Metode Numerik
-
Upload
sulistyo-widhiatmoko -
Category
Documents
-
view
113 -
download
5
description
Transcript of Metode Numerik
LOGOMETODE KOMPUTASI & ANALISIS NUMERIK
Tri Istanto, ST. MT
Contents…
Bab I. Pendahuluan
Bab II. Akar - Akar Persamaan
Bab III. Sistem Persamaan Linear
Bab IV. Analisis Regresi
Bab V. Interpolasi
• Metode Numerik adalah teknik untuk menyelesaikan permasalahan-permasalahan yang diformulasikan secara matematis dengan cara operasi hitungan (arithmetic).
• Metode numerik mampu menangani sistem persamaan besar, ketaklinearan, dan geometri yang rumit yang lazim dalam praktek rekayasa yang tidak mungkin dipecahkan secara analitis.
[Konsep Metode Numerik]
BAB I PENDAHULUAN
[Aplikasi]• Ilmu metode numerik adalah milik
semua ahli dari berbagai bidang, seperti bidang teknik (sipil, mesin, elektro, kimia, dsb), kedokteran, ekonomi, sosial dan bidang ilmu lainnya.
• Berbagai masalah dalam berbagai disiplin ilmu pengetahuan dapat digambarkan dalam bentuk matematika dari berbagai fenomena yang berpengaruh.
[1.1. Kesalahan / Galat / Error]
•Penyelesaian analitis mampu menghitung galat dengan tepat, dengan kata
lain penyelesaian analitis menghasilkan nilai eksak (yang benar).•Penyelesaian numeris dari suatu penyelesaian matematik hanya
memberikan nilai perkiraan yang mendekati nilai eksak dari penyelesaian
analitis.
Berarti dalam penyelesaian numerik terdapat kesalahan (galat) terhadap nilai
eksak dari penyelesaian analitis.
Tiga bentuk
galat utama
dalam metode
numerik
Galat bawaan (Kecerobohan data)
Galat pembulatan (round off error)
Galat pemotongan (truncation error)
[1.2. Kesalahan Absolut dan Relatif ]
Hubungan antara nilai eksak, nilai perkiraan dan kesalahan :
P = P* + Ee
Dimana :
P = nilai eksak
P* = nilai perkiraan
Ee = kesalahan terhadap nilai eksak
Kesalahan Absolut adalah perbedaan antara nilai eksak dan nilai perkiraan
atau :
Ee = P – P*
Kesalahan absolut ini tidak menunjukkan tingkat kesalahan.
[1.2. Kesalahan Absolut dan Relatif …]
Kesalahan Relatif menyatakan besarnya tingkat kesalahan, yaitu
dengan membandingkan kesalahan yang terjadi dengan nilai eksak.
εe =
dimana εe adalah kesalahan terhadap nilai eksak
Karena nilai eksak hanya dapat diketahui dari penyelesaian analitis
(biasanya tidak diketahui), maka kesalahan relatif biasanya berdasarkan
nilai perkiraan terbaik dari nilai eksak, sehingga :
%100xP
Ee
Kesalahan Relatif terhadap nilai perkiraan terbaik (εa):
εa =
dimana :
Ea = kesalahan terhadap nilai perkiraan terbaik
P* = nilai perkiraan terbaik
%100*
xP
Ea
[1.2. Kesalahan Absolut dan Relatif …]
Dalam kasus metode numerik dengan penyelesaian secara iterasi,
kesalahan relatif dinyatakan dalam bentuk :
dimana :
P*n = nilai perkiraan pada iterasi ke – n
P*n+1 = nilai perkiraan pada iterasi ke – n+1
%1001
*
*
1
* xP
PPn
nn
a +
+−
=ε
Contoh :
Hitung kesalahan yang terjadi dari nilai ex dengan x = 0,5 apabila hanya
diperhitungkan beberapa suku pertama saja. Nilai eksak dari e0,5 =
1,648721271
Jawab :
Nilai ex dapat dihitung berdasarkan deret sebagai berikut :
[1.2. Kesalahan Absolut dan Relatif …]
Jawab :
[1.2. Kesalahan Absolut dan Relatif …]
Jawab :
[1.2. Kesalahan Absolut dan Relatif …]
BAB II AKAR-AKAR PERSAMAAN
Mencari akar dari suatu fungsi persamaan f(x) = 0
Metode Grafis (Grafical Method)
Metode ini paling sederhana dalam
memperoleh taksiran akar persamaan
f(x) = 0. Nilai x dimana f(x) = 0
memberikan aproksimasi (pendekatan)
kasar dari akar.
Nilai praktis dari metode grafis ini sangat terbatas karena kurang
tepat, namun dapat dimanfaatkan untuk memperoleh taksiran kasar
dari akar.
BAB II AKAR-AKAR PERSAMAAN
2.1. Metode Pengurung (Bracketing Method)
• Suatu fungsi f(x) akan berganti tanda di sekitar suatu akar.
• Diperlukan dua terkaan awal untuk akar, dimana terkaan ini harus “mengurung” atau
berada pada kedua sisi akar.
2.1.1. Metode Bagi Dua / Setengah Interval (Bisection Method)
Langkah 1. Pilih xa bawah dan xb puncak taksiran untuk akar, dimana harus dipastikan bahwa f(xa).f(xb) < 0.
Langkah 2. Taksiran akar xc ditentukan oleh :
Langkah 3. a) Jika f(xa).f(xc) < 0, akar berada pada bagian interval bawah, maka xb = xc dan kembali ke langkah 2.
b) Jika f(xa).f(xc) > 0, akar berada pada bagian interval atas, maka xa = xc dan kembali ke langkah 2
c) Jika f(xa).f(xb) = 0 , akar setara xc, hentikan komputasi
2
bac
xxx
+=
Contoh metode bisection :
BAB II AKAR-AKAR PERSAMAAN
Hitung salah satu akar dari persamaan pangkat 3 berikut ini
f(x) = x3 + x2 – 3x – 3 = 0
Jawab :
Diambil 2 titik, misalnya x = 1 dan x = 2.
Untuk x = 1, f(x =1) =(1)3 + (1)2 – 3(1) – 3 = - 4
Untuk x = 2, f(x =2) =(2)3 + (2)2 – 3(2) – 3 = 3
Karena f(1).f(2) < 0, maka pemisalan 2 titik valid.
Menghitung taksiran akar (xt)
Cek f(1,5) = (1,5)3 + (1,5)2 – 3(1,5) – 3 = -1,875
Oleh karena fungsi berubah tanda antara x = 1,5 dan x =2,
akar persamaan terletak diantara 2 nilai tersebut.
5,12
21
2
21 =+
=+
=xx
xt
Tabulasi komputasi contoh soal bisection
BAB II AKAR-AKAR PERSAMAAN
2.1.2 Metode Interpolasi Linear / Posisi Palsu (False Position)
• Sebagai metode yang dikembangkan akibat metode bisection yang relatif kurang efisien.
• Metode ini menghubungkan 2 titik-titik awal dalam sebuah garis lurus. Perpotongan garis ini dengan sumbu-x merupakan taksiran akar.
Memisalkan 2 titik awal xa dan xb dimana dipastikan bahwa f(xa).f(xb) < 0
Menggunakan segitiga sebangun
Taksiran akar x1 menjadi :
11 xx
f
xx
f
b
b
a
a
−=
−
)(1 ab
ab
bb xx
ff
fxx −
−−=
BAB II AKAR-AKAR PERSAMAAN
Contoh metode interpolasi linear
Hitung salah satu akar dari persamaan pangkat 3 berikut ini
f(x) = x3 + x2 – 3x – 3 = 0
Jawab :
Diambil 2 titik, misalnya x = 1 dan x = 2.
Untuk x = 1, f(x =1) =(1)3 + (1)2 – 3(1) – 3 = - 4
Untuk x = 2, f(x =2) =(2)3 + (2)2 – 3(2) – 3 = 3
Karena f(1).f(2) < 0, maka pemisalan 2 titik valid.
Menghitung taksiran akar (xt)
Nilai f(xt) = -1,36449, karena f(xt) bertanda negatif, maka akar terletak antara x = 1,57142 dan x = 2, selanjutnya taksiran akar
Nilai f(xt) = -0,24784, dan seterusnya….(lihat tabel)
[ ]57142,1)12(
)4(3
32 =−
−−−=tx
[ ]70540,1)57142,12(
)36449,1(3
32 =−
−−−=tx
Tabulasi hasil contoh metode interpolasi linear
www.themegallery.com
BAB II AKAR-AKAR PERSAMAAN
2.2. Metode Terbuka (Open Method)
• Memerlukan satu atau dua nilai x yang tidak perlu mengurung akar.
• Metode ini kadang divergen (menjauhi akar), tetapi kalau konvergen metode ini akan lebih cepat
daripada metode pengurung
2.2.1 Metode Newton Raphson
Metode ini paling banyak dipakai untuk mencari akar suatu persamaan.
Diperlukan satu titik awal, x0 kemudian dibuat garis singgung lewat (x0,f0), dimana garis singgung ini memotong sumbu-x di x1 yang merupakan perkiraan nilai akar.
Dimana nilai x1
)('
)(
0
001
xf
xfxx −=
www.themegallery.com
BAB II AKAR-AKAR PERSAMAAN
Contoh metode newton raphsonHitung salah satu akar dari persamaan pangkat 3 berikut ini
f(x) = x3 + x2 – 3x – 3 = 0
Jawab :
Turunan pertama dari persamaan tersebut
f’(x) = 3x2 + 2x -3
Ditentukan nilai x0 sembarang, misalkan x0 = 1
Didapat : f(1) = (1)3 + (1)2 – 3(1) – 3 = -4
f’(1) = 3(1)2 + 2(1) – 3 = 2
Taksiran akar
Hitungan berikutnya :
f(3) = (3)3 + (3)2 – 3(3) – 3 = 24
f’(3) = 3(3)2 + 2(3) – 3 = 30
Taksiran akar
32
411 =
−−=x
2,230
2432 =−=x dan seterusnya (lihat tabel)
Tabel hasil perhitungan dengan newtonraphson
www.themegallery.com
BAB II AKAR-AKAR PERSAMAAN
2.2.2 Metode Secant
Metode ini pada dasarnya sama dengan metode newton raphson, hanya saja turunan pertama dalam newton raphson didekati dengan beda hingga (kadang-kadang sulit mencari turunan pertama dari persamaan yang diselesaikan) :
Sehingga rumus taksiran akar menjadi :
1
1)()()('
−
−
−
−=
nn
nnn
xx
xfxfxf
)()()(
)(
1
11 n
nn
nnnn xf
xfxf
xxxx
−
−
+−
−−=
Metode ini memerlukan 2 nilai awal x0 dan x1
www.themegallery.com
BAB II AKAR-AKAR PERSAMAAN
Contoh metode secantHitung salah satu akar dari persamaan pangkat 3 berikut ini
f(x) = x3 + x2 – 3x – 3 = 0
Jawab :
Iterasi pertama diambil dua nilai awal x1 = 1 dan x2 = 2
Didapat : x1 =1 , f(1) = (1)3 + (1)2 – 3(1) – 3 = -4
x2 =2 , f(2) = (2)3 + (2)2 – 3(2) – 3 = 3
Taksiran akar
Hitungan berikutnya, berdasar x2 = 2 dan x3 = 1,57142
Didapat x2 = 2 , f(2) = 3
x3 = 1,57142 , f(1,57142) = -1,36449
Taksiran akar
dst lihat tabel
57142,13)4(3
)12(2)(
)()(2
12
1223 =
−−
−−=
−
−−= xf
xfxf
xxxx
70540,1)36449,1(336449,1
)257142,1(57142,14 =−
−−
−−=x
Tabel hasil komputasi metode secant
www.themegallery.com
BAB II AKAR-AKAR PERSAMAAN
2.2.3 Metode Iterasi
• Menggunakan suatu persamaan yang dikembangkan dari fungsi f(x) = 0 sehingga parameter x
berada di sisi kiri dari persamaan.
• Nilai x merupakan fungsi dari x, diberikan nilai perkiraan awal dari akar xi dapat dihitung
perkiraan akar baru xi+1 dengan rumus iteratif sebagai berikut :
• Besarnya kesalahan dihitung dengan rumus :
•Transformasi ini dapat dilakukan dengan manipulasi aljabar atau dengan menambahkan parameter x pada kedua sisi persamaan aslinya.
• Dalam proses transformasi harus hati-hati bisa terjadi divergensi (menjauhi akar)
)(1 ii xgx =+
%1001
1 xx
xx
i
iia
+
+−
=ε
)(xgx =
www.themegallery.com
BAB II AKAR-AKAR PERSAMAAN
Contoh metode iteratifHitung salah satu akar dari persamaan pangkat 3 berikut ini
f(x) = x3 + x2 – 3x – 3 = 0
Jawab :
a) Penyelesaian yang konvergen
Persamaan diatas dapat ditulis dalam bentuk :
x3 = -x2 + 3x + 3, atau x = (-x2 + 3x + 3)1/3
Sehingga :
xi+1 = (-xi2 + 3xi + 3)1/3
Jika ditentukan perkiraan awal x1 = 2 didapatkan
x2 = (-x12 + 3x1 + 3)1/3 = (-22 + 3.2 + 3)1/3 = 1,70998
Besar kesalahan :
%9607,16%10070998,1
270998,1%100
2
12 =−
=−
= xxx
xxaε
Iterasi berikutnya x2 = 1,70998 digunakan untuk menghitung x3
x3 = (-1,709982 + 3.1,70998 + 3)1/3 1,73313
%34,1%10073313,1
70998,173313,1=
−= xaε
www.themegallery.com
BAB II AKAR-AKAR PERSAMAAN
b) Penyelesaian yang divergen
Persamaan diatas dapat ditulis dalam bentuk :
Sehingga dalam bentuk iterasi :
Jika ditentukan perkiraan awal x1 = 2 didapatkan
Besar kesalahan :
3
323−+
=xx
x
3
323
1
−+=
+
iii
xxx
33
322
3
3 232
1
3
12 =
−+=
−+=
xxx
%3333,33%1003
23%100
2
12 =−
=−
= xxx
xxaε
Dari tabel diatas terlihat bahwa pada iterasi yang lebih tinggi ternyata hasil komputasi malah menjauhi nilai akar persamaan yang benar.
Ada syarat supaya persamaan iteratif yang dibentuk menghasilkan penyelesaian yang konvergen (mendekati akar persamaan)
www.themegallery.com
BAB II AKAR-AKAR PERSAMAAN
Konvergensi dan Divergensi dalam Metode Iterasi
Persamaan x = g(x) dapat ditulis dalam sepasang persamaan y1= x dan y2 = g(x), dimana keduanya digambarkan dalam satu bidang koordinat (lihat gambar a-d).
Akar persamaan adalah sama dengan nilai absis dari titik potong antara kedua kurva. Sehingga penyelesaian akan konvergen jika perkiraan x bergerak mendekati perpotongan kedua kurva.
Disimpulkan bahwa konvergensi akan terjadi jika nilai absolut kemiringan (gradien) y2 = g(x) adalah lebih kecil dari kemiringan y1 = x, atau : jadi gambar a,b konvergen, sedang c dan d divergen.
1)(' <xg
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Bentuk umum sistem persamaan linear
a11x1 + a12x2 + …..+ a1nxn = b1
a21x1 + a22x2 + …..+ a2nxn = b2
a31x1 + a32x2 + …..+ a3nxn = b3
.
.
an1x1 + an2x2 + …..+ annxn = bn
dengan a adalah koefisien konstan, b adalah konstan, n adalah jumlah persamaan , dan x1,
x2, …..,xn adalah bilangan yang tak diketahui
Sistem persamaan linear dapat ditulis dalam bentuk matriks.
Dalam bentuk matriks
=
nnnnnn
n
n
b
b
b
x
x
x
aaa
aaa
aaa
..
...
......
...
...
2
1
2
1
21
22221
11211
atau
AX = B
dengan :
A = matriks koefisien n x n
X = kolom vektor n x 1 dari bilangan tak
diketahui
B = kolom vektor n x 1 dari konstanta
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Metode Penyelesaian Sistem Persamaan Linear
3.1 Metode Langsung
3.1.1. Metode Eliminasi Gauss
• Metode paling awal yang dikembangkan dalam
penyelesaian sistem persamaan linear
• Terdiri dari dua tahap/langkah pokok, yaitu :
a. Eliminasi maju ( forward elimination)
b. Substitusi mundur (Back substitution)
• Prosedur dalam metode ini adalah mengubah matrik koefisien menjadi matrik segitiga atas
Dua tahap eliminasi gauss
( )( ) 1131321221
'
223
'
23
'
22
''
33
''
33
''
3
''
33
'
2
'
23
'
22
1131211
3333231
2232221
1131211
/
/
/
I
I
I
I
I
I
axaxabx
axabx
abx
ba
baa
baaa
baaa
baaa
baaa
−−=
−=
=
⇓
⇓
}Eliminasi maju (Forward Elimination)
}Substitusi mundur (Back Substitution)
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Prosedur Eliminasi Maju
Sebagai contoh suatu sistem persamaan linear 3 persamaan.
a11x1 + a12x2 + a13x3 = b1 (1)
a21x1 + a22x2 + a23x3 = b2 (2)
a31x1 + a32x2 + a33x3 = b3 (3)
Pers. (1) disebut sebagai persamaan tumpuan(pivoting equation), sedangkan konstanta a11
disebut koefisien tumpuan.
Langkah 1. Menghilangkan komponen a21x1
• Kalikan pers. (1) dengan a21/a11, sehingga menghasilkan :
• Kurangkan pers. (2) dengan pers.(4), sehingga didapatkan :
)4(11
1213
11
13212
11
1221121
a
bax
a
aax
a
aaxa =++
)5(11
12123
11
1321232
11
122122
−=
−+
−
a
babx
a
aaax
a
aaa
Atau : a’22x2 + a’23x3 = b’2
Langkah 2. Menghilangkan komponen a31x1
• Analogi seperti pada langkah 1., kalikan pers. (1) dengan a31/a11
• Hasilnya kurangkan ke pers.(3), didapat :
Atau : a’32x2 + a’33x3 = b’3
Sehingga didapat persamaan baru sbb :
a11x1 + a12x2 + a13x3 = b1 (7)
a’22x2 + a’23x3 = b’2 (8)
a’32x2 + a’33x3 = b’3 (9)
)6(11
13133
11
1331332
11
123132
−=
−+
−
a
babx
a
aaax
a
aaa
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Prosedur Eliminasi Maju…
Langkah 3. Menghilangkan komponen a’32x2
• Ambil pers.(8) sebagai persamaan tumpuan dan konstanta a’22 sebagai koefisien tumpuan
• Kalikan pers.(8) dengan a’32/a’22, hasilnya kurangkan ke pers.(9), sehingga didapatkan :
Atau : a”33x3 = b”3
Dengan demikian persamaan akhir menjadi :
a11x1 + a12x2 + a13x3 = b1 (11)
a’22x2 + a’23x3 = b’2 (12)
a”33x3 = b”3 (13)
)10('
22
'
2'
32
'
33'
22
'
23'
32
'
33
−=
−
a
babx
a
aaa
"
33
"
33
a
bx =
'
22
3
'
23
'
22
a
xabx
−=
Prosedur Substitusi Mundur
Setelah tahap eliminasi maju selesai, dimana menghasilkan pers.(11-13), maka tahap berikutnya adalah substitusi mundur, artinya nilai x diketahui dari x3 terlebih dahulu baru x2 dan x1
• Mencari x3
• Mencari x2
• Mencari x1
11
31321211
a
xaxabx
−−=
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Contoh metode Eliminasi Gauss
Selesaikan sistem persamaan berikut ini :
3x1 – 0,1x2 – 0,2x3 = 7,85
0,1x1 + 7x2 – 0,3x3 = -19,3
0,3x1 – 0,2x2 + 10x3 = 71,4
Jawab
Proses eliminasi maju
(i) 3x1 – 0,1x2 – 0,2x3 = 7,85
7,00333x2 – 0,293333x3 = -19,5617
-0,190000x2 + 10,0200x3 = 70,6150
(ii) 3x1 – 0,1x2 – 0,2x3 = 7,85
7,00333x2 – 0,293333x3 = -19,5617
10,0120x3 = 70,0843
Proses substitusi balik
Dari persamaan (ii) didapatkan nilai-nilai x1, x2, dan x3 dengan substitusi balik
x3 = 7,00003
x2 = -2,50000
x1 = 3,00000
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Proses Pivoting
• Apabila koefisien tumpuan (elemen pivot) berharga nol, maka langkah penormalan/pembagian menyebabkan pembagian dengan nol, ini akan menimbulkan masalah.
• Masalah juga akan timbul jika elemen pivot mendekati nol, karena jika elemen pivot sangat kecil dibandingkan elemen yang lain, maka galat pembulatan dapat muncul.
• Diusahakan elemen pivot merupakan koefisien terbesar. Ini dapat dilakukan dengan menukarkan baris-baris dalam sistem persamaan linear yang disebut dengan pivoting sebagian (partial pivoting).
• Disamping menukarkan baris-baris, kolom juga dapat dipertukarkan untuk mencari elemen terbesar, ini disebut dengan pivoting lengkap (completing pivoting),tetapi jarang dilakukan.
Contoh proses pivoting
Misal suatu sistem persamaan liear yang akan diselesaikan sebagai berikut :
2x2 + 3x3 = 8 (i)
4x1 + 6x2 + 7x3 = -3 (ii)
2x1 + x2 + 6x3 = 5 (iii)
Karena koefisien pivot dari pers.(i) berharga nol, maka dapat dilakukan proses pivoting sebagian, misalkan dengan menukarkan pers.(i) dengan pers.(ii), sehingga pers menjadi :
4x1 + 6x2 + 7x3 = -3 (i)
2x2 + 3x3 = 8 (ii)
2x1 + x2 + 6x3 = 5 (iii)
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
3.1.2. Metode Gauss Jordan
• Mirip metode Eliminasi Gauss
• Dapat digunakan untuk menghitung matrik invers
• Prosedur dalam metode ini adalah mengubah matrik koefisien menjadi matrik identitas
• Nilai x1, x2, x3, …..xn dapat diketahui secara bersamaan (tidak ada proses substitusi)
Algoritma metode Gauss Jordan
=
=
=
⇒
⇒
*
33
*
22
*
11
*
3
*
2
*
1
3333231
2232221
1131211
I100
I010
I001
I
I
I
bx
bx
bx
b
b
b
baaa
baaa
baaa
Jadi nilai x yang dicari dapat diketahui secara bersamaan yaitu ; x1 = b1*, x2 = b2
*, x3 = b3*
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Transformasi Matrik Koefisien ke Matrik Identitas
Continued ...
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Transformasi Matrik Koefisien ke Matrik Identitas….
Continued ...
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Transformasi Matrik Koefisien ke Matrik Identitas….
Continued ...
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Transformasi Matrik Koefisien ke Matrik Identitas….
Continued ...
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Transformasi Matrik Koefisien ke Matrik Identitas….
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Contoh metode Gauss Jordan
Selesaikan sistem persamaan berikut :
3x + y – z = 5
4x + 7y – 3z = 20
2x – 2y + 5z = 10
Jawab
Sistem persamaan diatas dapat ditulis dalam bentuk matrik ;
)2(
10
20
5
522
374
113
3
2
1
=
−
−
−
x
x
x
Continued …..
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Continued Answer …..
Continued ….
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Continued Answer …..
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
3.1.3. Metode Invers Matrik
• Dalam sebuah matrik bujursangkar A terdapat
matrik lain yaitu A-1 yang disebut matrik inversA.
• Berlaku sifat bahwa :
A.A-1 = A-1.A = I
dimana I adalah matrik identitas.
• Dari sifat diatas, matrik invers dapat digunakan untuk menyelesaikan sistem persamaan linear.
A.X = C
A-1.A.X = A-1.C
I.X = A-1.C
X = A-1.C
• Matrik invers A-1 dapat diketahui salah satunya dengan menggunakan metode Gauss Jordan
Mencari matrik invers dgn Gauss Jordan
Prinsipnya adalah meningkatkan matrik koefisien dengan matrik indentitas.
1-
1
33
1
32
1
31
1
23
1
22
1
21
1
13
1
12
1
11
333231
232221
131211
A I
I100
I010
I001
I A
100I
010I
001I
⇓
−−−
−−−
−−−
aaa
aaa
aaa
aaa
aaa
aaa
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Contoh Mencari Invers Matrik
Cari matrik invers dari matrik :
−
−
−
=
522
374
113
A
−−
−−
−
⇓
−
−
−
106667,0I6667,56667,20
013333,1I6667,16667,50
000,3333I3333,00,33331
100I522
010I374
001I113
⇓
−
−
0,20480,09640,2651-I100
0,06020,20480,3133-I010
0,04820,0361-0,3494I001
10,47061,2941-I8824,400
00,17650,2353-I2941,010
00,0588-0,4118I2353,001
Jawab
Jadi matrik inversnya A-1, adalah :
−
−
−
=−
2048,00964,02651,0
0602,02048,03133,0
0482,00361,03494,01A
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
3.1.4. Metode LU Dekomposisi
• Sistem persamaan linear dengan 4 persamaan dengan 4 bilangan yang tak diketahui :
Persamaan dapat ditulis dalam bentuk matrik
• Persamaan diatas dapat juga ditulis sebagai :
4444343242141
3434333232131
2424323222121
1414313212111
cxaxaxaxa
cxaxaxaxa
cxaxaxaxa
cxaxaxaxa
=+++
=+++
=+++
=+++
[ ]{ } { } )1(CXA =
[ ]{ } { } )2(0=− CXA
• Andaikan pers.(1) dapat dinyatakan ulang sebagai sistem segitiga atas dengan angka 1 pada diagonal
• Dalam notasi matrik juga dapat ditulis ulang sebagai
• Andaikan terdapat matrik diagonal bawah :
)3(
1000
100
10
1
4
3
2
1
4
3
2
1
34
2423
141312
=
d
d
d
d
x
x
x
x
u
uu
uuu
[ ]{ } { } )4(0=− DXU
[ ] )5(0
00
000
44434241
333231
2221
11
=
llll
lll
ll
l
L
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
3.1.4. Metode LU Dekomposisi …
• Matrik L mempunyai sifat bilamana dikalikan dari depan dengan persamaan (4), maka hasilnya adalah pers. (2), sehingga :
• Jika persamaan ini berlaku, maka :
• Pers.(7) disebut sebagai LU dekomposisi
dari [A].
• Proses LU dekomposisi ini dapat menggunakan metode Eliminasi Gauss atau dengan menggunakan Dekomposisi Crout
[ ] [ ]{ } { }{ } [ ]{ } { } )6(CXADXUL −=−
[ ][ ] [ ]
[ ][ ] { } )8(
)7(
CDL
dan
AUL
=
=
Langkah-langkah dekomposisi LU
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
a. Dekomposisi LU menggunakan Eliminasi Gauss
• Eliminasi Gauss dapat dipakai untuk memecah (dekomposisi) [A] menjadi [L] dan [U]
• Ilustrasi untuk sistem 3 persamaan :
• Matrik [U] merupakan hasil dari tahap eliminasi maju pada metode Eliminasi Gauss, sehingga :
=
3
2
1
3
2
1
333231
232221
131211
c
c
c
x
x
x
aaa
aaa
aaa
[ ]
="
33
'
23
'
22
131211
00
0
a
aa
aaa
U
[ ]
=
1
01
001
3231
21
ff
fL
• Sedangkan matrik [L] mempunyai elemen-
elemen :
• Dimana nilai-nilai f21, f31 dan f32
'
22
'
3232
11
3131
11
2121
a
af
a
af
a
af
=
=
=
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Contoh Dekomposisi LU by Eliminasi Gauss
Turunkan dekomposisi LU dari matrik [A] berikut ini
[ ]
−
−
−−
=
102,03,0
3,071,0
2,01,03
A
[ ]
−
−−
=
0120,1000
293333,000333,70
2,01,03
U
02713,000333,7
19,01,0
3
3,00333333,0
3
1,0323121 −=
−===== fff
Jawab
1.Setelah di eliminasi maju, diperoleh matrik segitiga atas, matrik [U]
2. Menghitung elemen-elemen matrik [L]
3. Jadi matrik [L]
4. Dekomposisi LU adalah :
5. Cek hasil dekomposisi LU :
[ ]
−
=
10271300,01,0
010333333,0
001
L
[ ] [ ][ ]
−
−
−
==
0120,1000
293333,000333,70
2,01,03
102713,01,0
010333333,0
001
ULA
[ ][ ]
−
−
−−
=
99996,92,03,0
3,070999999,0
2,01,03
UL
Terjadi penyimpangan karena pembulatan
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
b. Dekomposisi LU menggunakan Dekomposisi Crout
• Dekomposisi Crout merupakan suatu algoritma yang efisien untuk memecah [A] menjadi [L] dan [U]
• Dalam dekomposisi Crout :
[L] [U] = [A]
Untuk sistem persamaan dengan n = 4, dituliskan
• Mencari elemen-elemen matrik [L] dan matrik [U]
a. Mengalikan baris 1-4 matrik [L] dengan kolom 1 matrik [U], didapatkan :
Dalam bentuk umum : li1 = ai1 untuk I = 1, 2, ……n
=
44434241
34333231
24232221
14131211
34
2423
141312
44434241
333231
2221
11
1000
100
10
1
0
00
000
aaaa
aaaa
aaaa
aaaa
u
uu
uuu
llll
lll
ll
l
4141313121211111 alalalal ====
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
b. Mengalikan baris 1 matrik [L] dengan kolom matrik [U], menghasilkan :
l11 = a11 l11u12 = a12 l11u13 = a13 l11u14=a14
Sehingga :
Secara umum dinyatakan sebagai :
c. Mengalikan baris 2-4 matrik [L] dengan kolom 2 matrik [U], menghasilkan
l21u12 + l22 = a22 l31u12 + l32 = a32
l41u12 + l42 = a42
Secara umum :
11
1414
11
1313
11
1212
l
au
l
au
l
au ===
n ..., 3, 2, juntuk 11
1 ==l
au i
ij
2,3,..n iuntuk 12122 =−= ulal iii
d. Mengalikan baris ke 2 matrik [L] dengan kolom
ke 3 dan 4 matrik [U], menghasikan :
l21u13 + l22u23 = a23 l21u14 + l22u24 = a24
Sehingga :
Secara umum dinyatakan :
e. Proses diulang untuk menghitung elemen yang lain, dihasilkan rumus umum :
22
14212424
22
13212323
l
ulau
l
ulau
−=
−=
3,4,..n juntuk 22
1212
2 =−
=l
ulau
jj
j
4,5,...n iuntuk
4,5,...n juntuk
3,4,...n iuntuk
34324214144
33
2321313
3
23213133
=−−−=
=−−
=
=−−=
ulululal
l
ululau
ululal
iiiii
jjj
j
iiii
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Contoh Dekomposisi LU
Selesaikan sistem persamaan ini dengan metode dekomposisi LU menggunakan dekomposisi Crout
2x1 – 5x2 + x3 = 12
-x1 + 3x2 – x3 = -8
3x1 – 4x2 + 2x3 = 16
Jawab
Dalam bentuk matrik :
Memecah matrik [A] menjadi matrik [L] dan [U].
Elemen kolom pertama matrik [L] sama dengan
kolom pertama matrik [A]
−=
−
−−
−
16
8
12
243
131
152
3
2
1
x
x
x
L11 = 2 l21 = -1 l31 = 3
Menghitung baris 1 matrik [U].
Menghitung kolom 2 matrik [L]
l22 = a22 – l21u12 = 3 – (-1)(-2,5) = 0,5
l32 = a32 – l31u12 = -4 – (3)(-2,5) = 3,5
5,02
1
5,22
5
11
1313
11
1212
===
−=−
==
l
au
l
au
Continued ….
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Jawab …
Menghitung elemen terakhir dari matrik [U] :
Menghitung elemen terakhir dari matrik [L] :
L33 = a33 – l31u13 – l32u23
= 2 – 3(0,5) – 3,5(-1) = 4
Jadi dekomposisi LU adalah :
Dari persamaan (8), diketahui bahwa :
[L] [D] = [C]
15,0
)5,0)(1(1
22
13212323 −=
−−−=
−=
l
ulau
[ ] [ ]
−
−
=
−=
100
110
5,05,21
45,33
05,01
002
UL
−=
−
16
8
12
45,33
05,01
002
3
2
1
d
d
d
[L] [D] = [C]
Dengan substitusi maju dipecahkan untuk mencari d1-d3
Dari persamaan (4), didapat :
[U][X] - [D] = 0 atau [U][X] = [D]
34
)4(5,3)6(316
45,0
6)1(8
62
12
33
23213133
22
12122
1
=−−−
=−−
=
−=−−−
=−
=
==
l
dldlcd
l
dlcd
d
Continued ….
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Jawab …
Karena [U][X] = [D], maka :
Untuk memecahkan nilai x, dilakukan prosedur substitusi mundur
x3 = d3 = 3
x2 = d2 – u23x3 = - 4 – (-1)3 = -1
x3 = d1 – u12x2 – u13x3 = 6 – (- 2,5) (-1) – 0,5 (3) = 2
−=
−
−
3
4
6
100
110
5,05,21
3
2
1
x
x
x
The end of computation
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
3.2 Metode Iteratif
3.2.1. Metode Jacobi
• Pandang sistem 3 persamaan dengan 3 bilangan tak diketahui :
a11x1 + a12x2 + a13x3 = b1
a21x1 + a22x2 + a23x3 = b2
a31x1 + a32x2 + a33x3 = b3
• Untuk menghitung x1, x2 dan x3 persamaan diatas diubah menjadi :
( )
( )
( )33
1
232
1
13133
22
1
323
1
12122
11
1
313
1
21211
a
xaxabx
a
xaxabx
a
xaxabx
nnn
nnn
nnn
−−
−−
−−
−−=
−−=
−−=
nnnnnnxxxxxx 3
1
32
1
21
1
1 dan ,, ≈≈≈−−−
• Hitungan dimulai dengan nilai perkiraan awal biasanya semua variabel diambil sama dengan nol.
• Hasil perhitungan dengan nilai perkiraan awal, dipakai lagi untuk mendapatkan nilai perkiraan kedua.
• Iterasi berakhir setelah :
atau telah dipenuhi kriteria yang dikehendaki (εs)
sn
i
in
i
n
ia x
x
xxεε <
−=
−
%100
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Contoh Metode Jacobi
Jawab
Selesaikan sistem persamaan berikut :
3x + y – z = 5
4x + 7y – 3z = 20 (1)
2x – 2y + 5z = 10
Diambil nilai x = y = z = 0, dihitung nilai x’, y’, dan z’ Continued ….
Ingat dalam soal ini :
x1 = x
x2 = y
x3 = z
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Jawab …
Continued …
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Jawab …
Iterasi hitungan metode Jacobi
x y z εx εy εz
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
3.2.2. Metode Gauss Seidel
• Pandang sistem 3 persamaan dengan 3 bilangan tak diketahui :
a11x1 + a12x2 + a13x3 = b1
a21x1 + a22x2 + a23x3 = b2
a31x1 + a32x2 + a33x3 = b3
• Untuk menghitung x1, x2 dan x3 persamaan diatas diubah menjadi :
( )
( )
( ))3(
)2(
)1(
33
1
232
1
13131
3
22
0
323
1
12121
2
11
0
313
0
21211
1
a
xaxabx
a
xaxabx
a
xaxabx
−−=
−−=
−−=
• Hitungan dimulai dengan nilai perkiraan awal biasanya variabel diambil sama dengan nol.
• Nilai x1 yang dihasilkan dari perhitungan pertama digunakan untuk menghitung nilai x2 dari persamaan kedua, demikian juga nilai x1 dan x2 dari hasil perhitungan pertama digunakan untuk menghitung nilai x3 dari persamaan ketiga.
• Iterasi berakhir setelah dipenuhi kriteria yang dikehendaki (εs)
sn
i
in
i
n
ia x
x
xxεε <
−=
−
%100
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Contoh Metode Gauss Seidel
Selesaikan sistem persamaan berikut :
3x + y – z = 5
4x + 7y – 3z = 20 (1)
2x – 2y + 5z = 10
Jawab
( )
( )
( ))29.3(
)29.3(
)29.3(
33
1
232
1
13131
3
22
0
323
1
12121
2
11
0
313
0
21211
1
ca
xaxabx
ba
xaxabx
aa
xaxabx
−−=
−−=
−−=
Diambil y = z = 0, untuk menghitung x’menggunakan pers. 3.29a
Ingat dalam soal ini :
x1 = x
x2 = y
x3 = z
Continued …
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Jawab …
Continued …
www.themegallery.com
BAB III SISTEM PERSAMAAN LINEAR
Jawab …Iterasi hitungan metode gauss seidel
x y z εx εy εz
BAB IV. ANALISIS REGRESI
Pendahuluan
• Dalam analisis regresi akan dibuat kurva atau fungsi berdasarkan sebaran titik-titik data, dimana diharapkan mewakili titik-titik data tersebut.
• Penetapan bentuk kurva, apakah kurva linear (garis lurus) atau lengkung (logaritmik atau berpangkat) tergantung dari kecenderungan (trend) penyebaran titik data (lihat gambar).
• Metode yang digunakan untuk membuat kurva tersebut adalah Metode Kuadrat Terkecil (Least Square Method).
• Metode ini memungkinkan untuk membuat kurva yang paling mendekati titik-titik data.
Jika ditemui data yang mempunyai kesalahan yang besar, misal data A dan B dalam sebaran data, maka data tersebut bisa dihilangkan, disebut dengan error data.
BAB IV. ANALISIS REGRESI
Metode Kuadrat Terkecil
• Dalam analisis regresi, diinginkan membuat kurva yang meminimalkan selisih antara titik-titik data dengan kurva yang dibuat.
• Teknik yang dapat membuat kurva dengan selisih minimal antara titik-titik data dengan kurva adalah metode kuadrat terkecil.
Prosedur metode kuadrat terkecil
1. Titik-titik data digambarkan pada sistem koordinat, untuk mengetahui trend sebaran data (linear atau garis lengkung).
2. Dipilih suatu fungsi g(x) yang dianggap bisa mewakili f(x). Bentuk umum g(x) :
g(x) = a0 + a1x + a2x2 + …+ arx
r
dimana a0, a1, a2, …ar adalah konstanta.
3.Dipilih g(x) yang mempunyai kesalahan ordinat Ei terkecil. Jumlah kuadrat dari kesalahan adalah terkecil (D2).
Ei = Mi – g(xi) = yi – g(xi)
4. Dicari konstanta a0, a1, ..ar dengan cara menurunkan D2 tersebut terhadap konstanta tersebut adalah minimum. Jika konstanta sudah diketahui maka fungsi g(x) diketahui.
{ }2
11
22 )(∑∑==
−==n
i
ii
n
i
i xgyED
BAB IV. ANALISIS REGRESI
4.1 Regresi Linear
• Kurva yang mewakili titik-titik data merupakan garis lurus.
• Persamaan fungsi umum :
dalam hal ini a0 = a dan a1 = b
• Jumlah kuadrat dari kesalahan D2
• Dengan menurunkan D2 terhadap a dan b, maka dapat diketahui nilai a dan b, dimana :
{ }∑∑ −−==n
i
ii
n
i
i bxayED222
( )∑ ∑∑ ∑ ∑
−
−=
−=
22
ii
iiii
xxn
yxyxnb
xbya
bxaxg +=)(
dimana : n = jumlah data
• Untuk mengetahui derajad kesusaian dari persamaan yang didapat, dihitung nilai koefisien korelasi ( r ) yang berbentuk :
• Nilai r bervariasi antara 0 dan 1. Untuk r = 1 perkiraan fungsi sempurna, sedangkan r=0 perkiraan fungsi jelek.
y nilai rata-rata y
xnilai rata-rata
==
==
∑
∑
n
y
n
xx
i
i
( )
( )∑
∑
=
=
−−=
−=
−=
n
i
i
n
i
it
t
t
xaayD
yyD
D
DDr
1
2
10
2
2
1
2
2
22
: dimana
BAB IV. ANALISIS REGRESI
Contoh Regresi Linear
Tentukan persamaan garis yang mewakili data berikut :
26242220161410864y
10987654321x
Jawab
Persamaan garis yang mewakili titik-titik data :
y = a + bx
Continued …
BAB IV. ANALISIS REGRESI
Jawab …
Dari hasil hitungan ditabel dapat dihitung nilai rata-rata x dan y :
Menghitung konstanta a dan b :
6,1810
186
2,1510
152
===
===
∑
∑
n
yy
n
xx
( )
5849,282,156569,06,18
6569,06016
3952
)152(291210
1861522432102
22
=+=−=
−=−=−
−=
−
−=
∑ ∑∑ ∑ ∑
xxbya
x
xxb
xxn
yxyxnb
ii
iiii
Jadi persamaan garisnya :
y = 28,5849 – 0,6569x
Jika dihitung nilai koefisien korelasi ( r ), maka nilainya adalah :
r = 0,7232
BAB IV. ANALISIS REGRESI
4.2. Terapan Regresi Linear – Pelinearan Hubungan Taklinear
• Jika sebaran titik-titik data menunjukkan trend berupa kurva lengkung, maka pendekatan kurva lengkung memberikan hasil yang lebih baik.
• Regresi linear dapat digunakan untuk mempresentasikan kurva lengkung dengan cara memtransformasi koordinatsedemikian rupa sehingga sebaran titik dapat dinyatakan dinyatakan dalam kurva linear.
• Ada 2 fungsi yang biasa ditransformasikan datanya sehingga dapat dinyatakan dalam kurva linear, yaitu :
a. Fungsi berpangkat :
b. Fungsi eksponensial :
2
2
bxay =
xbeay 1
1=
Pendekatan sebaran data dengan kurva lengkung (b) lebih baik dari kurva linear (a)
BAB IV. ANALISIS REGRESI
4.2. Terapan Regresi Linear – Pelinearan Hubungan Taklinear
a. Fungsi berpangkat
• Persamaan dilinearkan dengan menggunakan fungsi logaritmik :
log y = b2 log x + log a2
⇓
b. Fungsi eksponensial :
• Persamaan dilinearkan dengan fungsi logaritmik natural :
ln y = ln a1 + b1x
⇓
2
2
bxay =
xbeay 1
1=
BAB IV. ANALISIS REGRESI
Contoh Linearisasi Kurva Tak Linear
Tentukan persamaan lengkung yang mewakili data berikut :
8,45,73,41,70,5y
54321x
Jawab
Akan dicoba menggunakan 2 bentuk transformasi :
a.Transformasi log.
Misalkan persamaan kurva y = axb
Transformasi menggunakan fungsi log, didapat :
log y = log a xb → log y = log a + b log x
Dilakukan transformasi berikut :
p = log y B = b A = log a q = log x
Sehingga pers menjadi : p = A + Bq
BAB IV. ANALISIS REGRESI
Jawab …
Dari hitungan di tabel didapat :
Koefisien A dan B dihitung :
42822,05
1411,2log
4158,05
0791,2log
===
===
∑
∑
n
yp
n
xq
i
i
( )
3024,0
4158,07572,142822,0
7572,10791,20791,21692,15
)1411,2)(0791,2()4240,1(5
22
−=
−=−=
=−
−=
−
−=
∑ ∑∑ ∑ ∑
A
xqBpA
xxB
qqn
pqpqnB
ii
iiii
Dengan demikian persamaan transformasi :
p = -0,3024 + 1,7572q
Karena :
A = log a → -0,3024 = log a → a = 0,4984
B = b → b = 1,7572
Maka persamaan yang dicari dengan transformasi log :
y = 0,4984x1,7572
b. Transformasi ln.
Misalkan persamaan kurva mempunyai bentuk :
y = aebx
Transformasi dengan fungsi ln, didapat :
ln y = ln a ebx = ln a + ln ebx
ln y = ln a + bx
BAB IV. ANALISIS REGRESI
Jawab …
Dilakukan transformasi :
p = ln y A = ln a q = x B = b
Sehingga persamaan dalam bentuk :
p = A + Bq
Dari hitungan tabel didapat :
986,05
93,4
35
15
===
===
∑
∑
n
pp
n
i
i
Menghitung koefisien A dan B :
Dengan demikian pers. Menjadi :
p = -1.06975 + 0,68525q
Karena :
A = ln a → -1,06575 = ln a → a = 0,3431
B = b → b = 0,68525
Maka persamaan yang dicari adalah :
y = 0,3431e0,68525x
( )
06975,1
0,368525,0986,0
68525,0)15(555
93,4156425,2152
22
−=
−=−=
=−
−=
−
−=
∑ ∑∑ ∑ ∑
A
xqBpA
x
xxB
qqn
pqpqnB
ii
iiii
BAB IV. ANALISIS REGRESI
Jawab …
Untuk menentukan pendekatan transformasi mana yang terbaik, dapat dilihat dari nilai koefisien korelasi ( r ) :
Nilai r untuk masing-masing transformasi :
92751,0132,40
60746,5132,40
99997,0132,40
00238,0132,40
2
22
ln
2
22
log
=−
=−
=
=−
=−
=
t
t
t
t
D
DDr
D
DDr
Karena nilai koefisien korelasi untuk transformasi log lebih besar dari transformasi ln, maka dapat disimpulkan bahwa persamaan yang didapat dari transformasi log lebih baik.
BAB IV. ANALISIS REGRESI
4.3 Regresi Polinomial
• Digunakan untuk menurunkan persamaan kurva lengkung.
• Penurunan menggunakan metode kuadrat terkecil
• Persamaan polinomial orde r mempunyai bentuk :
y = a0 + a1x + a2x2 + ………+arx
r
• Jumlah kuadrat kesalahan D2 :
• Persamaan D2 diatas diturunkan terhadap tiap koefisien dari persamaan polinomial dan disamakan nol.
• Dari hasil penurunan ini persamaan-persamaan yang dihasilkan dapat disusun ulang yang nantinya digunakan untuk mencari konstanta a0, a1, a2 ….ar.
( )∑=
++++−=n
i
r
r xaxaxaayD1
2
2101
2...(
• Hasil susunan persamaan-persamaan dapat ditulis dalam bentuk matrik.
• Pemecahan persamaan matrik diatas dapat dilakukan dengan berbagai metode yang telah dibahas pada bab III (sistem persamaan linear)
BAB IV. ANALISIS REGRESI
Contoh Regresi Polinomial
Tentukan persamaan kurva polinomial orde 2 yang mewakili data berikut :
40,9
4
61,127,213,67,72,1yi
53210xi
Jawab
• Persamaan polinomial orde 2 mempunyai bentuk
g(x) = a0 + a1x + a2x2
• Untuk polinomial orde 2, persamaan dalam bentuk matrik :
=
∑∑∑
∑∑∑∑∑∑∑∑
ii
ii
i
iii
iii
ii
yx
yx
y
a
a
a
xxx
xxx
xxn
2
2
1
0
432
32
2
• Dari hasil perhitungan di tabel, persamaan menjadi:
6a0 + 15a1 + 55a2 = 152,6
15a0 + 55a1 + 225a2 = 585,6
55a0 + 225a1 + 275a2 = 2488,8
• Dari penyelesaian persamaan diatas, didapatkan :
a2 = 1,860714 a1 = 2,359286 a0 = 2,478571
• Sehingga persamaan polinomial orde 2 :
y = 2,478571 + 2,359286x + 1,860714x2
BAB IV. ANALISIS REGRESI
4.4 Regresi Linear Multi Variabel
• Kasus dimana y adalah fungsi linear dari 2 atau lebih variabel. Misal y merupakan fungsi linear terhadap x1 dan x2.
• Secara umum persamaan regresi linear dengan m variabel mempunyai bentuk :
y = a0 + a1x + a2x2 + ………+amxm
• Jumlah kuadrat kesalahan D2 :
• Persamaan D2 diatas diturunkan terhadap tiap koefisien dari persamaan regresi linear dan disamakan nol.
• Dari hasil penurunan ini persamaan-persamaan yang dihasilkan dapat disusun ulang yang nantinya digunakan untuk mencari konstanta a0, a1, a2 ….am.
( )∑=
++++−=n
i
mm xaxaxaayD1
221101
2 ...(
• Koefisien-koefisien a0, a1. a2, ….am dihitung dari sistem persamaan berikut :
• Pemecahan persamaan matrik diatas dapat dilakukan dengan berbagai metode yang telah dibahas pada bab III (sistem persamaan linear)
BAB IV. ANALISIS REGRESI
Contoh Regresi Linear Multi Variabel
Tentukan persamaan kurva yang mewakili data berikut :
263210x2
3
4
2709105y
712,520xi
=
∑∑∑
∑∑∑∑∑∑∑∑
ii
ii
i
iiii
iiii
ii
yx
yx
y
a
a
a
xxxx
xxxx
xxn
,2
,1
2
1
0
2
,2,2,1,2
,2,1
2
,1,1
,2,1
Jawab
Hasil perhitungan ditabelkan :
Dalam bentuk matrik :
Dari hasil di tabel diperoleh :
=
101
5,243
54
544814
4825,765,16
145,166
2
1
0
a
a
a
Persamaan diatas diselesaikan didapatkan a0 = 5, a1 = 4 dan a2 = -3
Sehingga persamaan kurva yang dihasilkan :
y = 5 + 4x1 – 3x2
BAB V. INTERPOLASI
Pendahuluan
Perbedaan Analisis Regresi dan Interpolasi
• Analisis Regresi : membuat kurva atau fungsi yang mempresentasikan suatu rangkaian titik data dalam koordinat x-y, dimana kurva yang terbentuk tidak melalui semua titik data tetapi hanya mengikuti trend/kecenderungan dari sebaran data. Lihat gambar (a)
• Interpolasi : mencari suatu nilai yang berada diantara beberapa titik data yang telah diketahui nilainya. Lihat gambar (b) dan (c).
Dalam interpolasi untuk memperkirakan nilai tersebut pertama kali harus dibuat suatu fungsi atau persamaan yang melewati titik-titik data, kemudian nilai perkiraan dihitung berdasarkan persamaan garis atau kurva yang terbentuk.
Pada gambar (b) titik-titik data dihubungkan dengan garis lurus, disebut dengan interpolasi linear, sedangkan pada gambar (c), titik-titik data dihubungkan dengan kurva.
BAB V. INTERPOLASI
Metode Interpolasi
• Dalam interpolasi metode yang paling banyak digunakan adalah interpolasi polinomial.
• Persamaan polinomial adalah persamaan aljabar yang mengandung jumlah dari variabel x berpangkat bilangan bulat (integer).
• Bentuk umum persamaan polinomial :
f(x) = a0 + a1x + a2x2 + a3x
3 + ….+ anxn
dimana :
a0, a1, a2,…an adalah konstanta yang akan dicari
n adalah derajad (order) dari persamaan polinomial
x adalah variabel bebas
• Untuk n+1 titik data, hanya terdapat satu polinomial order n atau kurang yang melalui semuai titik data (lihat gambar a,b,c)
• Setelah ditentukan suatu persamaan polinomial order n dari n+1 titik data, kemudian digunakan untuk menentukan suatu nilai diantara titik data tersebut.
BAB V. INTERPOLASI
5.1. Interpolasi Linear
• Adalah interpolasi polinomial order satu. Menghubungkan dua buah titik data dengan garis lurus.
• Mempunyai bentuk yang sederhana dan mudah dipahami
• Memberikan hasil yang kurang teliti.
• Lihat gambar, akan dicari nilai fungsi di titik x, yaitu f1(x), dimana diketahui nilai di titik x0 dan x1, yaitu f(x0) dan f(x1).
• Dari gambar dengan menggunakan segitiga sebangun AB dan ADE, didapat hubungan :
• Sehingga :
• Perhatikan bahwa suku [f(x1) – f(x0)] / (x1 – x0) adalah gradien garis yang menghubungkan dua titik data.
• Semakin kecil interval antara titik data, ilai perkiraan akan semakin baik.
01
01
0
01 )()()()(
xx
xfxf
xx
xfxf
AD
DE
AB
BC
−
−=
−
−
=
)()()(
)()( 0
01
0101 xx
xx
xfxfxfxf −
−
−+=
BAB V. INTERPOLASI
Contoh Interpolasi Linear
Cari nilai ln 2 dengan metode interpolasi linear, jika ln 1 = 0 dan ln 6 = 1,7917595. Hitung juga nilai tersebut jika data awal adalah ln 1 dan ln 4 = 1,3862944. Bandingkan hasil yang diperoleh jika nilai eksak ln 2 = 0,69314718
Jawab
Menghitung nilai ln 2 berdasar data ln 1 dan ln 6 :
Menghitung nilai ln 2 berdasar data ln 1 dan ln 4 :
Dari contoh ini, terlihat bahwa dengan menggunakan interval data yang lebih kecil diperoleh hasil yang lebih baik. Gambar dibawah menunjukkan perhitungan secara grafis.
BAB V. INTERPOLASI
5.2. Interpolasi Kuadrat
• Adalah interpolasi polinomial order dua. Menghubungkan tiga buah titik data dengan garis lengkung.
• Persamaan polinomial order dua ditulis dalam bentuk :
f2(x) = b0 + b1(x –x0) + b2(x –x0)(x – x1)..(i)
• Apabila persamaan diatas dijabarkan, maka :
f2(x) = b0 + b1x - b1x0 + b2x2 + b2x0x1 - b2xx0 - b2xx1
Atau jika dibandingkan dengan persamaan :
f2(x) = a0 + a1x + a2x2
Maka didapatkan kesamaan, dimana :
a0 = b0 – b1x0 + b2x0x1
a1 = b1 – b2x0 – b2x1
a2 = b2
• Selanjutnya menentukan nilai b0, b1 dan b2 :
• Menentukan nilai b0, dengan cara memasukkan nilai x = x0 pada persamaan (i), sehingga didapatkan :
b0 = f (x0) (ii)
• Menentukan nilai b1 dengan cara seperti diatas, dengan memasukkan x = x1 pada pers. (i), menghasilkan :
• Menentukan b2 dengan cara memasukkan nilai x = x2 pada persamaan (i), sehingga diperoleh :
)()()(
01
011 iii
xx
xfxfb
−
−=
( )ivxx
xx
xfxf
xx
xfxf
b02
01
01
12
12
2
)()()()(
−
−
−−
−
−
=
BAB V. INTERPOLASI
Contoh Interpolasi Kuadrat
Carilah nilai ln 2 dengan menggunakan interpolasi kuadrat, jika diberikan data sebagai berikut :
x0 = 1 f(x0) = 0
x1 = 4 f(x1) = 1,3862944
x2 = 6 f(x2) = 1,7917595
Jawab
Dengan menggunakan persamaan (ii), diperoleh b0:
b0 = 0
Koefisien b1 dihitung dengan menggunakan pers.(iii)
Pers.(iv) digunakan untuk menghitung b2 :
46209813,014
03862944,11 =
−
−=b
051873116,0
16
46209813,046
3862944,17917595,1
2
2
−=
−
−−
−
=
b
b
Nilai-nilai tersebut disubstitusikan ke pers.(i)
f2(x) = 0 + 0,46209813(x-1) -0,051873116(x-1)(x-4)
Untuk nilai x = 2, diperoleh :
f2(x) = 0,56584436
Besar kesalahan adalah :
Jadi dengan interpolasi kuadrat didapat hasil yang lebih baik.
%4,18%10069314718.0
56584436,069314718,0=
−= xEt
BAB V. INTERPOLASI
5.3. Bentuk umum Interpolasi Polinomial
• Bentuk umum polinomial order n dari n+1 data :
fn(x) = b0 + b1(x-x0) +…+ bn(x-x0)(x-x1)…..(x-xn-1)
• Untuk polinomial order n, diperlukan n+1 titik data x0, x1, x2,x3,….xn)
• Menentukan koefisien b0, b1, b2, …., bn
b0 = f(x0)
b1 = f[x1,x0]
b2 = f[x2,x1,x0]
.
.
bn = f[xn,xn-1,……,x1,x0]
dengan definisi fungsi berkurung [(…….)] adalah
pembagian beda hingga.
Misalkan pembagian beda hingga pertama :
Pembagian beda hingga kedua adalah :
Pembagian beda hingga ke-n :
Secara skematis pembagian beda hingga dari yang rendah ke tinggi diberikan dalam tabel berikut :
BAB V. INTERPOLASI
Contoh Interpolasi Polinomial Order 3
Hitunglah nilai ln 2 dengan menggunakan pendekatan interpolasi polinomial order 3, jika diketahui data sebagai berikut :
x0 = 1 f(x0) = 0
x1 = 4 f(x1) = 1,3862944
x2 = 6 f(x2) = 1,7917595
x3 = 5 f(x3) = 1,6094379
Jawab
Persamaan interpolasi polinomial order 3 :
Pembagian beda hingga pertama :
Pembagian beda hingga kedua :
Pembagian beda hingga ketiga dihitung sbb:
BAB V. INTERPOLASI
Nilai f[x1,x0], f[x2,x1,x0] dan f[x3,x2,x1,x0] berturut-turut adalah nilai-nilai koefisien b1, b2, dan b3.
Sedangkan nilai b0 adalah nilai f(x0) = 0
Dengan memasukkan nilai-nilai koefisien b0, b1, b2, b3 dan nilai-nilai x0, x1, x2, x3 persamaan interpolasi polinomial order 3 menjadi
Hasil interpolasi polinomial order 3 di titik x = 2, didapat dengan memasukkan nilai x = 2 ke persamaan diatas :
f3(2) = 0,62876869
Besar kesalahan dengan menggunakan interpolasi polinomial order 3 :
BAB V. INTERPOLASI
5.4. Interpolasi Polinomial Lagrange
• Hampir sama dengan polinomial Newton, tetapi tidak menggunakan bentuk pembagian beda hingga.
• Interpolasi polinomial Lagrange dapat diturunkan dari persamaan Newton. Bentuk polinomial Newton order satu :
f1(x) = f(x0) + (x1-x0)f[x1,x0] ……..(i)
• Pembagian beda hingga pada persamaan diatas
• Substitusi pers.(ii) ke pers.(i), menghasilkan :
………….(ii)
• Persamaan ditata ulang dengan mengelompokkan suku-suku di ruas kanan, menghasilkan :
atau :
Persamaan diatas adalah persamaan interpolasi polinomial Lagrange order satu.
• Dengan cara yang sama, diperoleh persamaan interpolasi polinomial Lagrange order dua, sbb :
BAB V. INTERPOLASI
• Secara umum bentuk interpolasi polinomial Lagrange order n adalah :
dimana :
dimana simbol π merupakan perkalian
• Untuk interpolasi Lagrange order 3, persamaan tersebut menjadi :
f3(x) = L0(x)f(x0) + L1(x)f(x1) + L2(x)f(x2) + L3(x)f(x3)
Dimana L0, L1, L2 dan L3 adalah sebagai berikut :
• Sehingga bentuk interpolasi polinomial Lagrange order 3 adalah :
BAB V. INTERPOLASI
Contoh Interpolasi Polinomial Lagrange
Gunakan interpolasi polinomial Lagrange order satu dan dua untuk menghitung ln 2 dengan menggunakan data sebagai berikut :
x0 = 1 f(x0) = 0
x1 = 4 f(x1) = 1,3862944
x2 = 6 f(x2) = 1,7917595
Jawab
Penyelesaian interpolasi polinomial Lagrange order satu :
Penyelesaian interpolasi polinomial Lagrange orde dua :
Terlihat bahwa kedua hasil di atas memberikan hasil yang hampir sama dengan contoh sebelumnya.