Professional Documents
Culture Documents
=
=
n
i
i
a S
1
Analisa persoalan : Dari n buah bilangan yang diketahui, harus
dicari jumlah dari seluruh bilangan tersebut.
Untuk itu diperlukan satu buah variabel
penyimpanan jumlah, yang pada awalnya
berisi 0 dan setiap kali dijumlahkan dengan
masing-masing n bilangan a1, a2,..an.
23
Pengembangan Algoritma
Dekomposisi :
1. Baca/masukkan jumlah bilangan yang akan dijumlahkan
2. Baca/masukkan bilangan-bilangan yang akan dijumlah
3. Jumlahkan satu per satu bilangan di atas ke suatu nilai total
4. Cetak nilai total tersebut
Perincian Sub Persoalan :
1. Masukkan jumlah bilangan yang akan dijumlah dan simpan pada
variabel n
2. Lakukan sebanyak n kali :
masukkan nilai bilangan pada variabel a
i
(I= 1, 2, ,n)
3. Isi variabel S=0
24
Pengembangan Algoritma
4. Lakukan sebanyak n kali :
jumlahkan a
i
ke s (i = 1, 2, , n)
5. Cetakisi variabel s
Data :
Variabel penyimpanan banyaknya data (n) bertipe integer
Varibel penyimpanan masing-masing bilangan linier array (a
i
)
dan bertipe integer/real
Variabel penyimpanan nilai total (s) bertipe integer/real
25
Pengembangan Algoritma
Algoritma 1 :
Baca/masukkan suatu nilai dan simpan pada
variabel n
Untuk nilai varibel i dari 1 s/d n lakukan :
baca/masukkan nilai a
i
3. Set isi variabel s = 0
4. Untuk nilai variabel i dari 1 s/d n lakukan :
s = s + a
i
5. Cetak variabel s
26
Pengembangan Algoritma
Algoritma 2 :
1. Baca/masukkan suatu nilai dan simpan pada
variabel n
2. Set isi variabel s=0
3. Untuk nilai variabel i dari s/d n lakukan :
a. baca/masukkan nilai a
i
b. s = s + a
i
4. Cetak variabel s
27
Latihan
Bila dibaca 2 buah bilangan bulat
positip x dan y, maka buatlah algoritma
untuk menghitung FPB dari x dan y !
Bila dibaca sebuah bilangan bulat
positip x maka buatlah algoritma untuk
menyatakan bahwa bilangan tersebut
adalah bilangan Amstrong !
28
SOLUSI
PERSAMAAN NON LINIER
METODE BISEKSI (BAGI DUA)
29
Metode Biseksi
Fungsi kontinu pada [a,b]
Akarnya x = p & p e [a,b]
Untuk setiap iterasi akan membagi 2 interval
yang memuat x = p dan berhenti bila
mencapai suatu bilangan yang berada dalam
toleransi (ditetapkan)
Hanya ada 1 akar dalam [X
0
,X
1
] maka
f(X
0
)*f(X
1
) s 0
Titik tengah interval X
2
=(X
0
+ X
1
)
30
Metode Biseksi (lanjutan)
Bila f(X
0
)*f(X
2
) s 0 maka akar
p e [X
0
,X
2
]
Ulangi iterasi pada interval [X
0
,X
1
] yang
baru (dalam hal ini [X
0
,X
2
])
Pada kasus lainnya, yakni bila
f(X
0
)*f(X
2
) > 0, maka akar p e [X
2
,X
1
]
Ulangi iterasi pada interval [X
0
,X
1
] yang
baru (dalam hal ini [X
2
,X
1
])
31
Metode Biseksi (lanjutan)
Setelah dilakukan n kali iterasi biseksi,
akan diperoleh interval yang lebarnya
()
n
(X
1
X
0
)
Bila ()
n
(X
1
X
0
)<t maka akarnya
berselisih kurang dari t terhadap kedua
titik ujung interval kecil (terakhir) tsb.
32
Metode Biseksi (lanjutan)
Bila diinginkan toleransi kesalahan lebih
kecil dari t, maka diperlukan paling
sedikit
2
log(X
1
X
0
) iterasi biseksi,
kecuali bila akarnya tepat pada ujung
interval.
33
Algoritma Biseksi (1)
INPUT X
0
,X
1
,F(X),T
WHILE [(X
1
X
0
) >T OR F(X
0
)*F(X
1
) =0] DO
X
2
= (X
0
+ X
1
)/2
IF F(X
0
)*F(X
2
) >0 THEN
X
0
= X
2
ELSE
X
1
= X
2
ENDIF
ENDWHILE
34
IF F(X
0
)=0 THEN
OUTPUT (X
0
)
ELSE IF F(X
1
) = 0 THEN
OUTPUT (X
1
)
ELSE
OUTPUT (X
2
)
ENDIF
Algoritma Biseksi (2)
35
KEUNTUNGAN BISEKSI
Selalu berhasil menemukan akar
(solusi) yang dicari, atau dengan
kata lain selalu konvergen.
36
KELEMAHAN BISEKSI
Bekerja sangat lambat. Tidak
memandang bahwa sebenarnya
akar atau solusi yang dicari telah
berada dekat sekali dengan X
0
ataupun X
1
.
37
SOLUSI
PERSAMAAN NON LINIER
METODE REGULA FALSI
(FALSE POSITION)
38
METODE REGULA FALSI
Salah satu alternatif untuk
mempercepat perhitungan akar (solusi).
Tetapkan interval awal [X
0
,X
1
] yang
memuat akar (solusi).
Hitung X
2
(yang merupakan titik ujung
interval baru) : titik potong garis lurus
dari titik [X
0
,f(X
0
)] ke titik [X
1
,f(X
1
)]
dengan sumbu X.
39
METODE REGULA FALSI
Persamaan garis lurus melalui
titik [X
0
,f(X
0
)] dan [X
1
,f(X
1
)],
yaitu :
) ( ) (
) (
0 1
0
0 1
0
x f x f
x f y
x x
x x
40
METODE REGULA FALSI
Garis tersebut berpotongan dengan
sumbu X Y = 0 dengan titik absisnya
yaitu X
2
, sehingga diperoleh :
) (
) ( ) (
) (
1
0 1
0 1
0 2
x f
x f x f
x x
x x
=
41
METODE REGULA FALSI
Penetapan interval baru:
bila F(X
0
)*F(X
2
) <0 maka
intervalnya menjadi [X
0
, X
2
]
bila F(X
0
)*F(X
2
) >0 maka
intervalnya menjadi [X
2
, X
1
]
42
Metode Regula Falsi
Pengulangan/iterasi mencari X2 dan
interval baru dilakukan berdasarkan
nilai toleransi atau bila akarnya belum
ditemukan
Sebaiknya nilai toleransi secara relatif
mengacu pada : error aproksimasi
43
ALGORITMA REGULA FALSI
INPUT X
0
,X
1
,T,F(X), MAX
I=0; FOUND = false
REPEAT
I=I+1
X
2
= X
1
-(X
1
- X
0
)*F(X
1
)/(F(X
1
)-F(X
0
))
IF F(X
0
)*F(X
2
)<0 THEN
X
1
= X
2
44
ALGORITMA REGULA FALSI
ELSE
X
0
= X
2
ENDIF
IF (|(X
2
- X
1
)/ X
1
|sT OR I=MAX) THEN
FOUND=true
ENDIF
UNTIL (FOUND=true)
OUTPUT (X
2
)
45
KELEMAHAN REGULA FALSI
Hanya salah satu titik ujung interval (X
0
atau X
1
) yang bergerak menuju akar
dan yang lainnya selalu tetap untuk
setiap iterasi.
Sehingga mungkin [X
0
, X
1
] masih cukup
besar jaraknya bila menggunakan batas
| X
1
- X
0
| s T padahal X
0
X
2
atau
X
1
X
2
46
KELEMAHAN Regula falsi
hal tersebut dikenal dengan pendekatan error
mutlak.
diperbaiki dengan pendekatan Error relatif :
T
x
x x
T
x
x x
s
0
2 0
1
2 1
atau
47
METODE SEKAN
SOLUSI
PERSAMAAN NON LINIER
48
Metode Sekan
Disebut juga Metode Interpolasi Linear
Dalam prosesnya tidak dilakukan penjepitan
akar atau dpl.
[X
0
, X
1
] tidak harus mengandung akar yang
akan dicari.
Sehingga f(x
0
) dan f(x
1
) bisa bertanda sama
Untuk mencari X
2
, sama dengan metode
REGULA FALSI
49
Metode Sekan (lanjutan)
Untuk iterasi berikutnya akan diperoleh
interval baru [X
0
, X
1
] dengan cara
pergeseran: X
0
X
1
, X
1
X
2
Iterasi berlangsung sampai batas maksimum
(Max.) atau sampai dipenuhinya batas
Toleransi (T):
| (X
1
- X
2
)/ X
1
| T
--------------------------
|
\/
Nilai kesalahan relatif
50
Metode Sekan (lanjutan)
Proses Pencapaian Akar (Mtd. SEKAN)
Tambah gambar ! (halaman akhir)
51
Algoritma Sekan
INPUT X
0
, X
1
, T, Max, F(x)
i = 0
Found = false
REPEAT
i = i + 1
X
2
= X
1
(X
1
X
0
)*F(X
1
)/(F(X
1
) F(X
0
))
X
0
= X
1
X
1
= X
2
52
Algoritma Sekan (lanjutan)
IF | (X
0
- X
1
)/ X
0
| T OR
i = Max THEN
Found = true
ENDIF
UNTIL (Found = true)
OUTPUT (X
2
)
53
54
METODE ITERASI TITIK TETAP
SOLUSI
PERSAMAAN NON LINIER
55
METODE ITERASI TITIK TETAP
Syaratnya:
f(x) = 0 dapat diubah menjadi bentuk:
x = g(x) (yang tidak unik)
Cari akar dgn pertidaksamaan rekurens:
X
k+1
= g(X
k
); untuk k = 0, 1, 2, 3,
dgn X
0
asumsi awalnya, sehingga diperoleh
barisan X
0
, X
1
, X
2
, X
3
, yang diharapkan
konvergen ke akarnya.
Jika g(x) [a, b] dan g(x) k dgn k< 1 Utk setiap
x [a, b] , maka titik tetap tersebut tunggal dan
iterasinya akan konvergen menuju akar
56
METODE ITERASI TITIK TETAP (contd)
Dari bentuk x = g(x), berarti akar dari f(x)
tak lain adalah perpotongan antara garis
lurus y = x dan kurva y = g(x).
57
58
CONTOH KASUS
CONTOH:
f(x) = x e
1/x
;
bentuk x = g(x), yaitu: f(x) = x e
1/x
dapat ditulis: f(x) = 0 x e
1/x
= 0
shg didapat x = g(x), antara lain:
a. x = e
1/x
b. x = e
1/x
ln x = 1/x (ln e) x = 1/ln x
c. x = e
1/x
2x = x + e
1/x
x = 1/2(x +
e
1/x
)
59
CONTOH KASUS (lanjutan)
ambil x
0
= 1.5
periksa kekonvergenan iterasi:
a. g(x) = - (1/x
2
) e
1/x
g(x) = - (1/(1.5)
2
) e
1/1.5
= . ?
60
METODE NEWTON-RAPHSON
SOLUSI
PERSAMAAN NON LINIER
61
METODE NEWTON-RAPHSON
Waktu pencarian akarnya relatif lebih cepat
dibandingkan metode lainnya.
Memanfaatkan turunan fungsi f(x) pada suatu
titik P [x
1
, f(x
1
)]
Membuat garis singgung pada titik P tsb yg
memotong sumbu x didapat x
i+1
Sampai ditemukan akarnya (sesuai batas
toleransi/error yg diberikan)
62
Gambar Grafik
63
METODE NEWTON-RAPHSON
(lanjutan)
Persamaan garis singgung melalui P [X
1
, f(X
1
)]
adalah: y f(X
1
) = f (X
1
) . (X X
1
)
dgn f (X
1
) : gradien garis singgung
Persamaan tsb memotong sumbun x di titik
(X
2
, 0) maka akan diperoleh:
0 - f(X
1
) = f(X
1
). (X
2
X
1
)
X
2
.f(X
1
) - X
1
.f(X
1
) = - f(X
1
)
X
2
=
X
1
- f(X
1
)/ f(X
1
)
64
METODE NEWTON-RAPHSON
(lanjutan)
Secara Rekurens, persamaan tsb dinyatakan
menjadi:
X
i+1
= X
i
- f(X
1
)/ f(X
1
)
Utk i = 1, 2, 3,
f(X
i
): turunan pertama f(X) pada x = x
i
.
65
SOLUSI
SISTEM PERSAMAAN LINIER
66
SOLUSI SISTEM PERSAMAAN
LINEAR (SPL)
SPL dengan m persamaan dan n variabel:
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
: : :
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
atau dalam bentuk matriks: Ax = b
a
11
a
12
a
1n
x
1
b
1
a
21
a
22
a
2n
x
2
b
2
: : :
a
m1
a
m2
a
mn
x
n
b
m
A x b
Solusi dari SPL Ax = b adalah nilai-nilai dari x
1
, x
2
, , x
n
memenuhi persamaan ke -1 s/d
ke m
Solusi dari SPL:
3x
1
+ 2x
2
= 16
-x
1
+ 3x
2
= 13
67
METODE ELIMINASI GAUSS
Misalkan: A(n x n), sehingga SPL: Ax = b dengan A(n x n), x(n x 1) dan
B(n x 1)
Untuk menentukan solusi SPL tersebut dilakukan dalam 2 langkah utama :
Langkah 1:
Mengeliminir x
1
s/d x
2
atau dpl membuat Ax = b menjadi bentuk
A*x = b* dengan A* adalah matriks segitiga atas
Langkah 2:
Melakukan substitusi mundur (back substitutions) sehingga di
peroleh X
n
, x
n-1
, x
n-2
,,x
2
, x
1
68
Contoh:
a11x1 + a12x2 + a13x3 = a14
a21x1 + a22x2 + a23x3 = a24
a31x1 + a32x2 + a33x3 = a34
Eliminasi x
1
pada baris ke dua dpl. Membuat koefisien x
1
pada baris ke dua
menjadi nol (manfaatkan operasi elementer baris/kolom)
FOR j = 1 to 4
a
2j
= a
2j
a
21
/a
11
x a
1j
NEXT j
Eliminir x
1
pada baris ke tiga
FOR j = 1 to 4
a3j = a3j a31/a11 x a1j
NEXT j
69
Secara umum untuk mengeliminir x
1
:
FOR i = 2 to 3
FOR j = 1 to 4
a
ij
= a
ij
a
i1
/a
11
x a
1j
NEXT j
NEXT I
Secara umum untuk mengeliminir: x
k
FOR i = k + 1, n
FOR j = k, n + 1
a
ij
= a
ij
a
ik
/a
kk
x a
kj
NEXT j
NEXT i
70
Setelah dieliminir x1 dan x2 maka diperoleh
a
11
x
1
+ a
12
x
2
+ a
13
x
3
= a
14
a
22
x
2
+ a
23
x
3
= a
24
a
33
x
3
= a
34
Langkah utama ke dua: substitusi mundur dari persamaan ke 3
diperoleh:
x
3
= a
34
/a
33
Substitusi x
3
ke persamaan ke 2, sehingga diperoleh:
x
2
= (a
24
a
23
x
3
) / a
22
Substitusi x
3
dan x
2
ke persamaan ke 1, sehingga diperoleh: x
1
Dengan demikian diperoleh x
1
, x
2
, x
3
Ax = b
71
CONTOH KASUS
1. Tentukanlah solusi dari SPL:
x
1
- 2x
2
+ x
3
= 4
2x
1
- 5x
2
+ 5x
3
= 10
x
1
+ x
2
+ x
3
= 7
(dpl x
1
, x
2
dan x
3
?)
72
ALGORITMA GAUSS
FOR i = 1 to n
FOR j = 1 to n + 1
INPUT (aij)
NEXT j
NEXT I
FOR k = 1 to n 1
FOR i = k + 1 to n
u = aik/akk
FOR j = k to n + 1
aij = aij u * akj
NEXT j
NEXT I
NEXT k
73
x
n
= a
n n+1
/a
nn
FOR i = n 1 DOWNTO 1
sum = 0
FOR j = i + 1 to n
sum = sum + a
ij
* x
j
NEXT j
x
i
= (a
i n+1
sum)/a
ii
NEXT i
FOR i = 1 to n
OUTPUT (x
i
)
NEXT i
74
Perhatian !
Dalam mengeliminir x
k
, selalu dihitung a
ik
/a
kk
,
selanjutnya dinyatakan dengan variabel u.
Bila |a
kk
| 0 maka berbahaya karena u
bisa mengandung error yang besar
Untuk menghindarinya, susun kembali SPL
nya |a
kk
| selalu yang terbesar dalam kolom
ke k, a
kk
disebut elemen PIVOT
75
ALGORITMA PIVOTING PADA ELIMINASI GAUSS
FOR k = 1 to n-1
max = abs(a
kk
)
p = k
FOR m = k + 1 to n
IF abs(a
mk
) > max THEN
max = abs(a
mk
)
p = m
ENDIF
NEXT m
IF max c THEN
OUTPUT (ILL-CONDITION)
STOP
ENDIF
IF p k THEN
FOR i = k TO n+1
temp = a
kl
a
kl
= a
pl
a
pl
= temp
NEXT i
ENDIF
FOR i = k+1 TO n
u = a
ik
/a
kk
FOR j = k TO n+1
a
ij
= a
ij
u * a
kj
NEXT j
NEXT i
NEXT k
76
METODE ELIMINASI GAUSS-YOURDAN
Untuk mencari solusi SPL, dilakukan
dalam 3 langkah utama :
1. Transformasikan A dari Ax = b menjadi A*
(segitiga atas) dari A*x = b*
2. Transformasikan A* (hasil dari langkah 1)
menjadi A** (matriks diagonal) dari A**x = b**
3. Tentukan x
i
i = 1,2, ,n berdasarkan hasil
langkah 2. x
i
= b**
i
/a**
i
i = 1,2,..,n
Metode ini jarang digunakan karena sangat mahal
o(n
3
)
77
SOLUSI
SISTEM PERSAMAAN LINIER
METODE ITERASI GAUSS SEIDEL - IGS
78
SISTEM PERSAMAAN LINIER
(SPL)
Bila diketahui SPL dengan n persamaan
dan n variabel, sebagai berikut :
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= a
1(n+1)
.. (1)
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= a
2(n+1)
.. (2)
:
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= a
n(n+1)
.. (n)
Maka solusinya dapat diperoleh dengan
cara :
79
Algoritma (pseudo code) IGS - 1
Langkah ke-1 :
Tebak sebarang nilai awal untuk variabel
x
2
, x
3
, ... , x
n
. Namakan nilai awal
tersebut x
2
0
, x
3
0
, , x
n
0
.
Langkah ke-2 :
Substitusikan x
2
0
, x
3
0
, , x
n
0
ke SPL (1)
untuk memperoleh nilai x
1
lalu namakan
dengan x
1
1
.
80
Langkah ke-3 :
Substitusikan x
1
1
, x
3
0
, x
4
0
, , x
n
0
ke SPL
(2) untuk memperoleh nilai x
2
lalu
namakan dengan x
2
1
.
Langkah ke-4 :
Substitusikan x
1
1
, x
2
1
, x
4
0
, x
5
0
, , x
n
0
ke
SPL (3) untuk memperoleh nilai x
3
lalu
namakan dengan x
3
1
.
Algoritma (pseudo code) IGS - 2
81
Langkah ke-5 :
dan seterusnya, sampai diperoleh x
1
1
, x
2
1
, x
3
1
, , x
n-1
1
, selanjutnya substitusika
ke SPL (n) untuk memperoleh nilai x
n
lalu
namakan dengan x
n
1
.
( Iterasi ke-1 selesai dengan diperolehnya
nilai : x
1
1
, x
2
1
, x
3
1
, , x
n-1
1
, x
n
1
. )
Algoritma (pseudo code) IGS - 3
82
Langkah ke-6 :
Ulangi langkah ke-2 s/d ke-5
(substitusikan x
2
1
, x
3
1
, , x
n
1
ke SPL (1)
untuk memperoleh nilai x
1
lalu namakan
dengan x
1
2
). Sampai nanti diperoleh nilai
x
1
2
, x
2
2
, x
3
2
, , x
n-1
2
, x
n
2
.
Algoritma (pseudo code) IGS - 4
83
Langkah ke-7 :
Iterasi berakhir pada iterasi ke-k, bila :
| x
j
k
x
j
k+1
| < T
dengan T nilai toleransi kesalahan yang
sudah ditetapkan sebelumnya.
Algoritma (pseudo code) IGS - 5
84
Tingkat Konvergensinya
Algoritma tersebut BELUM TENTU
KONVERGEN !!!
Syarat Konvergensi :
Matriks koefisiennya (A) harus bersifat
DIAGONALLY DOMINANT
85
Matriks Diagonally Dominant
dengan
; 1
= =
> -
n
i j j
ij ii
a a i
i a a
n
i j j
ij ii
>
= = ; 1
dan
86
Contoh Soal 1:
Diketahui SPL sebagai berikut :
3x
1
10x
2
= 3
x
1
+ x
2
= 2
Carilah nilai x
1
dan x
2
dengan
menggunakan metode iterasi Gauss-
Seidel dengan Toleransinya 0,005 !
87
Jawab Contoh Soal 1 : (1)
Periksa tingkat konvergensinya.
Diperoleh bahwa :
|a
11
|=3 ; |a
12
|=10 ; |a
21
|=1 ; |a
22
|= 1
3 > 10
1 > 1
1 i
2
1 ; 1
1 11
= >
= =
untuk a a
j j
j
2 i
2
2 ; 1
2 22
= >
= =
untuk a a
j j
j
88
Jawab Contoh Soal 1 : (2)
Jadi SPL tersebut TIDAK DIAGONALLY
DOMINANT. Sehingga tidak akan
konvergen bila dipecahkan dengan
metode Iterasi Gauss-Seidel.
Untuk itu, ubah penyajian SPL nya
menjadi :
x
1
+ x
2
= 2
3x
1
10x
2
= 3
Periksa tingkat
konvergensinya !!
89
Jawab Contoh Soal 1 : (3)
Periksa tingkat konvergensinya.
Diperoleh bahwa :
|a
11
|= 1 ; |a
12
|= 1 ; |a
21
|= 3 ; |a
22
|= 10
1 > 1
10 > 3
1 i
2
1 ; 1
1 11
= >
= =
untuk a a
j j
j
2 i
2
2 ; 1
2 22
= >
= =
untuk a a
j j
j
90
Jawab Contoh Soal 1 : (4)
Jadi SPL hasil perubahannya bersifat
DIAGONALLY DOMINANT konvergen
Selanjutnya jalankan algoritmanya
terhadap SPL : !
x
1
+ x
2
= 2 (1)
3x
1
10x
2
= 3 (2)
91
Jawab Contoh Soal 1 : (5)
Iterasi ke-1 :
1. Tebak nilai awal x
2
0
= 0
2. Substitusikan x
2
0
= 0 ke SPL (1) :
x
1
+ x
2
= 2 x
1
+ 0 = 2 x
1
= 2
didapat x
1
1
= 2
3. Substitusikan x
1
1
= 2 ke SPL (2) :
3x
1
10x
2
= 3 3.(2) 10x
2
= 3
6 10x
2
= 3 x
2
= 0,3
didapat x
2
1
= 0,3
92
Jawab Contoh Soal 1 : (6)
Iterasi ke-2 :
2. Substitusikan x
2
1
= 0,3 ke SPL (1) :
x
1
+ x
2
= 2 x
1
+ 0,3 = 2 x
1
= 1,7
didapat x
1
2
= 1,7
3. Substitusikan x
1
2
= 1,7 ke SPL (2) :
3x
1
10x
2
= 3 3.(1,7) 10x
2
= 3
5,1 10x
2
= 3 x
2
= 0,21
didapat x
2
2
= 0,21
93
Jawab Contoh Soal 1 : (7)
Iterasi ke-3 :
2. Substitusikan x
2
2
= 0,21 ke SPL (1) :
x
1
+ x
2
= 2 x
1
+ 0,21 = 2 x
1
= 1,79
didapat x
1
3
= 1,79
3. Substitusikan x
1
2
= 1,79 ke SPL (2) :
3x
1
10x
2
= 3 3.(1,79) 10x
2
= 3
5,37 10x
2
= 3 x
2
= 0,237
didapat x
2
3
= 0,237
Dan seterusnya..
94
Jawab Contoh Soal 1 : (8)
Iterasi ke-4, ke-5 dst
Lanjutkan sendiri, sebagai latihan !!
Ingat, proses iterasi akan berhenti bila kondisi
| x
j
k
x
j
k+1
| < 0,005
Terpenuhi !!
95
Jawab Contoh Soal 1 : (9)
Rangkuman Proses Iterasinya :
Iterasi ke- x
1
x
2
1
2
3
4
5
6
2,000
1,700
1,790
1,763
1,771
1,769
0,300
0,210
0,237
0,229
0,231
0,231
96
ALGORITMA IGS
INPUT A(n,n+1), e, maxit
INPUT x
i
(nilai awal)
k 1 ; big 1
WHILE (k maxit and big > e) DO
big 0
FOR i = 1 TO n
sum 0
FOR j = 1 TO n
IF j i THEN
sum sum + a
ij
NEXT j
temp (a
i n+1
sum) / a
ii
relerror abs((x
i
temp) / temp)
IF relerror > big THEN
big relerror
x
i
temp
NEXT I
k k + 1
ENDWHILE
IF k > maxit THEN
OUTPUT(TDK KONVERGEN)
ELSE OUTPUT (KONVERGEN)
ENDIF
OUTPUT(x
i
)
97
INTERPOLASI
98
INTERPOLASI
Interpolasi adalah teknik mencari harga suatu fungsi pada
suatu titik diantara 2 titik yang nilai fungsi pada ke-2 titik
tersebut sudah diketahui
dpl. : cara menentukan harga fungsi f dititik x* [x
0
,x
n
]
dengan menggunakan informasi dari seluruh atau sebagian
titik-titik yang diketahui ( x
0
, x
1
, ., x
n
)
x x
0
x
1
x
2
. x
n
f(x) f(x
0
)
f(x
1
)
f(x
2
) . f(x
n
)
99
Teknik Umum yang digunakan :
(i) Membentuk polinomial berderajat n
yg mempunyai harga fungsi di titik-
titik yang diketahui Polinomial
Interpolasi
(ii) Masukkan titik yang ingin dicari harga
fungsinya ke dalam polinomial
interpolasi
100
Interpolasi Linier
Interpolasi Kuadrat
Interpolasi Lagrange
Interpolasi Newton
Jenis Interpolasi
101
INTERPOLASI LINIER (1)
Misalkan ada m bilangan : x
1
, x
2
, ., x
m
dan
bilangan lain yang berkaitan : y
1
, y
2
, ., y
m
maka masalahnya : berapa harga y* pada
x* [x
k
,x
k+1
] ?
y
x
y
k+1
x
k+1
y
k
x
k
y*
x*
?
102
Ambil ruas garis yang menghubungkan
titik (x
k
,y
k
) dan (x
k+1
,y
k+1
)
Diperoleh persamaan garisnya :
) (
*
* 1
1
k k
k k
k
k y y
x x
x x
y y
= +
+
) (
*
* 1
1
k k
k k
k
k y y
x x
x x
y y
+ = +
+
k k
k k
k
k
x x
y y
x x
y y
+
+
1
1
*
*
INTERPOLASI LINIER (2)
103
Jadi persamaan garisnya adalah :
) (
*
* 1
1
k k
k k
k
k y y
x x
x x
y y
+ = +
+
y
x
y
k+1
x
k+1
y
k
x
k
y*
x*
?
INTERPOLASI LINIER (3)
104
Diketahui data sebagai berikut :
Tentukan harga y pada x = 6,5 !
Jawab : x = 6,5 terletak antara x=6 & x=7
) ( 1
1
k k
k k
k
k y y
x x
x x
y y
+ = +
+
5 , 42 ) 36 49 (
) 6 7 (
) 6 5 , 6 (
36 =
+ = y
Contoh 1 : (1)
x -3 -2 -1 0 1 2 3 4 5 6 7
y 9 4 1 0 1 4 9 16 25 36 49
Hasilnya
105
Alternatif 2 :
x = 6,5 terletak antara x=1 & x=7
) ( 1
1
k k
k k
k
k y y
x x
x x
y y
+ = +
+
45 ) 48 (
) 6 (
) 5 , 5 (
1 ) 1 49 (
) 1 7 (
) 1 5 , 6 (
1 = + =
+ = y
Hasilnya
Contoh 1 : (2)
106
Bandingkan hasil kedua jawaban tersebut !!
Mana yang mendekati jawaban yang
sesungguhnya ..??
Karena hub. x & y adalah y = x
2
maka untuk
harga x = 6,5 didapat y = (6,5)
2
= 42,25
=> Kesalahan mutlak (E) : |42,5 42,25| = 0,25
x -3 -2 -1 0 1 2 3 4 5 6 7
y 9 4 1 0 1 4 9 16 25 36 49
Contoh 1 : (3)
107
Kesalahan mutlak (E), untuk :
y = 42,5 |42,5 42,25| = 0,25 = 25 %
Sedangkan untuk
y = 45 |45 42,25| = 3,25 = 325 %
Contoh 1 : (4)
108
Contoh-2 :
Diketahui tabel akar bilangan sbb :
Tentukan akar dari 2,155
(2,155)
1/2
= 1,46629 + (0,005/0,010) (1,46969 1,46629)
= 1,46629 + 0,00170
(2,155)
1/2
= 1,46799
Kesalahan mutlaknya |1,4679918 -1,46799| = 0,0000018
Tentukan akar dari 2,153 dan Kesalahan mutlaknya !
N . 2,14 2,15 2,16 .
N
1/2
. 1,46287 1,46629 1,46969 .
109
INTERPOLASI KUADRAT
Banyak kasus, penggunaan interpolasi linier tidak
memuaskan karena fungsi yang diinterpolasi berbeda
cukup besar dari fungsi linier
Untuk itu digunakan polinomial lain yg berderajat dua
(interpolasi kuadrat) atau lebih mendekati fungsinya
Caranya :
- Pilih 3 titik & buat polinomial berderajat dua melalui
ke - 3 titik tsb., shg dpt dicari harga fgs. pada x = x*
- Pemilihan ke-3 ttk tsb., dapat :
- x
k-1
< x
k
< x
k+1
atau
- x
k-1
< x* < x
k
< x
k+1
110
Persamaan umum Polinomial kuadrat :
P(x) = a
0
+ a
1
x + a
2
x
2
..(*)
3 titik (x
k-1
,y
k-1
), (x
k
,y
k
) & (x
k+1
,y
k+1
) dilalui fgs. P(x) berarti:
y
k-1
= a
0
+ a
1
x
k-1
+ a
2
x
k-1
2
y
k
= a
0
+ a
1
x
k
+ a
2
x
k
2 . (**)
y
k+1
= a
0
+ a
1
x
k+1
+ a
2
x
k+1
2
=> Akan diperoleh dari 3 pers. yaitu a
0
, a
1
dan a
2
kemudian
subst. ke (*) & diperoleh pers. kuadrat, shg dapat dicari
nilai fgs. untuk x = x* yaitu P(x*) = a
0
+ a
1
x* + a
2
x*
2
=> Sistim pers. non homogen (**) memp. solusi dan
solusinya unik (tunggal)
111
INTERPOLASI LAGRANGE
Interpolasi Lagrange adalah salah satu formula untuk
interpolasi berselang tidak sama selain formula interpolasi
Newton umum & metoda Aitken. Walaupun demikian
dapat digunakan pula untuk interpolasi berselang sama.
Misalkan fgs. y(x) kontinu & diferensiabel sampai turunan
(n+1) dalam interval buka (a,b). Diberikan (n+1) titik
(x
0
,y
0
), (x
1
,y
1
), , (x
n
,y
n
) dengan nilai x tidak perlu
berjarak sama dengan yang lainnya, dan akan dicari suatu
polinom berderajat n. Untuk pemakaian praktis, formula
interpolasi Lagrange dapat dinyatakan sbb. :
112
Formula Interpolasi Lagrange
Jika y(x) : nilai yang diinterpolasi; x : nilai yg berkorespondensi dg y(x)
x
0
, x
1
, ., x
n
: nilai x dan y
0
, y
1
, ., y
n
: nilai y
+
= 0
0 2 0 1 0
2 1
) )...( )( (
) )...( )( (
) ( y
x x x x x x
x x x x x x
x y
n
n
+
1
1 2 1 0 1
2 0
) )...( )( (
) )...( )( (
y
x x x x x x
x x x x x x
n
n
n
n n n n
n
y
x x x x x x
x x x x x x
) )...( )( (
) )...( )( (
.
.
1 1 0
1 1 0
113
Contoh 1:
Nilai yg. berkorespondensi dengan y =
10
log x adalah :
Carilah
10
log 301 ?
Untuk menghitung y(x) =
10
log 301 dimana x = 301, maka nilai diatas
menjadi
X 300 304 305 307
10
log x 2,4771 2,4829 2,4843 2,4871
x
0
= 300 x
1
= 304 x
2
= 305 x
3
= 307
y
0
= 2,4771 y
1
= 2,4829 y
2
= 2,4843 y
3
= 2,4871
114
Dengan menggunakan interpolasi lagrange
+
= 4771 , 2
) 307 300 )( 305 300 )( 304 300 (
) 307 301 )( 305 301 )( 304 301 (
) (x y
+
4829 , 2
) 307 304 )( 305 304 )( 300 304 (
) 307 301 )( 305 301 )( 300 301 (
+
4843 , 2
) 307 305 )( 304 305 )( 300 305 (
) 307 301 )( 304 301 )( 300 301 (
4871 , 2
) 305 307 )( 304 307 )( 301 307 (
) 305 301 )( 304 301 )( 300 301 (
7106 , 0 4717 , 4 9658 , 4 2739 , 1 + + =
4786 , 2 ) ( = x y
115
Contoh 2 :
Bila y
1
= 4, y
3
= 12, y
4
= 19 dan y
x
= 7, carilah x ?
Karena yg ditanyakan nilai x dengan nilai y diketahui, maka digunakan
interpolasi invers atau kebalikan yg analog dg interpolasi Lagrange.
Nilai sebenarnya dari x adalah 2, karena nilai-nilai atau data diatas adalah
hasil dari polinom y(x) = x
2
+ 3.
Adapun untuk membentuk polinom derajat 2 dengan diketahui 3 titik,
dapat menggunakan cara yang sebelumnya pernah dibahas dalam hal
mencari persamaan umum polinomial kuadrat.
+
= ) 1 (
) 19 4 )( 12 4 (
) 19 7 )( 12 7 (
x
+
) 3 (
) 19 12 )( 4 12 (
) 19 7 )( 4 7 (
) 4 (
) 12 19 )( 4 19 (
) 12 7 )( 4 7 (
86 , 1
7
4
14
27
2
1
= + = x
116
INTEGRASI NUMERIK
117
INTEGRASI NUMERIK
Masalah
Menghitung luas daerah di atas sumbu x yang dibatasi oleh kurva y = f(x), antara x = a
dan x = b
Dari ilustrasi di samping secara kalkulus
hasilnya adalah :
dx f(x) = L
b
a
}
Contoh :
Hitung luas daerah di atas sumbu x yang dibatasi oleh kurva y = x
2
, antara x = 0 dan
x = 4
Solusi :
luas satuan 1.33 2
3
64
) 0 ( - ) 4 ( x dx ) ( = L
3 3 3
3
1
3
1
4
0
3
1
2
4
0
= = = =
}
x
118
Metode secara numerik
A. Metode Pendekatan Persegi Panjang
B. Metode Trapesium
A. Metode Pendekatan Persegi Panjang
Bagi interval a sampai b atas n sub-interval
Hitung nilai fungsi pada ujung-ujung sub-interval tersebut f (x
k
)
Hitung luas tiap-tiap persegi panjang tersebut P
k
= h * f (x
k
)
Jumlahkan semua luas persegi panjang tersebut
( )
=
n
a - b
h
) f(x . h = L
k
h
1 k
=
METODE PERSEGI PANJANG
119
METODE PERSEGI PANJANG
Selain mengambil tinggi persegi panjang ke-k, sama dengan f (x
k
) yaitu nilai fungsi
pada ujung kanan sub-interval ke-k tersebut, juga dapat mengambil tinggi sama
dengan f (x
k-1
) yaitu nilai fungsi pada ujung kiri sub-interval, ataupun juga pada :
2) / ) x + f((x
k 1 - k
yaitu nilai fungsi pada titik tengah sub-interval
Contoh:
Cari luas daerah di bawah kurva f(x) = x
2
, antara x = 0 sampai x = 4
Solusi:
Interval (0, 4) dibagi menjadi 4 bagian sama panjang, n = 4 h = (4 - 0)/4 = 1
Luas persegi panjang P
1
= 1 * f(1) = 1 * 1 = 1
P
2
= 1 * f(2) = 1 * 4 = 4
P
3
= 1 * f(3) = 1 * 9 = 9
P
4
= 1 * f(4) = 1 * 16 = 16
Luas Total = 30
Penyimpangannya = 30 21.33 = 8.66
+
120
Jika interval (0, 4) dibagi menjadi 8 sub-interval, n = 8 h = (4 - 0)/8 = 0.5
Luas persegi panjang P
1
= 1 * f(0.5) = 1 * 1 = 0.125
P
2
= 1 * f(1.0) = 1 * 4 = 1
P
3
= 1 * f(1.5) = 1 * 9 = 1.125
P
4
= 1 * f(2.0) = 1 * 16 = 2
P
5
= 1 * f(2.5) = 1 * 4 = 3.125
P
6
= 1 * f(3.0) = 1 * 9 = 4.5
P
7
= 1 * f(3.5) = 1 * 16 = 6.125
P
8
= 1 * f(4.0) = 1 * 16 = 8
Luas Total = 26
Penyimpangannya = 26 21.33 = 4.67
Jika banyaknya sub-interval diperbanyak lagi, misal n = 40, diperoleh L = 22.14,
dan untuk n = 100 diperoleh L = 21.6544
+
METODE PERSEGI PANJANG
121
Jika diambil tinggi adalah nilai fungsi pada ujung kiri sub-interval
Luas P
1
= 0.5 * f(0.0) = 0.5 * 0 = 0
P
2
= 0.5 * f(0.5) = 0.5 * 0.25 = 0.125
P
3
= 0.5 * f(1.0) = 0.5 * 1 = 1
P
4
= 0.5 * f(1.5) = 0.5 * 2.25 = 1.125
P
5
= 0.5 * f(2.0) = 0.5 * 4 = 2
P
6
= 0.5 * f(2.5) = 0.5 * 6.25 = 3.125
P
7
= 0.5 * f(3.0) = 0.5 * 9 = 4.5
P
8
= 0.5 * f(3.5) = 0.5 * 12.25 = 6.125
Luas Total
= 18
+
METODE PERSEGI PANJANG
122
Jika tinggi sama dengan titik tengah interval, diperoleh:
Luas P
1
= 0.5 * f(0.25) = 0.03125
P
2
= 0.5 * f(0.75) = 0.28125
P
3
= 0.5 * f(1.25) = 0.78125
P
4
= 0.5 * f(1.75) = 1.53125
P
5
= 0.5 * f(2.25) = 2.53125
P
6
= 0.5 * f(2.75) = 3.78125
P
7
= 0.5 * f(3.25) = 5.23125
P
8
= 0.5 * f(3.75) = 7.03125
Luas Total = 21.2000
+
Perhatikan bahwa hasil terakhir ini adalah yang terbaik.
METODE PERSEGI PANJANG
123
B. Metode Trapesium
Bagi interval (a, b) menjadi n sub-interval yang sama
Hitung nilai fungsi pada ujung-ujung sub-interval tersebut f (x
k
)
Hitung luas trapesium P
k
= h * f (x
k
)
Luas trapesium ke-1 = t
1
= ( f(x
0
) + f(x
1
) ) * h = h/2 ( f(x
0
) + f(x
1
) )
ke-2 = t
2
= ( f(x
1
) + f(x
2
) ) * h = h/2 ( f(x
1
) + f(x
2
) )
.
ke-n = t
n
= ( f(x
n-1
) + f(x
n
) ) * h = h/2 (f(x
n-1
) + f(x
n
) )
Luas Total = t
1
+ t
2
+ . + t
n
= h/2 ( f(x
0
) + f(x
1
) ) + h/2 ( f(x
1
) + f(x
2
) ) + . + h/2 (f(x
n-1
) + f(x
n
) )
( )
=
n
a - b
h
|
.
|
\
|
+ + =
=
) f(x ) f(x 2 ) f(x
2
1
1
n k 0
n
k
h
METODE TRAPESIUM
124
METODE TRAPESIUM
125
Contoh:
Hitung luas daerah di bawah kurva f(x) = x
2
, antara x = 0 sampai x = 4
Solusi:
Interval (0, 4) dibagi menjadi 4 sub-interval, n = 4 h = (4 - 0)/4 = 1
Luas total
x
k
0 1 2 3 4
f(x
k
) 0 1 4 9 16
|
.
|
\
|
+ + =
=
) f(x ) f(x 2 ) f(x
2
3
1
4 k 0
k
h
( ) 22 16 9) 4 (1 2 0
2
1
= + + + + =
METODE TRAPESIUM
126
Rumusan yang paling akurat untuk integrasi numerik
Tinjauan Gauss dalam perhitungan integral
F(x) dx berdasarkan nilai f(x) dalam sub interval yang tidak
berjarak sama, melainkan simetris terhadap titik tengah interval
I = f(x) dx
= (a-b) [R1 (U1 ) + R2 (u2) + + Rn (Un)]
U1,U2,,Un adalah titik dalam interval [-1/2,1/2]
(U) = f(x) = f[(b-a)u + ]
X = (b-a)u +
(Tersedia tabel nilai numerik parameter U dan R)
METODE KUADRATUR GAUSS
b
a
}
b
a
}
2
b a +
2
b a +
127
ALGORITMA KUADRATUR GAUSS
Algoritma:
a) Inisialisasi tabel koefisien gauss
b) Definisikan fungsi integran
c) Tentukan batas pengintegralan a dan b
d) Inisialisasi : sum = 0
e) Hitung : sum = sum + Ri x (Ui), i = 1 sampai n
f) Hitung : I = (b-a) x sum
g) Tulis hasil integral
|
128
METODE SIMPSON
Paling luas pemakaiannya
Untuk pendekatannya memakai parabola yang melalui 3 ordinat
dari 2 interval berdampingan
Eksak untuk polinim derajat dua atau kurang
Lebih teliti dan rumus tidak lebih rumit dari metode trapesium
n = banyak interval
h =
I = (Y0 + 4Y1 + 2Y2 + 4Y3 + 2Y4 ++ 2Yn-4 + 4Yn-3 + 2Yn-2
+
4Yn-1 + Yn)
Kesalahan pemotongan :
eT ~ (b-a) f (Q), a<Q<b
n
a b
3
h
IV
180
4
h
129
ALGORITMA METODE SIMPSON
Algoritma:
a) Definisikan fungsi integran
b) Tentukan batas pengintegralan a dan b dan jumlah
segmen n (harus genap)
c) Hitung : h = (b-a)/n
d) Inisialisasi sum = F (a) + 4 x F (a+h)
e) Hitung untuk i = 2 sampai i = n-1 dengan indeks
pertambahan sama dengan 2 sum = sum + 2 x F
(a+ixh) + 4 x F (a+(i+1)h)
f) Hitung nilai integral I = h/3 x (sum + F(b))
g) Tulis hasil perhitungan
130
PENUTUP
Semoga sukses dalam proses belajar !
Tim MetNum 2005