You are on page 1of 34

Modul Praktikum Metode Numerik

PENDAHULUAN SCILAB

 1. Struktur Scilab

Program Scilab sudah memiliki text editor di dalamnya. Perintah/kode program Scilab dapat dituliskan 

di dalam window Scilab Execution (Scilex) ataupun di window Scipad (text editor Scilab). Namun 

untuk praktikum Metode Numerik ini, program dituliskan di dalam Scipad.

 2. File Extension

File   program   Scilab   memiliki   extension   .sce.   File   ini   masih   dalam   bentuk   text   format.   Untuk 

mengeksekusi file .sce, pertama kali file tersebut dibuka di dalam Scilab. Kemudian dieksekusi (ctrl + 

l).

 3. Perintah Scilab

 3.1. Vektor

Cara untuk membuat vektor dalam Scilab sbb : (vektor disebut juga dengan array satu dimensi)
x=[0 ;2 ; 5]

 3.2. Matriks

Cara untuk membuat matriks dalam Scilab sbb : (matriks disebut juga array dua dimensi)

[ ]
1 3 4
−1 2 5
4 −3 5

perintahnya sbb :
A=[1 3 4 ;−1 2 5 ; 4 −3 5]

 3.3. Vector Otomatis

1 Lab Komputer Dasar
Modul Praktikum Metode Numerik

Cara menciptakan vector secara otomatis dari 1 hingga 7 dengan faktor kenaikan sebesar 0.2
w = 1:0.2:7

 3.4. Menjalankan Function pada Vector

Vektor dapat diberlakukan suatu function secara bersamaan dengan perintah :
z = sin(w)

 3.5. Membuat Plot dari Vector

Dua vector z dan w dapat dibuat plot w versus z dengan perintah :
plot2d(w,z)

 3.6. Matriks Bilangan Random

Cara membuat matriks m x n yang berisi bilangan random sbb :
rand(n,m)

 3.7. Loops dan Condition

Looping dan condition di dalam Scilab sbb :

ans = 0; n = 1; term = 1; 
while( ans + term ~= ans ) 
        ans = ans + term; 
        term = term*x/n; 
        n = n + 1; 
end 
ans 

kemudian dijalankan perintah sbb :

2 Lab Komputer Dasar
Modul Praktikum Metode Numerik

x = 1.0 
exec(’ex.sci’) 

Selain itu :
for j=­4:2:6
disp(j**2)
end
Hasilnya adalah : 16, 4, 0, 4, 16, 36

 3.8. Statement IF

Statement IF di dalam Scilab sbb :
if expression then
statements
else if expression then
statements
else
statements
end

 3.9. Function

Contoh function pada Scilab :

function y = ex(x) 
// EX A simple function to calculate exp(x) 
y = 0; n = 1; term = 1; 
while( y + term ~= y ) 
        y = y + term; 
        term = term*x/n; 

3 Lab Komputer Dasar
Modul Praktikum Metode Numerik

        n = n + 1; 
end 
endfunction 

cara menjalankan :
exec('ex.sci')
ex(1.0)

4 Lab Komputer Dasar
Modul Praktikum Metode Numerik

A. PENYELESAIAN AKAR­AKAR PERSAMAAN KARAKTERISTIK

Akar­akar persamaan karakteristik adalah penyelesaian dari suatu persamaan polinomial. Polinomial 

tersebut   berorde   (berpangkat)   2   atau   lebih,   biasa   disebut   dengan   persamaan   Non   Linear.   Untuk 

persamaan orde 2 atau tiga masih mudah untuk menyelesaikan. Namun untuk persamaan berorde tinggi 

diperlukan metode numerik untuk mempermudah pencarian akar persamaan tersebut.

Beberapa metode yang bisa digunakan akan dijelaskan di bawah ini :

1. METODE BISECTION

Metode Bisection digunakan untuk mencari akar persamaan non linear melalui proses iterasi dengan 

persamaan :

X c= X a X b/2 ...(1.1)

dimana nilai  f  X a. f  X b 0 ...(1.2).

Kelemahan metode ini adalah :

1. Jika   akar   persamaan   lebih   dari   satu,   maka   nilai   tersebut   hanya   bisa   ditemukan   satu   per 

satu/tidak bisa sekaligus.

2. Tidak dapat mencari akar kompleks (imajiner).

3. Proses iterasi tergolong lambat.   

Berikut algoritma penyelesaian Metode Bisection :

5 Lab Komputer Dasar
Modul Praktikum Metode Numerik

Langkah pertama, menentukan dua nilai x (Xa dan Xb) sebagai nilai awal perkiraan. Kedua nilai ini 

harus memenuhi syarat persamaan 1.2

Langkah   kedua,  jika   nilai  awal  telah   didapatkan  selanjutnya  menentukan   nilai  x  (misal  Xc)   baru 

menggunakan persamaan 1.1

Langkah ketiga, mencari nilai f(Xc)

Langkah selanjutnya, melakukan langkah 2 dan 3 hingga didapatkan f(Xc) = 0 atau mendekati 0.

Contoh :

Carilah akar persamaan  f  x=x −7x1


3

Langkah pertama, menentukan dua nilai x awal. Misal :   Xa = 2.6 dan Xb = 2.5. Kemudian cek 

apakah kedua nilai tersebut memenuhi syarat?

f(Xa) = f(2.6) =  2.6 −72.61=0.376


3

f(Xb) = f(2.5) =  2.5 −72.51=−0.875


3

Karena f(Xa).f(Xb) < 0 maka kedua nilai perkiraan di atas benar.

Langkah kedua, mencari nilai Xc

X c= X a X b/2 atau  X c=2.62.5/2 = 2.55

dan

f  X c =2.553−72.551=−0.2686

karena nilai f(Xc) negatif maka f(Xc) menggantikan f(Xb).

Langkah ketiga, mencari nilai Xd

6 Lab Komputer Dasar
Modul Praktikum Metode Numerik

X d=2.62.55/2=2.575

dan
3
f  X d =2.575 −72.5751=−0.04886

Langkah keempat, mencari nilai Xe

X e=2.62.575/2=2.5625

dan
3
f  X e=2.5625 −7 5.56251=−0.11108

Langkah berikutnya,  ulangi langkah­langkah di atas hingga menemukan f(Xn) yang mendekati nol 

atau f  xn−1 − f  x n e . Sedangkan e dapat ditentukan sendiri, misalnya  E x 10−5

Tugas Anda

1. Buatlah program implementasi dari algoritma di atas! Hasil program di atas f(x) tidak pernah 

nol bulat (­3,472 x 10­8) dengan x = 2.571201.

2. Seorang peneliti atom menemukan hubungan waktu luruh radioaktif (t) dengan energi (E) yang 

dimiliki   atom   tersebut   dengan   suatu   persamaan   t=4 E33 E−2 E2 .   Berapakah   energi 

yang diperlukan untuk meluruh dalam waktu nol.

7 Lab Komputer Dasar
Modul Praktikum Metode Numerik

2. METODE NEWTON RAPHSON

Metode   Newton   Raphson   juga   digunakan   untuk   menyelesaikan   persamaan   non   linear   f(x).   Rumus 

penyelesaian 
X n1= X n− f  X n / f '  X n  ... 2a

Sedangkan persamaan non linear dapat diselesaikan jika memenuhi syarat sbb :
∣ f x 1 . f ' ' x 1 /  f ' x 1 . f ' x 1 ∣ < 1 ... 2b

dimana  X 1 adalah titik awal yang ditentukan sebelum melakukan iterasi.

Keterbatasan dari metode ini adalah :

1. jika fungsi f(x) mempunyai beberapa titik penyelesaian, maka akar­akar penyelesaian tersebut 

tidak dapat dicari secara bersamaan.

2. Tidak dapat mencari akar imajiner(kompleks).

3. Tidak   dapat mencari akar persamaan yang tidak memenuhi syarat persamaan 2b, meskipun 

sebenarnya persamaan memiliki akar persamaan.

4. Untuk persamaan yang sangat kompleks, pencarian turunan pertama dan kedua sangatlah sulit.

Berikut algoritma Metode Newton Raphson :

1. Mencari turunan pertama dan kedua dari persamaan yang ada.

2. Menentukan   nilai   X 1 sebagai   nilai   perkiraan   awal   dan   kemudian   mengecek   apakah 

memenuhi persyaratan persamaan 2b.

3. Jika memenuhi, maka iterasi dilakukan untuk mencari nilai  X n .

4. Begitu seterusnya hingga antara  X n−1− X n = 0 atau <= nilai e (error). Nilai error ini dapat 

ditentukan sendiri.

8 Lab Komputer Dasar
Modul Praktikum Metode Numerik

Contoh :

Carilah persamaan non linear di bawah ini dengan Metode Newton Raphson :
x 2
f  x=e −3x =0

Langkah pertama, mencari turunan persamaan tersebut

f '  x=e x−6x

f ' '  x=ex −6

Langkah kedua, menentukan nilai  X 1 , misalnya  X 1 = 1.

f(1) =  e 3−312=−0.281718

f'(1) =  e −61=−3.281718
3

f''(1) =  e 3−6=−3.281718

jadi
∣ f x 1 . f ' 'x 1 /  f ' x 1 . f 'x 1 ∣=0.0858451

karena syarat dipenuhi maka proses iterasi dapat dilanjutkan.

Langkah ketiga, melakukan iterasi persamaan 2a untuk mencari  X n jika e (error) =  E x 10−7 .

x2 =x 1 − f  x 1/ f ' x1 =0.9141155

x1 −x 2 =0.0858845

Langkah keempat, karena selisih x lebih besar dari e dan bukan 0 maka

x3 =x 2 − f  x 2/ f ' x2 =0.910018

x2 −x 3 =0.0040975

dst. hingga selisihnya sama dengan nol atau lebih kecil dari e.

Tugas Anda

9 Lab Komputer Dasar
Modul Praktikum Metode Numerik

1. Buatlah program yang menerapkan algoritma di atas. Jika jawaban benar maka akar  f(x)  = 

0.9100076 atau mendekatinya.

2. Seorang ekonom menemukan bahwa hubungan permintaan (x) dengan besar inflasi (y) adalah 

. Tentukan jumlah permintaan yang menandakan bahwa inflasi sebesar 
4 2 −2
y =x −9x 2x

nol! (error = 0.01).

10 Lab Komputer Dasar
Modul Praktikum Metode Numerik

B. PENYELESAIAN PERSAMAAN LINEAR SERENTAK

Persamaan Linear serentak adalah suatu persamaan dengan variabel bebas, misalnya : 

y1 = a11x1 + a12x2 + a13x3 +... + a1nxn  

y2 = a21x1 + a22x2 + a23x3 +... + a2nxn

y2 = a31x1 + a32x2 + a33x3 +... + a3nxn

Penyelesaian dari persamaan tersebut bisa menggunakan bantuan matriks. Namun untuk ordo (jumlah 

variabel dan jumlah persamaan) yang tinggi, penyelesaian dapat menggunakan nilai pendekatan. Oleh 

sebab   itu,   metode   numerik   bisa   digunakan   untuk   persamaan   ini.   Metode   yang   bisa   dipakai   akan 

dijelaskan di bawah ini.

1. METODE JACOBI

Metode iterasi Jakobi adalah metode penyelesaian persamaan serentak melalui proses iterasi dengan 

menggunakan persamaan sbb :
n
x1n1=h i /aii− ∑ aij /aii x n
j
... 3a
j =1

           dimana j <> i

Kelemahan dari metode ini adalah :

1. Jika ordo persamaan cukup tinggi maka konsumsi waktu untuk eksekusi program menjadi lama.

2. Metode   ini   hanya   bisa   dipakai   jika   persamaan   yang   akan   diselesaikan   memenuhi   syarat 

persamaan berikut
n
∣a ii∣ ∑ ∣aij∣, i=1,2,... , N persamaan 3b
j=1

11 Lab Komputer Dasar
Modul Praktikum Metode Numerik

dimana j <> I

Berikut algoritma Metode Jacobi

1. Cek apakah susunan persamaan yang akan diselesaikan memenuhi syarat persamaan 3b. Jika ya, 

maka lanjut ke langkah kedua.

2. Menyusun matriks koefisien, matriks variabel, dan matriks hasil.

3. Langkah ketiga adalah menentukan titik variabel x awal kemudian melakukan iterasi dengan 

persamaan 3a hingga didapatkan nilai variabel x yang tidak berubah atau hampir tidak berubah 

dari iterasi yang sebelumnya.

Contoh :

Carilah penyelesaian dari persamaan sbb : 
8x 1x 2x 3=8

x1 −7x 22x 3=−4

x1 2x 29x 3=12

Langkah pertama, menyusun urutan persamaan sehingga memenuhi persyaratan pada persamaan 3b. 

Urutannya sebagai berikut : 

persamaan   8x 1x 2x 3=8 diletakkan   pada   posisi   paling   pertama   dikarenakan   koefisien   a11 

memiliki  nilai paling besar. Kemudian posisi nomer dua adalah persamaan   x1 −7x 22x 3=−4

dikarenakan koefisien a22 memiliki nilai paling besar dari ketiga persamaan. Dan yang terakhir adalah 

persamaan  x1 2x 29x 3=12 .

Langkah kedua, menyusun matriks koefisien, matriks variabel dan matriks hasil.

matriks koefisien :

12 Lab Komputer Dasar
Modul Praktikum Metode Numerik

 
8 1 −1
A= 1 −7 2
1 2 9

matriks variabel :


x1
x= x 2
x3

matriks hasil :


8
h= −4
12

Langkah   ketiga,  menentukan   titik   awal   variabel,   misal   diambil   nilai   awal   dari   x1,   x2,       x3  =   0. 

Kemudian melakukan iterasi dengan persamaan 3a hingga nilai  x1, x2, x3 tidak berubah. Contoh iterasi 

pertama sbb :

8 a
8 a11  a
x1 = − 12 x 2  13 x 3
a11 
x1 =8/8−00=1

x2 =
−4 a21

−7 a22  a
x 1  23 x 3
a22 
x2 =0.571−00=0.571

x3 =
12 a31
9

a33 a
x1  32 x 2
a33 
x3 =1.333−00=1.333

setelah dilanjutkan hingga iterasi ke 8 maka hasil dari x1, x2, x3 semuanya adalah 1.

13 Lab Komputer Dasar
Modul Praktikum Metode Numerik

Tugas Anda 

1. Buatlah program yang mengimplementasikan algoritma di atas.

2. Seorang   peneliti   melakukan   penelitian   mengenai   lintasan   elektron   yang   dipengaruhi   oleh   3 

faktor, katakanlah x, y, dan z. Hasil dari penelitian tersebut memberikan 3 buah persamaan sbb :
4x−10y6z=30
3x5y−7z=15
6x−8y6z=−8
Tugas   Anda   sebagai   programmer   adalah   membantu   peneliti   tersebut   dengan   membuatkan 

program untuk mencari nilai x, y, dan z. nilai error = 0.01 dengan menggunakan Metode Jacobi.

14 Lab Komputer Dasar
Modul Praktikum Metode Numerik

2. METODE GAUSS SEIDEL

Metode   Gauss   Seidel   digunakan   untuk   menyelesaikan   persamaan   serentak.   Metode   ini   lebih   cepat 

dibandingkan dengan Metode Jacobi. Metode Gauss Seidel ini menggunakan persamaan sbb :
bi i−1 aij n1 N aij  n
xn1
i
= −∑ x −∑ x j persamaan 4.a
aii j=1 aii j j =i1 a ii

dimana :

i = 1, 2,...N

n = 1, 2, …

Algoritma Gauss Seidel, sbb :

1. Cek apakah susunan persamaan yang akan diselesaikan memenuhi syarat persamaan 4a. Jika ya, 

maka lanjut ke langkah kedua.

2. Menyusun matriks koefisien, matriks variabel, dan matriks hasil.

3. Menentukan titik variabel x awal kemudian melakukan iterasi dengan persamaan 4a hingga 

didapatkan nilai  variabel  x yang  tidak  berubah  atau  hampir  tidak  berubah dari iterasi  yang 

sebelumnya.

Contoh :

Carilah penyelesaian dari persamaan ini menggunakan metode Gauss Seidel :
8x 1x 2x 3=8

x1 −7x 22x 3=−4

x1 2x 29x 3=12

Langkah pertama, menyusun urutan persamaan sehingga memenuhi persyaratan pada persamaan 3b. 

Urutannya sebagai berikut : 

15 Lab Komputer Dasar
Modul Praktikum Metode Numerik

persamaan   8x 1x 2x 3=8 diletakkan   pada   posisi   paling   pertama   dikarenakan   koefisien   a11 

memiliki  nilai paling besar. Kemudian posisi nomer dua adalah persamaan   x1 −7x 22x 3=−4

dikarenakan koefisien a22 memiliki nilai paling besar dari ketiga persamaan. Dan yang terakhir adalah 

persamaan  x1 2x 29x 3=12 .

Langkah kedua, menyusun matriks koefisien, matriks variabel dan matriks hasil.

matriks koefisien :

8 1 −1
A= 1 −7 2
1 2 9  
matriks variabel :


x1
x= x 2
x3

matriks hasil :

8
h= −4
12 
Langkah   ketiga,  menetukan   titik   awal   misalnya   :   x1 , x 2 , x 3 =0 kemudian   melakukan   iterasi 
1 1   1

dengan persamaan 4.a, yaitu :
0
h1
 2 a1j n1 3 a1j  n
x =1
−∑ x −∑ xj
a11 j=1 a11 j j=2 a 11

h1 a a
x12= −0− 12 x21 13 x31
a11 a11 a11
 2
x1 =1−0−00=1

16 Lab Komputer Dasar
Modul Praktikum Metode Numerik

1 3
h2 a a2j  n
x22= −∑ 2j x n1
j
− ∑ xj
a22 j=1 a22 j=3 a 22

h2 a a
x22= −0− 21 x12 23 x31
a 22 a 22 a22
 2
x2 =0.571−−1 /70=0.7147
2 3
h2 a a3j  n
x32= −∑ 3j x n1
j
− ∑ xj
a22 j=1 a33 j=4 a 33

h3 a a
x32= −0− 31 x12 32 x22
a33 a33 a33
 2
x3 =1.333−2/90.714/9=1.032

Setelah dilanjutkan sampai iterasi ke­N ditemukan hasil dari  x1 , x 2 , x 3=1 .

Tugas Anda :

1. Buatlah implementasi program dengan Scilab pada persoalan di atas.

3. Seorang   peneliti   melakukan   penelitian   mengenai   lintasan   elektron   yang   dipengaruhi   oleh   3 

faktor, katakanlah x, y, dan z. Hasil dari penelitian tersebut memberikan 3 buah persamaan sbb :
4x−10y6z=30
3x5y−7z=15
6x−8y6z=−8
Tugas   Anda   sebagai   programmer   adalah   membantu   peneliti   tersebut   dengan   membuatkan 

program untuk mencari nilai x, y, dan z. nilai error = 0.01 menggunakan Metode Gauss Seidel.

17 Lab Komputer Dasar
Modul Praktikum Metode Numerik

C. PENYELESAIAN PERSAMAAN NON LINEAR SERENTAK

Persamaan Non Linear serentak adalah dua buah persamaan berordo(pangkat) lebih dari satu. Masing­

masing   persamaan memiliki kaitan sehingga penyelesaian persamaan satu dapat digunakan   sebagai 

penyelesaian   dalam   persamaan   yang   lainnya.   Salah   satu   metode   yang   bisa   digunakan   untuk 

menyelesaikan persamaan non linear serentak adalah Metode Newton Raphson.

METODE NEWTON RAPHSON

Metode Newton Raphson ini memiliki proses iterasi yang cepat. Namun hanya terbatas pada persamaan 

berordo dua atau tiga. Untuk ordo yang lebih besar, persoalan akan menjadi kompleks dikarenakan ada 

penghitungan determinan matriks ordo tinggi.

Algoritma Newton Raphson

1. Menyelesaikan 2 persamaan Non Linear serentak menjadi :

F x 1 , x 2 =0  dan  G x 1 , x 2 =0

2. Mencari nilai fungsi   F x 1 , x 2  dan   G x 1 , x 2 =0 dan turunan fungsi tersebut terhadap 

masing­masing   variabelnya,   yaitu   dF /dx 1 , dF/ dx2 , dG/dx 1 , dG/dx 2 pada   titik   awal 
0 0
yang ditentukan yaitu  x1 dan  x2 .

3. Mencari   nilai   r 1 dan   s 1 ( r 1 dan   s 1 adalah   deviasi   dari   nilai   x1 dan   x2 ), 

dengan aturan sbb :

r 1=
∣ −F x 1 , x2 
−Gx 1 , x2 
dF /dx 2
dG/dx 2 ∣        s 1=

dF /dx 1 −F  x1 , x 2 
dG/dx 1 −G x1 , x 2 ∣
∣dF /dx 1
dG /dx 1 ∣
dF /dx 2
dG/dx 2 ∣
dF /dx 1
dG/ dx1 ∣
dF /dx 2
dG /dx 2

kemudian dengan pendekatan didapatkan 

18 Lab Komputer Dasar
Modul Praktikum Metode Numerik

1 0
x1 =x 1 r 1
1 0
x2 =x 2 s 1

4. melakukan operasi iterasi dengan mengulang langkah kedua sampai didapatkan nilai r dan s nol 

atau mendekati nol/error.

Contoh :

Carilah penyelesaian dari persamaan non linear serentak sbb :

x2 x1 =12.6−x 1 e−x 2

4ln x 2x 210.3=3x 1 x 2

Penyelesaiannya adalah :

Langkah pertama, menyusun persamaan di atas menjadi bentuk

F x 1 , x 2 =0

G x 1 , x 2 =0

yaitu : 
−x2
F x 1 , x 2 =x1 e −x2 x1 −12.6=0

G x 1 , x 2 =4ln x 2x 210.3−3x 1 x 2

Langkah kedua, Mencari nilai fungsi dan turunannya pada  x1 dan  x2 misalkan ditentukan nilai 


0 0

0 0
awalnya sebesar  x1 =4 dan  x2 =3 akan didapatkan :
−x2
F x 1 , x 2 =x1 e −x2 x 1−12.6

F x 1 , x 2 =4exp−3−34−12.6

F x 1 , x 2 =−0.799148273

dan
2
G x 1 , x 2 =4ln x 2 x 10.3−3x 1 x2

19 Lab Komputer Dasar
Modul Praktikum Metode Numerik

2
G x 1 , x 2 =4ln34 0.4−3 43

G x 1 , x 2 =−0.090160536

nilai turunannya :
−x2
dF /dx 1 =−x 2e =−3exp−3=2.9590212932
−x2
dF /dx 2 =−x 1−x 1 e =−4−4exp−3=−4.199148273

dG /dx 1=2x 1−3x2 =24−3 3=2.803847577

dG /dx 2=4/x 2−3x1 /2x 2 =4/3−34/23=−2.130768282

Langkah ketiga, mencari nilai  r 1 dan  s 1

r 1=

−0.799148273 −4.199148273
0.090160536 −2.130768282 ∣=0.115249096

−2.950212932 −4.199148273
2.803847577 −2.130768282 ∣
s 1=

−2.950212932 −0.799148273
2.803847577 0.090160536 ∣ =0.109340978

−2.950212932−4.1994148273
2.803847577 −2.130768282 ∣
sehingga 
1 0
x1 =x 1 r 1=40.115249096=4.115249096
1 0
x2 =x 2 s 1=30.109340978=3.109340978

Langkah keempat, mengulang langkah kedua dan ketiga hingga didapatkan nilai  r 1 dan  s 1 sama 

dengan nol.

Hasil akhirnya adalah  x1 =4.1131531474 dan  x2 =3.1080320798

Tugas Anda

1. Buatlah program menggunakan Scilab pada persoalan di atas.

2. Buatlah program untuk menyelesaikan persamaan non linear serentak dari persamaan sbb

20 Lab Komputer Dasar
Modul Praktikum Metode Numerik

x1 =2 log x 2 x 1 x 2 dan  x1 x2 =e x23−ln x21

21 Lab Komputer Dasar
Modul Praktikum Metode Numerik

D. INTERPOLASI

Interpolasi adalah mencari nilai dari suatu fungsi yang tidak diketahui melalui nilai­nilai fungsi yang 

diketahui. Dengan kata lain, fungsi tersebut tidak diketahui persamaannya namun yang diketahui hanya 

nilainya. Misalnya suatu fungsi yang bernilai sbb :

x f(x)
0 0
0.2 0.406
0.4 0.846
0.6 1.386
0.8 2.060
1.0 3.114
1.2 5.114
Kemudian dicari nilai x dimana f(x) = 3.015.

Penyelesaian   dari   interpolasi   dapat   menggunakan   bantuan   Tabel   Beda   Hingga.   Berikut   penjelasan 

mengenai Tabel Beda Hingga.

Tabel Beda Hingga

dari kasus di atas jika dibuat tabel beda hingga sbb :

x f(x) ∆f(x) ∆f(x)2 ∆f(x)3 ∆f(x)4 ∆f(x)5 ∆f(x)6


0.0 0.000
0.406
0.2 0.406 0.034
0.440 0.048
0.4 0.846 0.082 0.040
0.552 0.088 0.064
0.6 1.368 0.170 0.104 0.254
0.692 0.192 0.318
0.8 2.060 0.361 0.422
1.054 0.614
1.0 3.114 0.976
22 2.030 Lab Komputer Dasar
1.2 5.144
Modul Praktikum Metode Numerik

1. INTERPOLASI METODE NEWTON GREGORY FORWARD (NGF)

Interpolasi   metode   Newton­Gregory   Forward   adalah   metode   yang   digunakan   untuk   menyelesaikan 

persoalan interpolasi dengan menggunakan persamaan sbb :
 s−1 2 s s−1s−2 3 s s−1s−2... s−n1 n
f  x s= f 0 s  f 0 s  f 0  f 0...  f0
2! 3! n!

persamaan 1.D
x s−x 0
dimana  s= dan   f 0 didapatkan melalui Tabel Beda Hingga.
h

Metode ini memiliki keterbatasan antara lain :

1. Hanya dapat digunakan untuk menyelesaikan persoalan interpolasi equispaced.

( x1 −x 0 =x 2−x 1=x 3−x 2=...=x n−x n−1 =konstan atau h = konstan)

2. Hanya cocok untuk menyelesaikan persoalan interpolasi untuk nilai xs terletak di dekat nilai 

awal  x1  dan  x0 (nilai errornya kecil).

3. Tidak   dapat   digunakan   untuk   menyelesaikan   permasalahan   interpolasi   balik   (invers 

interpolation).

Namun metode ini sangat efektif digunakan untuk mencari nilai f(x) di sekitar titik awal.

Algoritma NGF

Langkah pertama, mencari nilai­nilai beda hingga dari f(x) dengan bantuan Tabel Beda Hingga.

Langkah kedua, mencari nilai s dan nilai fungsi f(xs) dengan persamaan 1.D.

Contoh :

Carilah nilai dari f(xs) dengan xs = 1.03 menggunakan metode NGF.

23 Lab Komputer Dasar
Modul Praktikum Metode Numerik

n x f(x)
0 1.0 1.449
1 1.3 2.060
2 1.6 2.645
3 1.9 3.216
4 2.2 3.779
5 2.5 4.338
6 2.8 4.898

Penyelesaian :

Langkah pertama, mencari nilai­nilai beda hingga dari data yang diberikan.

s x f(x) ∆f(x) ∆f(x)2 ∆f(x)3 ∆f(x)4 ∆f(x)5 ∆f(x)6


0 1 1.45
0.611
1 1.3 2.06 -0.026
0.585 0.012
2 1.6 2.65 -0.014 -0.006
0.571 0.006 0.004
3 1.9 3.22 -0.008 -0.002 -0.001
0.563 0.004 0.003
4 2.2 3.78 -0.004 0.001
0.559 0.005
5 2.5 4.34 0.001
0.560
6 2.8 4.9

Langkah kedua, mencari nilai s dengan persamaan 1D.

x s−x 0 1.03−1
s= = =0.1
h 1.3−1
2 3
dengan bantuan tabel didapatkan   f 0=0.611 ; f 0 =−0.026 ; f 0 =0.012 ;

4 f 0=0.006 ; 5 f 0 =0.004 ; 6 f 0=−0.001 sehingga :

24 Lab Komputer Dasar
Modul Praktikum Metode Numerik

s s−1 2 s s−1 s−2 3


f  x s= f 0 s  f 0   f 0  f 0
2! 3!
s s−1s−2 s−3 4 s s−1s−2 s−3 s−4 5
   f 0  f0
4! 5!
s s−1s−2 s−3 s−4s−5 6
   f 0=1.5118136
6!

Tugas Anda

1. Buatlah program menggunakan Scilab dari persoalan di atas.

2. Buatlah program untuk mendapatkan nilai f(x) dimana x = 2.09 menggunakan NGF

n x f(x)
0 1.0 4.90
1 1.25 5.00
2 1.5 5.243
3 1.75 5.467
4 2.0 5.689
5 2.25 5.887
6 2.5 6.03
7 2.75 6.288
8 3 6.489

25 Lab Komputer Dasar
Modul Praktikum Metode Numerik

2. INTERPOLASI METODE STIRLING

Interpolasi Metode Stirling adalah metode penyelesaian interpolasi menggunakan persamaan sbb :

 f −1 f 0 ∣ ∣∣∣
s1  s
2 2 2 3
f  3
f 4∣ ∣∣ ∣
s2  s1
4
∣∣
f  x s= f 0  s
1 2

2 ∣ ∣
 f −1 s1
3
−2
2
−1
2
4 f −2

   
5 5
s2  f −3 f −2  6
∣ ∣∣ ∣
s3  s2
6
∣ ∣
5 2 2
6 f −3... persamaan 2.D

dimana :
x s−x 0
s=
h

dan  ∣sk j∣= s js j−1s j−2k!s j−3... s j−k1
Keuntungan dari metode ini adalah jika nilai f(x) yang dicari berada di sekitar nilai tengah maka nilai 

errornya kecil.

Algoritma Stirling

Langkah pertama, mencari nilai beda hingga dan membuat Tabel Beda Hingga.

Langkah kedua, mencari nilai s dan mencari nilai f(xs) dengan persamaan 2D.

Contoh

Carilah nilai f(xs) pada xs = 1.87 dengan Metode Stirling

n x f(x)
­3 1.0 1.449
­2 1.3 2.060
­1 1.6 2.645
0 1.9 3.216

26 Lab Komputer Dasar
Modul Praktikum Metode Numerik

1 2.2 3.779
2 2.5 4.338
3 2.8 4.898
Penyelesaian :

Langkah pertama, mencari nilai beda hingga dari data di atas.

s x f(x) ∆f(x) ∆f(x)2 ∆f(x)3 ∆f(x)4 ∆f(x)5 ∆f(x)6


-3 1 1.45
0.611
-2 1.3 2.06 -0.026
0.585 0.012
-1 1.6 2.65 -0.014 -0.006
0.571 0.006 0.004
0 1.9 3.22 -0.008 -0.002 -0.001
0.563 0.004 0.003
1 2.2 3.78 -0.004 0.001
0.559 0.005
2 2.5 4.34 0.001
0.560
3 2.8 4.9

Langkah kedua, mencari nilai s dan f(xs)

x s−x 0 1.87−1.9
s= = =−0.1
h 1.3−1
2
dari tabel beda hingga diketahui   f −1=0.571 ;  f 0=0.563 ;  f −1 =−0.008 ;

3 f −2=0.006 ; 3 f −1 =0.004 ;4 F −2 =−0.002 ; 5 f −3=0.004 ;


5 6
 f −1=0.003 ;  f −3 =−0.001

sehingga

 f −1 f 0 ∣ ∣∣∣
51  5
2 2 2
3 3
 f −2 f −1
∣∣
f  x5 = f 0 1
5 2

2
 f −1 51
3 ∣ ∣ 2

    ∣ ∣∣ ∣ ∣ ∣∣ ∣
52  51 51  52
5 5
4 4  f  f 6 6
2
 f −2 52
4

5 ∣ ∣
−3

2
−2

2
6
 f −3=3.159402

27 Lab Komputer Dasar
Modul Praktikum Metode Numerik

jadi f(1.87) = 3.159402

Tugas Anda

1. Buatlah program menggunakan Scilab dari implementasi permasalahan di atas.

2. Buatlah program untuk mendapatkan nilai f(x) dimana x = 1.89 menggunakan Metode Stirling

n x f(x)
0 1.0 4.90
1 1.25 5.00
2 1.5 5.243
3 1.75 5.467
4 2.0 5.689
5 2.25 5.887
6 2.5 6.03
7 2.75 6.288
8 3 6.489

28 Lab Komputer Dasar
Modul Praktikum Metode Numerik

3. Interpolasi Metode Lagrange

Interpolasi Lagrange memiliki penyelesaian dengan persamaan sbb :
x−x 1 x−x2  x−x 3 ... x−x n 
f  x= f 
 x 0−x1  x0 −x2  x0 −x3 ... x 0−x n  0

 x−x0  x−x2  x−x 3 ... x−x n 


f 
 x1 −x0  x1 −x2  x1 −x 3 ... x 1−x n  1

 x−x0  x−x1  x−x 3 ... x−x n 


f 
 x2 −x0  x2 −x1  x2 −x 3 ... x 2−x n  2

 x−x0  x−x 1  x−x 2 ... x−xn 


f 
 x3 −x1  x3 −x 2  x3 −x 3 ... x 3−x n  3

 x−x 1  x−x 2 x−x 3 ... x−xn−1


... f ......persamaan 3.D
x n −x 1 x n −x 2 x n −x 3 ... x n−x n−1  n

Kelebihan dari metode Lagrange adalah :

1. Interpolasi   Metode   Lagrange   dapat   digunakan   untuk   menyelesaikan   persoalan   interpolasi 

equispaced (h = konstan) atau non equispaced (h= todak konstan).

2. Metode Lagrange dapat digunakan untuk menyelesaikan kasus interpolasi dan invers interpolasi 

(interpolasi balik).

3. Metode   Lagrange   dapat   digunakan   untuk   mencari   nilai   fungsi   yang   variabelnya   terletak   di 

daerah awal, akhir, maupun tengah.

4. Tidak membutuhkan tabel beda hingga dalam proses penyelesaiannya sehingga penyelesaian 

persoalaan lebih mudah.

Contoh :

Carilah nilai dari f(x) pada x = 1.03 dengan tabel sbb :

n x f(x)

29 Lab Komputer Dasar
Modul Praktikum Metode Numerik

0 1.0 0.000
1 1.2 0.2625
2 1.5 0.9123
3 1.9 2.3170
4 2.1 3.2719
5 2.5 5.7268
6 3.0 9.8875

Penyelesaian :
x−x 1  x−x2  x−x3  x−x 4 x−x 5 x−x 6
f  x= f 
 x 0−x1  x0 −x2  x0 −x3  x0 −x 4  x0 −x 5 x 0 −x 6  0

x−x0  x−x2  x−x 3 x−x 4 x−x 5  x−x6 


f 
 x1 −x0  x1 −x 2  x1 −x 3 x 1−x 4 x 1 −x 5 x 1−x 6  1

x−x0  x−x1  x−x 3 x−x 4 x−x 5  x−x6 


f 
 x2 −x0  x2 −x 1  x2 −x 3 x 2−x 4 x 2 −x 5 x 2−x 6  2

x−x0  x−x1  x−x 2 x−x 4 x−x 5  x−x6 


f 
 x3 −x0  x3 −x 1  x3 −x 2 x 3−x 4 x 3 −x 5 x 3−x 6  3

 x−x 0 x−x 1  x−x2  x−x3  x−x 5 x−x 6 


f 
 x 4−x0  x 4−x1  x 4−x2  x 4−x 3 x 4−x 5 x 4−x 6 4

x−x0  x−x1  x−x 2 x−x 3 x−x 4  x−x6 


f 
 x5 −x0  x5 −x 1  x5 −x 2 x 5−x 3 x 5−x 4 x 5−x 6  5

x−x0  x−x1  x−x 2 x−x 3 x−x 4  x−x5 


f 
 x6 −x0  x6 −x 1  x6 −x 2 x 6−x 3 x 6−x 4 x 6−x 5  6

=0.031352

Tugas Anda :

1. Buatlah implementasi program dengan Scilab dari persoalan di atas.

2. Carilah nilai f(x) dengan x = 2.39

30 Lab Komputer Dasar
Modul Praktikum Metode Numerik

n x f(x)
0 1.0 4.90
1 1.3 5.00
2 1.5 5.243
3 1.75 5.467
4 2.0 5.689
5 2.4 5.887
6 2.5 6.03
7 2.75 6.288
8 3 6.489

31 Lab Komputer Dasar
Modul Praktikum Metode Numerik

E. INTEGRASI NUMERIK

1. Integrasi Numerik Metode Trapzoida

Integrasi   numerik   adalah   proses   menyelesaikan   nilai   dari   suatu   integral   f(x)   pada   batas   tertentu   (
x=x 0−x n ) dengan menggunakan persamaan 1.E untuk non equispaced dan 2.E untuk equispaced. 

 x 1−x0   x −x   x −x 
∫ f  x dx=  f 1 f 0  2 1  f 2  f 1 ... n n−1  f n f n−1 ........1.E
2 2 2

∫ f  x dx= h2 [ f 0 2 f 1 f 2 f 3...f n−1 f n ]........2.E


dimana  h=x 1−x 0=x 2−x 1=... dst

Contoh :

Carilah nilai integral dengan batas x = 1.0 sampai x = 2.8 dari tabel di bawah ini dengan Metode 

Trapzoida.

n x f(x)
0 1.0 1.449
1 1.3 2.060
2 1.6 2.645
3 1.9 3.216
4 2.2 3.779
5 2.5 4.338
6 2.8 4.898

Penyelesaian :

Dari tabel di atas diketahui bahwa persamaan yang digunakan adalah equispaced (persamaan 2.E)

∫ f  x dx= h2 [ f 0 2 f 1 f 2  f 3 f 4  f 5 f 6 ]

32 Lab Komputer Dasar
Modul Praktikum Metode Numerik

1.3−1.0
       = 1.44922.0602.6453.2163.7794.3384.898
2

       =5.76345

Tugas Anda :

1. Buatlah program implementasi dari penyelesaian persoalan di atas dengan Scilab dan Metode 

Trapzoida.

2. Carilah   nilai   dari   integral   dari   x   =   1.0   hingga   x   =   3   dengan   Metode   Trapzoida   dari   tabel 

berikut :

n x f(x)
0 1.0 4.90
1 1.3 5.00
2 1.5 5.243
3 1.75 5.467
4 2.0 5.689
5 2.4 5.887
6 2.5 6.03
7 2.75 6.288
8 3 6.489

33 Lab Komputer Dasar
Modul Praktikum Metode Numerik

Modul ini disadur dari :

• Munif, Abdul, Metode Numerik

• ANU Computational Teaching Modules, Scilab Tutorials

34 Lab Komputer Dasar

You might also like