Modul Metode Numerik - Moch Agus Choiron PDF

Metode Numerik untuk Teknik Mesin 2012
BAB I. PENGANTAR METODE NUMERIK

Metode numerik merupakan metode pemrosesan dari data numerik
(diskret) menjadi hasil numerik, dimana metode ini mampu menangani
sistem persamaan besar, ketidaklinearan dan kasus dengan geometri
yang komplek yang biasa dijumpai di kasus rekayasa dan seringkali
sulit untuk diselesaikan dengan cara analitis.
Analisa numerik dapat diartikan sebagai analisa mempergunakan
algoritma dari metode numerik.
Analisa numerik memunculkan dua sisi yang menarik yaitu dapat

menjadi :
IPTEK (science) : Bagian dari matematika dimana algoritma
yang dipakai dikembangkan dari
persamaan-persamaan matematika
tertentu.
Seni (art) : Berkaitan dengan penentuan cara terbaik
untuk menyelesaikan suatu persoalan
matematika.
Penyelesaian persoalan matematika dapat diselesaikan dengan cara

analitis (eksak), grafis dan numerik. Metode analitis mempunyai
keunggulan dalam hasilnya yang eksak, tetapi biasanya terbatas untuk
kemudahan penyelesaian pada masalah yang dengan asumsi linear
dan pada kasus geometri yang sederhana. Metode grafis bertujuan
untuk menggambarkan perilaku system dalam bentuk gambar atau
nomograf dengan keterbatasan hanya mampu maksimal menguraikan
masalah dengan menggunakan gambar tiga dimensi.
Jenis persoalan Matematika yang akan diselesaikan dengan cara

numerik dapat digolongkan sebagai berikut:
1. Akar-akar persamaan
2. Persamaan aljabar linear serentak
3. Interpolasi
4. Pencocokan kurva (curve fitting)
5. Persamaan differensial biasa
6. Persamaan differensial parsial
7. Integrasi Numerik
Penyelesaian suatu persoalan matematika dengan metode numerik

umumnya dapat diselesaikan dengan lebih dari satu metode sehingga
harus dipilih metode terbaik yang dapat menghasilkan penyelesaian
yang efisien dan efektif serta tidak menghasilkan error yang besar.
Cara memilih metode terbaik :

1. Mengetahui jenis-jenis metode yang ada
2. Mengetahui bagaimana metode-metode tersebut bekerja.
1
3. Mengetahui kelemahan dan kelebihan metode-metode.

4. Mempunyai faktor intuisi dan pengalaman dalam menerapkan
metode-metode di atas.
Dengan mempelajari metode numerik akan memberikan sarana

langsung dalam belajar pemrograman komputer. Dengan
perkembangan hardware dan software saat ini sangat mendukung
ketrampilan dalam memanfaatkan komputer sebagai alat bantu dalam
menyelesaikan kasus rekayasa di bidang teknik mesin. Dengan
memahami dan terbiasa dengan metode numerik akan memberikan
kemampuan lebih untuk merancang program sendiri tanpa harus
membeli program paket yang mahal. Beberapa bahasa program yang
umum digunakan adalah FORTRAN, PASCAL, DELPHI, VISUAL BASIC,
C++ dan banyak bahasa program lainnya.
Ciri-ciri pemrograman terstruktur harus mempunyai kriteria yaitu :

Benar
Mudah Difahami
Mudah Dimodifikasi
Salah satu yang menjadi kelemahan metode numerik adalah

munculnya galat atau error dikarenakan metode ini melibatkan suatu
pendekatan/aproksimasi hasil dari metode analitis.
Galat yang umum dijumpai meliputi :
1. Galat Sintaksis
Melanggar kaidah bahasa pemrograman
2. Galat waktu running
Terjadi selama eksekusi program
3. Galat logika
Kesalahan logika program
4. Galat pembulatan
Komputer hanya mampu mempertahankan sejumlah angka
tetap angka benar selama perhitungan.
Galat pembulatan merupakan galat yang paling sering dijumpai

terutama dalam perhitungan metode numerik secara manual untuk
latihan, quiz maupun ujian kuliah. Contoh pada bilangan-bilangan
seperti dan 5 tidak dapat diekspresikan sebagai sejumlah tetap
angka benar. Untuk itu yang harus diperhatikan dalam latihan metode
numerik adalah penggunaan yang konsisten jumlah angka di belakang
koma selama perhitungan.
Kontrol kualitas program numerik mencakup pekerjaan dalam :

1. DEBUGGING
Perbaikan galat yang diketahui
2. PENGUJIAN
Mendeteksi galat yang tidak diketahui
2
Berikut disajikan flowchart tahapan-tahapan dalam merancang dan

mengembangkan program yang berbasis metode numerik.
RANCANG BANGUN ALGORITMA

Pengembangan yang mendasari logika program
KOMPOSISI PROGRAM
Penulisan program dalam bahasa komputer
PENCARIAN DAN PENGUJIAN

Pemastian bahwa program bebas Galat dan andal
DOKUMENTASI
Membuat program mudah digunakan dan dipahami
PENYIMPANAN DAN PERAWATAN

Menyimpan program dan memperbaikinya sesuai
pengalaman dan kebutuhan pasar
3
BAB II. AKAR-AKAR PERSAMAAN
Penyelesaian kasus akar-akar persamaan dapat digolongkan menjadi

dua metode yaitu :
1. Metode pengurung (Bracketing Methods)
Mulai dengan terkaan awal yang mengurung atau memuat akar
dan kemudian secara bersistem mengurangi lebar kurungan.
Contoh : Bisection, Regula Falsi.
2. Metode terbuka (Open Methods)
Iterasi coba-coba yang sistematis.
Contoh : Newton Raphson, Secant.
2.1. Metode Bagi Dua (Bisection Methods)
x n1 x n
Perumusan mencari akar : xmid =
2
Evaluasi : f (xmid) = 0 |f (xmid)|
y y = f(x)
f(x2)
f(xmid)
x1
x
xmid x2
f(x1)
Misal : Tentukan nilai nol dari suatu fungsi y = x3 - 7 x + 1
Pertama tentukan nilai awal untuk x1 dan x2 sehingga didapatkan f (x1)

dan f (x2) yang berbeda tanda, yang berarti titik penyelesaian ada di
sekitar itu.
Buat tabel untuk mempermudah pembacaan prosesnya.

No x1 x2 f(x1) f(x2) xmid f(xmid)
1 2,5 2,6 -0,875 0,376 2,55 -0,269
f(x1) dan f(xmid) sama tanda x1 = xmid
2 2,55 2,6 -0,269 0,376 2,575 0,049
4

3 2,55 2,575 -0,269 0,049 2,562 -0,117
4 2,562 2,575 -0,117 0,049 2,568 -0,041
5 2,568 2,575 -0,041 0,049 2,572 0,010
6 2,568 2,572 -0,041 0,010 2,570 -0,015
7 2,570 2,572 -0,041 0,010 2,571 -0,003
Sehingga salah satu akar yang dicari adalah 2,571.
Algoritma Metode Biseksi
START
Cari posisi akar f(xn) dan f(xn+1)

beda tanda
x n1 x n
Hitung xmid = , f (xmid)
2
Ya A
f(xn), f(xmid) pxn = xmid
sama tanda ? f (x
an) = f (xmid)
k
Tidak a
xn+1 = xmid h
f (xn+1) = f (xmid)
f (xn), f (xmid)
sama tanda
Tidak
A
|f (xmid)|
p
a
Ya k
a
STOP
h
|f (xmid)|
5
2.2. Metode Posisi Palsu (False Position Methods)
Berdasar interpolasi linear antara 2 harga f(x) yang

mempunyai tanda berbeda f(x1) . f(x2) < 0
Konvergensi yang dihasilkan cepat.
y
y = f(x)
f(x2)
x1 x3 x4 x
x2
f(x1)
f(x1) dan f(x2) berbeda tanda berarti ada akar antara x 1 dan x2.
Perumusan mencari akar :
x n1 x n
x* = xn f(xn)
f (x n1 ) f (x n )
Evaluasi suatu akar : | f(x*) |
Algoritma Metode Posisi Palsu = Algoritma Metode Biseksi hanya

x xn
tinggal mengganti rumusan xmid = n1 menjadi x* = xn f(xn)
2
x n1 x n

f (x n1 ) f (x n )
No x1 x2 f(x1) f(x2) x* f(x*)

1 2,5 2,6 -0,875 0,376 2,57 -0,015
2 2,57 2,6 -0,015 0,376 2,571 0,003
Sehingga salah satu akar yang dicari adalah 2,571. Terlihat dengan
metode ini hanya dibutuhkan 2 iterasi sehingga konvergensi lebih
cepat dibandingkan dengan metode biseksi.
6
2.3. Metode Newton
Tidak perlu mencari 2 harga f(x) yang mempunyai tanda

berbeda.
Konvergensi yang dihasilkan cepat.
Perlu menghitung turunan fungsi f(x).
Kelemahan : - tidak selalu menemukan akar (divergen).
- kemungkinan mencari f(x) sukar.
- Penetapan harga awal sulit.
Dari deret Taylor :

h2
f(xn + h) = f(xn) + h f(xn) + f(x) + ..
2
diabaikan
Jika xn + h adalah akar f(xn + h) = 0
f (xn )
0 = f(xn) + h f(xn) h = -
f' (xn )
Perumusan mencari akar :
f (xn )
xn+1 = xn + h = xn -
f' (xn )
Algoritma Metode Newton
START
START
Pilih Xn yang cocok
Cari xn+1, f (xn+1)

f (xn )
xn + 1 = xn -
f' (xn )
Tidak
|f (xn + 1)|
xn = xn+1
A
p
Ya a
k
STOP a
h
|f (xn + 1)|
7
2.4. Metode Secant
Tidak perlu mencari 2 fungsi dengan tanda berbeda.

Kombinasi Metode Newton dan Metode Posisi Palsu.
Tanpa mencari turunan fungsi f(x).
y y = f(x)
x0 x1 x3 x2
x
E
B
A D
C
x0 dan x1 dipilih
x 2 = x1 +
Segitiga ABC segitiga DEA
- f (x0 ) f (x1) - f (x1 ) x1 x0
= = - f(x1)
x1 - x0 f (x1) f (x0 )
x1 x0
maka : x2 = x1 - f(x1)
f (x1) f (x0 )
x n x n1
Perumusan : xn+1 = xn f(xn)
f (x n ) f (x n1 )
Algoritma Metode Secant = Algoritma Metode Newton, hanya

tinggal mengganti rumusannya. Penggantian nilai dilakukan menurut
urutan yang ketat, dengan nilai baru xn+1 menggantikan xn dan nilai xn
menggantikan xn-1. Sehingga kadang dua nilai tersebut dapat pada
posisi yang sama kemungkinan divergen.
SUMMARY
JENIS KELEBIHAN KEKURANGAN

Metode Bisection - Selalu -Laju konvergen
pengurung Regula Falsi Konvergen lambat
Metode Newton-Raphson -Laju konvergen - Turunan harus
terbuka Secant cepat dicari secara
- Cukup satu analitis
terkaan awal - Bisa divergen
8
TUGAS :
Selesaikan dengan cara manual dan Buat program komputer dengan
menggunakan metode di atas dan Uji hasil program dengan
menyelesaikan fungsi sebagai berikut :
y = x4 + 3 x3 + 2 x2 + 5 x
Berikut listing program dengan menggunakan metode posisi palsu.
program posisi_palsu;
uses crt;
var
j,k,l,m,n,maxit,x1,x2,nb,na,xa,gmax : real;
function f( a,b,c,d,e,x :real):real;
begin
f:=a*sqr(sqr(x))+b*x*sqr(x)+c*sqr(x)+d*x+e;
end;
{prosedur pengisian data}

procedure data;
begin
clrscr;
writeln('Menghitung akar persamaan ');
writeln('f(x)=A x^4 + B x^3 + C x^2 + D x + E ');
writeln('dengan metode Posisi Palsu ');
writeln;
writeln;
write('Masukan nilai A = '); readln(j);
write('Masukan nilai B = '); readln(k);
write('Masukan nilai C = '); readln(l);
write('Masukan nilai D = '); readln(m);
write('Masukan nilai E = '); readln(n);
writeln;
write('Batas Error = '); readln(gmax);
write('Jumlah Iterasi Maks. = '); readln(maxit);
write('Nilai bawah = '); readln(nb);
write('Nilai atas = '); readln(na);
clrscr;
end;
{prosedur perhitungan posisi palsu}

procedure pospalsu;
var
iterasi : integer;
galat,uji : real;
x:real;
begin
writeln;
9
writeln('
==========================================');
write(' Iterasi ke-');write(' ');
write('Hasil');writeln;
write('
==========================================');
x1:=nb; x2:=na; iterasi:=0;
xa:=x1-((f(j,k,l,m,n,x1)*(x2-x1))/(f(j,k,l,m,n,x2)-f(j,k,l,m,n,x1)));
repeat
iterasi:=iterasi+1;
uji:=f(j,k,l,m,n,x1)*f(j,k,l,m,n,xa);
if uji= 0 then xa:=0
else if uji < 0 then
begin
x1:=nb; x2:=xa;
xa:=x1-((f(j,k,l,m,n,x1)*(x2-x1))/(f(j,k,l,m,n,x2)-
f(j,k,l,m,n,x1)));
writeln;write(' ');
write(iterasi);
write(' ',xa:3:5);
end
else if uji>0 then
begin
x1:=xa; x2:=na;
xa:=x1-((f(j,k,l,m,n,x1)*(x2-x1))/(f(j,k,l,m,n,x2)-
f(j,k,l,m,n,x1)));
writeln;write(' ');
write(iterasi);write(' ',xa:3:5);
end;
until (abs(f(j,k,l,m,n,xa))<=gmax) or (iterasi=maxit);
writeln;
writeln('
==========================================');
writeln;
writeln('Persamaan : ',j:2:2,'X^4 + (',k:2:2,')X^3 + (',l:2:2,')X^2 +
(',m:2:2,')X + (',n:2:2,')');
writeln('Jumlah Iterasi = ',iterasi,' Batas Error = ',gmax:3:5);
writeln('Batas Bawah = ',nb:3:2,' Batas Atas = ',na:3:2);writeln;
write('Salah satu akarnya adalah = ',xa:3:5);
end;
{prosedur / program utama}

begin
data;
pospalsu;
readln;
end.
10
HASIL RUNNING PROGRAM
Menghitung akar persamaan

f(x)=A x^4 + B x^3 + C x^2 + D x + E
dengan metode Posisi Palsu
Masukan nilai A=1

Masukan nilai B=3
Masukan nilai C=2
Masukan nilai D=5
Masukan nilai E=0
Batas Error = 0.01

Jumlah Iterasi Maks. = 100
Nilai bawah = -3.5
Nilai atas = -1.5
=========================================
Iterasi ke- Hasil
==========================================
1 -2.34464
2 -2.62648
3 -2.78083
4 -2.85257
5 -2.88317
6 -2.89572
7 -2.90078
8 -2.90281
9 -2.90362
10 -2.90395
==========================================
Persamaan : (1.00)X^4 + (3.00)X^3 + (2.00)X^2 + (5.00)X + (0.00)

Jumlah Iterasi = 10 Batas Error = 0.01000
Batas Bawah = -3.50 Batas Atas = -1.50
Salah satu akarnya adalah = -2.90395
11
BAB III. PERSAMAAN ALJABAR LINEAR SERENTAK

Bentuk umum persamaan aljabar linear serentak :
a11 x1 + a12 x2 + ..... + a1n xn = b1

x b
a21 x1 + a22 x2 + ..... + a2n xn = b2 a1 1 a1 2 ......... a1 n 1 1
a x b2
21 a2 2......... a2 n 2

. . .
.
.
.
a an2 ......... ann .
n1 x b
an1 x1 + an2 x2 + ..... + ann xn = bn
n n
dimana a adalah koefisien-koefisien konstanta, b adalah konstanta-
konstanta dan n adalah banyaknya persamaan.
Penyelesaian persamaan linear serentak dapat dilakukan cara :

1. Eliminasi Eliminasi Gauss, Gauss Jordan.
2. Iterasi Iterasi Jacobi, Gauss siedel.
3. Dekomposisi Dekomposisi lower-upper (LU), Cholesky.
3.1. Eliminasi Gauss
Eliminasi bilangan unknown dengan menggabungkan persamaan-

persamaan.
Strategi : mengalikan persamaan dengan konstanta agar salah satu
bilangan unknown akan tereliminasi bilamana dua
persamaan digabungkan.
Kebutuhan : pemahaman Operasi Matrik
Skema langkah eliminasi Gauss

a11 a12 a13 x1 b1 (E1)
a (E2)
21 a22 a23 x 2 b2
a31 a32 a33
x 3 b3
(E3)
Forward
Elimination
a11 a12 a13 x1 b1 Upper Triangular

0 a'22 a'23 x b'
2 2 System
0 0 a' '33
x3 b' '3
Back
Substitution
x3 = b3 / a33
x2 = (b2 - a23 x3) / a22
x1 = (b1 - a12 x2 - a13 x3) / a11
12
Langkah eliminasi maju :

1. Eliminasikan x1 dari (E2) dan (E3), asumsi a11 0
a2 1 a'3 2
m21 = ; m31 =
a1 1 a'2 2
kurangkan (m21 x (E1)) pada (E2) dan kurangkan (m31 x (E1))
pada (E3), sehingga :
a11 x1 + a12 x2 + a13 x3 = b1
a22 x2 + a23 x3 = b2
a32 x2 + a33 x3 = b3
NB : tanda petik satu berarti persamaan telah dimodifikasi satu kali.
2. Eliminasikan x2 dari (E3), asumsi a22 0
m32 = a'3 2
a'2 2
kurangkan (m32 x (E2)) pada (E3), sehingga :
a11 x1 + a12 x2 + a13 x3 = b1
a22 x2 + a23 x3 = b2
a33 x3 = b3
NB : tanda petik dua berarti persamaan telah dimodifikasi dua kali.
Langkah substitusi mundur :

x3 = b3 / a33
(n - 1)
Sehingga dapat dirumuskan : xn = b n
a(n
nn
- 1)
Untuk menghitung x sisanya :

x2 = (b2 - a23 x3) / a22
x1 = (b1 - a12 x2 - a13 x3) / a11
n
b(i
i
- 1)
a(i
ii
- 1)
xj
Sehingga dapat dirumuskan : xi = j i1
a(i
ii
- 1)
dengan i = n 1, n 2 , . , 1
NB : Persamaan (E1) disebut Pivot Equation, a11 disebut koefisien
Pivot dan operasi perkalian baris pertama dengan a21/a11
disebut sebagai Normalisasi.
13
Untuk kemudahan dapat dipakai matrik dalam bentuk kombinasi yang

disebut dengan Augmented Matrix (matrik yang diperbesar).
a a1 2 a1 3 b1
11
a2 1 a2 2 a2 3 b2

a
3 1
a3 2 a3 3 b3
Masalah harus menghindari pembagian dengan nol, sehingga

muncul sebutan untuk metode ini yaitu Eliminasi Gauss Naif.
Teknik untuk memperbaiki penyelesaian Eliminasi Gauss :

1. Pivoting
Sebelum tiap baris dinormalkan, maka dilakukan penentuan
koefisien terbesar yang tersedia. Kemudian baris-baris tersebut
dipertukarkan sehingga elemen terbesar tersebut merupakan
elemen pivot.
2. Scaling
berguna dalam peminimalan galat pembulatan untuk kasus
dimana beberapa persamaan mempunyai koefisien-koefisien
yang jauh lebih besar dari lainnya.
Contoh soal :
Selesaikan persamaan simultan berikut ini.
27 x1 + 6 x2 x3 = 85 .. (1a)
6 x1 + 15 x2 + 2 x3 = 72 .. (1b)
x1 + x2 + 54 x3 = 110 .. (1c)
Penyelesaian :
Gunakan matrik dalam bentuk Augmented Matrix (matrik yang

diperbesar).
27 6 - 1 85 27 6 -1 85
6 15 2 72 E - 6/27 E 0 13,667 2,222 53,111
2 1

1 1 54 110 E3 - 1/27 E1 0 0,778 54,037 106,852
27 6 -1 85
0 13,667 2,222 53,111

E3 0,778/13,667 E2 0 0 53,911 103,829
dengan menggunakan substitusi mundur akan diperoleh x 1, x2, dan x3.
x3 = 103,829 / 53,911 = 1,926
14
13,667 x2 + 2,222 x3 = 53,111 x2 = 3,573
27 x1 + 6 x2 - x3 = 85 x1 = 2,425
3.2. Eliminasi Gauss-Jordan
Merupakan Variasi dari Eliminasi Gauss dengan kebutuhan untuk

menghitung matrik invers.
Strategi : Langkah eliminasi menghasilkan matrik satuan, sehingga
tidak diperlukan proses substitusi mundur.
Skema langkah eliminasi Gauss-Jordan

a a1 2 a1 3 b1 (E1)
11
a2 1 a2 2 a2 3 b2 (E2)

a3 1 a3 2 a3 3 b3 (E3)
Elimination
*
1 0 0 b1 NO Back M
x1 = b*1
x2 = b*2
0 1 0 b* 2
Substitution
a
x3 = b*3
0 0 1 b*
3

t
r
i
k
Selesaikan soal yang sama pada metode Eliminasi
S Gauss :
a
27 6 - 1 85 1/27 E1 1 0,222 - 0,337
t 3,148
6 15 2 72 6 15 u 2 72
a54
1 1 54 110 1 1 110
n
1 0,222 - 0,337 3,148

E2 6 E1 0 13,667 2,222 53,111

E3 E1 0 0,778 54,037 106,852
1 0,222 - 0,337 3,148

1/13,667 E2 0 1 0,163 3,886

0 0,778 54,037 106,852
15
E1 0,222 E2 1 0 - 0,073 2,285 1 0 - 0,073 2,285

0 1 0,163 3,886 0 1 0,163 3,886

E3 0,778 E2 0 0 53,911 103,828 1/53,911 E3 0 0 1 1,926
E1 (- 0,073 E3) 1 0 0 2,426 x1 = 2,426

0 1 0 3,572 x2 = 3,572
E2 0,163 E3 x3 = 1,926
0 0 1 1,926
3.3. Iterasi Gauss-Siedel
Bentuk umum persamaan linear serentak :

a11 x1 + a12 x2 + a13 x3 + ................... + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ................... + a2n xn = b2
.
.
.
an1 x1 + an2 x2 + an3 x3 + .................. + ann xn = bn
Dapat diubah bentuknya menjadi :
1
x1 = ( b1 - a12 x2 + a13 x3 - .................... - a1n xn)
a11
1
x2 = ( b2 - a21 x1 + a23 x3 - .................... - a2n xn)
a 22
1
x3 = ( b3 - a31 x1 + a32 x2 - .................... - a3n xn)
a 33
1
xn = ( bn - an1 x1 - an2 x2 - .................... - an(n-1) x(n-1))
ann
Langkah-langkah Iterasi Gauss-Siedel

1. Asumsikan x2 = x3 = .. = xn = 0, sehingga dapat diperoleh :
b
x1 = 1
a11
2. Hasil dari x1 tersebut dimasukkan persamaan 2 untuk
mendapatkan harga x2 (dimana x3 = = xn = 0), maka akan
diperoleh :
1
x2 = ( b2 - a21 x1 )
a 22
3. Langkah 1 dan 2 dilakukan terus sampai diperoleh nilai x n dan
selesailah proses iterasi yang pertama. Kemudian hasil proses
tersebut dimasukkan kembali pada persamaan untuk mendapatkan
harga unknown dari x1, x2, x3. .. xn pada proses iterasi kedua,
ketiga dan seterusnya.
16
4. Proses iterasi berakhir bila hasil dari iterasi terakhir sama dengan
atau hampir sama dengan iterasi sebelumnya. Ini merupakan
kelemahan metode iterasi gauss-siedel yaitu proses akhir iterasi
menjadi meragukan.
Contoh soal :
Selesaikan persamaan simultan berikut :
27 x + 6 y z = 85 .. (1a)
6 x + 15 y + 2 z = 72 .. (1b)
x + y + 54 z = 110 .. (1c)
Penyelesaian :
Persamaan di atas dapat diubah bentuknya menjadi :
1
x= ( 85 - 6 y + z ) (2a)
27
1
y= ( 72 - 6 x - 2 z ) (2a)
15
1
z= ( 110 - x - y ) (2a)
54
Iterasi pertama
1. Asumsikan y = z = 0, sehingga dari persamaan (2a) akan diperoleh
85
: x1 = = 3,15
27
2. Hasil dari x1 tersebut dimasukkan persamaan (2b) untuk
mendapatkan harga y1 (asumsi z = 0)
1
y1 = ( 72 - 6 (3,15) ) = 3,54
15
3. Masukkan hasil x1 dan y1 ke dalam persamaan (2c)
1
z1 = ( 110 3,15 3,54) = 1,91
54
Iterasi kedua
1
x2 = ( 85 - 6 (3,54) + 1,91 ) = 2,43
27
1
y2 = ( 72 - 6 (2,43) 2 (1,91) ) = 3,57
15
1
z2 = ( 110 2,43 3,57) = 1,926
54
Iterasi selanjutnya dapat ditabelkan sebagai berikut :
Iterasi ke - x y z
1 3,15 3,54 1,91
2 2,43 3,57 1,926
3 2,423 3,574 1,926
4 2,425 3,573 1,926
5 2,425 3,573 1,926
Jadi hasil penyelesaiannya adalah : x =2,425 ; y=3,573 ; z = 1,926
17
3.4. Iterasi Jacobi
Melalui proses iterasi dengan menggunakan persamaan :

n a
b
xi(n+1) = i -
aii

ij
j 1 aii
xj (n) ; j i
Keuntungan metode ini adalah langkah penyelesaiannya yang

sederhana, sedangkan kelemahannya adalah :
1. Proses iterasinya lambat. Terutama untuk persamaan linear
serentak dengan ordo tinggi.
2. Hanya dapat digunakan menyelesaikan persamaan linear serentak
yang memenuhi syarat berikut :
n
aii > a
j 1
ij ; j i dan i = 1, 2, .., N
Contoh soal :
Selesaikan persamaan simultan berikut :
27 x + 6 y z = 85 .. (1a)
6 x + 15 y + 2 z = 72 .. (1b)
x + y + 54 z = 110 .. (1c)
Penyelesaian :
Persamaan di atas dIbentuk menjadi :

1
x(1) = ( 85 - 6 y(0) + z(0) ) (2a)
27
1
y(1) = ( 72 - 6 x(0) - 2 z(0) ) (2b)
15
1
z(1) = ( 110 - x(0) - y(0) ) (2c)
54
Iterasi pertama
Asumsikan x(0) = y(0) = z(0) = 0, sehingga dari persamaan (2a, 2b dan
2c) akan diperoleh :
85
x(1) = = 3,148
27
72
y(1) = = 4,800
15
110
z(1) = = 2,037
54
Iterasi kedua
1
x(2) = ( 85 - 6 (4,8) + 2,037 ) = 2,157
27
1
y(2) = ( 72 - 6 (3,148) 2 (2,037) ) = 3,269
15
1
z(2) = ( 110 3,148 4,8) = 1,890
54
18
Iterasi selanjutnya dapat ditabelkan sebagai berikut :
Iterasi ke - X Y z
1 3,148 4,800 2,037
2 2,157 3,269 1,890
3 2,492 3,685 1,937
4 2,401 3,545 1,923
5 2,432 3,583 1,927
6 2,423 3,570 1,926
7 2,426 3,574 1,926
8 2,425 3,573 1,926
9 2,426 3,573 1,926
10 2,425 3,573 1,926
11 2,425 3,573 1,926
Jadi hasil penyelesaiannya adalah :

x = 2,425 ; y = 3,573 dan z = 1,926
3.5. Dekomposisi LU
Dengan cara membentuk matrik segitiga atas (Upper) dan matrik

segitiga bawah (Lower) dari matrik koefisien A serta membentuk
vektor matrik dari matrik hasil dengan aturan tertentu.
Kelebihannya adalah sangat efektif untuk menyelesaikan persamaan

linear serentak ordo tinggi, dengan hasil yang sangat mendekati nilai
eksaknya. Tentu saja konsekuensinya metode ini memerlukan cara
yang cukup kompleks.
[A] {X} = {B}

Dekomposisi
[U] [L]
[L] {D} = {B}

Maju
{D}
Pensubtitusian
[U] {X} = {D}
Mundur
{X}
19
Langkah-langkah Dekomposisi LU
1. Membentuk matrik koefisien [A], matrik variabel {X} dan matrik
hasil {B} dari persamaan simultan.
[A] {X} = {B}
2. Mencari matrik segitiga bawah [L] dan matrik segitiga atas [U] dari
matrik koefisien [A] dengan aturan berikut :
li1 = ai1 ; i = 1,2, , n
a1 j a1 j
u1j = = ; j = 2,3, , n
l11 a11
- untuk j = 2,3, , n-1
j 1
lij = aij -
k 1
l ik .u kj ; i = j, j+1, , n
j 1
a jk l ji .u ik n1
ujk = i 1
l jj
; k =j+1, j+2, ,n ; lnn = ann - l
k 1
nk .u kn
3. Mencari matrik {B} dengan aturan berikut :

i 1
b1
bi l
j 1
ij .b' j
b1 = ; bi = untuk i = 2, 3, , n
l11 l ii
4. Membentuk Augmented Matrix {UB} dan penyelesaiannya
diperoleh :
n
xn = bn dan xj = bj - u
k j 1
jk xk
Berikut disajikan contoh listing program VISUAL BASIC untuk

menghitung persamaan linear serentak kasus di atas dengan metode
Iterasi Jacobi.
LISTING PROGRAM
Begin VB.Form Form1

Caption = "MENGHITUNG INTERASI JACOBI"
ClientHeight = 6030
ClientLeft = 60
ClientTop = 345
ClientWidth = 9510
LinkTopic = "Form1"
ScaleHeight = 6030
ScaleWidth = 9510
StartUpPosition = 2 'CenterScreen
Begin VB.CommandButton Command3
Caption = "Masukkan Variabel"
BeginProperty Font
20
Name = "Nadall"
Size = 12
Charset = 0
Weight = 700
Underline = 0 'False
Italic = 0 'False
Strikethrough = 0 'False
EndProperty
Height = 495
Left = 3840
TabIndex = 38
Top = 5400
Width = 1215
End
Caption = "Hitung Interasi"
BeginProperty Font
Name = "Nadall"
Size = 11.25
Charset = 0
Weight = 700
Italic = 0 'False
EndProperty
Height = 495
Left = 720
TabIndex = 31
Top = 3000
Width = 1695
End
Begin VB.Frame Frame1
Caption = "Masukkan Angka"
BeginProperty Font
Name = "Palatino Linotype"
Size = 12
Charset = 0
Weight = 700
Italic = 0 'False
EndProperty
Height = 2415
Left = 720
TabIndex = 0
Top = 240
Width = 6495
Begin VB.TextBox Text4
21
Height = 375
Index = 2
Left = 5160
TabIndex = 12
Top = 1800
Width = 975
End
Height = 375
Index = 2
Left = 3480
TabIndex = 11
Top = 1800
Width = 495
End
Height = 375
Index = 2
Left = 1920
TabIndex = 10
Top = 1800
Width = 495
End
Height = 375
Index = 2
Left = 360
TabIndex = 9
Top = 1800
Width = 495
End
Height = 375
Index = 1
Left = 5160
TabIndex = 8
Top = 1080
Width = 975
End
Height = 375
Index = 1
Left = 3480
TabIndex = 7
Top = 1080
Width = 495
End
22
Height = 375
Index = 1
Left = 1920
TabIndex = 6
Top = 1080
Width = 495
End
Height = 375
Index = 1
Left = 360
TabIndex = 5
Top = 1080
Width = 495
End
Height = 375
Index = 0
Left = 5160
TabIndex = 4
Top = 360
Width = 975
End
Height = 375
Index = 0
Left = 3480
TabIndex = 3
Top = 360
Width = 495
End
Height = 375
Index = 0
Left = 1920
TabIndex = 2
Top = 360
Width = 495
End
Height = 375
Index = 0
Left = 360
TabIndex = 1
Top = 360
Width = 495
End
Begin VB.Label Label6
23
Caption = "+"
Height = 375
Index = 2
Left = 3000
TabIndex = 30
Top = 1920
Width = 375
End
Caption = "+"
Height = 375
Index = 2
Left = 1440
TabIndex = 29
Top = 1920
Width = 375
End
Caption = "Z"
Height = 375
Index = 2
Left = 4080
TabIndex = 27
Top = 1920
Width = 615
End
Caption = "Y"
Height = 375
Index = 2
Left = 2640
TabIndex = 26
Top = 1920
Width = 495
End
Caption = "X"
Height = 375
Index = 2
Left = 1080
TabIndex = 25
Top = 1920
Width = 495
End
Caption = "+"
Height = 375
Index = 1
24
Left = 3000
TabIndex = 24
Top = 1200
Width = 375
End
Caption = "+"
Height = 375
Index = 1
Left = 1440
TabIndex = 23
Top = 1200
Width = 375
End
Caption = "="
Height = 375
Index = 1
Left = 4680
TabIndex = 22
Top = 1200
Width = 495
End
Caption = "Z"
Height = 375
Index = 1
Left = 4080
TabIndex = 21
Top = 1200
Width = 615
End
Caption = "Y"
Height = 375
Index = 1
Left = 2640
TabIndex = 20
Top = 1200
Width = 495
End
Caption = "X"
Height = 375
Index = 1
Left = 1080
TabIndex = 19
Top = 1200
25
Width = 495
End
Caption = "+"
Height = 375
Index = 0
Left = 3000
TabIndex = 18
Top = 480
Width = 375
End
Caption = "+"
Height = 375
Index = 0
Left = 1440
TabIndex = 17
Top = 480
Width = 375
End
Caption = "="
Height = 375
Index = 0
Left = 4680
TabIndex = 16
Top = 480
Width = 495
End
Caption = "Z"
Height = 375
Index = 0
Left = 4080
TabIndex = 15
Top = 480
Width = 615
End
Caption = "Y"
Height = 375
Index = 0
Left = 2640
TabIndex = 14
Top = 480
Width = 495
End
26
Caption = "X"
Height = 375
Index = 0
Left = 1080
TabIndex = 13
Top = 480
Width = 495
End
Caption = "="
Height = 375
Index = 2
Left = 4680
TabIndex = 28
Top = 1920
Width = 495
End
End
Begin VB.Frame Frame2
Caption = "View Persamaan dan Hasil Interasi"
BeginProperty Font
Name = "Palatino Linotype"
Size = 12
Charset = 0
Weight = 700
Italic = 0 'False
EndProperty
Height = 5775
Left = 120
TabIndex = 32
Top = 120
Width = 9255
Caption = "CLear"
BeginProperty Font
Name = "Nadall"
Size = 12
Charset = 0
Weight = 700
Italic = 0 'False
EndProperty
Height = 375
Left = 7080
TabIndex = 37
27
Top = 5280
Width = 1815
End
Begin VB.ListBox List1
Height = 2205
Left = 240
TabIndex = 33
Top = 3000
Width = 8655
End
Alignment = 2 'Center
BorderStyle = 1 'Fixed Single
BeginProperty Font
Name = "Arial"
Size = 14.25
Charset = 0
Weight = 700
Italic = 0 'False
EndProperty
Height = 735
Left = 240
TabIndex = 36
Top = 2160
Width = 8655
End
BeginProperty Font
Name = "Arial"
Size = 14.25
Charset = 0
Weight = 700
Italic = 0 'False
EndProperty
Height = 735
Left = 240
TabIndex = 35
Top = 1320
Width = 8655
End
28

BeginProperty Font
Name = "Arial"
Size = 14.25
Charset = 0
Weight = 700
Italic = 0 'False
EndProperty
Height = 735
Left = 240
TabIndex = 34
Top = 480
Width = 8655
End
End
End
Attribute VB_Name = "Form1"
Attribute VB_GlobalNameSpace = False
Attribute VB_Creatable = False
Attribute VB_PredeclaredId = True
Attribute VB_Exposed = False
Dim x(1000) As Single
Dim y(1000) As Single
Dim z(1000) As Single
Dim a(2) As Single
Dim b(2) As Single
Dim c(2) As Single
Dim d(2) As Single
Private Sub Command1_Click()

On Error Resume Next
Frame2.Visible = True
Frame1.Visible = False
Command1.Visible = False
Label7.Caption = Text1(0).Text & "X" & "+" & Text2(0).Text & "Y" &
"+" & Text3(0).Text & "Z" & "=" & Text4(0).Text
If Text1(0).Text = "" And Text1(1).Text = "" And Text1(2).Text = ""
And Text2(0).Text = "" And Text2(1).Text = "" And Text2(2).Text = ""
And Text3(0).Text = "" And Text3(1).Text = "" And Text3(2).Text = ""
Then
option15 = MsgBox("ANDA BELUM MEMASUKKAN NILAI
VARIABEL", vbOKOnly, "WARNING")
29
Command3.Visible = True
End If
For I = 0 To 2
a(I) = Text1(I).Text
b(I) = Text2(I).Text
c(I) = Text3(I).Text
d(I) = Text4(I).Text
Next I
x(0) = 0
y(0) = 0
z(0) = 0
jumlah = 0
For I = 1 To 100000
jumlah = jumlah + 1
x(I) = (d(0) - (b(0) * y(I - 1) + c(0) * z(I - 1))) / a(0)
y(I) = (d(1) - (a(1) * x(I) + c(1) * z(I - 1))) / b(1)
z(I) = (d(2) - (a(2) * x(I) + b(2) * y(I))) / c(2)
If x(I) = x(I - 1) And y(I) = y(I - 1) And z(I) = z(I - 1) Then
GoTo 2
End If
Next I
2 List1.Clear
For I = 1 To jumlah
List1.AddItem I & vbTab & vbTab & x(I) & vbTab & vbTab & y(I) &
vbTab & vbTab & z(I)
Next I
End Sub

Label7.Caption = ""
Label8.Caption = ""
Label9.Caption = ""
End Sub

End Sub
Private Sub Form_Load()

End Sub
30
TAMPILAN HASIL PROGRAM
31
BAB IV. INTERPOLASI

Umumnya data engineering banyak yang berupa tabulasi. Penampilan
data seperti itu dikarenakan pada kenyataannya data yang bisa
diperoleh adalah bersifat discrete atau juga karena keterbatasan
dalam pengukuran sehingga hanya sebagian data yang dapat disimpan
atau dicatat.
Contoh data yang discrete
x y
0.2 10.1
0.3 12.5
0.4 14.2
0.5 17.8
0.6 19.3
Menginterpretasikan manipulasi data discrete dapat dilakukan dengan

beberapa cara yaitu :
1. Numerical Interpolation.
2. Curve Fitting.
3. Numerical Differentiation.
4. Numerical Integration.
INTERPOLATION
4.1 Linear Interpolation
Yaitu interpolasi paling sederhana, dengan menganggap

hubungan berupa garis antara dua titik data.
y
Persamaan garis lurus yang
y = f(x)
yn+1 menghubungkan dua titik
data tersebut :
y yn y yn
= n1
x - xn x n1 - x n
Garis Lurus
y n1 y n
yn y = yn + (x xn)
x n1 - x n
x
xn xn+1
Untuk contoh data di atas misalnya ingin dicari untuk x = 0,25
32
12,5 10,1
y = 10,1 + (0,25 0,2) = 11,3
0,3 - 0,2
4.2 Lagrange Interpolation
Membuat hubungan titik dalam tabulasi berupa suatu polinomial

dimana masing-masing titik berupa simpul-simpul yang harus dipenuhi
polinomial.
Tabulasi berupa titik-titik xi, yi dimana i = 0,1, . , n dimana terdapat
n+1 data, akan dipresentasikan y(x) = f(x) pada interval x 0 x xn
Polinomial interpolasi mempunyai bentuk :

Pn(x) = y0 b0(x) + y1 b1(x) + y2 b2(x) + + yn bn(x)
dengan bj(x) = suatu polinomial derajat n.
Polinomial bj(x) dapat dicari dengan menggunakan n+1
persamaan constraint.
Persamaan constraint dapat dibuat sebagai berikut :

Pn(xi) = yi ; i = 0,1,2, ,n
Sehingga :
Pn(x0) = y0 y0 b0(x0) + y1 b1(x0) + .. + yn bn(x0) = y0
Pn(x1) = y1 y0 b0(x1) + y1 b1(x1) + .. + yn bn(x1) = y1
.
.
Pn(xn) = yn y0 b0(xn) + y1 b1(xn) + .. + yn bn(xn) = yn
Untuk mempermudah penyelesaian persamaan constraint, maka

dipilih:
1 ; i=j
bj(xi) =
0 ; ij
Pilihan tersebut memenuhi persamaan constraint.
Bentuk persamaan polinomial bj(x) adalah sebagai berikut :

bj(x) = Cj (x - x0) (x - x1) (x - x2) . (x - xj-1) (x - xj+1) (x - xn)
Sesuai pilihan di atas yang cocok dengan constraint yaitu : b j(xj) = 1
Maka konstanta Cj dapat dicari dengan rumusan berikut :
1
Cj =
(x j x 0 )(x j x1 )....(x j x j 1 )(x j x j 1 )...(x j x n )
Dengan demikian semua polinomial bj(x) diperoleh :
b0(x) = C0 (x - x1) (x - x2) . (x - xn)
b1(x) = C1 (x - x0) (x - x2) (x - x3) . (x - xn)
b2(x) = C2 (x - x0) (x - x1) (x - x3) . (x - xn)
.
.
bn(x) = Cn (x - x0) (x - x1) . (x - xn-1)
33
1
dimana : C0 =
(x 0 x1 )(x 0 x 2 )(x 0 x 3 )....(x 0 x n )
1
C1 =
(x1 x0 )(x1 x2 )(x1 x3 )....(x1 xn )
1
C2 =
(x 2 x 0 )(x 2 x1 )(x 2 x 3 )....(x 2 x n )
.
1
Cn =
(xn x0 )(xn x1)(xn x2 )....(xn xn1)
Jadi polinomial bj(x) dapat ditulis secara lengkap :
(x x1)(x x2 )....(x xn )
b0(x) =
(x0 x1)(x0 x2 )....(x0 xn )
(x x0 )(x x2 )....(x xn )
b1(x) =
(x1 x0 )(x1 x2 )....(x1 xn )
(x x 0 )(x x1 )(x x 3 )....(x x n )
b2(x) =
(x 2 x 0 )(x 2 x1 )(x 2 x 3 )....(x 2 x n )
.
.
(x x0 )(x x1)(x x2 )....(x xn1)
bn(x) =
(xn x0 )(xn x1)(xn x2 )....(xn xn1)
Sehingga persamaan polinomial dari lagrange interpolation dapat

dirumuskan sebagai berikut :
n (x x0 )(x x1)....(x x j 1)(x x j 1)...(x xn )

Pn(x) = yj (x j x0 )(x j x1)....(x j x j 1)(x j x j 1)...(x j xn )
j0
Atau jika : Ln(x) = (x x 0 )(x x1)....(x x j 1)(x x j 1)...(x x n )
n
L j (x)
Maka : Pn(x) = y
j 0
j
L j (x j )
= y(x) = f(x)
Contoh Soal :
Hitung harga y(1.5) pada data yang disajikan pada tabel berikut ini.
x y
1 0.1
2 0.2
3 0.4
4 0.8
34
(1,5 x1 )(1,5 x 2 )(1,5 x 3 )

y(1,5) = y0
(1 x1 )(1 x 2 )(1 x 3 )
(1,5 x 0 )(1,5 x 2 )(1,5 x 3 )
+ y1
(2 x 0 )(2 x 2 )(2 x 3 )
(1,5 x 0 )(1,5 x1 )(1,5 x 3 )
+ y2
(3 x 0 )(3 x1 )(3 x 3 )
(1,5 x 0 )(1,5 x1 )(1,5 x 2 )
+ y3
(4 - x 0 )(4 x1 )(4 x 2 )
y(1,5) = 0.0313 + 0.1875 0.1250 + 0.0500 = 0.1438
4.3 Newton-Gregory Interpolation
Berdasarkan formulasi Beda hingga, dimana dibuat suatu polinomial

dengan titik-titik data sebagai titik simpul.
Bentuk interpolasi polinomialnya adalah :

Pn(x) = C0 + C1 (x - x0) + C2 (x - x0) (x - x1) + .
+ Cn (x - x0) (x - x1) (x - xn-1)
dimana : C0, C1, , Cn suatu konstanta Cj ; j = 0, 1, , n dapat
dicari dengan memakai persamaan constraint berikut :
Pn(x) = yi ; i = 0, 1, 2, , n
Yang akan menghasilkan persamaan berikut :
P0(x0) = f(x0) = y0 C0 = y0
P1(x1) = f(x1) = y1 C0 + C1(x1 - x0) = y1
C0 + C1(x1 - x0) + C2 (x2 - x0)(x2 - x1) = y1
C0 + C1(xn - x0)+ + Cn (xn - x0)(xn - x1) (xn - xn-1)= yn
Dari persamaan linear simultan tersebut dapat dihitung C j ; j =

0, 1, 2, ,n. Dan seterusnya Pn(x) = f(x) = y(x) dapat dicari dan
harga y untuk setiap harga x dapat dihitung.
Harga Cj dapat dirumuskan sebagai berikut :

C0 = y0
y C0
C1 = 1
x1 x 0
y 2 C 0 C1 (x 2 x 0 )
C2 =
(x 2 x 0 )(x 2 x1 )
y 3 C 0 C1 (x 3 x 0 ) C 2 (x 3 x 0 )(x 3 x1 )
C3 = dst.
(x 3 x 0 )(x 3 x1 )(x 3 x 2 )
Metode ini menjadi lebih mudah jika inkremen dari x tetap.
xi+1 = xi = h atau xi = x0 + ih ; i =1,2, , n
35
Persamaan constraint di atas menjadi :

y0 = C0
y1 = C0 + C1 h
y2 = C0 + C1 (2h) + C2 (2h2)
y3 = C0 + C1 (3h) + C2 (6h2) + C3 (6h3)
.
.
yi = C0 + C1 (ih) + C2 (ih)((i-1)h) + C3 (ih)((i-1)h)((i-2)h)
+ Ci (i !)hi
Kalau persamaan ini diselesaikan akan didapatkan :

C0 = y0
y C0 y y0 y 0
C1 = 1 = 1 =
h h h
1 1 (y1 C 0 )
C2 = [ y2 - C0 2h C1 ] = [ y2 - y0 2h ]
2h 2
2h 2
h
1 1
= 2
[ (y2 - y1) (y1 - y0) ] = [ (y2) ]
2h 2h 2
2 y
=
2h 2
Secara umum harga Cj dapat dirumuskan :
j y
Cj =
( j ! )h j
Untuk menghitung Cj secara lebih mudah dapat digunakan tabel
sebagai berikut :
yi = 2yi = 3yi = 4yi = 5yi =

xi yi yi+1 - yi yi+1 - yi yi+1 - 2yi
2
yi+1 - 3yi
3
yi+1 - 4yi
4
x0 y0
y0
x1 y1 2y0
y1 3y0
2
x2 y2 y1 4y0
y2 3y1 5y0
2 4
x3 y3 y2 y1
3
y3 y2 .
x4 y4 2y3 . .
y4 . . .
x5 y5 . . . .
. . . . .
. . . . . . .
j y
Dari tabel tersebut Cj dapat dihitung dengan rumus Cj =
( j ! )h j
36
Makin banyak tingkat Cj yang dipakai dalam menghitung harga y maka

makin teliti interpolasinya.
y(x) = C0 + C1(x - x0) + C2 (x - x0)(x - x1)
akan lebih kurang teliti dari y(x) yang dihitung dengan :
y(x) = C0 + C1(x - x0) + C2 (x - x0)(x - x1) + C3(x - x0)(x - x1)(x - x2)
dan seterusnya.
Coba selesaikan soal yang sama pada kasus di Interpolasi Lagrange.

Hitung y untuk x = 1.5 dengan interpolasi Newton-Gregory.
Berikut adalah tabel beda hingga untuk kasus di atas.
xi yi yi 2yi 3yi
1 0.1
0.1
2 0.2 0.1
0.2 0.1
3 0.4 0.2
0.4
4 0.8
Jika dipakai first order difference saja, maka :

y 0
y(1.5)= y0 + (1.5x0)
h
0 .1
= 0.1 + (1.5 1)
1
= 0.1 + 0.05 = 0.15
Jika dipakai first-second order difference maka :

y 0 2 y
y(1.5)= y0 + (1.5x0)+ 2 (1.5x0)(1.5x1)
h 2h
0 .1 0 .1
= 0.1 + (1.5 1)+ (1.5 1)(1.5 2)
1 2
= 0.1 + 0.05 - 0.0125 = 0.1375
Dipakai first-second-third order difference maka :

y 0 2 y
y(1.5)= y0 + (1.5x0)+ 2 (1.5x0)(1.5x1)
h 2h
3
y
+ (1.5x0)(1.5x1)(1.5 x2)
6h3
0 .1 0 .1
= 0.1 + (1.5 1)+ (1.5 1)(1.5 2)
1 2
0 .1
+ (1.5 1)(1.5 2)(1.5 3)
6
= 0.1 + 0.05 - 0.0125 + 0.0062 = 0.1437
37
BAB V. PENCOCOKAN KURVA (CURVE FITTING)

5.1. Curve Linear
y
y = f(x) Persamaan pendekatan
untuk kurva linear dapat
dirumuskan :
b
f(x) = a + bx
1
a y2
y1
x
Metode kuadrat terkecil

Jumlah kuadrat terkecil (D2)
n n n
D2 = Ei = 2
yi f(x i )2 = y i a bxi 2
i 1 i 1 i 1
A dan b dicari dengan meminimumkan harga D2.
D 2 n
=0 y i a bx i 2 = 0
a a
i 1
n
-2 y i a bxi = 0
i 1
yI - a - b xi = 0
yI - n a - b x i = 0
n a = yI - b xi
yi xi
a= -b = y b x (1)
n n
D 2 n
=0 y i a bx i 2 = 0
b a
i 1
n
-2 y i a bxi xi = 0
i 1
xi yi - a xi - b xi2 = 0
a xi + b xi2 = xi yi
38
y i xi 2
-b xi + b xi = xi y i
n n
xi yi - b x i + n b xi2 = n xi yi
2
b { n xi2 - x i } = n xi yI - xi yi
2
n x i yi x i yi
b= (2)
n x i x i
2 2
Untuk melihat derajat kesesuaian dari curve fitting dengan cara

melihat harga (Koefisien Korerlasi).
2
Dt D 2
= 2
(berharga 0 s/d 1)
Dt
y i y
n 2
dengan Dt2 =
i 1
5.2. Curve Non-Linear
a. y = a ebx
Proses Linearisasi ln y = ln a + b x ln e
= ln a + b x
Y = A +bx
y Y = A + bx
bx
y=ae
ln y
b
x
x
xi yi Yi = ln yi x i Yi xi2
x1 y1 ln y1 x1 y1 x12
x2 y2 ln y2 x2 y2 x22
. . . . .
. . . . .
xn yn ln yn xn yn xn2
xi yi yi xi yi xi 2
39
n x i Yi x i Yi
b=
n x i x i
2 2
Yi xi
A= -b = Y b x A = ln a a = eA
n n
b. y = a xb
Proses Linearisasi log y = log a + b log x
Y = A +bX
y
Y = A + bX
b
y=ax
log y
b
x
x
xi yi Xi = log xi Yi = log yi X i Yi Xi2

x1 y1 log x1 log y1 X 1 Y1 X12
x2 y2 log x2 log y2 X 2 Y2 X22
. . . . . .
. . . . . .
xn yn log xn log yn X n Yn Xn2
xi yi Xi YI X i Yi xi 2
n Xi Yi Xi Yi
b=
n Xi Xi
2 2
Yi Xi
A= -b = Y b X
n n
A = log a a = log-1 A
c. Polinomial y = a0 + a1 x + a2 x2+ .. + ar xr
Jumlah kuadrat dari kesalahan adalah :
yi a0 a1x i a2 x i 2 .... ar x i r
n 2
D2 =
i 1
Dengan cara yang sama konstanta a dapat dicari dengan
meminimumkan harga D2.
40
yi a0 a1x i a2 x i 2 .... ar x i r = 0
D 2 n
=0 -2
a0 i 1
x i yi a0 a1x i a2 x i 2 .... ar x i r = 0
2 n
D
=0 -2
a1 i 1
x i 2 y i a0 a1x i a2 x i 2 .... ar x i r = 0
2 n
D
=0 -2
a2 i 1
.
.
x i r yi a0 a1x i a2 x i 2 .... ar x i r = 0
D 2 n
=0 -2
ar i 1
Atau dapat ditulis dalam bentuk matrik berikut :
n xi xi
2
. . x i a0 y i
r
2 3 r 1
xi xi xi . . x i a1 x i y i
x 2 xi
3
xi
4
. . x i a2 x i y i
r 2 2
i
. . . . . . . .

. . . . . . . .
r
x i r xi
r 1
xi
r 2 r n
. . x i ar x i y i
Penyelesaian persamaan ini akan didapat a0, a1, a2, .. ar
5.3. Curve Multi Linear / Non-Linear
Hubungan antara variabel terikat dengan lebih dari satu veriabel

bebas secara linier dapat dirumuskan sebagai berikut :
y = b0 + b1 x1 + b2 x2 + b3 x3 + ........ + bk xk
dimana: y = variabel terikat
x1 s/d xk = variabel bebas
n
D2 = Observ ed Response Predicted Response
2
i 1
n
D2 = yi b0 b1x1i b2 x 2i b3 x 3i ........ bk x ki 2
i 1
Dengan Metode Kuadrat Terkecil, nilai D2 diturunkan terhadap

konstanta bo s/d bk dan diminimumkan (disamakan dengan nol),
sehingga dapat dicari nilai dari konstanta bo s/d bk.
41
Dirumuskan dalam bentuk matrik :

n x1i x 2i x 3i ... x ki b 0 yi

x1i x ki b1
2
x1i x1i x1i x 2i x1i x 3i ...
x1i y i
x 2i x1i x 2i x 2i 2 x 2i x 3i ... x 2i x ki b 2 x 2 i y i
2
x 3i x1i x 3i x 2i x 3i x 3i ... x 3i x ki b 4 = x 3 i y i
. . . . . . . .

. . . . . . . .
x ki x1i x ki x 2i x ki x 3i x ki ... x ki b k
2 x ki y i
Contoh kasus di bidang mesin :

Rumuskan persamaan empirik Parameter Pemotongan Proses
Pembubutan Terhadap Gaya Pemotongan Material ST 42
Besarnya gaya pemotongan merupakan informasi yang
diperlukan dalam perencanaan mesin perkakas, karena itu merupakan
titik tolak setiap hitungan dan analisa mesin perkakas. Gaya
pemotongan yang bereaksi pada pahat dan benda kerja, yang
selanjutnya diteruskan pada bagian-bagian tertentu mesin perkakas,
akan mengakibatkan lenturan. Meskipun lenturan itu kecil tapi
mungkin sudah cukup untuk menjadi penyebab kesalahan geometri
produk maupun sebagai sumber getaran yang dapat memperpendek
umur pahat. Gaya pemotongan teoritis telah dapat dirumuskan, tetapi
karena adanya penyederhanaan dan anggapan yang mendasari
penurunan rumus tersebut, maka tidak dapat dipakai dalam
perencanaan proses pemesinan sesungguhnya. Sehingga masih
dibutuhkan suatu bentuk rumus empirik yang menggambarkan
hubungan antara gaya pemotongan dengan variabel-variabel dalam
proses pemesinan. Dengan menetapkan dan mengubah beberapa
variabel proses pemesinan (di eksperimen ini dilakukan pada variabel
a dan f) maka dapat dicari suatu korelasi berupa rumusan empirik
variabel proses a dan f terhadap gaya pemotongan .
Variabel yang diukur terdiri dari :
1. Variabel Bebas (Independent Variable)
a) Kedalaman potong (a1 = 0,5 ; a2 = 0,1 ; a3 = 1,0 )
b) Kecepatan pemakanan (f1 = 0,05 ; f2 = 0,16 ; f3 = 0,20)
2. Variabel Terikat (Dependent Variable)
a) Variabel Utama, sebagai variabel yang menjadi pembahasan
utama yaitu:
gaya pemotongan (Fv) (N)
b) Data pendukung
Diameter sebelum dan sesudah pemotongan (mm)
Putaran spindel tanpa beban dan dengan beban (rpm)
Waktu pemotongan sebenarnya (detik)
3. Parameter yang dikonstankan pada eksperimen ini adalah :
a) Jenis material kerja (ST 42) dan pahat (Karbida).
b) Panjang pemotongan (L) = 30 mm.
42
c) Putaran spindel (n) = 494 rpm.

d) Posisi pemotongan Orthogonal (kr =90o).
Hasil eksperimen berupa besar Gaya Pemotongan (Fv) yang terjadi

terhadap perubahan parameter a dan f dapat dilihat pada tabel
berikut:
a f (mm/put)
(mm) 0.05 0.16 0.2
83.768 202.295 215.205
0.5
82.542 192.469 239.084
16.402 60.704 85.404
0.1
18.968 110.964 83.140
151.598 380.966 270.679
1
124.435 370.195 444.666
Model curve fitting yang dipilih adalah :

Fv = c1 ab1 fb2
Model non-linear dilinierisasi menjadi model linear dengan cara
di-log-kan sebagai berikut:
Log Fv = log c1 + b1 log a + b2 log f

Y = b0 + b1 X1 + b2 X2
No Fv a f Y = Log X1 = X2 = Log X12 X22 X1X2 X1Y X2Y

Fv Log a f
1 83.768 0.5 0.05 1.923 -0.301 -1.301 0.091 1.693 0.392 -0.579 -2.502
2 82.542 0.5 0.05 1.917 -0.301 -1.301 0.091 1.693 0.392 -0.577 -2.494
3 16.402 0.1 0.05 1.215 -1.000 -1.301 1.000 1.693 1.301 -1.215 -1.581
4 18.968 0.1 0.05 1.278 -1.000 -1.301 1.000 1.693 1.301 -1.278 -1.663
5 151.598 1 0.05 2.181 0.000 -1.301 0.000 1.693 0.000 0.000 -2.837
6 124.435 1 0.05 2.095 0.000 -1.301 0.000 1.693 0.000 0.000 -2.726
7 202.295 0.5 0.16 2.306 -0.301 -0.796 0.091 0.633 0.240 -0.694 -1.835
8 192.469 0.5 0.16 2.284 -0.301 -0.796 0.091 0.633 0.240 -0.688 -1.818
9 60.704 0.1 0.16 1.783 -1.000 -0.796 1.000 0.633 0.769 -1.783 -1.419
10 110.964 0.1 0.16 2.045 -1.000 -0.796 1.000 0.633 0.769 -2.045 -1.628
11 380.966 1 0.16 2.581 0.000 -0.796 0.000 0.633 0.000 0.000 -2.054
12 370.195 1 0.16 2.568 0.000 -0.796 0.000 0.633 0.000 0.000 -2.044
13 215.205 0.5 0.2 2.333 -0.301 -0.699 0.091 0.489 0.210 -0.702 -1.631
14 239.084 0.5 0.2 2.379 -0.301 -0.699 0.091 0.489 0.210 -0.716 -1.663
15 85.404 0.1 0.2 1.931 -1.000 -0.699 1.000 0.489 0.699 -1.931 -1.350
16 83.14 0.1 0.2 1.920 -1.000 -0.699 1.000 0.489 0.699 -1.920 -1.342
17 270.679 1 0.2 2.432 0.000 -0.699 0.000 0.489 0.000 0.000 -1.700
18 444.666 1 0.2 2.648 0.000 -0.699 0.000 0.489 0.000 0.000 -1.851
37.820 -7.806 -16.775 6.544 16.888 7.275 -14.129 -34.136
Dari tabel di atas akan didapatkan persamaan berikut ini:

18 b0 + -7.806 b1 + -16.775 b2 = 37.820
-7.806 b0 + 6.544 b1 + 7.275 b2 = -14.129
-16.775 b0 + 7.275 b1 + 16.888 b2 = -34.136
43
Dengan prosedur numerik Gauss-Siedel didapatkan :

b0 = 3.2375
b1 = 0.7193
b2 = 0.8847
Y = b0 + b1 X1 + b2 X2 = 3.2375 + 0.7193 X1 + 0.8847 X2
Karena model tersebut dilinearisasikan maka harus dikembalikan ke

model non linearnya yaitu meng-anti log-kan b0-nya.
sehingga c1 = Log-1 3.2375 = 1727.825
0,7193 0,8847
Maka : Fv = 1727,825 . a . f
44
BAB VI. PERSAMAAN DIFFERENSIAL BIASA
Persamaan differensial biasa dengan ordo n, merupakan persamaan

dengan satu perubah (variabel) yang dapat dituliskan dalam bentuk :
dy d 2 y d ny
F(x, y, , , ...... , )=0
dx dx 2 dx n
dengan y = f (x)
Penyelesaian persamaan differensial ordo satu dapat lebih dari

satu, sehingga untuk mencari penyelesaian yang unik atau khusus
memerlukan informasi tambahan berupa syarat batas.
Metode untuk penyelesaian Persamaan differensial biasa :

1. EULERS METHOD
Deret taylor orde 1
Sangat sensitif terhadap besarnya h
yn = yn-1 + h . f ( xn-1,yn-1 ) ; n = 1,2, 3,
x n x0
h=
n
dengan : xn = nilai x yang ditanya nilai fungsinya.
x0 = nilai x awal.
n = bilangan bulat
2. MODIFIED EULERS METHOD

Mengurangi kesalahan akibat pemilihan h
yn(k+1) = yn-1 +
h
2
(k )
. f (x n-1 , yn-1 ) f (x n , y n )
Dengan : yn(k) = yn-1 + h. f ( xn-1, yn-1)
k = 0,1,2, dan n = 1,2, 3,
3. RUNGE-KUTTA METHOD
Deret taylor orde 4
Lebih teliti
h
y n1 y n k1 2k 2 2k3 k 4
6
dimana : k1 = f (xn, yn)
k2 = f (xn+ 0,5h, yn+ 0,5 h . k1)
k3 = f (xn+ 0,5h, yn+ 0,5 h . k2)
k4 = f (xn + h, yn+ h . k3)
Contoh :
dy
= 3x2 + 5x + y ; y(1) = 1
dx
Cari nilai y (1,2) dengan Metode Euler, Modified Euler dan Runge Kutta
(pakai h = 0,1).
45
6.1. Eulers Method
Dipilih h = 0.1
x x0 x x 0 1,2 1
h= n n= n = =2
n h 0.1
Dari data kondisi batas didapatkan x0 = 1 dan y0 = 1
Iterasi Pertama (n = 1)
y1 = y(1,1) = y0 + h. f (x0, y0)
= y0 + h (3 x02 + 5 . x0 + y0)
= 1 + (0,1) (3 . 12 + 5 . 1 + 1) = 1,9
Iterasi Kedua (n = 2)
y2 = y(1,2) = y1 + h. f (x1, y1)
= y1 + h (3 x12 + 5 . x1 + y1)
= 1,9 + (0,1) (3 . 1,12 + 5 . 1,1 + 1,9) = 3,003
Jadi penyelesaian kasus tersebut : y(1,2) = 3,003
6.2. Modified Eulers Method
Dengan rumusan Eulers Method

y1(0) = y0 + h. f ( x0, y0)
= y0 + h (3 x02 + 5 . x0 + y0)
= 1 + (0,1) (3 . 12 + 5 . 1 + 1) = 1,9
Proses iterasi dilakukan pada rumusan Modified Eulers.

Iterasi Pertama (x1 = 1,1 dan k = 0) :
y1(1) = y0 +
h
2
(0)
. f (x 0 , y 0 ) f (x1 , y1 )
= y0 +
h
2
2 2
(3x 0 5x 0 y0 ) (3x1 5x1 y1 )
(0)

= 1+
0,1
2

(3 . 12 5.1 1) (3.1,12 5.1,1 1,9)
= 2,0015
Iterasi Kedua (x1 = 1,1 dan k = 1) :

y1(2) = y0 +
h
2
(1)
. f (x 0 , y 0 ) f (x1 , y1 )
= y0 +
h
2
2 2
(3x 0 5x 0 y0 ) (3x1 5x1 y1 )
(1)

= 1+
0,1
2
(3 . 12 5.1 1) (3.1,12 5.1,1 2,0015)
= 2,0066
46
Iterasi Ketiga (x1 = 1,1 dan k = 2) :

y1(3) = y0 +
h
2
(2)
. f (x 0 , y 0 ) f (x1 , y1 )
= y0 +
h
2
2 2
(3x 0 5x 0 y0 ) (3x1 5x1 y1 )
(2)

= 1+
0,1
2

(3 . 12 5.1 1) (3.1,12 5.1.1 2,0066)
= 2,0068
Iterasi Keempat (x1 = 1,1 dan k = 3) :

y1(4) = y0 +
h
2
(3)
. f (x 0 , y 0 ) f (x1 , y1 )
= y0 +
h
2
2 2
(3x 0 5x 0 y0 ) (3x1 5x1 y1 )
(3)

= 1+
0,1
2

(3 . 12 5.1 1) (3.1,1 5.1,1 2,0068)
= 2,0068
Karena hasil iterasi keempat dan iterasi ketiga (iterasi sebelumnya)

sama maka proses iterasi dihentikan dengan hasil harga y 1 = 2,0068
y2(0) = y1 + h. f ( x1, y1)

= y1 + h (3 x12 + 5 . x1 + y1)
= 2,0068 + (0,1) (3 . 1,12 + 5 . 1,1 + 2,0068) = 3,1205
Iterasi Pertama (x2 = 1,2 dan k = 0) :

y2(1) = y1 +
h
2
(0)
. f (x1 , y1 ) f (x 2 , y 2 )
= y1 +
h
2
2 2
(3x1 5x1 y1 ) (3x 2 5x 2 y2 )
(0)
=2,0068+
0,1
2
(3 . 1,12 5.1,1 2,0068) (3.1,22 5.1,2 3,1205)
= 3,2357
Iterasi Kedua (x2 = 1,2 dan k = 1) :

y2(2) = y1 +
h
2
(1)
. f (x1 , y1 ) f (x 2 , y 2 )
= y1 +
h
2
2 2
(3x1 5x1 y1 ) (3x 2 5x 2 y2 )
(1)

=2,0068+
0,1
2
(3 . 1,12 5.1,1 2,0068) (3.1,22 5.1,2 3,2357)
= 3,2414
47
Iterasi Ketiga (x2 = 0,1 dan k = 2) :

y2(3) = y1 +
h
2
(2)
. f (x1 , y1 ) f (x 2 , y 2 )
= y1 +
h
2
2 2

(2)
(3x1 5x1 y1 ) (3x 2 5x 2 y2 )
=2,0068+
0,1
2
(3 . 1,12 5.1,1 2,0068) (3.1,22 5.1,2 3,2414)
= 3,2417
Iterasi Keempat (x2 = 0,1 dan k = 3) :

y1(4) = y0 +
h
2
(3)
. f (x1 , y1 ) f (x 2 , y 2 )
= y1 +
h
2
2 2

(3)
(3x1 5x1 y1 ) (3x 2 5x 2 y2 )
=2,0068+
0,1
2
(3 . 1,12 5.1,1 2,0068) (3.1,22 5.1,2 3,2417)
= 3,2417
Hasil iterasi keempat dan iterasi sebelumnya yaitu iterasi ketiga sama
maka proses iterasi dihentikan dengan hasil harga y 2 = 3,2417
Jadi penyelesaian kasus tersebut : y(1,2) = 3,2417
6.3. Runge-Kutta Method
Dipilih h = 0,1
Iterasi Pertama ( y1 = y(1,1) )

x0 = 1 ; y0 = 1
k1 = f (x0, y0) = (3 x02 + 5 . x0 + y0) = (3 . 12 + 5 . 1 + 1) = 9
k2 = f (x0+ 0,5h, y0+ 0,5 h . k1)
= 3 (x0+ 0,5h)2 + 5 . (x0+ 0,5h) + (y0+ 0,5 h . k1)
= 3 (1+ 0,5 . 0,1)2 + 5 . (1+ 0,5 . 0,1) + (1+ 0,5 . 0,1 . 9)
= 10,0075
k3 = f (x0+ 0,5h, y0+ 0,5 h . k2)
= 3 (x0+ 0,5h)2 + 5 . (x0+ 0,5h) + (y0+ 0,5 h . k2)
= 3 (1+ 0,5 . 0,1)2 + 5 . (1+ 0,5 . 0,1) + (1+ 0,5 . 0,1 . 10,0075)
= 10,0579
k4 = f (x0 + h, y0+ h . k3)
= 3 (x0+ h)2 + 5 . (x0+ h) + (y0+ h . k3)
= 3 (1+ 0,1)2 + 5 . (1+ 0,1) + (1+ 0,1 . 10,0579)
= 11,1358
h
y1 y 0 k1 2k2 2k3 k 4
6
48
0,1
=1+ (9+ (2 . 10,0075) + (2 . 10,0579) + 11,1358)
6
= 2,0044
Iterasi kedua ( y2 = y(1,2) )

x1 = 1,1 ; y1 = 2,0044
k1 = f (x1, y1) =(3 x12 + 5 . x1 + y1) = (3 . 1,12 + 5 . 1,1 + 2,0044)

= 11,1344
k2 = f (x1+ 0,5h, y1+ 0,5 h . k1)
= 3 (x1+ 0,5h)2 + 5 . (x1+ 0,5h) + (y1+ 0,5 h . k1)
= 3 (1,1+0,5.0,1)2 + 5.(1,1+0,5.0,1) + (2,0044+0,5.0,1.11,1344)
= 12,2787
k3 = f (x1 + 0,5h, y1 + 0,5 h . k2)
= 3 (x1+ 0,5h)2 + 5 . (x1+ 0,5h) + (y1+ 0,5 h . k2)
= 3 (1,1+0,5.0,1)2 + 5.(1,1+0,5.0,1) + (2,0044+0,5.0,1.12,2787)
= 12,3359
k4 = f (x1 + h, y1+ h . k3)
= 3 (x1+ h)2 + 5 . (x1+ h) + (y1+ h . k3)
= 3 (1,1+ 0,1)2 + 5 . (1,1+ 0,1) + (2,0044+ 0,1 . 12,3359)
= 13,5580
h
y 2 y1 k1 2k2 2k3 k 4
6
0,1
= 2,0044 + (11,1344+(2. 12,2787)+(2. 12,3359)+13,5580)
6
= 3,2356
49
BAB VII. PERSAMAAN DIFFERENSIAL PARSIAL

Formulasi matematik dari kebanyakan permasalahan dalam ilmu
pengetahuan dan teknologi dapat dipresentasikan dalam bentuk
persamaan differensial parsial. Persamaan tersebut merupakan laju
perubahan terhadap dua atau lebih variable bebas yang biasanya
adalah waktu dan jarak (ruang).
Persamaan differensial dapat dibedakan menjadi tiga jenis yaitu :
A. Persamaan Differensial Parabolik

Biasanya merupakan persamaan yang tergantung pada waktu
(tidak permanen) dan penyelesaiannya memerlukan kondisi awal
dan batas. Persamaan parabolik paling sederhana adalah
perambatan panas.
T K 2 T
t x 2
Penyelesaian dari persamaan di atas adalah mencari temperatur T

untuk nilai x pada setiap waktu t.
B. Persamaan Differensial Eliptik

Biasanya berhubungan dengan masalah kesetimbangan atau
kondisi permanen (tidak tergantung waktu) dan penyelesaiannya
memerlukan kondisi batas di sekeliling daerah tinjauan. Seperti
aliran air tanah di bawah bendungan dan karena adanya
pemompaan, defleksi plat akibat pembebanan, dsb.
2 2
0
x 2 y 2
C. Persamaan Differensial Hiperbolik

Biasanya berhubungan dengan getaran atau permasalahan dimana
terjadi diskontinue dalam waktu, seperti gelombang kejut yang
terjadi discontinue dalam kecepatan, tekanan dan rapat massa.
2U C2 2U
t2 x 2
50
7.1. Penyelesaian Persamaan Parabolik dengan Skema Eksplisit
T K 2 T . (7.1)
t x 2
dengan :
T = temperatur
K = koefisien konduktivitas
t = waktu
x = jarak
Pada skema eksplisit, variabel pada waktu n+1 dihitung

berdasarkan variabel pada waktu n yang sudah diketahui. Dengan
menggunakan skema seperti di bawah ini, fungsi f(x,t) dan turunannya
dalam ruang dan waktu didekati oleh bentuk berikut :
n +1
i-1 i i+1
f (x, t) = fi n
n 1 n
f(x , t) f fi
= i
t t
n n
f 2 (x , t) fin1 2fi fi 1
=
t 2 t 2
Dari skema di atas, persamaan (7.1) dapat ditulis dalam bentuk

berikut :
n 1 n n n
Ti Ti Tn 2Ti Ti 1
= Ki i 1
t x 2
atau
Ti
n 1
= Ti Ki
n t
x 2
T n
i 1 2Ti
n n
Ti 1 (7.2)
51
Stabilitas Skema Eksplisit
n
Dalam skema eksplisit, Ti tergantung pada tiga titik
n1 n1 n1
sebelumnya yaitu: T T dan T
i 1 , i 1 .
Keadaan ini dapat menyebabkan
i
ketidakstabilan dari skema tersebut, yang berupa terjadinya
amplifikasi hasil hitungan dari kondisi awal. Agar stabil dibutuhkan
suatu syarat yaitu :
t
0 < < 1/2 dengan =
x 2
Contoh: L=1m
Dimana : k = 1
x = 0,1
t = 0,001
t 0,001
= = = 0,1 < 0,5 (stabil)
x 2
0,12
Syarat batas : pada t = 0 T = 2x ; 0 x L

dan T = 2(1-x) ; L x L
pada semua t untuk x = 0 T = 0
Dengan menggunakan persamaan (6.2), hitungan dilakukan dari

i = 2 sampai dengan 5 dan dari n = 1 sampai waktu yang dikehendaki
(N).
Untuk n = 1 dan i bergerak dari i = 2 sampai i = 6,
1
T2 = 0,2 + 1 . 0,1 . (0 2 . 0,2 + 0,4) = 0,2
1
T3 = 0,4 + 1 . 0,1 . (0,2 2 . 0,4 + 0,6) = 0,4
1
T4 = 0,6 + 1 . 0,1 . (0,4 2 . 0,6 + 0,8) = 0,6
T51 = 0,8 + 1 . 0,1 . (0,6 2 . 0,8 + 1) = 0,8
T61 = 1 + 1 . 0,1 . (0,8 2 . 1 + 0,8) = 0,96
untuk n = 2 dan i bergerak dari i =2 sampai i = 6,

T22 = 0,2 + 1 . 0,1 . (0 2 . 0,2 + 0,4) = 0,2
T32 = 0,4 + 1 . 0,1 . (0,2 2 . 0,4 + 0,6) = 0,4
T42 = 0,6 + 1 . 0,1 . (0,4 2 . 0,6 + 0,8) = 0,6
T52 = 0,8 + 1 . 0,1 . (0,6 2 . 0,8 + 0,96) = 0,796
T62 = 0,96 + 1 . 0,1 . (0,8 2 . 0,96 + 0,8) = 0,928
52
Demikian perhitungan terus dilanjutkan s/d waktu yang dikehendaki

(N).
Tabel hasil skema eksplisit
i= 1 2 3 4 5 6 7
x= 0 0.1 0.2 0.3 0.4 0.5 0.6
t=0 0 0.2 0.4 0.6 0.8 1 0.8
t = 0,001 0 0.2 0.4 0.6 0.8 0.96 0.8
t = 0,002 0 0.2 0.4 0.6 0.796 0.928 0.796
t = 0,003 0 0.2 0.4 0.5996 0.7896 0.9016 0.7896
. . . . . . . .
. . . . . . . .
. . . . . . . .
t=N N N N N N N N
7.2. Penyelesaian Persamaan Parabolik dengan Skema Implisit
Dalam skema eksplisit, ruas kanan dari persamaan ditulis pada

waktu n yang nilainya sudah diketahui. Sedangkan pada skema
implisit, ruas kanan tersebut ditulis pada waktu n+1 di mana nilainya
belum diketahui.
Gambar di bawah ini menunjukkan jaringan titik simpul dari skema
implisit. Dengan menggunakan skema tersebut, fungsi f(x,t) dan
turunannya dalam ruang waktu didekati oleh bentuk berikut ini.
n+1
i-1 i i+1
f (x,t) fin atau fin1

f(x,t) fin1 fin

t t
f(x,t) fin11 fin11

x 2 x
2f(x,t) fin11 2 fin1 fin11

x 2 x 2
53
Dengan menggunakan skema di atas, maka dapat dibentuk persamaan

dalam bentuk beda hingga :
Tin1 Tin Tn1 2 Tin1 Tin1
Ki i 1 1
t x 2
1 n1 Ki n1 2 Ki n1 Ki n1 Tin
Ti Ti 1 Ti Ti 1
t x 2 x 2 x 2 t
Ki 1 2 Ki n1 Ki Tin
Tin1
1
( )Ti T n1
i 1
x 2 t x 2 x 2 t
atau
Ai .Tin11 Bi .Tin 1 Ci .Tin11 Di .......... (6.3)
dengan
Ki Ki
Ai 2
; Ci
x x 2
1 Ki Tin
Bi ( 2 ) ; Di
t x 2 t
Apabila persamaan (7.3) ditulis untuk setiap titik hitungan dari i

= 1 sampai M maka akan terbentuk suatu sisten persamaan linier yang
dapat diselesaikan dengan menggunakan metode matriks.
Untuk : i = 1 A1T 0 + B1T1 + C1T2 = D1

i = 2 A2T 1 + B2T2 + C2T3 = D2
i = 3 A3T 2 + B3T3 + C3T4 = D3
i = 4 A4T 3 + B4T4 + C4T5 = D4
.
.
i =M AMTM-1 + BMTM + CMTM+1 = DM
Untuk penyederhanaan penulisan, variabel Tin+1 ditulis Ti (tanpa

menulis n+1). Persamaan di atas dalam bentuk matrik menjadi :
B 1 C1 0 0 0 ......... 0 T1 D1
A2 B2 C2 0 0 ......... 0 T2 D2
0 A3 B3 C3 0 ......... 0 T3 D3
0 0 A4 B4 C4 ......... 0 T4 D4
. . . . . ......... 0 . = .
. . . . . ......... 0 . .
0 0 0 0 0 . . . . . . AM BM TM DM
54
Persamaan tersebut dapat diselesaikan dengan metode

penyelesaian persamaan serentak untuk mendapatkan nilai Ti (i
=1........M).
Penyelesaian dengan menggunakan skema implisit lebih sulit

dibanding dengan skema eksplisit. Kelebihan dari skema implisit
adalah skema tersebut stabil tanpa syarat, langkah waktu t dapat
diambil sembarang (besar) tanpa menimbulkan kesalahan pemotongan
dalam batas-batas yang dapat diterima.
7.3. Penyelesaian Persamaan Eliptik
Penyelesaian dilakukan dengan mendiskretisasi suatu

persamaan differensial parsial eliptik dengan kondisi batas untuk dapat
ditransformasikan ke dalam suatu sistem dari N persamaan dengan N
bilangan anu.
Penyelesaian persamaan eliptik dilakukan dengan langkah-
langkah berikut ini.
1. Membuat jaringan titik simpul di dalam seluruh bidang yang
ditinjau dan batas-batasnya.
2. Pada setiap titik dalam bidang tersebut dibuat turunan-
turunannya dalam bentuk beda hingga.
3. Ditulis nilai-nilai fungsi pada semua titik di batas keliling bidang
dengan memperhatikan kondisi batas.
Dari persamaan bentuk eliptik berikut :

2 2
0
x 2 y 2
Sehingga :
i 1, j 2i, j i 1, j i, j 1 2i, j i, j 1
0
x 2 y 2
Untuk x = y, maka persamaan di atas menjadi :
4i, j i 1, j i 1, j i, j 1 i, j 1 0
55
Contoh Soal :
Determine the steady state temperature of the following plate
using = 1 and x = 1 ft.
4 ft
Tb = 40F
Ta = 10F Tc = 0F 3 ft
x
Td = 20F
Jawab :
Tb = 40F
1 3 5
Ta = 10F Tc = 0F
2 4 6
Td = 20F
Node 1 Node 3
Tb
Tb
1 1
1 3 5 1 3 5
1 -4 1 1 -4 1
Ta 2 4 6 Tc Ta Tc
1 2 4 6
1
Td Td
10 + 40 - 4 T1 + T2 + T3 = 0 40 + T1 - 4 T3 + T4 + T5 = 0
56
Node 2 Node 4
Tb Tb
1 1 3 5 1 3 5
1
Ta 2 4 6
1 -4 1 Tc Ta 2 4 6 Tc
1 -4 1
1
1
Td Td
10 + 20 + T1 -4 T2 + T4 = 0 20 + T2 + T3 -4 T4 + T6 = 0
Node 5 Node 6
Tb Tb
1
1 3 5 1 3 5
1 -4 1 Ta 1
Ta
Tc Tc
2 4 6 2 4 6
1 1 -4 1
1
Td Td
40 + T3 -4 T5 + T6 = 0 20 + T4 + T5 - 4 T6 = 0
Sehingga hasil persamaan-persamaan tersebut dapat dibentuk dalam

suatu matrik :
T1 = 23,561 F
-4 1 1 0 0 0 T1 -50
1 -4 0 1 0 0 T2 -30 T2 = 18,344 F
1 0 -4 1 1 0 T3 -40
. T3 = 25,901 F
0 1 1 -4 0 1 T4 = -20
0 0 1 0 -4 1 T5 -40 T4 = 19,814 F
0 0 0 1 1 -4 T6 -20 T5 = 20,228 F
T6 = 15,010 F
57
BAB VIII. INTEGRASI NUMERIK
Metode Gauss Quadrature merupakan salah satu metode integrasi

numerik yang paling dapat diterima dan dipakai secara intensif untuk
menyelesaikan integrasi matrik kekakuan di Metode Elemen Hingga pada
elemen jenis isoparametrik. Dibandingkan dengan metode Trapezoid
yang hanya terbatas pada penggunaan dengan infromasi data yang
equispaced, maka metode Gauss Quadrature lebih luas penggunaannya
pada penyelesaian fungsi yang non-equispaced dan memiliki keakuratan
lebih tinggi.
Rumusan Gauss Quadrature mengubah batas integral dari suatu batas

(misal a s/d b) menjadi -1 s/d +1. Formula dasarnya adalah merupakan
penjumlahan dari perkalian koefisien berat dan harga dari fungsi pada
sampling points.
b n
I= f(x)dx = Wk f(x k )
a k 1
Dengan : Wk = Koefisien berat (Weighting Coeff.)

xk = sampling (Gauss) point
untuk menentukan Koefisien berat (Weighting Coeff.) dilakukan

dengan prosedur memindah batas integral dari a s/d b menjadi -1 s/d
+1.
Tabel Gauss Quadrature
Polinomial Jumlah Sampling (Gauss) Koefisien Berat

Degree Point Point
1 1 x1 = 0 W1 = 2
3 2 x1 = - 0.5773503 W1 = 1
x2 = 0.5773503 W2 = 1
=5 3 x1 = - 0.7745967 W1 = 0.5555556
x2 = 0 W1 = 0.8888889
x3 = 0.7745967 W2 = 0.5555556
58
Persamaan matrik kekakuan untuk elemen segiempat isoparametrik

dapat ditulis sebagai berikut:
[k ] h [B]T [C] [B] dX dY h [B]T [C] [B] J ds dt

A A*
T
= W1W1 [B(s1, t1)] [C] [B(s1, t1)] |J(s1, t1)|
+ W1W2 [B(s1, t2)]T [C] [B(s1, t2)] |J(s1, t2)|
+ W2W1 [B(s2, t1)]T [C] [B(s2, t1)] |J(s2, t1)|
+ W2W2 [B(s2, t2)]T [C] [B(s2, t2)] |J(s2, t2)|
Dengan asumsi polynomial degree yang dipakai 3 dan sampling point

2 maka digunakan harga :
s1 = t1 = -0,577
s2 = t2 = 0,577
W1 = W2 = 1
2 2
Hitung I = 2y 2x dx dy
0 0
dengan Gauss Quadrature (point n = 2)
59
DAFTAR PUSTAKA
Abd. Munif, (1995), Cara Praktis Penguasaan dan Penggunaan
Metode Numerik, Guna Wijaya, Jakarta.
Chapra, Steven C., (1991), Metode Numerik, Erlangga, Jakarta.
Soehardjo (1985), Analisa Numerik, ITS, Surabaya.
Triatmodjo, Bambang, (1995), Metode Numerik, Beta Offset,

Yogyakarta.
60

Modul Metode Numerik - Moch Agus Choiron PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modul Metode Numerik - Moch Agus Choiron PDF

Uploaded by

Copyright:

Available Formats

Metode Numerik untuk Teknik Mesin 2012

BAB I. PENGANTAR METODE NUMERIK

Analisa numerik memunculkan dua sisi yang menarik yaitu dapat

Penyelesaian persoalan matematika dapat diselesaikan dengan cara

Jenis persoalan Matematika yang akan diselesaikan dengan cara

Penyelesaian suatu persoalan matematika dengan metode numerik

Cara memilih metode terbaik :

3. Mengetahui kelemahan dan kelebihan metode-metode.

Dengan mempelajari metode numerik akan memberikan sarana

Ciri-ciri pemrograman terstruktur harus mempunyai kriteria yaitu :

Salah satu yang menjadi kelemahan metode numerik adalah

Galat pembulatan merupakan galat yang paling sering dijumpai

Kontrol kualitas program numerik mencakup pekerjaan dalam :

Berikut disajikan flowchart tahapan-tahapan dalam merancang dan

RANCANG BANGUN ALGORITMA

PENCARIAN DAN PENGUJIAN

PENYIMPANAN DAN PERAWATAN

BAB II. AKAR-AKAR PERSAMAAN

Penyelesaian kasus akar-akar persamaan dapat digolongkan menjadi

2.1. Metode Bagi Dua (Bisection Methods)

Evaluasi : f (xmid) = 0 |f (xmid)|

Misal : Tentukan nilai nol dari suatu fungsi y = x3 - 7 x + 1

Pertama tentukan nilai awal untuk x1 dan x2 sehingga didapatkan f (x1)

Buat tabel untuk mempermudah pembacaan prosesnya.

f(x2) dan f(xmid) sama tanda x2 = xmid

Sehingga salah satu akar yang dicari adalah 2,571.

Algoritma Metode Biseksi

Cari posisi akar f(xn) dan f(xn+1)

2.2. Metode Posisi Palsu (False Position Methods)

Berdasar interpolasi linear antara 2 harga f(x) yang

Perumusan mencari akar :

Evaluasi suatu akar : | f(x*) |

Algoritma Metode Posisi Palsu = Algoritma Metode Biseksi hanya

No x1 x2 f(x1) f(x2) x* f(x*)

2.3. Metode Newton

Tidak perlu mencari 2 harga f(x) yang mempunyai tanda

Dari deret Taylor :

Algoritma Metode Newton

Pilih Xn yang cocok

Cari xn+1, f (xn+1)

2.4. Metode Secant

Tidak perlu mencari 2 fungsi dengan tanda berbeda.

Algoritma Metode Secant = Algoritma Metode Newton, hanya

JENIS KELEBIHAN KEKURANGAN

Berikut listing program dengan menggunakan metode posisi palsu.

{prosedur pengisian data}

{prosedur perhitungan posisi palsu}

{prosedur / program utama}

HASIL RUNNING PROGRAM

Menghitung akar persamaan

Masukan nilai A=1

Batas Error = 0.01

Persamaan : (1.00)X^4 + (3.00)X^3 + (2.00)X^2 + (5.00)X + (0.00)

Salah satu akarnya adalah = -2.90395

BAB III. PERSAMAAN ALJABAR LINEAR SERENTAK

a11 x1 + a12 x2 + ..... + a1n xn = b1

Penyelesaian persamaan linear serentak dapat dilakukan cara :

3.1. Eliminasi Gauss

Eliminasi bilangan unknown dengan menggabungkan persamaan-

Skema langkah eliminasi Gauss

a11 a12 a13 x1 b1 Upper Triangular

Langkah eliminasi maju :

Langkah substitusi mundur :