KOMPUTASI NUMERIK

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)

dengan integral secara analitik diperoleh :

Perhitungan Analitik
Jika m = 68.1 kg; koefsien gesek = 0.25 kg/m, hitung kecepatan
pelompat setelah 12 detik
 Perhitungan Numerik

Untuk gerak dipercepat:

Numerik Analitik
Akar Persamaan

Fungsi aljabar:

Fungsi transedental:
Perbedaan akar dan optimasi

Metode mencari akar secara analitik

• Penguraian:

• 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

Jika f(xl)f(xr) < 0, maka

𝑥𝑙𝑘+1 +𝑥𝑟𝑘
𝑥𝑟𝑘+1 =
2

Jika f(xr)f(xu) < 0, maka

𝑥𝑟𝑘 +𝑥𝑢𝑘+1
𝑥𝑟𝑘+1 =
2
k = 1, 2, 3, …
Metode Falsi Regula Dari persamaan garis lurus yang menghubungkan
dua titik P dan Q diperoleh persamaan untuk
mencari akar:

Jika f(xl)f(xr) < 0, maka

𝑓(𝑥𝑟𝑘 )(𝑥𝑙𝑘+1 −𝑥𝑟𝑘 )
𝑥𝑟𝑘+1 = 𝑥𝑟𝑘 −
𝑓 𝑥𝑙𝑘+1 −𝑓(𝑥𝑟𝑘 )
Jika f(xr)f(xu) < 0, maka
P
𝑓(𝑥𝑢𝑘+1 )(𝑥𝑟𝑘 −𝑥𝑢𝑘+1 )
𝑥𝑟𝑘+1 = 𝑥𝑢𝑘+1 −
𝑓 𝑥𝑙𝑘+1 −𝑓(𝑥𝑟𝑘 )

k = 1, 2, 3, …
Metode Terbuka Turunan pertama pada x sama dengan
Metode Newton Raphson slope (gradien, koefisien arah):
;

Problemnya adalah harus menghitung

turunan pertama (diferensial) dari f(x),
terutama untuk f(x) yang kompleks (sulit).
Contoh seperti pada kasus model matematis
bungee jumping:

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:

Karena diperlukan 2 nilai awal,

maka dilakukan modifikasi dengan
perturbasi fraksional dari variabel
independen:
Pecocokan Kurva (Curve Fitting)

• Regresi least-squares: tidak memerlukan akurasi / presisi yang tinggi

• Interpolasi: untuk yang memerlukan presisi tinggi
Interpolasi Polinomial
Contoh data pada table berikut:
Interpolasi Polinomial Newton
(a) Interpolasi Linier

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:

where n = total number of points. Dengan nilai mutlak:

Untuk lebih mengecilkan lagi tingkat kesalahan dipakai metode akar
terkecil (least squares):

Untuk menentukan nilai persamaan di atas didiferensiasi:

Untuk mendapatkan nilai Sr minimum:

Jika maka:

Sistem persamaan linier simultan dengan variable a0 dan a1

diselesaikan sehingga:

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:

Dinamakan kesalahan (error) standard

dari estimasi.
Standard deviasi :
Regresi Polinomial
Prosedur regresi least squares untuk pangkat
lebih besar (dari linier); misal pangkat 2
(kuadratik):
Secara umum :
Dapat diselesaikan dengan m+1 persamaan linier simultan.
Standard error:
Contoh Regresi Polinomial
Buat persamaan pencocokan kurva untuk data pada dua kolom pertama.
Pemrograman Interpolasi Polinomial Newton dengan MATLAB
• Data disimpan dalam variabel (matriks)
• Identifikasi pola (keteraturan) yang terbentuk
• Pengolahan data berdasarkan pola yang diaplikasikan pada indeks
elemen matriks
• Indeks baris menyatakan data yang ke-i, indeks kolom j menyatakan
jenis atau penggolongan data (atau sebaliknya, tergantung penulisan
input data)
• Untuk ∑ (penjumlahan) nilai awal=0, untuk ∏ (perkalian) nilai awal=1
 Diagram Alir

MULAI Perhitungan konstanta Pembentukan

polinomial b1, b2, ..., bn persamaan polinomial

Input data dalam bentuk

variable matriks Untuk nilai level-2 s/d Untuk nilai level-2 s/d
x(data ke-i) -> level 1 level -n (j=2 s/d n) level -n (k=2 s/d n)
f(data ke-i) -> level 1

Utk nilai i=1 s/d jumlah

Nilai awal untuk ∑, y=0; tertentu di level-j: b(1)=f(1,1); b(k)=f(1,k)
untuk ∏, xy=1 xy=xy(z-x(k-1))
y=y+b(1)+b(k)xy

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:

jika λ ditetapkan sembarang = 3, maka persamaan menjadi:

dimana nilai

Dengan hasil sebagaimana ditunjukkan gambar (a)

Untuk mendapatkan nilai eigen yang sebenarnya:

Maka system mepunyai nilai eigen 15 dan 5 sebagaiman ditunjukkan

gambar (b).
Untuk λ1 = 15 :

diperoleh dalam bentuk vector:

dinamakan vector eigen

Dengan cara yang sama untuk nilai λ1 = 5 :

diperoleh nilai maka nilai vector eigen:

Secara umum dari bentuk hubungan nilai eigen

dengan vector eigen ditulis :
Contoh penerapan nilai eigen dan vector eigen:
Persamaan aljabar yang mengandung nilai eigen di atas sama
sebagaimana contoh sebelumnya yaitu diperoleh nilai eigen dan vector
eigen masing2: dan
Contoh soal