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

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

Jika nilai mutlak (m-a) < toleransi. dan akhiri program. METODE REGULA FALSI atau INTERPOLASI LINIER algoritmanya sama seperti metode Bisection.2003 1. jika ya.125 -0. Algoritma: a). c).25 f(m) 4. keluar dari progam karena pada selang yang diberikan tidak terdapat akar persamaan.2003 1. Penentuan nilai m dari perpotongan garis lurus melalui dua titik. jika tidak.8821 1.125 0.125 -0. Tentukan a. dan jumlah iterasi maksimum. Hitung nilai : d). proses memang dihentikan jika dicapai nilai mutlak f(m)<10-6. b.5 -1. 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. Periksa apakah f(a) x f(b) > 0. b).25 -1 2. lanjutkan ke langkah berikutnya.5 -1.a 2 2 2 f(a) -1 -1 m 2. toleransi. kecuali mengganti penentuan m dengan rumusan : Gambar 4. tuliskan m sebagai hasil perhitungan.0382 Kelebihan: • Konvergen • Mudah untuk dibuat program • Tingkat kesalahan kecil Kekurangan: • Konvergensi bersifat linier • Menghasilkan satu akar saja dalam perhitungan • Lambat dalam proses perhitungan.125 23 .25 2.5 2.2003 2.0382 2. Pada algoritma. Proses dengan cara ini memberikan perhitungan yang lebih cepat dibandingkan dengan metode Bisection.8821 b 3 2.5 F(b) 22 4.

1.909 1.42082993 -1.356636546 1.0.42082993 -0.150446331 Gambar 6.19690265 -0.717921989 2 3 -0. 2. Metode ini diperlihatkan pada gambar berikut.352 -1.356636546 1.352 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.150446331 23 -0.717921989 1.07513148 23 -0.90909091 0. Kurva hasil perhitungan dengan Regula Falsi. 3.35197886 -0.197 1. dan dengan menggunakan besaran x dari perpotongan garis singgung terhadap absis sehingga diperoleh nilai x baru. Keuntungan cara ini adalah sifat sehingga dimana k=0.07513148 1. .356636546 23 -0. Garis singgung f(xk) memotong di xk+i. 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. Gambar 7.

3xk . X1 . Jika jumlah iterasi > iterasi maksimum. diperoleh tulisan xbaru sebagai hasil perhitungan.20) / (3x2k .201754 3.48438 3.080868 3.Tidaklah sederhana melacak proses untuk konvergen. dan jumlah iterasi maksimum. jika tidak. Dimana Sehingga dalam persamaan Newton-Rhapson menjadi: Algoritma program untuk metode Secant: 1.75 3.f'(x0)/f(X0). yaitu nilai turunan f'(x) didekati dengan beda hingga (∆) gambar 9. akhiri program.080868 5 3. Penentuan nilai turunan fungsi dengan metode Secant. Jika nilai mutlak (Xbaru . dan kembali ke langkah (b).484375 3.00023 f'(xk) 72 39. . 2.Dalam perhitungan ada kemungkinan besar proses memberikan hasil divergen. karena terjadinya koreksi digit ganda di setiap proses.201754 3 3. 3. kecuali nilai perkiraan awal x cukup tepat.53268E-10 Merupakan perbaikan dari kekurangan yang dimiliki oleh metode newton. Perkiraan awal xo = 5 Maka: f(5)=53-3.085854 4 3.080859 METODE SECANT f(xk) 90 21. toleransi.75 iterasi Xk Xk+1 1 5 3. toleransi.75369344 25. .X1) < toleransi. X = Xbaru. Tentukan X0.konvergensi kuadratik dalam proses iterasi.X0)/f(X1 .3x . 4. Tentukan Xo.20. 3. Hitung Xbaru = x .000229985 7. Hitung Xbaru = X1 . maka f1(x) = 3x2. Jika nilai mutlak (Xbaru . Kekurangan metode ini adalah : .127469447 0. diperoleh tulisan xbaru sebagai hasil perhitungan.3).X0) < toleransi. .(x3k .47525192 F(xk+1) 21.1875 27. Algoritma program untuk metode Newton-Raphson: 1.75 2 3. Contoh f(x) = x3 .5674865 25. dan nilainya mungkin 0.127469 0. 6.216661 0.3 Dengan demikian x k+1 = xk .216661132 0. lanjutkan ke langkah berikutnya.(5)-20 =90 f'(5)=3(5)2-3 =72 xbaru=5-(90/72)=3.085854 3. 2.f(X1)( X1.X0).Harus mencari f(x). dan jumlah iterasi maksimum. 5.

Perkiraan awal X1=6 ' f(6)=178 X2 = 2 ' f(2)=-18 iterasi pertama: x3= x3=178-6 =2.576057128 0.2771 X2 = (3 * 3. dan dengan perkiraan awal xo = 5.0809 .3x . 6.302376572 -0.080859456 0.058058742 15.. k= 0.40697963 -3. Untuk mendapatkan akar persamaan x3 .1.082034087 -3.83464426 2 2.367346900 3.g(x). X7 = 3.029936467 3.3673469 iterasi kedua: X2 = 2 ' f(2)=-18 x3=2..587438053 2. 5.3673469)= -13. jika tidak.83464426 15.2771 + 20)1/3 = 3.367346900 178 -18 13.000248906 -1.83464426 x4= 2.3673469--13. akhiri program.082034087 3.3x .2. kemudian Xk+1 = g(Xk).080849690 -0. x-(3x+20)1/3 =0 (ii).944590049 3. lanjutkan ke langkah berikutnya. dan kembali ke langkah (b).058058742 3.06044E3. diperoleh x0 =5 X1 =(3*5+20)1/3 =3.367346900 3.1.x-20/(x2 -3) =0 (iv). sehingga λ= g(λ). langkah pertama yang dilakukan adalah mengubah persamaan dalam bentuk f(x) = x .302376572 3.944590049 3.83464426 15.x-(x3 -20)/3 =0 (iii). Contoh: f(x) = x3 .944590049 -13.40697963 2.1008 X3 =3.058058742 3.4...576057128 2.082034087 3.029936467 0.029936467 -0.0809 Xs = 3.0809 . Dalam hal ini fnngsi f(x) ditulis sebagai: f(x) = x .0811 .20 = 0.x-(3+20/x)1/2 =0 Dengan menggunakan bentuk pertama dapat dinyatakan rumusan : Xk+i=(3xk +20)1/3 .3673469' f(2.40697963 3..2. k= 0..g(x) = 0.83464426 =3. Perubahan ini dapat dilakukan melalui empat cara: (i).000248906 07 X2 X3 f(x1) f'(x2) METODE ITERASI merupakan Metode perkiraan awal untuk satu variabel.080849690 3.20.0830 X4 =3..576057128 0.302376572 0. x6 =3.587438053 -18 -13. X = Xbaru.587438053 2. Jika jumlah iterasi > iterasi maksimum.587438053 iterasi X1 1 2 3 4 5 5 5 F(x3) 6 2 2.

Perhatikan gambar berikut. 1. x .0801 8 3. Guna mengetahui pada awal proses bahwa metode ini dapat dipakai.0257 4 3.0831 7 3. garis singgung y = g(x) tidaklah setajam garis singgung y = x dekat nilai x = 3. x-20/(x2 -3) =0 (iv). 2.6458 2 14285 -9.. Geometri f(x) = x .g(x) = 0 Terlihat mudah mendapatkan akar persamaan dengan proses tersebut. garis singgung y = g(x) lebih tajam daripada garis singgung y = x dekat nilai akar. maka seri besaran Xk. konvergensi dari solusi metode iterasi dapat dilacak dari perilaku turunan pertama fungsi. Jika diamati tiga cara penulisan f(x) sebagai x ..2495 3 (tidak banyak manfaatnya untuk dilanjutkan) 3. perlu diperiksa bentuk fungsi. memberikan hasil seperti tercantum dalam Tabel k Cara ii Cara iii Cara iV 0555 1 35 0..0811 9 3. ini berarti nilai absolut g'(x) < 1 di dekat nilai akar.g(x): (ii). Turunan fungsi g(x) berada pada .0808 Dari contoh hitungan dapat dilihat bahwa cara iterasi tidak selalu dapat digunakan. .iv adalah seperti pada Gambar berikut Gambar 11.9091 2. Sajian grafik bentuk fungsi cara ii .0743 6 3. dan menggunakan perkiraan awal X0 = 5. k = 0. x-(x3 -20)/3 =0 (iii).1 5 3. sedangkan pada cara i dan cara iv.(3 + 20/x)1/2= 0.gambar 10. Dengan demikian. bila dipahami benar perilaku fungsi. Sajian fungsi y = g(x) cara (iii) dan (iv) Dengan meneliti grafik tampak bahwa bagi cara ii dan iii.2015 3.

Turunan fungsi g'(x) < 1 = y' = 1. .4 x 104 ω= frekuensi pribadi balok (sec-1) El = kekakuan lentur balok= 2. 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). Metode ini dikenal sebagai Curve Fitting (pencocokan Kurva) Dua metode pendekatan yang didasarkan pada jumlah kesalahan yang terjadi pada data. Canale. disebut regresi. Gambar 12.5 x 106 Tetapkan nilai ß dari persamaan dengan l=1 meter. d).cosh(ß)+1=0 kemudian ganti ß dengan variabel bebas x Sehingga: cos(x). Sehingga: cos(ß). Amrinsyah N & Hasaballah Z. dan kembali ke langkah (b). Bandung. toleransi. . c). b). McGrawHill. 2001. akhiri program.nilai 0 < g'(x) < 1 untuk jaminan hasil iterasi konvergen. lanjutkan ke langkah berikutnya. Penerbit ITB. Kita perlu : . . Problem: Data dijumpai dalam bentuk sekumpulan nilai (berupa angka dalam tabel). dan jumlah iterasi maksimum. Yogyakarta. 3. X0 = Xbaru. Metode Numerik. Algoritma program dengan metode Iterasi a). 1988. Hitung Xbaru= g(X0). e). 2.cosh(ßl)+1=0 ß= ρω2/El l=panjang elemen balok = 1 meter ρ= berat jenis elemen balok = 2. Contoh penerapan dalam bidang teknik sipil 1. Chapra. Jika nilai mutlak (Xbaru . Metode Numerik dalam Ilmu Rekayasa Sipil. 1996.jika tidak.Regresi kuadrat terkecil ( least square method): Apabila data menunjukkan kesalahan cukup besar . Bambang Triatmojo. Jika jumlah iterasi > iterasi maksimum. Steven C. diperoleh tulisan xbaru sebagai hasil perhitungan.X0) < toleransi. Numerical Methods for Engineers . Raymond P. Beta Offset. dan seterusnya CURVE FITTING (PENCOCOKAN KURVA) Referensi: 1. Tentukan X0.Mencari nilai data pada titik-titik diantara nilai-nilai yang diketahui.cosh(x)+1=0 sebagai persamaan umum yang akan dicari akarnya.Mencari bentuk kurva yang dapat mewakili data diskret tersebut.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.

(x2.. .x menyatakan perpanjangan dan ordinal .7 2. .5 7.x +a2.9 11. (xn... Analisis kurva data pengamatan.y sebagai besaran gaya aksial. Konstanta a dan b dapat ditentukan sehingga analisis kurva bagi hasil benda uji dapat diuji ketelitiannya sebagai rumusan pendekatan hubungan antara gaya dan perpanjangan. Apabila r = 0 perkiraan suatu fungsi sangat jelek.x3 merupakan bentuk kurva derajat tiga KOEFISIEN KORELASI Untuk mengetahui derajat kesesuaian dari persamaan yang didapat.Contoh. + an..4 18. sehubungan dengan penentuaan sifat bahan.1 28..yn).x2 merupakan bentuk kurva derajat dua f(x)= a0 + a1. dihitung nilai koefisien korelasi yang berbentuk: dimana r: koefisien korelasi Untuk perkiraan yang sempurna nilai r = 1. REGRESI KUADRAT TERKECIL (LEAST SQUARES METHOD) Gambar 1.x +a2.x merupakan bentuk linier f(x)= a0 + a1. . Pengamatan gaya aksial perpanjangan [ton] [mm] 7..y1). e2=y2-f(x2). kurva terbaik mempunyai karakteristik: ∏= (e1)2+(e2)2+…+(en)2= minimum dimana f(x) merupakan suatu polinomial pendekatan: Y= a0 + a1. maka persamaan y = aebx dapat merupakan fungsi kurva untuk menyatakan hubungan x dan y.xn Dimana: n: derajat dari polinomial yang dipergunakan maka bila: f(x)=a+ a1. Misal data :(x1.x +a2.0 23. Menurut metode ini. ..6 Jika absis . Dalam percobaan benda uji tulangan baja untuk mendapatkan hubungan antara besaran gaya dan perpindahan. diperoleh data sebagai berikut. Metode ini berasumsi bahwa kurva terbaik yang dihasilkan adalah kurva yang mempunyai jumlah total kuadrat kesalahan minimum (least square error) dari data.. pencocokan Kurva mempunyai deviasi (error) e dari setiap titik data e1=y1-f(x1). en=yn-f(xn).0 3.y2) .5 19.4 10.x2+a3. dimana adalah variable bebas dan adalah variable terikat.x2 + .

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

5 8 60 56.807195739 gambar 01.3755 a= =6.Y X2 1 5 4 20 25 2 10 8 80 100 3 7 5 35 49 4 7.3755x8.24/788.3755X untuk y=6 ft maka x=5.8544= 0. Jika jarak minimum jalur sepeda dari lalu-lintas umum adalah 6 ft.Pertanyaan: Gambarkan kurva dari data dan dari hasil persamaan regresi linear dalam satu grafik. kurva hasil regresi LINIERISASI KURVA TIDAK LINIER Data tidak cocok untuk linier Garis Lengkung lebih cocok . berapakah lebar jalur sepeda yang aman.54 5 27.819398 persamaan garis: y= 3.9-0.7 30. NO X Y X.25 5 7 6 42 49 6 6 6 36 36 7 10 10 100 100 8 9 10 90 81 9 5.6916 10 15 7 105 225 jumlah 82.7 751.819398+ 0.9416 b=296.04 69 595.204=3.

x .x PERSAMAAN BERPANGKAT Diberikan dalam bentuk: Y= a.xb 1. Dilakukan transformasi : p= ln y A= ln a p= log y A= log a q=x B= b q=log x B= b 4.ebx dimana a dan b adalah konstanta.log x 3. nilai A dan B dicari dengan menggunakan 5. Persamaan sementara diubah menjadi: p= A + 4. nilai A dan B dicari dengan menggunakan rumus regresi linier biasa rumus regresi linier biasa 6. b.xb Dimana a dan b adalah konstanta Persamaan tersebut menjadi Log y = log a + b.0 11.ebx Y= a. setelah A dan B ketemu persamaan 6.q 5. setelah A dan B ketemu persamaan dikembalikan lagi ke : dikembalikan lagi ke : Y= a. Transformasi dengan Ln: Ln y = ln a + b. Yaitu dengan dua cara: FUNGSI EKSPONENSIAL Diberikan dalam bentuk: Y= a.Untuk itu perlu dilakukan pendekatan. Transformasi dengan Log: Log y = log a + 2. Persamaan tersebut menjadi Ln y = ln a + ln e .9 Pengamatan perpanjangan [mm] 2. karena ln e= 1.ebx 2. log x ALGORITMA: Transformasi Log Transformasi Ln 1. x b.q B .xb contoh : suatu test pembebanan Pengamatan gaya aksial [ton] 7.0 18. Persamaan sementara diubah menjadi: p= A + B .1 .7 10.4 3.4 7.5 23. Dilakukan transformasi : 3. Persamaan yang dicari Y= a. maka: Ln y = ln a + b. Persamaan yang dicari Y= a.

4 7.5 Maka: NO X 1 2 3 4 10 19.5 7 342.427629 1885 197.999335 571.875469 1.102364 23.2460046/1575.929000 28.7 3.6 28.201934 7.ebx --> Y=1.09602677 karena: A=ln(a)--> maka 0.28.306787 rerata 17.0 7.97553 812.0 1.406945 Q2 59.29 100 PxQ 6.x Gambar Fungsi linear pada skala logaritma.6 18.5 2.23775 7.7 2.533934-835. x Ydata Y hitungan 0.20193.139928 18.1 11.4 10 18.802605 jumlah 88.25 84.8855258 B= =(986.1 23.9 11.25 35.7411113 12.5 7.5259855 23.5 18.183931416=ln(a) a=1.20193 sehingga persamaan: Y= a.6 9.94591 2.223775 1.2879294)/( 9425-7849.7 2.09602677 A= Persamaan yang dicari adalah b=B=0.72 1.4 2.04=0.e 0.0 3.517681 10.554190 .4 3.9 5 28.6 Y Q=X P=ln(y) 0.9 11.21 57.5 19.5 19.96)= 151.09602677.

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

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

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

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

x1]= Dalam bentuk tabel iterasi xi f(xi) Pertama 0 40 65 2.5+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.x1]= F[x3.x1.6 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 . x0] b2= f[x2.001666667 .1=77.x2]= F[x2.02 0.f2(45)=65 + 2.x0]= F[x3. x0] : bn= f[xn.1 Kedua -0.x0]= F[x2.04)(45-40)(45-50) f2(45)=65+12.5(45-40) + (-0.5 1 50 90 2.03 Ketiga 0. F[x1. x1 .x2. xn-1 .….

dapat langsung diturunkan dari metode Newton (misal kasus untuk orde pertama): dengan pembagi beda hingga: atau sehingga: f1(x)= f(x0) + (x-x0).625 f3(45)=78.7 3 70 148 Maka: b0=65 b1=2.f[x1.5+0.001666667x(45-40)x(45-50)x(45-60) f3 (45)=65+12.5x(45-40)+(-0.5 b2=-0. x0] menjadi --> polinomial Lagrange Orde Pertama Bentuk umum: dimana: untuk derajat dua: dimana ∏ berarti hasil perkalian dari: untuk derajat tiga: Contoh.02)x(45-40)x(45-50)+0.001666667 f3 (45)=65+2.625 feet INTERPOLASI LAGRANGE Hampir sama dengan metode Newton.5+0.02 b3=-0.2 60 111 3. Selesaikan untuk kecepatan 45 mil/jam dengan interpolasi Lagrange derajat tiga x0 x1 X2 X3 .

Suprajitno Munadi. PENDAHULUAN Sekumpulan persamaan : f1 (X1... Yogyakarta. ..8125+84. Yogyakarta. X2. . 1988. X2..6875+9. X2. Xn) = 0 memerlukan suatu cara untuk menentukan nilai-nilai X1. .... Metode Numerik dalam Ilmu Rekayasa Sipil. . 2001... . Penerbit ITB.375-34. 1990. Raymond P. Metode Numerik. fn(X1.. . Perhitungan Matriks dengan Fortran. Andi Offset. Bandung. . X2. Beta Offset. b: konstanta.. Canale. Xn) = 0 f2 (X1... Xn Bentuk umum persamaan Aljabar linear a11X1 + a12X2 + . Numerical Methods for Engineers .. Xn) = 0 f3 (X1. .75 kesimpulan : Interpolasi Lagrange tidak bagus untuk interpolasi dengan (range) selang yang besar SISTEM PERSAMAAN LINEAR (BAGIAN I) Referensi: .. 1996. .Amrinsyah N & Hasaballah Z. McGrawHill. Chapra... Xn) = 0 . am1 X1 + am2 X2 + ..Kecepatan (mil/jam) Jarak henti (feet) 40 50 60 y0 y1 y2 65 90 111 70 y3 148 f3(45)= 7.Bambang Triatmojo. ... . + a1nXn =b1 a21X1 + a22X2 + . X: Variable . + amnXn =bm dimana: a: koefisien konstanta. Dalam matrik ditulis: JENIS MATRIK BUJUR SANGKAR ISTIMEWA . X2. n: jumlah variabel. + a1nXn =b2 .25=66..Steven C.

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

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

Langkah Penyelesaian: 1. K1] Langkah 3 : melakukan operasi aritmatik dengan pivot [R2. gaya yang bekerja pada setiap titik 1. dan 3 dapat digambarkan seperti pada gambar berikut. 2.5 cos (300)= 0. titik kumpul.866 sin (600)=0. Tentukan penomoran elemen batang. K2] .2. Selesaikan dengan cara kesetimbangan gaya pada titik kumpul. 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. melakukan operasi aritmatis antar baris Langkah 1 : mengubah posisi baris R2 dan R3 Langkah 2 : melakukan operasi aritmatik dengan pivot [R1.866 cos (600)=0. dan reaksi perletakan seperti pada ifigurasi sistem struktur.5 Dengan eliminasi gauss maka.

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

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: .

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

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

4. 2.(-1). DETERMINAN Definisi Misalkan A adalah matriks bujur sangkar. . Maka. baik matriks segitiga atas maupun bawah berukuran nxn.0 + 2.0 . dan didefinisikan sebagai jumlah semua hasil kali elementer bertanda dari A.(-3) . dengan elemen pada baris ke 3 semuanya nol.2.2.0.0 = -8 A adalah matriks segitiga atas sedangkan B adalah matriks segitiga bawah.2. [I] adalah matriks identitas. Bentuk matriks gabungan [G] yang merupakan gabungan matriks [A] dan [I]. Jumlah det(A) disebut sebagai determinan A.(-3) .0. maka |A| =0 Contoh.0.0 .0.1.4. Fungsi determinan dinyatakan oleh Det(A).0 = 0 Teorema 2 Jika A adalah matriks segitiga. Untuk setiap langkah eliminasi lakukan lebih daffluu proses pivoting untuk mencari persamaan pivot. maka = == 4.0 .(-3).4 = -8 + 0 + 0 . 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.0 . Masukkan nilai matriks [A].(-1). = = 2.0 + 0. Lakukan normalisasi sehingga semua elemen diagonal matriks sama dengan 1 (satu). Lakukan eliminasi untuk me-nol-kan bagian segitiga bawah dan segitiga atas matriks.0 . Det(A) atau |A| Contoh.0 .4 + 0. 4.0 + (-3). determinannya adalah hasil kali semua elemen diagonalnya.Algoritma penyelesaian perhitungan invers matriks dengan eliminasi Gauss-Jordan dengan proses pivoting: 1.(-1).2. Diketahui A = yang merupakan matriks segitiga bawah.4(-1). 3. maka : Jika A = .1.

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

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

z=0.571429 3.666667 2.45% 19. lanjutkan ke langkah berikutnya.000000 1.47619. Maka: X(2)=(5-2. perhitungan secara umum dinyatakan sebagai Penetapan nilai variabel menurut proses ini disebut Iterasi Jacobi. sehingga perlu ditetapkan syarat terjadinya konvergensi dalam perhitungan iterasi. yaitu :maksimum Algoritma penyelesaian persamaan simultan dengan iterasi Jacobi: 1.70% . jika telah memenuhi toleransi yang diberikan cetak. z= 2.000000 2 1.474376 3. Langkah 1.12% 11. Iterasi X 1 0.857714+2)/3=1. Z(1)=(10-0+0)/5=2 Langkah 2.571429 Y Z X' Y' Z' Pros(x) Pros(y) Pros(z) 0.857714. Inisialisasi nilai x(0).66667.380952 2.66667+2x2. Y(2)=(20-+3x2)/7=2. Masukkan nilai matriks [A] dan (b) yang membentuk persamaan simultan linear.666667 3 1. Selesaikan sistem persamaan berikut dengan metode iterasi Jacobi. ada kemungkinan konvergensi tercapai secara lambat. y= 2.129252 2. Maka: X(1)=(5-0+0)/3=1.Untuk iterasi ke-I.69% 3. 3.000000 2.380952 4 1.000000 1.76190.623129 6.23% 2.857143 2. Dengan nilai awal sembarang . 3x+ y. Z(2)=(10-2x1. Contoh.50% 2. dan ulangi langkah (3). nilai x(1) sebagai hasil akhir perhitungan dan hentikan program.129252 2.761905 2. dimasukkan nilai x=0.476190 1.58% 2. Y(1)=(20-0+0)/7=2. dimasukkan nilai x=1.74% 2. .z =5 4x+7y-3z=20 2x-2y+5z=10 Sistem persamaan dapat ditulis dalam bentuk: .66667.761905 2. Dalam bentuk tabel. Periksa basil perhitungan.857143 2. Jika tidak. 5.552381 1. serta toleransi perhitungan.053061 2. Hitung harga x(1) dengan rumusan iterasi Jacobi. 2.38095. Gantikan nilai x(0) dengan x(1). y=0. 4.552381 12.857714.476190 20.99% 3.857714)/5=2.000000 0.

Dengan metode ini konvergensi akan tercapai lebih cepat.133551 2.03% Iterasi Gauss-Seidel sebagai cara penyelesaian persamaan linear simultan tidak jauh berbeda dengan iterasi Jacobi. dan [U] : matrik triangular atas.72% 7 1.497545 3.497545 3.510588 3.56% 0.138840 2.45% 9 1.507229 3.646753 1. Menyelesaikan [U]{x} = {z} Sebagai contoh.131501 2. Menyelesaikan [L]{z) = {b}.73% 0. Pada iterasi Gauss-Seidel. c).646194 1.646753 0. [U] Bila persamaan linear: [A]{x} ={b).135486 2.5 1. b). Z= 2.128272 2.114428 2. maka matrik tersebut dapat diuraikan menjadi: matrik triangular [L] dan [U] Dimana [L] merupakan matrik triangular bawah.649959 1.02% 0.650529 0.23% 0.505419.646194 1. Mendapatkan matriks [L] dan [U]. Matriks [U] sama dengan matriks triangulasi yang diperoleh dari metode Gauss.523356 3.67% 0. ditinjau proses dekomposisi LU untuk menyelesaikan persamaan 5X1 . maka mengisikan matriks [A] dengan [L] [U] menghasilkan[L][U]{x} ={b} Beiaiti terdapat dua sistem: [L] {z} = {b} untuk mencari {z}.631474 3.32% 0.17% 0.053061 2.12% Maka X= 1.623129 1.505419 3.507229 3.523356 3.503756 3. dan (U] {x} = {z} untuk memperoleh {x}. Bentuk iteratif persamaan iterasi adalah sebagai berikut: MATRIK DEKOMPOSISI METODE DEKOMPOSISI LU Jika suatu matrik [A] bukan singular (determinan bukan nol).78% 0.07% 0.86% 8 1.131501.649807 0.503756 3.2X2 +3X3 =5 X1 +4X2 -2X3 =9 3X1 +2X2 -5X3 =8 Dalam bentuk matriks : untuk proses dekomposisi menggunakan: .114428 2.135486 2.631474 1.510588 3.22% 6 1.128272 2.12% 0.23% 10 1.649807 1.649959 0.133551 2. Algoritma proses dekomposisi LU: a).01% 0. Sehingga [A]= [L]. nilai hasil perhitungan pada baris awal langsung digunakan untuk perhitungan nilai selanjutnya di dalam iterasi.474376 3.650529 ITERASI GAUSS-SEIDEL 2. Y= 3.138840 2.

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

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

Dengan demikiau unsur matriks simetri dirumuskan sebagai aij =aji. i= 1.u12). dengan kedua matriks satu sama lain adalah matriks transpose... persamaan linear simultan yang diperoleh dari rumusan matematika berdasarkan teori elastis umumnya mempunyai unsur koefisien variabel yang simetris..i? j.u13).dalam bentuk umum Xn=Yn Xi=Yi-Uij. u11= ..u13)+(u22.3.Xj untuk i=n-1.u1n) nyatakan unsur u1j dalam aij.u23).….3. J= 1.2 METODE CHOLESKY Dalam ilmu rekayasa. j=i+1. Matriks simetri dapat dinyatakan dalam produk matriks triangulasi bawah dengan matrik triangulasi atas. a13=(u11.1.. a1n=(u11. unsur matriks baris sama dengan unsur matriks kolom pada indeks baris dan kolom yang sama. u12= a12 / . Faktorisasi matrik [A]=[U]T[U] hubungan unsur aij dan uij pada baris pertama a11=(u11)2.…. nyatakan unsur u2j dalam aij.n. Persamaan linear simultan itu dapat dinyatakan sebagai atau [A]{X}={B} Matriks [A] disebut matriks simetri apabila di luar unsur diagonal. u13=a13/ . a12=(u11. u1n =a1n / baris kedua a22=(u12)2+=(u22)2 .2.2..n.. a23=(u12.. .

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