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

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

proses memang dihentikan jika dicapai nilai mutlak f(m)<10-6.8821 b 3 2. tuliskan m sebagai hasil perhitungan.5 -1. kecuali mengganti penentuan m dengan rumusan : Gambar 4.25 f(m) 4. Periksa apakah f(a) x f(b) > 0.5 2.125 -0.5 F(b) 22 4.8821 1. Tentukan a. Jika nilai mutlak (m-a) < toleransi. Proses dengan cara ini memberikan perhitungan yang lebih cepat dibandingkan dengan metode Bisection. 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 0.2003 1. b). Algoritma: a).0382 Kelebihan: • Konvergen • Mudah untuk dibuat program • Tingkat kesalahan kecil Kekurangan: • Konvergensi bersifat linier • Menghasilkan satu akar saja dalam perhitungan • Lambat dalam proses perhitungan.25 -1 2.0382 2. lanjutkan ke langkah berikutnya. c). keluar dari progam karena pada selang yang diberikan tidak terdapat akar persamaan.a 2 2 2 f(a) -1 -1 m 2.125 0.2003 2. dan akhiri program. toleransi. jika tidak. jika ya.125 23 .125 -0.5 -1. METODE REGULA FALSI atau INTERPOLASI LINIER algoritmanya sama seperti metode Bisection. b. Penentuan nilai m dari perpotongan garis lurus melalui dua titik. Hitung nilai : d).2003 1.25 2. Pada algoritma. dan jumlah iterasi maksimum.

352 1.352 -1. Garis singgung f(xk) memotong di xk+i.717921989 2 3 -0. 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. 2.0.197 1.356636546 23 -0. Kurva hasil perhitungan dengan Regula Falsi.356636546 1.150446331 Gambar 6. 1.717921989 1. dan dengan menggunakan besaran x dari perpotongan garis singgung terhadap absis sehingga diperoleh nilai x baru.90909091 0.35197886 -0.42082993 -0.150446331 23 -0.909 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. Gambar 7. .356636546 1. 3.19690265 -0.07513148 23 -0. Keuntungan cara ini adalah sifat sehingga dimana k=0.42082993 -1. Metode ini diperlihatkan pada gambar berikut.07513148 1.

(x3k . Hitung Xbaru = x .127469447 0.201754 3. . Tentukan Xo. 2.216661132 0. Jika nilai mutlak (Xbaru . X = Xbaru. 2.080859 METODE SECANT f(xk) 90 21. karena terjadinya koreksi digit ganda di setiap proses. 6.konvergensi kuadratik dalam proses iterasi.201754 3 3.Harus mencari f(x). Tentukan X0. akhiri program.(5)-20 =90 f'(5)=3(5)2-3 =72 xbaru=5-(90/72)=3. Jika jumlah iterasi > iterasi maksimum.3x .127469 0.75 iterasi Xk Xk+1 1 5 3.3 Dengan demikian x k+1 = xk . Algoritma program untuk metode Newton-Raphson: 1. toleransi. lanjutkan ke langkah berikutnya.3).20.47525192 F(xk+1) 21. toleransi.1875 27. kecuali nilai perkiraan awal x cukup tepat.216661 0.Dalam perhitungan ada kemungkinan besar proses memberikan hasil divergen. Dimana Sehingga dalam persamaan Newton-Rhapson menjadi: Algoritma program untuk metode Secant: 1.X0) < toleransi.3xk .20) / (3x2k .000229985 7. yaitu nilai turunan f'(x) didekati dengan beda hingga (∆) gambar 9. diperoleh tulisan xbaru sebagai hasil perhitungan.48438 3. . dan jumlah iterasi maksimum. Perkiraan awal xo = 5 Maka: f(5)=53-3.75 2 3. Kekurangan metode ini adalah : . Jika nilai mutlak (Xbaru .080868 5 3. 5. dan kembali ke langkah (b). jika tidak. maka f1(x) = 3x2. 4. 3. Contoh f(x) = x3 . . X1 .75 3.f'(x0)/f(X0). diperoleh tulisan xbaru sebagai hasil perhitungan.080868 3.Tidaklah sederhana melacak proses untuk konvergen.085854 4 3.f(X1)( X1. Penentuan nilai turunan fungsi dengan metode Secant. Hitung Xbaru = X1 . dan nilainya mungkin 0.5674865 25.53268E-10 Merupakan perbaikan dari kekurangan yang dimiliki oleh metode newton.X0)/f(X1 .484375 3.X0).085854 3.X1) < toleransi. 3.75369344 25. dan jumlah iterasi maksimum.00023 f'(xk) 72 39.

x-(3x+20)1/3 =0 (ii).83464426 x4= 2.576057128 2.1.3x ..587438053 iterasi X1 1 2 3 4 5 5 5 F(x3) 6 2 2. 5.83464426 =3.302376572 -0.080849690 -0. Untuk mendapatkan akar persamaan x3 . diperoleh x0 =5 X1 =(3*5+20)1/3 =3. Contoh: f(x) = x3 ..4.x-20/(x2 -3) =0 (iv).83464426 15.0809 Xs = 3. x6 =3.082034087 3. X = Xbaru.944590049 3. Perubahan ini dapat dilakukan melalui empat cara: (i).587438053 2. dan dengan perkiraan awal xo = 5. Jika jumlah iterasi > iterasi maksimum.g(x).944590049 -13.082034087 -3.. akhiri program..40697963 -3.3673469' f(2.029936467 0.1.058058742 3.20.06044E3. langkah pertama yang dilakukan adalah mengubah persamaan dalam bentuk f(x) = x .029936467 -0. Perkiraan awal X1=6 ' f(6)=178 X2 = 2 ' f(2)=-18 iterasi pertama: x3= x3=178-6 =2.080849690 3.20 = 0..302376572 3. sehingga λ= g(λ).40697963 2. kemudian Xk+1 = g(Xk).2771 X2 = (3 * 3.2.83464426 15.367346900 178 -18 13.0809 .000248906 07 X2 X3 f(x1) f'(x2) METODE ITERASI merupakan Metode perkiraan awal untuk satu variabel. k= 0.g(x) = 0.367346900 3.000248906 -1.302376572 0.587438053 2.367346900 3.3x .0809 . k= 0.83464426 2 2.080859456 0.576057128 0.2771 + 20)1/3 = 3. Dalam hal ini fnngsi f(x) ditulis sebagai: f(x) = x ..3673469)= -13. dan kembali ke langkah (b).0811 .944590049 3.40697963 3.3673469 iterasi kedua: X2 = 2 ' f(2)=-18 x3=2.082034087 3. X7 = 3.0830 X4 =3.. lanjutkan ke langkah berikutnya.3673469--13.1008 X3 =3.058058742 3.x-(3+20/x)1/2 =0 Dengan menggunakan bentuk pertama dapat dinyatakan rumusan : Xk+i=(3xk +20)1/3 . jika tidak. 6.058058742 15.587438053 -18 -13.576057128 0.x-(x3 -20)/3 =0 (iii).029936467 3.2.

Dengan demikian. dan menggunakan perkiraan awal X0 = 5. k = 0.gambar 10.iv adalah seperti pada Gambar berikut Gambar 11. x-20/(x2 -3) =0 (iv). 2.. Guna mengetahui pada awal proses bahwa metode ini dapat dipakai.0257 4 3.1 5 3.g(x) = 0 Terlihat mudah mendapatkan akar persamaan dengan proses tersebut. Sajian fungsi y = g(x) cara (iii) dan (iv) Dengan meneliti grafik tampak bahwa bagi cara ii dan iii. . garis singgung y = g(x) tidaklah setajam garis singgung y = x dekat nilai x = 3. garis singgung y = g(x) lebih tajam daripada garis singgung y = x dekat nilai akar. Jika diamati tiga cara penulisan f(x) sebagai x . Perhatikan gambar berikut.0743 6 3. x-(x3 -20)/3 =0 (iii). Sajian grafik bentuk fungsi cara ii .0831 7 3. 1.2495 3 (tidak banyak manfaatnya untuk dilanjutkan) 3. memberikan hasil seperti tercantum dalam Tabel k Cara ii Cara iii Cara iV 0555 1 35 0..2015 3. Turunan fungsi g(x) berada pada . maka seri besaran Xk. Geometri f(x) = x .0808 Dari contoh hitungan dapat dilihat bahwa cara iterasi tidak selalu dapat digunakan. konvergensi dari solusi metode iterasi dapat dilacak dari perilaku turunan pertama fungsi. bila dipahami benar perilaku fungsi. ini berarti nilai absolut g'(x) < 1 di dekat nilai akar.(3 + 20/x)1/2= 0. sedangkan pada cara i dan cara iv..6458 2 14285 -9.0801 8 3. perlu diperiksa bentuk fungsi. x .0811 9 3.g(x): (ii).9091 2.

4 x 104 ω= frekuensi pribadi balok (sec-1) El = kekakuan lentur balok= 2. . Metode ini dikenal sebagai Curve Fitting (pencocokan Kurva) Dua metode pendekatan yang didasarkan pada jumlah kesalahan yang terjadi pada data. McGrawHill. Chapra.nilai 0 < g'(x) < 1 untuk jaminan hasil iterasi konvergen. Problem: Data dijumpai dalam bentuk sekumpulan nilai (berupa angka dalam tabel). lanjutkan ke langkah berikutnya. 2.5 x 106 Tetapkan nilai ß dari persamaan dengan l=1 meter. toleransi. 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). Amrinsyah N & Hasaballah Z. Bandung. d). X0 = Xbaru. dan kembali ke langkah (b).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. Numerical Methods for Engineers .Mencari nilai data pada titik-titik diantara nilai-nilai yang diketahui. Metode Numerik dalam Ilmu Rekayasa Sipil. 1988. Algoritma program dengan metode Iterasi a). Kita perlu : . Penerbit ITB. Hitung Xbaru= g(X0). 3.cosh(ßl)+1=0 ß= ρω2/El l=panjang elemen balok = 1 meter ρ= berat jenis elemen balok = 2. Steven C. Contoh penerapan dalam bidang teknik sipil 1.cosh(ß)+1=0 kemudian ganti ß dengan variabel bebas x Sehingga: cos(x). c). . 1996. Beta Offset. diperoleh tulisan xbaru sebagai hasil perhitungan. dan jumlah iterasi maksimum.X0) < toleransi.jika tidak. . b). 2001. Turunan fungsi g'(x) < 1 = y' = 1. Sehingga: cos(ß). Canale. Gambar 12.Mencari bentuk kurva yang dapat mewakili data diskret tersebut. Tentukan X0. Jika jumlah iterasi > iterasi maksimum. Raymond P.Regresi kuadrat terkecil ( least square method): Apabila data menunjukkan kesalahan cukup besar .cosh(x)+1=0 sebagai persamaan umum yang akan dicari akarnya. e). Jika nilai mutlak (Xbaru . Bambang Triatmojo. Metode Numerik. akhiri program. disebut regresi. Yogyakarta. dan seterusnya CURVE FITTING (PENCOCOKAN KURVA) Referensi: 1.

e2=y2-f(x2). . pencocokan Kurva mempunyai deviasi (error) e dari setiap titik data e1=y1-f(x1).x +a2. dimana adalah variable bebas dan adalah variable terikat.yn)..5 19. Analisis kurva data pengamatan..y1).0 3. Apabila r = 0 perkiraan suatu fungsi sangat jelek. Dalam percobaan benda uji tulangan baja untuk mendapatkan hubungan antara besaran gaya dan perpindahan. REGRESI KUADRAT TERKECIL (LEAST SQUARES METHOD) Gambar 1. maka persamaan y = aebx dapat merupakan fungsi kurva untuk menyatakan hubungan x dan y.5 7.1 28.x2 merupakan bentuk kurva derajat dua f(x)= a0 + a1. Metode ini berasumsi bahwa kurva terbaik yang dihasilkan adalah kurva yang mempunyai jumlah total kuadrat kesalahan minimum (least square error) dari data.. (xn. . + an.y2) .. en=yn-f(xn). .x2+a3. (x2. diperoleh data sebagai berikut.7 2.0 23. 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 + a1.9 11...xn Dimana: n: derajat dari polinomial yang dipergunakan maka bila: f(x)=a+ a1.x +a2.x merupakan bentuk linier f(x)= a0 + a1. Pengamatan gaya aksial perpanjangan [ton] [mm] 7.x +a2.x2 + .x3 merupakan bentuk kurva derajat tiga KOEFISIEN KORELASI Untuk mengetahui derajat kesesuaian dari persamaan yang didapat.y sebagai besaran gaya aksial. . dihitung nilai koefisien korelasi yang berbentuk: dimana r: koefisien korelasi Untuk perkiraan yang sempurna nilai r = 1. Misal data :(x1. Menurut metode ini...4 18.x menyatakan perpanjangan dan ordinal .Contoh.4 10. Konstanta a dan b dapat ditentukan sehingga analisis kurva bagi hasil benda uji dapat diuji ketelitiannya sebagai rumusan pendekatan hubungan antara gaya dan perpanjangan.6 Jika absis .

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

7 30.7 751.9-0.204=3.819398+ 0. NO X Y X.807195739 gambar 01.04 69 595. Jika jarak minimum jalur sepeda dari lalu-lintas umum adalah 6 ft.9416 b=296.24/788. kurva hasil regresi LINIERISASI KURVA TIDAK LINIER Data tidak cocok untuk linier Garis Lengkung lebih cocok .819398 persamaan garis: y= 3.Y X2 1 5 4 20 25 2 10 8 80 100 3 7 5 35 49 4 7.3755 a= =6.5 8 60 56.8544= 0.Pertanyaan: Gambarkan kurva dari data dan dari hasil persamaan regresi linear dalam satu grafik. berapakah lebar jalur sepeda yang aman.3755x8.54 5 27.25 5 7 6 42 49 6 6 6 36 36 7 10 10 100 100 8 9 10 90 81 9 5.3755X untuk y=6 ft maka x=5.6916 10 15 7 105 225 jumlah 82.

q B .4 3.ebx dimana a dan b adalah konstanta. nilai A dan B dicari dengan menggunakan 5. log x ALGORITMA: Transformasi Log Transformasi Ln 1. setelah A dan B ketemu persamaan 6. Yaitu dengan dua cara: FUNGSI EKSPONENSIAL Diberikan dalam bentuk: Y= a. Persamaan sementara diubah menjadi: p= A + B . maka: Ln y = ln a + b. nilai A dan B dicari dengan menggunakan rumus regresi linier biasa rumus regresi linier biasa 6. x b.ebx 2.xb 1.1 .x PERSAMAAN BERPANGKAT Diberikan dalam bentuk: Y= a.x .q 5. Persamaan yang dicari Y= a.7 10. setelah A dan B ketemu persamaan dikembalikan lagi ke : dikembalikan lagi ke : Y= a. karena ln e= 1.9 Pengamatan perpanjangan [mm] 2.xb contoh : suatu test pembebanan Pengamatan gaya aksial [ton] 7.Untuk itu perlu dilakukan pendekatan.0 18. Transformasi dengan Ln: Ln y = ln a + b.5 23.ebx Y= a.log x 3. Persamaan yang dicari Y= a. Dilakukan transformasi : p= ln y A= ln a p= log y A= log a q=x B= b q=log x B= b 4. Transformasi dengan Log: Log y = log a + 2. Persamaan tersebut menjadi Ln y = ln a + ln e . b. Persamaan sementara diubah menjadi: p= A + 4.4 7.xb Dimana a dan b adalah konstanta Persamaan tersebut menjadi Log y = log a + b.0 11. Dilakukan transformasi : 3.

96)= 151.7 2.20193 sehingga persamaan: Y= a.5 7.28.09602677.1 23.5259855 23.94591 2.ebx --> Y=1.6 28.999335 571.e 0.0 1.8855258 B= =(986.201934 7.72 1.6 Y Q=X P=ln(y) 0.102364 23.2879294)/( 9425-7849.554190 .7 2.223775 1.929000 28.21 57.5 Maka: NO X 1 2 3 4 10 19.9 11.306787 rerata 17.25 84.9 5 28.09602677 A= Persamaan yang dicari adalah b=B=0.5 19.4 10 18.533934-835.09602677 karena: A=ln(a)--> maka 0.4 7.23775 7.7411113 12.517681 10.x Gambar Fungsi linear pada skala logaritma.0 7.6 18.9 11.5 19.0 3.139928 18.6 9.97553 812.2460046/1575.427629 1885 197.4 3.20193.406945 Q2 59.7 3.5 18.29 100 PxQ 6.1 11.183931416=ln(a) a=1.04=0.802605 jumlah 88. x Ydata Y hitungan 0.5 2.5 7 342.4 2.875469 1.25 35.

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

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

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

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

03 Ketiga 0.5(45-40) + (-0.6 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 .f2(45)=65 + 2.02 0.x0]= F[x3.…. 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. x1 .x1]= Dalam bentuk tabel iterasi xi f(xi) Pertama 0 40 65 2.x1]= F[x3.04)(45-40)(45-50) f2(45)=65+12.001666667 . F[x1. x0] b2= f[x2.5 1 50 90 2.x2.x1.1 Kedua -0.x2]= F[x2.x0]= F[x2.5+0.1=77. x0] : bn= f[xn. xn-1 .

001666667x(45-40)x(45-50)x(45-60) f3 (45)=65+12.625 f3(45)=78.5x(45-40)+(-0.02 b3=-0.2 60 111 3. x0] menjadi --> polinomial Lagrange Orde Pertama Bentuk umum: dimana: untuk derajat dua: dimana ∏ berarti hasil perkalian dari: untuk derajat tiga: Contoh. Selesaikan untuk kecepatan 45 mil/jam dengan interpolasi Lagrange derajat tiga x0 x1 X2 X3 .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).625 feet INTERPOLASI LAGRANGE Hampir sama dengan metode Newton.5+0.02)x(45-40)x(45-50)+0.5 b2=-0.7 3 70 148 Maka: b0=65 b1=2.f[x1.001666667 f3 (45)=65+2.

. Xn) = 0 f2 (X1. X2.75 kesimpulan : Interpolasi Lagrange tidak bagus untuk interpolasi dengan (range) selang yang besar SISTEM PERSAMAAN LINEAR (BAGIAN I) Referensi: . X2... Metode Numerik dalam Ilmu Rekayasa Sipil. Perhitungan Matriks dengan Fortran. . 1996.. Numerical Methods for Engineers .. X2. am1 X1 + am2 X2 + . 1990. .. . Yogyakarta. PENDAHULUAN Sekumpulan persamaan : f1 (X1.. Metode Numerik.Bambang Triatmojo. . Penerbit ITB. . Canale. Xn) = 0 f3 (X1. Dalam matrik ditulis: JENIS MATRIK BUJUR SANGKAR ISTIMEWA . + amnXn =bm dimana: a: koefisien konstanta.. n: jumlah variabel.375-34..Suprajitno Munadi. + a1nXn =b1 a21X1 + a22X2 + . Xn) = 0 . X2. X2. ..Amrinsyah N & Hasaballah Z. Xn Bentuk umum persamaan Aljabar linear a11X1 + a12X2 + . + a1nXn =b2 .6875+9.25=66. .Steven C. Yogyakarta.. Chapra. .. .... . 1988.. 2001. Beta Offset. Bandung.. Xn) = 0 memerlukan suatu cara untuk menentukan nilai-nilai X1.. McGrawHill.Kecepatan (mil/jam) Jarak henti (feet) 40 50 60 y0 y1 y2 65 90 111 70 y3 148 f3(45)= 7. fn(X1. ... X: Variable . b: konstanta.. Raymond P.8125+84. Andi Offset.

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

4. Susun matrik untuk persamaan yang akan diselesaikan. Tulis kembali baris terbaru dalam persamaan matrik. 3. Contoh Struktur rangka bidang sebagaimana tergambar dibebani oleh gaya sebesar 1000 kg. Selesaikan sistim persamaan terbaru dengan cara substitusi mundur. Hitunglah gaya dalam batang serta reaksi di perletakan Gambar 01. Sistem struktur rangka bidang . 2.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. Gunakan operasi penjumlahan sederhana antar baris untuk memperoleh matrik triangular atas.

K1] Langkah 3 : melakukan operasi aritmatik dengan pivot [R2. 2. gaya yang bekerja pada setiap titik 1. Tentukan penomoran elemen batang. 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 Penyelesaian: 1. K2] . dan 3 dapat digambarkan seperti pada gambar berikut.2.866 sin (600)=0.5 cos (300)= 0. titik kumpul.866 cos (600)=0.5 Dengan eliminasi gauss maka. dan reaksi perletakan seperti pada ifigurasi sistem struktur. Selesaikan dengan cara kesetimbangan gaya pada titik kumpul. melakukan operasi aritmatis antar baris Langkah 1 : mengubah posisi baris R2 dan R3 Langkah 2 : melakukan operasi aritmatik dengan pivot [R1.

Langkah 4 : melakukan operasi aritmatik dengan pivot [R3. 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]. 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. tulis matrik [ I | C ] sebagai hasil akhir persamaan. yang tinggal hanyalah suku-suku pada diagonal matriks saja. maka cara eliminasi Gauss-Jordan dilakukan pula pada bagian segitiga atas matriks. ketika langkah ke-dua sudah selesai. Tulis sistem persamaan dalam bentuk Matrik Augmentasi [system] ===> [ A | B ] 2. Pada akhir eliminasi. Bentuk akhir matriks gabungan setelah eliminasi dinyatakan Langkah Penyelesaian dengan metode gauss-Jordan: 1.

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). 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: . sedang elemen selainnya adalah 0(nol).

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

[A]-1=[I] atau [A]-1.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] =[I] .

0 = 0 Teorema 2 Jika A adalah matriks segitiga. Lakukan normalisasi sehingga semua elemen diagonal matriks sama dengan 1 (satu). Bentuk matriks gabungan [G] yang merupakan gabungan matriks [A] dan [I].2. 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.4 = -8 + 0 + 0 .(-1).1.4 + 0. Untuk setiap langkah eliminasi lakukan lebih daffluu proses pivoting untuk mencari persamaan pivot.4.2.0 .1. Jumlah det(A) disebut sebagai determinan A. dengan elemen pada baris ke 3 semuanya nol. maka = == 4. Masukkan nilai matriks [A].2. maka |A| =0 Contoh.4. 4.2.0. 2.0 .0 + 2.0 . 3. determinannya adalah hasil kali semua elemen diagonalnya. = = 2.(-3). [I] adalah matriks identitas. Diketahui A = yang merupakan matriks segitiga bawah. baik matriks segitiga atas maupun bawah berukuran nxn.0.0.0 + 0. Det(A) atau |A| Contoh. maka : Jika A = . Lakukan eliminasi untuk me-nol-kan bagian segitiga bawah dan segitiga atas matriks. dan didefinisikan sebagai jumlah semua hasil kali elementer bertanda dari A. Fungsi determinan dinyatakan oleh Det(A).4(-1).Algoritma penyelesaian perhitungan invers matriks dengan eliminasi Gauss-Jordan dengan proses pivoting: 1.(-1).0 . .0 . Maka.0 .0 + (-3).(-3) .(-1).0 = -8 A adalah matriks segitiga atas sedangkan B adalah matriks segitiga bawah.(-3) .0. DETERMINAN Definisi Misalkan A adalah matriks bujur sangkar.

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

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

Contoh.857714)/5=2. Iterasi X 1 0.857714+2)/3=1. perhitungan secara umum dinyatakan sebagai Penetapan nilai variabel menurut proses ini disebut Iterasi Jacobi.000000 1. Y(2)=(20-+3x2)/7=2.761905 2.99% 3.Untuk iterasi ke-I. y=0.623129 6. Maka: X(2)=(5-2. Langkah 1. Periksa basil perhitungan.380952 2.129252 2.474376 3.571429 Y Z X' Y' Z' Pros(x) Pros(y) Pros(z) 0. 3. Jika tidak.38095.053061 2. Y(1)=(20-0+0)/7=2. Dengan nilai awal sembarang . Inisialisasi nilai x(0).23% 2. 3x+ y.666667 2. Masukkan nilai matriks [A] dan (b) yang membentuk persamaan simultan linear. yaitu :maksimum Algoritma penyelesaian persamaan simultan dengan iterasi Jacobi: 1.70% .857714.66667.58% 2.571429 3. Selesaikan sistem persamaan berikut dengan metode iterasi Jacobi. Dalam bentuk tabel.z =5 4x+7y-3z=20 2x-2y+5z=10 Sistem persamaan dapat ditulis dalam bentuk: .857143 2. 4.50% 2. Gantikan nilai x(0) dengan x(1). nilai x(1) sebagai hasil akhir perhitungan dan hentikan program.000000 2 1.47619. sehingga perlu ditetapkan syarat terjadinya konvergensi dalam perhitungan iterasi.66667+2x2.45% 19.476190 20.857714.761905 2. dimasukkan nilai x=1. y= 2.552381 1. jika telah memenuhi toleransi yang diberikan cetak.552381 12. Z(2)=(10-2x1.380952 4 1.76190. Z(1)=(10-0+0)/5=2 Langkah 2.000000 2. z=0. . ada kemungkinan konvergensi tercapai secara lambat.857143 2. dimasukkan nilai x=0. lanjutkan ke langkah berikutnya.666667 3 1. z= 2.66667. Hitung harga x(1) dengan rumusan iterasi Jacobi. serta toleransi perhitungan.000000 1. dan ulangi langkah (3). Maka: X(1)=(5-0+0)/3=1. 5.476190 1.69% 3.000000 0.12% 11.129252 2.74% 2. 2.

053061 2. Menyelesaikan [L]{z) = {b}.133551 2.505419 3. Bentuk iteratif persamaan iterasi adalah sebagai berikut: MATRIK DEKOMPOSISI METODE DEKOMPOSISI LU Jika suatu matrik [A] bukan singular (determinan bukan nol). [U] Bila persamaan linear: [A]{x} ={b).2X2 +3X3 =5 X1 +4X2 -2X3 =9 3X1 +2X2 -5X3 =8 Dalam bentuk matriks : untuk proses dekomposisi menggunakan: .497545 3.12% 0.5 1.650529 0. Pada iterasi Gauss-Seidel. Dengan metode ini konvergensi akan tercapai lebih cepat.649807 0.474376 3. Algoritma proses dekomposisi LU: a).07% 0. ditinjau proses dekomposisi LU untuk menyelesaikan persamaan 5X1 .503756 3.135486 2. Y= 3.67% 0.631474 1.12% Maka X= 1.510588 3.138840 2.623129 1.56% 0.73% 0.523356 3.02% 0. Sehingga [A]= [L]. Matriks [U] sama dengan matriks triangulasi yang diperoleh dari metode Gauss. c).505419.523356 3.23% 10 1.23% 0.646753 1.646194 1.646194 1.78% 0. dan [U] : matrik triangular atas.01% 0.649959 0. maka matrik tersebut dapat diuraikan menjadi: matrik triangular [L] dan [U] Dimana [L] merupakan matrik triangular bawah.114428 2. Mendapatkan matriks [L] dan [U]. nilai hasil perhitungan pada baris awal langsung digunakan untuk perhitungan nilai selanjutnya di dalam iterasi.649807 1.131501 2.72% 7 1.646753 0. Z= 2. dan (U] {x} = {z} untuk memperoleh {x}.114428 2.17% 0.45% 9 1.135486 2.133551 2.507229 3.649959 1.03% Iterasi Gauss-Seidel sebagai cara penyelesaian persamaan linear simultan tidak jauh berbeda dengan iterasi Jacobi.507229 3.497545 3.131501.32% 0.631474 3. Menyelesaikan [U]{x} = {z} Sebagai contoh. b).128272 2.128272 2. maka mengisikan matriks [A] dengan [L] [U] menghasilkan[L][U]{x} ={b} Beiaiti terdapat dua sistem: [L] {z} = {b} untuk mencari {z}.650529 ITERASI GAUSS-SEIDEL 2.503756 3.22% 6 1.86% 8 1.510588 3.138840 2.

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

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

u11= .3.. Dengan demikiau unsur matriks simetri dirumuskan sebagai aij =aji. dengan kedua matriks satu sama lain adalah matriks transpose. Faktorisasi matrik [A]=[U]T[U] hubungan unsur aij dan uij pada baris pertama a11=(u11)2. u13=a13/ . a23=(u12. J= 1.n. Persamaan linear simultan itu dapat dinyatakan sebagai atau [A]{X}={B} Matriks [A] disebut matriks simetri apabila di luar unsur diagonal. u12= a12 / . nyatakan unsur u2j dalam aij.3.u13)+(u22..…. ..dalam bentuk umum Xn=Yn Xi=Yi-Uij. Matriks simetri dapat dinyatakan dalam produk matriks triangulasi bawah dengan matrik triangulasi atas..2. a1n=(u11.1.2. persamaan linear simultan yang diperoleh dari rumusan matematika berdasarkan teori elastis umumnya mempunyai unsur koefisien variabel yang simetris.u13).2 METODE CHOLESKY Dalam ilmu rekayasa. u1n =a1n / baris kedua a22=(u12)2+=(u22)2 . i= 1.u12). unsur matriks baris sama dengan unsur matriks kolom pada indeks baris dan kolom yang sama.u1n) nyatakan unsur u1j dalam aij..Xj untuk i=n-1. j=i+1. a13=(u11.….i? j..n. a12=(u11..u23)..

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

Sign up to vote on this title
UsefulNot useful