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

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

dan jumlah iterasi maksimum. Tentukan a.125 23 .25 2.125 0.5 -1. Jika nilai mutlak (m-a) < toleransi.2003 1. keluar dari progam karena pada selang yang diberikan tidak terdapat akar persamaan.2003 1. jika tidak.5 2.5 F(b) 22 4. kecuali mengganti penentuan m dengan rumusan : Gambar 4.125 -0.25 f(m) 4. proses memang dihentikan jika dicapai nilai mutlak f(m)<10-6. dan akhiri program.25 -1 2. Periksa apakah f(a) x f(b) > 0.0382 2. Algoritma: a). jika ya.5 -1.8821 b 3 2. b.a 2 2 2 f(a) -1 -1 m 2. tuliskan m sebagai hasil perhitungan. Proses dengan cara ini memberikan perhitungan yang lebih cepat dibandingkan dengan metode Bisection.2003 2. Hitung nilai : d). c). toleransi. METODE REGULA FALSI atau INTERPOLASI LINIER algoritmanya sama seperti metode Bisection. b). Pada algoritma. 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 0.125 -0.8821 1. Penentuan nilai m dari perpotongan garis lurus melalui dua titik. lanjutkan ke langkah berikutnya.0382 Kelebihan: • Konvergen • Mudah untuk dibuat program • Tingkat kesalahan kecil Kekurangan: • Konvergensi bersifat linier • Menghasilkan satu akar saja dalam perhitungan • Lambat dalam proses perhitungan.

150446331 Gambar 6.197 1. 3.352 -1. Keuntungan cara ini adalah sifat sehingga dimana k=0. 1.150446331 23 -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. Garis singgung f(xk) memotong di xk+i.42082993 -1.0.717921989 1.19690265 -0. dan dengan menggunakan besaran x dari perpotongan garis singgung terhadap absis sehingga diperoleh nilai x baru. Gambar 7. Metode ini diperlihatkan pada gambar berikut. 2.90909091 0.35197886 -0.717921989 2 3 -0. Kurva hasil perhitungan dengan Regula Falsi.356636546 1. .07513148 23 -0.356636546 23 -0.356636546 1.07513148 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.42082993 -0.352 1.909 1.

3x .Harus mencari f(x).20.080859 METODE SECANT f(xk) 90 21. Dimana Sehingga dalam persamaan Newton-Rhapson menjadi: Algoritma program untuk metode Secant: 1. jika tidak.00023 f'(xk) 72 39.201754 3 3.000229985 7. Hitung Xbaru = x . Tentukan Xo. Hitung Xbaru = X1 .216661 0.3). toleransi.3 Dengan demikian x k+1 = xk . 3.216661132 0.f(X1)( X1.085854 3.75 3.(5)-20 =90 f'(5)=3(5)2-3 =72 xbaru=5-(90/72)=3. Kekurangan metode ini adalah : . 6. yaitu nilai turunan f'(x) didekati dengan beda hingga (∆) gambar 9.47525192 F(xk+1) 21.080868 5 3.127469447 0. akhiri program. diperoleh tulisan xbaru sebagai hasil perhitungan. . Tentukan X0. lanjutkan ke langkah berikutnya. 5.484375 3.f'(x0)/f(X0). X1 .085854 4 3.080868 3.Dalam perhitungan ada kemungkinan besar proses memberikan hasil divergen.1875 27. maka f1(x) = 3x2. toleransi. Jika nilai mutlak (Xbaru . Perkiraan awal xo = 5 Maka: f(5)=53-3. Algoritma program untuk metode Newton-Raphson: 1. dan jumlah iterasi maksimum. kecuali nilai perkiraan awal x cukup tepat.75 iterasi Xk Xk+1 1 5 3.(x3k .127469 0.53268E-10 Merupakan perbaikan dari kekurangan yang dimiliki oleh metode newton. Contoh f(x) = x3 . 3.Tidaklah sederhana melacak proses untuk konvergen. karena terjadinya koreksi digit ganda di setiap proses.X1) < toleransi.201754 3. diperoleh tulisan xbaru sebagai hasil perhitungan.75 2 3. Jika jumlah iterasi > iterasi maksimum.20) / (3x2k . X = Xbaru. dan jumlah iterasi maksimum. Jika nilai mutlak (Xbaru .X0) < toleransi.5674865 25. .konvergensi kuadratik dalam proses iterasi.X0)/f(X1 .75369344 25.X0). 2. dan nilainya mungkin 0. . 4. Penentuan nilai turunan fungsi dengan metode Secant. dan kembali ke langkah (b).48438 3. 2.3xk .

langkah pertama yang dilakukan adalah mengubah persamaan dalam bentuk f(x) = x .20.3673469--13.0811 .. X7 = 3.082034087 -3.029936467 0.080849690 3.058058742 3..587438053 -18 -13.3x .83464426 x4= 2.83464426 15.83464426 =3.576057128 0.029936467 -0. 5.1.058058742 15. akhiri program. 6.3673469' f(2.1.302376572 -0. diperoleh x0 =5 X1 =(3*5+20)1/3 =3.000248906 07 X2 X3 f(x1) f'(x2) METODE ITERASI merupakan Metode perkiraan awal untuk satu variabel..082034087 3.0830 X4 =3.x-(x3 -20)/3 =0 (iii).x-20/(x2 -3) =0 (iv).2.080849690 -0..576057128 0. dan kembali ke langkah (b).944590049 3. Contoh: f(x) = x3 . k= 0. Dalam hal ini fnngsi f(x) ditulis sebagai: f(x) = x ..40697963 -3.944590049 3.367346900 3.1008 X3 =3.2771 + 20)1/3 = 3.83464426 15. dan dengan perkiraan awal xo = 5.06044E3.g(x).302376572 0. kemudian Xk+1 = g(Xk).080859456 0.3673469 iterasi kedua: X2 = 2 ' f(2)=-18 x3=2.0809 Xs = 3.3x .40697963 2.944590049 -13. X = Xbaru.83464426 2 2.587438053 2.587438053 iterasi X1 1 2 3 4 5 5 5 F(x3) 6 2 2.2.0809 .2771 X2 = (3 * 3.058058742 3.40697963 3. Untuk mendapatkan akar persamaan x3 . jika tidak.302376572 3.20 = 0.367346900 3.4. Perkiraan awal X1=6 ' f(6)=178 X2 = 2 ' f(2)=-18 iterasi pertama: x3= x3=178-6 =2. Jika jumlah iterasi > iterasi maksimum.367346900 178 -18 13. sehingga λ= g(λ).3673469)= -13. x6 =3..g(x) = 0.0809 ..576057128 2. k= 0. x-(3x+20)1/3 =0 (ii).x-(3+20/x)1/2 =0 Dengan menggunakan bentuk pertama dapat dinyatakan rumusan : Xk+i=(3xk +20)1/3 .587438053 2.082034087 3. Perubahan ini dapat dilakukan melalui empat cara: (i).000248906 -1.029936467 3. lanjutkan ke langkah berikutnya.

konvergensi dari solusi metode iterasi dapat dilacak dari perilaku turunan pertama fungsi. Turunan fungsi g(x) berada pada . sedangkan pada cara i dan cara iv. garis singgung y = g(x) lebih tajam daripada garis singgung y = x dekat nilai akar.gambar 10.6458 2 14285 -9. Geometri f(x) = x . Sajian grafik bentuk fungsi cara ii .0808 Dari contoh hitungan dapat dilihat bahwa cara iterasi tidak selalu dapat digunakan.. Guna mengetahui pada awal proses bahwa metode ini dapat dipakai. x-(x3 -20)/3 =0 (iii). 1.9091 2.0257 4 3. Jika diamati tiga cara penulisan f(x) sebagai x . perlu diperiksa bentuk fungsi. memberikan hasil seperti tercantum dalam Tabel k Cara ii Cara iii Cara iV 0555 1 35 0. Dengan demikian..0801 8 3.g(x): (ii). maka seri besaran Xk.2495 3 (tidak banyak manfaatnya untuk dilanjutkan) 3. 2. x .0811 9 3. k = 0..g(x) = 0 Terlihat mudah mendapatkan akar persamaan dengan proses tersebut. . x-20/(x2 -3) =0 (iv). bila dipahami benar perilaku fungsi.(3 + 20/x)1/2= 0. Perhatikan gambar berikut. 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 = 3.2015 3.0831 7 3. dan menggunakan perkiraan awal X0 = 5.0743 6 3.iv adalah seperti pada Gambar berikut Gambar 11. ini berarti nilai absolut g'(x) < 1 di dekat nilai akar.1 5 3.

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

y2) .x merupakan bentuk linier f(x)= a0 + a1.. Analisis kurva data pengamatan. Misal data :(x1.. Pengamatan gaya aksial perpanjangan [ton] [mm] 7.4 18.xn Dimana: n: derajat dari polinomial yang dipergunakan maka bila: f(x)=a+ a1.1 28. maka persamaan y = aebx dapat merupakan fungsi kurva untuk menyatakan hubungan x dan y. diperoleh data sebagai berikut. en=yn-f(xn).x +a2. kurva terbaik mempunyai karakteristik: ∏= (e1)2+(e2)2+…+(en)2= minimum dimana f(x) merupakan suatu polinomial pendekatan: Y= a0 + a1.x2 + .9 11. Dalam percobaan benda uji tulangan baja untuk mendapatkan hubungan antara besaran gaya dan perpindahan. .y sebagai besaran gaya aksial.x2+a3..Contoh.6 Jika absis . + an. sehubungan dengan penentuaan sifat bahan..0 3. Apabila r = 0 perkiraan suatu fungsi sangat jelek.y1).x2 merupakan bentuk kurva derajat dua f(x)= a0 + a1. Konstanta a dan b dapat ditentukan sehingga analisis kurva bagi hasil benda uji dapat diuji ketelitiannya sebagai rumusan pendekatan hubungan antara gaya dan perpanjangan.. Metode ini berasumsi bahwa kurva terbaik yang dihasilkan adalah kurva yang mempunyai jumlah total kuadrat kesalahan minimum (least square error) dari data. (x2.0 23..yn).7 2.x menyatakan perpanjangan dan ordinal .x +a2. e2=y2-f(x2).x +a2. dihitung nilai koefisien korelasi yang berbentuk: dimana r: koefisien korelasi Untuk perkiraan yang sempurna nilai r = 1..5 19.5 7.x3 merupakan bentuk kurva derajat tiga KOEFISIEN KORELASI Untuk mengetahui derajat kesesuaian dari persamaan yang didapat. Menurut metode ini. . REGRESI KUADRAT TERKECIL (LEAST SQUARES METHOD) Gambar 1. . dimana adalah variable bebas dan adalah variable terikat. .. pencocokan Kurva mempunyai deviasi (error) e dari setiap titik data e1=y1-f(x1).4 10. (xn.

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

04 69 595. NO X Y X.8544= 0. kurva hasil regresi LINIERISASI KURVA TIDAK LINIER Data tidak cocok untuk linier Garis Lengkung lebih cocok .24/788.Pertanyaan: Gambarkan kurva dari data dan dari hasil persamaan regresi linear dalam satu grafik.Y X2 1 5 4 20 25 2 10 8 80 100 3 7 5 35 49 4 7.6916 10 15 7 105 225 jumlah 82.3755 a= =6.819398 persamaan garis: y= 3.204=3.25 5 7 6 42 49 6 6 6 36 36 7 10 10 100 100 8 9 10 90 81 9 5. berapakah lebar jalur sepeda yang aman.807195739 gambar 01.54 5 27.5 8 60 56.7 30.819398+ 0. Jika jarak minimum jalur sepeda dari lalu-lintas umum adalah 6 ft.9-0.3755X untuk y=6 ft maka x=5.3755x8.7 751.9416 b=296.

nilai A dan B dicari dengan menggunakan 5. b. Persamaan sementara diubah menjadi: p= A + B .ebx 2. Transformasi dengan Ln: Ln y = ln a + b. log x ALGORITMA: Transformasi Log Transformasi Ln 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.x PERSAMAAN BERPANGKAT Diberikan dalam bentuk: Y= a.Untuk itu perlu dilakukan pendekatan.5 23. Persamaan yang dicari Y= a. Persamaan sementara diubah menjadi: p= A + 4.4 7.q 5.xb 1.0 18. nilai A dan B dicari dengan menggunakan rumus regresi linier biasa rumus regresi linier biasa 6.x .ebx dimana a dan b adalah konstanta. Transformasi dengan Log: Log y = log a + 2.log x 3.9 Pengamatan perpanjangan [mm] 2. x b. karena ln e= 1.4 3.xb contoh : suatu test pembebanan Pengamatan gaya aksial [ton] 7.ebx Y= a.0 11.7 10. Persamaan yang dicari Y= a. Yaitu dengan dua cara: FUNGSI EKSPONENSIAL Diberikan dalam bentuk: Y= a.1 .q B . maka: Ln y = ln a + b. Dilakukan transformasi : 3. Persamaan tersebut menjadi Ln y = ln a + ln e . setelah A dan B ketemu persamaan dikembalikan lagi ke : dikembalikan lagi ke : Y= a. setelah A dan B ketemu persamaan 6.xb Dimana a dan b adalah konstanta Persamaan tersebut menjadi Log y = log a + b.

7 2.21 57.x Gambar Fungsi linear pada skala logaritma.802605 jumlah 88.0 7.8855258 B= =(986.5 18.28.96)= 151.5 7 342.5 19.e 0.9 11.20193.999335 571.7 3.5 7.5 2.7411113 12.0 3.6 28.201934 7.09602677 karena: A=ln(a)--> maka 0.29 100 PxQ 6.2879294)/( 9425-7849.9 11.20193 sehingga persamaan: Y= a.6 Y Q=X P=ln(y) 0.5 19.ebx --> Y=1.94591 2.427629 1885 197.306787 rerata 17.102364 23.223775 1.875469 1.533934-835.5 Maka: NO X 1 2 3 4 10 19.25 84.6 9.517681 10.183931416=ln(a) a=1.4 10 18.23775 7.09602677 A= Persamaan yang dicari adalah b=B=0.7 2.72 1.929000 28.97553 812.04=0.4 2.6 18.25 35.5259855 23.4 7. x Ydata Y hitungan 0.1 23.554190 .406945 Q2 59.0 1.9 5 28.09602677.1 11.139928 18.4 3.2460046/1575.

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

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

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

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

1=77. x1 . x0] : bn= f[xn.1 Kedua -0.x1]= F[x3.04)(45-40)(45-50) f2(45)=65+12.….02 0.f2(45)=65 + 2. 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.x2]= F[x2. x0] b2= f[x2. F[x1.001666667 .5 1 50 90 2.x1]= Dalam bentuk tabel iterasi xi f(xi) Pertama 0 40 65 2. xn-1 .03 Ketiga 0.x0]= F[x2.5(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 .5+0.x0]= F[x3.x1.x2.

2 60 111 3. dapat langsung diturunkan dari metode Newton (misal kasus untuk orde pertama): dengan pembagi beda hingga: atau sehingga: f1(x)= f(x0) + (x-x0).02 b3=-0. x0] menjadi --> polinomial Lagrange Orde Pertama Bentuk umum: dimana: untuk derajat dua: dimana ∏ berarti hasil perkalian dari: untuk derajat tiga: Contoh.7 3 70 148 Maka: b0=65 b1=2.f[x1.5x(45-40)+(-0.625 feet INTERPOLASI LAGRANGE Hampir sama dengan metode Newton.5 b2=-0.625 f3(45)=78.001666667x(45-40)x(45-50)x(45-60) f3 (45)=65+12.5+0.5+0. Selesaikan untuk kecepatan 45 mil/jam dengan interpolasi Lagrange derajat tiga x0 x1 X2 X3 .02)x(45-40)x(45-50)+0.001666667 f3 (45)=65+2.

. . Xn) = 0 f2 (X1..8125+84..Amrinsyah N & Hasaballah Z..75 kesimpulan : Interpolasi Lagrange tidak bagus untuk interpolasi dengan (range) selang yang besar SISTEM PERSAMAAN LINEAR (BAGIAN I) Referensi: .. Canale. .Suprajitno Munadi. Metode Numerik.. + amnXn =bm dimana: a: koefisien konstanta. . Xn) = 0 memerlukan suatu cara untuk menentukan nilai-nilai X1.. . X2. 1996.375-34.. . Yogyakarta. fn(X1. Xn) = 0 . b: konstanta. Xn Bentuk umum persamaan Aljabar linear a11X1 + a12X2 + .6875+9. Dalam matrik ditulis: JENIS MATRIK BUJUR SANGKAR ISTIMEWA . n: jumlah variabel.Kecepatan (mil/jam) Jarak henti (feet) 40 50 60 y0 y1 y2 65 90 111 70 y3 148 f3(45)= 7.. X2. Chapra. + a1nXn =b2 . Metode Numerik dalam Ilmu Rekayasa Sipil. Penerbit ITB.Bambang Triatmojo.. Xn) = 0 f3 (X1..Steven C. Bandung. 1988. Beta Offset. . . PENDAHULUAN Sekumpulan persamaan : f1 (X1. Andi Offset.... . Perhitungan Matriks dengan Fortran.. McGrawHill. X2.. Numerical Methods for Engineers . + a1nXn =b1 a21X1 + a22X2 + . . 2001. am1 X1 + am2 X2 + . Raymond P.. X2. Yogyakarta. X2.. X: Variable . ....25=66. . 1990.

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

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

Langkah Penyelesaian: 1. dan 3 dapat digambarkan seperti pada gambar berikut. titik kumpul.2.5 Dengan eliminasi gauss maka.866 cos (600)=0. K2] .866 sin (600)=0.5 cos (300)= 0. melakukan operasi aritmatis antar baris Langkah 1 : mengubah posisi baris R2 dan R3 Langkah 2 : melakukan operasi aritmatik dengan pivot [R1. Tentukan penomoran elemen batang. dan reaksi perletakan seperti pada ifigurasi sistem struktur. Selesaikan dengan cara kesetimbangan gaya pada titik kumpul. K1] Langkah 3 : melakukan operasi aritmatik dengan pivot [R2. 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. 2. gaya yang bekerja pada setiap titik 1.

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

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: .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).

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

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] .

0 . Diketahui A = yang merupakan matriks segitiga bawah.1.4 + 0. Bentuk matriks gabungan [G] yang merupakan gabungan matriks [A] dan [I].0.0 = -8 A adalah matriks segitiga atas sedangkan B adalah matriks segitiga bawah.2.0 . Fungsi determinan dinyatakan oleh Det(A). Lakukan normalisasi sehingga semua elemen diagonal matriks sama dengan 1 (satu).2. Untuk setiap langkah eliminasi lakukan lebih daffluu proses pivoting untuk mencari persamaan pivot.2.1.4.0.Algoritma penyelesaian perhitungan invers matriks dengan eliminasi Gauss-Jordan dengan proses pivoting: 1. 3.(-1).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 = 0 Teorema 2 Jika A adalah matriks segitiga. baik matriks segitiga atas maupun bawah berukuran nxn. dan didefinisikan sebagai jumlah semua hasil kali elementer bertanda dari A. maka = == 4. maka : Jika A = .0 . [I] adalah matriks identitas. dengan elemen pada baris ke 3 semuanya nol. Det(A) atau |A| Contoh. 4.2.4(-1).0.0 .4. DETERMINAN Definisi Misalkan A adalah matriks bujur sangkar. maka |A| =0 Contoh.(-3).0 + 2. 2.4 = -8 + 0 + 0 . Lakukan eliminasi untuk me-nol-kan bagian segitiga bawah dan segitiga atas matriks.0 + (-3).(-3) .0 . Jumlah det(A) disebut sebagai determinan A. determinannya adalah hasil kali semua elemen diagonalnya. .(-1).(-1). = = 2. Masukkan nilai matriks [A].(-3) .0.0 + 0. Maka.

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

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

y=0. 5.571429 3.857714.857143 2. z= 2.552381 12. Masukkan nilai matriks [A] dan (b) yang membentuk persamaan simultan linear. y= 2. Inisialisasi nilai x(0). Z(2)=(10-2x1. Gantikan nilai x(0) dengan x(1). nilai x(1) sebagai hasil akhir perhitungan dan hentikan program. sehingga perlu ditetapkan syarat terjadinya konvergensi dalam perhitungan iterasi. dimasukkan nilai x=1.47619. Contoh. Z(1)=(10-0+0)/5=2 Langkah 2. Periksa basil perhitungan. Y(1)=(20-0+0)/7=2.476190 1.857714)/5=2.857714+2)/3=1.000000 2 1. lanjutkan ke langkah berikutnya. 3. Hitung harga x(1) dengan rumusan iterasi Jacobi.476190 20. perhitungan secara umum dinyatakan sebagai Penetapan nilai variabel menurut proses ini disebut Iterasi Jacobi.857714.623129 6.380952 2. Dengan nilai awal sembarang .Untuk iterasi ke-I. dan ulangi langkah (3). Maka: X(2)=(5-2.474376 3. Y(2)=(20-+3x2)/7=2.23% 2.552381 1. Jika tidak. Maka: X(1)=(5-0+0)/3=1.69% 3. dimasukkan nilai x=0.45% 19.66667. serta toleransi perhitungan.380952 4 1.76190.z =5 4x+7y-3z=20 2x-2y+5z=10 Sistem persamaan dapat ditulis dalam bentuk: .666667 3 1.053061 2.12% 11.38095. Iterasi X 1 0. Dalam bentuk tabel. 3x+ y. .129252 2. Selesaikan sistem persamaan berikut dengan metode iterasi Jacobi.50% 2.58% 2.761905 2.761905 2. jika telah memenuhi toleransi yang diberikan cetak.857143 2.000000 2. 2.70% .66667.666667 2.99% 3.74% 2.000000 1.129252 2.571429 Y Z X' Y' Z' Pros(x) Pros(y) Pros(z) 0. 4. ada kemungkinan konvergensi tercapai secara lambat.000000 1. z=0. yaitu :maksimum Algoritma penyelesaian persamaan simultan dengan iterasi Jacobi: 1.66667+2x2.000000 0. Langkah 1.

17% 0.56% 0.138840 2.523356 3.523356 3.650529 0.135486 2.22% 6 1.12% Maka X= 1.23% 10 1.114428 2.649807 1.646194 1. Sehingga [A]= [L]. nilai hasil perhitungan pada baris awal langsung digunakan untuk perhitungan nilai selanjutnya di dalam iterasi. [U] Bila persamaan linear: [A]{x} ={b). Bentuk iteratif persamaan iterasi adalah sebagai berikut: MATRIK DEKOMPOSISI METODE DEKOMPOSISI LU Jika suatu matrik [A] bukan singular (determinan bukan nol).07% 0.649959 1. Algoritma proses dekomposisi LU: a).503756 3. dan [U] : matrik triangular atas.12% 0.131501. b).646194 1.510588 3.505419 3.5 1. c).01% 0. Menyelesaikan [U]{x} = {z} Sebagai contoh.646753 0.507229 3.78% 0. ditinjau proses dekomposisi LU untuk menyelesaikan persamaan 5X1 .497545 3. Pada iterasi Gauss-Seidel. dan (U] {x} = {z} untuk memperoleh {x}.507229 3.053061 2.45% 9 1.138840 2.650529 ITERASI GAUSS-SEIDEL 2.72% 7 1.86% 8 1.631474 3.73% 0.135486 2.23% 0. Z= 2. maka mengisikan matriks [A] dengan [L] [U] menghasilkan[L][U]{x} ={b} Beiaiti terdapat dua sistem: [L] {z} = {b} untuk mencari {z}.133551 2.510588 3.03% Iterasi Gauss-Seidel sebagai cara penyelesaian persamaan linear simultan tidak jauh berbeda dengan iterasi Jacobi. Matriks [U] sama dengan matriks triangulasi yang diperoleh dari metode Gauss.474376 3.649959 0. Y= 3.133551 2.505419.623129 1.32% 0.497545 3. Mendapatkan matriks [L] dan [U]. Menyelesaikan [L]{z) = {b}.2X2 +3X3 =5 X1 +4X2 -2X3 =9 3X1 +2X2 -5X3 =8 Dalam bentuk matriks : untuk proses dekomposisi menggunakan: . maka matrik tersebut dapat diuraikan menjadi: matrik triangular [L] dan [U] Dimana [L] merupakan matrik triangular bawah.02% 0.128272 2.131501 2.128272 2.503756 3.649807 0.646753 1.631474 1.67% 0.114428 2. Dengan metode ini konvergensi akan tercapai lebih cepat.

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

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

.. Faktorisasi matrik [A]=[U]T[U] hubungan unsur aij dan uij pada baris pertama a11=(u11)2. a13=(u11.u1n) nyatakan unsur u1j dalam aij.. a12=(u11. a23=(u12..2.u13)+(u22.u13)..2 METODE CHOLESKY Dalam ilmu rekayasa...2.3.…. . unsur matriks baris sama dengan unsur matriks kolom pada indeks baris dan kolom yang sama. u12= a12 / .n. Persamaan linear simultan itu dapat dinyatakan sebagai atau [A]{X}={B} Matriks [A] disebut matriks simetri apabila di luar unsur diagonal. a1n=(u11.…. i= 1. nyatakan unsur u2j dalam aij. Matriks simetri dapat dinyatakan dalam produk matriks triangulasi bawah dengan matrik triangulasi atas. dengan kedua matriks satu sama lain adalah matriks transpose.1. j=i+1.u23). u1n =a1n / baris kedua a22=(u12)2+=(u22)2 . Dengan demikiau unsur matriks simetri dirumuskan sebagai aij =aji. J= 1.dalam bentuk umum Xn=Yn Xi=Yi-Uij.u12). u11= .i? j.n.3.. persamaan linear simultan yang diperoleh dari rumusan matematika berdasarkan teori elastis umumnya mempunyai unsur koefisien variabel yang simetris. u13=a13/ .Xj untuk i=n-1.

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

Sign up to vote on this title
UsefulNot useful