0

YAYASAN KOMPUTASI RIAU

STMIK-AMIK RIAU




BAHAN AJAR
METODE NUMERIK













Oleh :
Prof. DR. H. Dadang Iskandar, M.Sc

Pekanbaru, September 2014

1

METODE NUMERIK

Matakuliah : Metode Numerik
Bobot SKS : 3 SKS
Prodi : S-1 Teknik Informatika
Pra Syarat : Kalkulus, Algoritma & Bahasa Pemrograman
Kegiatan Kuliah :
a. Tatap Muka : 18 x Pertemuan
b. PR : 1 x Per Minggu
c. Praktikum : 1 x Per Minggu
d. Tugas (Proyek), membuat program.
Evaluasi
Nilai Semester diambil dari :
- PR
- Nilai Praktikum
- Nilai Poryek
- MID Semester
- UAS
Buku Pegangan :
Metode Numerik, oleh Rinaldi Munir, Informatika, Bandung.

Modul Praktikum :
Modul yang disusun oleh Tim STMIK-AMIK RIAU.

Refrensi :
- Perpustakaan STMIK-AMIK RIAU.
- Internet.


2

BAB I
PENDAHULUAN

I.1. Definisi
Metode Numerik adalah teknik penyelesaian persoalan matematik dengan
komputer. Persoalan dalam bidang sain, teknologi, ekonomi dapat dirumuskan dalam
bentuk persamaan matematik. Tapi kadang-kadang bentuknya rumit, tidak dapat
diselesaikan secara analitik (menggunakan rumus-rumus yang ada). Untuk mengatasi
kesulitan tersebut, digunakan metode numerik, yaitu cara perhitungan dengan
menggunakan operasi-operasi dasar (tambah, kurang, kali, bagi). Jumlah operasi ini
sangat banyak dan berulang-ulang, maka penggunaan komputer akan sangat
membantu.

I.2. Tahapan-tahapan Memecahkan Persoalan Secara Numerik
Ada enam tahap yang dilakukan dalam pemecahan persoalan dunia nyata
dengan metode numerik, yaitu :

1. Permodelan.
Tahapan ini merupakan tahapan pertama dalam meneyelaikan persoalan
numerik, dimana pada tahapan ini persoalan nyata akan dimodelkan ke dalam
persamaan matematik.
2. Penyederhanaan Model
Model matematik yang dihasilkan pada tahap 1 mungkin saja terlalu
kompleks, yaitu memasukkan banyak peubah (variabel) atau parameter.
Semakin kompleks model matematikanya, semakin rumit penyelesaiannya.
Mungkin beberapa andaian dibuat sehingga beberapa parameter dapat
diabaikan.
3. Formulasi Numerik.
Setelah memperoleh model matematika yang sederhana, tahap
selanjutnya adalah memfromulasikannya secara numerik, antara lain :
a. Menentukan metode numerik yang akan dipakai bersama-sama dengan
analisis galat awal (yaitu taksiran galat, penentuan ukuran langkah, dan
sebagainya).
Pemilihan metode didasari pada pertimbangan :

3

- Apakah metode tersebut teliti ?
- Apakah metode tersebut mudah diprogram dan waktu pelaksanaannya
cepat ?
- Apakah metode tersebut tidak peka terhadap perubahan data yang
cukup teliti ?
b. Menyusun algoritma dari metode numerik yang dipilih.
4. Pemrograman.
Tahap berikutnya adalah menerjemahkan algoritma ke dalam program
komputer dengan menggunakan salah satu bahasa pemrograman yang
dikuasai. Dalam modul ini akan dipandu menggunakan bahasa pemrograman
delphi.
5. Operasional
Tahapan inni merupakan tahapan untuk menjalankan program komputer
yang telah dibuat dengan data uji coba sebelum data sebenarnya.
6. Evaluasi.
Pada tahapan ini akan dilakukan evaluasi terhadap hasil yang diberikan
oleh program tersebut.

Dari enam tahap tersebut, tidak seluruhnya dikerjakan oleh ahli Informatika.
Ahli informatika akan bekerja mulai dari tahapan ke 3,4 dan 5, sedangkan tahapan 1
dan 2 akan dikerjakan oleh ahli masing-masing bidang, dan untuk tahapan ke 6, akan
dikerjakan bersama-sama antara ahli masing-masing bidang dan ahli informatika.
Tetapi agar lebih memahami dan menghayati persoalan, sebaiknya ahli informatika
juga ikut dilibatkan dalam memodelkan, namun perannya hanyalah sebagai
pendengar.

I.3. Topik-topik yang dilalui :
a. Solusi Persamaan Nirlanajar (Non Linier).
b. Solusi Sistem Persamaan Lanjar (SPL).
c. Interpolasi Polinom.
d. Integrasi Numerik.
e. Turunan Numerik.


4

BAB II
SOLUSI PERSAMAAN NIRLANJAR (NONLINIER)

Persamaan f(x) = 0 dikatakan lanjar (linier) apabila pangkat dari sama dengan 1.
Contoh :
= 0
= 2
+2 = 0, dsb.
Sebaliknya bila pangkat dari x tidak sama dengan 1 (satu), f(x) disebut nirlanjar
(nonlinier). Misal :

Setiap persamaan seperti tersebut di atas mempunyai akar-akar persamaan, yaitu harga-
harga x yang memenuhi persamaan f(x)=0. Misalnya akar persamaan dari persamaan

Adalah S, maka berlaku

.

Secara Simbolik:
Bentuk ekspresi

secara simbolik kita tulis dengan f(x) maka:

dapat ditulis dengan f(x)=0. Selanjutnya bila S adalah akar persamaan f(x)=0, maka berlaku
f(S)=0.
Menentukan akar-akar persamaan aljabar seperti dua contoh pertama di atas tidak sulit.
Namun menentukan akar-akar persamaan transendental sangat sulit dilakukan secara analitis.
Persamaan Aljabar
Persamaann Transedental

5

Kesulitan tersebut dapat diatasi dengan Metode Numerik dengan menggunakan komputer.
Ada beberapa metode untuk menentukan akar-akar persamaan secara numerik, antara lain :

II.1. Metode Iterasi (Lelaran)
Dengan metode ini bentuk f(x)=0 dirubah menjadi x=g(x).
Masukkan harga dugaan awal

kedalam g(x), sehingga diperoleh

atau


selanjutnya masukkan x
1
kedalam g(x) untuk memperoleh x
2
atau

= g(x
1
) dst.


= g(x
2
)


=g(x
3
)

=g(

)

Secara Umum : Rumus Iterasi

Bila harga-harga x
0
, x
1
, x
2
, ... x
i
mendekati harga (akar persamaan yang
dicari) maka proses iterasi dikatakan konvergen. Sebaliknya bila harga x
0
, x
1
, x
2
, ... x
i

menjauhi harga akar , persamaannya dikatakan divergen.

Untuk proses iterasi yang konvergen, akar persamaan yang dicari adalah x
i+1
bila

atau |

| , dimana bilangan real yang kita kehendaki.

Contoh 1. Carilah akar persamaan f(x) =

.

J awab. Secara analitis akar persamaan tersebut adalah
1
= 2.618.

2
= 0.382.
Dengan Iterasi :
f(x) =

x = g(x)
x =

Misalkan dugaan awal x
0
=1.


= 1


=

= g(x
0
)

= g(

)

6



=
()

0.481


=
()

=
()

.
.
.

Menuju
2
= 0.382 (Konvergen).
Ditentukan

atau

. Bila harga dugaan awal dipilih

,
diperoleh :

= 3

= 3.333

= 4.037

= 5.766

= 11.415
Menjauhi
1
= 2.618, jadi iterasinya divergen.

Contoh 2. Tentukan akar persamaan f(x) =

.

Penyelesaian :

a. Secara analitis

1
= 0.62

2
= 1.51
b. Dengan Iterasi
f(x) =

x = g(x) =

Pilih dugaan awal x
0
= 0.

= 0

= g(

) =

= 0.333

= g(

) =

= 0.465

= g(

) =

= 0.530

7

= g(

) =

= 0.567
.
.
.
Menuju = 0.62 .

Iterasinya konvergen. Iterasi dihentikan bila harga

atau
|

|.

Untuk mendapatkan = 1.51, kita coba dugaan awal

= 2, maka uji coba yang

sama diperoleh :

= 2.46

= 3.91

= 16.7, menjauhi = 1.51. Jadi iterasinya divergen.

Kriteria Konvergen.
Agar proses iterasi konvergen, gunakan kriteria konvergen sebagai berikut :


untuk harga-harga x yang terletak dalam interval yang mangandung harga akar .
Contoh.
f(x) =

x = g(x) =

g(x) =

| g()| < 1, untuk harga-harga x yang terletak dalam interval.

1
= -1, terletak dalam interval ini, maka untuk mencari
1
= -1, dapat memberi dugaan
awal x
0
= 1, misalnya.
Catatan :
1. Bila g(x) dekat dengan harga 0 untuk semua harga x dalam interval tersebut,
maka proses iterasinya cepat.
2. Bila g(x) dekat dengan harga 1, maka iterasinya konvergen, tapi lambat.
| g()| < 1

= -4

= -1

8


Contoh Algoritma untuk metoda iterasi.
Untuk f(x) =

x = g(x)
x =

Rumus iterasi

= g(

9

Soal.
Tentukan akar-akar persamaan f(x) =

, dengan = 0.000001,
gunakakan beberapa kemungkinan bentuk x = g(x), perhatikan hasilnya.

II.2. Metode Newton (Newton-Raphson)
Rumus Iterasinya :




Contoh 1.
f()=

f ()

Dugaan awal

()

()

()

()

)
(

)

Lebih Cepat

10

Contoh 2.
f ()

f ()

Dugaan awal

1.5435

II.3. Metode Regula Falsi












Perhatikan kurva f(). f() terjadi pada titik yang merupakan titik potong
f()dengan sumbu . Harga titik ini adalah akar f() yang akan dicari.

Prosedurnya sebagai berikut :
Diperlukan dua harga yang merupakan dugaan awal. Misalkan

(titik sebelah
kiri ) dan

(titik sebelah kanan ). Karena

berada pada sebelah kiri , maka

tentu f(

) dan

berada disebelah kanan , maka (

) .

11


1. Sekarang tarik garis lurus antara A dan B, yaitu antara titik (

, (

)) dan
titik (

, (

)). Titik potong garis tersebut dengan sumbu kita namakan

dan harga f() untuk

adalah f(

).
2. Teliti letak titik

.
a. Bila (

) (

) , berada antara

dan

. Ganti

dengan

lakukan kembali prosedur 1.
b. Bila (

) (

) , ganti

dengan

. Lakukan kembali prosedur 1.

Demikian seterusnya hingga diperoleh harga

atau

harganya
sama dengan harga sebelumnya.
3. Rumus iterasinya.




II.4. Metode Interval Tengah (Bisection Method)
Sama dengan metode Regula Falsi, namun pada metode interval tengah

dipilih sebagai titik tengah antara

dan

. Jari rumus iterasinya sebagai berikut :

Metode ini lebih mudah daripada metode Regula Falsi.

)
(

) (

12

BAB III
SOLUSI SISTEM PERSAMAAN LANJAR (LINIER)

3.1. Sistem Persamaan Lanjar (SPL)
Bentuk persamaan :




Secara bersamaan membentuk sistem persamaan lanjar yang terdiri dari 3 buah
persamaan dengan tiga buah variabel yang tidak di ketahui. Solusi SPL
adalah harga-harga yang me
menuhi ke-3 persamaan tersebut secara bersamaan (simultan).

Bentuk SPL yang lebih umum :

Persamaan (2) adalah SPL yang terdiri dari buah persamaan dengan buah
variabel

yang tidak diketahui koefisien

dan

diketahui berupa bilangan. Bila

semuanya sama dengan nol, SPL-nya

disebut SPL homogen. Bila tidak semuanya sama dengan nol, SPL-nya disebut SPL
non homogen.

3.2. Persamaan Matriks
Persamaan (2) diatas dapat ditulis menjadi :
[

] [

] = [

]

atau

, yang disebut persamaan matriks.

........................ (2)
........................ (3)
........................ (1)

13

Baris
Matriks
Kolom
Matriks
Baris
Perhatikan SPL berikut :




Persamaan matriksnya :
[



] *

+ = [

]

Koofesien persamaan (4) terdiri dari bilangan-bilangan




yang disusun berdasarkan baris dan kolom.

Susunan bilangan seperti di atas dapat diperlakukan sebagai matriks atau
determinan. Bila diperlakukan sebagai matriks ditulis :
[



]
dan bila diperlakukan sebagai determinan, ditulis
|



|
Secara umum matriks yang terdiri dari baris dan kolom, bentuknya :

[

]

Matriks yang terdiri dari baris dan kolom disebut matriks dimensi m x n.
Bila , matriksnya disebut matriks bujur sangkar. Matriks m x 1 disebut matriks
kolom, dan matriks 1 x n disebut matriks baris.
[

]

[

]
........................ (4)
........................ (5)
Kolom

14

Untuk memudahkan penulisan suatu matriks diberi simbol dengan suatu huruf
besar yang diletakkan dalam dua kurung tegak. Misalnya [], [], dan sebagainya.
Bilangan penyusunan suatu matriks disebut elemen. Elemen suatu matriks diberi
simbol dengan huruf kecil yang diberi dua buah indeks. Indeks pertama menyatakan
baris dan indeks kedua menyatakan kolom.
Contohnya, elemen matriks [] dapat ditulis dengan

, yang menyatakan
elemen yang terletak pada baris ke-i dan kolom ke-j.

3.3. Sifat-sifat Matriks
1. Kesamaan Matriks
Dua buah matriks dikatakan sama apabila dimensinya sama dan elemennya
juga sama. Jadi, [] [] bila

untuk semua i dan j, serta dimensi []

sama dengan dimensi [].

2. Jumlah/ Selisih dua buah matriks.
[] [] []

, dan dimensi [] sama dengan dimensi [].

Contoh.
[



] [



] [



]
[



] [



] [



]

3. Perkalian dua buah matriks.
Dua buah matriks dapat dikalikan bila jumlah kolom matriks pertama sama
dengan jumlah baris matriks ke dua. Misal:
[] dimensinya m x n
[] dimensinya n xp
[] [] [], dimana :

=


15


Contoh.
*


+ [



] [
()
()() ()
]
= *


+
4. Matriks Diagonal
Matriks diagonal adalah matriks yang semua elemennya = 0, kecuali elemen
pada diagonal utamanya.
Contoh.
[



] [



]

5. Matriks Identitas
Matriks identitas atau matriks satuan [] adalah matriks diagonal yang semua
elemennya sama dengan 1.
Contoh.
[



] *


+

6. Matriks segi tiga atas/ bawah.
Matriks segi tiga atas/ bawah adalah matriks yang elemen-elemennya di
bawah/ atas diagonal utamanya sama dengan 0 (nol).
Contoh.
Segi tiga Bawah Segi tiga Atas
[




] [




]

7. Matriks Transpose
Matriks Transpose adalah matriks yang diperoleh dengan mempertukarkan
baris dan kolom. Misalnya :

[] *


+

16

[]

[



]
[]

adalah matriks
transpose dari [].

3.4. Solusi SPL
Perhatikan SPL berikut :

Persamaan (4-1) dapat ditulis menjadi :
[

] [

] [

]
Atau :

Bila elemen matriks kolom dimasukkan menjadi kolom ke matriks [],
maka diperoleh matriks :
[

]
yang disebut matriks augmented.

Ada beberapa metode untuk mencari solusi (4-1) antara lain :
1. Metode Eliminasi Gauss.
2. Metode Eliminasi Gaus Jordan.
3. Metode Lelaran (iterasi) Jacobi.
4. Metode Lelaran Gaus Seidal, Dan lain-lain.

........................ (4-1)
........................ (4-2)

17


3.4.1. Metode Eliminasi Gauss.
Metode eliminasi gauss terdiri dari dua tahap. Tahap pertama :
Menjadikan matriks koefisien [] menjadi matriks segi tiga atas.
[

Tahap kedua, proses penyulihan mundur (backward substitution), dimulai dari :

,
dan seterusnya sampai diperoleh harga

dengan rumus :



, k=n-1, n-2, ..., 1 dan

0.
Dalam tahap pertama harus diselidiki apakah elemen diagonalnya sama
dengan 0, atau tidak. Bila sama dengan 0 (nol), susunan letak persamaan
harus diubah sedemikian, sehingga semua elemen diagonalnya tidak ada yang
sama dengan nol.

Contoh.
Perhatikan SPL berikut ini.

(1)

(2)

(3)

Dalam SPL diatas

. Maka urutan letak persamaan harus diubah.

Misal persamaan (1) dan (2) dipertukarkan sehingga SPL-nya menjadi.

Ket :
* : harga elemen-elemen
tersebut telah berubah.

18


Matriks augmented-nya :
[



]

Tahap pertama :Triangularisasi.
a. Meng-nol-kan elemen kolom pertama dibawah elemen diagonalnya.
- Pilih

sebagai pivot.
-

, tidak perlu diproses.

- Kalikan baris 1 dengan

, kurangkan baris ke-3 dengan

x (baris
pertama). Baris ke-3 menjadi :
(

) (

) (

) (

), atau .
Matriksnya menjadi :
[



]

b. Meng-nol-kan elemen kolom kedua dibawah

.
- Pilih

sebagai pivot.
- Kalikan baris kedua dengan

.
- Hasilnya kurangkan dari baris ketiga.
- Baris ketiga menjadi :
(

) (

) (

) (

())
Menjadi : 0 0 6 3
Matriksnya menjadi :
[



]


19

Tahap kedua :Substitusi Mundur (Pengalian mundur).
a.

b.

c.

() (

Proses triangularisasi secara lebih umum, diketahui matriks :

[

Dibuat semua elemen dibawah diagonal utama = 0.

Langkah 1. Semua elemen kolom 1 dibuat 0 kecuali

.
a. Kalikan baris pertama dengan

, hasilnya kurangkan dari baris kedua.

Baris kedua menjadi :
(

) (

) (

) (

)



b. Kalikan baris pertama dengan

. Hasil dikurangkan dari baris ketiga.

Baris ketiga menjadi :
(

) (

) (

) (

)



0

20

c. Dengan cara yang sama untuk baris keempat sampai ke-n. Akhirnya
diperoleh determinan matriks.
[

dalam proses membuat 0 (nol) pada kolom 1

disebut kumpulan
(pivot). Proses menjadikan 0 (nol) pada kolom 1, disebut reduksi
pivotal.

Langkah 2. Meng-Nol-kan elemen kolom kedua dibawah diagonal dengan

sebagai pivot.
a. Baris kedua dikalikan dengan

, hasilnya dikurangkan dari baris ketiga.

Baris ketiga akan menjadi :
(

) (

)(

)


b. Dengan cara yang sama kalikan baris kedua dengan

. dan hasilnya
dikurangkan dari baris keempat, dan seterusnya.
Diperoleh :
[

Langkah 3. Melakukan reduksi pivotal untuk kolom ketiga dengan

sebagai pivot.
a. Kalikan baris ke-3 dengan

. Hasilnya kurangkan dari baris ke-4,

demikian seterusnya sampai kolom ke-3 elemennya dibawah

menjadi 0 (nol).

0

0

21

Algoritma dari metode Eliminasi Gauss dapat dinyatakan sebagai berikut :
Input : Matriks A(augmented matriks)
Output :

For k = 1,...,n-1, do:
If

= 0 untuk semua j >= k

then output Tidak ada penyelesaian .
Stop.
Else (tukar baris bila perlu)
For j = k+1,..., n do:

For p = k+1,..., n+1, do:

End
End
End
If

then output tidak ada penyelesaian

Stop
Else

(mulai substitusi mundur)

For i = n-1,..., 1 do:

)
End
Output

. Stop
End Gauss

Solusi SPL dengan metode lelaran ( Iterasi ).
Perhatikan SPL berikut ini :

Dengan syarat

untuk . Kemudian SPL di atas diubah menjadi:

(1)
(2)

22

selanjutnya rumus (2) dilelar sampai harga

sama dengan harga

yang dihasikan iterasi sebelumnya.

Ada dua metode untuk melelar persamaan (2).
1. Metode lelaran Jacobi, yang rumus lelarannya sebagai berikut :

()

()

()

()

()

()

()

()

()

()

()

lelaran dimulai dengan memasukkan tebakan awal

()

()

()
. Lelaran
berhenti bila :
|

()

()
| untuk .

Rumus umum lelaran Jacobi.







Contoh.
Tentukan solusi SPL berikut :

Dengan nilai tebakan awal :

()

()

23

J awab.
Rumus lelaran.

()

()

()

()

()

()

()

()

()

Lelaran pertama .

()

()

()

()

()

()

()

()

()

()

()

()

Dan seterusnya.

Nilai Sejati :

2. Metode Lelaran Gauss-Seidal
Pada lelaran gauss seidal, harga

yang baru segera dipakai pada persamaan

berikutnya, untuk menentukan harga

yang lainnya.

24


Rumus Lelarannya.
Lelaran Pertama.

()

()

()

()

()

()

()

()

()

()

()

()

()

()

()

()

Lelaran Kedua.

()

()

()

()

()

()

()

()

()

()

()

()

()

()

()

()

Rumus Umumnya.




Contoh. Tentukan Solusi SPL berikut :

Dengan memasukkan tebakan awal :

()
,

()
,

()
.

()

()

()
=

25

J awab.
Rumus lelaran :

()

()

()

()

()

()

()

()

()

Lelaran Pertama :

()

()

()

()

()

Lelaran Kedua :

()

()

()

()

()

Dan seterusnya.

()

()

()





26

BAB IV
PENCOCOKAN KURVA (CURVE FITTING)

4.1. Pendahuluan
Dalam banyak hal, kita sering bekerja dengan sejumlah data diskrit (umumnya
berbentuk tabel). Data tersebut mungkin diperoleh dari hasil pengamatan di lapangan,
pengukuran di laboratorium, atau tabel yang diambil dari buku acuan. Sebagai contoh,
tabel berikut ini adalah data viskositas yang merupakan hasil pengukuran pada
berbagai suhu :

Suhu () Viskositas
(

)
0
10
20
30
50
55
0.08
..... ?
0.015
0.009
0.006
0.0055

Masalah yang sering muncul adalah menentukan harga diantara data-data yang
sudah ada, tanpa harus melakukan pengukuran ulang. Misalnya kita memerlukan data
viscositas pada suhu 10 yang tidak ada dalam tabel. Salah satu solusinya adalah
mencari fungsi yang mencocokkan titik-titik data. Pendekatan seperti ini dalam
metode numerik disebut Pencocokan Kurva (Curve Fitting). Ada dua metode
pencocokan kurva yaitu interpolasi dan regresi.

4.2. Interpolasi
Bila data dalam tabel mempunyai ketelitian yang sangat tinggi (misal : tabel
harga suatu fungsi, tabel yang terdapat dalam acuan ilmiah, seperti harga percepatan
gravitasi sebagai fungsi jarak dari pusat bumi) kurva cocokannya dibuat melalui
setiap titik data. Pencocokan data seperti ini disebut interpolasi. Metode yang
digunakan antara lain adalah : interpolasi polinom. Bila jumlah data yang diketahui
ada buah, maka polinom yang digunakan adalah polinom orde n.

27

()

untuk contoh data di atas adalah

suhu dan

() adalah harga viscositas pada suhu . Pekerjaan selanjutnya adalah

mencari koefisien

.

4.2-1. Interpolasi Lanjar (Linier).
Interpolasi lanjar adalah interpolasi 2 buah titik data dengan sebuah garis
lurus.








Misalnya diberikan dua buah titik (

) dan (

).

Polinom yang menginterpolasi kedua titik tersebut adalah persamaan
garis lurus.

()

................. (2-1)

dan

dapat dicari dengan penyulihan dan eliminasi. Sulihkan

(

) dan (

) kedalam persamaan (2-1), diperoleh :

Kalau diselesaikan akan diperoleh :

....................... (2-1)

28

Interpolasi Lanjar (2-3)
Bila

dan

disulihkan kedalam (2-1) dengan melakukan sedikit

manipulasi, maka diperoleh :


\


Rumus Lebih Umum :

.......... (2-4)

Contoh 1.
Dari tabel viskositas diketahui pada suhu 0 viskositasnya adalah

dan pada suhu 20viskositasnya

. Tentukan
viskositas pada suhu 10.

Penyelesaian :
Namakan variabel suhu dengan dan viskositas dengan . Maka :

pada 10 () dilelar dengan

().

Dari rumus (2-3)

()= 0.08+
()

( )

() ()


Jadi viskositas pada suhu

() .

()

()

)

29

Contoh 2. Data Penduduk USA.

Tahun J. Penduduk
(Juta)
1960
1970
179.3
203.2

Berapakah penduduk tahun 1968 ?

()


( )

()
Untuk .

()

()

()

()

()

Jadi penduduk USA pada tahun 1968 adalah 199.2 Juta orang.

4.2-2. Interpolasi Kuadrat.
Jika tersedia data untuk tiga titik, misalnya (

), (

) dan
(

), Polinom yang menginterpolasi ketiga titik tersebut adalah :

()

............................. (3-1)
Sulihkan (

), (

) dan (

) kedalam persamaan (3-1).

.................... (4-2)

Persamaan (4-2) adalah SPL dalam

, yang solusinya dapat

dicari dengan metode eliminasi gauss.


30

Contoh. Diketahui :
X Y
()
()
()

Tentukan nilai ().
Penyelesaian :

Dengan eliminasi gauss diperoleh :

Polinom kuadratnya :

()

()

4.2-3. Interpolasi dengan polinom orde n.
Seperti telah disinggung dalam awal tulisan ini, bila ada ( ) buah
data, maka data tersebut dipas (fit) dengan polinom orde .

()

karena kurva dari

() melalui setiap titik data maka :

31


karena

dan

diketahui maka persamaan di

atas membentuk SPL dalam

yang dapat dicari dengan

Eliminasi Gauss, dengan diketahuinya

maka polinom
interpolasi

() diketahui dan () dapat dihitung dari

().

Contoh. Diketahui :





Akan dibuat tabel sin dengan step . Dalam soal diatas :

data yang jumlahnya 4 dapat difit dengan polinom orde 3.

()

Data terletak pada polinom

(), maka :

()

+ (

()

+ (

()

+ (

()

+ (

Ini adalah SPL dalam

. Matriks augmentednya :
[




]



32

Dengan metode eliminasi gauss diperoleh :

dan

disulihkan kedalam :

()

kemudian hitung

() untuk .

4.2-4. Polinom Lagrange
a. Interpolasi Lanjar

()

()

(), dimana :

()
(

)
(

()
(

)
(

)

Contoh.
Diketahui :

Tentukan : .
Penyelesaian :

()

()

()

()

()

()

()

() ()() ()()



33


b. Interpolasi Kuadrat.

()
(

)(

)
(

)(

()
(

)(

)
(

)(

()
(

)(

)
(

)(

()

()

()

()

34

Contoh. Diketahui :


Tentukan : .
Penyelesaian :

()
( )( )
( )( )

() ()

()()

()
( )()
( )( )

()

(()

() )

()
( )( )
( )( )

()

(()

()

()
()() ()()
()()

c. Polinom derajat untuk ( ) titik data yang berbeda.

()

()

()

()

()

35

()
(

)
(

)(

) (

)
(

)(

) (

Atau

)(

)(

) (

)
(

)(

)(

) (

)(

)(

) (

)
(

)(

)(

) (

)


Dan seterusnya.

Contoh.
Diketahui harga fungsi pada beberapa titik sebagai berikut :
X : Y
0.0 : 1
0.4 : 0.921061
0.8 : 0.696707
1.2 : 0.362358
Tentukan harga pada dengan polinom lagrange.
Penyelesaian.
Karena ada 4 titik data maka digunakan polinom lagrange derajat 3.

()

()

()

()

()

()
(

)(

)(

)
(

)(

)(

)


()()()
()()()


()()()

()
(

)(

)(

)
(

)(

)(

)


36


()()()
()()()


()()

Dan seterusnya untuk

() dan

() disulihkan kedalam
persamaan untuk

() diperoleh :

()
( )( )( )
( )( )( )
( )( )( )
( )( )( )
Harga fungsi pada didekati oleh harga

() dengan
menghitung

() dengan memasukkan harga . Hasilnya adalah

( ) .


37

Program Polinom Lagrange














4.3. Regresi
Regresi adalah teknik pemecahan kurva untuk data yang ketelitiannya rendah.
Contohnya :
- Data hasil pengamatan
- Data hasil percobaan di laboratorium
- Data statistik
Data seperti ini disebut data hasil pengukuran.

Pencocokan kurva untuk data hasil pengukuran, kurvanya tidak pula melalui
semua titik data dan tidak pula menggunakan polinom derajat tinggi. Sebagai contoh,
berikut adalah data jarak tempuh () sebuah kendaraan dalam mil, setelah t detik (x).

X Y
1.38 1.83
3.39 2.51
4.75 3.65
6.56 4.10
7.76 5.01
Function Lagrange (x:real, N:integer):real;
(Menghitung

(), dengan () adalah polinom

Lagrange derajat n. Titik-titik data telah
disimpan di dalam larik [] dan [])
var
i, j :integer;
pi, L :real;
begin
L:=0;
for i:=0 to n do
begin
pi:=1;
for j:=0 to n do
if i<>j then
pi:=pi*(x-x[j])/(x[i]-x[j]);
(endfor)
L:=L+y[i]*pi;
end (for);
Lagrange:=L;
end (Lagrange);

38

Pencocokan kurva dengan polinom lagrange ditunjukkan dalam gambar a dan
dengan regresi linier ditunjukkan dalam gambar b, sedangkan perbandingan
keduanya diperlihatkan dalam gambar c. Tampak bahwa pencocokan kurva dengan
garis lurus (regresi) hasilnya cukup bagus.


(a) (b)

(c)

4.3-1. Regresi Linier
Misalkan diketahui data hasil pengukuran (

) . Data
tersebut dapat di pas(fit) dengan suatu garis lurus . dan dicari
dari persamaan matriks SPL berikut dengan metode eliminasi gaussi, atau
aturan :

39

*

+ *

+=[

].
Dengan cara lain dan diberikan oleh rumus :

dalam rumus diatas =jumlah pasangan data

, = harga rata-rata
dari

atau

.

Contoh lihat buku :
- Renaldi Munir : Halaman 249.
- A. Salusu : Halaman 81 s/d 83.

4.3-2. Perlanjaran (Pelinieran)
Bila data pengukuran sebelumnya tidak menunjukkan kecenderungan
terletak pada garis lurus, maka regresi lanjar tidak dapat digunakan. Contoh
data dibawah ini pasti tidak dapat di pas dengan garis lurus tapi lebih
cocok di pas dengan fungsi kuadratis.






Catatan :
Dalam analisa regresi data seharusnya digambarkan dahulu dalam
salib sumbu x-y, sehingga tampak secara visual sebelumnya dan
selanjutnya kita dapat menduga bentuk fungsi regresinya.

40

Meskipun fungsi hampiran berbentuk nirlanjar, namun pencocokan
kurvanya bisa diselesaikan dengan regresi lanjar, dengan melakukan
pelanjaran fungsinya. Fungsi-fungsi nirlanjar yang mudah di lanjarkan :

a. Persamaan pangkat sederhana.

, C dan b konstanta.

b. Persamaan eksponensial.

, C dan b konstanta.

c. Persamaan laju pertumbuhan jenuh.

, C dan d konstanta.




41

4.3-2.1. Perlanjaran persamaan pangkat sederhana.

() ()

Dimisalkan :

Y (Persamaan Lanjar)


Contoh: Lihat buku Renaldi Munir Halaman 252.

Dari hasil regresi diperolleh harga a dan b. Kemudian dari
persamaan , C dapat ditentukan, sehingga y

diketahui
secara eksplisit dan persamaan tersebut digunakan untuk menentukan
y untuk harga x yang lain.

4.3-2.2. Pelanjaran model fungsi eksponensial.

() () ()
() () (() )

Definisikan:
()
()

Persamaan regresi lanjarnya:

Dari hasil regresi diperoleh a dan b. Selanjutnya dari persamaan
. C dapat ditentukan, sehingga

, diketahui secara
eksplisit, yang dapat digunakan untuk menentukan Y untuk x harga
yang berbeda dengan yang ada dalam tabel.



42

4.3-2.3. Pelanjaran Model Laju Pertumbuhan Jenuh

Definisikan :

(Persamaan Lanjar)

Dari persamaan regresi diperoleh a dan b dari persamaan

dan b

, dapat ditentukan C dan b sehingga

diketahui secara
eksplisit dan dapat digunakan menentukan harga y untuk harga x
yang berbeda dengan data yang ada.



43

BAB V
INTEGRASI NUMERIK


5.1. Pendahuluan
Dalam Kalkulus kita mengenal 2 jenis integral.
a. Integral Tidak Tentu.
() ()

b. Integral Tentu
() () |

() ()

I adalah luasan yang dibatasi f(x), sumbu x dan garis x=a sampai x=b.



Fungsi-fungsi yang dapat diintegrasikan dapat dikelompokkan sebagai berikut :
a. Fungsi menerus (kontinue) yang sederhana seperti polinomial, eksponensial,
fungsi trigonometri ( ). Metode-metode analitik untuk
menghitung integral fungsi tersebut sudah tersedia. Misalnya :

44

Dan sebagainya.

b. Fungsi menerus yang rumit, misalnya :

.

Fungsi rumit seperti ini, integralnya sangat sulit, bahkan tidak mungkin
diselesaikan dengan cara-cara dalam integrasi sederhana. Untuk
mengatasinya, maka digunakan Integrasi numerik.

c. Fungsi yang ditabulasikan.
Dalam hal ini, x dan f(x) diberikan dalam sejumlah titik yang diskrit.
Fungsi semacam ini dijumpai pada data hasil eksperimen di laboratorium
atau hasil pengukuran di lapangan. Umumnya fungsi f(x) nya tidak diketahui
secara eksplisit yang dapat diukur harga berdasarkan fisisnya saja. Misalnya:

x f(x)
0.00
0.25
0.50
0.75
1.00
6.0
7.5
8.0
9.0
8.5

5.2. Persoalan Integrasi Numerik
Persoalan integrasi numerik adalah menghitung integral tentu ()

secara numerik. Ada 3 (tiga) pendekatan :
a. Berdasarkan tafsiran geometri integral tentu.
Daerah integrasi dibagi menjadi sejumlah pias (strip) yang bentuknya
segi empat (metode pias).

45


b. Berdasarkan Polinom Interpolasi.
Di sini fungsi integrand f(x) dihampiri dengan polinom

() (Metode
Newton-Cotes).

c. Pendekatan Kuadratur gauss.

5.2-1. Metode Pias
Misalkan akan dihitung integral ()

.Dalam metode pias,

daerah integrasi dibagi menjadi n buah pias yang lebarnya (h) sama.

Titik absis pias dinyatakan oleh :

,
Dan nilai fungsi pada titik absis pias dinyatakan oleh :

) .

Ada 3 (tiga) Kaidah integrasi numerik yang dapat diturunkan dengan
metode pias, yaitu :
1. Kaidah segiempat (rectangle rule)
2. Kaidah trapesium (trapezodial rule)
3. Kaidah titik tengah (midpoint rule)


46

5.2-2.1. Kaidah Segiempat
Dalam kaidah segi empat, luas pias didekati dengan rumus
segiempat. Nilai integral didekati dengan jumlah luas semua pias.

Perhatikan pias yang melebar dari

. Luas
pias adalah (

) atau (

).
Luas 1 (satu) buah pias

)
. Jadi :
()

()

()

()

()

=
)

47

5.2-2.2. Kaidah Trapesium

Bila luas satu pias dildekati dengan luas trapesium, maka :
()

demikian juga
()

()

()

Catatan : Kaidah segiempat = Kaidah Trapesium.

()

=
)

48



Procedure trapesium (a, b : real; n:integer; var I : real);
{ Menghitung integrasi f(x) di dalam selang [a,b] dan julah pias
adalah n dengan menggunakan kaidah trapesium.
K.Awal : nilai a, b, dan n sudah terdefinisi
K.Akhir : I adalah hampiran integrasi yang dihitung dengan
kaidah segi-empat.
}
var
h, x, sigma:real;
r : integer;
begin
h:=(b-a)/n; {lebar pias}
x:=a; {awal selang integrasi}
I:=f(a) + f(b);
sigma:=0;
for r:=1 to n-1 do
begin
x:=x+h;
sigma:=sigma + 2*f(x);
end;
I:=(I+sigma)*h/2; {nilai integrasi numerik)
End;

49

5.2-2.3. Kaidah Titik Tengah.
()

, secara geometri dapat digambarkan sebagai berikut :

Daerah integrasi yaitu luasan yang dibatasi kurva f(x), sumbu x dan
garis tegak x=a serta x=b dibagi menjadi n buah pias yang lebarnya
sama. Luas satu pias
() (

) (

)

.



50

()

Dan seterusnya.
()

)

Contoh :
Hitung

dengan Kaidah Trapesium. Ambil h=0.2.

Penyelesaian :
()

atau

.
Buat tabel harga x dan f(x).
i

)
0 1.8 6.050
1 2.0 7.389
2 2.2 9.025
3 2.4 11.023
4 2.6 13.464
5 2.8 16.445
6 3.0 20.086
7 3.2 24.533
8 3.4 29.964




51

( () )
()
.
Secara Analitik =23.914.

Contoh 2.
Tentukan

dengan metode titik tengah. Ambil n=10.

Penyelesaian :

)

Buat tabel sebagai berikut :
i

0 1.15 0.869565 0.260869
1 1.45 0.689655 0.206896
2 1.75 0.571428 0.171428
3 2.05 0.487804 0.146341
4 2.35 0.425531 0.127659
5 2.65 0.377358 0.113207
6 2.95 0.338983 0.101694
7 3.25 0.307692 0.092307
8 3.55 0.281690 0.084507
9 3.85 0.25974 0.077922

=


52








Soal.
Buat program menggunakan bahasa pemrograman visual basic untuk
menyelesaikan integral

) secara numerik dengan kaidah

trapesium dan kaidah titik tengah. Untuk kedua kaidah tersebut, ambil
.

Procedure titik_tengah (a, b : real; n:integer; var I : real);
{ Menghitung integrasi f(x) di dalam selang [a,b] dan julah pias
sebanyak n.
K.Awal : harga a, b, dan n sudah terdefinisi.
K.Akhir : I adalah hampiran integrasi yang dihitung dengan
kaidah titik-tengah.
}
var
h, x, sigma:real;
r : integer;
begin
h:=(b-a)/n; {lebar pias}
x:=a+h/2; {titik tengah pertama}
sigma:=f(x);
for r:=1 to n-1 do
begin
x:=x+h;
sigma:=sigma + f(x)
end;
I:=sigma*h; {nilai integrasi numerik)
End;

53

5.2-2. Kaidah Simpson

.

Selang integrasi [a,b] dibagi menjadi n+1 buah titik titik diskrit

dengan n genap. Harga f(x) pada titik-titik

kita namakan

. ()

didekati dengan :
()

=
)

atau

,

Contoh.
Tentukan integral :

, ambil

.

i

0 0 1
1 0.125 0.88889
2 0.250 0.80000
3 0.375 0.72727
4 0.500 0.66667
5 0.625 0.61538
6 0.750 0.57143
7 0.875 0.53333
8 1.000 0.50000


54

)
Solusi sejati =0.6931472




















5.2-3. Kaidah Simpson 3/8.
Pembagian selang integral [a,b] menjadi n, yang besarnya harus kelipatan 3.
()

=


Catatan. Sama seperti simpson 1/3, harga n harus kelipatan 3.
Procedure simpson_sepertiga (a, b :real; n:integer; var I:real);
{ Menghitung integrasi f(x) dalam selang [a,b] dengan jumlah pias
n (n harus genap)
K.Awal : harga a,b, dan n sudah terdefinisi(n harus genap).
K.Akhir : I adalah hampiran integrasi yang dihitung dengan
kaidah simpson 1/3.
}

var
h,x,sigma:real;
r:integer;

begin
h:=(b-a)/n; {jarak antara titik}
x:=a;
I:=f(a)+f(b); {Awal selang integrasi}.
Sigma:=0;


for r:=1 to n-1 do
begin
x:=x+h;
if r mod 2 = 1 then {r=1, 3, 5, ..., n-1}
sigma:=sigma + 4*(

)
else
Sigma:=sigma+2*f(x);
end;
I=(I+sigma)*h/3; {nilai integrasi numerik}
end;

55

Program kaidah Simpson 3/8.
Procedure simpson_3per8 (a, b :real; n:integer; var I:real);
{ Menghitung integrasi f(x) dalam selang [a,b] dengan jumlah pias
n (n harus kelipatan tiga)
K.Awal : harga a,b, dan n sudah terdefinisi(n kelipatan 3).
K.Akhir : I adalah hampiran integrasi yang dihitung dengan
kaidah simpson 3/8.
}

var
h,x,sigma:real;
r:integer;

begin
h:=(b-a)/n; {jarak antara titik}
x:=a;
I:=f(a)+f(b); {Awal selang integrasi}.
Sigma:=0;


for r:=1 to n-1 do
begin
x:=x+h;
if r mod 3 = 0 then {r=3, 6, 9, ..., n-3}
sigma:=sigma + 2*(

)
else
Sigma:=sigma+ 3*f(x);
end;
I=(I+sigma)*3*h/8; {nilai integrasi numerik}
end;

56

BAB VI
TURUNAN NUMERIK

Diketahui suatu fungsi f(x). Turunan dari f(x) didefinisikan sebagai berikut :

()

( ) ()

Turunan dari ()

) (

Secara geometri :



(

)(

= arah garis AB.

)(

= arah garis singgung di A.

57

6.1. Perhitungan Turunan Numerik
Persoalan turunan numerik adalah menentukan hampiran nilai turunan fungsi
f(x) yang diberikan dalam bentuk tabel. Ada tiga pendekatan perhitungan turunan
numerik yang dirumuskan sebagai berikut :
Andaikan diberikan 3 harga f(x) untuk 3 harga

dan

.
x f(x)

a. Hampiran selisih maju.

secara umum

b. Hampiran selisih mundur.

secara umum

c. Hampiran selisih pusat

secara umum

Contoh 1.
Diberikan harga fungsi ()

dalam bentuk tabel sebagai berikut

i x f(x)
0 1.2
0.25 1.103516
0.50 0.925
0.75 0.636328
1.00 0.2

Tentukan

pada .


58

a. Hampiran selisih maju :

()

b. Hampiran selisih mudur.

()

c. Hampiran selisih pusat.

()

()


Nilai eksak :

()
Jika dibandingkan, kesalahnnya :
- Hampiran Maju : -26.54%
- Hampiran Mundur : 21.75%
- Hampiran Pusat : -2.4%

Contoh 2.
Diberikan data fungsi sebagai berikut :
x f(x)
1.3 3.669
1.5 4.482
1.7 5.474
1.9 6.686
2.1 8.166
2.3 9.974
2.5 12.182

a. Tentukan

() dengan hampiran selisih pusat.

b. Tentukan

() dengna hampiran selisih pusat.

c. Tentukan

() dan

()



59

Penyelesaian.

a. Ambil

()

()

()


b.

()

()

()


c.

() ? Selisih maju

()

() ? Selisih mudur

()

()