Differensiasi Numerik

Nurlita Sari1), Muhammad Alvanjri Ali Almansyah2) , Ade Agung Harnawan3)

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Lambung Mangkurat
Banjarbaru, Indonesia

Email korespodensi : nurlitaqq@gmail.com

ABSTRACT− The experiment is titled Numerical Differentiation As well as solving numerical
differentiation equations. In this experiment the problem of numerical differentiation uses three methods,
namely the method of forward difference, backward difference and central difference. in this experiment
using the application code block and wx maxima as a comparison in calculating it manually. Which aims to
calculate the numerical differentiation of a continuous function using forward, backward and central
difference methods and solve numerical differentiation issues. Settlement of differential equations concerns
the initial value issue and problem limit requirement. These problems can be resolved both analytic and
numeric. Analytic solutions provide exact values, while numerically provide an estimate value. However,
some differential equations may not be resolved analytic. One of the most frequent and easy-to-use
numerical methods of calculating the derivation of a function is a different method up. In this method the
domain of a function is partitions over a number of points and an approximate formula for derivatives
obtained from the expansion of the Taylor series in one or more of the partition points. Based on the location
of the partition points used, different methods to be divided into three types, namely the forward difference,
the backward difference, and the difference Center (central difference). In this experiment, the C++ and
WxMaxima programs are used to solve the numerical differentiation issues with forward difference,
backward difference, and central difference. The conclusions that can be drawn from the numerical
differentiation practicum are the student can understand and operate the program regarding numerical
differentiation using the forward, backward and central difference methods. Students can understand and
operate and solve problems regarding numerical differentiation.

KEYWORD : Differentiation; Backward; Central Difference; Forward.

I. PENDAHULUAN yang ada di matematika. Integral merupakan

Persamaan differensial merupakan
persamaan yang menghubungkan suatu
besaran dengan perubahannya. Persamaan
differensial dinyatakan sebagai persamaan
yang mengandung suatu besaran dan
differensialnya, dan dituliskan dengan :
(1)
Persamaan differensial di atas tampaknya
sederhana, tetapi untuk menyelesaikan
persamaan diffrensial di atas bukanlah
sesuatu yang mudah, bahkan dapat dikatakan
dengan menggunakan cara analitik, tidak
dapat ditemukan penyelesaian. Sehingga
pemakaian metode-metode pendekatan
dengan metode numerik menjadi suatu
alternatif yang dapat digunakan (Dedy, 2004).
Integral merupakan salah satu materi
materi yang termasuk penting dan banyak
penerapan terhadap materi lain. Mempelajari
integral butuh perhatian yang kuat dan fokus
yang dalam. Namun tidak semua fungsi
dapat diintegralkan dengan mudah atau
dengan menggunakan aturan yang wajar
digunakan dalam integral. Oleh sebab itu
diperlukan suatu cara lain yang bisa
memecahkan permasalahan tersebut. Salah
satu metode yang digunakan adalah metode
integrasi numerik (Luknanto, 2001).
Persamaan diferensial merupakan gabun-
gan dari fungsi yang tidak diketahui dengan
turunannya. Persamaan diferensial dibedakan
menjadi beberapa kategori, kategori pertama
adalah persamaan diferensial biasa.
Persamaan Diferensial Biasa (PDB)
merupakan persamaan diferensial yang hanya

1
2 Nurul Hikmah. 1811014220005
memiliki satu variable bebas. Turunan
dilambangkan dengan dy/dx atau f’(x) atau y’,
sedangkan fungsi yang tidak diketahui
dilambangkan dengan keberadaan variabel
terikatnya, sebagai contoh
dy
=x+y (2)
dx
Dari persamaan (2) di atas, maka x adalah
variabel bebas dan y sebagai variabel terikat.
Berdasarkan turunan tertinggi yang dimiliki,
PDB dikategorikan menjadi PDB Orde 1yaitu
turunan tertingginya adalah turunan pertama,
PDB Orde 2 dengan turunan terting-ginya
merupakan turunan kedua, begitu juga
dengan PDB Orde 3 yakni turunan
tertingginya merupakan turunan ketiga, dan
seterusnya. Kategori persamaan diferensial
lainnya adalah Persamaan Diferensial Parsial
(PDP), yakni persamaan diferensial yang
memiliki lebih dari satu variabel bebas.
Penyelesaian persamaan diferensial
menyangkut pada permasalahan nilai awal
dan permasalahan syarat batas. Permasalahan
ini dapat diselesaikan secara analitik maupun
numerik. Penyelesaian secara analitik
memberikan nilai eksak, sedangkan secara
numerik memberikan nilai taksiran. Akan
tetapi, beberapa persamaan diferensial tidak
bisa diselesaikan secara analitik. Oleh sebab
itu, para peneliti memperkenalkan beberapa
metode numerik untuk menyelesaikan
persoalan persamaan diferensial (Sihombing
& Dahlia, 2018).
Ada beberapa metode yang dapat
digunakan untuk menyelesaikan persamaan
differensial, antara lain: metode Euler, metode
pendekatan dengan deret Taylor, metode
runge-kutta dan metode-metode prediktor-
korektor seperti metode Adam Moulton.
Hanya saja metode-metode pendekatan ini
menyebabkan penyelesaian yang dihasilkan
bukanlah penyelesaian umum dari persamaan
differensial, tetapi penyelesaian khusus
dengan nilai awal dan nilai batas yang
ditentukan. Permasalahan persamaan
differensial ini merupakan permasalahan
yang banyak ditemui ketika analisa yang
dilakukan tergantung pada waktu dan
nilainya mengalami perubahan-perubahan
berdasarkan waktu (Rinaldi, 2003).
Salah satu metode numerik yang paling
sering dan mudah digunakan dalam
menghitung hampiran turunan suatu fungsi
adalah metode beda hingga. Pada metode ini
domain suatu fungsi dipartisi atas sejumlah
titik dan rumus aproksimasi untuk turunan
diperoleh dari ekspansi deret Taylor di satu
atau lebih titik partisi. Berdasarkan lokasi
titik-titik partisi yang digunakan, metode
beda hingga dibagi atas tiga jenis, yaitu beda
maju (forward difference), beda mundur
(backward difference), dan beda pusat
(central difference). Rumus umum beda
hingga untuk turunan ke-m dengan ketelitian
orde ke-n dapat dibangkitkan dengan suatu
algoritma rekursif (Astuti, 2017).
Metode beda hingga digunakan untuk
memecahkan persamaan differensial biasa
secara numerik, dengan menggunakan deret
Taylor yang diputus pada orde tertentu sesuai
kebutuhan yang ada. Bentuk Umum Deret
Taylor:
(3)
Deret Taylor akan memberikan perkiraan
suatu fungsi yang benar jika semua deret
diperhitungkan. Dalam prakteknya hanya
beberapa suku saja yang diperhitungkan
sehingga tidak tepat seperti pada
penyelesaian analitik. Sehingga terdapat
kesalahan (error) yang disebut dengan
kesalahan pemotongan (truncation error) Rn
yang ditulis:
Ada 3 jenis metode beda hingga dalam
pendekatan diferensial yaitu:
a. Forward Difference (Beda Maju)
Jika data yang digunakan adalah titik x i
dan xi+1 maka disebut beda maju yang
dapat dituliskan dalam bentuk yang sama
dengan deret Taylor yaitu:
(4)
Untuk menghitung diferensial turunan
pertama dapat diturunkan berdasarkan deret
Taylor, yang dapat dituliskan dalam bentuk:

(5)
b. Backward Difference (Beda mundur) (9)
Jika data yang digunakan adalah titik xi
dan xi-1 maka disebut beda mundur yang (Leleury & Tomasouw, 2019).
dapat dituliskan dalam bentuk: Berdasarkan uraian diatas, dapat diambil
tujuan pada percobaan ini. Adapun tujuan
pada percobaan ini adalah menghitung
differensiasi numerik suatu fungsi kontinyu
menggunakan metoda forward, backward
dan central difference. Serta menyelesaikan
persamaan differensiasi numerik.
(6)
Untuk perhitungan differensial pertama II. METODE PENELITIAN
dapat diturunkan berdasarkan deret Percobaan ini dilaksanakan pada hari
Taylor, yang dapat diturunkan berdasar Rabu, 22 April 2020 secara daring melalui
deret Taylor, yang dapat ditulis dalam platform Whatsapp Messenger.Pada
bentuk : praktikum ini digunakan codeblocks dan
Wxmaxima untuk membantu mempermudah
perhitungan. Eksperimen yang dilakukan
(7)
yaitu menghitung turunan fungsi pertama
c. Central Difference (beda pusat) dan kedua dengan metode forward difference,
Jenis beda ketiga ialah beda pusat
backward difference, dan central difference
digunakan jika data yang digunakan dengan menggunakan listing program pada
adalah titik xi+1 dan xi-1. untuk perhitungan
codeblocks dan membandingkannya dengan
differensial turunan pertama dapat WxMaxima.
diturunkan berdasarkan derat Taylor.
A. Algoritma Program
Dengan mengurangi deret Taylor pada - Program Turunan Pertama Metode
persamaan beda maju dengan persamaan
Forward Difference
deret Taylor pada beda mundur, yang 1. Memulai program.
dapat dituliskan dalam bentuk:
2. Memasukkan fungsi #include
<iostream.h>, #include <iomanip.h>,
dan fungsi #include <math.h>.
3. Memasukkan nilai x dan nilai h.
4. Mendifinisikan fungsi f(x) yang
akan di cari nilai turunannya.
5. Mendrfinisikan fungsi turunan f’
eksak (x) sebenarnya dengan
menggunakan f1 = (f(x+h) – f(x))/h.
6. Menampilkan hasil f(x) dan f(x+h).
(8)
7. Menampilkan turunan f(x).
Bila differensialnya sampai orde 2, F′′( xi ),
8. Mengakhiri program.
maka uraian deret Taylor sampai orde 2
kemudian dijumlahkan :
- Program Turunan Kedua

1
4 Nurul Hikmah. 1811014220005

1. Memulai program.
2. Memasukkan fungsi #include
<iostream.h>, #include <iomanip.h>,
dan fungsi #include <math.h>.
3. Memasukkan nilai x dan nilai h.
4. Mendifinisikan f2m dan f2t dengan
f2m = (f(x+2*h)-2*f(x+h)+f(x))/(h*h)
dan f2t =
(f(x+2*h)-2*f(x)+f(x-2*h))/(4*h*h).
5. Menampilkan hasil f(x) maju dan
f(x) tengah.
6. Mengakhiri program.
2. Program Turunan Kedua
B. Flowchart
1. Program Turunan Pertama Metode
Forward Difference

III. HASIL DAN PEMBAHASAN

A. Hasil
Pada tugas eksperimen nomor 1 dilakukan perhitungan derivatif pertama dan kedua pada
titik-titik tabel di modul menggunakan aproksimasi perbedaan maju, mundur dan tengah.
Didapatkan hasilnya seperti berikut:

Data Differensiasi Numerik

0.0
2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7

09:33:42 AM
f(x) = − 2.31 x² + 13.05 x − 18.9106:04:17 AM
02:00:56 AM
09:08:19 PM
03:01:41 PM
06:57:49 AM

Grafik 1. Hubungan x dan f(x)

Tabel 1. Differensiasi numerik 1

Perbedaan Maju Perbedaan Mundur Perbedaan tengah
X
f(x) f’(x) f’’(x) f(x) f’(x) f’’(x) f(x) f’(x) f’’(x)
3,332826 -
2,1 -1,709847 -4,6266 -1,709847 -3,3374533 -1,709847 3,33514 -0,046200
7 4,6265999
 2,870166 -
2,2 -1,573823 -4,6266 -1,573823 -2.895613 -1,573823 2,87248 -0,046200
7 4,6265999
2,407506 -
2,3 -1,119214 -4,6266 -1,119214 -2,412133 -1,119214 2,40982 -0,046200
7 4,6265999
1,944846 -
2,4 -0,916014 -4,6266 -0,916014 -1.9494733 -0,916014 1,94716 -0,046200
7 4,6265999
1,482186 -
2,5 -0,747022 -4,6266 -0,747022 -1,4868133 -0,747022 1,4845 -0,046200
7 4,6265999
1,019526 -
2,6 -0,601597 -4,6266 -0,601597 -1,0241533 -0,601597 1,02184 -0,046200
7 4,6265999

Tabel 2. Differensiasi numerik tabel 1 dengan menggunakan WxMaxima

Turunan
x
f(x) f’(x) f’’(x)
2,1 -1,709847 3.335140000000001 −4.6266
2,2 -1,573823 2.872479999999999 −4.6266
2,3 -1,119214 2.409820000000002 −4.6266
2,4 -0,916014 1.94716 −4.6266
2,5 -0,747022 1.484500000000001 −4.6266
2,6 -0,601597 1.021840000000001 −4.6266

Pada tugas eksperimen nomor 2 yaitu menghitung kecepatan mobil pada saat t=0 detik pada
saat t=2,5 detik dan estimasi perlambatan mobil saat t= 2,5 detik. Didapatkan hasil sebagai
berikut:

Y-Values
80
f(x) = − 2.8 x² + 27.51 x + 5.9 Y-Values
60
Polynomial (Y-
40 Values)

20

0
0 1 2 3 4 5 6 7
Grafik 2. Hubungan Jarak terhadap Waktu

- Kecepatan mobil ketika direm ditekan t=0 detik yaitu: 27,5081964 m/s
- Kecepatan mobil pada saat t=2,5 detik yaitu: 13,4901964 m/s
- Perlambatan mobil pada saat t= 2,5 detik yaitu: -5,6071 m/ s2

B.Pembahasan dan kedua dengan metode forward difference,

Praktikum ini bertujuan menghitung backward difference, dan central difference
differensiasi numerik suatu fungsi kontinyu dengan menggunakan listing program pada
menggunakan metode forward, backward codeblocks dan membandingkannya dengan
dan central difference dan menyelesaikan WxMaxima.
persoalan differensiasi numerik. Pada Dalam praktikum ini dilakukan dua
praktikum ini digunakan codeblocks dan tugas eksperimen dimana tugas eksperimen
Wxmaxima untuk membantu mempermudah pertama adalah mwnghitung derivatif
perhitungan. Eksperimen yang dilakukan pertama dan derivatif kedua pada titik-titik
yaitu menghitung turunan fungsi pertama tabel 7 dan 8 pada modul dengan

1
6 Nurul Hikmah. 1811014220005
menggunakan aproksimasi perbedaan maju,
mundur dan tengah. Pertama, data pada tabel
yaitu x dan f(x) kita plotkan terlebih dahulu
menjadi sebuah grafik dalam Ms. Excel untuk
mendapatkan persamaannya. Didapatkan
persamaannya yaitu y = -2,3133x2 + 13,051x -
18,905. Kemudian, persamaan y akan dihitung
dengan program, sehingga data-data untuk
turunan pertama dan kedua didapatkan
seperti terlihat pada tabel.
Tugas eksperimen nomor 2 yaitu
kecepatan mobil pada saat t=0 detik pada saat
t=2,5 detik dan estimasi perlambatan mobil
saat t= 2,5 detik berdasarkan data pada tabel 9
yaitu hubungan jarak terhadap waktu
kecepatan mobil tersebut. Persamaan yang
didapat dari plot data pada tabel tersebut
yaitu y = -2.8036x2 + 27.511x + 5.9. Untuk
mencari kecepatan kita ketahui bahwa
kecepatan adalah turunan pertama dari jarak
per waktu. Hasil kecepatan yang didapat saat
t = 0s adalah 27,5081964 m/s dan untuk t=2,5s
adalah 13,4901964 m/s. Terakhir untuk
percepatan, maka percepatan pada saat t=2,5s
adalah -5,6071 m/ s2.
Salah satu metode numerik yang paling
sering dan mudah digunakan dalam
menghitung hampiran turunan suatu fungsi
adalah metode beda hingga. Pada metode ini
domain suatu fungsi dipartisi atas sejumlah
titik dan rumus aproksimasi untuk turunan
diperoleh dari ekspansi deret Taylor di satu
atau lebih titik partisi. Berdasarkan lokasi
titik-titik partisi yang digunakan, metode
beda hingga dibagi atas tiga jenis, yaitu beda
maju (forward difference), beda mundur
(backward difference), dan beda pusat
(central difference).
IV. KESIMPULAN
Kesimpulan yang dapat diambil dari
percobaan ini adalah :
1. Metode beda hingga digunakan untuk
memecahkan persamaan differensial
biasa secara numerik, dengan
menggunakan deret Taylor yang
diputus pada orde tertentu sesuai
kebutuhan yang ada. Pada metode ini
domain suatu fungsi dipartisi atas
sejumlah titik dan rumus aproksimasi
untuk turunan diperoleh dari ekspansi
deret Taylor di satu atau lebih titik
partisi. Berdasarkan lokasi titik-titik
partisi yang digunakan, metode beda
hingga dibagi atas tiga jenis, yaitu
beda maju (forward difference), beda
mundur (backward difference), dan
beda pusat (central difference)
2. Dengan menggunakan metode beda
hingga tersebut dapat diselesaikan
persoalan differensiasi numerik seperti
perhitungan kecepatan atau
perlambatan sebuah mobil yang
diketahui jarak dan waktunya.
V. UCAPAN TERIMA KASIH
Terima kasih kepada dosen pengampu,
asisten praktikum dan teman-teman yang
sudah membantu dalam melaksanakan
percobaan ini.
VI. DAFTAR PUSTAKA
Astuti, W. (2017). Pembuktian bentuk tutup
rumus beda maju berdasarkan deret
taylor. Jurnal Matematika UNAND, 6(1),
168–176.
Dedy, A. (2004). Metode Numerik. Yogyakarta:
Teknik Elektronika UGM.
Leleury, Z. A., & Tomasouw, B. P. (2019).
Simulasi Model Matematika Dispersi
Larutan Limbah Pada Saluran Air. Zeta -
Math Journal, 4(2), 28–33.
https://doi.org/10.31102/zeta.2019.4.2.28-
33
Luknanto, D. (2001). Metoda Numerik.
Yogyakarta: UGM.
Rinaldi, M. (2003). Metode Numerik. Bandung:
Teknik Informatika.
Sihombing, S. C., & Dahlia, A. (2018).
Penyelesaian Persamaan Diferensial
Linier Orde 1 dan 2 disertai Nilai Awal
dengan Menggunakan Metode Runge
Kutta Orde Lima Butcher dan Felhberg
(RKF45). Jurnal Matematika Integratif,
14(1), 51–60.
https://doi.org/10.24198/jmi.v14.n1.15953.
51-60

1
8 Nurul Hikmah. 1811014220005

LAMPIRAN
a. Listing Program
1. Listing Program Turunan Pertama
Metode Forward Difference
#include <iostream>
#include<iomanip>
#include <math.h>
double f(double x){
return -2.8036*x*x + 27.511*x + 5.9;
}
using namespace std;

int main()
{
double x, h,f1,f2,f3;
int n;
cout<<"x= ";
cin>>x;
cout<<"h= ";
cin>>h;
f1=(f(x+h)-f(x))/h;
cout<<setiosflags(ios::fixed)<<setprecisi
on(10);
cout<<"f(x)= "<<f(x)<<endl;
cout<<"f(x+h)= "<<f(x+h)<<endl;
cout<<"turunan f(x)= "<<f1<<endl;
}

2.Listing Program Turunan Kedua

#include <iostream>
#include<iomanip>
#include <math.h>
double f(double x){
return //-2.8036*x*x + 27.511*x + 5.9;
}
using namespace std;

int main()
{
double x, h,f2m,f2t,f2mu;
int n;
cout<<"x= ";
cin>>x;
cout<<"h= ";
cin>>h;
f2m=(f(x+2*h)-2*f(x+h)+f(x))/(h*h);
f2t=(f(x+2*h)-2*f(x)+f(x-2*h))/(4*h*h);
f2mu=(f(x)-2*f(x-h)+f(x-2*h))/(h*h);
 cout<<setiosflags(ios::fixed)<<setprecision(
10);
cout<<"f(x)maju= "<<f2m <<endl; c. Menggunakan wxmaxima
cout<<"f(x)tengah= "<<f2t <<endl;
cout<<"f(x)mundur= "<<f2mu <<endl;
}

b. Hasil Komputasi
Tugas eksperimen nomor 1
a. Turunan Pertama

Tugas Eksperimen nomor 2

a. Dengan menggunakan program C++

b. Dengan menggunakan WxMaxima

b. Turunan kedua

1
10 Nurul Hikmah. 1811014220005