Modul Metode Numerik
-
Upload
ricojeriico -
Category
Documents
-
view
278 -
download
16
description
Transcript of Modul Metode Numerik
YAYASAN KOMPUTASI RIAUSTMIK-AMIK RIAU
BAHAN AJAR
METODE NUMERIK
Oleh : Prof. DR. H. Dadang Iskandar, M.Sc
Pekanbaru, September 2014
0
METODE NUMERIK
Matakuliah : Metode Numerik
Bobot SKS : 3 SKS
Prodi : S-1 Teknik Informatika
Pra Syarat : Kalkulus, Algoritma & Bahasa Pemrograman
Kegiatan Kuliah :
a. Tatap Muka : ± 18 x Pertemuan
b. PR : 1 x Per Minggu
c. Praktikum : 1 x Per Minggu
d. Tugas (Proyek), membuat program.
Evaluasi
Nilai Semester diambil dari :
- PR
- Nilai Praktikum
- Nilai Poryek
- MID Semester
- UAS
Buku Pegangan :
“Metode Numerik”, oleh Rinaldi Munir, Informatika, Bandung.
Modul Praktikum :
Modul yang disusun oleh Tim STMIK-AMIK RIAU.
Refrensi :
- Perpustakaan STMIK-AMIK RIAU.
- Internet.
1
BAB I
PENDAHULUAN
I.1. Definisi
Metode Numerik adalah teknik penyelesaian persoalan matematik dengan
komputer. Persoalan dalam bidang sain, teknologi, ekonomi dapat dirumuskan dalam
bentuk persamaan matematik. Tapi kadang-kadang bentuknya rumit, tidak dapat
diselesaikan secara analitik (menggunakan rumus-rumus yang ada). Untuk mengatasi
kesulitan tersebut, digunakan metode numerik, yaitu cara perhitungan dengan
menggunakan operasi-operasi dasar (tambah, kurang, kali, bagi). Jumlah operasi ini
sangat banyak dan berulang-ulang, maka penggunaan komputer akan sangat
membantu.
I.2. Tahapan-tahapan Memecahkan Persoalan Secara Numerik
Ada enam tahap yang dilakukan dalam pemecahan persoalan dunia nyata
dengan metode numerik, yaitu :
1. Permodelan.
Tahapan ini merupakan tahapan pertama dalam meneyelaikan persoalan
numerik, dimana pada tahapan ini persoalan nyata akan dimodelkan ke dalam
persamaan matematik.
2. Penyederhanaan Model
Model matematik yang dihasilkan pada tahap 1 mungkin saja terlalu
kompleks, yaitu memasukkan banyak peubah (variabel) atau parameter.
Semakin kompleks model matematikanya, semakin rumit penyelesaiannya.
Mungkin beberapa andaian dibuat sehingga beberapa parameter dapat
diabaikan.
3. Formulasi Numerik.
Setelah memperoleh model matematika yang sederhana, tahap
selanjutnya adalah memfromulasikannya secara numerik, antara lain :
a. Menentukan metode numerik yang akan dipakai bersama-sama dengan
analisis galat awal (yaitu taksiran galat, penentuan ukuran langkah, dan
sebagainya).
Pemilihan metode didasari pada pertimbangan :
2
- Apakah metode tersebut teliti ?
- Apakah metode tersebut mudah diprogram dan waktu pelaksanaannya
cepat ?
- Apakah metode tersebut tidak peka terhadap perubahan data yang
cukup teliti ?
b. Menyusun algoritma dari metode numerik yang dipilih.
4. Pemrograman.
Tahap berikutnya adalah menerjemahkan algoritma ke dalam program
komputer dengan menggunakan salah satu bahasa pemrograman yang
dikuasai. Dalam modul ini akan dipandu menggunakan bahasa pemrograman
delphi.
5. Operasional
Tahapan inni merupakan tahapan untuk menjalankan program komputer
yang telah dibuat dengan data uji coba sebelum data sebenarnya.
6. Evaluasi.
Pada tahapan ini akan dilakukan evaluasi terhadap hasil yang diberikan
oleh program tersebut.
Dari enam tahap tersebut, tidak seluruhnya dikerjakan oleh ahli Informatika.
Ahli informatika akan bekerja mulai dari tahapan ke 3,4 dan 5, sedangkan tahapan 1
dan 2 akan dikerjakan oleh ahli masing-masing bidang, dan untuk tahapan ke 6, akan
dikerjakan bersama-sama antara ahli masing-masing bidang dan ahli informatika.
Tetapi agar lebih memahami dan menghayati persoalan, sebaiknya ahli informatika
juga ikut dilibatkan dalam memodelkan, namun perannya hanyalah sebagai
pendengar.
I.3. Topik-topik yang dilalui :
a. Solusi Persamaan Nirlanajar (Non Linier).
b. Solusi Sistem Persamaan Lanjar (SPL).
c. Interpolasi Polinom.
d. Integrasi Numerik.
e. Turunan Numerik.
3
BAB II
SOLUSI PERSAMAAN NIRLANJAR (NONLINIER)
Persamaan f(x) = 0 dikatakan lanjar (linier) apabila pangkat dari xsama dengan 1.
Contoh :
x = 0
x = 2
x +2 = 0, dsb.
Sebaliknya bila pangkat dari x tidak sama dengan 1 (satu), f(x) disebut nirlanjar
(nonlinier). Misal :
x2−3 x+2=0
x3+x−1=0
sin x−0.5 x=0
tan x− x=0
ex−5 x2=0 , dsb
cosh xcos x+1=0
Setiap persamaan seperti tersebut di atas mempunyai akar-akar persamaan, yaitu harga-
harga x yang memenuhi persamaan f(x)=0. Misalnya akar persamaan dari persamaan
x2−3 x+2=0
Adalah S, maka berlaku S2−3 S+2=0.
Secara Simbolik:
Bentuk ekspresi x2−3 x+2 secara simbolik kita tulis dengan f(x) maka:
x2−3 x+2=0
dapat ditulis dengan f(x)=0. Selanjutnya bila S adalah akar persamaan f(x)=0, maka berlaku
f(S)=0.
Menentukan akar-akar persamaan aljabar seperti dua contoh pertama di atas tidak sulit.
Namun menentukan akar-akar persamaan transendental sangat sulit dilakukan secara analitis.
4
Persamaan Aljabar
Persamaann Transedental
Kesulitan tersebut dapat diatasi dengan Metode Numerik dengan menggunakan komputer.
Ada beberapa metode untuk menentukan akar-akar persamaan secara numerik, antara lain :
II.1. Metode Iterasi (Lelaran)
Dengan metode ini bentuk f(x)=0 dirubah menjadi x=g(x).
Masukkan harga dugaan awal x0kedalam g(x), sehingga diperoleh x1atau
selanjutnya masukkan x1 kedalam g(x) untuk memperoleh x2 atau
x2 = g(x1) dst.x3 = g(x2)x4 =g(x3)⋮x i =g( x i−1 )
Secara Umum : Rumus Iterasi
Bila harga-harga x0, x1, x2, ... xi mendekati harga x (akar persamaan yang
dicari) maka proses iterasi dikatakan konvergen. Sebaliknya bila harga x0, x1, x2, ... xi
menjauhi harga akar x, persamaannya dikatakan divergen.
Untuk proses iterasi yang konvergen, akar persamaan yang dicari adalah xi+1 bila
x i+1−x i=0 atau |x i+1−xi|<ϵ , dimana ϵ bilangan real yang kita kehendaki.
Contoh 1. Carilah akar persamaan f(x) = x2−3 x+1=0.
Jawab. Secara analitis akar persamaan tersebut adalah x1 = 2.618.
x2 = 0.382.
Dengan Iterasi :
f(x) = x2−3 x+1=0
x = g(x)
x = x2+13
Misalkan dugaan awal x0 =1.
x0 = 1
5
x1= g(x0)
x i+1= g( x i )
x1 = 23=0.667
x2 = (0.667)2+1
3=¿0.481
x3 = (0.481)2+1
3=0.411
x4 = (0.411)2+1
3=0.390
.
.
.Menuju x2 = 0.382 (Konvergen).
Ditentukan x i=x i−1 atau x i+1=x i. Bila harga dugaan awal dipilih x0=3,
diperoleh :
x0 = 3
x1 = 3.333
x2 = 4.037
x3 = 5.766
x4 = 11.415
Menjauhi x1 = 2.618, jadi iterasinya divergen.
Contoh 2. Tentukan akar persamaan f(x) = ex−3 x=0.
Penyelesaian :
a. Secara analitis
x1 = 0.62
x2 = 1.51
b. Dengan Iterasi
f(x) = ex−3 x=0
x = g(x) = ex
3
Pilih dugaan awal x0 = 0.
x0 = 0
6
x1 = g( x0 ) = ex0
3 = 0.333
x2 = g( x1 ) = e0.333
3 = 0.465
x3 = g( x2 ) =e0.465
3 = 0.530
x4 = g( x3 ) =e0.530
3 = 0.567
.
.
.Menuju x= 0.62 .
Iterasinya konvergen. Iterasi dihentikan bila harga x i+1=x i atau
|x i+1−xi<ϵ|.
Untuk mendapatkan x= 1.51, kita coba dugaan awal x0 = 2, maka uji coba yang
sama diperoleh :
x1 = 2.46
x2 = 3.91
x3 = 16.7, menjauhi x= 1.51. Jadi iterasinya divergen.
Kriteria Konvergen.
Agar proses iterasi konvergen, gunakan kriteria konvergen sebagai berikut :
untuk harga-harga x yang terletak dalam interval yang mangandung harga akar x.
Contoh.
f(x) = x2−5 x+4=0
x = g(x) = x2+45
g(x) = 2 x5
| g’( x )| < 1, untuk harga-harga x yang terletak dalam interval.
7
| g’( x )| < 1
x1 = -4
x2 = -1
−52
<x< 52
x1 = -1, terletak dalam interval ini, maka untuk mencari x1 = -1, dapat memberi dugaan
awal x0 = 1, misalnya.
Catatan :
1. Bila g’(x) dekat dengan harga 0 untuk semua harga x dalam interval tersebut,
maka proses iterasinya cepat.
2. Bila g’(x) dekat dengan harga 1, maka iterasinya konvergen, tapi lambat.
Contoh Algoritma untuk metoda iterasi.
Untuk f(x) = ex−3 x=0
x = g(x)
x = ex
3
Rumus iterasi x i+1= g( x i )
x i+1=ex i
3
8
Soal.
Tentukan akar-akar persamaan f(x) = x2−2 x−3=0, dengan ϵ = 0.000001,
gunakakan beberapa kemungkinan bentuk x = g(x), perhatikan hasilnya.
II.2. Metode Newton (Newton-Raphson)
Rumus Iterasinya :
Contoh 1.
f( x )=x2−2=0
f ‘( x )=2 x
x i+1=x i−x i
2−22 x i
Dugaan awal x0=1.
x0=1
x1=x0−x0
2−22 x0
=1−(1−2 )
2=1.500000
x2=x1−x1
2−22 x1
=1.5−(1.5 )2−2
2 .1.5=1.416667
x3=x2−x2
2−22 x2
=1−(1.42 )2−2
2 .1.42=1.414216
x4=x3−x3
2−22x3
=1−(1.41 )2−2
2. 1.41=1.414214
9
x i+1=x i−f ( x i )f ' ( x i )
Lebih Cepat
Contoh 2.
f ( x )=e x−3 x=0
f ‘( x )=e x−3
x i+1=x i−ex−3 x i
ex i−3
Dugaan awal x0=0.
x0=0 x0=2.0000
x1=5000 x1=1.6855
x2=6100 x2=¿ 1.5435
x3=6190 x3=1.5135
x4=6191 x4=1.5121
x5=6191 x5=1.5121
II.3. Metode Regula Falsi
Perhatikan kurva f( x ). f( x )=0 terjadi pada titik yang merupakan titik potong f( x )
dengan sumbu x. Harga x titik ini adalah akar f( x ) yang akan dicari.
Prosedurnya sebagai berikut :
10
Diperlukan dua harga x yang merupakan dugaan awal. Misalkan xL (titik sebelah
kiri x) dan xR (titik sebelah kanan x). Karena xL berada pada sebelah kiri x, maka
tentu f( x L)<0 dan xR berada disebelah kanan x, maka f ( x R )>0.
1. Sekarang tarik garis lurus antara A dan B, yaitu antara titik ( xL,f ( x L)) dan titik
( xR,f ( x R )). Titik potong garis tersebut dengan sumbu x kita namakan xm dan
harga f( x ) untuk x=xm adalah f( xm ).
2. Teliti letak titik xm.
a. Bila f ( x L) . f ( xm )<0, x berada antara xL dan xm . Ganti xR dengan xm .
lakukan kembali prosedur 1.
b. Bila f ( x L) . f ( xm )>0, ganti xL dengan xm. Lakukan kembali prosedur 1.
Demikian seterusnya hingga diperoleh harga xL=xR atau xm harganya
sama dengan harga sebelumnya.
3. Rumus iterasinya.
II.4. Metode Interval Tengah (Bisection Method)
Sama dengan metode Regula Falsi, namun pada metode interval tengah xm dipilih
sebagai titik tengah antara xL dan xR. Jari rumus iterasinya sebagai berikut :
Metode ini lebih mudah daripada metode Regula Falsi.
11
xm=xL f ( xR )−xR f (xL)
f ( x R )−f ( xL )
xm=xL+ xR
2
BAB III
SOLUSI SISTEM PERSAMAAN LANJAR (LINIER)
3.1. Sistem Persamaan Lanjar (SPL)
Bentuk persamaan :
3 x+5 y−z=10
7 x−2 y+3 z=12
x+5 y−4 z=−1
Secara bersamaan membentuk sistem persamaan lanjar yang terdiri dari 3 buah
persamaan dengan tiga buah variabel x , y , dan z yang tidak di ketahui. Solusi SPL
adalah harga-harga x , y , dan z yang me
menuhi ke-3 persamaan tersebut secara bersamaan (simultan).
Bentuk SPL yang lebih umum :
a11 x1+a12 x2+a13 x3+…+a1n xn= y1
a21 x1+a22 x2+a23 x3+…+a2n xn= y2
⋮ ⋮ ⋮
an 1 x1+an 2 x2+an 3 x3+…+ann xn= yn
Persamaan (2) adalah SPL yang terdiri dari n buah persamaan dengan n buah
variabel x1 , x2 , x3 …xn yang tidak diketahui koefisien a11 , a12…ann dan y1 , y2 … yn
diketahui berupa bilangan. Bila y1 , y2 … yn semuanya sama dengan nol, SPL-nya
disebut SPL homogen. Bila tidak semuanya sama dengan nol, SPL-nya disebut SPL
non homogen.
3.2. Persamaan Matriks
Persamaan (2) diatas dapat ditulis menjadi :
[ a11 a12 a13 … a1 n
a21 a22 a23 … a2 n
⋮ ⋮ ⋮an 1 an 2 an3 … ann
] [x1
x2
⋮xn
] = [ y1
y2
⋮yn
]atau A X=Y , yang disebut persamaan matriks.
12
........................ (2)
........................ (3)
........................ (1)
Baris
Perhatikan SPL berikut :
3 x+5 y−z=10
7 x−2 y+3 z=12
x+5 y−4 z=−1
Persamaan matriksnya :
[3 5 −17 −2 31 5 −4 ][ x
yz ] = [ 10
12−1]
Koofesien persamaan (4) terdiri dari bilangan-bilangan
3 5 −17 −2 31 5 −4
yang disusun berdasarkan baris dan kolom.
Susunan bilangan seperti di atas dapat diperlakukan sebagai matriks atau
determinan. Bila diperlakukan sebagai matriks ditulis :
[3 5 −17 −2 31 5 −4 ]
dan bila diperlakukan sebagai determinan, ditulis
|3 5 −17 −2 31 5 −4|
Secara umum matriks yang terdiri dari m baris dan n kolom, bentuknya :
[ a11 a12 a13 … a1 n
a21 a22 a23 … a2 n
⋮ ⋮ ⋮am1 an 2 am3 … amn
]Matriks yang terdiri dari m baris dan n kolom disebut matriks dimensi m x n . Bila
m=n, matriksnya disebut matriks bujur sangkar. Matriks m x 1 disebut matriks
kolom, dan matriks 1 x n disebut matriks baris.
13
........................ (4)
........................ (5)
Kolom
Matriks Kolom
Matriks Baris
[ a1
a2
⋮am
]
14
[a1 a2 a3 … an ]Untuk memudahkan penulisan suatu matriks diberi simbol
dengan suatu huruf besar yang diletakkan dalam dua kurung tegak. Misalnya [ A ], [ C ],
dan sebagainya. Bilangan penyusunan suatu matriks disebut elemen. Elemen suatu
matriks diberi simbol dengan huruf kecil yang diberi dua buah indeks. Indeks pertama
menyatakan baris dan indeks kedua menyatakan kolom.
Contohnya, elemen matriks[ A ] dapat ditulis dengan a ij, yang menyatakan elemen
a yang terletak pada baris ke-i dan kolom ke-j.
3.3. Sifat-sifat Matriks
1. Kesamaan Matriks
Dua buah matriks dikatakan sama apabila dimensinya sama dan elemennya
juga sama. Jadi, [ A ]=[ B ] bila a ij=bij untuk semua i dan j, serta dimensi [ A ] sama
dengan dimensi [ B ].
2. Jumlah/ Selisih dua buah matriks.
[ A ] ± [ B ]=[ C ]c ij=a ij ± bij, dan dimensi [ A ] sama dengan dimensi [ B ].
Contoh.
[1 2 32 3 43 4 5]+[1 1 1
2 2 23 3 3]=[2 3 4
4 5 66 7 8]
[1 2 32 3 43 4 5]−[1 1 1
2 2 23 3 3]=[0 1 2
0 1 20 1 2]
3. Perkalian dua buah matriks.
Dua buah matriks dapat dikalikan bila jumlah kolom matriks pertama sama
dengan jumlah baris matriks ke dua. Misal:
[ A ] dimensinya m x n
[ B ] dimensinya n xp
[ A ] . [ B ]=[ C ], dimana :
15
c ij=∑k=1
n
a ik bkj
Contoh.
[ 1 2 03 −4 1][ 1 2
−1 10 1 ]=[ 1.1+2 (−1 )+0.0 1.2+2.1+0.1
3.1+(−4 ) (−1 )+1.0 3.2+ (−4 )1+1.1]= [−1 4
7 3 ]4. Matriks Diagonal
Matriks diagonal adalah matriks yang semua elemennya = 0, kecuali elemen
pada diagonal utamanya.
Contoh.
[1 0 00 2 00 0 3] [ 2 0 0
0 0 00 0 −1]
5. Matriks Identitas
Matriks identitas atau matriks satuan [ I ] adalah matriks diagonal yang semua
elemennya sama dengan 1.
Contoh.
[1 0 00 1 00 0 1] [1 0
0 1]
6. Matriks segi tiga atas/ bawah.
Matriks segi tiga atas/ bawah adalah matriks yang elemen-elemennya di
bawah/ atas diagonal utamanya sama dengan 0 (nol).
Contoh.
Segi tiga Bawah Segi tiga Atas
[ 1 0 0 05 7 0 06 0 3 0
2 4 −2 6][2 6 6 −4
0 3 7 30 0 0 20 0 0 8
]7. Matriks Transpose
16
Matriks Transpose adalah matriks yang diperoleh dengan mempertukarkan
baris dan kolom. Misalnya :
[ A ]=[1 2 34 5 6] [ A ]T=[1 4
2 53 6] [ A ]T adalah matriks transpose
dari [ A ].
3.4. Solusi SPL
Perhatikan SPL berikut :
a11 x1+a12 x2+a13 x3+…a1 n xn=b1
a21 x1+a22 x2+a23 x3+…a2n xn=b2
⋮ ⋮ ⋮ ⋮ ⋮
an 1 x1+an 2 x2 +an 3 x3+…ann xn=bn
Persamaan (4-1) dapat ditulis menjadi :
[ a11 a12 … a1 n
a21 a22 … a2 n
⋮ ⋮ ⋮ ⋮an 1 an 2 … ann
] [x1
x2
⋮xn
]=[b1
b2
⋮bn
]Atau :
A x=b
Bila elemen matriks kolom b dimasukkan menjadi kolom ke n+1 matriks [ A ],
maka diperoleh matriks :
[ a11 a12 a13 … a1 n b1
a21 a22 a23 … a2 n b2
⋮ ⋮ ⋮ ⋮ ⋮ ⋮an 1 an 2 an3 … ann bn
]yang disebut matriks augmented.
Ada beberapa metode untuk mencari solusi (4-1) antara lain :
1. Metode Eliminasi Gauss.
2. Metode Eliminasi Gaus Jordan.
3. Metode Lelaran (iterasi) Jacobi.
4. Metode Lelaran Gaus Seidal, Dan lain-lain.
17
........................ (4-1)
........................ (4-2)
3.4.1. Metode Eliminasi Gauss.
Metode eliminasi gauss terdiri dari dua tahap. Tahap pertama :
Menjadikan matriks koefisien [ A ] menjadi matriks segi tiga atas.
[a11 a12 a13 … a1n b1
0 a22¿ a23
¿ … a2 n¿ b2
¿
0 0 a33¿ … a3 n
¿ b3¿
⋮0 0 0 … ann
¿ bn¿ ]
Tahap kedua, proses penyulihan mundur (backward substitution), dimulai dari :
ann¿ xn=bn
¿
xn=bn
¿
ann¿ ,
dan seterusnya sampai diperoleh harga x1 , x2 , x3 …xn−1 dengan rumus :
, k=n-1, n-2, ..., 1 dan akk ≠ 0.
Dalam tahap pertama harus diselidiki apakah elemen diagonalnya sama
dengan 0, atau tidak. Bila sama dengan 0 (nol), susunan letak persamaan
harus diubah sedemikian, sehingga semua elemen diagonalnya tidak ada yang
sama dengan nol.
Contoh.
Perhatikan SPL berikut ini.
8 x2+2 x3=−7 (1)
3 x1+5 x2+2x3=8 (2)
6 x1+2 x2+8 x3=26 (3)
Dalam SPL diatas a11=0. Maka urutan letak persamaan harus diubah.
Misal persamaan (1) dan (2) dipertukarkan sehingga SPL-nya menjadi.
3 x1+5 x2+2x3=8
8 x2+2 x3=−7
18
Ket :
* : harga elemen-elemen tersebut telah berubah.
xk=bk− ∑
j=k +1
n
akj x j
akk
6 x1+2 x2+8 x3=26
Matriks augmented-nya :
[ 3 5 2 80 8 2 −76 2 8 26 ]
Tahap pertama :Triangularisasi.
a. Meng-nol-kan elemen kolom pertama dibawah elemen diagonalnya.
- Pilih a11 sebagai pivot.
- a21=0, tidak perlu diproses.
- Kalikan baris 1 dengan a31
a11, kurangkan baris ke-3 dengan
a31
a11x (baris
pertama). Baris ke-3 menjadi :
(6−63
.3)(2−63
.5)(8−63
.2)(26−63
.8), atau 0−8 410.
Matriksnya menjadi :
[ 3 5 2 80 8 2 −7
0 −8 4 10]b. Meng-nol-kan elemen kolom kedua dibawah a22.
- Pilih a22 sebagai pivot.
- Kalikan baris kedua dengan a32
a22.
- Hasilnya kurangkan dari baris ketiga.
- Baris ketiga menjadi :
(0−−88
.0)(−8−−88
.8)(4−−88
.2)(10−−88
. (−7 ))Menjadi : 0 0 6 3
Matriksnya menjadi :
[ 3 5 2 80 8 2 −70 0 6 3 ]
19
Tahap kedua :Substitusi Mundur (Pengalian mundur).
a. 6 x3=3
x3=36=1
2
b. 8 x2+2 x3=−7
8 x2+2.12=−7
8 x2=−8x2=−1
c. 3 x1+5 x2+2x3=8
3 x1+5 (−1 )+2( 12 )=8
3 x1=12x1=4
Proses triangularisasi secara lebih umum, diketahui matriks :
A=[a11 a12 a13 … a1n
a21 a22 a23 … a2n
a31 a32 a33 … a3n
⋮an1 an 2 an 3 … ann
]Dibuat semua elemen dibawah diagonal utama = 0.
Langkah 1. Semua elemen kolom 1 dibuat 0 kecualia11.
a. Kalikan baris pertama dengan a21
a11, hasilnya kurangkan dari baris kedua.
Baris kedua menjadi :
(a21−a21
a11
a11)(a22−a21
a11
a12)(a23−a21
a11
a13)…(a2n−a21
a11
a1 n)
b. Kalikan baris pertama dengan a31
a11 . Hasil dikurangkan dari baris ketiga.
Baris ketiga menjadi :
20
0 a22'
a23' a2n
'
(a31−a31
a11
a11)(a32−a31
a11
a12)(a33−a31
a11
a13)…(a3n−a31
a11
a1n)
c. Dengan cara yang sama untuk baris keempat sampai ke-n. Akhirnya
diperoleh determinan matriks.
[a11 a12 a13 … a1 n
0 a22' a23
' … a2 n'
0 a32' a33
' … a3 n'
⋮0 an 2
' an3' … ann
' ]dalam proses membuat 0 (nol) pada kolom 1 a11 disebut kumpulan
(“pivot”). Proses menjadikan 0 (nol) pada kolom 1, disebut reduksi
pivotal.
Langkah 2. Meng-Nol-kan elemen kolom kedua dibawah diagonal dengan
a22' sebagai pivot.
a. Baris kedua dikalikan dengan a32
'
a22' , hasilnya dikurangkan dari baris
ketiga. Baris ketiga akan menjadi :
(0−a32
'
a22' .0)(a32
'−a32
'
a22' .a22
' )(a33'−
a32'
a22' . a23
')…
b. Dengan cara yang sama kalikan baris kedua dengan a42
'
a22' . dan hasilnya
dikurangkan dari baris keempat, dan seterusnya.
Diperoleh :
[a11 a12 a13 … a1 n
0 a22' a23
' … a2 n'
0 0 a33' ' … a3 n
' '
⋮0 0 an 3
' ' … ann' ' ]
21
0 a32'
a33' a3 n
'
0 a33' '0
Langkah 3. Melakukan reduksi pivotal untuk kolom ketiga dengan a33'
sebagai pivot.
a. Kalikan baris ke-3 dengan a43
' '
a33' ' . Hasilnya kurangkan dari baris ke-4,
demikian seterusnya sampai kolom ke-3 elemennya dibawah a33' ' menjadi
0 (nol).
22
Algoritma dari metode Eliminasi Gauss dapat dinyatakan sebagai berikut :
Input : Matriks A(augmented matriks) n x n+1
Output : x=x j
For k = 1,...,n-1, do:Ifa jk = 0 untuk semua j >= k
then output ‘ Tidak ada penyelesaian ‘.Stop.Else (tukar baris bila perlu)
For j = k+1,..., n do:
m jk :=a jk
akk
For p = k+1,..., n+1, do:a jp :=a jp−m jk akp
EndEnd
EndIf ann=0 then output “ tidak ada penyelesaian “
StopElse
xn=an ,n+1/ann (mulai substitusi mundur)For i = n-1,..., 1 do:
x i=1/a ii (a i ,n−1−∑ a ij x j)EndOutput x=x j. Stop
End Gauss
Solusi SPL dengan metode lelaran ( Iterasi ).
Perhatikan SPL berikut ini :
a11 x1+a12 x2+a13 x3 …a1 n xn=b1
a21 x1+a22 x2+a23 x3 …a2n xn=b2
⋮ ⋮
an 1 x1+an 2 x2+an 3 x3 …ann xn=bn
Dengan syarat akk≠ 0 untuk k=1,2,3 ,…, n. Kemudian SPL di atas diubah menjadi:
x1=b1−a12 x2−a13 x3−…−a1 n xn
a11
x2=b2−a21 x1−a23 x3−…−a2 n xn
a22
⋮
23
(1)
(2)
xn=bn−an 1 x1−an 2 x2−…−an ,n−1 xn−1
ann
selanjutnya rumus (2) dilelar sampai harga x1 , x2 …xn sama dengan harga x1 , x2 …xn
yang dihasikan iterasi sebelumnya.
Ada dua metode untuk melelar persamaan (2).
1. Metode lelaran Jacobi, yang rumus lelarannya sebagai berikut :
x1(k+1 )=
b1−a12 x2(k)−a1 n xn
(k)
a11
x2(k+1)=
b2−a21 x1(k)−a23 x3
(k)−…−a2 n xn(k)
a22
⋮
xn(k +1)=
bn−an 1 x1(k)−an 2 x2
(k)−…−ann−1 xn−1(k )
ann
lelaran dimulai dengan memasukkan tebakan awal x1(0) , x2
(0) ,…xn(0). Lelaran
berhenti bila :
|x i(k +1)−x i
(k )|<∈ untuk i=1,2 , …, n.
Rumus umum lelaran Jacobi.
i=1,2,3 , …, n
k=0,1,2 ,…
Contoh.
Tentukan solusi SPL berikut :
4 x1−x2+x3=7
4 x1−8 x2+x3=−21
−2 x1+x2+5 x3=15
Dengan nilai tebakan awal : x10=1
24
x i(k+1)=
bi−∑j=1j≠ i
n
aij x j(k)
aii
x20=2
x30=2
Jawab.
Rumus lelaran.
x1(k+1 )=
7+x2(k)−x3
(k)
4
x2(k+1)=
+21+4 x1(k )−x3
(k)
8
x3(k +1)=
15+2 x1(k)−x2
(k)
5
Lelaran pertama k=0.
x1(1)=
7+x2(0 )−x3
(0)
4=7+2−2
4=1.75
x2(1)=
+21+4 (1 )+28
=3.375
x3(1)=
15+2 (1 )−25
=3.000
x1(2)=7+3.375−3.000
4=1.84375
x2(2)=
+21+4 (1.75 )−3.008
=3.875
x3(2)=
15+2 (1.75 ) – 3.3755
=3.025
Dan seterusnya. x119=2.000
x219=4.000
x319=3.000
Nilai Sejati : x1=2
x2=4
x3=3
2. Metode Lelaran Gauss-Seidal
25
Pada lelaran gauss seidal, harga x i yang baru segera dipakai pada persamaan
berikutnya, untuk menentukan harga x i+1 yang lainnya.
Rumus Lelarannya.
Lelaran Pertama.
x1(1)=
b1−a12 x2(0 )−a13 x3
(0)−a14 x4(0 )
a11
x2(1)=
b2−a21 x1(1)−a23 x3
(0)−a24 x 4(0)
a22
x3(1)=
b3−a31 x1(1 )−a32 x2
(1)−a34 x4(0)
a33
x4(1 )=
b4−a41 x1(1)−a42 x2
(1)−a43 x3(1)
a44
Lelaran Kedua.
x1(2)=
b1−a12 x2(1 )−a13 x3
(1)−a14 x4(1)
a11
x2(2)=
b2−a21 x1(2 )−a23 x3
(1)−a24 x4(1)
a22
x3(2)=
b3−a31 x1(2)−a32 x2
(2)−a34 x4(1)
a33
x4(2)=
b4−a41 x1(2)−a42 x2
(2)−a43 x3(2)
a44
Rumus Umumnya.
Contoh. Tentukan Solusi SPL berikut :
4 x1−x2+x3=7
4 x1−8 x2+x3=−21
−2 x1+x2+5 x3=15
26
x i(k+1)=
bi−∑j=1
i−1
aij x j(k+1)− ∑
j=i+1
n
aij x j(k)
aii
Dengan memasukkan tebakan awal : x1(0)=1, x2
(0)=2, x3(0)=2.
Jawab.
Rumus lelaran :
x1(k+1 )=
7+x2(k)−x3
(k)
4
x2(k+1)=
21+4 x1(k +1)−x3
(k )
8
x3(k +1)=
15+2 x1(k+1)−x2
(k+1)
5
Lelaran Pertama :
x1(1)=7+2−2
4=1.75
x2(1)=
21+4 (1.75 )−28
=3.25
x3(1)=
15+2 (1.75 )−3.255
=3.050
Lelaran Kedua :
x1(2)=7+3.25−3.05
4=1.8
x2(2)=
21+4(1.8)−3.0508
=3.144
x3(2)=
15+2 (1.8 )−3.1445
=3.091
Dan seterusnya. x1(10)=2.000
x2(10)=4.000
x3(10)=3.000
27
BAB IV
PENCOCOKAN KURVA (CURVE FITTING)
4.1. Pendahuluan
Dalam banyak hal, kita sering bekerja dengan sejumlah data diskrit (umumnya
berbentuk tabel). Data tersebut mungkin diperoleh dari hasil pengamatan di lapangan,
pengukuran di laboratorium, atau tabel yang diambil dari buku acuan. Sebagai contoh,
tabel berikut ini adalah data viskositas yang merupakan hasil pengukuran pada
berbagai suhu :
Suhu (℃¿ Viskositas
( N−sec
m2 )
0
10
20
30
50
55
0.08
..... ?
0.015
0.009
0.006
0.0055
Masalah yang sering muncul adalah menentukan harga diantara data-data yang
sudah ada, tanpa harus melakukan pengukuran ulang. Misalnya kita memerlukan data
viscositas pada suhu 10 ℃ yang tidak ada dalam tabel. Salah satu solusinya adalah
mencari fungsi yang mencocokkan titik-titik data. Pendekatan seperti ini dalam
metode numerik disebut Pencocokan Kurva (Curve Fitting). Ada dua metode
pencocokan kurva yaitu interpolasi dan regresi.
4.2. Interpolasi
Bila data dalam tabel mempunyai ketelitian yang sangat tinggi (misal : tabel
harga suatu fungsi, tabel yang terdapat dalam acuan ilmiah, seperti harga percepatan
gravitasi sebagai fungsi jarak dari pusat bumi) kurva cocokannya dibuat melalui
setiap titik data. Pencocokan data seperti ini disebut interpolasi. Metode yang
digunakan antara lain adalah : interpolasi polinom. Bila jumlah data yang diketahui
ada n+1 buah, maka polinom yang digunakan adalah polinom orde n.
28
Pn ( x )=a0+a1 x + a2 x2+…+an xn untuk contoh data di atas x adalah suhu dan
Pn ( x ) adalah harga viscositas pada suhu x℃. Pekerjaan selanjutnya adalah mencari
koefisien a0 , a1 , a2 , …an.
4.2-1. Interpolasi Lanjar (Linier).
Interpolasi lanjar adalah interpolasi 2 buah titik data dengan sebuah garis
lurus.
Misalnya diberikan dua buah titik (x¿¿0 , y0)¿ dan (x¿¿1 , y1)¿.
Polinom yang menginterpolasi kedua titik tersebut adalah persamaan
garis lurus.
P1 (x )=a0+a1 x ................. (2-1)
a0 dan a1 dapat dicari dengan penyulihan dan eliminasi. Sulihkan
(x0 , y0) dan (x1 , y1) kedalam persamaan (2-1), diperoleh :
y0=a0+a1 x0
y1=a0+a1 x1
Kalau diselesaikan akan diperoleh :
a1=y1− y0
x1−x0
29
....................... (2-1)
Interpolasi Lanjar (2-3)
a0=x1 y0−x0 y1
x1−x0
Bila a1 dan a0 disulihkan kedalam (2-1) dengan melakukan sedikit
manipulasi, maka diperoleh :
\
Rumus Lebih Umum :
.......... (2-4)
Contoh 1.
Dari tabel viskositas diketahui pada suhu 0℃viskositasnya adalah
0.08N−sec
m2 dan pada suhu 20℃viskositasnya 0.015N−sec
m2 . Tentukan
viskositas pada suhu 10℃.
Penyelesaian :
Namakan variabel suhu dengan x dan viskositas dengan y. Maka :
x0=0
x1=20
x=10
y0=0.08
y1=0.015
y pada 10℃ y (10) dilelar dengan P1(10).
Dari rumus (2-3)
P1 (x )= 0.08+(0.015−0.08 )
20−0(x−0)
¿0.08+−0.00520
x
¿0.08−0.00325 x
P1 (10 )=0.08−0.00325(10)
¿0.0475 . 0.048
30
P1 (x )= y0+y1− y0
x1− x0
(x− x0)
P1 ( X )=Y i+X−X i
X i+1−x i
(Y i+1−Y i)
Jadi viskositas pada suhu 10℃≈ P1 (10 )=0.048 .
31
Contoh 2. Data Penduduk USA.
Tahun J. Penduduk
(Juta)
1960
1970
179.3
203.2
Berapakah penduduk tahun 1968 ?
P1 (x )=179.3+ x−19601970−1960
(203.2−179.3)
¿179.3+ x−196010
(24.9)
Untuk x=1968.
P1 (1968 )=179.3+ 1968−196010
(24.9)
P1 (1968 )=179.3+ 810
(24.9 )
P1 (1968 )=179.3+19.92
¿199.2
Jadi penduduk USA pada tahun 1968 adalah 199.2 Juta orang.
4.2-2. Interpolasi Kuadrat.
Jika tersedia data untuk tiga titik, misalnya ( x0 , y0 ), ( x1 , y1 ) dan ( x2 , y2 ),
Polinom yang menginterpolasi ketiga titik tersebut adalah :
P2 ( x )=a0+a1 x+a2 x2 ............................. (3-1)
Sulihkan ( x0 , y0 ), ( x1 , y1 ) dan ( x2 , y2 ) kedalam persamaan (3-1).
a0+a1 x0+a2 x02= y 0
a0+a1 x1+a2 x12= y1 .................... (4-2)
a0+a1 x2+a2 x22= y2
Persamaan (4-2) adalah SPL dalam a0 , a1 , dan a2, yang solusinya dapat
dicari dengan metode eliminasi gauss.
32
Contoh. Diketahui :
X Y
ln (8.0 )=2.0794
ln (9.0 )=2.1972
ln (9.5 )=2.2513
Tentukan nilai ln (9.2 ).
Penyelesaian :
a0+8 a1+64 a2=2.0794
a0+9 a1+81 a2=2.1972
a0+9.5 a1+90.25 a2=2.2513
Dengan eliminasi gauss diperoleh :
a0=0.6762
a1=0.2266
a2=−0.0064
Polinom kuadratnya :
P2 (x )=0.6762+0.2266 x−0.0064 x2
P2 (9.2 )=2.2192
4.2-3. Interpolasi dengan polinom orde n.
Seperti telah disinggung dalam awal tulisan ini, bila ada (n+1) buah
data, maka data tersebut dipas (fit) dengan polinom orde n.
Pn ( x )=a0+a1 x + a2 x2+…+an−1 xn−1+an xn
karena kurva dari Pn ( x ) melalui setiap titik data maka :
Pn ( x0 )=a0+a1 x0 + a2 x02+…+an−1 x0
n−1+an x0n= y0
Pn ( x1)=a0+a1 x1 + a2 x12+…+an−1 x1
n−1+an x1n= y1
33
⋮ ⋮ ⋮
Pn ( xn )=a0+a1 xn + a2 xn2+…+an−1 xn
n−1+an xnn= yn
karena x0 , x1 , x2 … xn dan y0 , y1 , y2 … yn diketahui maka persamaan di
atas membentuk SPL dalam a0 , a1 , a2 …an yang dapat dicari dengan
Eliminasi Gauss, dengan diketahuinya a0 , a1 , a2 …an maka polinom
interpolasiPn ( x ) diketahui dan y ( x ) dapat dihitung dari Pn ( x ).
Contoh. Diketahui :
sin 0 °=0.0
sin 30 °=0.5
sin 60 °=0.8660
sin 90 °=1.0
Akan dibuat tabel sin0 °−90° dengan step 10 °. Dalam soal diatas :
x0=0
x1=30 °
x2=60 °
x3=90 °
y0=sin x0=0
y1=sin 30=0.5
y2=sin 60=0.8860
y3=sin 90=1.0
data yang jumlahnya 4 dapat difit dengan polinom orde 3.
P3 ( x )=a3 x3+a2 x2+a1 x+a0
Data terletak pada polinom P3 ( x ), maka :
a0+(0)a1 + (02)a2+(03)a3=0.0
a0+(30)a1 + (302)a2+(303)a3=0.5
a0+(60)a1 + (602)a2+(603)a3=0.8660
a0+(90)a1 + (902)a2+(903)a3=1.0
Ini adalah SPL dalam a0 , a1 , a2 , a3. Matriks augmentednya :
34
[ 1 0 0 0 0.01 30 900 27000 0.5
1 60 3600 216000 0.86601 90 8100 729000 1.0
]Dengan metode eliminasi gauss diperoleh :
a0=0
a1=0.17818 x10−1
a2=−0.19944 x 10−4
a3=−0.60541 x10−6
a0 , a1 , a2 dan a3 disulihkan kedalam :
P3 ( x )=a3 x3+a2 x2+a1 x+a0
kemudian hitung P3 ( x ) untuk x=0,10,20 , …, 90 °.
4.2-4. Polinom Lagrange
a. Interpolasi Lanjar
P1 (x )=a0 L0 (x )+a1 L1(x), dimana :
a0= y0
a1= y1
L0 ( x )=(x− x1)(x0−x1)
L1 ( x )=(x−x0)(x1−x0)
Contoh.
Diketahui : ln 9.0=2.1972
ln 9.5=2.2513
Tentukan : ln 9.2.
Penyelesaian :
P1 (x )=a0 L0 (x )+a1 L1(x)
x0=9
x1=9.5
x=9.2
a0= y0=2.1972
a1= y1=2.2513
35
L0 ( x )=L0 ( 9.2 )=9.2−9.59.0−9.5
=0.6
L1 ( x )=L1 (9.2 )=9.2−99.5−9
=0.4
P1 (x )=(2.1972 ) (0.6 )+(2.2513 )(0.4 )
¿2.2188
b. Interpolasi Kuadrat.
a0=Y 0
a1=Y 1
a2=Y 2
L0 ( x )=( x−x1 )( x−x2)
( x0−x1 )( x0−x2)
L1 ( x )=( x−x0 )(x−x2)
( x1−x0 )(x1−x2)
L2 (x )=( x−x0 )(x−x1)
( x2−x0 )(x2−x1)
36
P2 (x )=a0 L0 (x )+a1 L1 (x )+a2 L2(x )
Contoh. Diketahui : ln 9.0=2.1972
ln 9.5=2.2513
ln 11=2.3979
Tentukan : ln 9.2.
Penyelesaian :
x0=9
x1=9.5
x2=11
x=9.2
a0=2.1972
a1=2.2513
a2=2.3979
L0 ( x )=( x−9 )(x−11)
( 9−9.5 )(9−11)=x2−20.5 x+104.5
L0(9.2)=(9.2)2−(20.5 ) (9.2 )+104.5=0.5400
L1 ( x )=( x−9 )(11)
(9.5−9 )(9.5−11)=
−10.75
(x2−20 x+99)
L1(9.2)= 10.75
¿
L2 (x )=( x−9 )(x−9.5)
(11−9 )(11−9.5)=
13(x2−18.5 x+85.5)
L2 (9.2 )=13¿
ln 9.2 ≈ P2 (x )=(0.5400 ) (2.1972 )+ (0.4800 ) (2.2513 )−(0.0200 ) (2.3979 )=2.2192
c. Polinom derajat n untuk (n+1) titik data yang berbeda.
Pn ( x )=a0 L0 ( x )+a1 L1 ( x )+a2 L2 ( x )+…+an Ln(x )
a i=Y ii=0,1,2 ,…n
Li (x )=∏j=0j ≠i
n (x−x j)(x i−x j)
=( x−x0 ) ( x−x1 ) …(x−xn)
( x i−x0 ) ( xi−x1 ) …( xi−xn)
Atau
37
L0=( x−x1 ) ( x−x2 ) ( x−x3 ) … (x−xn)
( x0−x1 ) ( x0−x2 ) ( x0−x3) … (x0−xn)
L1=( x−x0 ) ( x−x2 ) ( x−x3 ) …(x−xn)
( x1−x0 ) ( x1−x2 ) ( x1−x3 ) …(x1−xn)
⋮
Dan seterusnya.
Contoh.
Diketahui harga fungsi y pada beberapa titik x sebagai berikut :
X : Y
0.0 : 1
0.4 : 0.921061
0.8 : 0.696707
1.2 : 0.362358
Tentukan harga y pada x=0.5 dengan polinom lagrange.
Penyelesaian.
Karena ada 4 titik data maka digunakan polinom lagrange derajat 3.
P3 ( x )=a0 L0 (x )+a1 L1 ( x )+a2 L2 ( x )+a3 L3 ( x )
a0= y0=1
a1= y1=0.921061
a2= y2=0.696707
a3= y3=0.362358
L0 ( x )=( x−x1 ) ( x−x2 )(x−x3)
( x0−x1 ) ( x0−x2 )(x0−x3)
¿( x−0.4 ) ( x−0.8 )(x−1.2)(0−0.4 ) ( 0−0.8 )(0−1.2)
¿( x−0.4 ) ( x−0.8 )(x−1.2)
2.4
L1 ( x )=( x−x0) ( x− x2 )(x−x3)
( x1−x0 ) ( x1−x2 )(x1−x3)
¿( x−0 ) ( x−0.8 )(x−1.2)
(0.4 ) (0.4−0.8 )(0.4−1.2)
¿x ( x−0.8 )(x−1.2)
−0.8
38
Dan seterusnya untuk L2(x) dan L3(x) disulihkan kedalam
persamaan untuk P3(x ) diperoleh :
P3 ( x )=−2.604167 ( x−0.4 ) (x−0.8 ) ( x−1.2 )+7.195789 (x−0.0 ) ( x−0.8 ) ( x−1.2 )−5.443021 ( x−0.0 ) ( x−0.4 ) ( x−1.2 )+0.943640 ( x−0.0 ) ( x−0.4 )(x−0.8)
Harga fungsi y pada x=0.5 didekati oleh harga P3(0.5) dengan
menghitung P3(x ) dengan memasukkan harga x=0.5. Hasilnya adalah
y (0.5 )=0.877583.
39
Program Polinom Lagrange
4.3. Regresi
Regresi adalah teknik pemecahan kurva untuk data yang ketelitiannya rendah.
Contohnya :
- Data hasil pengamatan
- Data hasil percobaan di laboratorium
- Data statistik
Data seperti ini disebut data hasil pengukuran.
Pencocokan kurva untuk data hasil pengukuran, kurvanya tidak pula melalui
semua titik data dan tidak pula menggunakan polinom derajat tinggi. Sebagai contoh,
berikut adalah data jarak tempuh ( y ) sebuah kendaraan dalam mil, setelah t detik (x).
X Y
1.38 1.83
3.39 2.51
4.75 3.65
6.56 4.10
7.76 5.01
40
Function Lagrange (x:real, N:integer):real;(Menghitung y=Pn(x), dengan P(x ) adalah polinom Lagrange derajat n. Titik-titik data telah disimpan di dalam larik x [0 …n] dan y [0…n])var i, j :integer;pi, L :real;begin L:=0; for i:=0 to n do beginpi:=1;for j:=0 to n doif i<>j then
pi:=pi*(x-x[j])/(x[i]-x[j]); (endfor) L:=L+y[i]*pi;end (for); Lagrange:=L;end (Lagrange);
Pencocokan kurva dengan polinom lagrange ditunjukkan dalam gambar a dan
dengan regresi linier ditunjukkan dalam gambar b, sedangkan perbandingan
keduanya diperlihatkan dalam gambar c. Tampak bahwa pencocokan kurva dengan
garis lurus (regresi) hasilnya cukup bagus.
(a) (b)
(c)
4.3-1. Regresi Linier
Misalkan diketahui data hasil pengukuran ( x i , y i ) i=1,2,3 …n. Data
tersebut dapat di pas(fit) dengan suatu garis lurus y=a+bx. a dan b dicari
dari persamaan matriks SPL berikut dengan metode eliminasi gaussi, atau
aturan :
41
[ n ∑ x i
∑ x i ∑ x i
2] [ab]=[ ∑ x i
∑ x i y i].
Dengan cara lain a dan b diberikan oleh rumus :
b=n∑ xi y i−∑ x i∑ y i
n∑ x i
2−(∑ x i)
2
a= y−b x
dalam rumus diatas n=jumlah pasangan data x i , y i, x= harga rata-rata
dari x i atau x=
∑i=1
n
y i
n
.
Contoh lihat buku :
- Renaldi Munir : Halaman 249.
- A. Salusu : Halaman 81 s/d 83.
4.3-2. Perlanjaran (Pelinieran)
Bila data pengukuran sebelumnya tidak menunjukkan kecenderungan
terletak pada garis lurus, maka regresi lanjar tidak dapat digunakan. Contoh
data dibawah ini pasti tidak dapat di “pas” dengan garis lurus tapi lebih
cocok di pas dengan fungsi kuadratis.
42
Catatan :
Dalam analisa regresi data seharusnya digambarkan dahulu dalam salib sumbu x-y, sehingga tampak secara visual sebelumnya dan selanjutnya kita dapat menduga bentuk fungsi regresinya.
Meskipun fungsi hampiran berbentuk nirlanjar, namun pencocokan
kurvanya bisa diselesaikan dengan regresi lanjar, dengan melakukan
pelanjaran fungsinya. Fungsi-fungsi nirlanjar yang mudah di lanjarkan :
a. Persamaan pangkat sederhana.
y=C xb , C dan b konstanta.
b. Persamaan eksponensial.
y=C ebx , C dan b konstanta.
c. Persamaan laju pertumbuhan jenuh.
y= Cxd+x
, C dan d konstanta.
43
4.3-2.1. Perlanjaran persamaan pangkat sederhana.
y=C xb
ln y=ln(C )+b ln(x¿¿)¿¿
Dimisalkan :
Y=ln y
a=ln C Y¿a+bX(Persamaan Lanjar)
X=ln x
Contoh: Lihat buku Renaldi Munir Halaman 252.
Dari hasil regresi diperolleh harga a dan b. Kemudian dari
persamaan a=ln C, C dapat ditentukan, sehingga y¿C Xb diketahui
secara eksplisit dan persamaan tersebut digunakan untuk menentukan
y untuk harga x yang lain.
4.3-2.2. Pelanjaran model fungsi eksponensial.
Y=C ebx
ln ( y )=ln (C )+bx ln (e )
ln ( y)=ln(C )+bx (ln (e )=1)
Definisikan:
Y=ln( y )
a=ln (C )Y =a+bX
X=x
Persamaan regresi lanjarnya:
Y=a+bX
Dari hasil regresi diperoleh a dan b. Selanjutnya dari persamaan
a=ln C. C dapat ditentukan, sehingga Y=C ebx, diketahui secara
eksplisit, yang dapat digunakan untuk menentukan Y untuk x harga
yang berbeda dengan yang ada dalam tabel.
44
4.3-2.3. Pelanjaran Model Laju Pertumbuhan Jenuh y= Cxd+x
y= Cxd+x
1y=d+x
Cx
1y= d
C1x+ 1
C
Definisikan :
Y= 1y
a= 1C
y=a+bX (Persamaan Lanjar)
b= dC
X=1x
Dari persamaan regresi diperoleh a dan b dari persamaan a= 1C
dan b¿dC
, dapat ditentukan C dan b sehingga y=Cxdx
diketahui secara
eksplisit dan dapat digunakan menentukan harga y untuk harga x
yang berbeda dengan data yang ada.
45
BAB V
INTEGRASI NUMERIK
5.1. Pendahuluan
Dalam Kalkulus kita mengenal 2 jenis integral.
a. Integral Tidak Tentu.
∫ f ( x )dx=F ( x )+C
b. Integral Tentu
I=∫a
b
f ( x ) dx=F (x)|ba=F (b )−F (a)
I adalah luasan yang dibatasi f(x), sumbu x dan garis x=a sampai x=b.
Fungsi-fungsi yang dapat diintegrasikan dapat dikelompokkan sebagai berikut :
a. Fungsi menerus (kontinue) yang sederhana seperti polinomial, eksponensial,
fungsi trigonometri (sin x ,cos x , tan x). Metode-metode analitik untuk
menghitung integral fungsi tersebut sudah tersedia. Misalnya :
∫ xn dx= Xn+1
n+1+C
∫ eax dx= eax
a+C
∫sin x dx=cos x+C
46
∫ dxx
=ln x+C
Dan sebagainya.
b. Fungsi menerus yang rumit, misalnya :
∫0
22+cos (1+x
12)
√1+0.5 sin xe0.5 x dx.
Fungsi rumit seperti ini, integralnya sangat sulit, bahkan tidak mungkin
diselesaikan dengan cara-cara dalam integrasi sederhana. Untuk
mengatasinya, maka digunakan Integrasi numerik.
c. Fungsi yang ditabulasikan.
Dalam hal ini, x dan f(x) diberikan dalam sejumlah titik yang diskrit.
Fungsi semacam ini dijumpai pada data hasil eksperimen di laboratorium
atau hasil pengukuran di lapangan. Umumnya fungsi f(x) nya tidak diketahui
secara eksplisit yang dapat diukur harga berdasarkan fisisnya saja. Misalnya:
x f(x)
0.00
0.25
0.50
0.75
1.00
6.0
7.5
8.0
9.0
8.5
5.2. Persoalan Integrasi Numerik
Persoalan integrasi numerik adalah menghitung integral tentu I=∫a
b
f ( x ) dx
secara numerik. Ada 3 (tiga) pendekatan :
a. Berdasarkan tafsiran geometri integral tentu.
Daerah integrasi dibagi menjadi sejumlah pias (strip) yang bentuknya
segi empat (metode pias).
47
b. Berdasarkan Polinom Interpolasi.
Di sini fungsi integrand f(x) dihampiri dengan polinom Pn(x ) (Metode
Newton-Cotes).
c. Pendekatan “Kuadratur gauss”.
5.2-1. Metode Pias
Misalkan akan dihitung integral I=∫a
b
f ( x ) dx.Dalam metode pias,
daerah integrasi dibagi menjadi n buah pias yang lebarnya (h) sama.
h=b−an
Titik absis pias dinyatakan oleh :
xr=a+rh , r=0,1,2,3 …n
Dan nilai fungsi pada titik absis pias dinyatakan oleh :
f r=f (xr) .
Ada 3 (tiga) Kaidah integrasi numerik yang dapat diturunkan dengan
metode pias, yaitu :
1. Kaidah segiempat (rectangle rule)
2. Kaidah trapesium (trapezodial rule)
3. Kaidah titik tengah (midpoint rule)
48
5.2-2.1. Kaidah Segiempat
Dalam kaidah segi empat, luas pias didekati dengan rumus
segiempat. Nilai integral didekati dengan jumlah luas semua pias.
Perhatikan pias yang melebar dari x0→ x1. x1−x0=h. Luas pias
adalah hf (x0) atau hf (x1).
Luas 1 (satu) buah pias¿h2¿. Jadi :
∫a= x0
x1
f ( x ) dx=h2( f 0+ f 1)
∫x1
x2
f ( x )dx=h2( f 1+f 2)
⋮
∫xn−1
xn=b
f ( x ) dx=h2( f n−1+f n)
∫a
b
f ( x )dx ≈h2( f 0+2 f 1+2 f 2+…+f n)
49
∫a
b
f ( x )dx ≈h2( f 0+2∑
i=1
n−1
f i+ f n)
5.2-2.2. Kaidah Trapesium
Bila luas satu pias dildekati dengan luas trapesium, maka :
∫x0
x1
f ( x )dx=h2( f 0+ f 1) demikian juga
∫x1
x2
f ( x )dx=h2( f 1+f 2)
⋮
∫xn−1
xn
f (x ) dx=h2( f n−1+ f n)
∫x0
xn
f ( x )dx=h2( f 0+2 f 1+2 f 2+…2 f n−1+ f n)
Catatan : Kaidah segiempat = Kaidah Trapesium.
50
∫x0
xn
f ( x )dx=h2( f 0+2∑
i=1
n−1
f i+ f n)
51
Procedure trapesium (a, b : real; n:integer; var I : real);{ Menghitung integrasi f(x) di dalam selang [a,b] dan julah pias
adalah n dengan menggunakan kaidah trapesium.K.Awal : nilai a, b, dan n sudah terdefinisiK.Akhir : I adalah hampiran integrasi yang dihitung dengan
kaidah segi-empat. }var
h, x, sigma:real;r : integer;
beginh:=(b-a)/n; {lebar pias}x:=a; {awal selang integrasi}I:=f(a) + f(b);sigma:=0;for r:=1 to n-1 do
begin x:=x+h;sigma:=sigma + 2*f(x);
end;I:=(I+sigma)*h/2; {nilai integrasi numerik)
End;
5.2-2.3. Kaidah Titik Tengah.
∫a
b
f ( x )dx , secara geometri dapat digambarkan sebagai berikut :
Daerah integrasi yaitu luasan yang dibatasi kurva f(x), sumbu x dan
garis tegak x=a serta x=b dibagi menjadi n buah pias yang lebarnya
sama. Luas satu pias
∫x0
x1
f ( x )dx ≈ hf (x0+h2)≈ hf (x1/2) .
52
∫x1
x2
f ( x )dx=h f 3 /2
Dan seterusnya.
∫a
b
f ( x )dx ≈ h f 1 /2+h f 3/2+…h f n−1 /2
≈ h∑i=0
n−1
fi+1
2
fi+
12
=f (xi+
12
)
xi+
12
=a+(i+ 12 )h ; i=0,1,2 ,…,n−1
Contoh :
Hitung ∫1.8
3.4
e x dx dengan Kaidah Trapesium. Ambil h=0.2.
Penyelesaian :
f ( x )=ex
h=b−an
atau n=b−ah
=3.4−1.80.2
=8.
Buat tabel harga x dan f(x).
i x i f (x¿¿ i)¿
0 1.8 6.050
1 2.0 7.389
2 2.2 9.025
3 2.4 11.023
4 2.6 13.464
5 2.8 16.445
6 3.0 20.086
7 3.2 24.533
8 3.4 29.964
53
∫1.8
3.4
e x dx ≈h2
¿¿
≈0.22
(6.050+2(101.9650)+29.964)
≈ 239.994 (0.1 )
≈ 23.999.
Secara Analitik =23.914.
Contoh 2.
Tentukan ∫1
41x
dx dengan metode titik tengah. Ambil n=10.
Penyelesaian :
a=1 b=4
h=b−an
=4−110
=0.3
xi+
12
=a+(i+ 12 )h
Buat tabel sebagai berikut :
i x i+12
fi+1
2
h fi+1
2
0 1.15 0.869565 0.260869
1 1.45 0.689655 0.206896
2 1.75 0.571428 0.171428
3 2.05 0.487804 0.146341
4 2.35 0.425531 0.127659
5 2.65 0.377358 0.113207
6 2.95 0.338983 0.101694
7 3.25 0.307692 0.092307
8 3.55 0.281690 0.084507
9 3.85 0.25974 0.077922
54
I h∑i=0
n−1
fi+1
2
=1.382835
Soal.
Buat program menggunakan bahasa pemrograman visual basic untuk
menyelesaikan integral ∫1.5
2.5
x2cos (x2)dx secara numerik dengan kaidah
trapesium dan kaidah titik tengah. Untuk kedua kaidah tersebut, ambil h=0.1
.
55
Procedure titik_tengah (a, b : real; n:integer; var I : real);{ Menghitung integrasi f(x) di dalam selang [a,b] dan julah pias
sebanyak n.K.Awal : harga a, b, dan n sudah terdefinisi.K.Akhir : I adalah hampiran integrasi yang dihitung dengan
kaidah titik-tengah. }var
h, x, sigma:real;r : integer;
beginh:=(b-a)/n; {lebar pias}x:=a+h/2; {titik tengah pertama}sigma:=f(x);for r:=1 to n-1 do
begin x:=x+h;sigma:=sigma + f(x)
end;I:=sigma*h; {nilai integrasi numerik)
End;
5.2-2. Kaidah Simpson 13
.
Selang integrasi [a,b] dibagi menjadi n+1 buah titik titik diskrit
x0 , x1 , x2 , x3 … xn dengan n genap. Harga f(x) pada titik-titik
x0 , x1 , x2 , x3 … xnkita namakan f 0 , f 1 , f 2 …f n.∫a
b
f ( x )dx didekati dengan :
∫a
b
f ( x )dx ≈h3( f 0+4 ∑
i=1,3,5
n−1
f i+2¿ ∑i=2,4,6
n−2
f i+f n)¿
h=b−an
atau x i+1−x i , i=0,1,2 …
Contoh.
Tentukan integral :
I=∫0
1dx
1+ x , ambil h=0.125 , n= 1−0
0.125=8.
i x i f i
0 0 1
1 0.125 0.88889
2 0.250 0.80000
3 0.375 0.72727
4 0.500 0.66667
5 0.625 0.61538
6 0.750 0.57143
7 0.875 0.53333
56
8 1.000 0.50000
∫a
bdx
1+x≈
h3¿¿
≈h3(f 0+4 f 1+2 f 2+4 f 3+2 f 4+4 f 5+2 f 6+4 f 7+2 f 8)
≈ 0.69315Solusi sejati =0.6931472
5.2-3. Kaidah Simpson 3/8.
Pembagian selang integral [a,b] menjadi n, yang besarnya harus kelipatan 3.
∫a
b
f ( x )dx ≈3 h8
¿¿
Catatan. Sama seperti simpson 1/3, harga n harus kelipatan 3.
57
Procedure simpson_sepertiga (a, b :real; n:integer; var I:real);{ Menghitung integrasi f(x) dalam selang [a,b] dengan jumlah pias
n (n harus genap)K.Awal : harga a,b, dan n sudah terdefinisi(n harus genap).K.Akhir : I adalah hampiran integrasi yang dihitung dengan
kaidah simpson 1/3.}
varh,x,sigma:real;r:integer;
beginh:=(b-a)/n; {jarak antara titik}x:=a;I:=f(a)+f(b); {Awal selang integrasi}.Sigma:=0;
for r:=1 to n-1 dobegin
x:=x+h;if r mod 2 = 1 then {r=1, 3, 5, ..., n-1}sigma:=sigma + 4*(f x ¿else
Sigma:=sigma+2*f(x);end;
I=(I+sigma)*h/3; {nilai integrasi numerik}end;
Program kaidah Simpson 3/8.
58
Procedure simpson_3per8 (a, b :real; n:integer; var I:real);{ Menghitung integrasi f(x) dalam selang [a,b] dengan jumlah pias
n (n harus kelipatan tiga)K.Awal : harga a,b, dan n sudah terdefinisi(n kelipatan 3).K.Akhir : I adalah hampiran integrasi yang dihitung dengan
kaidah simpson 3/8.}
varh,x,sigma:real;r:integer;
beginh:=(b-a)/n; {jarak antara titik}x:=a;I:=f(a)+f(b); {Awal selang integrasi}.Sigma:=0;
for r:=1 to n-1 dobegin
x:=x+h;if r mod 3 = 0 then {r=3, 6, 9, ..., n-3}sigma:=sigma + 2*(f x ¿else
Sigma:=sigma+ 3*f(x);end;
I=(I+sigma)*3*h/8; {nilai integrasi numerik}end;
BAB VI
TURUNAN NUMERIK
Diketahui suatu fungsi f(x). Turunan dari f(x) didefinisikan sebagai berikut :
dydx
=f ' ( x )=limh→ 0
f (x+h )−f (x)h
Turunan dari f ( x ) di x=x0.
f ' ( x0 )=limh → 0
f ( x0+h )−f (x0)h
Secara geometri :
f ( x0+h )−f (x0)h
= arah garis AB.
limh→ 0
f ( x0+h )−f (x0)h
= arah garis singgung di A.
59
6.1. Perhitungan Turunan Numerik
Persoalan turunan numerik adalah menentukan hampiran nilai turunan fungsi
f(x) yang diberikan dalam bentuk tabel. Ada tiga pendekatan perhitungan turunan
numerik yang dirumuskan sebagai berikut :
Andaikan diberikan 3 harga f(x) untuk 3 harga x0, x0−h dan x0+h.
x f(x)
x0−h = f−1
x0 = f 0
x0+h = f 1
a. Hampiran selisih maju.
f ' ( x0 )=f 1− f 0
h secara umum f i
'=f i+1−f i
h
b. Hampiran selisih mundur.
f ' ( x0 )=f 0−f−1
h secara umum f i
'=f i−f i−1
h
c. Hampiran selisih pusat
f ' ( x0 )=f 1− f−1
2 h secara umum f i
'=f i+1−f i−1
2h
Contoh 1.
Diberikan harga fungsi f ( x )=−0.1x4−0.15 x3−0.5 x2−0.25 x+1.2 dalam
bentuk tabel sebagai berikut
i x f(x)
i−2 0 1.2
i−1 0.25 1.103516
i 0.50 0.925
i+1 0.75 0.636328
i+2 1.00 0.2
Tentukan f ' pada x=0.5.
60
a. Hampiran selisih maju : f i−f 0
h
f ' (0.50 )=f 0'=
f 1−f 0
h=0.636328−0.925
0.25=−1.1546875
b. Hampiran selisih mudur.
f ' (0.5 )=f 0'=
f 0− f−1
h=0.925−1.103516
0.25=−0.7140625
c. Hampiran selisih pusat.
f ' (0.5 )=f 0'=
f 1−f−1
2h=0.636338−1.103516
2(0.25)=−0.934375
Nilai eksak :f ' (0.5 )=−0.9125
Jika dibandingkan, kesalahnnya :
- Hampiran Maju : -26.54%
- Hampiran Mundur : 21.75%
- Hampiran Pusat : -2.4%
Contoh 2.
Diberikan data fungsi sebagai berikut :
x f(x)
1.3 3.669
1.5 4.482
1.7 5.474
1.9 6.686
2.1 8.166
2.3 9.974
2.5 12.182
a. Tentukan f '(1.7) dengan hampiran selisih pusat.
b. Tentukan f '(1.4) dengna hampiran selisih pusat.
c. Tentukan f '(1.3) dan f '(2.5)
61
Penyelesaian.
h=0.2
a. Ambil x0=1.7 x−1=1.5 dan x1=1.9
f 0=5.474 f 0=4.482 dan f 1=6.686
f ' (1.7 )=f 1−f−1
2(0.2)=6.686−4.484
2 (0.2)=5.510
b. f '(1.4)
x0=1.4 x−1=1.3 dan x1=1.5
f−1=3.669 dan f 1=4.482
h=0.1
f ' (1.4 )=f 1−f −1
2h=4.482−3.669
2(0.1)=4.065
c. f '(1.3) ? Selisih maju
x0=1.3 x1=1.5
f 0=3.669 f 1=4.482
h=0.2
f ' (1.3 )=f 1−f 0
h=4.482−3.669
0.2=4.065
f '(2.5) ? Selisih mudur
f ' (2.5 )=f 0−f−1
h
x0=2.5 x−1=2.3
f 0=12.182 f −1=9.974
h=2
f ' (2.5 )=12.182−9.9740.2
=11.04
62