga yang relatif lebih besar
dibanding elemen pada baris yang sama.
Dimulai dengan pendekatan awal x(1), hitung masing-masing
komponen x, untuk i = 1, 2, ....... n dengan persamaan :
n a
ci
x    .x (jk 1) , k =2, 3, ……….
k ij
i
aii j i aii
Iterasi dihentikan bila harga xi(k) mendekati harga xi(k-1) , yaitu bila :
xik  xik 1
k 1
 i = 1, 2, ..... n
xi
PERSAMAAN
Metoda Gauss-Siedel
Metoda ini hampir sama dengan metoda diatas. Prosedure

penyelesaiannya adalah,
ci i 1 aij ( k ) n aij
x 
k
i   .x j  a .x (jk 1) k =2, 3, ……….
aii j i aii j i 1 ii
Pengehentian iterasi dan syarat konvergensi adalah sama

dengan metoda Yacobi.
PERSAMAAN
Contoh 3 – 6 :
Tentukan x,y dan z dari sistim persamaan-persamaan berikut dengan
metoda Yacobi dan Gauss Seidel dengan harga awal x0 = 1, y0 =2, dan
z0 = 2.
4x– y+z =7
4 x - 8 y + z = -21
- 2 x + y + 5 z = 15
Penyelesaian:
Persamaan bisa ditulis,
7 y z 21 4 x  z 15  2 x  y
x y z
4 8 5
21 4 xk  zk 15  2 xk  yk
7  yk  z k  zk 1 
xk 1  yk 1
8 5
4
15  2 xk 1  yk 1
7  yk  z k 21 4 xk 1  zk zk 1 
xk 1  yk 1 
8 5
4
PERSAMAAN
k Yacobi Gauss Seidel
xk yk zk k xk yk zk
0 1.0 2.0 2.0 0 1.0 2.0 2.0
1 1.75 3.375 3.0 1 1.75 3.75 2.95
2 1.84375 3.875 3.025 2 1.95 3.96875 2.98625
3 1.9625 3.925 2.9625 3 1.995625 3.99609375 2.99903125
4 1.99062500 3.97656250 3.00000000 . . . .
5 1.99414063. 3.99531250 3.00093750 . . . .
. . 8 1.99999983 3.99999988 2.99999996
. . 9 1.99999998 3.99999999 3.00000000
15 1.99999993 3.99999985 2.99999993 10 2.00000000 4.00000000 3.00000000
. .. .
19 2.00000000 4.00000000 3.00000000
Jadi x=2 y=4 z=3

PERSAMAAN
. Sistem Persamaan-persamaan Non Linier
f1 (X1 , X2 , ................... , Xn ) = 0
f2 (X1 , X2 , ................... , Xn ) = 0
'
'
'
fn (X1 , X2 , ................... , Xn ) = 0
PERSAMAAN
METODA NEWTON RAPHSON :
x ( k 1) k

 x  f (x )
' k
 f (x )
1 ' k
1
 f1 f1 f1 
 
 x1   x1   x1
( k 1) (k ) x1 x1 
 f1 
 ( k 1)   ( k )   f 2 f 2 f 2  f 
 x2    x2      2
 x ( k 1)   x ( k )   x 2 x 2 x 2 
 f 3 
 3   3   f f 3 f 3 
 3 
 x3 x3 x3 
PERSAMAAN
Contoh 3 –7 :
Tentukan x1 dan x2 dari sistim persamaan-persamaan berikut dengan
metoda Newton Raphson,
x1  2 x1  x2  0.5  0
2
x1  4 x2  4 0
2 2
dengan harga awal x 1

0 0

, x2  2,0.25 dan toleransi 0.0001
 x1k 1   x1k   x12  2 x1  x2  0.5   2 x1  2 1 

   
     J xx k , x2 k F x1k , x2 k
x  x k 
 F x1 , x2    2
 x  4x 2  4


J x1 , x2    
8 x2 
k 1
 2   2   1 2   2 x1
Pada titik (2.00,0.25) maka:

 0.25   2.0  1.0 
F 2.00,0.25   , J 2.00,0.25   
 0.25   4.0 2.0 
 x11   x10   2.00    0.09375  1.90625 
x 1 x 0 
   
      J x10 , x2 0 F x10 , x2 0   2.00    2.0
 0.25   4.0
 1.0   0.25 
 
2.0   0.25 
       
 2   2      0.25   0.0625   0.3125 
PERSAMAAN
 x1k   x1k 1 
   
x k 
 2 
 k k

 J x1 , x2 F x1 , x2
k k
  x k 1 
 2 
 2.00    0.09375  1.90625 

     
 0.25   0.0625   0.3125 
1.90625    0.005559  1.900691 

     
 0.3125   0.001287   0.311213 
1.900691    0.000014  1.900677 

     
 0.311213   0.000006   0.311219 
Jadi x1= 1.900677 x2= 0.311219

PENDEKATAN POLINOMIAL
Akan dipelajari cara untuk menyatakan suatu hubungan antara variabel y
dan x dalam bentuk tabel kebentuk hubungan fungsi. Digunakan
pendekatan polinomial yaitu fungsi yang tak diketahui ini didekati dengan
fungsi polinomial
x y = f(x)
x1 y1
x2 y2
x3 y3
x4 y4
… …
… …
… …
xn yn
Manfaat dengan diketahuinya hubungan bentuk fungsi ini adalah :

1. Untuk interpolisi
2. Untuk menghitung turunan fungsi (diferensiasi numerik)
3. Untuk menghitung integral fungsi (integrasi numerik)
1. Interpolasi
Ada beberapa polinomial interpolasi, antara lain:

Polinomial interpolasi Newton untuk variabel x yang
berjarak sama dan polinomial interpolasi Lagrange untuk
variabel x yang taki berjarak sama.
Polinomial interpolasi Newton:
Dibagi dua: Polinomial interpolasi Newton Forward dan
Backward
PENDEKATAN POLINOMIAL 
Polinomial interpolasi Newton Forward:

𝑓 𝑥 ≅ 𝑃𝑛 𝑥
𝑖 𝑖−1 2 𝑖 𝑖−1 𝑖−2 3
= 𝑓0 + 𝑖 ∆𝑓0 + ∆ 𝑓0 + ∆ 𝑓0
2! 3!
𝑖 𝑖 −1 𝑖 −2 …… 𝑖 − 𝑛 + 1 𝑛
+ ⋯…….+ ∆ 𝑓0
𝑛!
𝑖 𝑖 2 𝑖 𝑛
𝑓 𝑥 ≅ 𝑃𝑛 𝑥 = 𝑓0 + ∆𝑓0 + ∆ 𝑓0 + ⋯ … … . . + ∆ 𝑓0
1 2 𝑛
2fi=  (  fi)= (fi+1-fi)= (fi+2-fi+1)_(fi+1-fi)= fi+2 – 2 fi+1 – fi
 f1 = f2 – f1  f2 = f3 – f2 ∆fi = fi+1– fi
2f1=  (  f1 )= (f2-f1)= (f3-f2)_(f2-f1)= f3 – 2 f2 – f1
∆3fi=fi+3 – 3 fi+2 +3 fi+1 - fi

∆= operator beda muka order satu
∆2 = operator beda muka order dua

∆3 = operator beda muka order tiga
Nilai beda muka dari suatu variabel bis dihitung dengan membuat tabel
beda muka
Contoh tabel beda muka
x f(x)  f(x)  2 f(x)  3f(x)  4f(x)
0.0 0.0
0.203
0.2 0.203 0.017
0.220 0.024
0.4 0.423 0.041 0.020
0.261 0.044
0.6 0.684 0.085 0.052
0.346 0.096
0.8 1.030 0.181 0.211
0.527 0.307
1.0 1.557 0.488
1.015
1.2 2.572
Polinomial interpolasi Newton Backward
𝑖 𝑖+1 2 𝑖 𝑖+1 𝑖+2 3
= 𝑓0 + 𝑖 𝛻𝑓0 + 𝛻 𝑓0 + 𝛻 𝑓0
2! 3!
𝑖 𝑖 + 1 𝑖 + 2 …… 𝑖 + 𝑛 − 1 𝑛
+ ⋯…….+ 𝛻 𝑓0
𝑛!
𝑖 𝑖+1 2 𝑖+𝑛−1 𝑛
𝑓 𝑥 ≅ 𝑃𝑛 𝑥 = 𝑓0 + 𝛻𝑓0 + 𝛻 𝑓0 + ⋯ … … . . + 𝛻 𝑓0
1 2 𝑛
▼ = operator beda bel;akang order satu

▼2= operator beda bel;akang order dua
▼3 = operator beda bel;akang order tiga
▼f1 = f1 - f0
Contoh soal:
Diketahui data tabel berikut. Tentukan nilai Y untuk X = 0.73
mengunakan polinomial Newton Forward dan Backward derajat
tiga
X 0 0.2 0.4 0.6 0.8 1.0 1.2

------------------------------------------------------------------------------
Y 0 0.203 0.423 0.684 1.030 1.557 2.572
Penyelesaian:
Polinom derajat tiga memerlukan 4 titik
Untuk Polinom Newton Forward titik yang dipilih adalah
X0 = 0.4 X1 = 0.6 X2 = 0.8 X3 = 1.0
𝑓 𝑥 ≅ 𝑃3 𝑥
𝑖 𝑖−1 2 𝑖 𝑖−1 𝑖−2 3
= 𝑓0 + 𝑖 ∆𝑓0 + ∆ 𝑓0 + ∆ 𝑓0
2! 3!
X Y ∆Y0 ∆2Y0 ∆3Y0

-------------------------------------------------------------------------------
0.4 0.423 0.261 0.085 0.096
0.6 0.684 0.346 0.181
0.8 1.030 0.527
1.0 1.557
----------------------------------------------------------------------------------
i = (X – X0)/h = (0.73 – 0.4)/0.2 = 1.65
𝑌 = 𝑓 0.73 ≅ 𝑃3 0.73 = 0.423 + 1.65 (0.261) +

1.65 1.65−1 1.65 1.65−1 1.65−2
0.085 + 0.096 = 0.893
2! 3!
Untuk Polinom Newton Backward titik yang dipilih adalah
X-3 = 0.4 X-2 = 0.6 X-1 = 0.8 X0 = 1.0
𝑓 𝑥 ≅ 𝑃3 𝑥
𝑖 𝑖+1 2
𝑖 𝑖+1 𝑖+2
= 𝑓0 + 𝑖 ▼ 𝑓0 + ▼ 𝑓0 + ▼ 3𝑓0
2! 3!
X Y ▼Y0 ▼2Y0 ▼3Y0
-------------------------------------------------------------------------------
0.4 0.423
0.6 0.684 0.261
0.8 1.030 0.346 0.085
1.0 1.557 0.527 0.181 0.096
----------------------------------------------------------------------------------
i = (X – X0)/h = (0.73 – 1.0)/0.2 = - 1.35

𝑌 = 𝑓 0.73 ≅ 𝑃3 0.73 = 1.557 + −1.35 (0.527) +
−1.35 −1.35+1 −1.35 −1.35+1 −1.35+2
0.181 + 0.096 = 0.893
2! 3!
Polinomial Lgrange
Digunakan untuk variabel X berjarak sama atau tak sama
Misal dikethui data bentu tabel berikut,
x f(x)
x1 f1
x2 f2
! !
! !
xn fn
Maka polinomial Lagrange bisa diruliskan sebagai berikut,
Y = f(X) = Pn-1 (X) =
( x  x2 )( x  x3 )( x  x4 ).....( x  xn )
f1
( x1  x2 )( x1  x3 )( x1  x4 )...( x1  xn )
( x  x1 )( x  x3 )( x  x4 )......( x  xn )
 f2
( x2  x1 )( x2  x3 )( x2  x4 )...( x2  xn )
( x  x1 )( x  x2 ).........( x  xn 1 )
 fn
( xn  x1 )( xn  x2 ).....( xn  xn 1 )
Diketahui tabel data berikut :
x f(x)
1,1 10,6
1,7 15,2
3,0 20,3
Tentukan harga f untuk x = 2,3
Penyelesaian :
f(x) =P2(x)=
( x  1,7)( x  3) ( x  1,1)( x  3) ( x  1,7)( x  1,7)
(10,6)  (15,2)  (20,3)
(1,1  1,7)(1,1  3) (1,7  1,1)(1,7  3) (3  1,1)(3  1,7)
untuk x = 2,3
f(2,3) = P2(2,3) = 18,38
Kesalahan Dalam Interpolasi
Seperti disebut dimuka, suatu fungsi f(x) yang menyajikan data tabel dapat
didekati oleh suatu Polinomial Pn(x) yang dikatakan sebagai Polinomial
Interpolasi. Selisih antara f(x) dan Pn(x) adalah merupakan kesalahan
interpolasi.
(i )(i  1)(i  2)......(i  n) n 1 n 1

Error Bound  h f  
(n  1) !
 i  n 1 n 1
   h f   ξ antara (xo, xn, x)
 n  1
Diketahui data berikut :
x f(x) f(x) 2 f(x) 3 f(x)

0,1 0,09983
0,37960
0,5 0,47943 – 0,07579
0,30390 0,04797
0,9 0,783333 – 0,12367
0,18023 – 0,02846
1,3 0,96356 – 0,15213
0,2810
1,7 0,99166
Data ini memenuhi f(x) = sin x. Lakukan interpolasi untuk menghitung sin
(0,8) menggunakan polinomial derajat dua yang melalui tiga titik-titik
pertama. Juga tentukan errornya
Penyelesaian:
(0,8  0,1)
xo = 0,1 dan i   1.75
0,4
(1,75)(0,75)
f(0,8) = 0,09983 + (1,75)(0,37960) ( – 0,07570)
2
= 0,71445
(0,75)( 0,25) 3
Error = 1,75 (0,4) ( – cos ξ ) ;
6
ξ terletak dalam interval yang dibatasi oleh : xo = 0,1 dan x2 = 0,9. Kita
dapat menghitung harga maximum dan minimum untuk cos ξ.
3 -3
Error ≤ (1,75)(0,75)( 0,25) (0,4) [ – cos(0,1)] = 3,34 x 10
6
(1,75)(0,75)( 0,25) 3 -3
Error ≥ (0,4) [ – cos(0,9)] = 2,18 x 10
6
-3
Kesalahan sebenarnya adalah 2,9 x 10 (berada diantara kedua harga diatas).
Differensiasi Numerik
Yaitu menentukan turunan suatu fungsi pada suatu harga x
tertentu dari tabel data.
Penentuan Turunan Pertama
Bila suatu fungsi bisa didekati dengan suatu polinomial
interpolasi, maka dapat diharapkan bahwa slope fungsi itu dapat
juga didekati dengan slope polinomial tersebut.
Misal digunakan Newton forward Polynomial :
𝑖 𝑖−1 2 𝑖 𝑖−1 𝑖−2 3
= 𝑓0 + 𝑖 ∆𝑓0 + ∆ 𝑓0 + ∆ 𝑓0
2! 3!
𝑖 𝑖 −1 𝑖 −2 …… 𝑖 − 𝑛 + 1 𝑛
+ ⋯…….+ ∆ 𝑓0
𝑛!
1 d 1 2fo +
f ' (xi) = Pn' (xi) =
[Pn (xi)] = [Δfo + ½ (i– 1 + i)Δ
h di h
1
6
{(i – 1)(i – 2) + i(i – 2) + i(i –1)}Δ 3f + ……..]
o
Terdapat dua pendekatan : Pendekatan Forward dan Pendekatan

Sentral
Pendekatan Forward: harga x yang akan dicari tutrunan nya dipilih
sebagai titik awal dari titik-titik untuk polinomial pendekatannya
1 1
= h [Δfo - ½ Δ fo + 3 Δ fo – 4 Δ fo + …….+ n Δ fo ]
2 1 3 1 4 n
f (xi)
(i=0 )
(1) n
Kesalaan Pn'(x0)= hn f(n+1)(ξ)
(n  1)
Pendekatan sentral : Hrga X yang akan ditentukan turunan nya dipilih
sebagai titik tengah dari titik titik yang dipilih untuk polinomial
pendekatan nya
Untuk polinom derajad dua:

Memerlukan tiga titik, Titik-titik yang dipilih adalah xo, x1, dan x2
Titik tengah adalah X1.
1
f ' (x) : f ' x1) = [Δfo + ½Δ2fo]
h
f2  fo
[f1 – fo + ½ (f2 – 2 f1 + fo )] 
1

h 2h
1 2 iii
Kesalahan pada P2' (x1) =  h f (ξ )
6
Untuk polinom derajad empat:
Memerlukan lima titik, Titik-titik yang dipilih adalah xo, x1, x2, x3, dan x4
Titik tengah adalah X2.
1 f 0  8 f1  8 f 3  f 4
f ' (x2) =
h 12
1 4 v
Kesalahan = x 0 ≤ ξ ≤ x4
30 h f (ξ),
Contoh 4-4
Diketahui tabel data berikut :
Tabel 4-4
Perkirakan turunan pertama y pada x = 1,7 menggunaka satu, dua tiga
dan empat suku dari rumus yang digunakan.
x f(x) ∆y ∆2 y ∆3 y ∆4 y
1,3 3,669
0,813
1,5 4,482 0,179
0,992 0,041
1,7 5,474 0,220 0,007
1,212 0,048
1,9 6,686 0,268 0,012
1,480 0,060
2,1 8,166 0,328 0,012
1,808 0,072
2,3 9,974 0,400
2,208
2,5 12,182
Penyelesaian :
Dalam hal ini untuk x = 1,7 digunakan indeks i = 0
1
y ' (xo) = Pn' (xo) = [Δyo – ½ Δ2 yo + 1/3 ∆3 y0 - ¼ ∆4y0 + …….+ 1/n ∆ny0 ]
h
Satu suku:
1
y ' (1,7) = 0,2 (1,212) = 6,060
Dua suku:
1
y ' (1,7) = 0,2 (1,212 – ½ (0,268)) = 5,390
Tiga suku:
1
y ' (1,7) = 0,2 (1,212 – ½ (0,268) + 1/3 (0,060)) = 5,490
Empat suku:
1
y ' (1,7) = 0,2 (1,212 – ½ (0,268) + 1/3 (0,060) - ¼ (0,012) ) = 5,475
(1)1
Dengan satu suku, kesalahan = (0,2) f"(ξ), 1,7 ≤ ξ ≤ 1,9
2
0,2 e1, 7 (min)     0,547(min) 

  1,9 (max)   
2 e    0 ,669(max) 
(Kesalahan sesungguhnya = 0,586)
Dengan dua suku, kesalahan =

(  1) 2 2
(0,2) f '''(ξ), 1,7 ≤ ξ ≤ 2,1
3
0,04  e1, 7 (min)  0,073(min) 
   
3 e 2,1(max)  0,109(max) 
(Kesalahan sesungguhnya = 0,084)

(1) 3 3 iv
Dengan tiga suku, kesalahan = (0,2) f (ξ), 1,7 ≤ ξ ≤ 2,3
4
0,008 
e
1, 7 (min)
   0,011(min) 
  2,3(max) 
4  e   
 0,020(max) 
(Kesalahan sesungguhnya = – 0,016)

( 1) 4 4 v
Dengan empat suku, kesalahan = (0,2) f (ξ), 1,7 ≤ ξ ≤ 2,3
5
0,006  e1, 7 (min)   0,002(min) 
   
5 e 2,5(max)  0,004(max) 
(Kesalahan sesungguhnya = – 0,001)

Trapezoidal Rule
Dalam hal ini range integrasi dibagi-bagi dalam beberapa
bagian, yang tiap bagiannya, harga integrasinya dihitung
dengan rumus Newton-Cotes menggunakan polinom derajat
satu.
b n n
h
 f ( x)dx   Bi  ( f i  f i 1 )
a i 1 i 1 2
  f1  2 f 2  2 f 3  .........  f n 1 
h
2
(b  a) 2
Globalerror  
12
h f "   0 h 2  
Simpson's 1/3 rule
Dalam hal ini range integrasi dibagi-bagi dalam beberapa
bagian yang tiap bagiannya, harga intgrasinya dihitung
dengan rumus Newton-Cotes menggunakan Polinom derajat
kedua.
b n/2 n/2
 f ( x) dx   Bi  
h
 f i  4 f i 1  f i  2 
a i 1 i 1 3
  f1  4 f 2  2 f 3  4 f 4  ...........  f n 1 
h
3
(b  a) 4 iv
Global error   h f   x1    x n 1
180
Simpson's 3/8 Rule
Dalam hal ini, range integrasi dibagi-bagi dalam beberapa bagian yang
bagiannya, harga integrasinya dihitung dengan rumus Newton-Cotes
menggunakan Polinomial derajat tiga.
b n
n/3
 f ( x)dx  B    f  3 f 3i 1  3 f 3i  f 3i 1 
3
i 3i  2
a i 1 i 1
  f1  3 f 2  3 f 3  2 f 4  3 f 5  3 f 6  2 f 7  .............  f n 1 
h
3
(b  a) 4 iv
Global error   h f   x1    xn 1
80
Gaussian Quadrature
b N
 f ( x)dx   w f x 
a i 1
i i
ba ba
x  u
2 2
ba ba N
b 1
 f ( x)dx   f (u)du   wi f ui 

a
2 1 2 i 1
N=2
ba ba 2 ba
b 1
 f ( x)dx   f (u ) du   wi f u i   w1 f u1   w2 f u2 

a
2 1 2 i 1 2
Untuk N=2 hasil integrasi eksak bila polinom pendekatan berderajat

3 atau lebih kecil dari tiga
1
f (u )du  u 1  2  w1  w2 
1
f (u )  1 : 
1
2 1
1
f (u )  u :  f (u )du 
u
 0  w1 u1  w2 u 2 
u1   1
3  0,57735
1
2 1
3 1
u2  1
3  0,57735
 
1
u 2
f (u )  u 2 :  f (u )du    w1 u12  w2 u 22
1
3 1
3
w1  1 w2  1
4 1
 
1
u
f (u )  u :  f (u )du   0  w1 u13  w2 u 23
3
1
4 1
Jumlah titik u w
1 u1  0 w1  2
2
u2  u1  0,57735 w1  w2  1
3 10
3 u3  u1   0,77459 w1  w3 
5 18
u2  0 w2 
8
9
4
u3  u 2  0,3399 w1  w4  0,34784
u4  u1  0,86113 w2  w3  0,652011

Contoh soal:
Hitung integral berikut dengan metoda kuadratur Gauss 3 titik
1,5
 dx
x 2
e
0, 2
Penyelesaian:
(b  a ) N 1,5  0,2
w1. f u1   w2 f u2   w3 f u3 
1,5
 e x 2
dx   i i 
2 i 1
w . f (u )
0, 2
2
3 10
w2 
8 ab ba
u3  u1   0,77459 u2  0 w1  w3  18 9 x  u
5 2 2
ab ba 0,2  1,5 1,5  0,2
x1   u1   (0,77459)  0,3465
2 2 2 2
ab ba 0,2  1,5 1,5  0,2
x2   u2   (0)  0,85
2 2 2 2
ab ba 0,2  1,5 1,5  0,2
x3   u3   (0,77459)  1,3535
2 2 2 2
 ( 0 , 3465 ) 2
f (u1)  f ( x1)  e  0,8869
 ( 0 ,85 ) 2
f (u 2)  f ( x 2)  e  0,4855
 (1, 3535 ) 2
f (u 3)  f ( x 3)  e  0,1601
1,5  0,2 10 

1, 5
8 10
e
 x2
dx   0.8869  0,4855  0,1601  0,6586
0, 2
2 18 9 18 
PENYELESAIAN PERSAMAAN
DIFERENSIAL BIASA
Persamaan differensial biasa orde dua sering kita jumpai dalam
penyelesaian persoalan-persoalan teknik.
Terdapat dua tipe persoalan yaitu

Persoalan nilai Awal
Persoalan nilai Batas.
Pada persoalan nilai awal, kondisi batas hanya diketahui pada satu
titik yaitu titik awal.
Sedangkan untuk persoalan nilai batas, kondisi batas diketahui pada

dua titik.
DIFERENSIAL BIASA
PESOALAN NILAI AWAL
Dibahas cara-cara Numerik untuk menyelesaikan persamaan-
persamaan differensial biasa berikut :
- Sebuah persamaan Differensial biasa orde satu
- Sistim persamaan-persamaan differensial biasa orde satu
- Persamaan Differensial biasa orde lebih tinggi.
Persamaan Differensial Biasa Orde Satu

Akan dicari penyelesaian numerik persamaan diferensial order satu
berikut,
 f x, y ,
dy
y ( x0 )  y0
dx
DIFERENSIAL BIASA
PESOALAN NILAI AWAL
Ada beberapa metoda yang digunakan antara lain :

•Taylor – Series Method
•Euler dan Modified Euler Method
•Runge – Kutta Method
Taylor Series Method
Dalam hal ini penyelesaian dinyatakan dalam bentuk
deret Taylor dari fungsi tak diketahui y(x) disekitar x0
y ' ' '  x0 
y x   y x0   y ' x0 x  x0   x  x0   x  x0 3  ...............
y" ( xo ) 2
2! 3!
y ( n 1) ( )
Eror  0  h h = x-x0
(n  1) !
DIFERENSIAL BIASA
Contoh soal:
Selesaikan persamaan diferensial berikut dengan metoda deret Taylor
y 0   1
dy x
 x  y, (Penyelesaian analitik:: y = 2 e – x – 1 )
dx
Penyelesaian: Dibuat expansi deret Taylor fungsi tak diketahui y(x)
sampai suku dengan turunan ketiga,
y ' ' '  x0 
y  x   y  x0   y '  x0  x  x0   x  x0   x  x0 3
y" ( xo ) 2
2! 3!
y ' ( x)  x  y  y ' (0)  0  1  1
y ' ' ( x)  1  y '  1  x  y  y ' ' (0)  1  0  1  2
y ' ' ' ( x)  0  y ' ' ( x)  1  x  y  y ' ' ' (0)  1  0  1  2
y iv x   0  y ' ' ' ( x)  1  x  y  y iv 0  1  0  1  2
y ' ' ' 0  y iv 0 
y  x   y 0   y ' 0  x  0   x  0  x  0  . x  04
y" (0) 2 3
2! 3! 4!
yx   1  x  x   x   x 
2 2 2 3 2 4
2! 3! 4!
DIFERENSIAL BIASA
PESOALAN NILAI AWAL
x y y, analitik
0 1 1
0,1 1,1103 1,1103
0,2 1,2428 1,2428
0,3 1,3997 1,3997
0,4 1,5835 1,5836
0,5 1,7969 1,7974
DIFERENSIAL BIASA
PESOALAN NILAI AWAL
Metoda Euler
Metoda Taylor-Series sulit digunakan bila turunan-turunan fungsinya
kompleks, dan kesalahan sulit dihitung. Ini adalah kekurangan-kekurangan
dasar dari metoda Taylor-Series. Namun dari deret Taylor dapat diketahui
bahwa kesalahan akan kecil bila harga h makin kecil. Pada kenyataannya, bila
harga h cukup kecil, hanya diperlukan sedikit suku deret Taylor untuk
mendapatkan ketelitian yang memadai. Metoda Euler adalah beranjak dari idea
dasar ini.
Misal kita pilih h cukup kecil sehingga kita bisa potong deret ini sampai
suku turunan pertama.
y ' ( ) 2
y x0  h   y x0   h y ' x0   h x0    x0  h
2
Error
DIFERENSIAL BIASA
PESOALAN NILAI AWAL
Metoda Euler
Algoritma metoda Euler:
y ' ( ) 2
yn 1  yn  h yn ' Error  h xn    xn  h
2
Contoh: Tentukan penyelesaian numerik persamaan differensial berikut

dengan metoda Euler dengan h = 0,02
y 0  1
dy
 x y
dx
DIFERENSIAL BIASA
PESOALAN NILAI AWAL
xn yn y'n h y'n
0 1 1 0,02
0,02 1,02 1,04 0,0208
0,04 1,0408 1,0808 0,0216
0,06 1,0624 1,1224 0,0224
0,08 1,0848 1,1648 0,0233
0,1 1,1081
Untuk x = 0,1, penyelesaian analitik y = 1,1103, berarti terdapat
kesalahan sebesar 0,0022. Untuk memperoleh ketelitian sampai 4 angka
dibelakang koma diperlukan step (h) yang lebih kecil lagi (yaitu h = 22 kali
lebih kecil dari 0,02, atau h < 0,004).
DIFERENSIAL BIASA
PESOALAN NILAI AWAL
Metoda Euler modifikasi atau Predictor Corrector method

Dengan metoda Euler, digunakan koefisien arah pada awal interval y'n,
untuk menentukan besar perubahan harga fungsi. Nampak bahwa bila
digunakan koefisien arah rata-rata pada interval xn < x < xn+1 untuk
menentukan harga perubahan y, maka akan diperoleh hasil yang lebih
teliti. Maka algoritma untuk metoda Euler yang dimodifikasi adalah:
y 'n  y 'n 1
yn 1  yn  h
2
DIFERENSIAL BIASA
PESOALAN NILAI AWAL
Contoh: Tentukan penyelesaian numerik persamaan differensial

berikut dengan metoda Euler modifikasi dengan h = 0,02
y 0  1
dy
 x y
dx
Penyelesaian:
y 'n  y 'n 1
yn 1  yn  h
2
DIFERENSIAL BIASA
PESOALAN NILAI AWAL
xn yn y’n hy’n yn+1 y’n+1 y’av h y’av

0 1 1 0,02 1,02 1,04 1,02 0,024
1,0204 1,0404 1,0202 0,0204
0,02 1,0204 1,0404 0,0208 1,0412 1,0812 1,0608 0,0212
1,0416 1,0816 1,061 0,0213
0,04 1,0416 1,0816 0,0216 1,0632 1,1233 1,1024 0,022
1,0636 1,1236 1,1026 0,0221
1,0637 1,1237 1,1027 0,0221

0,06 1,0637 1,1237 0,0225 1,0862 1,1662 1,1449 0,0229
1,0866 1,1666 1,1451 0,0229
0,08 1,0866 1,1666 0,0233 1,1099 1,2099 1,1883 0,0238
1,1104 1,2104 1,1885 0,0238
0,1 1,1104
PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA
PESOALAN NILAI AWAL
Metoda Runge-Kutta
Akan dicari penyelesaian numerik persamaan diferensial berikut
dengan metoda Runge Kutta.
 f  x, y  y x0   y0
dy
dx
Prinsipnya, perobahan y setiap iterasi diestimasi dari rata-rata
berbobot ∆y pada beberapa titik.
Misal metoda Runge Kutta order dua
Kita tulis perubahan dari y sebagai rata-rata berbobot dari dua
estimasi ∆y yaitu, k1 dan k2.
yn 1  yn  ak1  bk2
k1 = h f(xn, yn)
k2 = h f(xn + α h, yn + β k1)
DIFERENSIAL BIASA
Menentukan a, b, α dan β:
yn+1 = yn + h f(xn, yn) + ( ½ h2 ) f ' (xn, yn) + .......
df dy
Karena  fx  fy  fx  fy f
dx dx
Maka
yn+1 = yn + h fn + h2 ( ½ fx + ½ fy f)n
Sedangkan
yn+1 = yn + a h f(xn, yn) + b h f [xn + α h, yn + β h f (xn, yn)]
Dari ekspansi deret Taylor
f [xn + α h, yn + β h f (xn, yn)] = (f + fx α h + fy β h f)n
Sehingga
a + b = 1, αb = ½ , β b = ½
yn+1 = yn + (a+b) h fn + h2 ( α b fx + β b fyf)n
DIFERENSIAL BIASA
a=1/2→ b =1/2 α = 1 β =1 (identik dengan metoda Euler modifikasi)
a=2/3 → b = 1/3 α = 3/2 β = 3/2
Metoda Runge Kutta Order empat

yn+1 = yn + (k1 + 2 k2 + 2 k3 + k4)/6
k1 = h f(xn, yn)
k2 = h f(xn + ½ h, yn + ½ k1)
k3 = h f(xn + ½ h, yn + ½ k2)
k4 = h f(xn + h, yn + k3)
DIFERENSIAL BIASA
Contoh:
Selesaikan dy/dx = x + y, y (0) = 1
Pilih h = 0,1
Penyelesaian:
k1 = 0,1 (0 + 1) = 0,1
k2 = 0,1 (0,05 + 1,05) = 0,11
k3 = 0,1 (0,05 + 1,055) = 0,11050
k4 = 0,1 (0,1 + 1,1105) = 0,12105
y(0,1) = 1 + 1/6(0,1 + 0,22 + 0,221 + 0,12105) = 1,11034
DIFERENSIAL BIASA
Penyelesaian Persamaan Differensial Simultan
 f  x, y , t  x0   x0
dx
dt
 g  x, y , t  y 0   y0
dy
dt
k1x = h f(x1n, y1n, tn)
k2x = h f(xn + ½ k1x, yn + ½ k1y, tn + ½ h)
k3x = h f(xn + ½ k2x, yn + ½ k2y, tn + ½ h)
k4x = h f(xn + k3x, yn + k3y, tn + h)
k1y = h g(xn, yn, tn)
k2y = h g(xn + ½ k1x, yn + ½ k1y, tn + ½ h)
k3y = h g(xn + ½ k2x, yn + ½ k2y, t1n + ½ h)
k4x = h g(xn + k3x, yn + k3y, tn + h)
yn+1 = yn + (k1y + 2 k2y + 2 k3y + k4y)

xn+1 = xn + (k1x + 2 k2x + 2 k3x + k4x)
DIFERENSIAL BIASA
Penyelesaian Persamaan Differensial Order Dua
Persamaan diferensial order dua diubah lebih dahulu menjadi dua
persamaan diferensial order satu simultan
d2y
dx 2
 4
dy
dx
 x3

4 y 2
dy
substitusi : z 
dx
dz
dx

 4 z  x 3  4 y 
dy
 z
dx
DIFERENSIAL BIASA
PESOALAN NILAI BATAS
Ada dua cara untuk penyelesaian persamaan differensial orde dua tipe
persoalan nilai batas, yaitu Shooting Methode dan Metode Beda Hingga (Finite
Difference Methode). Pada Shooting Methode diadakan trial gradien pada titik
awal sedemikian hingga kondisi pada titik kedua dicapai. Sedang pada Metoda
Beda Hingga, dibuat titik-titik kisi berjarak sama diantara dua harga perubah
bebas yang diketahui. Kemudian pada setiap titik kisi, turunan pertama dan
kedua dan persamaan differensial didekati dengan pendekatan beda hingga
sbb.
y   
d2
y  y 2
yiy 

dy y   
i
1 
i1

  
 i
1 i
1
  2

2

 
dx  2h   
dx 
xx
2
h
x
xi
i
Dengan demikian persamaan differensial orde dua bisa diubah menjadi

sistim persamaan aljabar dalam perubah-perubah yi.
PENYELESAIAN NUMERIK
PERSAMAAN-PERSAMAAN DIFFERENSIAL
PARSIAL
Persamaan diferensial parsial adalah persamaan diferensial yang mengandung
lebih dari satu variabel bebas. Sebagai contoh persoalan disini adalah distribusi
suhu pada suatu dinding. Mula-mula, dinding mempunyai suhu seragam dan
sama dengan suhu lingkungan, To. Selanjutnya pada suatu saat, suhu dinding
bagian dalam naik menjadi Ti. Persamaan Differensial Parsial yang harus
diselesaikan adalah sbb:
T  2T
C p k 2
t x
ρ = densitas, Cp = kapasitas panas, k = konduktivitas panas dari bahan dinding, T = suhu
lokal (pada posisi tertentu), x menunjukkan posisi pada dinding. Kondisi awal (Initial
Condition = IC):
t=0 T = To untuk 0 ≤ x ≤ L
kondisi batas (Boundary Condition = BC):
T = To pada x = 0 untuk t > 0
T = Ti pada x = L untuk t > 0
Tampak bahwa suhu merupakan fungsi waktu (t) dan posisi (x). Karena ada dua variabel tak
bebas maka persamaan differensial tersebut disebut Persamaan Differensial Parsial.
PARSIAL
Metoda-metoda yang digunakan:
Metoda Beda Hingga Explisit
Metoda Beda hingga Implisit
Metode Eksplisit
Metode eksplisit menggabungkan formulasi forward difference untuk
turunan waktu (t) dengan central difference untuk turunan kedua posisi (x).
Pendekatan forward difference:
T Ti , j 1  Ti , j

t Ti , j t
T Ti 1, j  Ti 1, j

x Ti , j 2x
 2T Ti 1, j  2Ti , j  Ti 1, j


x 2 Ti , j
x 2
PARSIAL
Dengan mensubstitusikan pendekatan tersebut ke persamaan differensial,
selanjutnya Ti,j+1 diselesaikan secara langsung. Skema penyelesaian
metode eksplisit seperti ditunjukkan pada Gambar 6-1.
PARSIAL
Contoh 6-1.
Persamaan Differensial Parsial sbb.
T  2T
 2
t x
dengan kondisi batas sbb.
T(x,0) = To = 0
T(0,t) = To = 0
T(L,t) = TL = 25
Selesaikan dengan metode eksplisit.
PARSIAL
Penyelesaian:
Pendekatan finite difference persamaan differensial sbb.
T Ti , j 1  Ti , j

t Ti , j t
 2T Ti 1, j  2Ti , j  Ti 1, j


x 2 Ti , j
x 2
Selanjutnya disubstitusikan ke persamaan untuk mendapatkan Ti,j+1 sbb.

t
Ti , j 1  Ti , j  T i 1, j  2Ti , j  Ti 1, j 
x 2
PARSIAL
2
Untuk α = 0,005 m /det, Δt = 1 detik, dan Δx = 0,125 m
Suhu (oC)
waktu (det)
x=0 x = 0,125 x = 0,25 x = 0,375 x = 0,5
T=1 0,000 0,000 0,000 0,000 25,000
T=2 0,000 0,000 0,000 8,000 25,000
T=3 0,000 0,000 2,560 10,880 25,000
T=4 0,000 0,819 4,403 12,736 25,000
T=5 0,000 1,704 5,923 13,994 25,000
T=6 0,000 2,509 7,156 14,933 25,000
T=7 0,000 3,193 8,157 15,666 25,000
T=8 0,000 3,760 8,971 16,250 25,000
T=9 0,000 4,224 9,633 16,721 25,000
T = 10 0,000 4,603 10,170 17,102 25,000
T = 11 0,000 4,912 10,607 17,411 25,000
PARSIAL
2
α = 0,01 m /det, Δt = 1 detik, dan Δx = 0,125 m
Suhu (oC)
waktu (det)
x=0 x = 0,125 x = 0,25 x = 0,375 x = 0,5
T=1 0,0 0,0 0,0 25,0 25,0
T=2 0,0 0,0 0,0 25,0 25,0
T=3 0,0 0,0 25,0 0,0 25,0
T=4 0,0 25,0 – 25,0 50,0 25,0
T=5 0,0 – 50,0 100,0 – 50,0 25,0
T=6 0,0 150,0 – 200,0 5,0 25,0
T=7 0,0 – 350,0 525,0 – 350,0 25,0
T=8 0,0 875,0 – 1225,0 900,0 25,0
T=9 0,0 – 2100,0 3000,0 – 2100,0 25,0
PARSIAL
Metoda Crank-Nicolson berdasarkan formulasi implisit untuk mengatasi
persoalan kestabilan yang terjadi pada metode eksplisit. Berbeda dengan
metode eksplisit dimana turunan parsial dievaluasi pada Ti,j, pada metode ini
dievaluasi pada Ti,j+½ menggunakan formulasi central difference pada
turunan terhadap posisi (x) maupun waktu (t) sbb.
T Ti 1, j  1  Ti 1, j  1 T Ti , j 1  Ti , j
 2 2 
t t
x T 2x T
i , j 1
2
i, j 1
2
 2T Ti 1, j  1  2Ti , j  1  Ti 1, j  1

 2 2 2
x 2 T
x 2
i, j 1
2
Karena T dihitung pada (t + Δt), harga Ti,j+½ diprediksi sbb.

Ti,j+½ = ½ (Ti,j + Ti,j+1)
PARSIAL
Dengan mensubstitusikannya pada persamaan differensial, maka akan

diperoleh persamaan yang mengandung Ti,j+1, Ti-1,j+1, Ti+1,,j+1, Ti,j,
Ti+1,,j, Ti-1,j seperti pada Gambar 6-2. Karena harga Ti,j+1 belum
diketahui, maka akan diperoleh suatu sistem persamaan pada setiap
tahap waktu. Bila sistem persamaan tersebut linier, maka dapat
diselesaikan dengan penyelesaian sistem persamaan-persamaan yang
telah dijelaskan pada Bab 3.
PARSIAL
Contoh 6-2
Selesaikan contoh 6-1. dengan menggunakan metode Crank-Nicolson.
Penyelesaian:
Dengan mensubstitusikan Pers. (6-8) dan (6-9) kemudian Pers. (6-10) untuk
mensubstitusi Ti,j+½ diperoleh persamaan sbb.
 x 2   x 2 
 Ti 1, j 1  21  Ti , j 1  Ti 1, j 1  Ti 1, j  2  1Ti , j  Ti 1, j
 αΔt   αΔt 
Pada t = j+1 dikumpulkan pada sisi sebelah kiri sedangkan t = j pada sisi
sebelah kanan. Karena hanya diketahui Ti,j, maka penentuan harga Ti,j+1
membutuhkan penyelesaian sistem persamaan linier. Tabel 6-3 merupakan 2
hasil penyelesaian dengan menggunakan metode ini untuk α = 0,01 m /det,
Δt = 1 detik, dan Δx = 0,125 m.
PARSIAL
Suhu (oC)
waktu (det)
x=0 x = 0,125 x = 0,25 x = 0,375 x = 0,5
T=1 0,000 0,000 0,000 0,000 25,000
T=2 0,000 0,402 2,061 10,158 25,000
T=3 0,000 1,552 5,440 13,449 25,000
T=4 0,000 2,898 7,665 15,266 25,000
T=5 0,000 3,925 9,192 16,396 25,000
T=6 0,000 4,652 10,236 17,146 25,000
T=7 0,000 5,155 10,951 17,654 25,000
T=8 0,000 5,501 11,440 18,000 25,000
T=9 0,000 5,737 11,775 18,237 25,000
T = 10 0,000 5,899 12,004 18,399 25,000
T = 11 0,000 6,010 12,160 18,510 25,000
CURVE FITTING
Curve fitting adalah menarik garis (kurva) dari titik-titik yang diperoleh
dari percobaan yang mempelajari hubungan antara suatu perubah tak bebas
(Y) dan perubah bebas (X). Ada dua cara curve fitting, yaitu Least Square
dan Cubic Spline. Cara Least Square sudah dipelajari pada ilmu statistika .
Pada bab ini hanya dipelajari cara yang kedua.
Dengan cara cubic spline, ditulis persamaan cubic untuk interval ke-i yang
terletak antara titik (Xi,Yi) dan (Xi+1,Yi+1).
Y= ai (X-Xi)3 + bi (X-Xi)2 + ci (X-Xi) + di
Karena persamaan ini memenuhi kedua titik dari interval ini, maka :
Yi = ai (Xi -Xi)3 + bi (Xi -Xi)2 + ci (Xi -Xi) + di = di

Yi+1 = ai (Xi+1 -Xi)3 + bi (Xi+1 -Xi)2 + ci (Xi+1 -Xi) + di
= ai hi3 + bi hi2 + ci hi + di
hi adalah inkremen pada interval ke-i

CURVE FITTING
Dibutuhkan turunan pertama dan kedua untuk menghubungkan gradien

dan kelengkungan dari pada polynomial-polinomial yang bersambung
Y’ = 3ai (X-Xi)2 + 2bi (X-Xi) + ci
Y’’ = 6ai (X-Xi) + 2bi

Prosedure matematik dipermudah bila persamaan-persamaan ditulis
dalam turunan-turunan kedua. Misal Si adalah turunan kedua pada titik
(Xi,Yi) dan Si+1 adalah turunan kedua pada titik (Xi+1,Yi+1).
Si = 2bi ………. bi = Si / 2
Si+1 = 6ai hi + 2bi ………. ai = (Si+1 - Si) / (6 hi )
ci = (Yi+1 – Yi ) / hi - (2hi Si + hi Si+1)/6

CURVE FITTING
Dimasukkan syarat bahwa slope (gradien) dua cubic yang

bersambungan pada (Xi,Yi) adalah sama.
Pada interval ke-i dengan X=Xi :
Yi’ = 3ai (Xi -Xi)2 + 2bi (Xi -Xi) + ci = ci
Pada interval sebelumnya, dari xi-1 ke xi, gradien pada ujung kanannya
adalah,
Yi’ = 3ai-1 (Xi -Xi-1)2 + 2bi-1 (Xi -Xi-1) + ci-1
= 3ai-1 (Xi -Xi-1)2 + 2bi-1 (Xi -Xi-1) + ci-1
Kedua pernyataan Yi’ ini disamakan (a,b,c dinyatakan dalam S dan Y):
Y  Yi 2hi S i  hi S i 1 3( S i  S i 1 )hi 1 Y  Yi 1 (2hi 1 S i 1  hi 1 S i )
2
S
Yi '  i 1    2( i 1 )hi 1  i 
hi 6 6hi 1 2 hi 1 6
 Y  Y Y  Yi 1 
hi 1 S i 1  hi 1  hi 2 S i  hi S i 1  6 i 1 i  i 
 hi hi 1 
CURVE FITTING
 Yi 1  Yi Yi  Yi 1 
hi 1 Si 1  hi 1  hi 2 Si  hi Si 1  6  , i  2,.., n  1
 hi hi 1 
(n-2) persamaan-persamaan yang menghubungkan n harga Si.

Diperlukan dua hubunhgan tambahan yang berkaitan dengan S1 dan Sn.
Ditentukan kondisi pada kedua ujung kurva.
1. S1=0 , Sn=0 Ujung-ujung kubik adalah linear (natural spile)
2. S1= S2 , Sn= Sn-1 Ujung-ujung kubik mendekati parabola
3. S1 sebagai ekstrapolasi linear dari S2 dan S3, sedang Sn sebagai
ekstrapolasi linear dari Sn-1 dan Sn-2.
Pada ujung kiri, Pada ujung kanan,

(S2-S1)/h1 = (S3-S2)/h2 (S1n-Sn-1)/hn-1 = (Sn-1-Sn-2)/hn-2
(h1  h2 ) S 2  h1 S 3
S1  (hn2  hn1 ) S n1  hn1 S n2
h2 Sn 
hn2
CURVE FITTING
 Y Y Y Y 
hi 1 Si 1  hi 1  hi 2 Si  hi Si 1  6 i 1 i  i i 1 , i  2,.., n  1
 hi hi 1 
h1 2(h1  h2 ) h2   S1   Y3  Y2 Y2  Y1 
S   h  
 h2 2(h2  h3 ) h3  h1
   2   2

  S 3   Y4  Y3 Y3  Y2 
h3 2(h3  h4 ) h4  h  
    h2
    3 
 - 
     6  
-    
    
 
 -  S   Yn  Yn 1 Yn 1  Yn  2 
 -   n 1    
   
h
 n 1 hn2 
 hn  2 2(hn  2  hn 1 ) hn 1  S n   
Terdapat (n-2) persamaan, namun yang tak diketahui ada n, yaitu S1, S2, ..,Sn.
CURVE FITTING
Dengan menggunakan kondisi-kondisi ujung yang diterangkan dimuka,

S1 dan Sn dapat dieliminir. Maka diperoleh (n-2) persamaan dengan (n-2)
besaran yang tak diketahui, yaitu S2, S3,…….Sn-1. Untuk tiap-tiap tipe
kondisi ujung koefisien matriksnya adalah :
S1=0 , S1n=0 Ujung-ujung kubik adalah linear (natural spline)
 2(h1  h2 ) h2 
 h2 2(h2  h3 ) h3 
 
 h3 2(h3  h4 ) h4 
 
 - 
 - 
 
 - 
 - 
 
 hn  2 2(hn  2  hn 1 ) 
CURVE FITTING
S1= S2 , Sn= Sn-1 Ujung-ujung kubik mendekati parabola
 ( 3h1  2h2 ) h2 
 h2 2(h2  h3 ) h3 
 
 h3 2(h3  h4 ) h4 
 
 - 
 - 
 
 - 
 - 
 
 hn  2 ( 2hn  2  3hn 1 ) 
CURVE FITTING
S1 sebagai ekstrapolasi linear dari S2 dan S3, sedang Sn sebagai
ekstrapolasi linear dari Sn-1 dan Sn-2.
 (h1  h2 )( h1  2h2 ) h22  h12 

 
 h2 h2 
 h2 2(h2  h3 ) h3 
 
 h3 2(h3  h4 ) h4 
 - 
 
 - 
 - 
 
 - 
 
 h 2
n2  h 2
n 1 (hn 1  hn  2 )( hn 1  2hn  2 ) 
 h n -2 h n -2 
CURVE FITTING
Penentuan harga ai , bi , ci dan di
ai = (Si+1 - Si) / (6 hi )
bi = Si / 2
ci = (Yi+1 – Yi ) / hi - (2hi Si + hi Si+1)/6
di = Yi
CURVE FITTING
Contoh Soal:
Diketahui data berikut:
t 0.0 0.2 0.3 0.4 0.5 0.6 0.7 0.8 1.0
Y 0.302 0.185 0.106 0.093 0.24 0.579 0.561 0.468 0.302
Gunakan ketiga kondisi ujung untuk menghitung cubic spline dengan
interval waktu 0.05. Bandingkan interpolasi cubic spline yang
diperoleh dari ketiga kondisi ujung ini.
Penyelesaian:
Pertama kali ditentukan harga S1, S2,……., S9 dengan menyelesaikan

persamaan bentuk matriks untuk berbagai kondisi ujung yang
memberikan batasan untuk harga S1 dan S9 yaitu:
Kondisi Ujung 1: S1 =0; S9 =0;
Kondisi Ujung 2: S1=S2; S9=S8;
Kondisi Ujung 3: h1  h2 S 2  h1 S 3 h7  h8 S8  h8 S 7
S1  ; S9 
h2 h7
CURVE FITTING
Koefisien Augmented Matrix :
KONDISI UJUNG 1 KONDISI UJUNG 2 KONDISI UJUNG 3

MATRIKS KOEFISIEN MATRIKS KOEFISIEN MATRIKS KOEFISIEN
0.6 0.1 -1.23 0.8 0.1 -1.23 1.2 -0.3 -1.23
0.1 0.4 0.1 3.96 0.1 0.4 0.1 3.96 0.1 0.4 0.1 3.96
0.1 0.4 0.1 9.60 0.1 0.4 0.1 9.6 0.1 0.4 0.1 9.60
0.1 0.4 0.1 11.52 0.1 0.4 0.1 11.52 0.1 0.4 0.1 11.52
0.1 0.4 0.1 -21.42 0.1 0.4 0.1 -21.42 0.1 0.4 0.1 -21.42
0.1 0.4 0.1 -4.5 0.1 0.4 0.1 -4.5 0.1 0.4 0.1 -4.5
0.1 0.6 0.6 0.1 0.8 0.6 -0.3 1.2 0.6
CURVE FITTING
Setelah harga S1, S2, ……, S9 ditemukan,maka fungsi cubic spline

nya dapat ditentukan untuk setiap interval, yaitu:
Yi  ai x  xi   bi x  xi   ci x  xi   d i
3 2
dimana
S i 1  S i Si Yi 1  Yi 2hi S i  hi S i 1
ai  ; bi  ; ci   ; d i  Yi ;
6 hi 2 hi 6
CURVE FITTING
Hasil perhitungan:
t NILAI Y
KOND.1 KOND.2 KOND.3
0.000 0.302 0.302 0.302
0.050 0.278 0.282 0.238
0.100 0.252 0.256 0.203
0.150 0.222 0.224 0.188
0.200 0.185 0.185 0.185
0.250 0.143 0.142 0.141 Terlihat bahwa hasil
0.300 0.106 0.106 0.106
0.350 0.087 0.088 0.088
interpolasi cubic spline
0.400 0.093 0.093 0.093 untuk ketiga kondisi
0.450 0.133 0.133 0.133 ujung, berbeda hanya
0.500 0.240 0.240 0.240
0.550 0.424 0.424 0.424 untuk t=0.05 s/d 0.35
0.600 0.579 0.579 0.579 dan t=0.85 s/d 0.95
0.650 0.608 0.608 0.608
0.700 0.561 0.561 0.561 yaitu pada titik-titik
0.750 0.511 0.511 0.511 dekat ujung.
0.800 0.468 0.468 0.468
0.850 0.426 0.426 0.430
0.900 0.385 0.384 0.392
0.950 0.343 0.343 0.350
1.000 0.302 0.302 0.302
SEKIAN TERIMA KASIH
SEMOGA BERMANFAAT

Komputasi Proses

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Komputasi Proses

Diunggah oleh

Hak Cipta:

Format Tersedia

KOMPUTASI PROSES

Proses Fisik dan Kimia

Penyelesaian Model Matematik

Calculus Kompuasi Numerik Terapan

Iterasi = pengulangan suatu tindakan atau proses secara spesifik,

1. Persoalan Alam, Fisika, Kimia

Algoritma Numerik: Pernyataan yang komplit dari operasi-operasi

Program Komputer terdiri dari:

1. Kesalahan absolut = (ap – a)

Read x1,x2, Tol

Flow Chart f1. f2 >

Bisection E = 1/2 .abs( x1 – x2 )

Tabel 2-1 : Metoda Bisection untuk f(x) = x3 + x2 - 3 x - 3 = 0

Ite x1 x2 x3 f(x1) f(x2) f(x3) 1/2 abs (x1- x2)

Maka harga x=1.732048

METODA INTERPOLASI LINEAR

Algoritma Metoda Interpolasi Linear

Ite x1 x2 x3 f(x1) f(x2) f(x3) abs (f(x3))

1 1 2 1.57143 -4 3 -1.3644 1.364431487

2 1.57143 2 1.70541 -1.3644 3 -0.2477 0.2477451

3 1.70541 2 1.72788 -0.2477 3 -0.0393 0.039339551

4 1.72788 2 1.7314 -0.0393 3 -0.0061 0.006110673

5 1.7314 2 1.73195 -0.0061 3 -0.0009 0.000945921

6 1.73195 2 1.73204 -0.0009 3 -0.0001 0.000146349

7 1.73204 2 1.73205 -0.0001 3 -2E-05 2.26406E-05

Maka harga x=1.73205

Ite x1 x2 x3 f(x1) f(x2) f(x3)

2 2 1.57143 1.70541 3 -1.3644 -0.2477451

3 1.57143 1.70541 1.73514 -1.3644 -0.2477 0.0292554

4 1.70541 1.73514 1.732 -0.2477 0.02926 -0.0005152

5 1.73514 1.732 1.73205 0.02926 -0.0005 -1.039E-06

Maka harga x=1.73205.

Bentuk f(x) =0 diubah kebentuk x = g(x)

Ada banyak cara untuk merubah bentuk f(x)=0 menjadi x = g(x)

1. Pilih satu harga x, yaitu x0

1. Pilih satu harga x, yaitu x0

Hasil perhitungan ditunjukkan pada Tabel 2.4

Tabel 2-4: Metoda Newton Raphson untuk f(x) = sin x -(x/2)2 =0

Ite xn f(xn) f'(xn) hn xn+1 (xn+1 - xn)/xn

1 1.5 0.43499 -1.4293 -0.3043 1.80435 0.20289947

2 1.80435 0.15893 -2.0358 -0.0781 1.88242 0.04326702

3 1.88242 0.06596 -2.189 -0.0301 1.91255 0.01600796

4 1.91255 0.0277 -2.2477 -0.0123 1.92488 0.00644463

5 1.92488 0.01168 -2.2716 -0.0051 1.93002 0.00267059

6 1.93002 0.00493 -2.2816 -0.0022 1.93218 0.00111923

7 1.93218 0.00208 -2.2857 -0.0009 1.93309 0.00047124

Akar yang dicari : 1,93374

Metoda ini digunakan untuk mencari semua akar-akar persamaan

Pn (x) = a1 xn + a2 xn-1 + ......... + an x + an+1

Polinomial dibagi faktor kwadratis: x2 - rx - s

Pn (x) = a1 xn + a2 xn-1 + ......... + an x + an+1

Polinomial hasil bagi Sisa (residual)

Denagan perkalian dan indentiti:

Andaikan harga r=r* dan s=s*, merupakan harga r dan s yang

Bila bn (r*, s* ) dan bn+1 (r*,s* ) , diekspansikan menurut deret Taylor

bn+1 = an+1 – rbn – sbn-1 bn1 bn1

Penentuan r* dan s* dari harga r dan s

cn1r  cn2 s  bn

1. Pilih harga pendekatan awal r dan s, dan pilih harga toleransi.

 bn .cn1  bn1.cn2  bn1.cn1  bn .cn

Jadi faktor kuadratis: x2 -3 x + 2

Polinomial hasil bagi: x - 3

N=1 X(NN)= -B(2)/B(1) CETAK END

N=2 AA=B(1), BB=B(2), CC=B(3),k = NN-1 RUMUS ABC CETAK END

Bila bn (r, s ) dan bn+1 (r,s ) , diekspansikan menurut deret Taylor

X(k)= -BB/(2AA) +((√DISK)/(2AA))

X(k+1)= -BB/(2AA) -((√DISK)/(2AA))