HANDS-OUT

ANALISIS NUMERIK

Oleh :

Drs. Heri Sutarno, M. T.

Dewi Rachmatin, S.Si., M.Si.

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS PENDIDIKAN MATEMATIKA
DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN INDONESIA
2008

1
Pertemuan ke : 1
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Pendahuluan
2. Angka Bena, Pembulatan, dan Galat

URAIAN POKOK-POKOK PERKULIAHAN

1. Pendahuluan
Metode numerik merupakan teknik-teknik yang digunakan untuk
merumuskan masalah-masalah matematika agar dapat diselesaikan dengan
operasi-operasi aritmatika (hitungan) biasa (tambah, kurang, kali, dan bagi). Salah
satu alasan mengapa mempelajari metode numerik, adalah metode numerik
merupakan alat untuk memecahkan masalah matematika yang sangat handal.
Banyak permasalahan teknik yang mustahil dapat diselesaikan secara analitik
dapat diselesaikan dengan metode numerik.
Ada dua macam penyelesaian masalah matematika, yaitu:
1) Secara analisis, dengan menggunakan kaidah-kaidah operasi matematika
dengan cara yang formal.
2) Secara numeris, yaitu dengan menggunakan metode numerik untuk
memperoleh nilai solusi hampiran dari solusi eksak.

2. Angka Bena, Pembulatan, dan Galat

Angka bena (significant figure) suatu bilangan c adalah sebarang angka
yang diberikan oleh c, kecuali untuk nol-nol di kiri angka tak nol pertama yang
hanya bertindak untuk mencocokkan posisi titik (koma) desimal.
Kebanyakan komputer digital mempunyai dua cara untuk menyatakan
bilangan, yaitu:
1) Sistem titik kambang (floating point).
Bilangan titik kambang a ditulis sebagai
a =  m x b p

2
 dengan : m = mantis (riil); b = basis sistem bilangan yang dipakai (2, 8, 10, 16,
dan sebagainya); dan p = pangkat (berupa bilangan bulat tak negatif).
Contoh : 0,6238 x 103 dalam sistem titik kambang dengan basis 10.
2) Sistem titik tetap (fixed-point).
Suatu bilangan dinyatakan dengan sejumlah tetap posisi desimal di ujung
kanan, tetapi sistem bilangan titik tetap tidak praktis dalam pekerjaan ilmiah
karena keterbatasan rentangnya, contoh : 62,358.

Solusi yang diperoleh secara numerik merupakan nilai hampiran dari

solusi eksaknya. Ini berarti terdapat galat (error) pada solusi hampiran tersebut.
Galat numerik adalah besaran yang merupakan selisih antara nilai hampiran
dengan nilai eksak. Hubungan ini dirumuskan menjadi :
Ea = x - x atau x = x + Ea
dimana Ea adalah galat absolut (galat mutlak), x nilai eksak, dan x nilai
hampiran. Galat mutlak dapat didefinisikan sebagai
 Ea  =  x - x  .
Galat relatif dinyatakan sebagai
galat absolut E a
er =  .
nilai eksak x
Selanjutnya galat absolut dinyatakan dengan E, dan galat relatif dinyatakan
dengan e.
Ada dua jenis galat dalam komputasi, yaitu:
1) Galat bawaan (inherent error) adalah galat dari data yang diberikan,
misalnya karena kesalahan pengukuran atau ketidaktelitian alat ukur.
2) Galat proses adalah galat yang terjadi karena proses komputasi, galat ini
dibedakan menjadi dua macam,yaitu:
a) Galat pembulatan (round-off error)
Contoh : x = 1/3 = 0,33333 . . . dan x = 0,33333.
Galat pembulatannya E = 0,00000333 . . . .
b) Galat pemotongan (truncation error)

3
Contoh : Hampiran fungsi sin x dengan bantuan deret Taylor di
sekitar x = 0 adalah
x3 x5 x7
y = sin x = x     ...
3! 5! 7!
Deret tersebut dipotong sampai suku orde n = 3 sehingga galat
x 5 x7
pemotongannya menjadi E =  +... .
5! 7!

4
Pertemuan ke : 2
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Metode Grafik Tunggal dan Metode Grafik Ganda
2. Aturan Tanda Descartes

3. Metode Tabulasi

4. Metode Bagidua

URAIAN POKOK-POKOK PERKULIAHAN

2.1. Metode Grafik Tunggal dan Metode Grafik Ganda

Untuk fungsi-fungsi yang sederhana dimana grafik fungsinya dapat

digambarkan dengan mudah, ada dua metode grafik yang dapat dilakukan untuk
mendapatkan tebakan awal dari akar persamaan f ( x)  0 , yaitu metode grafik
tunggal dan metode grafik ganda. Pada metode grafik tunggal, tebakan awal
dipilih yang dekat dengan absis dari titik perpotongan atau akar persamaan
f ( x)  0 .

Contoh : Tentukan lokasi akar dan tebakan awal untuk akar persamaan fungsi :

f ( x)  x 3  2,5 x 2  2,46 x  3,96  0 .

Penyelesaian :
Y y = f(x)

Grafik fungsi f ( x)  x 3  2,5 x 2  2,46 x  3,96 .

5
 Titik potong yang pertama terletak pada selang (-2,-1) sedang titik potong
yang kedua adalah (1,0) dan titik potong yang ketiga terletak pada selang (2,3)
yaitu mendekati nilai 2,8. Sehingga tebakan awal untuk akar persamaan (2.1)
dapat dipilih beberapa titik yang cukup dekat dengan akar persamaan seperti : -2, -
1, 0 atau 2.

Metode grafik ganda digunakan untuk persamaan fungsi f ( x)  0 yang

penjabaran fungsi f (x) dapat didekomposisi menjadi pengurangan dua buah
fungsi yaitu f ( x)  f1 ( x)  f 2 ( x)  0 . Tebakan awal dipilih cukup dekat dengan

absis titik perpotongan kedua fungsi yaitu f1 ( x) dan f 2 ( x) .

2.2 Aturan Tanda Descartes

Untuk menentukan lokasi akar polinom yaitu akar dari persamaan berikut :

p( x)  a n x n  an 1 x n 1  ...  a1 x  a0  0

perhatikan uraian berikut. Misalkan u adalah banyaknya pergantian tanda

koefisien ai dari polinom p (x) dan np adalah banyaknya akar riil positif, maka

berlaku :

(i) np  u
(ii) u - np = 0, 2, 4, …
Sedangkan untuk menentukan komposisi akar riil negatif, misalkan v adalah
banyaknya pergantian tanda koefisien ai dari polinom p ( x) dan ng adalah

banyaknya akar riil negatif, maka berlaku :

(i) ng  v
(ii) v – ng = 0, 2, 4, …
Penentuan batas selang akar ditentukan oleh aturan berikut :

a 
r  1  maks k  .
 an 
1 k  n

Sehingga selang akar yang dicari adalah [-r,r].

6
2.3 Metode Tabulasi

Misalkan panjang selang tabulasi : x, xmax dan xmin adalah titik-titik ujung
selang dimana nilai-nilai fungsi f ditabulasikan, dan n adalah bilangan bulat
terdekat untuk (xax - xmin)/ x, maka prosedur untuk membuat tabulasi nilai-nilai

f (x) adalah sebagai berikut :

Algoritma Membuat Tabulasi Nilai-nilai f (x)

Masukan : n, f (x) , x , xi untuk setiap i=1,2,…,n.

Keluaran : f ( xi ) untuk setiap i=1,2,…,n.

Langkah :

Untuk i=1,2,…,n lakukan :

hitung f ( xi )

cetak xi , f ( xi )

x i  x i  x .

2.4 Metode Bagidua

Metode bagidua memulai siklus iterasi dengan memilih dua tebakan awal
misal x0 dan x1 yang cukup dekat dengan akar, dengan nilai f ( x0 ) dan nilai

f ( x1 ) berlawanan tanda. Kemudian selang ( x0 , x1 ) dibagi dua dan titik tengahnya

dinamakan x2 , sehingga x 2  ( x0  x1 ) / 2 . Jika f ( x0 ). f ( x1 )  0 , maka tebakan

awal tidak cocok. Sedangkan jika f ( x 0 ). f ( x 2 )  0 maka tukar x1 dengan x 2 , jika

tidak tukar x 0 dengan x2 . Kemudian jika dari dua iterasi yang berurutan galat

relatifnya kurang dari atau sama dengan galat yang ditetapkan berarti sudah
diperoleh hampiran akarnya.

7
Pertemuan ke : 3
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Metode Posisi Palsu
2. Metode Newton Raphson

3. Metode Secant

4. Metode Iterasi Titik Tetap

URAIAN POKOK-POKOK PERKULIAHAN

3.1 Metode Posisi Palsu

Metode posisi palsu dibuat untuk memperbaiki metode bagidua yaitu

untuk mempercepat kekonvergenan metode bagidua. Prosedur metode posisi palsu
mulai dengan memilih dua tebakan awal yaitu x0 dan x1 dimana nilai fungsinya

pada kedua tebakan awal ini berbeda tanda, selanjutnya perhatikan gambar
berikut.

f ( x1 ) y  f (x)

f ( x2 )

x0 x2 x1

f ( x0 )

Gambaran Metode Posisi Palsu

Hubungkan kedua titik yaitu ( x 0 , f ( x0 )) dan ( x1 , f ( x1 )) dengan garis

lurus, dan tentukan titik perpotongan garis ini dengan sumbu X. Sebut absis titik

8
perpotongan dengan x2 . Tangen  merupakan kemiringan garis yang

x0 f ( x1 )  x1 f ( x 0 )
menghubungkan ( x 0 , f ( x0 )) dan ( x1 , f ( x1 )) sehingga : x 2  .
f ( x1 )  f ( x0 )

Jika f ( x 2 ) dan f ( x0 ) berlawanan tanda maka gantikan x1 dengan x 2 ,

sebaliknya gantikan x 0 dengan x 2 . Kemudian gambarkan sebuah garis lurus yang

menghubungkan titik ( x 0 , f ( x0 )) dengan ( x 2 , f ( x 2 )) untuk menentukan titik

perpotongan yang baru. Laju kekonvergenan metode ini akan lebih cepat
dibandingkan dengan metode bagidua.

3.2 Metode Newton Raphson

Prosedur metode Newton-Raphson (metode N-R) mulai dari sebarang
titik x0 yang cukup dekat dengan akar. Pertama tentukan kemiringan dari fungsi

f (x) pada x  x0 , namakan f ( x0 ) . Lalu tentukan x1 dengan rumus

f ( x0 )
x1  x0  .
f ( x0 )

f ( xi )
Untuk setiap iterasi ke (i  1) hitung : xi 1  xi  . Hentikan iterasi
f ( xi )

bila dua hampiran akar yang berurutan cukup dekat. Dibandingkan dengan kedua
metode sebelumnya yaitu metode bagidua dan metode posisi palsu ternyata
metode N-R lebih cepat konvergen.

3.3 Metode Secant

Dalam setiap iterasi untuk metode N-R dilakukan penghitungan turunan
pertama fungsi atau f (x) . Pada beberapa kasus pernyataan untuk f (x) panjang
dan membutuhkan usaha komputasi yang cukup lama untuk menghitungnya.
Metode secant menghampiri turunan pertama fungsi atau f (x) dengan :

f ( xi )  f ( xi 1 )
f ( xi ) 
xi  xi1

dimana xi dan xi 1 adalah dua hampiran akar untuk iterasi ke-i dan iterasi ke-(i-1).

9
 Nilai hampiran akar pada iterasi ke-(i+1) diperoleh dari dua nilai hampiran
akar sebelumnya yaitu xi 1 dan xi yang diterapkan pada persamaan tersebut :

xi 1 f ( x i )  xi f ( xi 1 )
xi 1 
f ( xi )  f ( xi 1 )

dengan xi 1 adalah absis titik perpotongan garis lurus yang menghubungkan dua

titik yaitu ( xi 1 , f ( xi1 )) dengan ( xi , f ( xi )) .

3.4 Metode Iterasi Titik Tetap

Persamaan f ( x)  0 secara aljabar dapat ditransformasi ke bentuk
x  g (x) . Sehingga prosedur iterasi yang berpadanan dengan bentuk tersebut
adalah x n 1  g ( x n ) .

Contoh : Tentukan akar persamaan berikut : f ( x)  x 2  2 x  8  0 .

1
Fungsi tersebut dapat ditulis : x  g1 ( x) = x 2  4 .
2

1 2
Sehingga xn 1  g1 ( xn ) = x n  4 . Persamaan di atas juga dapat ditulis sebagai :
2
8
(1) x  g 2 ( x)  2 
x

(2) x  g 3 ( x)  2 x  8

dan (3) x  g 4 ( x)   2 x  8 . Selanjutnya iterasikan 4 buah fungsi ini dan

cek kekonvergenannya. Kekonvergenan metode ini bergantung pada kenyataan
bahwa di sekitar akar, kurva g (x) kurang curamnya daripada garis lurus y = x

atau kondisi g ( x)  1 merupakan syarat cukup untuk kekonvergenan.

10
Pertemuan ke : 4
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Beda Hingga
2. Interpolasi Linier

3. Interpolasi Kuadrat

4. Interpolasi Beda-Maju dan Beda-Mundur Newton

URAIAN POKOK-POKOK PERKULIAHAN

4.1 Beda Hingga

Andaikan diberikan suatu tabel nilai-nilai numeris f j  f ( x j ) dari suatu

fungsi f pada titik - titik yang berjarak sama: x0, x1 = x0 + h, x2 = x0 + 2h, x3

= x0 + 3h, ..., dengan h > 0 tetap. Misalkan f  2 , f 1 , f 0 , f1 , f 2 , . . ., adalah nilai-

nilai dari f ( x j ) masing-masing untuk x  2 , x1 , x0 , x1 , x2 , . . . .

4.1.1 Beda - beda Maju (Forward Difference)

Notasi yang dipakai dalam beda-beda maju adalah sebagai berikut:
f 0  f 1  f 0 ; f1  f 2  f 1 dan seterusnya, disebut beda-beda maju pertama.

Secara umum ditulis: f m  f m1  f m .

Dengan cara yang sama dapat dinotasikan beda-beda maju ketiga, keempat, dan
seterusnya. Bentuk umumnya: n+1fm = nfm+1 - nfm untuk n = 0,1,2,...
Tabel berikut menunjukkan beda-beda maju dari semua tingkat yang dapat
dibentuk.
X f  2 3 4
x –2 f –2
 f –2
x –1 f –1 2 f –2
 f –1 3 f –2
x0 f0 2 f –1 4 f –2
3
 f0  f –1
x1 f1 2
 f0
 f1
x2 f2

11
4.1.2 Beda - beda Mundur (Backward Difference)
Bentuk umum beda-beda mundur adalah sebagai berikut:
n+1fm = nfm - nfm-1 untuk n = 0, 1, 2, ...
Tabel berikut menunjukkan beda-beda mundur dari semua tingkat yang dapat
dibentuk:
x f  2 3 4
X –2 f –2
 f –1
x –1 f –1 2 f 0
 f0 3 f 1
x0 f0 2 f 1 4 f 2
 f1 3 f 2
x1 f1 2
 f2
 f2
x2 f2

4.1.3 Beda - beda Pusat

Bentuk umum beda-beda pusat adalah sebagai berikut:
 2f m   f 2m 1  f 2m -1 .
2 2

Tabel Beda-Beda Pusat

x F  2 3 4
X –2 f –2
 f –3/2
x –1 f –1 2 f –1
 f –1/2 3 f –1/2
x0 f0 2
 f0 4 f 0
 f1/2 3 f 1/2
x1 f1 2
 f1
 f3/2
x2 f2

12
4.2 Interpolasi Linear
Bentuk interpolasi yang paling sederhana adalah menghubungkan dua titik
data dengan garis lurus, lihat gambar berikut.

y
f(x0)=f0 C

P1(x) E D

f(x1)=f1 B A

rh
0 x0 x x1
x

Karena segitiga DEC sebangun dengan segitiga ABC, maka berlaku:

f ( x0 )  p1 ( x) f ( x0 )  f ( x1 )
= .
x  x0 x1  x0

Akibatnya : P1(x) = f0 + r.  f0 .

4.3 Interpolasi Kuadrat

Misalkan tersedia tiga titik data (x0,f0), (x1,f1), dan (x2,f2), interpolasi dapat
dilaksanakan dengan polinom orde kedua (polinom kuadrat). Bentuk secara khas
yang cocok untuk maksud ini adalah:
p2(x) = b0 + b1 (x – x0) + b 2 (x – x0) (x – x1).
Atau
r ( r  1) 2
p2(x) = f0 + r .  f0 +  f0
2
dengan 0  r  n.

13
4.4 Interpolasi Beda-Maju dan Beda-Mundur Newton
Polinom interpolasi derajat n diberikan dalam rumus interpolasi beda-
maju Newton :
n
 r  s
f(x)  Pn(x) =  
s 0  s
  f 0

r ( r  1) 2
= f0 + r . f0 +  f0
2!
r ( r  1) . . . (r - n  1) n
+...+  f0
n!
x  x0
dengan x = x0 + rh , r = , 0  r  n.
h
Suatu rumus yang serupa dengan rumus tadi tetapi melibatkan beda-
mundur adalah rumus interpolasi beda-mundur Newton :
r (r  1) 2
f(x)  Pn(x) = f0 + r.  f0 +  f0 + . .
2!
r ( r  1) . . . ( r  n  1)
+ n f0
n!

dengan x = x0 + rh, r = (x – x0)/h , 0  r  n.

14
Pertemuan ke : 5
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Polinom Interpolasi Beda Terbagi Newton
2. Polinom Interpolasi Lagrange

URAIAN POKOK-POKOK PERKULIAHAN

5.1 Polinom Interpolasi Beda Terbagi Newton

Sebelum sampai kepada formula interpolasinya, didefinisikan terlebih
dahulu beda-beda terbagi, yang secara iteratif dinyatakan oleh hubungan:
f ( x1 )  f ( x0 )
f[x0,x1 ] =
x1 - x 0

f [ x1 , x 2 ]  f [ x0 , x1 ]
f[x0,x1,x2] = . . .
x2 - x 0
Tabel Beda-Beda Terbagi

xk f(xk) f[xk, xk+1] f[. . . , . . . , . .] f[... , ... , ..., ..]

x0 f(x0)
f[x0,x1 ]
x1 f(x1) f[x0,x1,x2]
f[x1,x2 ] f[x0,x1,x2,x3]
x2 f(x2) f[x1,x2,x3]
f[x2,x3 ]
x3 f(x3)

Formula Interpolasi Ordo 1 adalah

P1(x) = f0 + (x - x0). f[x0,x1] .
Formula Interpolasi Ordo 2 adalah
P2(x) = f0 + (x - x0) . f[x0,x1] + (x - x0)(x - x1) . f[x0,x1,x2].

15
Secara umum sampai dengan ordo n akan diperoleh rumus sebagai berikut:

f(x) = Pn(x) = f0 + (x - x0) . f[x0,x1]

+ (x - x0)(x - x1) . f[x0,x1,x2] + . . . . + .
(x - x0)(x - x1) . . . (x - xn-1) . f[x0,x1, . . ., xn]

Formula interpolasi beda terbagi Newton tersebut di atas dapat ditulis

sebagai berikut:
 i -1 
n 
f(x) = f0 +    (x - x j ) . f [ x0 ,...., xi ] .
i 1  
 j0 
5.2 Polinom Interpolasi Lagrange
Polinom interpolasi Lagrange dapat diturunkan langsung dari polinom
interpolasi Newton.
Untuk menurunkan bentuk Lagrange, beda-beda terbagi dirumuskan ulang
f1 f0
sebagai berikut : f[x0,x1 ] =  . Dari terakhir ini disubstitusikan
x1  x0 x0  x1
sehingga diperoleh rumus interpolasi Lagrange ordo 1 :
 
 1 
x  x1 1  x -xj 
x  x0
P1(x)= . f0  . f1 =    . f i .
x0  x1 x1  x0 i 0  j  0 x i  x j 
 ji 
 
Rumus interpolasi Lagrange ordo 2 adalah :
 
 2 
2  x -xj 
P2(x)=    . f i .
i 0  j  0 x i  x j 
 ji 
 

16
 Secara umum sampai dengan ordo n, diperoleh formula interpolasi
Lagrange sebagai berikut :

 
 n 
n  x -xj  n
Pn(x) =    . f i   L ( x ). f
i i .
i 0  j  0 x i  x j  i 0
 ji 
 

17
Pertemuan ke : 6
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Pendahuluan
2. Sistem Persamaan Linear Segitiga Atas
3. Sistem Persamaan Linear Segitiga Bawah
4. Metode Eliminasi Gauss dan Pivoting

URAIAN POKOK-POKOK PERKULIAHAN

6.1 Pendahuluan
Perhatikanlah sistem n persamaan linear tidak homogen dalam n
peubah x1, x2, …, xn berikut ini.
a11x1 + a12x2 + … + alnxn = b1
a21x1 + a22x2 + … + a2nxn = b 2
   
an1 x1 + an2x2 + … + annxn = b n
Sistem persamaan linear tersebut dapat ditulis sebagai perkalian matriks berikut :

 a11 a12  a1n   x 1   b1 

 a a  a   x   
 21 22 2n   2    b2 
           
     
 a n1 a n 2  a nn   x n   bn 
atau disimbolkan sebagai persamaan matriks AX = B dengan:
A = aij adalah matriks dari koefisien yang mempunyai i baris dan j
kolom; X = xi adalah matriks dari peubah yang tak diketahui; dan
B = bi adalah matriks dari bilangan tetapnya.

Matriks lengkap dari persamaan matriks AX = B tersebut ialah:

 a11 a12  a1n b1 
 a b2 
[A,B] =  21 a 22  a 2n
      
 
 a n1 a n 2  a nn bn 

18
6.2 Sistem Persamaan Linear Segitiga Atas
Sistem persamaan linear yang mempunyai matriks koefisien berupa
matriks segitiga atas, disebut sistem persamaan linear segitiga atas. Sistem
persamaan linear seperti itu dapat dituliskan dalam bentuk:
a11 x1  a12 x 2    a1n x n  c1
a 22 x2    a2 n x n  c2
  
a n-1,n -1 x n1  a n 1,n xn  c n 1
a nn x n  cn

Dengan asumsi elemen-elemen diagonal tak nol, akk  0 untuk k =

1, 2, ... , n, maka terdapat suatu solusi tunggal dari sistem persamaan linear di
atas. Kondisi akk  0 ini sangat penting karena persamaan tersebut melibatkan
pembagian oleh akk. Jika persyaratan ini tidak terpenuhi maka solusinya tidak ada
atau terdapat takhingga banyaknya solusi.
Penyelesaian sistem persamaan linear segitiga atas mudah dicari dengan
mempergunakan substitusi mundur (backward substitution). Persamaan yang
terakhir hanya melibatkan xn, dan inilah yang pertama dicari sehingga diperoleh:
cn
xn  .
a nn
Setelah xn ada, dipakai untuk mencari xn-1 pada persamaan sebelumnya sebagai
cn 1  a n 1, n x n
berikut: xn-1 =
a n 1, n 1

Sekarang xn dan xn-1 dipakai untuk mencari xn-2 sebagai berikut:

c n  2  an  2, n 1x n 1  an  2, n x n
xn-2 = .
a n  2, n  2

Proses ini diteruskan untuk mencari nilai peubah yang lainnya. Langkah umum
dari proses tersebut adalah:

n
ck   akj x j
j  k 1
xk = a kk
untuk k = n-1, n-2, ...,1.
……...

19
6.3 Sistem Persamaan Linear Segitiga Bawah
Sistem persamaan linear yang mempunyai matriks koefisien berupa
matriks segitiga bawah disebut sistem persamaan linear segitiga bawah. Sistem
persamaan linear seperti itu dapat dituliskan dalam bentuk:
a11 x1  c1
a 21 x1  a 22 x 2  c2

a n1 x1  a n 2 x 2    a nn xn  c n

Penyelesaian sistem persamaan linear ini dicari dengan substitusi maju.

Persamaan pertama hanya melibatkan x1, dan inilah yang pertama dicari baru
kemudian x2 . Proses ini diteruskan sehingga dari persamaan terakhir diperoleh
nilai xn . Langkah umum dari proses tersebut ialah:

k 1
ck   a ki xi
i 1
xk = a kk

Untuk setiap k = 2, 3, ... , n.

6.4 Metode Eliminasi Gauss dan Pivoting

Dalam pasal ini dikembangkan cara yang efisien untuk menyelesaikan
sistem persamaan linear AX = C dengan n persamaan dan n peubah. Intinya
adalah membangun suatu sistem persamaan segitiga atas UX = Y yang setara
kemudian solusi X diselesaikan memakai metode substitusi mundur.
Sistem AX = C dengan matriks lengkap [ A, C ] dapat diselesaikan
dengan melakukan operasi-operasi baris elementer (OBE). Dengan OBE itulah
dihasilkan sistem yang setara yang berbentuk sistem persamaan linear segitiga
atas. Bentuk terakhir ini diselesaikan dengan substitusi mundur (backward
substitution). Proses inilah yang disebut eliminasi Gauss. Pada eliminasi Gauss,
bilangan akk pada posisi (k,k) yang dipakai untuk mengeliminasi xk dalam baris-
baris k+1, k+2, ..., n dinamakan elemen tumpuan (pivot) ke-k, dan k disebut

20
baris tumpuan. Pada sub bab berikut akan dibahas tiga macam metode Eliminasi
Gauss.

6.4.1 Metode Eliminasi Gauss Naif

Metode berikut ini disebut metode eliminasi Gauss naif karena metode ini
tidak menghindari kemungkinan pembagian oleh nol. Eliminasi Gauss naif
termasuk hitungan langsung sehingga galatnya tidak dapat diatur (perambatan
galat sulit dihindari). Selain itu juga, elemen tumpuan yang nol sulit dihindari.
Untuk itulah diperbaiki dengan strategi pivoting, yaitu : jika akk = 0, perlu
mencari baris r, dengan ark  0 dan r > k, kemudian mempertukarkan baris k
dengan baris r sehingga diperoleh elemen tumpuan tak nol.

6.4.2 Metode Eliminasi Gauss Pivoting Parsial

Pivoting parsial disarankan untuk memeriksa besarnya semua elemen di
kolom k yang terletak pada atau di bawah diagonal, dan melokasikan baris r
yang mempunyai elemen dengan nilai mutlak terbesar, yakni:
ark  maks a kk , ak 1,k ,..., a n1,k , a nk 
dan kemudian menukarkan baris r dan baris k jika r > k. Dengan diambilnya
elemen dengan nilai mutlak terbesar sebagai elemen tumpuan, akan menghasilkan
perambatan galat yang kecil.

6.4.3 Eliminasi Gauss Pivoting Parsial Terskala

Langkah-langkah yang diperlukan untuk menyelesaikan sistem persamaan
linear dengan eliminasi Gauss pivoting parsial terskala ialah:
a) Tentukan “ukuran” masing-masing baris matriks koefisien, yaitu:
maksimum
di =
1 j n
 aij 
b) Tentukan elemen tumpuannya, yaitu:
maksimum  a ij 

aij = 1  j  n - 1   .
j  i  n  di 

21
Pertemuan ke : 7
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Metode Dekomposisi/Faktorisasi Segitiga
2. Metode Iterasi Jacobi dan Iterasi Gauss-Seidel

URAIAN POKOK-POKOK PERKULIAHAN

7.1 Metode Dekomposisi/Faktorisasi Segitiga

Suatu matriks A taksingular dapat difaktorkan menjadi hasilkali suatu
matriks segitiga bawah L dan matriks segitiga atas U. Metode ini dikenal
dengan nama metode dekomposisi LU atau metode faktorisasi segitiga.
7.1.1 Pemfaktoran Doolittle, mensyaratkan elemen diagonal L semuanya 1
dan elemen diagonal U taknol.
Misalkan untuk matriks A(3x3) dapat ditulis sebagai
 a11 a12 a13   1 0 0  u11 u12 u13 
    
 a 21 a 22 a 23    l 21 1 0  0 u 22 u 23  .
 a a a   l l 1  0 0 u 
 31 32 33   31 32  33 

7.1.2 Pemfaktoran Crout, mensyaratkan elemen diagonal L taknol dan semua

elemen diagonal U bernilai 1.
Misalkan untuk matriks A(3x3) dapat ditulis sebagai

 a11 a12 a13   l11 0 0  1 u12 u13 

    
 a 21 a 22 a 23    l 21 l 22 0  0 1 u 23  .
 a a a   l l l  0 0 1 
 31 32 33   31 32 33  
Untuk menyusun algoritma pemfaktoran Doolittle perhatikan uraian
berikut ini.
 a11 a12 a13   1 0 0  u11 u12 u13 
    
 a 21 a 22 a 23    l 21 1 0  0 u 22 u 23 
 a a a   l l 1  0 0 u 
 31 32 33   31 32  33 

 u11 u12 u13 

 
  l 21u11 l 21u12  u 22 l 21u13  u 23 
l u l31u12  l 32 u 22 l31u13  l32 u 23  u 33 
 31 11

22
7.2 Metode Iterasi Jacobi dan Gauss-Seidel
Sistem Persamaan Linnier AX = C dapat diselesaikan dengan metode
iterasi Jacobi dan metode iterasi Gauss-Seidel sehingga konvergen, apabila
matriks koefisien A memenuhi syarat cukup yaitu dominan secara diagonal:
n
aii  
j 1, j i
aij , untuk setiap i = 1, 2, 3, . . . , n.

Pandang Sistem Persamaan Linear berikut :

a11x1 + a12x2 + . . . + a1nxn = b 1
a21x1 + a22x2 + . . . + a2nxn = b2
 
an1x1 + an2x2 + . . . + annxn = b n
dengan matriks koefisiennya dominan secara diagonal.
Misalkan diberikan nilai awal (x1,x2, . . ., xn), persamaan iterasi Jacobi
adalah sebagai berikut :
Pada iterasi 1 :
b1  ( a12 x 2  a13 x3  ...  a1n x n )
x11 
a11

b2  ( a 21 x1  a 23 x3  ...  a 2 n x n )

x 12 
a 22


bn  ( a n1 x1  a n 2 x 2  ...  a n ,n 1 x n 1 )
x 1n 
a nn

Kemudian lanjutkan dengan iterasi kedua dan ketiga. Secara umum proses iteratif
ke (k+1) adalah :
b1  ( a12 x 2k  a13 x3k  ...  a1n x nk )
x1k 1 
a11

b2  ( a 21 x1k  a 23 x3k  ...  a 2 n xnk )

x 2k 1 
a 22

23
 bn  ( a n1 x1k  a n 2 x2k  ...  a n ,n 1 xn 1k )
x nk 1 
a nn
Jadi bentuk umum proses iteratif Jacobi adalah ;
n
bi   a ij x kj
j 1
j i
xik 1  untuk i  1,2,..., n dan k  0,1,2,.... max it .
a ii
Kekonvergenan metode iterasi Jacobi agak lambat. Kekonvergenan ini dapat
dipercepat bila setiap harga xi yang baru dihasilkan segera dipakai pada
persamaan berikutnya untuk menentukan harga xi+1 yang lainnya. Teknik inilah
yang dipakai pada metode iterasi Gauss-Seidel. Secara umum proses iteratif
Gauss-Seidel adalah
i 1 n
bi   aij x kj 1   aij x kj
j 1 j  i 1
xik 1 
aii
untuk setiap i = 1, 2, . . ., n dan k = 0, 1, 2, . . .maxit (maksimum iterasi).

Pertemuan ke : 8
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : Materi pertemuan 1 sampai dengan 7
Uraian : UTS

24
Pertemuan ke : 9
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Penghampiran Fungsi dengan Metode Kuadrat Terkecil
(Regresi Linier dan Polinom)

URAIAN POKOK-POKOK PERKULIAHAN

9.1 Penghampiran Fungsi dengan Metode Kuadrat Terkecil

Andaikan x1 , x2 ,…, xn adalah nilai-nilai dari sebuah peubah bebas X dan

y1 , y 2 ,…, y n adalah nilai-nilai dari peubah tak bebas (terikat) Y yang bersesuaian

dengan X. Misalkan yˆ  fˆ ( x) adalah nilai hampiran atau taksiran untuk sebuah

fungsi f . Galat antara ŷ nilai-nilai hampiran untuk fungsi f dengan y nilai-
nilai sebenarnya yang ditabulasikan adalah d i  yi  yˆ i . Fungsi f (x) dipilih

dengan suatu cara agar d 1 , d 2 ,..., d n kecil.

d1
y3 d3
ŷ3 d2 d4

x3 X
Gambaran pencocokan kurva
Akan dipelajari pada pertemuan kesembilan ini, masalah mencocokkan
sebuah fungsi fˆ ( x) pada nilai-nilai yang ditabulasikan dengan meminimumkan
jumlah kuadrat simpangan. Metode ini disebut pencocokkan kuadrat terkecil atau
least squares fit.

25
9.1.1 Regresi Linier
Diberikan data sebagai berikut :
i 1 2 3 4 5 6 7 8 9
xi 1,5 1,8 2,4 3,0 3,5 3,9 4,4 4,8 5,0

yi 4,8 5,7 7,0 8,3 10,9 12,4 13,1 13,6 15,3

Plot data tersebut :

Scatterplot of y vs x

15.0

12.5

10.0
y

7.5

5.0

1 2 3 4 5
x

Dilihat dari titik-titik data yang diplot pada tabel di atas, jika x bertambah
besar maka y bertambah besar. Oleh karena data yang diplot mengumpul di
sekitar sebuah garis lurus sehingga dapat dikatakan bahwa sebuah garis lurus
menggambarkan situasi yang cukup masuk akal. Sehingga dapat dinyatakan
yˆ  a0  a1 x
sebagai persamaan yang menggambarkan sebuah garis lurus.
Selanjutnya diminimumkan S (jumlah kuadrat galat) yang diberikan oleh :
n 2 n 2

Min S = Min  y
i 1
i  yˆ i  = Min   y  a
i 1
i 0  a1 x 

S adalah fungsi dari dua peubah yang tidak diketahui yaitu a 0 dan a1 . Maka untuk

meminimumkan S diambil turunan parsial dari S terhadap a 0 dan a1 kemudian

samakan dengan nol. Maka :

26
 n
S
  2 y i a1 xi  a 0 (1)  0 (*)
a 0 i1
n
S
  2 y i a1 xi  a 0 ( xi )  0 (**)
a1 i 1
Sehingga persamaan (*) menjadi :

y i  a1  xi  na 0  0 .

Persamaan (**) menjadi :

  xi y i  a1  xi2  a 0  xi  0 .

Dengan pengaturan kembali kedua persamaan tersebut diperoleh

persamaan simultan linier untuk a0 dan a1 berikut yang disebut persamaan

normal :
na 0   x i .a1   y i

 x .a   x .a   x y
i 0 i
2
1 i i .

Penyelesaiannya adalah :
2

a0 
y x x x y
i i i i i

n  x   x  2 2
i i

n x y   x  y i i i i
a1  .
n x   x  2 2
i i

Koefisien-koefisien dari garis regresi linier metode kuadrat terkecil pada kedua
persamaan tersebut disebut koefisien regresi.

9.1.2 Regresi Polinom

Misalkan n pasangan koordinat ( xi , yi ) yang diberikan akan dihampiri

oleh sebuah fungsi kuadrat yang dinyatakan oleh :

yˆ  a 0  a1 x  a 2 x 2 .

Sehingga jumlah kuadrat galat diberikan oleh :

2

S    y i  yˆ i    y i  a 0  a1 x  a 2 x 2 
2
.

27
Turunkan S terhadap a0 , a1 , a 2 dan samakan masing-masing turunan terhadap

koefisien-koefisien ini dengan nol, maka akan diperoleh :

na 0  a1  xi  a 2  xi2   y i

a 0  xi  a1  xi2  a 2  xi3   xi y i

a 0  xi2  a1  xi3  a 2  xi4   xi2 y i .

28
Pertemuan ke : 10
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Penghampiran Fungsi dengan Metode Kuadrat Terkecil
(Fungsi Eksponensial, Hiperbol, Trigonometri, dan
Geometri)

URAIAN POKOK-POKOK PERKULIAHAN

10.1 Pencocokan Fungsi Eksponensial dan Fungsi Trigonometri

Beberapa tipe dari distribusi titik-titik percobaan ditunjukkan pada gambar
berikut : (a) menyerupai sebuah kurva eksponensial yang menurun, sedang
gambar (b) menyerupai sebuah kurva sinus dan gambar (c) menyerupai sebuah
kurva geometri.
Y

(a)
Y

(b)
Y

(c) X

29
10.1.1 Pencocokan Sebuah Kurva Eksponensial
Misalkan yˆ  a e bx adalah kurva yang akan dicocokkan. Transformasi
yang digunakan adalah zˆ  log yˆ . Gunakan transformasi ini pada persamaan
sebelumnya sehingga diperoleh :
zˆ  log yˆ  log a e  bx  log a  ( bx) .
Misalkan a 0  log a dan a1  b . Akibatnya : zˆ  a 0  a1 x .

Persamaan tersebut merupakan persamaan linier dan dapat menggunakan

persamaan normal untuk regresi linier sehingga diperoleh :
na 0   x i .a1   z i

 x .a   x .a   x z
i 0 i
2
1 i i .

Dari a0 dan a1 diperoleh nilai a dan b : a  e a0 dan b  a1 .

10.1.2 Pencocokan Sebuah Kurva Hiperbol

1
Asumsikan persamaan pada kasus ini adalah yˆ  . Jika ditulis
a  bx
1
zˆ  maka diperoleh zˆ  a  bx yang merupakan persamaan linier.
yˆ
10.1.3 Pencocokan Sebuah Fungsi Trigonometri
Asumsikan persamaan kurva : yˆ  A sin  x    .
Persamaan ini mempunyai tiga parameter yang tidak diketahui yaitu A ,  dan
 . Diasumsikan bahwa  diketahui. Perluas persamaan tersebut sehingga
diperoleh
yˆ  Asin x cos   cos x sin  
 A cos  sin x  A sin  cos x = a1 sin x  a 2 cos x .
Minimumkan jumlah kuadrat galat berikut :
2
S    y i  a1 sin xi  a 2 cos xi  .

30
Samakan dengan nol turunan parsial dari S terhadap a1 dan a 2 agar diperoleh

a1  sin 2 xi  a 2  sin xi cos xi   y i sin xi

a1  sin xi cos xi  a 2  cos 2 xi   yi cos xi .

Selesaikan dua persamaan linier simultan untuk a1 dan a 2 di atas agar diperoleh

a 
A  a12  a22 dan   tan 1  2  .
 a1 

10.1.4 Kurva Geometri

Misalkan kurva yang dicocokkan dinyatakan oleh persamaan :
yˆ  a x b  c .
Asumsikan parameter a dan b tidak diketahui sedangkan c diketahui sehingga
( yˆ  c)  a x b .
Ambil logaritma pada kedua ruas persamaan tersebut sehingga diperoleh :
zˆ  log yˆ  c   log ax b  log a  b log x
zˆ  a 0  a1t

dengan a 0  log a , a1  b dan t  log x .

Akibatnya :
n log a   log xi b   log  yˆ i  c 

 log x log a   log x  b   log x log yˆ

i i
2
i i  c .

31
Pertemuan ke : 11
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Penghampiran Fungsi dengan Deret Taylor
2. Penghampiran Fungsi dengan Deret Chebyshev

URAIAN POKOK-POKOK PERKULIAHAN

11.1 Penghampiran Fungsi dengan Deret Taylor

Jika suatu fungsi f (x) mempunyai turunan sampai turunan ke( n  1 )
dalam selang [a, b] maka fungsi tersebut dapat dinyatakan di sekitar x  x0 pada

selang [a, b] sebagai :

2 3
(x  x ) (x  x )
0 0
f (x)  f (x )  f (x )(x  x )  f (x )  f''' (x )
0 0 0 0 2! 0 3!
n n 1
(x  x ) (x  x )
n 0 n 1 0
+ …+ f (x ) f (s )
0 n! ( n  1) !

Pada persamaan di atas f ( x0 ) dan f ( x0 ) adalah turunan pertama dan kedua dari

n 1
(x  x )
n 1 0
f (x) yang dievaluasi pada x  x0 . Suku f (s ) disebut suku
(n  1) !
sisa dengan s adalah bilangan yang terletak antara x dan x0. Suku sisa memberikan
galat pemotongan jika hanya n buah suku pertama pada deret Taylor yang
digunakan untuk menyatakan fungsi. Galat pemotongannya adalah :

f n  1 (s ) ( x  x )n  1
0
Galat pemotongan =
(n  1) !

(x  x )n  1
0
T  .M
E (n  1) !

n 1
dimana M = max f (s ) untuk x pada selang [a, b].

32
11.2 Deret Chebyshev
Polinom Chebyshev yang didefinisikan oleh .
Tn(x) = Cos n  dimana x = Cos .
Maka Tn(x) = Cos (n arc cos x)
Polinom-polinom tersebut adalah :
T0(x) = Cos 0 = 1
T1(x) = Cos  = x
T2(x) = Cos 2 = Cos 2 - Sin 2
= x2 – (1-x2) = (2x2 – 1 ) .
Selain pembentukan suku-suku menggunakan relasi trigonometri seperti di
atas, dapat dibentuk relasi yang mendefinisikan Tn+1 dalam Tn dan Tn-1.
Tn+1(x) = Cos(n + 1)  = Cos n  Cos  - Sin n  Sin 
Tn-1(x) = Cos (n - 1)  = Cos n  Cos  + Sin n  Sin  .
Dengan menambahkan dua persamaan di atas diperoleh :
Tn+1(x) + Tn-1(x) = 2 Cos n  Cos  = 2 x Tn(x)
Maka Tn+1(x) = 2 x Tn(x) - Tn-1(x) .
Sehingga diperoleh :
T3(x) = 4 x3 – 3 x
T4(x) = 8 x4 – 8 x2 +1
T5(x) = 16 x5 – 20 x3 + 5 x .
Fungsi e-x dinyatakan dalam polinom Chebyshev sebagai berikut :
e-x = 1,266066 T0 – 1,130318 T1 + 0,271495 T2 – 0,044337 T3
+ 0,005474 T4 – 0,000543 T5 .
Jika pernyataan untuk T0 , T1 , T2 , T3 , T4 , dan T5 digantikan ke dalam persamaan
tersebut diperoleh :
e-x = 1,000045 – 1,000022 x + 0,499199 x2 - 0,166488 x3 + 0,043794 x4 –
0,008687 x5 .

33
Pertemuan ke : 12
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Integral Numerik (Aturan Trapesium, Aturan Komposisi
Trapesium dan Aturan Simpson)

URAIAN POKOK-POKOK PERKULIAHAN

12.1 Aturan Trapesium

b
Mengevaluasi suatu integral tertentu I =  f ( x )dx untuk f(x) sebarang
a

fungsi yang kontinu pada selang [a,b], dengan metode analitik biasanya sulit
bahkan ada yang tak dapat dievaluasi. Mengatasi persoalan ini dan persoalan
integrasi yang lebih umum yang hanya mempunyai beberapa nilai dari f(x)
(dengan argumen x = xi, i = 0, 1, 2, ..., n) dibutuhkan beberapa pendekatan.
Pilihannya adalah mencari sebuah fungsi, misalnya g(x) yang sesuai untuk
mengatasi kedua persoalan yaitu merupakan pendekatan dari f(x) yang mudah
untuk diintegralkan secara analitik.
Diberikan dua buah titik data (x0,f(x0)) dan (x1,f(x1)). Karena f(x) melalui
dua buah titik (x0,f(x0)) dan (x1,f(x1)), maka dipakai interpolasi berorde satu f(x)
 P1(x).
Y f(x)

h
0 a = x0 b = x1 x
Integral dengan Aturan Trapesium, h = b - a
Menurut interpolasi beda terbagi Newton orde satu :
P1(x) = f0 + f[x0,x1] (x-x0).
Dengan memakai f(x)  P1(x) tersebut diperoleh :
b b b

 f ( x )dx   P1 ( x )dx   [ f 0  f [ x0 , x1 ]( x  x0 )] dx
a a a

34
 b
f  fo
 f o x a   1
b  x  xo dx .
x1  xo
a
Dapat ditunjukkan bahwa bentuk terakhir ini sama dengan

ba
 f o  f1  atau b  a  f (a)  f (b) .
2 2
Jadi aturan trapesium adalah

b
h
 f ( x)dx  2  f (a)  f (b)
a
dengan h = b - a. .

12.2 Aturan Komposisi Trapesium

Selang [a,b] dibagi menjadi n selang bagian dengan lebar selang :
ba
h= . Berdasarkan aturan trapesium diperoleh
n
b x1 x2 b

 f ( x )dx   f ( x )dx   f ( x )dx     f ( x )dx

a a x1 xn 1

h
  f ( x)  f ( x1)   h  f ( x1 )  f ( x2 )    h  f ( x n1 )  f ( b )
2 2 2
h
  f ( a )  f ( b )  2 f ( x1 )  2 f ( x 2 )    2 f ( xn 1 )) .
2

b n 1
h 
Jadi,  f ( x )dx   f ( a )  f ( b )  2 f ( x i )  .
a
2 i 1 

35
 1
12.3 Aturan Simpson ( )
3

Aturan Simpson mirip dengan aturan trapesium yaitu keduanya membagi

daerah yang akan diintegralkan dalam interval bagian yang kecil dan kemudian
menjumlahkan semua integral dari daerah yang dibatasi oleh sumbu yang kecil
tersebut. Hanya dalam aturan Simpson pendekatan fungsi f(x) diperoleh dari
interpolasi polinomial derajat dua (parabola) yang melalui tiga ordinat dari dua
selang yang berdampingan. Jadi aturan Simpson akan tepat untuk fungsi derajat
dua atau lebih kecil. Perhatikan gambar berikut.

Y Y’ y = f(x)

O’ h h
O a = x0 c=(a+b)/2 = x1 b=x2 X = X’
Aturan Simpson (1/3)
Dengan polinomial Lagrange yang melalui titik-titik (a,f(a)), (c,f(c)), dan (b,f(b))
diperoleh:
( x  b)( x  c) ( x  a)( x  c) ( x  a)( x  b)
P2 ( x)  f (a)  f (b )  f (c ) .
(a  b)(a  c) (b  a)(b  c) (c  a)(c  b)
b
Substitusikan ke dalam I   f ( x )dx akan diperoleh
a

b
 (x - b)(x - c) (x - a)(x - c) ( x  a )( x  b ) 
I   f(a)  f(b)  f (c) dx
a 
( a  b)(a  c) (b - a)(b - c) (c  a )(c  b ) 
Jika sumbu y ditranslasikan sehingga berimpit dengan titik a, maka dapat
ditunjukkan :
2h
 ( x  2h )( x  h ) ( x  o )( x  h ) ( x  o)( x  2h ) 
I   (o  2h)(o  h) f (a)  (2h  o)(2h  h) f (b)  (h  o)(h  2h) f (c)dx
o
1 1
 . . .  h f ( a )  4 f (c)  f (b) . Jadi, I  h  f o  4 f1  f 2  .
3 3

36
Pertemuan ke : 13
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Integral Numerik (Aturan Komposisi Simpson, dan
Kuadratur Gauss-Legendre)

URAIAN POKOK-POKOK PERKULIAHAN

1
13.1 Aturan Komposisi Simpson  
 3
Selang [a,b] dipartisi menjadi (M+1) titik dengan M genap, dengan
ba
lebar selang bagiannya h =  .
 M 

xo=a h x1 h x2 h x3 h x4 ... xM-2 h xM-1 h xM = b

Berdasarkan aturan Simpson diperoleh

b x2 x4 b
I   f ( x )dx   f ( x )dx   f ( x )dx     fx )dx
a a x2 xM 2

4
  f (a)  4 f1  f 2   4  f 2  4 f 3  f 4     4  f M 2  4 f M 1  f b  .
3 3 3
 M 1 M 2

4
I  f ( a )  f ( b )  4  f ( xi )  2  f ( xi ) .
3 i 1 i 2

 i  2 i  2 

37
13.2 Kuadratur Gauss - Legendre
Kita ingin menghitung luas daerah di bawah kurva Y = f(x) pada –1  x  1
1
yaitu I   f ( x)dx dengan aturan trapesium.
1

galat Y
Y = f(x)

-1 0 1 X

1
h
I  f ( 1 )  f ( 1 )  f ( 1 )  f ( 1 ) dengan h = (1-(-1)) = 2.
 f ( x )dx 
1
2
Persamaan I  f(1) + f(-1) dapat ditulis sebagai I  W1f(a) + W2 f(b) dengan
h 2
a = -1, b = 1, W1 = W2 = = = 1.
2 2
Dengan cara koefisien tak tentu, dan diuji dengan monomial 1, x, x2, dan
1
x3, karena I   f ( x)dx eksak untuk empat fungsi tersebut, diperoleh:
1

1
1 1 1 1
I  f ( x)dx  W1 f ( x1 )  W2 f ( x2 )  1. f (  )  1. f ( )  f (  )  f ( )
1
3 3 3 3
1
1 1
Jadi I   f ( x ) dx  f( )  f( ) .
1
3 3

Persamaan ini dinamakan metode Gauss-Legendre 2 titik. Dengan metode ini,

menghitung integral f(x) dalam selang [-1, 1] cukup hanya dengan mengevaluasi
fungsi f di x = 1/ 3 dan di x = -1 3 .
Metode Gauss-Legendre 3 titik dapat ditulis sebagai
1
I  f ( x)dx  W1 f ( x1 )  W2 f ( x 2 )  W3 f ( x3 )
1

38
Parameter x1, x2, x3, W1,W2, dan W3 dapat dicari dengan fungsi f(x) = 1, f(x)
= x, f(x) = x2, f(x) = x3, f(x) = x4, dan f(x) = x5, karena kuadratur Gauss bernilai
eksak untuk fungsi-fungsi tersebut. Dengan cara yang sama seperti untuk metode
Gauss-Legendre 2 titik akan diperoleh :
1
5  3  8 5  3 
I  f ( x ) dx  .f    . f ( 0 )  . f  .
1
9  5 9 9  5 

Aturan Gauss-Legendre umum n-titik eksak untuk polinom berderajat

kurang dari atau sama dengan (2n-1). Penurunan metode Gauss-Legendre 2-titik
dan 3-titik dapat dijadikan pola untuk menghasilkan metode Gauss-Legendre
n-titik
1

 f ( x )dx  W 1 f ( x1 )  W2 f ( x2 )    Wn f ( x n ) .
1

Tabel Nilai-nilai wn , xn dan galat pemotongan untuk Kuadratur

Gauss-Legendre 6 titik
N Bobot Wn Absis xn Galat pemotongan

2 1,00000000 -0,57735027  f(4) (c)

1,00000000 0,57735027

3 0,55555556 -0,77459667  f(6) (c)

0,88888889 0
0,55555556 0,77459667

4 0,34785485 -0,86113631  f(8) (c)

0,65214515 -0,33998104
0,65214515 0,33998104
0,34785485 0,86113631

5 0,23692689 -0,90617985  f(10) (c)

0,47862867 -0,53846931
0,56888889 0
0,47862867 0,53846931
0,23692689 0,90617985

6 0,17132449 -0,93246951  f(12) (c)

0,36076157 -0,66120939
0,46791393 -0,23861919
0,46791393 0,23861919
0,36076157 0,66120939
0,17132449 0,93246951

39
 b
Untuk menghitung integrasi I   f ( x)dx harus dilakukan transformasi:
a

a) selang [a,b] ke dalam [-1,1]

b) peubah x ke dalam peubah z
c) diferensial dx ke dalam dz .
2 ba
Dari transformasi z = px+q atau z = x akan diperoleh :
ba ba
ba ba ba
x= z sehingga dx = dz .
2 2 2
b
Substitusikan x dan dx ke I   f ( x)dx , maka akan diperoleh
a

b 1
ba ba ba
I   f ( x)dx   f  z  dz .
a
2 1  2 2 

40
Pertemuan ke : 14
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Solusi Persamaan Diferensial Biasa
2. Metode Euler

URAIAN POKOK-POKOK PERKULIAHAN

14.1 Solusi Persamaan Diferensial Biasa

Bentuk baku PDB orde satu dengan nilai awal ditulis sebagai

y' = f(x.y) .
dengan nilai awal y(x0) = y0

PDB orde satu yang tidak mengikuti bentuk baku tersebut harus ditulis ulang
menjadi bentuk persamaan seperti di atas, agar ia dapat diselesaikan secara
numerik.
Penyelesaian PDB secara numerik berarti menghitung nilai fungsi di
xr+1 = xr + h dengan h adalah ukuran langkah setiap iterasi. Pada metode analitik,
nilai awal berfungsi untuk memperoleh solusi yang unik, sedangkan pada metode
numerik nilai awal berfungsi untuk memulai iterasi.

14.2 Metode Euler

Diberikan PDB orde satu, y' = dy/dx = f(x,y) dan y(x0) = y0 . Misalkan yr
= y(xr) adalah hampiran nilai y di xr yang dihitung dengan metode Euler. Dalam
hal ini xr = x0 + rh, dengan r = 0,1,2,...n. Metoda Euler diturunkan dengan
menguraikan y(xr+1) di sekitar xr ke dalam deret Taylor :
( xr 1  xr ) ( x  xr )2
y(xr+1) = y(xr) + . y' (xr) + r 1 . y" (xr) + ...
1! 2!
Dua suku pertama persamaan tersebut adalah

y(xr+1)  y(xr) + hf(xr, yr) ; r = 0,1,2,...,n

41
menyatakan persamaan metode Euler atau metode Euler-Cauchy. Metode
Euler disebut juga metode orde-pertama.
Metode Euler memberikan hampiran solusi yang buruk, sehingga dalam
masalah praktek metode ini kurang disukai, namun metode ini membantu untuk
memahami gagasan dasar metode penyelesaian PDB dengan orde yang lebih
tinggi.

42
Pertemuan ke : 15
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : 1. Solusi PDB dengan Metode Heun

URAIAN POKOK-POKOK PERKULIAHAN

15.1 Metode Heun

Metode Euler mempunyai ketelitian yang rendah karena galatnya besar
(sebanding dengan h). Buruknya galat ini dapat dikurangi dengan menggunakan
metode Heun, yang merupakan perbaikan metode Euler (modified Euler’s
method). Pada metode Heun, solusi dari metode Euler dijadikan sebagai solusi
perkiraan awal (predictor).
Metode Heun adalah sebagai berikut :
h
yr+1= yr + [f(xr,yr) + f(xr+1, yr+1)] .
2
yang merupakan metode Heun, atau metode Euler-Cauchy yang diperbaiki.
Metode Heun dapat diterapkan untuk mencari solusi PDB berikut :
dy/dx = x + y ; y(0) = 1
Hitung y(0.10) dengan metode Heun (h = 0.02).

Pertemuan ke : 16
Penyusun : Dewi Rachmatin dan Heri Sutarno
Materi : Materi pertemuan 9 sampai dengan 15
Uraian : UAS

43