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

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

8821 b 3 2. b). proses memang dihentikan jika dicapai nilai mutlak f(m)<10-6. Tentukan a. c). dan akhiri program. kecuali mengganti penentuan m dengan rumusan : Gambar 4. Pada algoritma.0382 2.25 -1 2. 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. dan jumlah iterasi maksimum. Hitung nilai : d).0382 Kelebihan: • Konvergen • Mudah untuk dibuat program • Tingkat kesalahan kecil Kekurangan: • Konvergensi bersifat linier • Menghasilkan satu akar saja dalam perhitungan • Lambat dalam proses perhitungan.2003 2.25 2. METODE REGULA FALSI atau INTERPOLASI LINIER algoritmanya sama seperti metode Bisection. Penentuan nilai m dari perpotongan garis lurus melalui dua titik. jika ya.5 -1.8821 1. Periksa apakah f(a) x f(b) > 0.125 23 . Proses dengan cara ini memberikan perhitungan yang lebih cepat dibandingkan dengan metode Bisection. jika tidak. tuliskan m sebagai hasil perhitungan.25 f(m) 4. lanjutkan ke langkah berikutnya.5 2. toleransi.125 -0.5 -1.125 -0.125 0. keluar dari progam karena pada selang yang diberikan tidak terdapat akar persamaan. b.5 F(b) 22 4. Jika nilai mutlak (m-a) < toleransi. Algoritma: a).2003 1.a 2 2 2 f(a) -1 -1 m 2.

150446331 Gambar 6. 1.197 1. 3. Garis singgung f(xk) memotong di xk+i.356636546 1. Dari diagram ini terlihat tangensial (garis singgung) f(x) adalah : atau … Metode ini dikenal dengan METODE NEWTON-RAPHSON dan merupakan salah satu cara yang paling dikenal dalam metode penyelesaian fungsi f(x) = 0.352 1.0.356636546 1.717921989 1. .150446331 23 -0.35197886 -0.19690265 -0.07513148 23 -0. METODE NEWTON-RAPHSON Metode yang lebih baik dalam memilih g'(x) adalah dengan membuat garis singgung dari f(x) untuk nilai x yang dipilih. Metode ini diperlihatkan pada gambar berikut.07513148 1.42082993 -1.909 1. Gambar 7. 2. Keuntungan cara ini adalah sifat sehingga dimana k=0.42082993 -0.352 -1.717921989 2 3 -0. Kurva hasil perhitungan dengan Regula Falsi. dan dengan menggunakan besaran x dari perpotongan garis singgung terhadap absis sehingga diperoleh nilai x baru.356636546 23 -0.90909091 0.

3. .X0) < toleransi. Jika nilai mutlak (Xbaru . Tentukan Xo.konvergensi kuadratik dalam proses iterasi.(x3k .(5)-20 =90 f'(5)=3(5)2-3 =72 xbaru=5-(90/72)=3. X = Xbaru.f(X1)( X1.48438 3.216661 0. maka f1(x) = 3x2.47525192 F(xk+1) 21.20) / (3x2k . dan nilainya mungkin 0. toleransi. Hitung Xbaru = x .20. Penentuan nilai turunan fungsi dengan metode Secant. Tentukan X0.53268E-10 Merupakan perbaikan dari kekurangan yang dimiliki oleh metode newton.75 3. Jika jumlah iterasi > iterasi maksimum. 4.75 iterasi Xk Xk+1 1 5 3.080859 METODE SECANT f(xk) 90 21.X0)/f(X1 . karena terjadinya koreksi digit ganda di setiap proses. toleransi. 2.X0). dan kembali ke langkah (b). diperoleh tulisan xbaru sebagai hasil perhitungan. jika tidak. yaitu nilai turunan f'(x) didekati dengan beda hingga (∆) gambar 9.201754 3 3.Tidaklah sederhana melacak proses untuk konvergen. akhiri program.Harus mencari f(x). 5. lanjutkan ke langkah berikutnya. Algoritma program untuk metode Newton-Raphson: 1.000229985 7.080868 5 3. 3. Hitung Xbaru = X1 . .085854 3.216661132 0.f'(x0)/f(X0). .Dalam perhitungan ada kemungkinan besar proses memberikan hasil divergen.75 2 3.127469 0.5674865 25. diperoleh tulisan xbaru sebagai hasil perhitungan. dan jumlah iterasi maksimum. X1 .X1) < toleransi.080868 3. Perkiraan awal xo = 5 Maka: f(5)=53-3.00023 f'(xk) 72 39.127469447 0. Contoh f(x) = x3 . 2. Dimana Sehingga dalam persamaan Newton-Rhapson menjadi: Algoritma program untuk metode Secant: 1. dan jumlah iterasi maksimum.201754 3. kecuali nilai perkiraan awal x cukup tepat.3x .085854 4 3.3). Kekurangan metode ini adalah : .3 Dengan demikian x k+1 = xk .1875 27. Jika nilai mutlak (Xbaru . 6.75369344 25.3xk .484375 3.

. k= 0.302376572 -0.40697963 -3.1. X7 = 3. 6.029936467 3.4.0809 . Jika jumlah iterasi > iterasi maksimum.0809 Xs = 3.587438053 2. akhiri program.83464426 2 2.83464426 15.080859456 0.x-20/(x2 -3) =0 (iv).576057128 0.587438053 iterasi X1 1 2 3 4 5 5 5 F(x3) 6 2 2.0809 .0811 .058058742 3.302376572 0. Contoh: f(x) = x3 .40697963 2.029936467 -0.x-(3+20/x)1/2 =0 Dengan menggunakan bentuk pertama dapat dinyatakan rumusan : Xk+i=(3xk +20)1/3 ..2. Dalam hal ini fnngsi f(x) ditulis sebagai: f(x) = x .367346900 178 -18 13.058058742 3. diperoleh x0 =5 X1 =(3*5+20)1/3 =3.1008 X3 =3. dan kembali ke langkah (b). jika tidak.587438053 2..2.029936467 0.2771 + 20)1/3 = 3..944590049 3. 5.83464426 15.3673469' f(2.2771 X2 = (3 * 3.367346900 3. sehingga λ= g(λ).3x . Untuk mendapatkan akar persamaan x3 .058058742 15.40697963 3.3673469--13.06044E3.576057128 2.080849690 -0.20.000248906 -1.83464426 =3.x-(x3 -20)/3 =0 (iii). k= 0.587438053 -18 -13. 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. X = Xbaru.83464426 x4= 2.302376572 3. lanjutkan ke langkah berikutnya.3673469)= -13. x6 =3.082034087 -3. kemudian Xk+1 = g(Xk). x-(3x+20)1/3 =0 (ii).080849690 3. dan dengan perkiraan awal xo = 5.576057128 0.0830 X4 =3.g(x) = 0.3x . Perkiraan awal X1=6 ' f(6)=178 X2 = 2 ' f(2)=-18 iterasi pertama: x3= x3=178-6 =2.944590049 3..082034087 3. langkah pertama yang dilakukan adalah mengubah persamaan dalam bentuk f(x) = x .944590049 -13...082034087 3.1.3673469 iterasi kedua: X2 = 2 ' f(2)=-18 x3=2.g(x).20 = 0.367346900 3.

Sajian grafik bentuk fungsi cara ii . Dengan demikian. dan menggunakan perkiraan awal X0 = 5. Sajian fungsi y = g(x) cara (iii) dan (iv) Dengan meneliti grafik tampak bahwa bagi cara ii dan iii.0808 Dari contoh hitungan dapat dilihat bahwa cara iterasi tidak selalu dapat digunakan.6458 2 14285 -9. konvergensi dari solusi metode iterasi dapat dilacak dari perilaku turunan pertama fungsi. x-(x3 -20)/3 =0 (iii). k = 0. memberikan hasil seperti tercantum dalam Tabel k Cara ii Cara iii Cara iV 0555 1 35 0.. Turunan fungsi g(x) berada pada .2495 3 (tidak banyak manfaatnya untuk dilanjutkan) 3.0801 8 3. maka seri besaran Xk.g(x) = 0 Terlihat mudah mendapatkan akar persamaan dengan proses tersebut.0257 4 3.9091 2.(3 + 20/x)1/2= 0. x .1 5 3. garis singgung y = g(x) tidaklah setajam garis singgung y = x dekat nilai x = 3. Jika diamati tiga cara penulisan f(x) sebagai x . Perhatikan gambar berikut. 2.. garis singgung y = g(x) lebih tajam daripada garis singgung y = x dekat nilai akar.0831 7 3. sedangkan pada cara i dan cara iv. Geometri f(x) = x . ini berarti nilai absolut g'(x) < 1 di dekat nilai akar.0743 6 3. perlu diperiksa bentuk fungsi. 1.g(x): (ii). Guna mengetahui pada awal proses bahwa metode ini dapat dipakai.0811 9 3..gambar 10. x-20/(x2 -3) =0 (iv).iv adalah seperti pada Gambar berikut Gambar 11. . bila dipahami benar perilaku fungsi.2015 3.

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

x merupakan bentuk linier f(x)= a0 + a1. Menurut metode ini.x +a2. (x2. Misal data :(x1.x2+a3. dimana adalah variable bebas dan adalah variable terikat.y1).x +a2. Analisis kurva data pengamatan.4 10.xn Dimana: n: derajat dari polinomial yang dipergunakan maka bila: f(x)=a+ a1. sehubungan dengan penentuaan sifat bahan.. (xn. dihitung nilai koefisien korelasi yang berbentuk: dimana r: koefisien korelasi Untuk perkiraan yang sempurna nilai r = 1.6 Jika absis ..Contoh.5 7. . en=yn-f(xn). Dalam percobaan benda uji tulangan baja untuk mendapatkan hubungan antara besaran gaya dan perpindahan. . kurva terbaik mempunyai karakteristik: ∏= (e1)2+(e2)2+…+(en)2= minimum dimana f(x) merupakan suatu polinomial pendekatan: Y= a0 + a1. pencocokan Kurva mempunyai deviasi (error) e dari setiap titik data e1=y1-f(x1). Metode ini berasumsi bahwa kurva terbaik yang dihasilkan adalah kurva yang mempunyai jumlah total kuadrat kesalahan minimum (least square error) dari data.0 23.x3 merupakan bentuk kurva derajat tiga KOEFISIEN KORELASI Untuk mengetahui derajat kesesuaian dari persamaan yang didapat. Konstanta a dan b dapat ditentukan sehingga analisis kurva bagi hasil benda uji dapat diuji ketelitiannya sebagai rumusan pendekatan hubungan antara gaya dan perpanjangan.x2 merupakan bentuk kurva derajat dua f(x)= a0 + a1.0 3.4 18.y2) .9 11. REGRESI KUADRAT TERKECIL (LEAST SQUARES METHOD) Gambar 1.. diperoleh data sebagai berikut. . maka persamaan y = aebx dapat merupakan fungsi kurva untuk menyatakan hubungan x dan y.x +a2.. e2=y2-f(x2).5 19.7 2..yn).x menyatakan perpanjangan dan ordinal . ..x2 + ..1 28..y sebagai besaran gaya aksial. + an. Pengamatan gaya aksial perpanjangan [ton] [mm] 7. Apabila r = 0 perkiraan suatu fungsi sangat jelek.

(x2. sedangkan semua dan sudah ada. .. Data yang dikumpulkan dari sebelas jalan adalah : Lebar jalur sepeda Jarak dari lalux(ft) lintas 5 4 10 8 7 5 7.54 5 15 7 . terutama di dalam regresi garis tidak lurus.∑ xi b) atau selanjutnya a dan b dapat ditentukan dengan cara substitusi dari persamaan (IV): (IV) contoh.5 8 7 6 6 6 10 10 9 10 5.a + ∑ xi b = ∑ yi a = 1/n (∑ yi . Untuk memperoleh kesalahan kuadrat terkecil maka koefisien a dan b harus menghasilkan turunan pertama NOL.Koefisien korelasi ini juga dapat digunakan untuk memilih suatu persamaan dari beberapa alternatif yang ada. (xn..yn) dimana n≥2 Mempunyai kuadrat kesalahan: ∏= dimana a dan b adalah koefisien yang tidak diketahui.. Sebuah studi yang dilakukan untuk menentukan lebar jalur yang aman untuk pengendara sepeda serta jaraknya dari lalu-lintas kendaraan umum. REGRESI LINIER Metode ini memakai Suatu garis lurus y=a+ b.y2) .y1). (I) dari (III) persamaan sebelah (II kiri maka ) akan dihasilkan : Selanjutnya dari (III): n.x Untuk menentukan harga pendekatan terhadap sekumpulan data: (x1.

Jika jarak minimum jalur sepeda dari lalu-lintas umum adalah 6 ft.3755X untuk y=6 ft maka x=5.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 82.24/788.7 751.807195739 gambar 01. NO X Y X.04 69 595.25 5 7 6 42 49 6 6 6 36 36 7 10 10 100 100 8 9 10 90 81 9 5. berapakah lebar jalur sepeda yang aman.9-0. kurva hasil regresi LINIERISASI KURVA TIDAK LINIER Data tidak cocok untuk linier Garis Lengkung lebih cocok .204=3.819398 persamaan garis: y= 3.7 30.54 5 27.3755 a= =6.819398+ 0.9416 b=296.Pertanyaan: Gambarkan kurva dari data dan dari hasil persamaan regresi linear dalam satu grafik.5 8 60 56.8544= 0.3755x8.

9 Pengamatan perpanjangan [mm] 2. Persamaan tersebut menjadi Ln y = ln a + ln e . b.xb contoh : suatu test pembebanan Pengamatan gaya aksial [ton] 7.ebx 2. maka: Ln y = ln a + b.q B .xb 1.1 . Transformasi dengan Log: Log y = log a + 2. Persamaan yang dicari Y= a. Persamaan sementara diubah menjadi: p= A + B .log x 3.5 23. nilai A dan B dicari dengan menggunakan rumus regresi linier biasa rumus regresi linier biasa 6. setelah A dan B ketemu persamaan dikembalikan lagi ke : dikembalikan lagi ke : Y= a. Transformasi dengan Ln: Ln y = ln a + b.q 5.7 10.Untuk itu perlu dilakukan pendekatan. karena ln e= 1.0 18. log x ALGORITMA: Transformasi Log Transformasi Ln 1.x PERSAMAAN BERPANGKAT Diberikan dalam bentuk: Y= a.x .4 7.ebx Y= a.4 3. Persamaan yang dicari Y= a. Persamaan sementara diubah menjadi: p= A + 4. setelah A dan B ketemu persamaan 6. Dilakukan transformasi : p= ln y A= ln a p= log y A= log a q=x B= b q=log x B= b 4. Dilakukan transformasi : 3.ebx dimana a dan b adalah konstanta.0 11.xb Dimana a dan b adalah konstanta Persamaan tersebut menjadi Log y = log a + b. nilai A dan B dicari dengan menggunakan 5. Yaitu dengan dua cara: FUNGSI EKSPONENSIAL Diberikan dalam bentuk: Y= a. x b.

04=0.29 100 PxQ 6.6 28.7 3.0 7.5 7 342.183931416=ln(a) a=1.4 10 18.1 23.09602677 karena: A=ln(a)--> maka 0.94591 2.2460046/1575.6 18.97553 812.4 7.406945 Q2 59.5259855 23.5 19.28.427629 1885 197.09602677 A= Persamaan yang dicari adalah b=B=0.517681 10.7 2. x Ydata Y hitungan 0.201934 7.533934-835.223775 1.20193.23775 7.5 Maka: NO X 1 2 3 4 10 19.5 2.7411113 12.2879294)/( 9425-7849.1 11.9 5 28.e 0.5 19.96)= 151.9 11.25 35.0 3.8855258 B= =(986.875469 1.21 57.554190 .25 84.9 11.102364 23.6 9.6 Y Q=X P=ln(y) 0.7 2.x Gambar Fungsi linear pada skala logaritma.4 3.ebx --> Y=1.5 7.802605 jumlah 88.929000 28.4 2.999335 571.09602677.72 1.0 1.139928 18.5 18.306787 rerata 17.20193 sehingga persamaan: Y= a.

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

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

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

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

x1]= Dalam bentuk tabel iterasi xi f(xi) Pertama 0 40 65 2.04)(45-40)(45-50) f2(45)=65+12.x0]= F[x3.f2(45)=65 + 2.x1.….03 Ketiga 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 . F[x1.02 0.5+0.1=77. x1 .x2]= F[x2.x1]= F[x3.5(45-40) + (-0. x0] bila ditinjau dari fungsi diferensi terbagi hingga yang pertama : Untuk orde yang kedua: secara grafis: Contoh Soal: Ulangi persoalan di atas dengan interpolasi newton gunakan 4 data terakhir x0 x1 X2 X3 Kecepatan (mil/jam) 40 50 60 70 y0 y1 y2 y3 Jarak henti (feet) 65 90 111 148 jawab.1 Kedua -0. xn-1 .x0]= F[x2. x0] : bn= f[xn.x2.5 1 50 90 2. x0] b2= f[x2.001666667 .

5 b2=-0.625 f3(45)=78.02 b3=-0.7 3 70 148 Maka: b0=65 b1=2.f[x1.001666667x(45-40)x(45-50)x(45-60) f3 (45)=65+12.5x(45-40)+(-0. Selesaikan untuk kecepatan 45 mil/jam dengan interpolasi Lagrange derajat tiga x0 x1 X2 X3 . x0] menjadi --> polinomial Lagrange Orde Pertama Bentuk umum: dimana: untuk derajat dua: dimana ∏ berarti hasil perkalian dari: untuk derajat tiga: Contoh. dapat langsung diturunkan dari metode Newton (misal kasus untuk orde pertama): dengan pembagi beda hingga: atau sehingga: f1(x)= f(x0) + (x-x0).5+0.02)x(45-40)x(45-50)+0.001666667 f3 (45)=65+2.625 feet INTERPOLASI LAGRANGE Hampir sama dengan metode Newton.5+0.2 60 111 3.

. 2001. Raymond P... am1 X1 + am2 X2 + . Dalam matrik ditulis: JENIS MATRIK BUJUR SANGKAR ISTIMEWA ..Steven C..6875+9... + a1nXn =b1 a21X1 + a22X2 + . X2... Bandung.8125+84.. Andi Offset. . McGrawHill.. Numerical Methods for Engineers . X: Variable . + a1nXn =b2 . Xn) = 0 f2 (X1.. . Canale. b: konstanta. X2.Kecepatan (mil/jam) Jarak henti (feet) 40 50 60 y0 y1 y2 65 90 111 70 y3 148 f3(45)= 7. + amnXn =bm dimana: a: koefisien konstanta. Metode Numerik.25=66. Xn) = 0 f3 (X1. ..375-34. Xn) = 0 memerlukan suatu cara untuk menentukan nilai-nilai X1. Metode Numerik dalam Ilmu Rekayasa Sipil. . PENDAHULUAN Sekumpulan persamaan : f1 (X1. X2. Chapra. . . X2. 1996.75 kesimpulan : Interpolasi Lagrange tidak bagus untuk interpolasi dengan (range) selang yang besar SISTEM PERSAMAAN LINEAR (BAGIAN I) Referensi: .Bambang Triatmojo. . Beta Offset.. Xn Bentuk umum persamaan Aljabar linear a11X1 + a12X2 + ... Perhitungan Matriks dengan Fortran... .Suprajitno Munadi. n: jumlah variabel. fn(X1...Amrinsyah N & Hasaballah Z. Penerbit ITB. . ... 1990. Yogyakarta. Yogyakarta. X2. Xn) = 0 . 1988.

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

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

5 Dengan eliminasi gauss maka.866 sin (600)=0. gaya yang bekerja pada setiap titik 1. melakukan operasi aritmatis antar baris Langkah 1 : mengubah posisi baris R2 dan R3 Langkah 2 : melakukan operasi aritmatik dengan pivot [R1. dan 3 dapat digambarkan seperti pada gambar berikut.866 cos (600)=0. titik kumpul. K2] .Langkah Penyelesaian: 1. 2.2. dan reaksi perletakan seperti pada ifigurasi sistem struktur. 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. Tentukan penomoran elemen batang.5 cos (300)= 0. K1] Langkah 3 : melakukan operasi aritmatik dengan pivot [R2. Selesaikan dengan cara kesetimbangan gaya pada titik kumpul.

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

sedang elemen selainnya adalah 0(nol).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: .

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

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] .

1. DETERMINAN Definisi Misalkan A adalah matriks bujur sangkar.4.(-1).(-3) . 4. dengan elemen pada baris ke 3 semuanya nol. Jumlah det(A) disebut sebagai determinan A. Untuk setiap langkah eliminasi lakukan lebih daffluu proses pivoting untuk mencari persamaan pivot. Det(A) atau |A| Contoh.(-1). = = 2.0 = 0 Teorema 2 Jika A adalah matriks segitiga. .2. Fungsi determinan dinyatakan oleh Det(A).(-3).0 + 0.0 .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.4(-1). [I] adalah matriks identitas. Masukkan nilai matriks [A].(-3) . dan didefinisikan sebagai jumlah semua hasil kali elementer bertanda dari A.0 + (-3). Lakukan normalisasi sehingga semua elemen diagonal matriks sama dengan 1 (satu).0 .4.1. Diketahui A = yang merupakan matriks segitiga bawah.0 . maka |A| =0 Contoh. determinannya adalah hasil kali semua elemen diagonalnya. maka : Jika A = . maka = == 4.2.(-1).2. baik matriks segitiga atas maupun bawah berukuran nxn. Lakukan eliminasi untuk me-nol-kan bagian segitiga bawah dan segitiga atas matriks.0 = -8 A adalah matriks segitiga atas sedangkan B adalah matriks segitiga bawah. 3.4 = -8 + 0 + 0 .0 .0.4 + 0.Algoritma penyelesaian perhitungan invers matriks dengan eliminasi Gauss-Jordan dengan proses pivoting: 1.0 .0 + 2. Maka.0.0 . 2.2.0. Bentuk matriks gabungan [G] yang merupakan gabungan matriks [A] dan [I].

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

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

Jika tidak. Dengan nilai awal sembarang . Maka: X(2)=(5-2.380952 4 1. ada kemungkinan konvergensi tercapai secara lambat. Periksa basil perhitungan.58% 2. 3.474376 3. serta toleransi perhitungan. y=0. yaitu :maksimum Algoritma penyelesaian persamaan simultan dengan iterasi Jacobi: 1.761905 2.000000 1. dimasukkan nilai x=1.761905 2.66667+2x2.476190 1. lanjutkan ke langkah berikutnya.66667.000000 0. Iterasi X 1 0.857143 2.666667 2.12% 11.476190 20.66667.380952 2. 3x+ y. Contoh. Gantikan nilai x(0) dengan x(1).99% 3.000000 2.053061 2. jika telah memenuhi toleransi yang diberikan cetak. Dalam bentuk tabel. dan ulangi langkah (3). Hitung harga x(1) dengan rumusan iterasi Jacobi.129252 2. Selesaikan sistem persamaan berikut dengan metode iterasi Jacobi.623129 6. Z(1)=(10-0+0)/5=2 Langkah 2.45% 19.857714.Untuk iterasi ke-I. perhitungan secara umum dinyatakan sebagai Penetapan nilai variabel menurut proses ini disebut Iterasi Jacobi. 4.857143 2.76190.50% 2. Maka: X(1)=(5-0+0)/3=1. Inisialisasi nilai x(0).552381 1. y= 2.666667 3 1.571429 3.857714. .70% . Z(2)=(10-2x1. nilai x(1) sebagai hasil akhir perhitungan dan hentikan program.552381 12.000000 2 1.47619.69% 3.857714+2)/3=1. Y(2)=(20-+3x2)/7=2. z= 2.38095. sehingga perlu ditetapkan syarat terjadinya konvergensi dalam perhitungan iterasi. 5.000000 1. Y(1)=(20-0+0)/7=2.74% 2. Masukkan nilai matriks [A] dan (b) yang membentuk persamaan simultan linear. dimasukkan nilai x=0.z =5 4x+7y-3z=20 2x-2y+5z=10 Sistem persamaan dapat ditulis dalam bentuk: .129252 2.23% 2.571429 Y Z X' Y' Z' Pros(x) Pros(y) Pros(z) 0. Langkah 1. z=0.857714)/5=2. 2.

649807 1. Y= 3. maka matrik tersebut dapat diuraikan menjadi: matrik triangular [L] dan [U] Dimana [L] merupakan matrik triangular bawah.17% 0.623129 1.138840 2.646753 0.053061 2.133551 2.131501.131501 2.128272 2. Z= 2.497545 3. Matriks [U] sama dengan matriks triangulasi yang diperoleh dari metode Gauss. Mendapatkan matriks [L] dan [U].01% 0. Bentuk iteratif persamaan iterasi adalah sebagai berikut: MATRIK DEKOMPOSISI METODE DEKOMPOSISI LU Jika suatu matrik [A] bukan singular (determinan bukan nol).135486 2.2X2 +3X3 =5 X1 +4X2 -2X3 =9 3X1 +2X2 -5X3 =8 Dalam bentuk matriks : untuk proses dekomposisi menggunakan: .497545 3. Pada iterasi Gauss-Seidel.646194 1.507229 3. dan (U] {x} = {z} untuk memperoleh {x}. nilai hasil perhitungan pada baris awal langsung digunakan untuk perhitungan nilai selanjutnya di dalam iterasi. ditinjau proses dekomposisi LU untuk menyelesaikan persamaan 5X1 .114428 2.114428 2.503756 3.649959 1. c).631474 1. Sehingga [A]= [L].03% Iterasi Gauss-Seidel sebagai cara penyelesaian persamaan linear simultan tidak jauh berbeda dengan iterasi Jacobi.503756 3. maka mengisikan matriks [A] dengan [L] [U] menghasilkan[L][U]{x} ={b} Beiaiti terdapat dua sistem: [L] {z} = {b} untuk mencari {z}.02% 0.650529 ITERASI GAUSS-SEIDEL 2.86% 8 1.510588 3.474376 3.12% 0.78% 0.135486 2.505419 3.507229 3.23% 0.12% Maka X= 1.649807 0.56% 0. [U] Bila persamaan linear: [A]{x} ={b).67% 0. Menyelesaikan [L]{z) = {b}. dan [U] : matrik triangular atas.22% 6 1.5 1.72% 7 1.646194 1. Algoritma proses dekomposisi LU: a).138840 2.45% 9 1.523356 3.133551 2.650529 0.649959 0.128272 2.510588 3.73% 0.23% 10 1. Menyelesaikan [U]{x} = {z} Sebagai contoh.32% 0.07% 0.631474 3.523356 3.505419. b).646753 1. Dengan metode ini konvergensi akan tercapai lebih cepat.

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

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

Xj untuk i=n-1.. j=i+1.….. a23=(u12.3. i= 1.u23).u13).. a12=(u11.dalam bentuk umum Xn=Yn Xi=Yi-Uij.2.1. a13=(u11. unsur matriks baris sama dengan unsur matriks kolom pada indeks baris dan kolom yang sama. u11= .i? j.3.2. Dengan demikiau unsur matriks simetri dirumuskan sebagai aij =aji.u13)+(u22.u12). persamaan linear simultan yang diperoleh dari rumusan matematika berdasarkan teori elastis umumnya mempunyai unsur koefisien variabel yang simetris.n. .n. u12= a12 / .…. Matriks simetri dapat dinyatakan dalam produk matriks triangulasi bawah dengan matrik triangulasi atas. J= 1.. a1n=(u11.2 METODE CHOLESKY Dalam ilmu rekayasa.u1n) nyatakan unsur u1j dalam aij. u13=a13/ .. nyatakan unsur u2j dalam aij.. u1n =a1n / baris kedua a22=(u12)2+=(u22)2 .. Faktorisasi matrik [A]=[U]T[U] hubungan unsur aij dan uij pada baris pertama a11=(u11)2.. dengan kedua matriks satu sama lain adalah matriks transpose. Persamaan linear simultan itu dapat dinyatakan sebagai atau [A]{X}={B} Matriks [A] disebut matriks simetri apabila di luar unsur diagonal.

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

Sign up to vote on this title
UsefulNot useful