BAB I

METODE NUMERIK

1.1 Mengapa Menggunakan Metode Numerik

Tidak semua permasalahan matematis atau perhitungan dapat diselesaikan
dengan mudah atau dapat diselesaikan dengan menggunakan perhitungan biasa.
Contohnya dalam persoalan yang melibatkan model matematika yang sering
muncul dalam berbagai disiplin ilmu pengetahuan, bidang fisika, kimia, ekonomi,
atau pada persoalan rekayasa. Seringkali model matematika tersebut muncul
dalam bentuk yang tidak idealis atau rumit. Model matematika yang rumit ini
adakalanya tidak dapat diselesaikan dengan metode analitik yang sudah umum
untuk mendapatkan solusinya. Sebagai contoh, perhatikan sekumpulan persoalan
matematik berikut dan bagaimana cara menyelesaikannya?
a. Tentukan akar akar persamaan polinom
23.4 x 7 1.25x 6 120 x 4 15 x 3 120 x 2 x 100 0
b. Tentukan harga x yang memenuhi persamaan
1 (120 x 2 2 x )
27.8e 5 x cos 1
x 17 x 65
c. Hitung integral
1
sin x
0 x dx
Contoh contoh diatas memperlihatkan bahwa kebanyakan
persoalanmatematik tidak dapat diselesaikan dengan metode analitik. Metode
analitik disebut juga metode sejati karena memberi solusi sejati atau solusi yang
sesungguhnya, yaitu solusi yang memiliki galat ( error ) sama dengan nol.
Metode analitik seringkali hanya unggul untuk sejumlah persoalan yang
memiliki tafsiran geometri sederhana, padahal persoalan yang mincul dalam
 dunia nyata sering melibatkan bentuk dan proses yang rumit. Akibatnya nilai
praktis penyelesaian metode analitik menjadi terbatas.
Bila metode analitik tidak dapat lagi diterapkan, maka solusi persoalan
sebenarnya dapat dicari dengan metode numerik. Metode numerik adalah
teknik yang digunakan untuk memformulasikan persoalan matematik sehingga
dapat dipecahkan dengan operasi perhitungan / aritmatik biasa ( tambah, kurang,
kali dan bagi ). Secara harafiah metode numerik memiliki arti sebagai cara
berhitung dengan menggunakan angka angka. Metode numerik yang berangkat
dari pemakaian alat bantu hitung merupakan alternatif yang baik dalam
menyelesaikan persoalan persoalan perhitungan yang rumit, saat inipun telah
banyak yang menawarkan program program numerik sebagai alat bantu
perhitungan.
Dalam penerapan matematis untuk menyelesaikan persoalan persoalan
perhitungan dan analisis, terdapat beberapa keadaan dan metode yang baik :
Bila persoalan merupakan persoalan yang sederhana atau terdapat theorem
analisa matematika yang dapat digunakan untuk menyelesaiakan persoalan
tersebut, maka penyelesaian matematis ( metode analitik ) yang digunakan
adalah ppenyelesaian excat yang harus digunakan. Penyelesaian ini menjadi
acuan bagi pemakaian metode pendekatan.
Bila persoalan sudah sangat sullit atau tidak mungkin diselesaiakan secara
matematis ( analitik ) karena tidak ada theorema analisa matematika yang
dapat digunakan , maka dapat digunakan metode numerik.
Bila persoalan sudah merupakan persoalan yang mempunyai kompleksitas
tinggi, sehingga metode numerikpun tidak dapat menyajikan penyelesaian
dengan baik, maka dapat digunkana metode-metode simulasi.
1.2 Prinsip prinsip Metode numerik
Metode numerik berangkat dari pemikiran bahwa permasalahan dapat
diselesaikan menggunakan pendekatan pendekatan yang dapat
dipertanggungjawabkan secara analitik. Metode numerik ini disajikan dalam
bentuk algoritma - algoritma yang dapat dihitung secara cepat dan mudah.
Pendekatan yang digunakan dalam metode numrik merupakan pendekatan
analisis matematis. Sehingga dasar pemikirannya tidak keluar dari dasar
pemikiran analitis, hanya saja pemakaian grafis dan teknik perhitungan yang
mudah merupakan pertimbangan dalam pemakaian metode numerik. Mengingat
algoritma yang dikembangkan dalam metode numrik merupakan algoritma
pendekatan, maka dalam algoritma tersebut akan muncul istilah iterasi yaitu
pengulangan proses perhitungan. Dengan kata lain, perhitungan dalam metode
numerik adalah perhitungan yang dilakukan berulang-ulang untuk terus
menerus memperoleh hasil yang mendekati nilai penyelesaian exact.
Dengan menggunakan metode pendekatan semacam ini , tentukan bahwa setiap
nilai hasil perhitungan akan mempunyai nilai error ( nilai kesalahan ). Dalam
analisa metode numerik, kesalahan ini menjadi penting artinya. Karena kesalahn
dalam pemakaian algoritma pendekatan akan menyebabkan nilai kesalahan yang
besar , dimana tentunya kesalahan ini tidak diharapkan. Sehingga pendekatan
metode analitik selalu membahas tingkat kesalahan dan tingkat kecepatan proses
yang akan terjadi.
Perbedaan utama antara metode numerik dan metode analitik
Metode Numerik Metode Analitik
1. Solusi selalu berbentuk angka 1. Solusi biasanya dalam bentuk fungsi
matematik yang selanjutnya dapat
dievaluasi untuk menghasilkan nilai
dalam bentuk angka
2. Diperoleh solusi yang menghampiri 2. Diperoleh solusi sejati
solusi sejati sehingga solusi numerik
dinamakan juga solusi hampiran/
 solusi pendekatan
Persoalan persoalan yang biasa diangkat dalam metode numerik adalah:
Menyelesaiakan persamaan non linier
Menyelesaiakan persamaan simultan dan multi variabel
Menyelesaiakan diferensial dan integral
Interpolasi dan regresi
Masalah multi variabel untuk menentukan nilai optimal yang tidak
bersyarat
1.3 Tahap tahap memecahkan persoalan secara Numerik
Ada enam tahap yang dilakukan dalam pemecahan persoalan dunia nyata dengan
metode numerik
1. Pemodelan 4. Pemrograman
2. Penyederhanaan model 5. Operasional
3. Formulasi numerik 6. Evaluasi

BAB II
MODEL MATEMATIKA
Model matematika secara luas dapat didefinisikan sebagai perumusan atau persamaan
yang mengekspresikan feature pokok dari sistem atau proses fisis dalam istilah
matematis. Dalam penalaran yang sangat umum , model matematis dapat dinyatakan
sebagai suatu hubungan fungsional yang berbentuk
Peubah tak bebas = f ( peubah bebas, parameter, fungsi
pemaksa ) ..................................( 2. 1 )
peubah tak bebas : suatu karakteristik yang biasanya mencerminkan keadaan
atau perilaku sistem
peubah bebas : dimensi, seperti waktu dan ruang, sepanjang mana perilaku
sistem sedang ditentukan
parameter : pencerminan sifat sifat atau komposisi sistem
fungsi pemaksa : pengaruh eksternal yang bekerja padanya
Ekspresi matematis yang sebenarnya dari persamaan 2. 1 dapat berkisar dari suatu
hubungan aljabar sederhana sampai himpunan persamaan diferensial besar yang
rumit. Sebagai contohnya perhatikan model matematis dari hukum kedua Newton
dalam persamaan
F = m.a
..................................................................................................................................( 2.
2)
Persamaan 2.2 mempunyai sejumlah ciri yang khas dari model matematis di dunia
fisik
1. persamaan tersebut menggambarkan suatu proses atau sistem biasa dalam
istilah istilah matematis.
2. Persamaan tersebut menyatakan suatu idealisasi dan penyedderhanaan dari
keadaan yang sebenarnya. Yakni rincian yang sederhana dari proses almiah
diabaikan dan perhatian dipusatkan pada manifestasi yang penting.
3. Persamaan tersebut memberikan hasil yang dapat direproduksi, sehingga
dapat dipakai untuk tujuan peramalan.
Contoh 2.1
Pernyataan masalah : seorang penerjun payung dengan massa 68.100 gram melompat

keluar dari pesawat. Gunakan persamaan v(t )

gm
c

1 e ( c / m ) t untuk menghitung

kecepatan ( velocity ) sebelum parasutnya terbuka. Koefisien hambat c kira kira

sama dengan 12.500 gram/det
Penyelesaian : Pemasukan parameter parameter ke dalam persamaan

v(t )
gm
c

1 e ( c / m )t t1 det v1 cm/det
0 0,00
Menghasilkan : 2 1640,00
980(68.100) 4 2777,00
v(t ) [1 e (12.500 / 68.100) t ]
12.500 6 3564,00
10 4487,00
5339,00
 = v(t ) 5339,0[1 e 0,18355t ]

Menurut model tersebut, penerjun itu melaju dengan cepat. Kecepatan sebesar
4487,00 cm / det dicapai setelah 10 detik. Setelah waktu yang cukup lama, dicapai
kecepatan konstanta ( dinamakan kecepatan akhir )sebesar 5339,00 cm / det.

Persamaan v(t )
gm
c

1 e ( c / m ) t disebut penyelesaian analitis atau eksak.

Sayang sekali terdapat banyak model matematika yang tidak dapat diselesaikan
secara eksak. Dalam kebanyakan kasus kasus seperti itulah alternatifnya adalah
mengembangkan suatu penyelesaian numerik yang menghampiri
( mengakprosimasi ) penyelesaian yang eksak.
Penyelesaian Numerik
Pernyataan masalah : lakukan komputasi yang sama seperti contoh di atas namun

gunakan persamaan v(t )

gm
c

1 e ( c / m ) t untuk menghitung kecepatan dengan

pertambahan waktu sama dengan 2 detik.

Penyelesaian : pada saat memulai perhitungan ( t1 0 ), kecepatan penerjun payung
sama dengan nol. Dengan memakai informasi ini dan nilai nilai parameter dari

contoh maka persamaan v(t )

gm
c

1 e ( c / m ) t dapat digunakan untuk menaksir

kecepatan pada t i 1 2 detik

12,5
v 0 [9,8 (0)]2 19,60 m/det
68,1
Untuk selang (interval) berikutnya dari (t=2 sampai 4 detik ), komputasi diulang
dengan hasil
 12,5
v 19,6 [9,8 (19,60)]2 32,00 m/det
68,1
Komputasi dilanjutkan dengan cara sama untuk memperoleh nilai nilai tambahan

t1 det v1 m/det
0 0,00
2 19,60
4 32,00
6 39,85
10 47,97
53,39

GAMBAR
Hasil- hasilnya dilukiskan dalam Gambar 2.1 bersamaan dengan2.1
penyelesaian eksak.
Dapat dilihat bahwa secara cermat metode numerik mencakup segi segi utama dari
penyelesaian eksak. Tetapi karena digunakan ruas ruas garis lururs untuk
mengaproksimasi suatu fungsi melengkung yang kontinu maka terdapat
ketidakcocokan antara kedua hasil tersebut. Satu cara untuk meminimumkan
ketidakcocokan yang demikian adalah dengan menggunakan selang komputasi yang
lebih kecil. Misalnya dengan menerapkan pada masalah penerjun payung diatas
dengan selang 1 detik akan menghasilkan galat yang lebih kecil, karena lintasan ruas-
ruas garis lurus lebih dekat ke penyelesaian sebenarnya.
 BAB III
APROKSIMASI DAN GALAT
3.1 Kekeliruan , Kesalahan perumusan dan Ketidakpastian Data
Walau sumber kesalahan di bawah ini secara langsung tak dihubungkan dalam
metode numerik, dampak dari kesalahan ini cukup besar.
Kekeliruan.
Kesalahan bruto/kekeliruan.
Tahun awal penggunaan komputer, komputer sering kali gagal pakai
(malfunction).
Sekarang kekeliruan ini dihubungkan dengan ketidaksempurnaan manusianya.
Kekeliruan dapat terjadi pada sembarang langkah proses
pemodelan matematika dan dapat mengambil bagian terhadap semua
komponen kesalahan lainnya. Ia hanya dapat dicegah oleh pengetahuan yang
baik tentang prinsip dasar dan berhati-hatilah dalam melakukan pendekatan dan
mendesain solusi untuk masalah anda.
Biasanya tak dianggap dalam pembahasan metode numerik. Ini terjadi, karena
kesalahan bruto sampai taraf tertentu tak dapat dihindari. Tapi tentu saja pasti
ada cara untuk memperbaiki keadaan ini.
Misalnya: kebiasaan pemrograman yang baik, seperti yang dibahas dalam
bab 2, sangat berguna untuk mengurangi kekeliruan pemrograman. Sebagai
tambahan, terdapat juga cara-
cara sederhana untuk memeriksa apakah suatu metode numerik tertentu
bekerja secara sempurna.
Kesalahan Perumusan.
Kesalahan perumusan model dihubungkan dengan penyimpangan yang dapat
dianggap berasal dari model matematika yang tak sempurna.
Contoh: fakta bahwa hukum Newton kedua tak menghitung efek relativistik. Ini
tak mengurangi
kelayakan solusi pada contoh sebelumnya, karena kesalahan-kesalahan ini adalah
minimal pada skala waktu dan ruang dari seorang penerjun payung.
Anggap bahwa tahanan udara bukan proporsi linier terhadap kecepatan
jatuh seperti dalam persamaan tetapi merupakan sebuah fungsi kuadrat
kecepatan. Kalau hal ini benar, baik
kedua solusi analitis maupun numerik yang diperoleh dalam bab 1 hasilnya
menjadi salah
karena kesalahan perumusan.
Ketidakpastian Data.
Kesalahan-kesalahan seringkali masuk ke dalam suatu analisis karena
ketidakpastian data fisika yang mendasari suatu model.
Misalnya kita ingin menguji model penerjun payung dengan loncatan-loncatan
berulang yang dibuatnya, mengukur kecepatan orang tersebut setelah interval
waktu tertentu.
Ketidakpastian yang menyertai pengukuran-pengukuran ini tak diragukan,
karena penerjun akan jatuh lebih cepat selama beberapa loncatan daripada
loncatan lainnya. Kesalahan-
kesalahan ini dapat memunculkan ketidak akuratan dan ketidak presisian.
Jika instrumen kita menaksir terlalu rendah atau terlalu tinggi terhadap
kecepatan, kita menghadapi suatu alat yang tak akurat atau menyimpang.
Pada keadaan lainnya, jika pengukuran tinggi dan rendah secara acak, kita akan
berhadapan dengan sebuah pertanyaan mengenai kepresisian.
 Kesalahan-kesalahan pengukuran dapat dikuantifikasikan dengan
meringkaskan data dengan
satu atau lebih statistik yang dipilih yang membawa sebanyak mungkin
informasi mengenai sifat-sifat data tertentu.
Statistik yang deskriptif ini kebanyakan sering dipilih untuk menyatakan (1)
letak pusat distribusi data, dan (2) tingkat penyebaran data. Hal demikian
memberikan suatu ukuran penyimpangan dan ketidakpresisian.

3.2 Analisis Galat

Menganalisis galat sangat penting di dalam perhitungan yang menggunakan metode
numerik. Galat berasosiasi dengan seberapa dekat solusi hampiran terhadap solusi
sejatinya. Semakin kecil galatnya, semakin teliti solusi numerik yang didapatkan.
Nilai sejati ( true value ) = Hampiran (aproksimasi) + Galat

Misalkan a adalah nilai hampiran terhadap nilai sejatinya a , maka selisih

aa
disebut Galat. Jika tanda Galat ( positif atau negatif ) tidak dipertimbangkan ,
maka Galat mutlak

aa

Ukuran galat kurang bermakna karena tidak menceritakan seberapa besar galat itu
dibandingkan dengan nilai sejatinya. Untuk mengatasi interpretasi nilai galat
tersebut , maka galat harus dinormalkan terhadap nilai sejatinya. Gagasan ini
melahirkan apa yang dinamakan galat relatif.
Galat Relatif didefinisikan sebagai

R
a
Atau dalam persentase

R x100%
a
Karena galat dinormalkan terhadap nilai sejati, maka galat relatif tersebut dinamakan
juga relatif sejati. Dalam praktek ketika kita tidak mengetahui nilai sejati a, karena itu
galat sering dinormalkan terhadap solusi hampirannya, sehingga galat relatifnya
dinamakan galat relatif hampiran

RA
a
Salah satu tantangan metode numerik adalah menentukan taksiran galat tanpa
mengetahui nilai sejatinya. Misalnya, metode numerik tertentu memakai pendekatan
secara iterasi untuk menhitung jawaban. Dalam pendekatan yang demikian, suatu
aproksimasi sekarang dibuat berdasarkan aproksimasi sebelumnya. Proses ini
dilakukan secara berulang , atau secara iterasi dengan maksud secara beruntun
menghitung aproksimasi yang lebih dan lebih baik. Jadi, persen galat relatif :
aproksimasi sekarang - aproksimasi sebelumnya
a 100%
aproksimasi sekarang

Komputasi diulang sampai a s

Nilai s menentukan ketelitian solusi numerik. Semakin kecil nilai s semakin teliti
solusinya.
Soal
1. Misalkan nilai sejati = 10/3 dan nilai hampiran = 3.333. hitunglah galat, galat
mutlak, dan galat relatif hampiran.
2. Prosedur iterasi sebagai berikut x r 1 ( x r3 3) / 6 r = 0, 1, 2, 3, ...
x0 0.5 dan s = 0.00001
Sumber Utama Galat Numerik
Secara umum terdapat dua sumber utama penyebab galat dalam perhitungan numerik
1. Galat pembulatan ( round-off error )
2. Galat Pemotongan ( truncation error )
Selain kedua galat ini, terdapat sumber galat lain :
1. Galat eksperimental , galat yang timbul dari data yang diberikan, misalnya
karena kesalahan pengukuran, ketidaktelitian alat ukur dan sebagainya.
2. Galat pemrograman. Galat yang terdapat di dalam program sering dinamakan
dengan bug. Dan proses penghilangan galat dinamakan debugging.

3.3 Algoritma
Algoritma merupakan rentetan langkag langkah logika yang diperlukan untuk
melakukan suatu tugas tertentu seperti pemecahan masalah.
Ciri ciri suatu algoritma yang baik
1. Aksi yang dilaksanakan harus dirinci secara jelas untuk tiap kasus. Hasil
akhir tidak boleh tergantung kepada yang mengalami algoritma
2. Proses algoritma harus selalu berakhir setelah sejumlah berhingga langkah
tidak boleh berakhir terbuka ( oppen ended )
3. Algoritma harus cukup umum untuk menangani keperluan yang lebih
banyak.
Cara pembuatan algoritma
1. Flow chart ( diagram alir )
2. Kode psudo ( menggunakan kalimat kalimat yang kata-katanya sudah
punya aturan aturan tertentu )
3.4 Hitungan Langsung dan Tak Langsung
a. Hitungan langsung
Hitungan melalui serangkaian operasi hitung untuk memperoleh hasil
b. Hitungan Tak langsung ( hitungan iterasi )
Solusi diperoleh dengan melakukan pengulangan pada suatu perhitungan
langsung dimulai dengan suatu tebakan awal untuk memperoleh suatu nilai
 hampiran sebagai perbaikan atas nilai tebakan awal sampai diperoleh nilai
hampiran yang diinginkan.
Soal 3.2 : Gunakan tebakan awal x0 1 untuk menghitung

( x1 2 / xi )
xi 1 untuk i 0,1,2,...
2

BAB 4
METODE PENGURUNG (BRACKETING METHOD)

Salah satu masalah yang sering terjadi pada bidang ilmiah adalah masalah untuk
mencari akar-akar persamaan berbentuk f(x) = 0 .(1)

Fungsi f di sini adalah fungsi atau persamaan tak linear. Nilai x = x 0 yang memenuhi
(1) disebut akar persamaan fungsi tersebut. Sehingga x 0 di sini menggambarkan
fungsi tersebut memotong sumbu-x di x = x0.
Persamaan atau fungsi f dapat berbentuk sebagai berikut:
Persamaan aljabar atau polinomial
f(x) = pn(x) = anxn + an-1xn-1 + + a1x + a0 .(2)
Persamaan transenden
Yaitu persamaan yang mengandung fungsi antara lain trigonometri, logaritma, atau
eksponen
Contoh: (i) ex + cos(x) = 0 (ii) ln(x) + log(x2) = 0
Persamaan campuran
Contoh: (i) x3 sin(x) + x = 0 (ii) x2 + log(x) = 0
Untuk polinomial derajat dua, persamaan dapat diselesaikan dengan rumus
akar persamaan kuadrat. Misalkan bentuk persamaan kuadrat adalah: ax2 + bx + c =
0
dapat dicari akar-akarnya secara analitis dengan rumus berikut.

b b 2 4ac
X 1, 2
2a
Untuk polinomial derajat tiga atau empat, rumus-rumus yang ada sangat kompleks
dan jarang digunakan. Sedangkan untuk menyelesaikan polinomial dengan derajat
yang lebih tinggi atau persamaan tak linear selain polinomial, tidak ada rumus yang
dapat digunakan untuk menyelesaikannya. Metode Numerik memberikan cara-cara
untuk menyelesaikan bentuk tersebut, yaitu metode hampiran. Penyelesaian numerik
dilakukan dengan hampiran yang berurutan (metode iterasi), sedemikian sehingga
setiap hasil adalah lebih teliti dari perkiraan sebelumnya. Dengan melakukan
sejumlah prosedur iterasi yang dianggap cukup, akhirnya didapat hasil perkiraan yang
mendekati hasil eksak (hasil yang benar) dengan toleransi kesalahan yang diijinkan.
Metode iterasi mempunyai keuntungan bahwa umumnya tidak sangat terpengaruh
oleh merambatnya error pembulatan.

4.1 LOKALISASI AKAR

Lokasi akar persamaan tak linear diselidiki untuk memperoleh tebakan awal,
yaitu:

Metode Grafik.
Untuk memperoleh taksiran akar persamaan f(x) = 0 ialah dengan membuat
grafik fungsi itu dan mengamati dimana ia memotong sumbu x. Titik ini, yang
menyatakan harga x untuk f(x) = 0, memberikan suatu pendekatan kasar dari akar
tersebut.

Contoh 4.1. Pendekatan Grafik.

Gunakan pendekatan grafik untuk memperoleh suatu akar persamaan dari f(x) =

e-x x.

Solusinya adalah sebagai berikut:

X f(x)
0,0 1,000
0,619
0,4 0,270
0,6 -0,051
 Gambar 4.1
Gambar 4.1. Ilustrasi pendekatan grafik untuk memecahkan persamaan
aljabar dan transendental. Grafik f(x) = e -x x terhadap x. Akar sesuai dengan
harga x dimana
f(x) = 0, yaitu titik dimana fungsi memotong sumbu x. Pemeriksaan secara
visual mengenai plot memberikan taksiran kasar 0,57. Harga sebenarnya
adalah 0,56714329
Teknik grafik praktis digunakan, dan dapat memberikan taksiran akar secara
kasar, tapi tidak presisi.
Ia dapat digunakan sebagai tebakan awal dalam metode numerik.
Interpretasi grafik penting untuk memahami sifat-sifat fungsi dan dapat
memperkirakan jebakan pada metode numerik, seperti terlihat pada gambar
4.2 di bawah ini.
Gambar 4.2 memperlihatkan sejumlah cara dimana akar bisa berada
dalam interval yang dijelaskan oleh suatu batas bawah a dan batas atas b.
Gambar 4.2b memperlihatkan kasus dmana sebuah akar tunggal
dikurung oleh harga-harga positif dan negatif dari f(x).

Gambar 4.2
Gambar 4.2. Ilustrasi sejumlah cara yang umum bahwa sebuah akar bisa
terjadi dalam sebuah interval yang dijelaskan oleh batas bawah a dan batas
atas b. Bagian (a) dan (c) menunjukkan bahwa bila f(a) dan f(b) mempunyai
tanda yang sama, tidak akan ada akar-akar atau akar dalam jumlah genap
pada interval. Bagian (b) dan (d) menunjukkan bahwa bila fungsi mempunyai
tanda yang berbeda pada kedua titik ujung, akan terdapat akar dalam jumlah
ganjil pada interval. Tetapi gambar 4.2d, dimana f(a) dan f(b)
berlawanan tanda terhadap sumbu x, memperlihatkan 3 akar yang
berada di dalam interval. Umumnya jika f(a) dan f(b) mempunyai tanda yang
berbeda akan terdapat akar yang jumlahnya ganjil dalam interval.
Seperti ditunjukkan oleh gambar 4.2 a dan c, jika f(a) dan f(b) mempunyai
tanda yang sama, tidak terdapat akar-akar atau akar yang jumlahnya genap
berada diantara harga-harga itu.
Meskipun generalisasi ini biasanya benar, namun terdapat kasus-kasus
dimana hal itu tak dapat dipegang.
Misalnya akar ganda. Yakni fungsi yang menyinggung sumbu x
(gambar 4.3a) dan fungsi- fungsi diskontinu (gambar 4.3b) bisa menyalahi
prinsip ini.
Gambar 4.3. Ilustrasi beberapa perkecualian terhadap kasus-kasus umum
yang ditunjukkan dalam gambar 4.2. (a) Akar ganda yang terjadi sewaktu
fungsi menyinggung sumbu x. Dalam hal ini, walaupun titik-titik ujungnya
berlawanan tanda, terdapat akar-akar dalam jumlah genap untuk interval
tersebut. (b) Fungsi diskontinu dimana titik-titik ujung tanda yang
berlawanan juga mengurung akar-akar dalam jumlah genap.

Strategi khusus dibutuhkan untuk penentuan akar-akar dalam kasus ini.

Sebagai contoh fungsi yang mempunyai akar ganda adalah persamaan kubik
f(x) = (x 2) (x 2) (x 4). Perhatikan bahwa x = 2 membuat kedua suku
polinomial itu sama dengan 0. Jadi x = 2 disebut sebuah akar ganda.
Cara Tabulasi
Nilai-nilai fungsi pada interval yang diminati dihitung dengan membagi
interval tersebut menjadi sub interval sub interval, dan nilai-nilai tersebut
ditulis dalam bentuk tabulasi. Jika pada suatu interval nilai fungsi berubah
tanda, maka pada interval tersebut ada akar.
Lokasi Akar Untuk Persamaan Polinomial
Persamaan polinomial mempunyai bentuk umum sbb.
f(x) = pn(x) = anxn + an-1xn-1 + + a1x + a0 .(3)
Jika pn(x) = 0, maka persamaan tersebut mempunyai tepat n akar, antara lain
akar bilangan real dan juga termasuk akar bilangan kompleks. Akar bilangan
kompleks selalu muncul berpasangan. Yang disebut bilangan kompleks
adalah:
a + b i . dimana a, b bilangan real, i = 1
 Untuk melokasikan akar-akar real, digunakan beberapa aturan:
(a) aturan tanda koefisien
(i) akar real positif
u = banyaknya pergantian tanda pada koefisien ai dari pn(x)
np = banyaknya akar real positif
maka berlaku: np < u (4)
u np = 0, 2, 4, 6,
(ii) akar real negatif
v = banyaknya pergantian tanda pada koefisien ai dari pn(-x)
ng = banyaknya akar real negative, maka berlaku:
ng < v ..........................................................................(5)
v ng = 0, 2, 4, 6,
(b) batas interval akar
ak
r 1 maks
1 k n an

maka semua akar real pn(x) terletak pada interval [-r, r].

Sebuah fungsi berdasarkan jenisnya akan berubah tanda di sekitar suatu

harga akar.
Teknik ini dinamakan metode akoladi (bracketing method), karena
dibutuhkan 2 tebakan awal untuk akar.
Sesuai namanya, tebakan tersebut harus dalam kurung atau berada
pada kedua sisi nilai akar.
4.2. Metode Bagidua (Biseksi).
Pada teknik grafik sebelumnya, terlihat bahwa f(x) berganti tanda pada
kedua sisi yang berlawanan dari kedudukan akar. Pada umumnya, kalau
f(x) nyata (real) dan kontinu dalam interval dari xl hingga xu, serta f(xl) dan
f(xu) berlainan tanda, yakni:
f(xl) f(xu) < 0
Maka terdapat sekurang-kurangnya 1 akar nyata diantara xl dan xu.
dengan penempatan sebuah interval dimana fungsi tersebut bertukar tanda.
Lalu penempatan perubahan tanda (tentunya harga akar) ditandai lebih
teliti dengan cara membagi interval tersebut menjadi sejumlah
subinterval. Setiap subinterval itu dicari untuk menempatkan perubahan
tanda. Proses tersebut diulangi dan perkiraan akar diperhalus dengan
membagi subinterval menjadi lebih halus lagi.
Metode Bagidua (biseksi), disebut juga pemotongan biner (binary
chopping), pembagian 2 (interval halving) atau metode Bolzano.
Letak akarnya kemudian ditentukan ada di tengah-tengah subinterval dimana
perubahan tanda terjadi. Proses ini diulangi untuk memperoleh taksiran yang
diperhalus.

Step 1: Pilih taksiran terendah xl dan tertinggi xu untuk akar agar

fungsi berubah tanda sepanjang interval. Ini dapat diperiksa
dengan: f(xl) f(xu) < 0.
Step 2 : Taksiran pertama akar xr ditentukan oleh:

xl xu
xr
2
Step 3 : Buat evaluasi yang berikut untuk menentukan subinterval, di dalam
mana akar terletak:
 a. Jika f(xl) f(xr) < 0, akar terletak pada subinterval pertama, maka
xu = xr, dan lanjutkan ke step 2.
b. Jika f(xl) f(xr) > 0, akar terletak pada subinterval kedua, maka xl
= xr, dan lanjutkan ke step 2.
c. f(xl) f(xr) = 0, akar = xr, komputasi selesai.
Contoh Metode Bagidua.
Gunakan Bagidua untuk menentukan akar dari f(x) = e-x - x.
Dari grafik fungsi tersebut (gambar 4.1) terlihat bahwa harga akar terletak
diantara 0 dan 1.
Karenanya interval awal dapat dipilih dari xl = 0 hingga xu = 1. Dengan
sendirinya,
taksiran awal akar terletak di tengah interval tersebut:

0 1
xr 0,5
2

Taksiran ini menunjukkan kesalahan dari (harga sebenarnya adalah

0,56714329):
Et = 0,5 = 0,06714329

atau dalam bentuk relatif:

0,56714329
t x100% 11,8%
0,06714329
 dimana indeks t menunjukkan bahwa kesalahan diacu terhadap harga
sebenarnya. Lalu:
f(0) f(0,5) = (1) (0,10653) = 0,10653
yang lebih besar dari nol, dengan sendirinya tak ada perubahan tanda terjadi
antara xl dan xr.
Karena itu, akar terletak pada interval antara x = 0,5 dan 1,0. Batas bawah
didefinisikan lagi

0,5 1
xr 0,75
2
Taksiran ini menunjukkan kesalahan dari (harga sebenarnya adalah
0,56714329):
Et = 0,5 = 0,06714329

atau dalam bentuk relatif:

f(0,5) f(0,75) = -0,030 < 0

Karenanya akar terletak diantara 0,5 dan 0,75:
xu = 0,75

Dan iterasi seterusnya

4.3. Metode Regula Falsi (False Position).

Disebut juga metode interpolasi linier.
f ( xu )( x u x1 )
xr xu
f ( xu ) f ( x1 )
Penjelasan grafiknya adalah sebagai berikut:
Penjelasan grafik dari metode Regula Falsi. Segitiga serupa yang digunakan
untuk menurunkan rumus buat metode tersebut adalah yang diarsir.
Contoh Metode Regula Falsi.
Gunakan Regula Falsi untuk menentukan akar dari f(x) =
-x
e - x. Akar sesungguhnya 0,56714329.
xl = 0 dan xu = 1.
Iterasi pertama:
xl = 0 f(xl) = 1
xu = 1 f(xu) = -0,63212

( 0,63212)(1 0)
xr 1 0,6127
0,63212 1

0,56714329 0,6127
t x100% 8%
0,56714329

Iiterasi ke-2
f(xl) f(xr) = -0,0708
akar pada subinterval I. xr di batas atas berikutnya
xl = 0 f(xl) = 1
xu = 0,6127 f(xu) = -0,0708
(0,0708)(0,6127 0)
x r 0,6127 0,572179
0,63212 1

0,572179 0,6127
t x100% 7,8%
0,572179

Kesalahan untuk Regula Falsi berkurang lebih cepat daripada Bagidua

24
disebabkan rancangan yang lebih efisien untuk penempatan akar dalam
Regula Falsi.

Perbandingan t pada metode Bagidua dan Regula Falsi untuk

f(x) = e-x x
Pada Bagidua, interval antara xl dan xu muncul semakin kecil selama
komputasi. Interval, x/2 = |xu xl| / 2, merupakan ukuran error untuk
pendekatan ini.
Pada Bagidua, hal di atas tak terjadi, karena salah satu tebakan awal
kondisinya tetap selama komputasi, sedangkan tebakan lainnya konvergen
terhadap akar.
Pada contoh metode regulasi falsi di atas, xl tetap pada 0, sedangkan xu
konvergen terhadap akar. Didapat, interval tak mengkerut, tapi agak
mendekati suatu harga konstan.

25
4.3.1. Jebakan pada Metode Regula Falsi.
Contoh 4.5. Bagidua lebih baik dari Regula Falsi.
Gunakan Bagidua dan Regula Falsi untuk menempatkan akar di antara x = 0
dan 1,3 untuk:

f(x) = x10 1.

Dengan Bagidua, didapat:

Iterasi xl Xu Xr | t|% | a|%
1 0 1,3 0,65 35
2 0,65 1,3 0,975 2,5 33,3
3 0,975 1,3 1,1375 13,8 14,3
4 0,975 1,1375 1,05625 5,6 7,7
5 0,975 1,05625 1,015625 1,6 4,0

Setelah 5 iterasi, t < 2%.

Kemudian dengan Regula Falsi, didapat:
Iterasi xl Xu Xr | t|% | a|%
1 0 1,3 0,09430 90,6
2 0,09430 1,3 0,18176 81,8 48,1
3 0,18176 1,3 0,26287 73,7 30,9
4 0,26287 1,3 0,33811 66,2 22,3
5 0,33811 1,3 0,40788 59,2 17,1
Setelah 5 iterasi, t < 60%.
Juga | a| < | t|

Ternyata dengan Regula Falsi, a ternyata meleset. Lebih jelas terlihat dalam
grafik:

26
Grafik dari f(x) = x10 1, menunjukkan konvergensi metode Regula Falsi
yang lambat
Terlihat, kurva menyalahi perjanjian yang mendasar Regula Falsi, yakni
jika f(xl) lebih mendekati 0 dibanding f(xu), sehingga akan lebih dekat
ke xl daripada ke xu
Karena bentuk fungsi yang sekarang, kebalikannya tentu juga benar. Yang
harus dilakukan adalah memasukkan taksiran akar ke dalam persamaan
semula dan ditentukan apakah hasil itu mendekati nol. Pengecekan semacam
ini juga harus dilakukan pada program komputer untuk penempatan akar.

27
4.4. Metode Newton-Raphson.

Gmbar 5.2

Metode Newton Rapson adalah metode pendekatan yang menggunakan satu

titik awal, dan mendekatinya dengan memperhatikan kemiringan pada titik
tersebut. Secara geometri metode ini menggunakan garis lurus sebagai
hampiran fungsi pada suatu selang, dengan menggunakan suatu nilai xi
sebagai tebakan awal yang diperoleh dengan melokalisasi akar-akar dari f(x)
terlebih dahulu, metode ini paling banyak digunakan untuk menarik akar-akar
dari persamaan f(x) = 0 dengan asumsi f(x), f(x), f(x) kontinu dekat satu
akar p. akar dari persamaan adalah titik potong garis singgung pada titik (xi,
f(xi))

f xi
xi 1 xi
f ' xi

28
 Dimana i = 0,1,2,3,
Syarat f(xi) 0
f(xi) = 0 maka garis singgung sejajar sumbu x
Algoritma Metode Newton Rapson
Masukan: f(x), f(x), x0 (tebakan awal), (criteria penghentian), M
(maksimum iterasi
Keluaran : akar
Langkah-langkah
Iterasi
Jika f(x0) = 0, proses gagal, stop
1. f x0
xbaru x0
f ' x0

xbaru x 0
2. jika , maka stopdan x(akar) x baru
xbaru

3. x0 = xbaru
4. Iterasi: I = i + 1
5. Jika iterasi I M kembali ke langkah 2
6. Prosesnya konvegen atau divergen

4.4.1 Iterasi N-R untuk menentukan n

A

A 0, N genap
Ambil N = 2

andaikan bahwa A>0 suatu bil real dan misal x0 > 0 A 0 l
adalah tebakan awal untuk A A R, N ganji

29
barisan x k k 0

didefenisikan dengan rumus rekursif sebagai berikut:

A
p x 1
xk 1
xk
2

akar barisan x k k 0 konvergen ke

A

yaitu : A = lim xk
x
Bukti : A>0
Missal x = A
2
X = A
2
X A = 0, f(x) = 0 maka f(x) = x2 - A
F(x) = x2-A
f x
g x x
F(x) = 2x f ' x
Defenisi fungsi iterasi Newton Rapson
g x x
x A
2

2x

g x x
2 x 2 x 2 A
2x
x A
g x x
2 2x
x A
g x
2 2x
1 A
g x x
2 x
x x A
g ( x)
2

30
Atau xk 1 g xk
pk 1 A
pk 1
pk , K 1,2,3,...
2
4.5. Metode Secant.
Masalah yang didapat dalam metode Newton-Raphson adalah terkadang
sulit mendapatkan turunan pertama, yakni f(x). Sehingga dengan jalan
pendekatan

f xn f xn 1
f ' x
xn xn 1

Menjadi
f ( xi ) f ( xi xi 1 )
xi 1 xi yi
f ( xi ) f ( xi 1 )

Persamaan di atas memang memerlukan 2 taksiran awal x, tetapi

karena f(x) tidak membutuhkan perubahan tanda diantara taksiran maka
Secant bukan metode Alokade.

31
 Gambar 5.3

Teknik ini serupa dengan teknik Newton-Raphson dalam arti bahwa suatu
taksiran akar diramalkan oleh ekstrapolasi sebuah garis singgung dari fungsi
terhadap sumbu x. Tetapi metode Secant lebih menggunakan diferensi
daripada turunan untuk memperkirakan kemiringan/slope

32
4.5.1 Perbedaan Metode Secant dan Regula Falsi.
Persamaan di metode Secant maupun Regula Falsi identik suku demi suku.
Keduanya menggunakan 2 taksiran awal untuk menghitung aproksimasi
slope fungsi yang digunakan untuk berproyek terhadap sumbu x untuk
taksiran baru akar.
Perbedaannya pada harga awal yang digantikan oleh taksiran baru.
Dalam Regula Falsi, taksiran terakhir akar menggantikan harga asli
mana saja yang mengandung suatu harga fungsi dengan tanda yang
sama seperti f(xr). Sehingga 2 taksiran senantiasa mengurung akar.
Secant mengganti harga-harga dalam deretan yang ketat, dengan
harga baru xi+1 menggantikan xi, dan xi menggantikan xi-1. Sehingga
2 harga terkadang dapat terletak pada ruas akar yang sama. Pada kasus
tertentu ini bisa divergen.

Pada gambar grafik di bawah ini disajikan penggunaan metode Regula Falsi
dan Secant untuk
menaksir akar f(x) = ln x, dimulai dari harga x1 = xi-1 = 0,5 dan
xu = xi = 5,0:
 Gambar 5.3.1

Perbandingan metode Regula Falsi dan Secant. Iterasi pertama (a) dan (b)
untuk iterasi kedua metode adalah identik. Tetapi pada iterasi kedua (c) dan
(d), titik yang dipakai berbeda.

34
 Gambar 5.3.2

4.6. Akar Ganda.

Satu akar ganda berhubungan dengan suatu titik dimana sebuah fungsi
menyinggung sumbu x.
Misal akar dobel dihasilkan dari:
f(x) = (x - 3)(x - 1)(x - 1)
atau dengan pengalian suku-suku:

f(x) = x3 - 5x2 + 7x - 3

Persamaan diatas memiliki akar dobel, karena 1 akar x membuat kedua suku
dalam persamaan itu sama dengan nol. Secara grafik, ini sesuai dengan kurva
yang menyentuh sumbu x secara tangensial pada akar dobel. Ini dapat dilihat

35
pada gambar 5.4a di bawah ini pada
x = 1.

Gambar 5.4
Gambar 5.4 Contoh akar ganda yang menyinggung sumbu x. Perhatikan
bahwa fungsi tak memotong sumbu pada kedua sisi akar ganda genap (a) dan
(c), sedangkan ia memotong sumbu untuk kasus ganjil (b) ([CHA1998] hal.
159).
Akar tripel untuk kasus dimana satu harga x membuat 3 suku dalam suatu
persamaan menjadi nol, misal:
f(x) = (x 3)(x 1)(x 1)(x 1)
atau dengan pengalian suku-suku:

36
 f(x) = x4 6x3 + 12x2 10x + 3

Kesulitan yang ditimbulkan oleh akar ganda:

Hasil dari metode Akolade berkurang kepercayaannya dengan adanya
kenyataan bahwa fungsi tak berubah tanda pada akar ganda genap. Pada
metode Terbuka, ini bisa menyebabkan divergensi.
Tak hanya f(x) tapi juga f(x) menuju nol pada akar.
Pada metode Newton-Raphson dan Secant, dimana keduanya mengandung
turunan (atau taksiran) di bagian penyebut pada rumusnya, terjadi
pembagian dengan nol jika solusi konvergen sangat mendekati akar.
Menurut Ralston dan Rabinowitz [RAL1978], f(x) selalu mencapai nol
sebelum f(x). Sehingga kalau pemeriksaan nol untuk f(x) disertakan dalam
program, maka komputasi berhenti sebelum f(x) mencapai nol.
Metode Newton-Raphson dan Secant konvergen secara linier (bukan
kuadratik), konvergen untuk akar-akar ganda (Ralston dan Rabinowitz
[RAL1978]).
Soal A.
1.Tentukan batas selang akar dari :
P( x) x 2 x 2

P ( x) x 3 x 3

2.Tentukan lokasi akar

P( x) x x

P( x) x 4 2 x 3 5 x 2 4 x 3

37
3.Tentukan akar f ( x) x 5 x 2 di dalam selang (0,1) dan 0.00001
dengan
metode Bagi Dua dan Regula Falsi
4.Tahun 1225 Leonardo da Pissa mencari akar persamaa
f ( x) x 3 2 x 2 10 x 20 0 dan menemukan x = 1.368808107 tidak
seorangpun tahu cara Leonardo menemukan niai ini. Gunakan metode
Bagidua dan metode Regula Falsi untuk menemukan akar persamaa

Leonardo dalam selang ( 1, 1.5 ) dan juga metode Newton Raphson, x 0 1

dan metode Secant x 0 1 , x1 1.5 . Untuk semua metode 10 6

5.Dapatkah metode Newton-Raphson digunakan memecahkan
f ( x) 0 jika f ( x ) x 1 / 3

f ( x) 0 jika f ( x ) x 3 1 / 2 dan tebakan awal x0 4 .

Mengapa?
6. Gunakan metode Newton-Raphson untuk menghitung ( 47)1 / 4 sampai enam
angka bena.
7. Misalkan f ( x) cos x .
Tentukan prosedur iterasi Newton Raphsonnya.
Jika kita ingin menghitung akar x 3 / 2 , dapatkah kita gunakan

tebakan awal x 0 3 . Mengapa ?

8. Masalah : gunakan pendekatan grafis untuk menentukan koefisien hambatan c
yang diperlukan oeh penerjun payung dengan massa m = 68.1 kg agar
mempunyai kecepatan 40 m / det setelah jatuh bebas untuk waktu t = 10
detik. Catatan : percepatan yang disebabkan gravitasi : 9,8 m / det 2.

38
 Masalah ini dapat dipecahkan dengan cara menentukan akar persamaan
dengan memakai parameter t=10, g=9.8, v=40, dan m=68.1
9.8(68.1)
f (c) (1 e ( c / 68.1) / 10 ) 40
c
9. Gunakan metode bagi dua untuk memecahkan masalah pada no. 8
10. Tentukan akar akar real dari
f ( x ) 2.0 6.2 x 4.0 x 2 0.70 x 3

Secara grafis
Dengan memakai metode bagi dua untuk menemukan akar-akar
persamaan. Gunakan terkaan awal 0.4 dan 0.6, serta iterasikan

sampai taksiran galat a berada dibawah s 10%

11. Tentukan akar akar riil dari
f ( x ) 24 80 x 90 x 2 42 x 3 8.7 x 4 0.66 x 5 secara grafis dan

dengan metode bagidua samapai s 1% dengan tebakan awal 4.5 dan 5

12. Tentukan akar akar riil dari f ( x ) 9.34 21.97 x 16.3x 2 3.704 x 3

secara grafis dan memakai metode regula falsi dengan nilai s yang
berpadanan samapi dengan dua angka bena.
1 0.61x
13. Tentukan akar akar riil dari f ( x) secara analitis, grafis dan
x
memakai tiga iterasi dari metode Regua Falsi, dengan tebakan awal 1.5 dan 2.
14. Tentukan akar akar persamaan e x x dengan metode Newton Raphson (

x0 0 ) dan metode Secant ( x 1 0 dan x 0 1,0 )

15. Tentukan akar akar riil berikut dengan metode Newton raphson
f ( x ) 0.9 x 2 1.7 x 2.5 ( tebakan awal 3.1 )

39
 f ( x) 0.51x sin x ( tebakan awal 2.0 )

1 0.61x
16. Tentukan akar riil dari f ( x) dengan menggunakan tiga iterasi
x

metode Secant dan tebakan awal xi 1 1.5 dan x1 2.0 hitung hampiran
galat setelah iterasi yang kedua dan ketiga
17. Tentukan akar riil dari f ( x) 5.9 11 x 6 x 2 x 3
Secara grafis
Metode Bagi Dua ( tebakan awal 2.5 dan 3.5 )
Metode Posisi Palsu ( tebakan awal 2.5 dan 3.5 )
Metode Newton Raphson ( tebakan awal 3.5 )
Metode Secant ( tebakan awal xi 1 2.5 dan x1 3.5 )

18. Tentukan akar riil dari f ( x ) x 3 98 dengan metode Secant sampai

s 1%

19. Gunakan baik metode Newton Rapson yang baku maupun yang dimodifikasi

untuk menghitung akar ganda dari f ( x ) 3 7 x 5 x 2 x 3 dengan

tebakan awal 0
20. Tentukan akar dari f ( x ) 12.5 3.75 x 7 x 2 x 3
Secara grafis
Dengan menggunakan metode paling efisien sampai s 1%

Soal.B
1.Dari metode metode yang telah ada , temukanlah metode mana yang lebih
cepat atau efisien dalam mendapatkan akar akar persamaan .

40
2. Temukanlah persamaan dan perbedaan perbedan dari metode metode yang
telah dipelajari.
3. Temukan kasus / masalah dalam bidang ilmu tertentu yang dapat diselesaikan
dengan metode metode dalam menentukan akar akar persamaan diatas.

41
 BAB IV
SISTEM PERSAMAAN LINIER
Bentuk Umum :
a11 x1 a12 x 2 ... a1n x n b1
a 21 x1 a 22 x 2 ... a 2 n x n b2
.
.
a m1 x1 a m 2 x 2 ... a mn x n bm

Bentuk Matriks

a11 a12 . a1n x1 b1

a a 22 . a 2 n x b
21 2 = 2
. . . . . .

a m1 . . a mn x m bm
Metode metode untuk mendapatkan Solusi SPL :
1.Eliminasi Gauss
2.Eliminasi Gauss Jordan
3.Dekomposisi LU
4.Jacobi
5.Gauss Seidel

A. Dekomposis LU
Jika terdapat matriks A non singular maka dapat difaktorkan / diuraikan /
dikomposisikan menjadi matriks Segitiga Bawah L ( Lower ) dan matriks Segitiga
atas U ( Upper ).
A = LU

42
 a11 a12 . a1n 1 0 . 0 u11 u12 . u1n
a a 22 . a 2 n l 21 1 . 0
0 u 22 . u 2 n
21 =
. . . . . . . . . . . .

a m1 . . a mn l m1 . . 1 0 . . u mn

Penyelesaian SPL Ax = b dengan metode LU

Ax b A LU
LUx b misalnya y Ux
Ly b

Untuk mendapatkan nilai y1 , y 2 , y 3 ,........ y n ( penyulihan maju )

Ly b

1 0 . 0 y1 b1
l 1 . 0
y b
21 2 = 2
. . . . . .

l m1 . . 1 y m bm

Untuk mendapatkan nilai x1 , x 2 , x3 ,........x n ( penyulihan mundur )

Ux y

u11 u12 . u1n x1 y1

0 u 22 . u 2 n x y
2 = 2
. . . . . .

0 . . u mn xm y m
Dua Metode untuk menyatakan A dalam L dan U :
1.Metode LU Gauss
Langkah langkah Pembentukan L dan U dari Matriks A
a. Nyatakan A = IA

43
 a11 a12 . a1n 1 0 . 0 a11 a12 . a1n
a . a 2 n 0 a . a 2 n
21 a 22 1 . 0 21 a 22
=
. . . . . . . . . . . .

a m1 . . a mn 0 . . 1
a m1 . . a mn

b. Eliminasikan matriks A di ruas kanan menjadi matriks segitiga atas U

c. Setelah proses Eliminasi gauss selesai pada matriks A ( elemen-elemen
dibawah diagonal utama adalah nol ). Matriks I menjadi matriks l dan matriks
A menjadi matriks U
Soal .
Tentukan solusi dari :
4 x1 3 x 2 x3 2
2 x1 4 x 2 5 x3 20
x1 2 x 2 6 x3 7

2.Metode Reduksi Crout

Karena LU = A maka hasil perkalian LU dapat ditulis

u11 u12 u13 a11 a12 a13

l u l 21u12 u 22 l 21u13 u 23 a a 22 a 23
21 11 21
l31u13 l 31u12 l32 u 22 l 31u13 l32 u 23 u 33 a31 a32 a33
Tinjau untuk Matriks 3x3
Dari kesamaan diatas diperoleh
u11 a11 u12 a12 u13 a13

a 21
l 21u11 a 21 l 21
u11
Dst.......

44
B. Iterasi Jacobi dan Seidel
a11 x1 a12 x 2 ... a1n x n b1
a 21 x1 a 22 x 2 ... a 2 n x n b2
.
.
a m1 x1 a m 2 x 2 ... a mn x n bm

Iterasi Jacobi
(k ) (k )
k 1 b1 a12 x 2 ... a1n x n
x1
a11
(k ) (k )
k 1 b2 a 21 x1 ... a 2 n x n
x2
a 22
(k ) (k )
k 1 bm a m1 x1 ... a mn 1 x n 1
xn
a mn
Iterasi Seidel
(k ) (k )
k 1 b1 a12 x 2 ... a1n x n
x1
a11
( k 1) (k )
k 1 b2 a 21 x1 ... a1n x n
x2
a 22
( k 1) (k )
k 1 bm a m1 x1 ... a mn 1 x n 1
xn
a mn
Dengan k = 0, 1, 2, ....
Untuk menghitung kekonvergenan atau berhentinya iterasi digunakan galat
relative

45
 ( k 1) (k )
xi xi
( k 1)
i= 1, 2, 3, ....n
xi
Syarat cukup iterasi konvergen : Dominan secara diagonal.

a ij a
j 1, j i
ij i= 1, 2, 3, ... n

Agar iterasi konvergen , cukup dipenuhi syarat ini. Jika dipenuhi pasti konvergen.
Kekonvergenan juga ditentukan oleh pemilihan tebakan awal.
4 1 3
8 1
Contoh : 4
2 1 5

4 1 3

8 4 1

5 2 1

Kekonvergenan iterasi Seidel lebih cepat karena langsung menggunakan nilai

baru.

Soal A.
1.Selesaikan SPL berikut dengan iterai Jacobi dan Seidel

46
 2 x1 8 x 2 x3 1 4x y z 7
5 x1 x 2 x3 10 4 x 8 y z 21
a. b. 2 x y 5 z 15
x1 x 2 4 x3 3
( x10 , x 20 , x30 ) (0,0,0) ( x 0, y 0, z 0) (1,2,2)

2.Faktorkan matriks A dan B dengan metode LU lalu pecahkan sistem Bx = c

4 3 1 1 1 1 1
A 2 4 5 B 2 2 1 c 5
1 2 6 1 1 1

3.Selesaikan sistem persamaan berikut dengan metode LU

4x y z 1
2x 2 y z 5
x y z 1

4.Diberi sistem persamaan linier Ax=b dengan A dan b sebagai berikut

1 2 3 1 10
2 5 4 8 8
A b
4 2 2 1 2

6 4 1 2 4
a. Tentukan solusi dengan metode iterasi Jacobi
b. Tentukan solusi dengan metode iterasi Seidel
c. Tentukan solusi dengan metode LU
5.Selesaikan sistem persamaan berikut dengan metode Reduksi Crout
8 x y 3z 2w 0
2 x 9 y z 2w 1
x 3y 2z w 2
x 6 z 4w 3

Soal B

47
Dapatkah sistem persamaan inier berikut
2 x y 5z 9
5x 3 y 6 5x 3 y 6
a. b. 6 x 8 y 4 c. x 5 y z 14
4x 2 y 8
7 x y 3 z 26

Diselesaikan dengan metode iterasi Jacobi dan iterasi seidel? Mengapa ?

BAB V
INTERPOLASI DAN EKSTRAPOLASI
5.1 Interpolasi
Interpolasi dapat digunakan untuk menghitung prakiraan nilai yang terletak
dalam rentangan titik-titik data, (Chapra, 1990). Bentuk interpolasi yang paling
banyak digunakan adalah interpolasi polinom orde n.
Bentuk umum persamaan polinom orde n adalah sebagai berikut:

48
f ( x ) a 0 a1 x a 2 x 2 a3 x 3 ..... a n x n , a n 0 ..................................(11)
Untuk n+1 titik data hanya terdapat satu polinom orde n atau kurang yang
melalui sebuah titik. Misal polinom orde (1) terdapat 2 titik data dengan grafik
garis lurus, dan polinom orde 2 terdapat 3 titik data dengan grafik berbentuk
parabol. Di dalam operasi interpolasi ditentukan suatu persamaan polinom orde
n yang melalui n+1 titik data yang kemudian digunakan untuk menentukan
suatu nilai di antara titik-titik data tersebut.
a.Interpolasi Linier
Interpolasi linier merupakan bentuk interpolasi yang paling sederhana, yang
hanya membutuhkan dua titik data.

f(x1) E
f(x) C
f(x0)
A X BX D
X
0 1

Karena segitiga ABC sebangun dengan segitiga ADE maka

BC DE

AB AD

sehingga

49
 f 1 ( x) f ( x 0 ) f ( x1 ) f ( x 0 )

x x0 x1 x0
f ( x1 ) f ( x 0 )
f 1 ( x ) f ( x0 ) x x0
x1 x0
f ( x1 ) f ( x 0 )
f1 ( x) f ( x0 ) x x0 .......................................(12)
x1 x 0

rumus umum interpolasi linier polinom orde I

f ( x1 ) f ( x0 )
yaitu gradien garis melalui 2 titik.
x1 x0
Semakin kecil interval atau titik data maka hasil perkiraan semakin baik.
b.Interpolasi kuadrat
Interpolasi kuadrat membutuhkan 3 titik data, dan persamaan polinomnya
ditulis sebagai berikut:
f 2 ( x) b0 b1 ( x x0 ) b2 ( x x0 )( x x1 ) .........................................

(13)
f 2 ( x ) merupakan polinom orde dua sehingga fungsinya merupakan
fungsi kuadrat.
dari titik data yang diketahui ( x 0 , f ( x 0 )), ( x1 , f ( x1 )), ( x 2 , f ( x 2 )),

digunakan untuk mencari b0 , b1 , dan b2 . dengan cara perhitungan

sebagai berikut:
o Hitung b0

Dari persamaan (13) dengan mensubtitusi x x0 maka

f ( x 0 ) b0 b1 ( x 0 x 0 ) b2 ( x 0 x 0 )( x 0 x1 )

50
 f ( x0 ) b0 ..................................................................................... (14)

b0 f ( x0 )

o Hitung b1
Dengan mensubtitusi persamaan (14) ke persamaan (13) dan subtitusi
x x1 ke persamaan (13) diperoleh
f ( x1 ) f ( x 0 ) b1 ( x1 x 0 ) b2 ( x1 x 0 )( x1 x1 )
f ( x1 ) f ( x 0 ) b1 ( x1 x 0 ) 0
b1 ( x1 x 0 ) f ( x1 ) f ( x 0 )

f ( x1 ) f ( x0 )
b1 f x1, x 0 .......... .......... .......... .......... .......... .......
x1 x0

o Hitung b2
Substitusi persamaan 14 ke persamaan 15 dan juga subtitusi x=x 2 ke
persamaan

51
Substitusi persamaan 14 ke persamaan 15 dan juga subtitusi x=x 2 ke
persamaan

52
 f ( x1 ) f ( x 0 )
f ( x2 ) f ( x0 ) x 2 x0 b2 ( x 2 x0 )( x 2 x1 )
x1 x 0
f ( x1 ) f ( x 0 )
b2 ( x 2 x 0 )( x 2 x1 ) f ( x 2 ) f ( x 0 ) x 2 x0
x1 x 0
f ( x1 ) f ( x 0 )
f ( x2 ) f ( x0 ) x 2 x1 x1 x0
x1 x 0
f ( x1 ) f ( x 0 )
f ( x2 ) f ( x0 ) x 2 x1 f x1 f x0
x1 x 0
f ( x1 ) f ( x 0 )
f ( x 2 ) f ( x1 ) x 2 x1
x1 x 0
f ( x1 ) f ( x 0 )
f ( x 2 ) f ( x1 ) x 2 x1
x1 x 0
b2
( x 2 x 0 )( x 2 x1 )
f ( x2 ) f ( x1 ) f ( x1 ) f ( x0 )
( x2 x1 ) x1 x0

x2 x 0
f x 2, x1 f x1 , x 0
b2 .......... .......... .......... .......... .......... .......... .
x 2 x0

53
atau b2 f x2 , x1 , x0 maka
f 2 ( x) f ( x0 ) f x1 , x0 ( x x0 ) f x2 , x1 , x0 ( x x0 )( x x1 )
b0 b1 ( x x0 ) b2 ( x x0 )( x x1 )
f ( x1 ) f ( x0 )
f x1 , x0
x1 x0
f x2, x1 f x1 , x0
f x 2 , x 1 , x0
x 2 x0
f ( x2 ) f ( x1 ) f ( x1 ) f ( x0 )
( x2 x1 ) x1 x0

( x 2 x0 )
f x3 , x 2 , x1 f x 2 , x1 , x0
f x 3, x 2 , x 1 , x 0
x3 x 0
f x3, x2 f x2 , x1 f x 2 , x1 , x0

x3 x 0

c. Interpolasi Polinomial
Untuk polinomial orde n digunakan n 1 titik data. Bentuk umum Polinom
orde n adalah
f n ( x) b0 b1 ( x x 0 ) b2 ( x x 0 )( x x1 )
....bn ( x x0 )( x x1 )...( x x n 1 )..................................................17

Koefisien b0 , b1 ,......... .., bn di evaluasi dengan menggunakan:

b0 f ( x) ...................................................................................18

b1 f [ x1 , x 0 ] ............................................................................19

b2 f [ x 2 , x1 , x0 ] ........................................................................20

bn f [ x n , x n 1 ..... x1 , x 0 ] ............................................................

.21

54
 Dengan [] adalah pembagian beda hingga
n 3 maka
f 3 ( x ) b0 b1 ( x x 0 )( x x1 ) b3 ( x x 0 )( x x1 )( x x 2 ).......................22

Dengan b0 f ( x 0 )

f ( x1 ) f ( x 0 )
b1 f [ x1 , x 0 ]
x1 x 0

f [ x 2 , x1 ] f [ x1 , x 0 ]
b2 f [ x 2 , x1 , x 0 ]
x 2 x0

f [ x3 , x 2 , x1 ] f [ x 2 , x1 , x0 ]
b3 f [ x3 , x 2 , x1 , x0 ]
x3 x 0

( f [ x3 , x 2 f [ x 2 , x0 ]) f [ x 2 , x1 , x 0 ]
=
x3 x0
Misal pembagian beda hingga pertama
f [ xi ] f [ x j ]
f [ xi , x j ] ..............................................................................23
xi x j

Pembagian beda hingga kedua

f [ xi , x j ] f [ x j , x k ]
f [ xi , x j , x k ] ..............................................................24
xi x k
Pembagian beda hingga ketiga
f [ xi , x j , x k ] f [ x j , x k , xl ]
f [ x i , x j , x k , xl ] ...............................................2
xi xl
5
Pembagian beda hingga ke-n

55
 f [ x n , x n 1, ...x1 , x 0 ]

f [ x n , x n 1 ,....x1 ] f [ x n 1 ,....x1 , x 0 ]
................................ ...26
xn x0
Bentuk pembagian beda hingga digunakan untuk menghitung koefisien b0,
b1,...,bn kemudian disubstitusikan ke dalam persamaan (17). untuk mendapatkan
interpolasi polinomial ordo n.
fn(x ) =

f ( x 0 ) f [ x1 , x 0 ]( x x0 ) f [ x 2 , x1 , x0 ]( x x0 )( x x1 ) f [ x3 , x 2 , x1 , x0 ]

( x x0 )( x x1 )( x x 2 ) ... f [ x n , x n 1 ,...x1 x0 ]( x x0 )( x x1 )... x x n 1

persamaan 23-25 Konstanta
artinya PBH yang lebih tinggi terdiri dari PBH yang lebih rendah

PBH
i xi f ( xi ) Pertama Kedua Ketiga
0 x0 f ( x0 ) f [ x1 , x 0 ] f [ x 2 , x1 , x 0 ] f [ x 3 , x 2 , x1 , x 0 ]
1 x1 f ( x1 ) f [ x 2 , x1 ] f [ x3 , x 2 , x1 ] f f [ x 4 , x3 , x 2 , x1 ]
2 x2 f ( x2 ) f [ x3 , x 2 ] f [ x 4 , x3 , x 2 ]
3 x3 f ( x3 ) f [ x 4 , x3 ]
4 x4 f ( x4 )

c. Interpolasi Polinomial Lagrange (IPL)

Hampir sama dengan polinomial Newton, tetapi tidak menggunakan bentuk
PBH.
IPL dapat diturunkan dari persamaan Newton

56
IPL orde 1
f 1 ( x) f ( x0 ) f [ x1 , x0 ]( x x0 ) ...........................................................27

f ( x1 ) f ( x0 )
f1 [ x1 , x0 ]
x1 x0

f ( x1 ) f ( x0 )
Atau f x1 , x0
x1 x0 x0 x1
................................................................28
Substitusi 27 ke 28
x x0 x x0
f1 ( x) f ( x0 ) f ( x1 ) f ( x0 )
x1 x 0 x0 x1

x x1 x x0 x x0
f1 ( x0 ) 0 f ( x0 ) f ( x1 )
x0 x1 x0 x1 x1 x0

x x1 x x0
= f ( x0 )

f ( x1 ) .......................................................29
x0 x1 x1 x0

Dengan prosedur yang sama diperoleh IPL orde-orde sebagai berikut

( x x1 )( x x 2 ) x x0 x x2
f 2 ( x) f ( x0 ) f (x )
( x0 x1 )( x0 x 2 ) x1 x0 x1 x2 1
( x x0 )( x x1 )
f ( x 2 ) .....................................................................3
( x 2 x0 )( x 2 x1 )
0
( x x1 )( x x 2 )( x x3 ) ( x x0 )( x x 2 )( x x3 )
f 3 ( x) f ( x0 )
( x0 x1 )( x0 x 2 )( x0 x3 ) ( x1 x 0 )( x1 x 2 )( x1 x3 )

57
 x0 1971 f ( x 0 ) 2295279
x1 1990 f ( x1 ) 3268644
( x x )( x x )( x x ) ( x x 0 )( x x1 )( x x 2 )
x f ( x1 )1980 f0 1( x) 1...........3? f ( x 2 ) f ( x3 )
( x 2 x 0 )( x 2 x1 )( x 2 x 3 ) ( x 3 x 0 )( x3 x1 )( x 3 x 2 )
Bentuk umum IPLf (orde
x1 ) n f ( x 0 )
f 1( x) f ( x 0 )
n x1 x0
x x0
f n ( x) Li ( x) f 3268644
( xi ) .........................................................................3
2295279
2295279
i 0 (1980 1971)
1990 1971
1 2756346,63
selisih 2756 n x,347
xj

Li ( x) 2756346 ,63 2737166
RE j 0 xi x j x100
2737166
atau
0,7%
n n
x xi 2295279
f 1971

x 0 f n ( x)1971
x x
f ( xi )
x1 2000 f 2000 3808477
i 0 j 0 i j

x j i 1990 f x ........... ?
1

3808477 2295279
f1 ( x) 2295279 (1990 1971)
2000 1971
2.5.1. Ekstrapolasi
3286684,59
Ekstrapolasi adalah,59
selisih 18040 penaksiran nilai f(x) untuk x yang terletak di luar selang
titik data, dan3286684,59
analisis kecendrungan
- 3268644dari masalah ekstrapolasi diarahkan
RE x100
dengan menggunakan 3268644
polinomial interpolasi.
0,5%
1.1.1 Interpolasi
x0 Polinomial
1980 fNewton
1980 2737166
4.2.1.1 Manual
x1 2000 f 2000 3808477
x 1990 f 1 x ........... ?
3808477 2737166
Interpolasi
f 1 ( x ) dan ekstrapolasi
2737166 polinomial orde I (1990 1980)
2000 1980
3272821,5
selisih 4177,5
3272821,5 - 3268644
RE x100
3268644
0,3%

58
Model pertumbuhan penduduk NTT berdasarkan Teknik Ekstrapolasi
yang diarahkan dengan polinom interpolasi

x0 1980 f 1980 2737166

x1 1990 f 1990 3268644
3268644 2737166
b1
10
53147.8

59
Model pertumbuhan penduduk NTT didapatkan dengan mensubtitusikan
nilai b1 ke bentuk umum polinom Newton
Yaitu sebagai berikut:
f1(x) = 2737166 +53147,8(x-x0),
sehingga model pertumbuhan penduduk NTT berdasarkan teknik
interpolasi polinom Newton orde I, dengan menggunakan tahun 1980
sebagai x0 adalah sebagai berikut:
f1(x) = 2737166 +53147,8(x-x0),
maka jumlah penduduk NTT pada tahun 2000
f1 x 2737166 53147.8( 20)
3800122

Selisih = - 8355
Gallat =0,2%

60
 Interpolasi dan ekstrapolasi polinomial orde 2
Ekstrapolasi kuadrat diarahkan dengan menggunakan polinomial
interpolasi orde 2

x0 1971 f 1971 2295279

x1 1980 f 1980 2737166
x 2 1990 f (1990) 3268644
x 2000 f (2000) ................?
b0 f x0 2295279
f ( x1 ) f ( x0 )
b1 f x1, x0
x1 x0
2737166 2295279

1980 1971
49098,5
f ( x2 ) f ( x1 )
f x2 , x1
x2 x1
3268644 2737166

1990 1980
53147,8
f ( x3 ) f ( x2 )
f x3 , x2
x3 x2
3808477 3268644

2000 1990
53983,3

61
 f x 2 , x1 f x1 , x 0
b2 f x 2 , x1 , x 0
x2 x0

53147,8 49098,5

1990 1971
4049,3

19
213,12

Model pertumbuhan penduduk NTT berdasarkan teknik interpolasi

polinomial Newton orde ke II, didapatkan dengan mensubtitusikan nilai b 0,
b1, b2 ke rumus umum polinomial Newton maka sebagai berikut:
F2(x) = 2295279 + 49098,5 (x-x0) + 213,12 (x-x0)(x-x1)
F2(x) = 2295279 + (x-x0) (49098,5 + 213,12 (x-x1))
Dengan menggunakan model di atas, maka jumlah penduduk NTT pada
Tahun 2000 adalah sebagai berikut:
Maka f2(x) = 2295279 + 49098,5 (29) + 213,12 (29) (20)
= 3842745.745,1
Selisih = 34268,1
RE = 0,8%
Interpolasi Polinomial Orde 3
Prediksi jumlah penduduk pada tahun 2004
i xi f ( xi ) Pertama Kedua Ketiga
0 1971 2295279 49098,5 213,12 -5.908
1 1980 2737166 53147,8 41,775f
2 1990 3268644 53983,3
3 2000 3808477

62
 f ( x1 ) f ( x0 )
b1 f x1, x0
x1 x0
2737166 2295279

1980 1971
49098,5
f ( x2 ) f ( x1 )
f x2 , x1
x2 x1
3268644 2737166

1990 1980
f x2 , x1 f x1 , x0
b2 f x2 , x1 , x0 53147,8
x2 x0

53147,8 49098,5

1990 1971
4049,3

19
213,12

f x3 , x2 f x2 , x1
f x3 , x2 , x1
x3 x1
53983,3 53147,8

2000 1980
41,775
f x3 , x2 , x1 x2 , x1 , x0
b3 f x3 , x2 , x1 , x0
x3 x0
41,775 213,12

2000 1971
5,908

63
 Sehingga model pertumbuhan penduduk NTT dengan menggunakan tehnik
interpolasi polinom Newtonl orde 3
F3(x) = 2295279 + 49098,5 (x-x0) + 213,12 (x-x0)(x-x1)+(-5,908)(x-x0)
(x-x1)(x-x2)
F3(x) = 2295279 + (x-x0) (49098,5 + 213,12 (x-x1)+(-5,908)(x-x1)(x-x2))
Berdasarkan model di atas, maka jumlah penduduk NTT pada tahun 2004
F3(x) = 2295279 + 49098,5 (33) + 213,12 (33)(24)+(-5,908)(33)(24)(14)
= 4018717,596
4018812,6 4188774
RE
4188774
4%
Maka prediksi terhadap jumlah penduduk NTT tahun 2004 dengan
menggunakan teknik polinomial Newton orde ke- 3 adalah 4018718
1.1.2 Interpolasi Polinomial Langrange
4.2.1.2 Manual

Model pertumbuhan penduduk NTT berdasarkan interpolasi polinom

langrange

x0 1971 f 1971 2295279

x1 1980 f 1980 2737166
x 2 1990 f (1990) 3268644
x3 2000 f (2000) 3808477

64
 Sehingga model pertumbuhan penduduk NTT berdasarkan
polinom Langrange orde ke II

( x x1 )( x x2 ) x x0 x x2
f 2 ( x) 2295279 2737166
( x0 x1 )( x0 x2 ) x1 x0 x1 x2
( x x 0 )( x x1 )
3268644 ...................................................................
( x 2 x 0 )( x 2 x1 )
..30
Sedangkan model pertumbuhan penduduk NTT berdasarkan
polinom Langrange orde ke III

( x x1 )( x x 2 )( x x3 ) ( x x0 )( x x 2 )( x x3 )
f 3 ( x) 2295279
( x0 x1 )( x0 x 2 )( x0 x3 ) ( x1 x0 )( x1 x 2 )( x1 x3 )
( x x 0 )( x x1 )( x x 3 ) ( x x 0 )( x x1 )( x x 2 )
2737166 3268644 3808477
( x 2 x 0 )( x 2 x1 )( x 2 x 3 ) ( x3 x 0 )( x3 x1 )( x3 x 2 )

65
 Sehingga jumlah penduduk tahun 2004 berdasarkan model ini adalah
2004 1980 2004 1990 2004 2000
p3 x 2295279
1971 19801971 19901971 2000
2737166
2004 19871 2004 1990 2004 2000
1980 19711980 19901980 2000
3268644
2004 1971 2004 1980 2004 2000
1990 19711990 19801990 2000
3808477
2004 1971 2004 1980 2004 1990
2000 1971 2000 1980 2000 1990
2295279
2414 4 2737166 3314 4
9 19 29 9 10 10
3268644
33 24 4 3808477 33 2414
1910 10 29 2010
622071.985 2810157.093 5450033.785 7280757.410
4018808,733
4018809

4018809 4188774
RE
4188774
4.5%
Soal A.
1. Taksirlah logaritma asli dari 2 ( ln 2) dengan memakai interpolasi linier.
Pertama , lakukan komputasi dengan menginterpolasi antara ln 1 = 0 dan ln 6
= 1.7917595. kemudian ulangi prosedurnya tetapi dengan menggunakan
selang yang lebih kecil mulai ln 1 sampai ln 4 ( 1.3862944 ). Perhatikan
bahwa nilai sejati ( true value ) dari ln 2 adalah 0.69314718
2. Cocokkan polinom orde kedua terhadap tiga titik yang dipakai dalam nomor
1.

66
 3. Dengan menambahkan titik keempat ln 5 = 1.6094379. taksirlah ln 2 dengan
polinom interpolasi beda terbagi newton orde ketiga.
4. Gunakan polinom interpolasi langrange orde pertama dan kedua untuk
menghitung ln 2 berdasar data pada no 1.
5. Taksirlah logaritma bilangan pokok 10 dari 4 ( log 4 ) dengan memakai
interpolasi linear
a. Interpolasikan antara log 3 dan log 5
b. Interpolasikan antara log 3 dan log 4.5 untuk setiap interpolasi hitung
persen galat relatif berdasar nilai sejati log 4.
6. Cocokkan polinom interpolasi newton orde kedua untuk menaksir log 4
dengan memakai data no. 5. Hitung persen galat relatif
7. Cocokkan polinom interpolasi newton orde ke tiga untuk menaksir log 4
dengan data pada no 5 dengan titik tambahan log 3.5 . Hitung persen galat
relatif
8. Ulangi soal 5 - 7 dengan memakai polinom Langrange
9. Diberi data
x 1 2 3 5 6
f(x) 4.75 4 5.25 19.75 36
Hitung f(3.5) dengan memakai polinom polinom interpolasi newton
orde 1 sampai 4. Pilih urutan titik titik untuk taksiran anda untuk mencapai
ketelitian yang bagus.
10. Ulangi soal nomor 9 dengan memakai polinom langrange.

Soal B.

67
1. Prediksikan jumlah penduduk NTT pada tahun 2012 berdasarkan data
jumlah penduduk pada tahun 1971, 1980, 1990, dan 2000
x0 1971 f 1971 2295279
x1 1980 f 1980 2737166
x 2 1990 f (1990) 3268644
x3 2000 f (2000) 3808477

2. Buatlah program dalam bahasa pemrograman Pascal untuk interpolasi

Langrange

68
69