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

Jika nilai mutlak (m-a) < toleransi.0382 Kelebihan: • Konvergen • Mudah untuk dibuat program • Tingkat kesalahan kecil Kekurangan: • Konvergensi bersifat linier • Menghasilkan satu akar saja dalam perhitungan • Lambat dalam proses perhitungan. dan jumlah iterasi maksimum.5 -1.25 -1 2.2003 1.2003 1.0382 2. Pada algoritma.125 23 . dan akhiri program.2003 2. b.5 2. tuliskan m sebagai hasil perhitungan. Penentuan nilai m dari perpotongan garis lurus melalui dua titik.125 0.8821 1. Periksa apakah f(a) x f(b) > 0. Algoritma: a). Tentukan a.25 f(m) 4.5 F(b) 22 4. lanjutkan ke langkah berikutnya.125 -0.a 2 2 2 f(a) -1 -1 m 2. Hitung nilai : d).125 -0. keluar dari progam karena pada selang yang diberikan tidak terdapat akar persamaan. METODE REGULA FALSI atau INTERPOLASI LINIER algoritmanya sama seperti metode Bisection. kecuali mengganti penentuan m dengan rumusan : Gambar 4. proses memang dihentikan jika dicapai nilai mutlak f(m)<10-6. c).8821 b 3 2. jika tidak.25 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. b). toleransi. Proses dengan cara ini memberikan perhitungan yang lebih cepat dibandingkan dengan metode Bisection.5 -1. jika ya.

Gambar 7.42082993 -1.717921989 2 3 -0. Garis singgung f(xk) memotong di xk+i.07513148 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. 3.197 1.42082993 -0.909 1. Metode ini diperlihatkan pada gambar berikut.150446331 23 -0.07513148 23 -0.0.717921989 1.356636546 1.19690265 -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.356636546 23 -0.150446331 Gambar 6. 2.356636546 1.352 1. Kurva hasil perhitungan dengan Regula Falsi. dan dengan menggunakan besaran x dari perpotongan garis singgung terhadap absis sehingga diperoleh nilai x baru.35197886 -0.352 -1. .90909091 0. Keuntungan cara ini adalah sifat sehingga dimana k=0. 1.

5674865 25.20. Dimana Sehingga dalam persamaan Newton-Rhapson menjadi: Algoritma program untuk metode Secant: 1.085854 4 3.201754 3 3. Jika nilai mutlak (Xbaru . Tentukan Xo. Tentukan X0. 6. jika tidak. 2.3x .3xk . dan kembali ke langkah (b).3 Dengan demikian x k+1 = xk .75 iterasi Xk Xk+1 1 5 3.Tidaklah sederhana melacak proses untuk konvergen. X1 .53268E-10 Merupakan perbaikan dari kekurangan yang dimiliki oleh metode newton. Penentuan nilai turunan fungsi dengan metode Secant.20) / (3x2k . yaitu nilai turunan f'(x) didekati dengan beda hingga (∆) gambar 9.(x3k . maka f1(x) = 3x2. Jika nilai mutlak (Xbaru .konvergensi kuadratik dalam proses iterasi. dan jumlah iterasi maksimum. Algoritma program untuk metode Newton-Raphson: 1.080868 3.1875 27. X = Xbaru.75369344 25. .75 3.f'(x0)/f(X0).Harus mencari f(x). Kekurangan metode ini adalah : .3).216661132 0.080859 METODE SECANT f(xk) 90 21.000229985 7. Contoh f(x) = x3 . akhiri program.201754 3.127469447 0.X0). 5. 4.X0) < toleransi. dan nilainya mungkin 0. 3. toleransi.085854 3. dan jumlah iterasi maksimum.f(X1)( X1.48438 3. Hitung Xbaru = x . .Dalam perhitungan ada kemungkinan besar proses memberikan hasil divergen. diperoleh tulisan xbaru sebagai hasil perhitungan. 3. karena terjadinya koreksi digit ganda di setiap proses. kecuali nilai perkiraan awal x cukup tepat.X1) < toleransi. Hitung Xbaru = X1 . 2. lanjutkan ke langkah berikutnya.00023 f'(xk) 72 39.216661 0. diperoleh tulisan xbaru sebagai hasil perhitungan. Jika jumlah iterasi > iterasi maksimum. Perkiraan awal xo = 5 Maka: f(5)=53-3.47525192 F(xk+1) 21. toleransi. .X0)/f(X1 .75 2 3.080868 5 3.127469 0.484375 3.(5)-20 =90 f'(5)=3(5)2-3 =72 xbaru=5-(90/72)=3.

20. k= 0.. langkah pertama yang dilakukan adalah mengubah persamaan dalam bentuk f(x) = x .83464426 2 2. X = Xbaru.944590049 3. Contoh: f(x) = x3 .367346900 3.40697963 3.. Jika jumlah iterasi > iterasi maksimum.0809 . jika tidak.0809 Xs = 3.2771 + 20)1/3 = 3.1.g(x) = 0. Untuk mendapatkan akar persamaan x3 . x-(3x+20)1/3 =0 (ii).06044E3.944590049 -13.1008 X3 =3.587438053 2.x-(x3 -20)/3 =0 (iii).x-(3+20/x)1/2 =0 Dengan menggunakan bentuk pertama dapat dinyatakan rumusan : Xk+i=(3xk +20)1/3 .367346900 3. lanjutkan ke langkah berikutnya.587438053 iterasi X1 1 2 3 4 5 5 5 F(x3) 6 2 2.40697963 2. X7 = 3.587438053 -18 -13.576057128 2.83464426 =3.302376572 -0.058058742 3.g(x). dan dengan perkiraan awal xo = 5. diperoleh x0 =5 X1 =(3*5+20)1/3 =3.3673469)= -13.3x .576057128 0.4...x-20/(x2 -3) =0 (iv). dan kembali ke langkah (b).0811 . 6.000248906 07 X2 X3 f(x1) f'(x2) METODE ITERASI merupakan Metode perkiraan awal untuk satu variabel.000248906 -1.3673469--13. sehingga λ= g(λ). kemudian Xk+1 = g(Xk).029936467 0.1..40697963 -3.058058742 15.83464426 15.3673469 iterasi kedua: X2 = 2 ' f(2)=-18 x3=2..080859456 0.302376572 0.3673469' f(2.029936467 -0. x6 =3.83464426 x4= 2.082034087 3. akhiri program.029936467 3.082034087 -3.. Perkiraan awal X1=6 ' f(6)=178 X2 = 2 ' f(2)=-18 iterasi pertama: x3= x3=178-6 =2.080849690 3.2. Perubahan ini dapat dilakukan melalui empat cara: (i). 5.944590049 3.080849690 -0.20 = 0.83464426 15.0809 .082034087 3. k= 0.2.576057128 0.367346900 178 -18 13.302376572 3. Dalam hal ini fnngsi f(x) ditulis sebagai: f(x) = x .587438053 2.058058742 3.2771 X2 = (3 * 3.3x .0830 X4 =3.

garis singgung y = g(x) tidaklah setajam garis singgung y = x dekat nilai x = 3.0808 Dari contoh hitungan dapat dilihat bahwa cara iterasi tidak selalu dapat digunakan. Jika diamati tiga cara penulisan f(x) sebagai x .g(x) = 0 Terlihat mudah mendapatkan akar persamaan dengan proses tersebut. memberikan hasil seperti tercantum dalam Tabel k Cara ii Cara iii Cara iV 0555 1 35 0.0801 8 3. Sajian grafik bentuk fungsi cara ii . 1.2495 3 (tidak banyak manfaatnya untuk dilanjutkan) 3.0831 7 3. ini berarti nilai absolut g'(x) < 1 di dekat nilai akar.0257 4 3. Geometri f(x) = x .. Turunan fungsi g(x) berada pada . perlu diperiksa bentuk fungsi. maka seri besaran Xk.0811 9 3. dan menggunakan perkiraan awal X0 = 5.6458 2 14285 -9. x-(x3 -20)/3 =0 (iii). Dengan demikian. x .1 5 3.9091 2. sedangkan pada cara i dan cara iv. x-20/(x2 -3) =0 (iv). bila dipahami benar perilaku fungsi.2015 3. Perhatikan gambar berikut.g(x): (ii).(3 + 20/x)1/2= 0.0743 6 3. garis singgung y = g(x) lebih tajam daripada garis singgung y = x dekat nilai akar... k = 0. . Guna mengetahui pada awal proses bahwa metode ini dapat dipakai. 2. konvergensi dari solusi metode iterasi dapat dilacak dari perilaku turunan pertama fungsi.iv adalah seperti pada Gambar berikut Gambar 11. Sajian fungsi y = g(x) cara (iii) dan (iv) Dengan meneliti grafik tampak bahwa bagi cara ii dan iii.gambar 10.

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

x +a2. ...1 28.. Menurut metode ini. dihitung nilai koefisien korelasi yang berbentuk: dimana r: koefisien korelasi Untuk perkiraan yang sempurna nilai r = 1. Dalam percobaan benda uji tulangan baja untuk mendapatkan hubungan antara besaran gaya dan perpindahan. (x2.x2+a3.x3 merupakan bentuk kurva derajat tiga KOEFISIEN KORELASI Untuk mengetahui derajat kesesuaian dari persamaan yang didapat.y sebagai besaran gaya aksial. maka persamaan y = aebx dapat merupakan fungsi kurva untuk menyatakan hubungan x dan y.y2) .7 2. . sehubungan dengan penentuaan sifat bahan. REGRESI KUADRAT TERKECIL (LEAST SQUARES METHOD) Gambar 1. Apabila r = 0 perkiraan suatu fungsi sangat jelek. Konstanta a dan b dapat ditentukan sehingga analisis kurva bagi hasil benda uji dapat diuji ketelitiannya sebagai rumusan pendekatan hubungan antara gaya dan perpanjangan.5 7.. .9 11.x menyatakan perpanjangan dan ordinal .. en=yn-f(xn).4 18.y1)..0 3. e2=y2-f(x2).5 19. diperoleh data sebagai berikut. . dimana adalah variable bebas dan adalah variable terikat.x2 merupakan bentuk kurva derajat dua f(x)= a0 + a1.yn)..x +a2. Analisis kurva data pengamatan.x merupakan bentuk linier f(x)= a0 + a1. Metode ini berasumsi bahwa kurva terbaik yang dihasilkan adalah kurva yang mempunyai jumlah total kuadrat kesalahan minimum (least square error) dari data. (xn. + an. kurva terbaik mempunyai karakteristik: ∏= (e1)2+(e2)2+…+(en)2= minimum dimana f(x) merupakan suatu polinomial pendekatan: Y= a0 + a1.x2 + .6 Jika absis .4 10.0 23. pencocokan Kurva mempunyai deviasi (error) e dari setiap titik data e1=y1-f(x1).. Misal data :(x1. Pengamatan gaya aksial perpanjangan [ton] [mm] 7.Contoh.xn Dimana: n: derajat dari polinomial yang dipergunakan maka bila: f(x)=a+ a1.x +a2.

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

54 5 27.6916 10 15 7 105 225 jumlah 82.819398+ 0.819398 persamaan garis: y= 3.9416 b=296.3755X untuk y=6 ft maka x=5.807195739 gambar 01. NO X Y X.8544= 0. berapakah lebar jalur sepeda yang aman.7 30. kurva hasil regresi LINIERISASI KURVA TIDAK LINIER Data tidak cocok untuk linier Garis Lengkung lebih cocok .7 751.5 8 60 56. Jika jarak minimum jalur sepeda dari lalu-lintas umum adalah 6 ft.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 7.25 5 7 6 42 49 6 6 6 36 36 7 10 10 100 100 8 9 10 90 81 9 5.04 69 595.9-0.204=3.3755 a= =6.3755x8.

Transformasi dengan Log: Log y = log a + 2. setelah A dan B ketemu persamaan dikembalikan lagi ke : dikembalikan lagi ke : Y= a.5 23.x PERSAMAAN BERPANGKAT Diberikan dalam bentuk: Y= a. 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 4.9 Pengamatan perpanjangan [mm] 2.0 11.xb 1.ebx Y= a. Dilakukan transformasi : 3. karena ln e= 1. log x ALGORITMA: Transformasi Log Transformasi Ln 1.q B .q 5.4 7. x b.x . Persamaan yang dicari Y= a. Yaitu dengan dua cara: FUNGSI EKSPONENSIAL Diberikan dalam bentuk: Y= a. Persamaan sementara diubah menjadi: p= A + 4.log x 3.xb Dimana a dan b adalah konstanta Persamaan tersebut menjadi Log y = log a + b. nilai A dan B dicari dengan menggunakan rumus regresi linier biasa rumus regresi linier biasa 6. Persamaan sementara diubah menjadi: p= A + B . Persamaan tersebut menjadi Ln y = ln a + ln e . nilai A dan B dicari dengan menggunakan 5.7 10. Transformasi dengan Ln: Ln y = ln a + b.0 18.4 3.ebx 2. b. Persamaan yang dicari Y= a.Untuk itu perlu dilakukan pendekatan.1 . maka: Ln y = ln a + b.ebx dimana a dan b adalah konstanta.xb contoh : suatu test pembebanan Pengamatan gaya aksial [ton] 7.

102364 23.7 2.5 19.9 5 28.04=0.5 7.09602677 A= Persamaan yang dicari adalah b=B=0.306787 rerata 17.223775 1.1 11.517681 10.4 10 18.0 1.29 100 PxQ 6.28.0 7.09602677 karena: A=ln(a)--> maka 0.20193.802605 jumlah 88.6 9.1 23.9 11.4 3.0 3.96)= 151.5 Maka: NO X 1 2 3 4 10 19.ebx --> Y=1.533934-835.406945 Q2 59.427629 1885 197.4 7.7 3.7 2.5 18.94591 2.5259855 23.8855258 B= =(986.97553 812.139928 18.5 2.09602677.x Gambar Fungsi linear pada skala logaritma.201934 7.25 84.183931416=ln(a) a=1.7411113 12.4 2.2879294)/( 9425-7849.875469 1.6 18.2460046/1575.72 1.6 Y Q=X P=ln(y) 0. x Ydata Y hitungan 0.9 11.5 19.5 7 342.21 57.929000 28.999335 571.6 28.25 35.23775 7.20193 sehingga persamaan: Y= a.e 0.554190 .

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

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

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

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

x0]= F[x3. x0] : bn= f[xn.1=77.6 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 .x2.5+0.x1]= F[x3. x0] b2= f[x2.x2]= F[x2.…. xn-1 .5(45-40) + (-0.03 Ketiga 0.04)(45-40)(45-50) f2(45)=65+12.x1]= Dalam bentuk tabel iterasi xi f(xi) Pertama 0 40 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.x0]= F[x2. x1 .5 1 50 90 2.x1. F[x1.f2(45)=65 + 2.1 Kedua -0.02 0.001666667 .

5x(45-40)+(-0.02)x(45-40)x(45-50)+0.625 f3(45)=78.625 feet INTERPOLASI LAGRANGE Hampir sama dengan metode Newton.5 b2=-0.02 b3=-0. dapat langsung diturunkan dari metode Newton (misal kasus untuk orde pertama): dengan pembagi beda hingga: atau sehingga: f1(x)= f(x0) + (x-x0).5+0.001666667 f3 (45)=65+2. Selesaikan untuk kecepatan 45 mil/jam dengan interpolasi Lagrange derajat tiga x0 x1 X2 X3 .f[x1. x0] menjadi --> polinomial Lagrange Orde Pertama Bentuk umum: dimana: untuk derajat dua: dimana ∏ berarti hasil perkalian dari: untuk derajat tiga: Contoh.5+0.2 60 111 3.001666667x(45-40)x(45-50)x(45-60) f3 (45)=65+12.7 3 70 148 Maka: b0=65 b1=2.

X2. b: konstanta.. Metode Numerik. Xn) = 0 f3 (X1.. n: jumlah variabel. Chapra.... X2. Yogyakarta. Xn) = 0 memerlukan suatu cara untuk menentukan nilai-nilai X1.. Xn) = 0 f2 (X1. X2. Andi Offset. ... Beta Offset. Bandung. Yogyakarta. . + a1nXn =b2 . Dalam matrik ditulis: JENIS MATRIK BUJUR SANGKAR ISTIMEWA .. X2. + amnXn =bm dimana: a: koefisien konstanta.75 kesimpulan : Interpolasi Lagrange tidak bagus untuk interpolasi dengan (range) selang yang besar SISTEM PERSAMAAN LINEAR (BAGIAN I) Referensi: . 1990.8125+84.Steven C. + a1nXn =b1 a21X1 + a22X2 + . . Perhitungan Matriks dengan Fortran. .. . Xn) = 0 . . 2001...... fn(X1. Raymond P.Kecepatan (mil/jam) Jarak henti (feet) 40 50 60 y0 y1 y2 65 90 111 70 y3 148 f3(45)= 7. Canale. McGrawHill... PENDAHULUAN Sekumpulan persamaan : f1 (X1.. Metode Numerik dalam Ilmu Rekayasa Sipil. Numerical Methods for Engineers .6875+9. 1996.25=66.. . .. X2. . .375-34.Bambang Triatmojo. Penerbit ITB. X: Variable . 1988.. . Xn Bentuk umum persamaan Aljabar linear a11X1 + a12X2 + .Suprajitno Munadi. am1 X1 + am2 X2 + .Amrinsyah N & Hasaballah Z.

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

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

5 cos (300)= 0. 2. Tentukan penomoran elemen batang. K2] . dan 3 dapat digambarkan seperti pada gambar berikut.5 Dengan eliminasi gauss maka.Langkah Penyelesaian: 1. K1] Langkah 3 : melakukan operasi aritmatik dengan pivot [R2. melakukan operasi aritmatis antar baris Langkah 1 : mengubah posisi baris R2 dan R3 Langkah 2 : melakukan operasi aritmatik dengan pivot [R1.866 sin (600)=0.2. Selesaikan dengan cara kesetimbangan gaya pada titik kumpul. gaya yang bekerja pada setiap titik 1. 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. dan reaksi perletakan seperti pada ifigurasi sistem struktur.866 cos (600)=0. titik kumpul.

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

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: .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).

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

[A] =[I] .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.

DETERMINAN Definisi Misalkan A adalah matriks bujur sangkar.(-3) .(-1). Det(A) atau |A| Contoh. = = 2.4 + 0. Diketahui A = yang merupakan matriks segitiga bawah. dengan elemen pada baris ke 3 semuanya nol.2.0 .0 .(-1).0. Maka.0 .4(-1). Untuk setiap langkah eliminasi lakukan lebih daffluu proses pivoting untuk mencari persamaan pivot.1. .2. Jumlah det(A) disebut sebagai determinan A.Algoritma penyelesaian perhitungan invers matriks dengan eliminasi Gauss-Jordan dengan proses pivoting: 1.0 + (-3).0 = 0 Teorema 2 Jika A adalah matriks segitiga.0 .2. maka |A| =0 Contoh.0 = -8 A adalah matriks segitiga atas sedangkan B adalah matriks segitiga bawah. Masukkan nilai matriks [A].2.1. Fungsi determinan dinyatakan oleh Det(A). maka : Jika A = .(-3).(-3) . [I] adalah matriks identitas.0 + 2. 4.(-1). determinannya adalah hasil kali semua elemen diagonalnya. baik matriks segitiga atas maupun bawah berukuran nxn.4. Lakukan normalisasi sehingga semua elemen diagonal matriks sama dengan 1 (satu).0 . 2.0.0.0.0 + 0.0 .4 = -8 + 0 + 0 .4. dan didefinisikan sebagai jumlah semua hasil kali elementer bertanda dari A. Lakukan eliminasi untuk me-nol-kan bagian segitiga bawah dan segitiga atas matriks. maka = == 4. 3. Bentuk matriks gabungan [G] yang merupakan gabungan matriks [A] dan [I]. 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.

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

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

857714. nilai x(1) sebagai hasil akhir perhitungan dan hentikan program. Iterasi X 1 0. Hitung harga x(1) dengan rumusan iterasi Jacobi. Dengan nilai awal sembarang . y= 2.761905 2.45% 19.000000 2 1.857143 2.571429 3.053061 2.12% 11. yaitu :maksimum Algoritma penyelesaian persamaan simultan dengan iterasi Jacobi: 1. Jika tidak.66667.571429 Y Z X' Y' Z' Pros(x) Pros(y) Pros(z) 0.666667 3 1.76190.380952 2.476190 20. Gantikan nilai x(0) dengan x(1).000000 1. Z(2)=(10-2x1. ada kemungkinan konvergensi tercapai secara lambat.552381 1.857714)/5=2. Y(1)=(20-0+0)/7=2. z= 2. 4. 5. serta toleransi perhitungan.66667+2x2.552381 12.z =5 4x+7y-3z=20 2x-2y+5z=10 Sistem persamaan dapat ditulis dalam bentuk: .23% 2. dimasukkan nilai x=1.129252 2. sehingga perlu ditetapkan syarat terjadinya konvergensi dalam perhitungan iterasi.69% 3. z=0.857714.000000 2. Contoh.Untuk iterasi ke-I.000000 0.857714+2)/3=1. .38095. y=0. Masukkan nilai matriks [A] dan (b) yang membentuk persamaan simultan linear. dimasukkan nilai x=0. Inisialisasi nilai x(0). Z(1)=(10-0+0)/5=2 Langkah 2. Y(2)=(20-+3x2)/7=2.66667. Selesaikan sistem persamaan berikut dengan metode iterasi Jacobi.623129 6.129252 2.47619. 3. jika telah memenuhi toleransi yang diberikan cetak.000000 1. perhitungan secara umum dinyatakan sebagai Penetapan nilai variabel menurut proses ini disebut Iterasi Jacobi.380952 4 1. dan ulangi langkah (3). Maka: X(2)=(5-2.474376 3.476190 1.74% 2. 3x+ y. Dalam bentuk tabel.857143 2.70% . Maka: X(1)=(5-0+0)/3=1.50% 2. Langkah 1.99% 3.58% 2.666667 2. Periksa basil perhitungan. lanjutkan ke langkah berikutnya.761905 2. 2.

128272 2. Menyelesaikan [L]{z) = {b}. Pada iterasi Gauss-Seidel.03% Iterasi Gauss-Seidel sebagai cara penyelesaian persamaan linear simultan tidak jauh berbeda dengan iterasi Jacobi.67% 0.12% Maka X= 1. maka mengisikan matriks [A] dengan [L] [U] menghasilkan[L][U]{x} ={b} Beiaiti terdapat dua sistem: [L] {z} = {b} untuk mencari {z}.07% 0.133551 2. Sehingga [A]= [L]. Matriks [U] sama dengan matriks triangulasi yang diperoleh dari metode Gauss. dan (U] {x} = {z} untuk memperoleh {x}.649807 1.507229 3.02% 0.505419.650529 0.503756 3.523356 3.23% 10 1.053061 2.138840 2. [U] Bila persamaan linear: [A]{x} ={b).510588 3. Bentuk iteratif persamaan iterasi adalah sebagai berikut: MATRIK DEKOMPOSISI METODE DEKOMPOSISI LU Jika suatu matrik [A] bukan singular (determinan bukan nol).131501. dan [U] : matrik triangular atas.649807 0.22% 6 1. c). Y= 3. Z= 2.649959 0.72% 7 1.45% 9 1.12% 0.631474 3.56% 0. Mendapatkan matriks [L] dan [U].86% 8 1.503756 3. Dengan metode ini konvergensi akan tercapai lebih cepat.474376 3.649959 1.507229 3. Menyelesaikan [U]{x} = {z} Sebagai contoh. nilai hasil perhitungan pada baris awal langsung digunakan untuk perhitungan nilai selanjutnya di dalam iterasi.505419 3.497545 3.128272 2.114428 2.32% 0.135486 2.523356 3.135486 2.2X2 +3X3 =5 X1 +4X2 -2X3 =9 3X1 +2X2 -5X3 =8 Dalam bentuk matriks : untuk proses dekomposisi menggunakan: .78% 0.17% 0.631474 1.114428 2.133551 2.650529 ITERASI GAUSS-SEIDEL 2.646753 0. b).73% 0.646194 1.5 1.138840 2. maka matrik tersebut dapat diuraikan menjadi: matrik triangular [L] dan [U] Dimana [L] merupakan matrik triangular bawah.497545 3.623129 1.23% 0.646753 1.01% 0.646194 1.131501 2.510588 3. ditinjau proses dekomposisi LU untuk menyelesaikan persamaan 5X1 . Algoritma proses dekomposisi LU: a).

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

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

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

u13))/u22= U2n= (a2n-(u12.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 .u23) +(u33.u3n) nyatakan unsur u3j dalam aij.U22= .u1n)+(u23. U23= (a23-(u12. …a3n=(u13.

Sign up to vote on this title
UsefulNot useful