By Muhamad Iqbal ST
Email : claudluciffer@gmail.com
Telp : 08986452813
KONTRAK KULIAH
Pemodelan
Penyederhana
Evaluasi
an model
Formulasi
Operasional
numerik
Pemrograman
Pemodelan
Ini adalah tahap pertama. Persoalan dunia nyata
dimodelkan ke dalampersamaan matematika
Penyederhanaan model
Evaluasi
angka signifikan
bilangan titik mengambang
perambatan galat
Galat mutlak
Galat relatif
GALAT NUMERIK
Besaran yang merupakan selisih antara nilai hampiran
dengan nilai eksak.
• m = mantis (riil)
• b = basis sistem bilangan yang dipakai (2, 8,
10, 16, dan sebagainya);
• p = pangkat (berupa bilangan bulat tak
negatif).
Contoh:
0.0005813 memiliki 4(empat) angka signifikan,
sedangkan 0.700124 mempunyai 6(enam) angka
signifikan.
RAMBATAN ‘ERROR’
Ditentukan semua operasi aritmatik digantikan dengan tanda
ω. Jadi ω: + - × / dan ŵ: + - × / → versi komputer
Misalkan xA dan yA adalah bilangan yang akan digunakan
dan kesalahannya terhadap xT dan yT adalah
ε = xT − xA dan η = yT − yA
Jika dilakukan hitungan xA ŵ yA, maka kesalahannya adalah
Jika
maka
‘PROPAGATED ERROR’ PADA
PEMBAGIAN
Contoh
Jadi meskipun kesalahan pada (xA − yA) adalah kecil, tetapi ‘kesalahan relatif’nya
cukup besar melebihi Rel(xA) ataupun Rel(yA).
PERTEMUAN III
ELIMINASI GAUSS
ELIMINASI GAUSS
Perhatikan bahwa operasi di atas jika ditulis dalam bentuk matrik adalah
Selanjutnya dilakukan operasi sebagai berikut: kalikan baris 2 dengan 2/25 dan
tambahkan (5/2 x baris 2 yang baru) kepada baris 3
atau
jika terjadi bii = 0 atau nilainya kecil, maka harus diadakan pengaturan
sehingga bii ≠ 0
CONTOH:
Dalam metoda ini hitungan elemen vektor yang baru menggunakan elemen
vektor yang lama.
Gunakan Literasi jacobi untuk persamaan berikut ini,
dimulai dengan x0 = [1 1 1], iterasikan 5 kali
METODE BISECTION
Akar fungsi
BISECTION
a b c d e d
Prinsip: Kurung akar fungsi di antara
dua batas, lalu paruh batas itu terus
menerus sampai batas itu sedemikian
sempit dan dengan demikian lokasi akar
fungsi diketahui dengan keakuratan
tertentu. Batas b, c atau
Langkah: nilai di
1. Perkirakan akar fungsi (bisa dengan
Tengahnya bisa
cara memplot fungsi). dipilih sebagai
akar fungsi.
2. Tentukan batas awal yang mengurung
akar fungsi.
3. Belah dua daerah berisi akar fungsi itu.
4. Tentukan daerah yang berisi akar
fungsi.
5. Ulangi langkah 3 dan 4 sampai
dianggap cukup.
6. Tentukan akar fungsi.
MENENTUKAN DAERAH YANG BERISI
AKAR FUNGSI:
Jika z merupakan akar fungsi, maka f(x < z) dan f(x > z)
saling berbeda tanda.
f(a)*f(c) negatif, berarti di antara a & c ada akar fungsi.
f(x) a b
c
z
MENENTUKAN KAPAN PROSES
PENCARIAN AKAR FUNGSI BERHENTI
Proses pencarian akar fungsi dihentikan setelah
keakuratan yang diinginkan dicapai, yang dapat
diketahui dari kesalahan relatif semu.
|
Kesalahan Relatif Semu=
perkiraan berikut - perkiraan sebelum
perkiraan sebelum |
CONTOH
Tentukan akar-akarnya
Ambil range antara -8 dan -7; range antara -2 dan -1,
range antara 0 dan 1
Tinjau range -8 s/d -7,
Lihat excell
f(x)
x
a c
p(x)
𝑝 ( 𝑥 )= ( 𝑥 −𝑏
𝑎 −𝑏 )
𝑓 ( 𝑎) +
𝑥 −𝑎
𝑏 −𝑎 (
𝑓 (𝑏) )
𝑝 ( 𝑐 ) =0 𝑐=
( 𝑎. 𝑓 ( 𝑏 ) −𝑏 . 𝑓 (𝑎)
𝑓 (𝑏)− 𝑓 (𝑎) )
LANGKAH METODE FALSE POSITION
f(x)
Perkirakan akar fungsi (bisa
dengan cara memplot fungsi). b
Akar fungsi
Tentukan batas awal yang
mengurung akar fungsi. x
a c
Tarik garis lurus penghubung nilai
fungsi pada kedua batas, lalu cari
titik potongnya dengan garis nol. p(x)
f(x)
Geser salah satu batas ke titik
potong itu, sementara batas lain b
tidak berubah. Ulangi langkah 3.
Ulangi langkah 4 sampai x
dianggap cukup. a
c
Titik potong garis nol dan garis
lurus yang terakhir dinyatakan
sebagai akar fungsi. 𝑐=
( 𝑓 (𝑏)− 𝑓 (𝑎) )
𝑎. 𝑓 ( 𝑏 ) −𝑏 . 𝑓 (𝑎) p(x)
𝑐=
(
𝑎. 𝑓 ( 𝑏 ) −𝑏 . 𝑓 (𝑎)
𝑓 (𝑏)− 𝑓 (𝑎) )
f(x)
Metode false position
juga menggunakan dua
batas seperti metode c b
bisection. Namun, x
a
berbeda dari metode
bisection, pada metoda
false position hanya satu p(x)
f(x)
batas yang berubah.
p(c) = 0
Langkah:
1. Perkirakan akar fungsi.
2. Buat garis singgung pada titik
sesuai akar fungsi yang
diperkirakan itu, lalu cari titik
potongnya dengan garis nol.
3. Titik potong itu merupakan
perkiraan akar fungsi baru.
4. Ulangi langkah 2 dan 3
sampai dianggap cukup.
5. Titik potong garis nol dan
garis singgung kurva yang
terakhir dinyatakan sebagai
akar fungsi.
Contoh perkiraan akar
fungsi awal yang baik
perkiraan akar fungsi
makin mendekati akar
fungsi sebenarnya.
Pada metode Secant, batas tidak dijaga tetap, melainkan berubah. Akar fungsi dicari
sebagai berikut:
Yang menarik, jika i makin besar, maka beda antar dua akar fungsi yang berturutan semakin
kecil, sehingga
Dengan begitu, metode Secant menyerupai metode Newton-Raphson. Jika turunan fungsi
f(x) sulit diperoleh / dihitung, maka metode Secant menjadi alternatif yang baik bagi metode
Newton-Raphson.
Kesalahan relatif semu dihitung sama seperti pada metode False Position atau Newton-
Raphson.
KECEPATAN KONVERGENSI
Pencarian akar fungsi dimulai dengan perkiraan akar fungsi
yang pertama, lalu diikuti oleh perkiraan berikutnya dan
seterusnya sampai perkiraan yang terakhir, yang kemudian
dinyatakan sebagai akar fungsi hasil perhitungan tersebut.
Proses itu harus bersifat konvergen yaitu, selisih perkiraan
sebelum dari yang setelahnya makin lama makin kecil. Setelah
dianggap cukup, proses pencarian akar fungsi berhenti.
Newton-Raphson:
Secant:
Bisection
False Position
Newton-Raphson
Secant
… (1)
… (2) Eliminasi variabel y :
.. (3) pers (3) - 5 * pers (2)
substitusi mundur:
𝑧=− 0 , 4 pers. (3) mencari z
−1 −3 𝑧
𝑦= =0 , 4 pers. (2) mencari y
0,5
−6+ 3 𝑦 − 8 𝑧 pers. (1) mencari x
𝑥= =− 0 , 8
2
DALAM BENTUK MATRIKS
( )( ) ( )
Pertanyaan 2 −3 8 𝑥 −6
−1 2 −1 𝑦 = 2
1 1 −1 𝑧 0
( )( ) ( )
Jawab : 2 −3 8 𝑥 −6
0 0 ,5 3 𝑦 = −1
0 2 ,5 −5 𝑧 3
( )( ) ( )
2 −3 8 𝑥 −6
0 0 ,5 3 𝑦 = −1
0 0 20 𝑧 −8
substitusi mundur:
𝑧=− 0 , 4
−1 −3 𝑧
𝑦= =0 , 4
0,5
−6+ 3 𝑦 − 8 𝑧
𝑥= =− 0 , 8
2
ELIMINASI GAUSS ,
( )( ) ( )
𝑎 11 𝑎 12 𝑎1 3 ⋯ 𝑎 1𝑛 𝑥 1 𝑏1 -
𝑎 2 1 𝑎 22 𝑎 23 ⋯ 𝑎 11 𝑥 2 𝑏2
𝑎 11 𝑎 11 𝑎 11 ⋯ 𝑎 11 𝑥 3 = 𝑏 3 -
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮
𝑎 11 𝑎 11 𝑎 11 ⋯ 𝑎 11 𝑥 𝑛 𝑏𝑛
k = 1, ...,n - 1;
i = k+1, ...,n;
j = k,...,n
( )( ) ( )
( 0) ( 0) (0 ) ( 0) ( 0)
𝑎11 𝑎 11 𝑎 11 ⋯ 𝑎1 𝑛
𝑥1
𝑏1
( 1) (1 ) ( 1) ( 1)
0 𝑎22 𝑎23 ⋯ 𝑎 2𝑛 𝑥2 𝑏2
0 0 𝑎
(0 )
⋯ 𝑎
( 2)
𝑥3 = 𝑏3
( 2) ,
33 3𝑛
⋮ Pada langkah ke m
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
0 0 0 ⋯ 𝑛 −1)
𝑎(𝑛𝑛 𝑥𝑛 𝑏(𝑛 −1)
𝑛
Substitusi mundur:
( )( ) ( )
( 0) ( 0) (0 ) ( 0) ( 0)
𝑎11 𝑎 11 𝑎 11 ⋯ 𝑎1 𝑛
𝑥1
𝑏1
( 1) (1 ) ( 1) ( 1)
0 𝑎22 𝑎23 ⋯ 𝑎 2𝑛 𝑥2 𝑏2
0 0 𝑎
(0 )
33 ⋯ 𝑎
( 2)
3𝑛
𝑥3 = 𝑏3
( 2)
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮
( 𝑛 −1) 𝑥𝑛 (𝑛 −1)
0 0 0 ⋯ 𝑎𝑛𝑛 𝑏𝑛
=
atau AX = B
= =
= =U
L
MENCARI MATRIKS L DAN U:
Diperoleh:
Jadi, elemen matriks L dan U dicari menurut:
secara bergantian:
1. matriks L kolom 1, matriks U baris 1
2. matriks L kolom 2, matriks U baris 2
3. …
4. matriks L kolom (n-1), matriks U baris (n-1)
5. matriks L kolom n
Substitusi maju untuk menghitung y:
( )( ) ( )
2 −3 8 𝑥 −6
−1 2 −1 𝑦 = 2
1 1 −1 𝑧 0
( ) ( )
2 0 0 1 1, 5 4
A= LU L= − 1 0 ,5 0 ;U = 0 1 −10
1 2, 5 20 0 0 1
( )
−3
Y =UX, LY = B Y = −2
− 2/ 5
( )
− 4/5
UX = Y X = 2/ 5
− 2/ 5
KASUS BEBERAPA SISTEM
PERSAMAAN LINEAR
Pada kasus yang lebih umum bisa saja terdapat beberapa sistem persamaan linear dengan nilai B
yang berlainan, namun memiliki nilai A yang sama.
Dalam bentuk matriks sistem seperti ini dituliskan sebagai:
=
atau AX = B
Keterangan:
A matriks n x n, X dan B matriks n x m, dengan m = jumlah sistem persamaan linear, n = jumlah
persamaan / variabel dalam tiap sistem persamaan tersebut
Tiap kolom matriks X merupakan solusi untuk kolom yang sama pada matriks B.
Langkah dan rumus pada metode Eliminasi Gauss dan LU Decomposition berlaku sama untuk
kasus ini. Hanya saja, di sini matriks X dan B terdiri dari beberapa kolom, bukan hanya satu.
Contoh dua sistem persamaan linear yang memiliki nilai
A sama tapi B berbeda.
METODE ELIMINASI GAUSS:
rumus triangulasi:
,
Pada langkah ke
m
N= jumlah data
Untuk menentukan nilai a0 dan a1, kita turunkan persamaan 1 terhadap masing
masing koefisien
i= 1 s/d n
Karena , persamaan diatas dapat dinyatakan sebagai
berikut :
Sehingga
CONTOH
Diketahui data sebagai berikut, tentukan persamaan
linear “best fit”nya, dan hitung error linear fit tersebut
JAWAB
Sehingga persamaan linear fitnya
Analisis errornya
Standard deviasi
Koefisien determinasi
Koefisien korelasi
CONTOH SOAL
Hitunglah standard deviasi, standard error estimasi dan koefisien
korelasi dari soal di atas
Jawab :
Standard deviasi :
N=Jumlah data
Definisikan
atau
CONTOH:
Terdapat tiga data f(x) yaitu, f(1) = 30, f(2) = 70 dan f(3)
= 120. Cari fungsi p(x) yang dapat melukiskan data itu.
Jawab :
Dari data itu jelas p(x) bukan fungsi linear
dicoba fungsi kuadratik
…, N; N = jumlah data
p(x) merupakan fungsi
interpolasi berdasarkan
data f(xi)
++
Secara umum, untuk N data rumus interpolasi Lagrange
Untuk x = xk (k = 1, …, N):
CONTOH SOAL
Evaluasilah nilai ln 2 dengan cara Interpolasi Polinomial
Lagrange orde satu dan orde dua apabila diberikan data
sebagai berikut :
SOLUSI
Dari rumus interpolasi lagrange orde 1 dapat diperoleh :
Diperoleh
CATATAN:
Karena fungsi interpolasi p(x) dicocokkan dengan data f(x0= xi-1 ),
… , f(x3= xi+2 ) maka p(x) berlaku hanya untuk daerah xi-1≤x ≤ xi+2.
Untuk daerah x yang lain berlaku fungsi interpolasi p(x) yang lain.
Pada batas antara dua daerah yang bersebelahan, masing-masing
fungsi interpolasi p(x) dari kedua daerah berbeda itu menunjukan
nilai yang sama, karena dalam menentukan p(x) selalu dibuat agar
p(x) cocok dengan setiap titik data dalam daerah itu.
Dengan kata lain, p(x) bersifat kontinyu. Tetapi, tidak begitu dengan turunannya: p’(x)
bersifat diskontinyu pada batas dua daerah yang bersebelahan.
INTERPOLASI HERMITE KUBIK
Dengan menggunakan polinomial p(x) berorde 3 (kubik), interpolasi dilakukan
di antara dua titik data yang berurutan, yaitu dalam interval : xi≤x≤xi+1
Jadi, yang pertama dilakukan yaitu, menentukan posisi x di antara titik data x i
(i = 1, …, N).
Jadi, pada interpolasi Hermite diperlukan sebagai data bukan saja f(x) namun
juga turunannya f’(x).
aj (j = 0, 1, 2, 3) sebagai berikut
aj (j = 0, 1, 2, 3) yang sudah diperoleh, didapat fungsi interpolasi p(x)
Pada interpolasi Hermite bukan saja p(x) yang dicocokkan dengan data f(x)
namun juga turunannya p’(x) dicocokkan dengan data f’(x). Karena itu,
baik p(x) maupun p’(x) bersifat kontinyu. Ini berbeda dari yang ditemui
pada interpolasi Lagrange
INTERPOLASI HERMITE ORDE LEBIH
TINGGI
Interpolasi Hermite tidak terbatas hanya menggunakan polinomial p(x)
berorde 3 (kubik), namun dapat juga yang berorde lebih tinggi. Untuk itu
diperlukan lebih banyak data, bukan hanya f(x) dan f’(x) pada titik x i dan
xi+1
Secara umum fungsi interpolasi Hermite p(x) berupa polinomial berorde (2n
- 1) memerlukan n data f(x) dan n data f’(x)
dengan
INTERPOLASI HERMITE KUBIK TANPA
DATA F’(X)
Interpolasi Hermite memerlukan sebagai data selain f(x) juga f’(x). Pada
beberapa kasus bisa saja data f’(x) tidak tersedia, melainkan hanya data f(x).
Pada kasus ini sebenarnya interpolasi Hermite tidak bisa dipakai. Tetapi, jika
f’(x) bisa diperoleh melalui pendekatan (approximation) maka, interpolasi
Hermite bisa dipakai.
f’(xi) dapat dihitung sebagai turunan sebuah fungsi kuadratik g(x), yang
dicocokkan dengan data f(x) pada titik-titik xi-1, xi, xi+1:
Dapat dilihat bahwa, proses pencarian f’(x) ini berdiri sendiri, berada di luar atau
bukan bagian dari proses interpolasi Hermite. Dengan begitu, sifat kontinyu fungsi
interpolasi Hermite p(x) dan turunannya p’(x) tidak berubah.
Dari sistem persamaan linear
diperoleh:
sehingga:
Jika diaplikasikan pada interpolasi Hermite kubik
p(x) telah dicocokkan dengan data f(x) di titik-titik batas interval, sehingga
bersifat kontinyu. Untuk membuat p’(x) kontinyu maka dicari ekspresi p’(x) untuk
daerah sebelumnya xi-1≤x ≤xi
Untuk menghitung p(x) diperlukan p’’(x) di semua N titik data. (N-2) buah persamaan di atas
tidak cukup untuk mendapatkan p’’(x) di semua titik data. Masih diperlukan 2 persamaan lagi,
yang diperoleh dengan mengevaluasi p’(x) di titik awal x = x1 (memakai ekspresi p’(x) untuk
x1≤x ≤x2 ) dan akhir x=xN (memakai ekspresi p’(x) untuk xN-1≤x ≤xN ). Didapat
Masalah: p’(x) di titik awal x=x1 dan akhir x=xN tidak diketahui ??
Ada dua cara. Pertama yang disebut spline alamiah yaitu, menetapkan p’’(x) di titik awal x=x1
dan akhir x=xN sama dengan nol. Kedua, menebak nilai p’(x) di titik awal x=x1 dan akhir
x=xN.
INTERPOLASI MULTIDIMENSI
Jika data bergantung pada lebih dari satu variabel, maka
dilakukan interpolasi multidimensi. Metode interpolasi yang
telah disampaikan bisa dipakai untuk melakukan interpolasi
multidimensi. Sebagai contoh di sini ditunjukkan interpolasi 2
dimensi. Untuk dimensi lebih tinggi berlaku cara yang sama
ax
e
dx a C
ax
e
x0 x1 xn-1 xn x
DASAR PENGINTEGRALAN NUMERIK
Melakukan penginteralan pada bagian-bagian kecil, seperti saat
awal belajar integral – penjumlahan bagian-bagian.
Metode Numerik hanya mencoba untuk lebih cepat dan lebih
mendekati jawaban eksak.
12
10
0
3 5 7 9 11 13 15
Dasar Pengintegralan Numerik
Formula Newton-Cotes
- Berdasarkan pada
b b
I a
f ( x )dx
a
f n ( x )dx
f n ( x ) a0 a1 x an 1 x n 1 an x n
fn (x) bisa fungsi linear
fn (x) bisa fungsi kuadrat
fn (x) bisa juga fungsi kubik atau
polinomial yang lebih tinggi
Polinomial dapat didasarkan pada data
INTEGRASI NUMERIK
0.4
0.35
0.3
0.25
0.2
0 0.5 1 1.5 2 2.5 3
METODE INTEGRAL REIMANN
Luasan yang dibatasi y = f(x) dan sumbu x
Luasan dibagi menjadi N bagian pada range x = [a,b]
xi
METODE INTEGRAL REIMANN
Luas keseluruhan adalah jumlah Li dan
dituliskan :
L L0 L1 L2 .. Ln
f x0 x0 f x1 x1 f x 2 x 2 ... f x n x3
n
f xi xi
Dimana i 0
0.8
0.6
0.4
0.2
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
CONTOH
Dengan mengambil h=0.1 maka diperoleh tabel :
10
L h. f ( xi )
i 0
0.10 0.01 0.04 0.09 0.16 0.25 0.36 0.49 0.64 0.81 1.00
0.13,85 0,385 1
1
Secara kalkulus : L x 2 dx x 3 |10 0,3333.....
0 3
Terdapat kesalahan e = 0,385-0,333
= 0,052
ALGORITMA METODE INTEGRAL
REIMANN:
Definisikan fungsi f(x)
Tentukan batas bawah dan batas ata integrasi
Hitung h=(b-a)/N
Hitung
N
L h. f ( xi )
i 0
METODE INTEGRASI
TRAPEZOIDA
Aproksimasi garis lurus (linier)
b 1
f ( x )dx c i f ( x i ) c0 f ( x0 ) c 1 f ( x 1 )
a
i 0
h
f ( x0 ) f ( x 1 )
2
f(x)
L(x)
x0 x1 x
ATURAN KOMPOSISI TRAPESIUM
b x1 x2 xn
a
f ( x )dx
x0
f ( x )dx f ( x )dx
x1 xn 1
f ( x )dx
h
f ( x0 ) f ( x 1 ) h f ( x 1 ) f ( x 2 ) h f ( x n 1 ) f ( x n )
2 2 2
h
f ( x0 ) 2 f ( x 1 ) 2f ( x i ) 2 f ( x n 1 ) f ( x n )
2
f(x)
ba
h
n
x0 h x1 h x2 h x3 h x4 x
METODE INTEGRASI TRAPEZOIDA
1
Li f xi f xi 1 .xi
2
atau 1
1
Li f i f i 1 .xi L Li
2 i 0
n 1
1 h
L h f i f i 1 f 0 2 f1 2 f 2 ... 2 f n 1 f n
i 0 2 2
h n 1
L f 0 2 f i f n
2 i 1
ALGORITMA METODE INTEGRASI
TRAPEZOIDA
Definisikan y=f(x)
Tentukan batas bawah (a) dan batas atas integrasi (b)
Hitung h=(b-a)/n
Hitung
h n 1
L f 0 2 f i f n
2 i 1
ATURAN SIMPSON 1/3
Aproksimasi dengan fungsi parabola
b 2
f ( x )dx c i f ( x i ) c0 f ( x0 ) c 1 f ( x 1 ) c 2 f ( x 2 )
a
i 0
h
f ( x0 ) 4 f ( x 1 ) f ( x 2 )
3
L(x)
f(x)
x0 h x1 h x2 x
ATURAN SIMPSON 1/3
( x x 1 )( x x 2 ) ( x x0 )( x x 2 )
L( x ) f ( x0 ) f ( x1 )
( x0 x 1 )( x0 x 2 ) ( x 1 x0 )( x 1 x 2 )
( x x0 )( x x 1 )
f ( x2 )
( x 2 x0 )( x 2 x 1 )
ab
let x0 a, x 2 b, x 1
2
ba x x1 dx
h , , d
2 h h
x x0 1
x x1 0
x x 1
2
( 1) ( 1)
L( ) f ( x0 ) ( 1 2 ) f ( x 1 ) f ( x2 )
2 2
ATURAN SIMPSON 1/3
( 1) ( 1)
L( ) f ( x0 ) ( 1 ) f ( x 1 )
2
f ( x2 )
2 2
b 1 h 1
a
f ( x)dx h L( )dξ f ( x0 ) ξ (ξ 1)dξ
1 2 1
1 h 1
f ( x1 )h ( 1 ξ )dξ f ( x2 ) ξ (ξ 1)dξ
2
0 2 1
3 2 1 3 1
h ξ ξ ξ
f ( x0 ) ( ) f ( x1 )h(ξ )
2 3 2 1 3 1
3 2 1
h ξ ξ
f ( x2 ) ( )
2 3 2 1
h
f ( x )dx f ( x0 ) 4 f ( x 1 ) f ( x 2 )
b
a 3
ATURAN KOMPOSISI SIMPSON
ba
h
n
f(x)
…...
x0 h x1 h x2 h x3 h x4 xn-2 xn-1 xn x
METODE INTEGRASI SIMPSON
Dengan menggunakan aturan simpson, luas dari
daerah yang dibatasi fungsi y=f(x) dan sumbu X
dapat dihitung sebagai berikut:
N=0–n
L = L1 + L3 + L5 + . . . + Ln
h h h h h h
L f 0 2 f1 2 f1 f 2 f 2 2 f 3 2 f 3 f 4 ... f n2 2 f n1 2 f n1 f n
3 atau dapat 3 dituliskan 3 dengan: 3 3 3
h
L f 0 4 f i 2 f i f n
3 i ganjil i genap
CARA II
(BUKU RINALDI MUNIR)
x x ( x h) 2 x x ( x h) 2
p 2 x f ( x0 ) f ( x 0 ) 2
f ( x 0 ) f 0 f 0 2
f0
h 2!h h 2!h
CARA II
(BUKU RINALDI MUNIR)
2h
x x ( x h) 2
L f 0 f 0 2
f 0 dx
0
h 2!h
x2 x3 x2 2
L f0 x f 0 2 2 f 0 | xx 02 h
2h 6h 4h
4h 2 8h 3 4 h 2 2
L 2hf 0 x f 0 2 f 0
2h 6h 4h
4h
L 2hf 0 x 2hf 0 h 2 f 0
3
h
L 2hf 0 x 2hf 0 2 f 0
3
CARA II
(BUKU RINALDI MUNIR)
Mengingat
f 0 f 1 f 0
2 f 0 f 1 f 0 ( f 2 f 1 ) ( f 1 f 0 ) f 2 2 f 1 f 0
Maka selanjutnya
h
L 2hf 0 x 2h( f1 f 0 ) ( f 2 2 f1 f 0 )
3
h 2h h
L 2hf 0 x 2hf1 2hf 0 f 2 f1 f 0
3 3 3
h 4h h
L f0 f1 f 2
3 3 3
h
L ( f 0 4 f1 f 2 )
3
ATURAN SIMPSON 3/8
Aproksimasi dengan fungsi kubik
b 3
f ( x )dx c i f ( x i ) c0 f ( x0 ) c 1 f ( x 1 ) c 2 f ( x 2 ) c 3 f ( x 3 )
a
i 0
3h
f ( x0 ) 3 f ( x 1 ) 3 f ( x 2 ) f ( x 3 )
8
L(x) f(x)
x0 h x1 h x2 h x3 x
ATURAN SIMPSON 3/8
( x x 1 )( x x 2 )( x x 3 ) ( x x0 )( x x 2 )( x x 3 )
L( x ) f ( x0 ) f ( x1 )
( x0 x 1 )( x0 x 2 )( x0 x 3 ) ( x 1 x0 )( x 1 x 2 )( x 1 x 3 )
( x x0 )( x x 1 )( x x 3 ) ( x x0 )( x x 1 )( x x 2 )
f ( x2 ) f ( x3 )
( x 2 x0 )( x 2 x 1 )( x 2 x 3 ) ( x 3 x0 )( x 3 x 1 )( x 3 x 2 )
b b ba
a
f(x)dx
a
L(x)dx ; h
3
3h
f ( x0 ) 3 f ( x 1 ) 3 f ( x 2 ) f ( x 3 )
8
Error Pemenggalan
3 5 (4) (b a) 5 ( 4 ) ba
Et h f ( ) f ( ) ; h
80 6480 3
METODE INTEGRASI GAUSS
Metode Newton Code (Trapezoida, Simpson)
berdasarkan titik2 data diskrit. Dengan batasan :
H sama
Luas dihitung dari a sampai b
c1 c 2 1dx 2
1
I f ( x)dx c
1
1 f ( x1 ) c 2 f ( x 2 )
1
c1 x1 c 2 x 2 xdx 0
1
Didapat
1
c1 c 2 1
c1 x12 c 2 x 22 x 2 dx 2
3 1 1
1 x1 x2
1 3 3
c x c 2 x x dx 0
3
1 1
3
2
3
1
METODE INTEGRASI GAUSS
Persamaan dibawah ini dinamakan metode Gauss
Legendre 2 titik
1
1 1
f ( x)dx
1
f(
3
) f(
3
)
TRANSFORMASI
b 1
Li f ( x)dx Li g (u )du
a 1
Range [a,b] [-1,1]
X u f(x) g(u) dx du
TRANSFORMASI
x a u 1
ba 2
2 x 2a (u 1)(b a ) a x b
2 x (u 1)(b a ) 2a
a b bu au
x
2
-1 u 1
(a b) (b a )u
x
2
ba
dx du
2
TRANSFORMASI
1
Li g (u )du
1
1
g (u ) (b a ) f 12 (b a)u 12 (b a)
2
1 1
1 ( a b) (b a )u
1 g (u ) du
2
(b a )
1
f
2
du
ANALISA
Dibandingkan dengan metode Newton-Cotes
(Trapezoida, Simpson 1/3, 3/8) metode Gauss-
Legendre 2 titik lebih sederhana dan efisien dalam
operasi aritmatika, karena hanya membutuhkan dua
buah evaluasi fungsi.
Lebih teliti dibandingkan dengan metode Newton-
Cotes.
Namun kaidah ini harus mentransformasi terlebih
dahulu menjadi
1
g (u )du
1
ALGORITMA INTEGRASI KUADRATUR
GAUSS DENGAN PENDEKATAN 2 TITIK
Definisikan fungsi f(x)
Tentukan batas bawah (a) dan batas atas
integrasi (b)
Hitung nilai konversi variabel :
1 1
x b a u (b a )
2 2
Tentukan fungsi g(u) dengan:
(b a ) f 12 (b a )u 12 (b a )
1
g (u )
2
Hitung
1 1
L g g
3 3
CONTOH SOAL
METODE GAUSS
1
LEGENDRE 3 TITIK
I f ( x)dx c
1
1 f ( x1 ) c 2 f ( x 2 ) c3 f ( x3 )
f ( x) 1; f ( x) x; f ( x) x 2
f ( x) x 3 ; f ( x) x 4 ; f ( x) x 5
Dengan cara yang sama didapat
5 8 5
c1 ; c 2 ; c3
9 9 9
x1 3 5 ; x 2 0; x3 3 5
METODE GAUSS LEGENDRE 3 TITIK
5 3 8 5 3
1
1 g (u ) du g g 0 g
9 5 9 9 5
ALGORITMA METODE INTEGRASI
GAUSS DENGAN PENDEKATAN 3 TITIK
METODE GAUSS N-TITIK
BEBERAPA PENERAPAN
INTEGRASI NUMERIK
Menghitung Luas Daerah Berdasarkan Gambar
Menghitung Luas dan Volume Benda Putar
MENGHITUNG LUAS DAERAH
BERDASARKAN GAMBAR
9
Skala 1:100000
0 5 10 15
MENGHITUNG LUAS DAERAH
BERDASARKAN GAMBAR
9
3
Skala 1:100000
0 5 10 15
Untuk menghitung luas integral di peta di atas, yang perlu dilakukan adalah menandai atau
membuat garis grid pada setiap step satuan h yang dinyatakan dalam satu kotak. Bila satu kotak
mewakili 1 mm, dengan skala yang tertera maka berarti panjangnya adalah 100.000 mm atau 100
m.
Pada gambar di atas, mulai sisi kiri dengan grid ke 0 dan sisi kanan grid ke n (dalam hal ini n=22).
Tinggi pada setiap grid adalah sebagai berikut:
MENGHITUNG LUAS DAERAH
BERDASARKAN GAMBAR
Dari tabel di atas, luas area dapat dihitung
dengan menggunakan 3 macam metode:
Dengan menggunakan metode integrasi Reimann
16
L h y i 73.5
Dengan menggunakan metodei 0integrasi trapezoida
h 15
L y 0 y16 2 y i 73.5
Dengan menggunakan 2metode
integrasi
i 1 Simpson
h
L y 0 y16 4 y i 2 y i 74
3 i ganjil i genap
MENGHITUNG LUAS DAN
VOLUME BENDA PUTAR
b
Luas benda putar: L p 2 f ( x)dx
a
5 cm
7 cm I II III IV
12 cm 7 cm
6 cm
4 cm
satuan dalam cm
5
CONTOH : cm
7 I II III IV
cm
12 7
6
cm cm
cm
4
cm satuan dalam cm
IIL L V V
Pada bagian II dan IV: danIV II IV
h 4
LII ( LIV ) 2 y 0 y5 2 yi 108
2 i 1
h 2 4
V II V IV y 0 y5 2 y i2 1187 .5
2
2 i 1
CONTOH :
Luas permukaan dari botol adalah:
Contoh:
Dalam praktek sulit memperhitungkan semua suku pada deret Taylor tersebut dan
biasanya hanya diperhitungkan beberapa suku pertama saja.
1. Memperhitungkan satu suku pertama (order nol)
Contoh
Diketahui suatu fungsi f(x) = -2x3 + 12x2 – 20x + 8,5. Dengan menggunakan deret
Taylor order nol, satu, dua dan tiga, perkirakan fungsi tersebut pada titik xi+1 = 0,5
berdasar nilai fungsi pada titik xi = 0.
Solusi:
1. Memperhitungkan satu suku pertama (order nol)
Deret Taylor akan memberikan perkiraan suatu fungsi yang benar jika semua
suku dari deret tersebut diperhitungkan. Dalam prakteknya hanya beberapa
suku pertama saja yang diperhitungkan sehingga hasilnya tidak tepat seperti
pada penyelesaian analitik. Sehingga terdapat kesalahan (error) yang disebut
dengan kesalahan pemotongan (truncation error, Rn), yang ditulis:
n 1 n 1 x n 1 n 2 x n 2
Rn O (x ) f ( xi ) f ( xi ) .....
(n 1)! ( n 2) !
O(∆xn+1) berarti kesalahan pemotongan mempunyai order ∆xn+1 atau kesalahan adalah
sebanding dengan langkah ruang pangkat n+1.
Kesalahan pemotongan tersebut adalah kecil apabila:
1. Interval ∆x adalah kecil.
2. Memperhitungkan lebih banyak suku dari deret Taylor
DIFERENSIAL NUMERIK
(DIFERENSIAL TURUNAN PERTAMA)
A B mundur
Turunan pertama dari f terhadap
titik xi didekati oleh kemiringan x
garis yang melalui titik B(xi,f(xi)) i-1 i i+1
dan titik C(xi+1,f(xi+1)).
Bentuk diferensial di atas disebut
diferensial maju order satu.
DIFERENSIAL NUMERIK
(DIFERENSIAL TURUNAN PERTAMA)
maju
y terpusat
C
ti ki
i ti
ngd
u
i n gg
s s
ri
Ga
A B mundur
x
i-1 i i+1
Jika data yang digunakan adalah titik xi dan xi-1 maka disebut diferensial
mundur, dan deret Taylor menjadi:
x x 2 x 3
f ( xi 1 ) f ( xi ) f ' ( xi ) f ' ' ( xi ) f ' ' ' ( xi ) .....
1! 2! 3!
Atau
x
f ( xi 1 ) f ( xi ) f ' ( xi ) O(x 2 )
1!
f f ( xi ) f ( xi 1 )
f ' ( xi ) O(x)
x x
DIFERENSIAL NUMERIK
(DIFERENSIAL TURUNAN PERTAMA)
maju
y terpusat
C
ti ki
i ti
ngd
u
i n gg
s s
ri
Ga
A B mundur
f ' ( xi ) x
i-1 i i+1
Jika data yang digunakan adalah titik xi-1 dan xi+1 maka disebut diferensial
terpusat. Apabila pers. deretTaylor dikurangi pers. Deret Taylor (untuk
diferensial mundur) didapat :
x x 3
f ( xi 1 ) f ( xi 1 ) 2 f ' ( xi ) 2 f ' ' ' ( xi ) .....
1! 3!
atau
f f ( xi 1 ) f ( xi 1 ) x 2
f ' ( xi ) f ' ' ' ( xi )
x 2x 6
atau
f f ( xi 1 ) f ( xi 1 )
f ' ( xi ) O (x 2 )
x 2x
DIFERENSIAL NUMERIK
(DIFERENSIAL TURUNAN PERTAMA)
maju
y terpusat
C
ti ki
i ti
ngd
u
i n gg
s s
ri
Ga
A B mundur
x
i-1 i i+1
PENGHITUNGAN TURUNAN NUMERIK
Permasalahan : mencari hampiran nilai turunan fungsi f
yang diberikan dalam bentuk tabel.
Perhitungan turunan dihindari karena nilai turunan
kurang teliti dibandingkan dengan nilai fungsinya.
240
PENDEKATAN PENGHITUNGAN
TURUNAN NUMERIK
f1 y = f(x)
f0
x0 x1
f ( x0 h) f ( x0 ) f1 f 0
f ' ( x0 ) 241
h h
PENDEKATAN PENGHITUNGAN
TURUNAN NUMERIK
f0 y = f(x)
f-1
x-1 x0
f ( x0 ) f ( x0 h) f 0 f 1
f ' ( x0 )
h h
242
PENDEKATAN PENGHITUNGAN
TURUNAN NUMERIK
Pendekatan selisih-pusat
f1 y = f(x)
f-1
2h
x-1 x1
f ( x0 h) f ( x0 h) f1 f 1
f ' ( x0 )
2h 2h
243
PENURUNAN RUMUS TURUNAN
DENGAN DERET TAYLOR
244
PENDEKATAN TURUNAN PERTAMA
SELISIH - MAJU
249
PENDEKATAN TURUNAN KEDUA
SELISIH – MAJU
250
RINGKASAN RUMUS-RUMUS
TURUNAN NUMERIK
Turunan Pertama
f1 f 0
selisih _ maju f 0' O ( h)
h
f f 1
selisih _ mundur f 0' 0 O ( h)
h
f f
selisih _ pusat f 0' 1 1 O(h 2 )
2h
3 f 0 4 f1 f 2
selisih _ maju f 0' O(h 2 )
2h
f 2 8 f1 8 f 1 f 2
selisih _ pusat f 0' O(h 4 )
12
251
RINGKASAN RUMUS-RUMUS
TURUNAN NUMERIK
Turunan Kedua
f1 2 f 0 f 1
selisih _ pusat f 0'' 2
O ( h 2
)
h
f 2 f 1 f 0
selisih _ mundur f 0'' 2 O ( h)
h2
f 2 f1 f 0
selisih _ maju f 0'' 2 2
O ( h)
h
f 3 4 f 2 5 f1 2 f 0
selisih _ maju f 0'' O ( h 2
)
h2
f 2 16 f1 30 f 0 16 f 1 f 2
selisih _ pusat f 0'' 2
O(h 4 )
12h
252
RINGKASAN RUMUS-RUMUS
TURUNAN NUMERIK
Turunan Ketiga
f 3 3 f 2 3 f1 f 0
selisih _ maju f 0''' 3
O ( h)
h
f 2 f1 2 f 1 f 2
selisih _ pusat f 0''' 2 3
O ( h 2
)
2h
Turunan Keempat
f 4 4 f 3 6 f 2 4 f1 f 0
selisih _ maju f 0( 4 ) 4
O ( h)
h
f 4 f1 6 f 0 4 f 1 f 2
selisih _ pusat f 0( 4 ) 2 4
O(h 2 )
h
253
CONTOH SOAL
254
A
Orde
=
Ambil titik-titik = = 1.9 yang dalam hal ini = 1.7 terletak
ditengah keduanya dengan h=0.2
Orde ) :
=
= 11.04
DAFTAR PUSTAKA
Steven C.Chapra and Raymond P.Canale, Numerical
Methods For Engineer, 6th Edition Chapra, Mc Graw
Hill, 2010
Kendall E Atkinson, Introduction to Numerical Analysis,
John Wiley & Sons, 1989
S=V*t
S=V*(dt+dt+dt)
S=v(t)*(dt+dt+ dst)
S=∑v(t)*dt
Misal dt mendekati 0
S=