ANALISA NUMERIK

Referensi: 1. Steven C. Chapra, 1988, Raymond P. Canale, Numerical Methods for Engineers , McGraw-Hill. 2. Amrinsyah N & Hasaballah Z, 2001, Metode Numerik dalam Ilmu Rekayasa Sipil, Penerbit ITB, Bandung. 3. Bambang Triatmojo, 1996, Metode Numerik, Beta Offset, Yogyakarta.

METODE NUMERIK: Teknik/Metode penyelesaian permasalahan yang diformulasikan secara matematis dengan cara operasi hitungan (aritmatik) dengan proses penghitungan yang berulang-ulang (iteratif). Memerlukan alat bantu komputer 1. Memerlukan pemodelan matematis dari situasi nyata. 2. Penyediaan input dan data yang cukup bagi pemodelan. 3. Pembuatan algoritma dan penulisan program Persoalan yang ada di alam: • Lendutan yang terjadi pada pelat lantai. (Struktur) • Gaya tekan air pada dinding kolam.(hidroteknik) • Kepadatan lalu lintas di suatu titik jalan.(Transportasi) • Gaya tekan tanah pada didnding turap.(Geoteknik) SISTEM ANGKA DAN KESALAHAN Dalam keseharian, angka digunakan berdasarkan sistem desimal. Misalnya 369 dapat dinyatakan: 369 =3*100 + 6*10+9*1 = 3*102 + 5*101 +7*100 Angka 10 disebut basis sistem. Setiap angka bulat dapat dinyatakan sebagai suatu polinomial basis 10 dengan koefisien integral antara 0 dan 9. Digunakan notasi: N =(anan-1 .... a0)10=an10n + an10n-1 + . . . . +a0100 untuk menyatakan setiap angka bulat dalam basis 10. Komputer membaca angka berdasarkan impuls listrik mati-hidup ( on dan off). Pada komputer impuls ini menyatakan angka berdasarkan sistem binari; yaitu sistem berbasis 2 dengan koefisien bilangan bulat 0 atau 1. Suatu bilangan bulat bukan negatif dalam sistem binari adalah: N =(anan-1 .... a0)2=an2n + an2n-1 + . . . . +a020 hal mana koefisien ak adalah 0 atau 1. N merupakan polinomial berbasis 2. Komputer menggunakan unit dasar bit menyimpan data pada memori. Bit adalah singkatan binary digit. Bit ini hanya bisa nyala ( on) atau mati (off). Untuk mesin dengan 32 bit, kombinasi biner nyala (1) dan mati (0) disusun sebanyak 32 pada satu baris lokasi memori. Dengan demikian angka 369 dalam sistem binari. Notasi Nyala/padam Koef. Pangkat Bil. Dasar 2 0 o 16 20 0 o 15 20 0 o 14 20 0 o 13 20 0 o 12 20 0 o 11 210 0 1 0 1 1 1 0 0 0 1 o � o � � � o o � 10 9 8 7 6 5 4 3 2 1 29 28 27 26 25 24 23 22 21 20

369 = 1*28 +0*27+1*26+1*25+1*24+0*23+0*22 +0*21+1*20 =256+0+64+32+16+0+0+0+1 369 = (101110001)2 Konversi bilangan bulat berbasis � kepada berbasis 10 dapat secara langsung dilakukan dengan menggunakan algoritma dengan koefisien: an , an-1 , an-2. . . . ,a2 , a1, ao P(x)= anXn + an-1Xn-1 + . . . . + a2X2 +a1X +a0 Dan suatu bilangan �, maka perhitungan bilangan: bn , bn-1 , bn-2. . . . ,b2 , b1, bo bn = an bn-1 = an-1+ bn.� bn-2= an-2 +bn-1.� bn-3= an-3+ bn-2.� . . . bo =a0+b1.�

dengan demikian bo =p(�) -> hasil akhir hasil akhir contoh: (1101)2 b3=1 b2=1+1*2=3 b1=0+3*2=6 b0= 1+6*2=13 jadi bilangan (1101)2 =13 contoh (10001)2 b4=1 b3=0+1*2=2 b2=0+2*2=4 b1=0+4*2=8 b0= 1+8*2=17 jadi bilangan (10001)2 =17 Konversi Bilangan Bulat Desimal Ke Sistem Bilangan Biner Ada beberapa metode untuk mengkonversikan dari sistem bilangan desimal ke sistem bilangan biner. Metode yang pertama dan paling banyak digunakan adalah dengan cara membagi nilai 2 dan sisa setiap pembagian merupakan digit biner dari bilangan biner hasil konversi. Metode ini disebut metode sisa (remainder method). Contoh : 45 = ��2 maka : 45 : 2 = 22 + sisa 1 22 : 2 = 11 + sisa 0 11 : 2 = 5 + sisa 1 5 : 2 = 2 + sisa 1 2 : 2 = 1 + sisa 0 1 0 1 1 0 1 maka bilangan desimal 45 dalam sistem bilangan biner bernilai 101101 125 : 2 = 62 + sisa 1 62 : 2 = 31 + sisa 0 31: 2 = 15 + sisa 1 15: 2 = 7 + sisa 1 7 : 2 = 3 + sisa 1 3: 2 = 1 + sisa 1 Maka bilangan desimal 125 dalam bentuk bilangan biner adalah 1111101.
KESALAHAN (ERROR)

Sumber Kesalahan: • Bawaan data, • Pembulatan (rounding), dan • Pemotongan (chopping) Bawaan data Kekeliruan dalam memberikan data Kesalahan dalam asumsi terhadap data Pembulatan (rounding) Penentuan jumlah angka di belakang koma Misal bilangan 0.6123467 -> sebanyak 7 digit Menjadi 0.612347 -> 6 digit karena pembatasan alokasi digit bilangan Angka signifikan 1. Merupakan angka 1 s/d 9. 2. Angka 0 dibelakang koma sebelum ada angka 1 s/d 9 di abaikan Contoh 0.0005813 ada 4 angka signifikan 0.700124 ada 6 angka signifikan

Pemotongan (chopping) Pada angka pecahan nilai diambil sebagai angka pecahan yang dinormalisir (mis. 543.8 menjadi 0.5438(103) Contoh: pemotongan : X=2/3; maka jika x=0.67 merupakan pembulatan, jika x=0.66 merupakan pemotongan. Kesalahan Mutlak: Kesalahan mutlak dari suatu angka, pengukuran, atau perhitungan adalah perbedaan numerik nilai sesungguhnya terhadap nilaii pendekatan yang diberikan, atau yang diperoleh dari hasil perhitungan atau pengukuran. Kesalahan(Error)= Nilai Eksak - Nilai Perkiraan Ee=P - P* Dimana Ee : Kesalahan Absolut P : Nilai eksak P* : Nilai Perkiraan Kesalahan Relatif: Kesalahan relatif adalah kesalahan mutlak dibagi terhadap nilai eksak ξe= Ee/P atau ξe= (P - P*)/P Dimana ξe : Kesalahan relatif terhadap nilai eksak Ee : Kesalahan Absolut P : Nilai eksak P*: Nilai Perkiraan Prosentase Kesalahan Prosentase kesalahan adalah 100 kali kesalahan relatif. ξa=(/p*)100% dimana: ξ:kesalahan terhadap nilai perkiraan terbaik P*: nilai perkiraan terbaik Dalam operasi numerik: ξa=((P*n+1-P*n)/(P*n+1))100% P*n: nilai perkiraan pada iterasi ke - n P*n+1: nilai perkiraan pada iterasi ke - n+1 Kecermatan dari suatu pengukuran atau hasil perhitungan dengan angka signifikan dari bilangan. Misalnya -pengukuran diameter 32 mm tulangan -pengukuran 1.60 km jalan tulangan baja diukur pada nilai terdekat pada satuan mm. Kesalahan mutlak dari pengukuran diameter tulangan baja 0.05 mm. pengukuran 1.60 km jalan diukur terhadap nilai terdekat cm, dengan kesalahan mutlak 0.5 cm kesalahan relatif yang terjadi: pada baja tulangan pada jalan = Latihan Konversikan bilangan biner di bawah ke dalam desimal (111000011)2 (11010011)2 (10000011)2 AKAR PERSAMAAN (ROOT FINDING)
Referensi: - Steven C. Chapra, 1988, Raymond P. Canale, Numerical Methods for Engineers , McGraw-Hill. - Amrinsyah N & Hasaballah Z, 2001, Metode Numerik dalam Ilmu Rekayasa Sipil, Penerbit ITB, Bandung. - Bambang Triatmojo, 1996, Metode Numerik, Beta Offset, Yogyakarta.

Definisi Akar : Suatu akar dari persamaan f(x)=0 adalah suatu nilai dari x yang bilamana nilai tersebut

f(a). proses menemukan m baru dilakukan seperti prosedur yang telah dijelaskan. b. dan akhiri program. ditetapkan batasan baru dengan mengganti nilai b = m apabila f(a)*f(m) < 0. yaitu f(x) berubah tanda pada [a. Jika tidak demikian. lanjutkan ke langkah berikutnya.f(x) kontinyu pada [a. 6. dan jumlah iterasi maksimum. jika tidak. Kembali ke langkah (c).f(b) > 0.b]. Gambar 1. jika tidak. Apabila terpenuhi syarat tersebut. Dengan rumusan m = (a+b)/2. Jika f(a) x f(m) < 0.f(b) < 0. . Penentuan Akar: . akhiri program. Tinjauan Interval [a. cari akarnya: . Langkah selanjutnya adalah memeriksa apakah f(a). Contoh: Persamaan. Periksa apakah f(a). Batasan a dan b memberikan harga bagi fungsi f(x) untuk x = a dan x = b. kembali harus ditetapkan nilai a dan b sedemikian rupa sehingga terpenuhi ketentuan perkalian f(a) x f(b) < 0. 2. 4. dan mengganti a = m bila f(a) x f(m) > 0. Jika benar. tuliskan m sebagai hasil perhitungan. Jika tidak terpenuhi. Penentuan nilai tengah m interval metode Bisection Algoritma program untuk metode Bisection: 1.b] dalam Penentuan Akar Fungsi F(X) METODE BISECTION Tahap pertama proses adalah menetapkan nilai sembarang a dan b sebagai batas segmen nilai fungsi yang dicari.f(x)=0 mempunyai paling sedikit satu akar dalam interval a=x= b jika: . Gambar 2. 3. berarti terdapat akar fungsi dalam segmen tinjauan. f(x) = xx-5. jika ya. Tentukan a. 5. Hitung nilai m = (a+b)/2. Jika nilai mutlak (b-a) < toleransi. Jikajumlah iterasi > iterasi maksimum.dimasukkan dalam persamaan memberikan identitas 0=0 (nilai x memberikan hasil nol pada fungsi F(x)).b]. a = m. toleransi. 7.f(b)<0. diperiksa apakah nilai mutlak f(m) < 10-6 (batas simpangan kesalahan). nilai x = m adalah solusi yang dicari. maka b = m. keluar dari progam karena pada selang yang diberikan tidak terdapat akar persamaan.

Proses dengan cara ini memberikan perhitungan yang lebih cepat dibandingkan dengan metode Bisection. kecuali mengganti penentuan m dengan rumusan : Gambar 4. dan jumlah iterasi maksimum. proses memang dihentikan jika dicapai nilai mutlak f(m)<10-6. jika ya. dan akhiri program.125 23 . Tentukan a.25 2. tuliskan m sebagai hasil perhitungan.2003 2.2003 1.2003 1. Penentuan nilai m dari perpotongan garis lurus melalui dua titik. jika tidak.5 F(b) 22 4. Hitung nilai : d). lanjutkan ke langkah berikutnya. Periksa apakah f(a) x f(b) > 0. Algoritma: a).125 -0.0382 Kelebihan: • Konvergen • Mudah untuk dibuat program • Tingkat kesalahan kecil Kekurangan: • Konvergensi bersifat linier • Menghasilkan satu akar saja dalam perhitungan • Lambat dalam proses perhitungan.8821 1. b). toleransi.a 2 2 2 f(a) -1 -1 m 2.25 f(m) 4. keluar dari progam karena pada selang yang diberikan tidak terdapat akar persamaan. Jika nilai mutlak (m-a) < toleransi. Pada algoritma. b.5 2.0382 2. METODE REGULA FALSI atau INTERPOLASI LINIER algoritmanya sama seperti metode Bisection.8821 b 3 2.25 -1 2. c).5 -1.125 -0.5 -1.125 0. Contoh : cari akar persamaan f (x) = x3-x2 -1 Dengan nilai awal =0 dan b=2 a f(a) m f(m) b F(b) a f(a) m f(m) b F(b) 0 -1 2 3 0.

352 -1. Dari diagram ini terlihat tangensial (garis singgung) f(x) adalah : atau … Metode ini dikenal dengan METODE NEWTON-RAPHSON dan merupakan salah satu cara yang paling dikenal dalam metode penyelesaian fungsi f(x) = 0.909 1. 2.0. dan dengan menggunakan besaran x dari perpotongan garis singgung terhadap absis sehingga diperoleh nilai x baru. Garis singgung f(xk) memotong di xk+i. Metode ini diperlihatkan pada gambar berikut. 3.35197886 -0. 1.717921989 1. Gambar 7.717921989 2 3 -0.356636546 1.356636546 1. METODE NEWTON-RAPHSON Metode yang lebih baik dalam memilih g'(x) adalah dengan membuat garis singgung dari f(x) untuk nilai x yang dipilih.90909091 0.150446331 23 -0.42082993 -1.150446331 Gambar 6.07513148 1.197 1.19690265 -0. .356636546 23 -0.42082993 -0.07513148 23 -0. Kurva hasil perhitungan dengan Regula Falsi.352 1. Keuntungan cara ini adalah sifat sehingga dimana k=0.

085854 4 3. karena terjadinya koreksi digit ganda di setiap proses.48438 3. toleransi. dan nilainya mungkin 0. toleransi.080868 3. Penentuan nilai turunan fungsi dengan metode Secant.484375 3.Tidaklah sederhana melacak proses untuk konvergen.75 iterasi Xk Xk+1 1 5 3.201754 3.5674865 25. . Jika nilai mutlak (Xbaru . X = Xbaru. Jika jumlah iterasi > iterasi maksimum. diperoleh tulisan xbaru sebagai hasil perhitungan.201754 3 3.000229985 7.085854 3.47525192 F(xk+1) 21. 3.X0). Contoh f(x) = x3 . 5. 2. dan jumlah iterasi maksimum.216661132 0. dan jumlah iterasi maksimum. diperoleh tulisan xbaru sebagai hasil perhitungan.X0)/f(X1 . Jika nilai mutlak (Xbaru . 2.(x3k . jika tidak. lanjutkan ke langkah berikutnya. Tentukan X0.127469 0.216661 0.3). Perkiraan awal xo = 5 Maka: f(5)=53-3.00023 f'(xk) 72 39.3xk .53268E-10 Merupakan perbaikan dari kekurangan yang dimiliki oleh metode newton.20) / (3x2k . 4. 3.75 2 3.127469447 0. maka f1(x) = 3x2. Kekurangan metode ini adalah : .konvergensi kuadratik dalam proses iterasi.Harus mencari f(x). Dimana Sehingga dalam persamaan Newton-Rhapson menjadi: Algoritma program untuk metode Secant: 1.3x .3 Dengan demikian x k+1 = xk . akhiri program.X1) < toleransi. kecuali nilai perkiraan awal x cukup tepat.080859 METODE SECANT f(xk) 90 21.75 3.(5)-20 =90 f'(5)=3(5)2-3 =72 xbaru=5-(90/72)=3. Hitung Xbaru = x .f'(x0)/f(X0).Dalam perhitungan ada kemungkinan besar proses memberikan hasil divergen.080868 5 3.75369344 25. .20. Tentukan Xo.1875 27.X0) < toleransi. Hitung Xbaru = X1 . . X1 . Algoritma program untuk metode Newton-Raphson: 1. yaitu nilai turunan f'(x) didekati dengan beda hingga (∆) gambar 9.f(X1)( X1. 6. dan kembali ke langkah (b).

3673469' f(2.302376572 0. akhiri program.1. dan dengan perkiraan awal xo = 5. dan kembali ke langkah (b).058058742 3. Untuk mendapatkan akar persamaan x3 .058058742 15.x-(x3 -20)/3 =0 (iii).367346900 3.302376572 -0. k= 0.302376572 3.576057128 2. X = Xbaru.082034087 3.3673469--13. x-(3x+20)1/3 =0 (ii).0809 .x-20/(x2 -3) =0 (iv).587438053 2. x6 =3.. Contoh: f(x) = x3 .029936467 -0.367346900 3.058058742 3.587438053 -18 -13. langkah pertama yang dilakukan adalah mengubah persamaan dalam bentuk f(x) = x .000248906 07 X2 X3 f(x1) f'(x2) METODE ITERASI merupakan Metode perkiraan awal untuk satu variabel.587438053 2.3673469 iterasi kedua: X2 = 2 ' f(2)=-18 x3=2.83464426 15. diperoleh x0 =5 X1 =(3*5+20)1/3 =3..080849690 -0.40697963 3.83464426 =3. Dalam hal ini fnngsi f(x) ditulis sebagai: f(x) = x .080859456 0.576057128 0..587438053 iterasi X1 1 2 3 4 5 5 5 F(x3) 6 2 2.0809 Xs = 3. X7 = 3.83464426 15.2771 X2 = (3 * 3.944590049 -13.83464426 2 2. k= 0.20.0830 X4 =3..06044E3.2. lanjutkan ke langkah berikutnya.3673469)= -13. 5.83464426 x4= 2.2..g(x).944590049 3.4.082034087 -3. jika tidak. sehingga λ= g(λ).2771 + 20)1/3 = 3. Perkiraan awal X1=6 ' f(6)=178 X2 = 2 ' f(2)=-18 iterasi pertama: x3= x3=178-6 =2.3x .0811 .944590049 3.0809 . kemudian Xk+1 = g(Xk).1.029936467 3.40697963 2. Perubahan ini dapat dilakukan melalui empat cara: (i)..082034087 3.x-(3+20/x)1/2 =0 Dengan menggunakan bentuk pertama dapat dinyatakan rumusan : Xk+i=(3xk +20)1/3 .g(x) = 0.576057128 0. Jika jumlah iterasi > iterasi maksimum.3x .1008 X3 =3.029936467 0..000248906 -1. 6.080849690 3.40697963 -3.367346900 178 -18 13.20 = 0.

gambar 10.0811 9 3. Perhatikan gambar berikut. x-20/(x2 -3) =0 (iv). 2.9091 2. k = 0.g(x): (ii). garis singgung y = g(x) lebih tajam daripada garis singgung y = x dekat nilai akar.0808 Dari contoh hitungan dapat dilihat bahwa cara iterasi tidak selalu dapat digunakan. 1. konvergensi dari solusi metode iterasi dapat dilacak dari perilaku turunan pertama fungsi. Jika diamati tiga cara penulisan f(x) sebagai x . x-(x3 -20)/3 =0 (iii). maka seri besaran Xk. Dengan demikian.0257 4 3. garis singgung y = g(x) tidaklah setajam garis singgung y = x dekat nilai x = 3.0743 6 3.(3 + 20/x)1/2= 0.1 5 3.iv adalah seperti pada Gambar berikut Gambar 11.g(x) = 0 Terlihat mudah mendapatkan akar persamaan dengan proses tersebut.2495 3 (tidak banyak manfaatnya untuk dilanjutkan) 3. bila dipahami benar perilaku fungsi. .2015 3. Sajian fungsi y = g(x) cara (iii) dan (iv) Dengan meneliti grafik tampak bahwa bagi cara ii dan iii.0831 7 3. ini berarti nilai absolut g'(x) < 1 di dekat nilai akar. perlu diperiksa bentuk fungsi.. Guna mengetahui pada awal proses bahwa metode ini dapat dipakai. sedangkan pada cara i dan cara iv.6458 2 14285 -9.0801 8 3. Sajian grafik bentuk fungsi cara ii . Turunan fungsi g(x) berada pada . dan menggunakan perkiraan awal X0 = 5... memberikan hasil seperti tercantum dalam Tabel k Cara ii Cara iii Cara iV 0555 1 35 0. x . Geometri f(x) = x .

Regresi kuadrat terkecil ( least square method): Apabila data menunjukkan kesalahan cukup besar .4 x 104 ω= frekuensi pribadi balok (sec-1) El = kekakuan lentur balok= 2. Beta Offset. Metode Numerik dalam Ilmu Rekayasa Sipil. dan seterusnya CURVE FITTING (PENCOCOKAN KURVA) Referensi: 1. 1996. Bambang Triatmojo. b). lanjutkan ke langkah berikutnya. 3. 2. dan jumlah iterasi maksimum. disebut regresi. McGrawHill. Yogyakarta.cosh(x)+1=0 sebagai persamaan umum yang akan dicari akarnya. Hitung Xbaru= g(X0). . Kita perlu : .cosh(ßl)+1=0 ß= ρω2/El l=panjang elemen balok = 1 meter ρ= berat jenis elemen balok = 2.nilai 0 < g'(x) < 1 untuk jaminan hasil iterasi konvergen. akhiri program. Contoh penerapan dalam bidang teknik sipil 1.X0) < toleransi. Jika nilai mutlak (Xbaru . Gambar 12. Raymond P. dan kembali ke langkah (b). 2001.Interpolasi : Apabila data yang diketahui cukup benar ANALISIS REGRESI Proses penentuan suatu fungsi dekatan menggambarkan kecenderungan data dengan simpangan nunimum antara nilai fungsi dengan data. Metode Numerik. Amrinsyah N & Hasaballah Z. toleransi. 1988. Steven C. diperoleh tulisan xbaru sebagai hasil perhitungan. Canale.Mencari bentuk kurva yang dapat mewakili data diskret tersebut. Penerbit ITB. Sehingga: cos(ß). c). . Jika jumlah iterasi > iterasi maksimum.Mencari nilai data pada titik-titik diantara nilai-nilai yang diketahui. Metode ini dikenal sebagai Curve Fitting (pencocokan Kurva) Dua metode pendekatan yang didasarkan pada jumlah kesalahan yang terjadi pada data.5 x 106 Tetapkan nilai ß dari persamaan dengan l=1 meter. Tentukan X0. Bandung. X0 = Xbaru. Algoritma program dengan metode Iterasi a). d). Turunan fungsi g'(x) < 1 = y' = 1. Problem: Data dijumpai dalam bentuk sekumpulan nilai (berupa angka dalam tabel). . Numerical Methods for Engineers . e).cosh(ß)+1=0 kemudian ganti ß dengan variabel bebas x Sehingga: cos(x).jika tidak. Chapra. Frekuensi alami dan getaran balok uniform yang terjepit pada salah satu ujungnya dan bebas pada ujungnya yang lain dapat dicari dan persamaan berikut: cos(ßl).

maka persamaan y = aebx dapat merupakan fungsi kurva untuk menyatakan hubungan x dan y. sehubungan dengan penentuaan sifat bahan. kurva terbaik mempunyai karakteristik: ∏= (e1)2+(e2)2+…+(en)2= minimum dimana f(x) merupakan suatu polinomial pendekatan: Y= a0 + a1.x2+a3. Misal data :(x1.y1)..y sebagai besaran gaya aksial. en=yn-f(xn). Metode ini berasumsi bahwa kurva terbaik yang dihasilkan adalah kurva yang mempunyai jumlah total kuadrat kesalahan minimum (least square error) dari data. Apabila r = 0 perkiraan suatu fungsi sangat jelek... (x2..x +a2.0 23. REGRESI KUADRAT TERKECIL (LEAST SQUARES METHOD) Gambar 1. pencocokan Kurva mempunyai deviasi (error) e dari setiap titik data e1=y1-f(x1).5 19.x2 merupakan bentuk kurva derajat dua f(x)= a0 + a1..x +a2.x2 + . Menurut metode ini. dihitung nilai koefisien korelasi yang berbentuk: dimana r: koefisien korelasi Untuk perkiraan yang sempurna nilai r = 1.4 10.yn). + an.6 Jika absis .Contoh. ..x3 merupakan bentuk kurva derajat tiga KOEFISIEN KORELASI Untuk mengetahui derajat kesesuaian dari persamaan yang didapat.. Analisis kurva data pengamatan.y2) .5 7. (xn..xn Dimana: n: derajat dari polinomial yang dipergunakan maka bila: f(x)=a+ a1. Dalam percobaan benda uji tulangan baja untuk mendapatkan hubungan antara besaran gaya dan perpindahan.x merupakan bentuk linier f(x)= a0 + a1.1 28.x +a2. . .0 3. e2=y2-f(x2). Konstanta a dan b dapat ditentukan sehingga analisis kurva bagi hasil benda uji dapat diuji ketelitiannya sebagai rumusan pendekatan hubungan antara gaya dan perpanjangan.7 2. .4 18.9 11. diperoleh data sebagai berikut.x menyatakan perpanjangan dan ordinal . dimana adalah variable bebas dan adalah variable terikat. Pengamatan gaya aksial perpanjangan [ton] [mm] 7.

(x2.54 5 15 7 .∑ xi b) atau selanjutnya a dan b dapat ditentukan dengan cara substitusi dari persamaan (IV): (IV) contoh.a + ∑ xi b = ∑ yi a = 1/n (∑ yi .y2) .x Untuk menentukan harga pendekatan terhadap sekumpulan data: (x1. Data yang dikumpulkan dari sebelas jalan adalah : Lebar jalur sepeda Jarak dari lalux(ft) lintas 5 4 10 8 7 5 7. sedangkan semua dan sudah ada. (xn.. Sebuah studi yang dilakukan untuk menentukan lebar jalur yang aman untuk pengendara sepeda serta jaraknya dari lalu-lintas kendaraan umum.. REGRESI LINIER Metode ini memakai Suatu garis lurus y=a+ b. (I) dari (III) persamaan sebelah (II kiri maka ) akan dihasilkan : Selanjutnya dari (III): n.y1).Koefisien korelasi ini juga dapat digunakan untuk memilih suatu persamaan dari beberapa alternatif yang ada.. terutama di dalam regresi garis tidak lurus. .5 8 7 6 6 6 10 10 9 10 5.yn) dimana n≥2 Mempunyai kuadrat kesalahan: ∏= dimana a dan b adalah koefisien yang tidak diketahui. Untuk memperoleh kesalahan kuadrat terkecil maka koefisien a dan b harus menghasilkan turunan pertama NOL.

6916 10 15 7 105 225 jumlah 82.819398+ 0. NO X Y X.Pertanyaan: Gambarkan kurva dari data dan dari hasil persamaan regresi linear dalam satu grafik.3755x8. kurva hasil regresi LINIERISASI KURVA TIDAK LINIER Data tidak cocok untuk linier Garis Lengkung lebih cocok .7 30.9-0.7 751.Y X2 1 5 4 20 25 2 10 8 80 100 3 7 5 35 49 4 7.54 5 27.3755X untuk y=6 ft maka x=5.04 69 595.25 5 7 6 42 49 6 6 6 36 36 7 10 10 100 100 8 9 10 90 81 9 5.5 8 60 56.8544= 0.204=3.24/788.819398 persamaan garis: y= 3.807195739 gambar 01.9416 b=296.3755 a= =6. berapakah lebar jalur sepeda yang aman. Jika jarak minimum jalur sepeda dari lalu-lintas umum adalah 6 ft.

log x 3.0 11. Persamaan sementara diubah menjadi: p= A + B . Persamaan sementara diubah menjadi: p= A + 4. Yaitu dengan dua cara: FUNGSI EKSPONENSIAL Diberikan dalam bentuk: Y= a.xb contoh : suatu test pembebanan Pengamatan gaya aksial [ton] 7. karena ln e= 1. setelah A dan B ketemu persamaan 6. nilai A dan B dicari dengan menggunakan 5. Dilakukan transformasi : p= ln y A= ln a p= log y A= log a q=x B= b q=log x B= b 4.q 5.Untuk itu perlu dilakukan pendekatan.ebx dimana a dan b adalah konstanta.q B .4 3.0 18.7 10. Persamaan yang dicari Y= a.ebx 2. Persamaan tersebut menjadi Ln y = ln a + ln e .xb 1.5 23. Transformasi dengan Log: Log y = log a + 2.4 7. setelah A dan B ketemu persamaan dikembalikan lagi ke : dikembalikan lagi ke : Y= a. maka: Ln y = ln a + b. b.1 .ebx Y= a. x b. Dilakukan transformasi : 3.x PERSAMAAN BERPANGKAT Diberikan dalam bentuk: Y= a.9 Pengamatan perpanjangan [mm] 2.xb Dimana a dan b adalah konstanta Persamaan tersebut menjadi Log y = log a + b. Transformasi dengan Ln: Ln y = ln a + b.x . Persamaan yang dicari Y= a. log x ALGORITMA: Transformasi Log Transformasi Ln 1. nilai A dan B dicari dengan menggunakan rumus regresi linier biasa rumus regresi linier biasa 6.

6 Y Q=X P=ln(y) 0.929000 28.554190 .97553 812.x Gambar Fungsi linear pada skala logaritma.5259855 23.0 7.6 18.09602677 A= Persamaan yang dicari adalah b=B=0.5 2.7411113 12.533934-835.23775 7.102364 23.7 3.09602677 karena: A=ln(a)--> maka 0.406945 Q2 59.4 3.2460046/1575.28.5 Maka: NO X 1 2 3 4 10 19.5 18.0 1.1 23.25 84.20193 sehingga persamaan: Y= a.7 2.2879294)/( 9425-7849.183931416=ln(a) a=1.427629 1885 197.999335 571.802605 jumlah 88.1 11.20193.875469 1.e 0.9 5 28. x Ydata Y hitungan 0.7 2.94591 2.4 2.0 3.201934 7.5 7 342.9 11.139928 18.9 11.96)= 151.25 35.5 7.4 7.6 9.6 28.5 19.21 57.09602677.223775 1.4 10 18.8855258 B= =(986.ebx --> Y=1.29 100 PxQ 6.72 1.5 19.306787 rerata 17.517681 10.04=0.

karena A=log(a). 6. Kemudian masukkan dalam persamaan Y= a. 4. setelah B diketemukan masukkan dalam persamaan 3.xb REGRESI POLINOMIAL Persamaan polinomial order n adalah: Y= a0 + a1.x2 + . B=b 5. NO X Y Q=log(X) P=log(Y) Q2 PxQ 2.xn Mempunyai kuadrat kesalahan: . Data dan fungsi eksponensial pada skala linear Jika persoalan di atas dijadikan transformasi dengan logaritma: 1. sehingga . buat tabel untuk melakukan perhitungan komponen-komponennya. B= . maka nilai a dapat dicari. .x +a2.Gambar... persamaan tersebut dapat ditulis dalam bentuk: . + an.

. setelah nilai a. . b. McGrawHill. Metode Numerik.x2 INTERPOLASI Referensi: . b dan c diketahui. Chapra. PENDAHULUAN . dan c dapat dicari dengan menyelesaikan persamaan linier di bawah ini (karena matrik berbentuk simetris.x+c. Penerbit ITB. a2. Canale. a1. masukkan dalam persamaan: y=a+b....Bambang Triatmojo. Raymond P. Numerical Methods for Engineers . . 2001. Bandung. Metode Numerik dalam Ilmu Rekayasa Sipil. Yogyakarta. 1988.x2 Mempunyai kuadrat kesalahan: turunan pertama dari masing-masing koefisien : sehingga menjadi persamaan linier dibawah ini koefisien a. Beta Offset.Steven C.kemudian selesaikan persamaan linier diatas untuk mendapatkan a0.x+c. 1996. contoh misal untuk polinomial orde 2 : maka persamaan kurva yang dicari akan menjadi seperti dibawah ini y=a+b.Amrinsyah N & Hasaballah Z. an. maka penggunaan dekomposisi matrik cholesky sangat membantu).

Gambar 03. f(x0)] dan [x1. posisi titik-titik data dalam (x.. sehingga memungkinkan untuk dilakukan pendekatan dengan menggunakan sebuah garis lurus di antara dua titik yang berdekatan. maka bila f(x) digantikan oleh ф(x) pada interval yang diketahui.y) Polinomial orde pertama Polinomial orde kedua Gambar 02.Untuk memperkirakan nilai (tengah) di antara titik-titik dari satu set nilai yang sudah diketahui.X1. hal ini disebut proses interpolasi dan fungsi ф(x) adalah rumusan interpolasi bagi fungsi. Gambar 01. interpolasi merupakan upaya mendefinisikan suatu fungsi dekatan suatu fungsi analitik yang tidak diketahui atau pengganti fungsi rumit yang tak mungkin diperoleh persamaan analitiknya. Apabila y = f(x) adalah suatu fungsi dengan nilai-nilai: y0 untuk x0 y1 x1 y2 x2 : : yn xn dan jika ф(x) adalah fungsi sederhana sembarang sedemikian rupa sehingga untuk variabel X0 . Nilai X antara x0 dan x1 dapat ditentukan Dari keadaan dua segitiga sebangun ABC dan ADE seperti tampak dalam gambar di atas. dua titik [x0. terdapat hubungan berikut. Interpolasi Linear Pada gambar.... Xn memberikan nilai yang sama dengan f(x). atau sehingga . f(x1)] dihubungkan oleh sebuah garis lurus. Polinomial Interpolasi INTERPOLASI LINIER Polinomial orde ketiga ide dasar dari interpolasi linier: pada saat data dalam bentuk tabel tidak begitu bervariasi. Dalam arti yang lebih luas.

Kecepatan (mil/jam) 10 20 30 40 50 60 70 Jarak henti (feet) 12 21 46 65 90 111 148 Perkirakan jarak henti yang dibutuhkan bagi sebuah kenderaan yang melaju dengan kecepatan 45 mil/jam. = INTERPOLASI KUADRAT feet Untuk memperbaiki kekurangan dari interpolasi linier (karena kurva tersebut didekati dengan garis lurus). maka nilai f (x) dapat didekati dengan: f2(x)=b0 + b1(x-x0) + b2(x-x0)(x-x1) Sehingga: b0 dapat dihitung dengan memasukkan nilai x=x0 f(x0)=b0 + b1(x-x0) + b2(x-x0)(x-x1) f(x0)=b0 + b1(x-x) + b2(x-x)(x-x1) b0= f(x0) b1 dapat dihitung dengan memasukkan nilai x=x1 f(x1)= f(x0) + b1(x1-x0) + b2(x-x0)(x1-x1) f(x1)= f(x0) + b1(x1-x0) b2 dapat dihitung dengan memasukkan nilai x=x2 sehingga didapat : contoh: Ulangi persoalan di atas dengan interpolasi kuadrat Kecepatan (mil/jam) Jarak henti (feet) jawab. Semakin kecil interval antara titik data.Persamaan di atas adalah rumus interpolasi linier. Data percobaan berikut ini menunjukkan hubungan antara kecepatan dan jarak yang dibutuhkan untuk menghentikan kendaraan. Misal tiga titik yang berdekatan x0. yang merupakan bentuk interpolasi polinomial order satu. Suku [f(x1)-f(x0)]/(x1-X0) adalah kemiringan garis yang mcnghubungkan dua titik data dan merupakan perkiraan beda hingga dari turunan pertama. x1. dan x2 . hasil perkiraan akan semakin baik. Jawab. Jarak yang dibutuhkan sebuah kendaraan untuk berhenti adalah fungsi kecepatan. maka untuk mencari nilai x=45 maka. b0= f(x0)=65 . Contoh. 10 20 30 40 50 60 70 12 21 46 65 90 111 148 .

5+0.04)(45-40)(45-50) f2(45)=65+12.f2(45)=65 + 2.x1.x1]= F[x3.1=77.03 Ketiga 0. x0] : bn= f[xn.6 feet BENTUK UMUM POLINOMIAL INTERPOLASI NEWTON Bentuk umum polinomial derajat n adalah: Fn(x)= b0 + b1(x-x0) + … + bn(x-x0)(x-x1) …(x-xn-1) Dimana : b0= f(x0) b1= f[x1 .02 0.001666667 . x0] b2= f[x2.5(45-40) + (-0. x0] bila ditinjau dari fungsi diferensi terbagi hingga yang pertama : Untuk orde yang kedua: secara grafis: Contoh Soal: Ulangi persoalan di atas dengan interpolasi newton gunakan 4 data terakhir x0 x1 X2 X3 Kecepatan (mil/jam) 40 50 60 70 y0 y1 y2 y3 Jarak henti (feet) 65 90 111 148 jawab.x0]= F[x2.x2]= F[x2. xn-1 .x2. F[x1. x1 .x1]= Dalam bentuk tabel iterasi xi f(xi) Pertama 0 40 65 2.1 Kedua -0.5 1 50 90 2.….x0]= F[x3.

02)x(45-40)x(45-50)+0.001666667x(45-40)x(45-50)x(45-60) f3 (45)=65+12.625 feet INTERPOLASI LAGRANGE Hampir sama dengan metode Newton.5 b2=-0.001666667 f3 (45)=65+2.02 b3=-0.625 f3(45)=78.5+0. x0] menjadi --> polinomial Lagrange Orde Pertama Bentuk umum: dimana: untuk derajat dua: dimana ∏ berarti hasil perkalian dari: untuk derajat tiga: Contoh.2 60 111 3.5x(45-40)+(-0.7 3 70 148 Maka: b0=65 b1=2.5+0. dapat langsung diturunkan dari metode Newton (misal kasus untuk orde pertama): dengan pembagi beda hingga: atau sehingga: f1(x)= f(x0) + (x-x0).f[x1. Selesaikan untuk kecepatan 45 mil/jam dengan interpolasi Lagrange derajat tiga x0 x1 X2 X3 .

Steven C.. Numerical Methods for Engineers . 1996. Canale.. .. PENDAHULUAN Sekumpulan persamaan : f1 (X1.. .Amrinsyah N & Hasaballah Z. Dalam matrik ditulis: JENIS MATRIK BUJUR SANGKAR ISTIMEWA . X: Variable . Raymond P. X2. . . b: konstanta.... X2. Perhitungan Matriks dengan Fortran. Xn) = 0 f2 (X1.75 kesimpulan : Interpolasi Lagrange tidak bagus untuk interpolasi dengan (range) selang yang besar SISTEM PERSAMAAN LINEAR (BAGIAN I) Referensi: . McGrawHill. Yogyakarta. X2... . 2001. Andi Offset.. X2. .. . Beta Offset. .. Xn) = 0 memerlukan suatu cara untuk menentukan nilai-nilai X1. am1 X1 + am2 X2 + .8125+84.375-34. Xn) = 0 .. 1988... . X2. Xn) = 0 f3 (X1.. .Kecepatan (mil/jam) Jarak henti (feet) 40 50 60 y0 y1 y2 65 90 111 70 y3 148 f3(45)= 7. . Metode Numerik dalam Ilmu Rekayasa Sipil.25=66. + amnXn =bm dimana: a: koefisien konstanta.6875+9.. 1990. Chapra. Bandung.. Xn Bentuk umum persamaan Aljabar linear a11X1 + a12X2 + .Bambang Triatmojo. fn(X1..Suprajitno Munadi.. Yogyakarta. + a1nXn =b1 a21X1 + a22X2 + .. Penerbit ITB. + a1nXn =b2 . Metode Numerik. n: jumlah variabel.

A+B = B+A . Penjumlahan Rumus Umum: . Perkalian Rumus Umum: .A(B+C) = AB + AC Contoh: atau: .(A+B)+C = A + (B+C) Contoh: 2.(AB)C = A (BC) .Triangular Atas : Triangular Bawah : Matrik Identitas : Matrik Pita: Matrik diagonal : OPERASI PADA MATRIK 1.(A+B)C = AC + BC .

Sistem struktur rangka bidang .METODE ELIMINASI GAUSS Dasar utamanya adalah menjadikan persamaan linear yang terdiri beberapa bilangan yang tidak diketahui menjadi satu bilangan tak diketahui (dengan membuat suatu matrik triangular atas) Contoh persamaan Linear : Selanjutnya: Selanjutnya: Selanjutnya: Sehingga dengan mudah bisa disimpulkan: Ringkasan dari Prosedur Eliminasi Gauss 1. 3. Selesaikan sistim persamaan terbaru dengan cara substitusi mundur. Contoh Struktur rangka bidang sebagaimana tergambar dibebani oleh gaya sebesar 1000 kg. 2. Hitunglah gaya dalam batang serta reaksi di perletakan Gambar 01. Susun matrik untuk persamaan yang akan diselesaikan. Tulis kembali baris terbaru dalam persamaan matrik. 4. Gunakan operasi penjumlahan sederhana antar baris untuk memperoleh matrik triangular atas.

gaya yang bekerja pada setiap titik 1.866 cos (600)=0. melakukan operasi aritmatis antar baris Langkah 1 : mengubah posisi baris R2 dan R3 Langkah 2 : melakukan operasi aritmatik dengan pivot [R1.2.5 Dengan eliminasi gauss maka. dan reaksi perletakan seperti pada ifigurasi sistem struktur.Langkah Penyelesaian: 1. K1] Langkah 3 : melakukan operasi aritmatik dengan pivot [R2.5 cos (300)= 0. K2] . Tentukan penomoran elemen batang. 2. titik kumpul. dan 3 dapat digambarkan seperti pada gambar berikut. Selesaikan dengan cara kesetimbangan gaya pada titik kumpul.866 sin (600)=0. Nodal 1: ∑Fh = -F1cos(30) + F3cos(60) = 0 ∑Fv =-F1Sin(30)-F3Sin(60)-1000=0 Nodal 3 : ∑Fh =-F2-F3cos(60)=0 ∑Fv =F3sin(60)+V3=0 Nodal 2: ∑Fh =F1cos(30)+F2+H2=0 ∑Fv =F1Sin(30)+V2=0 dalam bentuk matrik menjadi Dengan: sin (300)=0.

Langkah 4 : melakukan operasi aritmatik dengan pivot [R3. maka cara eliminasi Gauss-Jordan dilakukan pula pada bagian segitiga atas matriks. ketika langkah ke-dua sudah selesai. tulis matrik [ I | C ] sebagai hasil akhir persamaan. K3] sehingga diperoleh: METODE GAUSS-JORDAN bila pada eliminasi Gauss persamaan dasar diubah menjadi matriks triangulasi atas dengan menol-kan unsur matriks segitiga bawah [A]. Bentuk akhir matriks gabungan setelah eliminasi dinyatakan Langkah Penyelesaian dengan metode gauss-Jordan: 1. yang tinggal hanyalah suku-suku pada diagonal matriks saja. Pada akhir eliminasi. Tulis sistem persamaan dalam bentuk Matrik Augmentasi [system] ===> [ A | B ] 2. Contoh: Sistem persamaan Linear Langkah 1 Matrik augmentasi Hasil Elemen pivot . Ubah matrik [ A | B ] ke dalam bentuk: [ A | B ] ===> [ I | C ] dimana I adalah matrik identitas 3.

yang akan diselesaikan dimana baris 1angka pertama dilingkari sebagai elemen pivot pivot pertama menjadi berikutnya adalah matrik angka 5 berikut Matrik di bawah adalah hasil pivot yang kedua Operasi pada matrik Angka 7 sebagai pivot Operasi untuk membuat yang ketiga angka -7 menjadi 1 Di bawah adalah matrik hasil pivot ketiga Operasi pada matrik Hasil pivot terakhir adalah sebuah matrik identitas disisi kiri Matrik hasil operasi GaussJordan METODE INVERS MATRIK Matrik Identitas Merupakan matrik diagonal dimana semua elemen pada diagonal utama adalah 1(satu). sedang elemen selainnya adalah 0(nol). Untuk sembarang matrik bujursangkar [A] diperoleh: [A][ I] = [I] [A] = [A] Jika Perkalian suatu matrik [A] dan [B]: [A][B]=[B][A]=[I] Maka Matrik B adalah Matrik Inversi dari A Contoh: maka: .

Steven C.[X]= [A]-1.Bambang Triatmojo. 2001. Numerical Methods for Engineers . Penerbit ITB.[B])-1=[B]-1[A]-1=[I] Misal Matrik A. 1996. dimana kita hendak mencari nilai X SISTEM PERSAMAAN LINEAR (BAGIAN II) Referensi: .([A]. X dan B. Canale. McGrawHill. Yogyakarta. Yogyakarta. Metode Numerik dalam Ilmu Rekayasa Sipil.dalam operasi perkalian: ([A]. Raymond P. Beta Offset.[B] [I].[B] [X]= [A]-1. Metode Numerik. Perhitungan Matriks dengan Fortran. ([A].[X])= [A]-1. 1990. 1988.[X])=[B] dengan menambahkan unsur invers [A]-1 maka: [A]-1. . Andi Offset. . .[B] --> sehingga nilai [X]dapat dicari untuk memperoleh matrik invers [A]-1 unsur [A] disandingkan dengan unsur matrik identitas [I] dengan eliminasi Gauss-Jordan unsur matrik diubah menjadi unsur elemen matrik invers [A]-1 . Bandung. Chapra.Amrinsyah N & Hasaballah Z.Suprajitno Munadi.

Contoh: Tentukan hasil dari persamaan di bawah ini: solusi: Unsur matrik [A] disandingkan dengan matrik [I] dalam satu larik Menghasilkan: Menghasilkan: Menghasilkan: Menghasilkan: unsur diagonal dijadikan satu satuan menjadi: sehingga invers matrik [A]-1 adalah: chek: [A]. [A]-1=[I] atau [A]-1.[A] =[I] .

. dan didefinisikan sebagai jumlah semua hasil kali elementer bertanda dari A.4.(-1). Fungsi determinan dinyatakan oleh Det(A).Algoritma penyelesaian perhitungan invers matriks dengan eliminasi Gauss-Jordan dengan proses pivoting: 1.0 + (-3). Masukkan nilai matriks [A].0.0.0 . determinannya adalah hasil kali semua elemen diagonalnya.0.4 = -8 + 0 + 0 .4(-1).(-3) . 2. Bentuk matriks gabungan [G] yang merupakan gabungan matriks [A] dan [I].(-3). Lakukan normalisasi sehingga semua elemen diagonal matriks sama dengan 1 (satu).4. 4.0 = 0 Teorema 2 Jika A adalah matriks segitiga. Det(A) atau |A| Contoh. maka = == 4.0 . [I] adalah matriks identitas.0.0 .0 . baik matriks segitiga atas maupun bawah berukuran nxn. Maka.2. Untuk setiap langkah eliminasi lakukan lebih daffluu proses pivoting untuk mencari persamaan pivot. Lakukan eliminasi untuk me-nol-kan bagian segitiga bawah dan segitiga atas matriks.0 . maka : Jika A = . maka |A| =0 Contoh.0 + 2.0 + 0.1.2.(-3) . = = 2. dengan elemen pada baris ke 3 semuanya nol. Diketahui A = yang merupakan matriks segitiga bawah.(-1). 3.0 = -8 A adalah matriks segitiga atas sedangkan B adalah matriks segitiga bawah. DETERMINAN Definisi Misalkan A adalah matriks bujur sangkar. Aturan Sarus Aturan ini hanya berlaku untuk matriks berukuran 3x3 saja Teorema 1 Jika A adalah sebarang matriks bujur sangkar yang mengandung sebaris bilangan nol. Jumlah det(A) disebut sebagai determinan A.(-1).1.0 .2.2.4 + 0.

1988. Chapra. det(AB) = det(A) det(B) SISTEM PERSAMAAN LINEAR (BAGIAN III) Referensi: . Yogyakarta. Raymond P. 1990. Penerbit ITB. McGrawHill. maka A dapat diinverskan jika dan hanya jika det(A) 0 Sifat-Sifat Fungsi Determinan 1. Andi Offset. . yaitu contoh: misal suatu persamaan Maka determinannya adalah Untuk mencari X dibuat bentuk determinan dengan sisi kiri dan sisi kanan persamaan di tambah kolom yang berisi selain kolom yang mengandung unsur X. det(A) = det (At ) 2. Canale. . Yogyakarta. Metode Numerik. Beta Offset.Teorema 3 Teorema 4 Jika A adalah matriks bujur sangkar. maka sistem tersebut mempunyai pemecahan yang tunggal.Suprajitno Munadi. Numerical Methods for Engineers . . det(A+B) ≠ det(A) + det(B) 4. sehingga menjadi : . dimana Aj adalah matriks yang didapatkan dengan menggantikan elemen-elemen dari kolom ke-j dari A dengan elemen-elemen dari vektor b. Perhitungan Matriks dengan Fortran. Bandung. det(k A) = kn det(A) 3.Amrinsyah N & Hasaballah Z. Pemecahan ini adalah: . 2001.Steven C.Bambang Triatmojo. 1996. METODE CRAMER Definisi Jika Ax = b adalah sistem yang terdiri dari n persamaan linear dengan n bilangan tak diketahui sehingga det (A) ? 0. . . Metode Numerik dalam Ilmu Rekayasa Sipil.

Masukkan nilai matriks [A] dan {b}. 6. Hitung determinan matriks [Aj]. Contoh: a11X1+a12X2+a13X3=b1 a21X1+a22X2+a23X3=b1 a31X1+a32X2+a33X3=b1 Persamaan ini dapat dinyatakan dalam bentuk berikut: dengan syarat a11. gantikan dengan matriks {b}. a22. a33 tidak sama dengan nol. Untuk i = 1 sampai n (jumlah persamaan) lakukan perhitungan sebagai berikut Bentuk matriks [Aj]. 3.maka: sehingga Untuk mencari unsur yang lain (Y dan Z). mendapatkan koreksi . Proses iterasi dilakukan sampai dicapai suatu nilai yang konvergen dengan toleransi yang diberikan. Algoritma penyelesaian persamaan linear simultan dengan aturan Cramer: 2. 5. Hitung Xi = |Aj| / |A| METODE ITERASI ITERASI JACOBI Iterasi Jacobi menggunakan rumusan rekursif untuk menghitung nilai pendekatan solusi persamaan. 4. x2. x3 sebagai maka untuk mendapatkan pendekatan pertama dilakukan proses Pendekatan kedua dengan nilai perhitungan dari iterasi . maka: ALGORITMA 1. yaitu matriks [A] yang kolom ke-i. Hitung determinan matriks [A]. apabila ditetapkan nilai awal x1.

666667 2. 3. Maka: X(2)=(5-2.70% .50% 2.69% 3.857714+2)/3=1.571429 Y Z X' Y' Z' Pros(x) Pros(y) Pros(z) 0.66667.38095. Selesaikan sistem persamaan berikut dengan metode iterasi Jacobi.476190 20.74% 2. jika telah memenuhi toleransi yang diberikan cetak.053061 2.66667.76190.99% 3. 2.66667+2x2.380952 2.857143 2.45% 19. nilai x(1) sebagai hasil akhir perhitungan dan hentikan program. Dengan nilai awal sembarang . Y(1)=(20-0+0)/7=2. Z(1)=(10-0+0)/5=2 Langkah 2.000000 2 1.000000 1. Inisialisasi nilai x(0). z= 2. sehingga perlu ditetapkan syarat terjadinya konvergensi dalam perhitungan iterasi.000000 1. Hitung harga x(1) dengan rumusan iterasi Jacobi. dan ulangi langkah (3).000000 0.000000 2.857143 2.857714)/5=2. Z(2)=(10-2x1. Maka: X(1)=(5-0+0)/3=1.12% 11.Untuk iterasi ke-I. Y(2)=(20-+3x2)/7=2. Periksa basil perhitungan.474376 3.z =5 4x+7y-3z=20 2x-2y+5z=10 Sistem persamaan dapat ditulis dalam bentuk: . Jika tidak. Dalam bentuk tabel. ada kemungkinan konvergensi tercapai secara lambat. y= 2.623129 6.552381 1.47619.380952 4 1.129252 2.23% 2. Iterasi X 1 0.476190 1. 3x+ y. serta toleransi perhitungan.552381 12. perhitungan secara umum dinyatakan sebagai Penetapan nilai variabel menurut proses ini disebut Iterasi Jacobi. y=0.129252 2.761905 2.857714. dimasukkan nilai x=1. dimasukkan nilai x=0.761905 2. yaitu :maksimum Algoritma penyelesaian persamaan simultan dengan iterasi Jacobi: 1. Langkah 1. Masukkan nilai matriks [A] dan (b) yang membentuk persamaan simultan linear.58% 2. 5. . Gantikan nilai x(0) dengan x(1). Contoh. lanjutkan ke langkah berikutnya.857714.666667 3 1. 4. z=0.571429 3.

649807 0.650529 ITERASI GAUSS-SEIDEL 2.128272 2. Menyelesaikan [U]{x} = {z} Sebagai contoh.133551 2.510588 3.03% Iterasi Gauss-Seidel sebagai cara penyelesaian persamaan linear simultan tidak jauh berbeda dengan iterasi Jacobi.114428 2.22% 6 1.503756 3. Algoritma proses dekomposisi LU: a).114428 2. maka mengisikan matriks [A] dengan [L] [U] menghasilkan[L][U]{x} ={b} Beiaiti terdapat dua sistem: [L] {z} = {b} untuk mencari {z}. Z= 2. dan (U] {x} = {z} untuk memperoleh {x}.135486 2.631474 3.07% 0.646753 1.646194 1.12% Maka X= 1.649807 1.128272 2.505419 3.17% 0. b).67% 0.497545 3.510588 3.497545 3.73% 0. maka matrik tersebut dapat diuraikan menjadi: matrik triangular [L] dan [U] Dimana [L] merupakan matrik triangular bawah.138840 2. Y= 3.646194 1. [U] Bila persamaan linear: [A]{x} ={b). Sehingga [A]= [L].135486 2.02% 0.649959 0. Bentuk iteratif persamaan iterasi adalah sebagai berikut: MATRIK DEKOMPOSISI METODE DEKOMPOSISI LU Jika suatu matrik [A] bukan singular (determinan bukan nol).131501 2.01% 0. Menyelesaikan [L]{z) = {b}.23% 0.56% 0.86% 8 1.32% 0.649959 1.45% 9 1.503756 3.78% 0.5 1.131501.505419. Dengan metode ini konvergensi akan tercapai lebih cepat.474376 3.12% 0. c).650529 0.523356 3. dan [U] : matrik triangular atas.138840 2.631474 1.053061 2.523356 3.507229 3. Matriks [U] sama dengan matriks triangulasi yang diperoleh dari metode Gauss.2X2 +3X3 =5 X1 +4X2 -2X3 =9 3X1 +2X2 -5X3 =8 Dalam bentuk matriks : untuk proses dekomposisi menggunakan: .72% 7 1. Pada iterasi Gauss-Seidel.646753 0.23% 10 1.623129 1.507229 3. ditinjau proses dekomposisi LU untuk menyelesaikan persamaan 5X1 .133551 2. Mendapatkan matriks [L] dan [U]. nilai hasil perhitungan pada baris awal langsung digunakan untuk perhitungan nilai selanjutnya di dalam iterasi.

Proses membentuk matrik [U] secara simultan diikuti dengan pembentukan matrik [L] pengali mik=aik/akk menjadi menjadi maka dan penyelesaian persamaan: a) [L}.{x}={z} menghasilkan METODE THOMAS Algoritma Thomas sangat cocok untuk menyelesaikan persamaan linier simultan yang dapat dibentuk menjadi matriks tridiagonal. X4) diketahui. Menyelesaikan [L]{Y) = {b}. Menyelesaikan [U]{x} = {z} Misalkan persamaan matriks sebagai berikut: [A]. Algoritma proses dekomposisi Thomas: a). c). X3. sedangkan elemen-elemen di luar itu bernilai nol. Persamaan semacam ini banyak dijumpai dalam perhitungan numerik persamaan differensial parsiil dengan metoda beda berhingga ataupun elemen berhingga. X2. b).{z}={b} menghasilkan b) [U}. Penyelesaian persamaan linier simultan dapat dilakukan dengan cara men-dekomposisi matriks tridiagonal A menjadi: . Mendapatkan matriks [L] dan [U]. Vektor kolom X(X1.{X}={B} Matriks yang paling kiri hanya mempunyai harga ditiga diagonal.

Y2=b2 L32 .n Jadi elemen-elemen dari matrik L dan U dapat dihitung dari persamaan dengan cara rekursi. dan X4) dalam persamaan dengan matrik tridiagonal dapat diselesaikan secara bertahap = .Yj)/Lii untuk y i=2.Y A.n.Y L. atau Y3=(b3 . untuk i=2.U12+L22 a23= L22.Y U. j=1.L43.U23 L21=a21 L22= a22-L21.U23+L33 a34= L33.Y=B --> akan didapat L11 Y1=b1 L21 .U34+L44 L43=a43 L44=a44.X=Y Artinya bilangan yang dicari X(X1.A = LU Apabila kedua matriks diruas kanan persamaan dikalikan.Y4=b4 atau L11 Y1=b1 atau Y2=(b2 .U23 U34=a34/L33 a43= L43 a44= L44.L43 .Y2+L33.X=B=L.U.L32 .n-1 Karena B=L. Untuk menyelesaikan persamaan terlebih dahulu didefinisikan vektor kolom. untuk i=2. atau Y4=(b2 . j=i-1.U34 L32=a32 L33=a33 -L32. j=i+1.Y1)/ L22.n-1 Uij=Aij/Lii . Dalam bentuk umum ditulis Y1=b1/L11 Yi=(bi-Lij. akan didapat: a11=L11 a12=L11xU12 atau L11= a11 U12= a12/L11 a21=L21 a22= L21.Y1+L22. n-1. X3.n.Y3+L44. X2.X=L.Y2)/ L33.n.xU34 dalam bentuk umum Lij=A11 Lij=Aji .Y3=b3 L43 . untuk i=1.U12 U23= a23 /L22 a32= L32 a33= L32.L21 . j=i-1. yang memenuhi persyaratan L.Y3)/ L44.n-1 Lii=Aii-Lijx Uji .

...Xj untuk i=n-1.u13)+(u22.…. Persamaan linear simultan itu dapat dinyatakan sebagai atau [A]{X}={B} Matriks [A] disebut matriks simetri apabila di luar unsur diagonal.n.. i= 1. Faktorisasi matrik [A]=[U]T[U] hubungan unsur aij dan uij pada baris pertama a11=(u11)2. u12= a12 / . Dengan demikiau unsur matriks simetri dirumuskan sebagai aij =aji.2 METODE CHOLESKY Dalam ilmu rekayasa. . a13=(u11.3. u11= .u12).u23).n. J= 1. Matriks simetri dapat dinyatakan dalam produk matriks triangulasi bawah dengan matrik triangulasi atas. nyatakan unsur u2j dalam aij.u1n) nyatakan unsur u1j dalam aij..2.1.i? j.2. u1n =a1n / baris kedua a22=(u12)2+=(u22)2 .dalam bentuk umum Xn=Yn Xi=Yi-Uij. a1n=(u11. j=i+1. u13=a13/ ... unsur matriks baris sama dengan unsur matriks kolom pada indeks baris dan kolom yang sama. persamaan linear simultan yang diperoleh dari rumusan matematika berdasarkan teori elastis umumnya mempunyai unsur koefisien variabel yang simetris.….u13).3.. dengan kedua matriks satu sama lain adalah matriks transpose. a23=(u12. a12=(u11.

U22= .u13))/u22= U2n= (a2n-(u12.u1n)+(u23.u3n) nyatakan unsur u3j dalam aij.u23) +(u33. u33= u3n= Secara umum : = dengan nilai uij didapat dari perhitungan sebelumnya uij=0 (i>j) contoh: Tentukan matrik solusi . …a3n=(u13. U23= (a23-(u12.u1n))/u22= Baris ketiga: a33=(u12)2+(u23)2 +(u33)2.