Bambang Mulyo R.
Penyelesaian analitik
Kegunaan (aljabar, kalkulus):
terbatas, kalkulasi
sederhana, hasil eksak
> dikerjakan manual
Proses / Formulasi /
keadaan fisik persamaan Penyelesaian numerik
matematik (aritmatik, operasi
logika): tidak terbatas,
kalkulasi kompleks,
nilai pendekatan
(iteratif) > bantuan
komputer
Contoh Kasus
v = kecepatan jatuh (m/s), t = waktu (detik), g = percepatan gravitasi
(m/det2), cd = koefisien gesek udara sekitar (kg/m), m = massa
peloncat (kg)
Fungsi aljabar:
Fungsi transedental:
Perbedaan akar dan optimasi
• Rumus abc :
Menentukan akar secara numerik :
• Metode pengurungan (bracketing method)
• Metode terbuka (open method)
Metode pengurungan
• Penentuan jumlah dan jenis akar untuk persamaan polinomial (suku
pangkat banyak f(x) = Pn(x) = a0xn + a1xn-1+a2xn-2+ … +an-1x+an=0
• Jumlah akar positif ≤ jumlah dari perubahan tanda konstanta
persamaan polynomial f(x)
• Jumlah akar negatif ≤ jumlah dari perubahan tanda konstanta
persamaan polynomial f(-x)
• Mencari lokasi akar pada suatu interval nilai x: [a, b]: jika f(x) kontinyu
pada suatu interval [a, b] dan f(a)f(b) < 0, maka persamaan f(x) = 0
mempunyai paling sedikit satu akar riil atau sejumlah angka ganjil
akar riil pada interval [a, b].
Metode Biseksi (Bisection)
𝑥𝑙 + 𝑥𝑢
𝑥𝑟 =
2
k = 1, 2, 3, …
Metode Terbuka Turunan pertama pada x sama dengan
Metode Newton Raphson slope (gradien, koefisien arah):
;
menjadi
Metode Secan
Turunan pertama (diferensial)
dapat didekati dengan selisih
pembagian terbatas:
δ = fraksi perturbasi (bilangan
kecil)
Jika disubstitusikan ke persamaan
Jika disubstitusikan ke persamaan
iterasi Newton Raphson maka: iterasi Newton Raphson:
Persamaan garis:
Dimana
Aproksimasi perbedaan terbatas
turunan pertama
(2) Interpolasi Kuadratik
before
(3) Bentuk Umum Interpolasi Polynomial Newton
Before Ex.
Interpolasi Polinomial Lagrange
Metode Regresi Least Square
Regresi least squares linier
Jika terdapat kumpulan titik2 data: (x1, y1), (x2, y2), . . . , (xn, yn) maka
dapat didekati oleh persamaan garis: y = a0 + a1x + e, dimana e = error
atau residual (sisa), merupakan selisih dari dari nilai y yang
sesungguhnya dengan nilai pendekatan. Maka: e = y − a0 − a1x .
Untuk pencocokan data dengan garis lurus yang paling pas adalah
dengan mengecilkan penjumlahan sisa:
Jika maka:
dan
Contoh Regresi Linier: Jika kecepatan v dinyatakan oleh x, dan Gaya
dinyatakan F oleh y, tentukan fungsi F(v) dari data pada table berikut:
Kuantifikasi kesalahan dari regresi
least squares
Secara statistik ditentukan:
𝑓 𝑖 + 1, 𝑗 − 1 − 𝑓(𝑖, 𝑗 − 1)
Input nilai x yang 𝑓 𝑖, 𝑗 =
𝑥(𝑖 + 𝑗 − 1 − 𝑥(𝑖) STOP
diinginkan
NILAI EIGEN, VEKTOR EIGEN, SVD
Sistem persamaan aljabar linier nonhomogeneous: [A]{x} = {b}
Sistem persmaan aljabar linier homogeneous: [A]{x} = 0, dituliskan
dalam bentuk: , λ = nilai eigen
Determinan:
Karakteristik polynomial:
Mencari akar persamaan karakteristik polynomial:
Contoh:
dimana nilai