P. 1
ANALISA NUMERIK

ANALISA NUMERIK

|Views: 159|Likes:
Published by aurea_yansiku
Ana2
Ana2

More info:

Published by: aurea_yansiku on Aug 21, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

12/08/2013

pdf

text

original

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

b. lanjutkan ke langkah berikutnya.5 F(b) 22 4. keluar dari progam karena pada selang yang diberikan tidak terdapat akar persamaan. proses memang dihentikan jika dicapai nilai mutlak f(m)<10-6. 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. Pada algoritma. c). b).a 2 2 2 f(a) -1 -1 m 2.0382 Kelebihan: • Konvergen • Mudah untuk dibuat program • Tingkat kesalahan kecil Kekurangan: • Konvergensi bersifat linier • Menghasilkan satu akar saja dalam perhitungan • Lambat dalam proses perhitungan. kecuali mengganti penentuan m dengan rumusan : Gambar 4. Hitung nilai : d).5 -1. dan jumlah iterasi maksimum. Algoritma: a). jika tidak. Jika nilai mutlak (m-a) < toleransi.2003 1.125 0.5 -1. METODE REGULA FALSI atau INTERPOLASI LINIER algoritmanya sama seperti metode Bisection.2003 1. dan akhiri program. tuliskan m sebagai hasil perhitungan.25 -1 2.5 2. Periksa apakah f(a) x f(b) > 0.2003 2.0382 2.8821 1.8821 b 3 2.25 2. Tentukan a.125 -0.125 23 .125 -0.25 f(m) 4. toleransi. jika ya. Penentuan nilai m dari perpotongan garis lurus melalui dua titik. Proses dengan cara ini memberikan perhitungan yang lebih cepat dibandingkan dengan metode Bisection.

197 1.356636546 1. dan dengan menggunakan besaran x dari perpotongan garis singgung terhadap absis sehingga diperoleh nilai x baru. 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) = 0.19690265 -0.90909091 0.352 1. Keuntungan cara ini adalah sifat sehingga dimana k=0. Gambar 7.717921989 1.352 -1. 2.909 1.150446331 Gambar 6.356636546 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.0.356636546 23 -0.717921989 2 3 -0.150446331 23 -0.35197886 -0. 1. Garis singgung f(xk) memotong di xk+i.42082993 -1. .07513148 1.42082993 -0. 3. Kurva hasil perhitungan dengan Regula Falsi. Metode ini diperlihatkan pada gambar berikut.07513148 23 -0.

3). jika tidak.085854 4 3. 6. yaitu nilai turunan f'(x) didekati dengan beda hingga (∆) gambar 9.75369344 25. karena terjadinya koreksi digit ganda di setiap proses. 3. 3. .216661 0.127469 0. lanjutkan ke langkah berikutnya.Harus mencari f(x). dan kembali ke langkah (b). toleransi.080868 3. Tentukan X0.53268E-10 Merupakan perbaikan dari kekurangan yang dimiliki oleh metode newton.080868 5 3. 2.75 iterasi Xk Xk+1 1 5 3.75 2 3.X0).47525192 F(xk+1) 21.f'(x0)/f(X0).201754 3 3. kecuali nilai perkiraan awal x cukup tepat.(x3k . diperoleh tulisan xbaru sebagai hasil perhitungan.X0) < toleransi.1875 27. Jika nilai mutlak (Xbaru . Jika jumlah iterasi > iterasi maksimum.(5)-20 =90 f'(5)=3(5)2-3 =72 xbaru=5-(90/72)=3. akhiri program.080859 METODE SECANT f(xk) 90 21. Jika nilai mutlak (Xbaru . 2.X0)/f(X1 . Perkiraan awal xo = 5 Maka: f(5)=53-3. dan nilainya mungkin 0.00023 f'(xk) 72 39. . Algoritma program untuk metode Newton-Raphson: 1. diperoleh tulisan xbaru sebagai hasil perhitungan.3x .75 3.085854 3.000229985 7.Tidaklah sederhana melacak proses untuk konvergen. Hitung Xbaru = X1 .3xk .484375 3. X1 . 5.X1) < toleransi.Dalam perhitungan ada kemungkinan besar proses memberikan hasil divergen.127469447 0. Penentuan nilai turunan fungsi dengan metode Secant. dan jumlah iterasi maksimum. Contoh f(x) = x3 .5674865 25. Kekurangan metode ini adalah : . dan jumlah iterasi maksimum. toleransi.20.f(X1)( X1.konvergensi kuadratik dalam proses iterasi. X = Xbaru.201754 3. Hitung Xbaru = x .3 Dengan demikian x k+1 = xk . .216661132 0. 4. Tentukan Xo. maka f1(x) = 3x2.48438 3. Dimana Sehingga dalam persamaan Newton-Rhapson menjadi: Algoritma program untuk metode Secant: 1.20) / (3x2k .

576057128 0.367346900 178 -18 13.83464426 x4= 2.. sehingga λ= g(λ).83464426 2 2.0809 .2771 X2 = (3 * 3. Contoh: f(x) = x3 .0809 .0811 . Dalam hal ini fnngsi f(x) ditulis sebagai: f(x) = x .20 = 0.4. X7 = 3.83464426 15.302376572 -0.3673469' f(2.000248906 -1. 6.058058742 3..83464426 =3. X = Xbaru. lanjutkan ke langkah berikutnya.83464426 15.082034087 3.3673469)= -13.587438053 2.06044E3. k= 0.576057128 0.587438053 iterasi X1 1 2 3 4 5 5 5 F(x3) 6 2 2.2.20.029936467 0. x6 =3.3x .3x .367346900 3.082034087 3.40697963 -3.x-(x3 -20)/3 =0 (iii).587438053 -18 -13.944590049 3.367346900 3.1008 X3 =3. diperoleh x0 =5 X1 =(3*5+20)1/3 =3. Perubahan ini dapat dilakukan melalui empat cara: (i). Jika jumlah iterasi > iterasi maksimum. akhiri program.x-(3+20/x)1/2 =0 Dengan menggunakan bentuk pertama dapat dinyatakan rumusan : Xk+i=(3xk +20)1/3 ..x-20/(x2 -3) =0 (iv). dan kembali ke langkah (b). kemudian Xk+1 = g(Xk).944590049 3..3673469 iterasi kedua: X2 = 2 ' f(2)=-18 x3=2..029936467 3.029936467 -0. x-(3x+20)1/3 =0 (ii).058058742 15. Untuk mendapatkan akar persamaan x3 .0830 X4 =3.g(x).3673469--13..080859456 0.302376572 0.2771 + 20)1/3 = 3..302376572 3.40697963 2. 5. langkah pertama yang dilakukan adalah mengubah persamaan dalam bentuk f(x) = x . Perkiraan awal X1=6 ' f(6)=178 X2 = 2 ' f(2)=-18 iterasi pertama: x3= x3=178-6 =2. jika tidak.587438053 2.944590049 -13.1.058058742 3.0809 Xs = 3.080849690 -0.g(x) = 0. dan dengan perkiraan awal xo = 5.576057128 2.082034087 -3.000248906 07 X2 X3 f(x1) f'(x2) METODE ITERASI merupakan Metode perkiraan awal untuk satu variabel.080849690 3.1.40697963 3. k= 0.2.

1.0831 7 3.g(x): (ii). Guna mengetahui pada awal proses bahwa metode ini dapat dipakai. Dengan demikian. .6458 2 14285 -9.2495 3 (tidak banyak manfaatnya untuk dilanjutkan) 3.(3 + 20/x)1/2= 0.9091 2. perlu diperiksa bentuk fungsi. Perhatikan gambar berikut. Sajian grafik bentuk fungsi cara ii .iv adalah seperti pada Gambar berikut Gambar 11. dan menggunakan perkiraan awal X0 = 5.. konvergensi dari solusi metode iterasi dapat dilacak dari perilaku turunan pertama fungsi.. memberikan hasil seperti tercantum dalam Tabel k Cara ii Cara iii Cara iV 0555 1 35 0. garis singgung y = g(x) lebih tajam daripada garis singgung y = x dekat nilai akar.. Turunan fungsi g(x) berada pada . x .g(x) = 0 Terlihat mudah mendapatkan akar persamaan dengan proses tersebut. maka seri besaran Xk. 2. 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. x-20/(x2 -3) =0 (iv).1 5 3.0801 8 3.gambar 10. sedangkan pada cara i dan cara iv.0257 4 3.0743 6 3. k = 0. ini berarti nilai absolut g'(x) < 1 di dekat nilai akar.2015 3. bila dipahami benar perilaku fungsi. garis singgung y = g(x) tidaklah setajam garis singgung y = x dekat nilai x = 3. Geometri f(x) = x . Jika diamati tiga cara penulisan f(x) sebagai x . x-(x3 -20)/3 =0 (iii).0811 9 3.

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

pencocokan Kurva mempunyai deviasi (error) e dari setiap titik data e1=y1-f(x1). Misal data :(x1.x merupakan bentuk linier f(x)= a0 + a1. maka persamaan y = aebx dapat merupakan fungsi kurva untuk menyatakan hubungan x dan y.x2 + .Contoh.0 23.x menyatakan perpanjangan dan ordinal .y sebagai besaran gaya aksial. .x3 merupakan bentuk kurva derajat tiga KOEFISIEN KORELASI Untuk mengetahui derajat kesesuaian dari persamaan yang didapat.5 19.y2) .7 2.y1). Apabila r = 0 perkiraan suatu fungsi sangat jelek.6 Jika absis . dimana adalah variable bebas dan adalah variable terikat.x +a2. Menurut metode ini.x +a2.1 28. e2=y2-f(x2).. Metode ini berasumsi bahwa kurva terbaik yang dihasilkan adalah kurva yang mempunyai jumlah total kuadrat kesalahan minimum (least square error) dari data..4 10. Konstanta a dan b dapat ditentukan sehingga analisis kurva bagi hasil benda uji dapat diuji ketelitiannya sebagai rumusan pendekatan hubungan antara gaya dan perpanjangan.4 18. diperoleh data sebagai berikut. REGRESI KUADRAT TERKECIL (LEAST SQUARES METHOD) Gambar 1.xn Dimana: n: derajat dari polinomial yang dipergunakan maka bila: f(x)=a+ a1. Dalam percobaan benda uji tulangan baja untuk mendapatkan hubungan antara besaran gaya dan perpindahan.5 7.. . (x2. . (xn. Analisis kurva data pengamatan.. sehubungan dengan penentuaan sifat bahan.. dihitung nilai koefisien korelasi yang berbentuk: dimana r: koefisien korelasi Untuk perkiraan yang sempurna nilai r = 1. + an.x2+a3.. .9 11.yn).x +a2. kurva terbaik mempunyai karakteristik: ∏= (e1)2+(e2)2+…+(en)2= minimum dimana f(x) merupakan suatu polinomial pendekatan: Y= a0 + a1. en=yn-f(xn). Pengamatan gaya aksial perpanjangan [ton] [mm] 7.x2 merupakan bentuk kurva derajat dua f(x)= a0 + a1.0 3...

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

7 751.25 5 7 6 42 49 6 6 6 36 36 7 10 10 100 100 8 9 10 90 81 9 5.Pertanyaan: Gambarkan kurva dari data dan dari hasil persamaan regresi linear dalam satu grafik.204=3.54 5 27.7 30.3755X untuk y=6 ft maka x=5. Jika jarak minimum jalur sepeda dari lalu-lintas umum adalah 6 ft. kurva hasil regresi LINIERISASI KURVA TIDAK LINIER Data tidak cocok untuk linier Garis Lengkung lebih cocok . NO X Y X.807195739 gambar 01.9-0.5 8 60 56.24/788.6916 10 15 7 105 225 jumlah 82.819398+ 0.8544= 0.819398 persamaan garis: y= 3.04 69 595.9416 b=296.3755x8. berapakah lebar jalur sepeda yang aman.3755 a= =6.Y X2 1 5 4 20 25 2 10 8 80 100 3 7 5 35 49 4 7.

ebx Y= a. Persamaan yang dicari Y= a.xb 1. Dilakukan transformasi : 3. setelah A dan B ketemu persamaan 6. Transformasi dengan Log: Log y = log a + 2.ebx 2.ebx dimana a dan b adalah konstanta.log x 3.0 11.x . Persamaan yang dicari Y= a. Persamaan sementara diubah menjadi: p= A + 4. Persamaan sementara diubah menjadi: p= A + B .1 . b. x b.0 18.q 5.5 23. setelah A dan B ketemu persamaan dikembalikan lagi ke : dikembalikan lagi ke : Y= a.9 Pengamatan perpanjangan [mm] 2. maka: Ln y = ln a + b.7 10.xb Dimana a dan b adalah konstanta Persamaan tersebut menjadi Log y = log a + b.4 3. nilai A dan B dicari dengan menggunakan 5. nilai A dan B dicari dengan menggunakan rumus regresi linier biasa rumus regresi linier biasa 6.x PERSAMAAN BERPANGKAT Diberikan dalam bentuk: Y= a. Persamaan tersebut menjadi Ln y = ln a + ln e .xb contoh : suatu test pembebanan Pengamatan gaya aksial [ton] 7. log x ALGORITMA: Transformasi Log Transformasi Ln 1.Untuk itu perlu dilakukan pendekatan. Dilakukan transformasi : p= ln y A= ln a p= log y A= log a q=x B= b q=log x B= b 4.q B . karena ln e= 1. Transformasi dengan Ln: Ln y = ln a + b.4 7. Yaitu dengan dua cara: FUNGSI EKSPONENSIAL Diberikan dalam bentuk: Y= a.

427629 1885 197.25 84.21 57.09602677 A= Persamaan yang dicari adalah b=B=0.20193.x Gambar Fungsi linear pada skala logaritma.999335 571.929000 28.ebx --> Y=1.20193 sehingga persamaan: Y= a.1 11.223775 1.28.09602677 karena: A=ln(a)--> maka 0.306787 rerata 17.7 2.4 10 18.25 35.7 3.4 7.139928 18.406945 Q2 59.6 28.6 9.4 3.0 7.4 2.5 7 342.04=0.9 5 28.802605 jumlah 88.5259855 23.183931416=ln(a) a=1.72 1.5 7.5 2.23775 7.7411113 12.102364 23.875469 1.09602677.1 23.5 19.29 100 PxQ 6. x Ydata Y hitungan 0.201934 7.94591 2.5 19.7 2.554190 .6 Y Q=X P=ln(y) 0.9 11.96)= 151.5 Maka: NO X 1 2 3 4 10 19.6 18.9 11.8855258 B= =(986.0 3.5 18.2879294)/( 9425-7849.2460046/1575.0 1.e 0.97553 812.517681 10.533934-835.

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

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

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

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

5+0.x2.001666667 . x0] b2= f[x2. F[x1. xn-1 .f2(45)=65 + 2.5(45-40) + (-0.04)(45-40)(45-50) f2(45)=65+12.x2]= F[x2.x0]= F[x2.x1]= Dalam bentuk tabel iterasi xi f(xi) Pertama 0 40 65 2.1 Kedua -0. x0] : bn= f[xn.x1. x0] bila ditinjau dari fungsi diferensi terbagi hingga yang pertama : Untuk orde yang kedua: secara grafis: Contoh Soal: Ulangi persoalan di atas dengan interpolasi newton gunakan 4 data terakhir x0 x1 X2 X3 Kecepatan (mil/jam) 40 50 60 70 y0 y1 y2 y3 Jarak henti (feet) 65 90 111 148 jawab.x1]= F[x3.02 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 .x0]= F[x3.5 1 50 90 2. x1 .1=77.03 Ketiga 0.….

Selesaikan untuk kecepatan 45 mil/jam dengan interpolasi Lagrange derajat tiga x0 x1 X2 X3 .2 60 111 3.001666667 f3 (45)=65+2.5 b2=-0.5+0.f[x1.02 b3=-0.625 f3(45)=78. x0] menjadi --> polinomial Lagrange Orde Pertama Bentuk umum: dimana: untuk derajat dua: dimana ∏ berarti hasil perkalian dari: untuk derajat tiga: Contoh.001666667x(45-40)x(45-50)x(45-60) f3 (45)=65+12.7 3 70 148 Maka: b0=65 b1=2.02)x(45-40)x(45-50)+0. dapat langsung diturunkan dari metode Newton (misal kasus untuk orde pertama): dengan pembagi beda hingga: atau sehingga: f1(x)= f(x0) + (x-x0).5x(45-40)+(-0.5+0.625 feet INTERPOLASI LAGRANGE Hampir sama dengan metode Newton.

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

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

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

K1] Langkah 3 : melakukan operasi aritmatik dengan pivot [R2. titik kumpul. gaya yang bekerja pada setiap titik 1. K2] . 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 sin (600)=0.5 Dengan eliminasi gauss maka. melakukan operasi aritmatis antar baris Langkah 1 : mengubah posisi baris R2 dan R3 Langkah 2 : melakukan operasi aritmatik dengan pivot [R1.Langkah Penyelesaian: 1.866 cos (600)=0. Tentukan penomoran elemen batang. 2. Selesaikan dengan cara kesetimbangan gaya pada titik kumpul. dan 3 dapat digambarkan seperti pada gambar berikut.2.5 cos (300)= 0.

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. tulis matrik [ I | C ] sebagai hasil akhir persamaan. yang tinggal hanyalah suku-suku pada diagonal matriks saja. Bentuk akhir matriks gabungan setelah eliminasi dinyatakan Langkah Penyelesaian dengan metode gauss-Jordan: 1. maka cara eliminasi Gauss-Jordan dilakukan pula pada bagian segitiga atas matriks.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. Contoh: Sistem persamaan Linear Langkah 1 Matrik augmentasi Hasil Elemen pivot . Pada akhir eliminasi. ketika langkah ke-dua sudah selesai.

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).

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

[A]-1=[I] atau [A]-1.Contoh: Tentukan hasil dari persamaan di bawah ini: solusi: Unsur matrik [A] disandingkan dengan matrik [I] dalam satu larik Menghasilkan: Menghasilkan: Menghasilkan: Menghasilkan: unsur diagonal dijadikan satu satuan menjadi: sehingga invers matrik [A]-1 adalah: chek: [A].[A] =[I] .

4 + 0.4.(-1).0 . maka = == 4.(-1).1.2.0 .(-3) . maka : Jika A = .2. dan didefinisikan sebagai jumlah semua hasil kali elementer bertanda dari A.0 = -8 A adalah matriks segitiga atas sedangkan B adalah matriks segitiga bawah.0.0 . [I] adalah matriks identitas.0.1.0 + 2.4(-1). Bentuk matriks gabungan [G] yang merupakan gabungan matriks [A] dan [I]. baik matriks segitiga atas maupun bawah berukuran nxn. 3.2.0 + (-3). 4.(-1). Diketahui A = yang merupakan matriks segitiga bawah. Untuk setiap langkah eliminasi lakukan lebih daffluu proses pivoting untuk mencari persamaan pivot. Maka. Jumlah det(A) disebut sebagai determinan A. . = = 2.0 = 0 Teorema 2 Jika A adalah matriks segitiga.0 . maka |A| =0 Contoh. DETERMINAN Definisi Misalkan A adalah matriks bujur sangkar.4 = -8 + 0 + 0 .0. Lakukan eliminasi untuk me-nol-kan bagian segitiga bawah dan segitiga atas matriks. Fungsi determinan dinyatakan oleh Det(A). Lakukan normalisasi sehingga semua elemen diagonal matriks sama dengan 1 (satu). determinannya adalah hasil kali semua elemen diagonalnya. Masukkan nilai matriks [A].(-3).Algoritma penyelesaian perhitungan invers matriks dengan eliminasi Gauss-Jordan dengan proses pivoting: 1. Det(A) atau |A| Contoh.4.0. 2.0 .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.(-3) .0 + 0. dengan elemen pada baris ke 3 semuanya nol.2.

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

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

z=0.45% 19. y= 2.66667+2x2. jika telah memenuhi toleransi yang diberikan cetak. perhitungan secara umum dinyatakan sebagai Penetapan nilai variabel menurut proses ini disebut Iterasi Jacobi.380952 2.129252 2. .761905 2. z= 2.99% 3.857714.857143 2.Untuk iterasi ke-I.857714)/5=2.66667. yaitu :maksimum Algoritma penyelesaian persamaan simultan dengan iterasi Jacobi: 1.70% .000000 0. dan ulangi langkah (3). 4. y=0. Periksa basil perhitungan.857714. Contoh. Iterasi X 1 0.69% 3. Jika tidak.666667 2. Selesaikan sistem persamaan berikut dengan metode iterasi Jacobi. Y(2)=(20-+3x2)/7=2.000000 1. Langkah 1. 5.571429 Y Z X' Y' Z' Pros(x) Pros(y) Pros(z) 0.50% 2. dimasukkan nilai x=0.761905 2. 3x+ y. Maka: X(1)=(5-0+0)/3=1. dimasukkan nilai x=1.000000 2 1.380952 4 1.857714+2)/3=1. serta toleransi perhitungan. 3.47619.053061 2.12% 11. Y(1)=(20-0+0)/7=2.129252 2. Inisialisasi nilai x(0). Z(2)=(10-2x1. ada kemungkinan konvergensi tercapai secara lambat.z =5 4x+7y-3z=20 2x-2y+5z=10 Sistem persamaan dapat ditulis dalam bentuk: . Maka: X(2)=(5-2.000000 1. Masukkan nilai matriks [A] dan (b) yang membentuk persamaan simultan linear.58% 2.552381 12. Hitung harga x(1) dengan rumusan iterasi Jacobi.000000 2.474376 3. Z(1)=(10-0+0)/5=2 Langkah 2. 2.666667 3 1.857143 2.476190 1. nilai x(1) sebagai hasil akhir perhitungan dan hentikan program.476190 20.571429 3.66667.23% 2. sehingga perlu ditetapkan syarat terjadinya konvergensi dalam perhitungan iterasi. Dengan nilai awal sembarang . Dalam bentuk tabel.623129 6. lanjutkan ke langkah berikutnya.76190.552381 1.74% 2.38095. Gantikan nilai x(0) dengan x(1).

b).474376 3.133551 2.5 1.131501 2. Pada iterasi Gauss-Seidel.650529 ITERASI GAUSS-SEIDEL 2.73% 0.07% 0.649807 1.523356 3. maka mengisikan matriks [A] dengan [L] [U] menghasilkan[L][U]{x} ={b} Beiaiti terdapat dua sistem: [L] {z} = {b} untuk mencari {z}.01% 0. Mendapatkan matriks [L] dan [U].646753 0.505419. Bentuk iteratif persamaan iterasi adalah sebagai berikut: MATRIK DEKOMPOSISI METODE DEKOMPOSISI LU Jika suatu matrik [A] bukan singular (determinan bukan nol).23% 10 1.510588 3.510588 3.135486 2.2X2 +3X3 =5 X1 +4X2 -2X3 =9 3X1 +2X2 -5X3 =8 Dalam bentuk matriks : untuk proses dekomposisi menggunakan: .138840 2.507229 3.497545 3.17% 0. nilai hasil perhitungan pada baris awal langsung digunakan untuk perhitungan nilai selanjutnya di dalam iterasi.646753 1. maka matrik tersebut dapat diuraikan menjadi: matrik triangular [L] dan [U] Dimana [L] merupakan matrik triangular bawah. Matriks [U] sama dengan matriks triangulasi yang diperoleh dari metode Gauss. Sehingga [A]= [L].135486 2.497545 3.23% 0.72% 7 1.649959 0.03% Iterasi Gauss-Seidel sebagai cara penyelesaian persamaan linear simultan tidak jauh berbeda dengan iterasi Jacobi. Z= 2.128272 2.631474 3.78% 0. Y= 3.114428 2. Algoritma proses dekomposisi LU: a).67% 0.45% 9 1.646194 1.12% Maka X= 1. c).649807 0.131501. [U] Bila persamaan linear: [A]{x} ={b).114428 2.623129 1.507229 3.32% 0. Menyelesaikan [L]{z) = {b}.128272 2.631474 1.053061 2.503756 3. Dengan metode ini konvergensi akan tercapai lebih cepat.138840 2. ditinjau proses dekomposisi LU untuk menyelesaikan persamaan 5X1 .650529 0. dan (U] {x} = {z} untuk memperoleh {x}.523356 3.86% 8 1.505419 3. Menyelesaikan [U]{x} = {z} Sebagai contoh.646194 1.649959 1. dan [U] : matrik triangular atas.56% 0.503756 3.133551 2.22% 6 1.02% 0.12% 0.

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

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

3. a23=(u12. j=i+1.. u12= a12 / . persamaan linear simultan yang diperoleh dari rumusan matematika berdasarkan teori elastis umumnya mempunyai unsur koefisien variabel yang simetris. a12=(u11.….…. a13=(u11.n.u13).dalam bentuk umum Xn=Yn Xi=Yi-Uij. Persamaan linear simultan itu dapat dinyatakan sebagai atau [A]{X}={B} Matriks [A] disebut matriks simetri apabila di luar unsur diagonal. Dengan demikiau unsur matriks simetri dirumuskan sebagai aij =aji. u13=a13/ . dengan kedua matriks satu sama lain adalah matriks transpose. u11= .....3.n.2.i? j.u13)+(u22.u12).2. J= 1.1. Matriks simetri dapat dinyatakan dalam produk matriks triangulasi bawah dengan matrik triangulasi atas. . i= 1. nyatakan unsur u2j dalam aij. Faktorisasi matrik [A]=[U]T[U] hubungan unsur aij dan uij pada baris pertama a11=(u11)2. unsur matriks baris sama dengan unsur matriks kolom pada indeks baris dan kolom yang sama. a1n=(u11. u1n =a1n / baris kedua a22=(u12)2+=(u22)2 .u23).Xj untuk i=n-1.u1n) nyatakan unsur u1j dalam aij....2 METODE CHOLESKY Dalam ilmu rekayasa.

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->