STMIK WIDYADHARMA

JURUSAN TEKNIK PERANGKAT

LUNAK

TIKK 412
METODE
NUMERIK
NURI SIMARONA, ST
MATERI PERKULIAHAN:
 SISTEM PERSAMAAN
LINIER SIMULTAN
 PENDAHULUAN METODE NUMERIK
 Eliminasi Gauss
 Pengertian Metode  Gauss-Jordan.
Numerik  Iterasi Gauss-Seidel
 Pendekatan dan Kesalahan

 PENCOCOKAN KURVA
 AKAR-AKAR PERSAMAAN
 Regresi Kuadrat Terkecil
 Metode Biseksi  Interpolasi
 Metode Regula Falsi
 Metode Secant
 Metode Iterasi Titik Tetap  INTEGRASI NUMERIK
 Metode Newton – Raphson  Integrasi Newton-Cotes
 Integrasi Kuadratur Gauss

 Persamaan Diferensial
 Metode Satu Langkah
NURI SIMARONA, ST
Referensi:
 Chapra Steven C., Canale Raymond
P., Metode Numerik Untuk Teknik:
Dengan Penerapan pada
Komputer Pribadi, penerjemah: S.
Sardy dan pendamping: Lamyarni I.S.,
Cetakan 1, Universitas Indonesia (UI-
Press), Jakarta, 1991
 Steven E. Pav., Numerical Methods
Course Notes Version 0.11 (UCSD Math
174, Fall 2004), Department of
Mathematics, MC0112, University of
California at San Diego, La Jolla, CA

NURI SIMARONA, ST
Pendahuluan
Metode Numerik adalah suatu metode
atau teknik untuk menyelesaikan masalah
matematika melalui pengoperasian
aritmatika secara iteratif.

Manfaat Metode Numerik

 Sanggup menangani sistem persamaan yang besar,
tidak linier serta geometri rumit yang tidak biasa
terjadi dalam praktek keteknikan dan sering kali tidak
memungkinkan untuk diselesaikan secara analitis.
 Dasar pengetahuan untuk menggunakan program
aplikasi komputer yang mencakup metode numerik.
 Mengoptimalkan penggunaan kalkulator
(prakomputer) dan komputer (pemrograman) dalam
mencari solusi permasalahan matematika yang rumit.
 Pemahaman tentang pengendalian kesalahan
pendekatan dalam kalkulasi numerik.

NURI SIMARONA, ST
 Angka Signifikan
Angka-angka atau digit berarti yang
dapat digunakan dengan meyakinkan dan
dapat diandalkan.

Misal:
0,00144 ( 3 angka signifikan)
0,0010408 (5 angka signifikan)
12,500 (3 atau 5 angka signifikan ?)
1,26 x 105 (3 angka signifikan)
1,260 x 104 (4 angka signifikan)
1,2600 x 104 (5 angka signifikan)

NURI SIMARONA, ST
 Dua implikasi penting angka
signifikan dalam metode
Angka signifikan
akan memberikan
kriteria untuk
merinci seberapa Angka signifikan
ke y a k i n a n k i t a memberikan pengabaian
mengenai hasil-hasil dari angka signifikan
pendekatan dalam
metode numerik sisa untuk besaran
spesifik yang tidak bisa
dinyatakan secara
eksak karena
ke t e r b a t a s a n j u m l a h
digit yang mampu
d i s i m p a n ko m p u t e r

NURI SIMARONA, ST
 Akurasi dan Presisi
Presisi Akurasi : dekatnya sebuah
Ø Jumlah angka signifikan angka pendekatan atau
yang menyatakan suatu pengukuran terhadap harga
besaran. sebenarnya yang hendak
dinyatakan.
Ø Penyebaran dalam
bacaan berulang dari
sebuah alat yang Inakurasi (bias) :
mengukur suatu Simpangan sistematis dari
perilaku fisik tertentu. kebenaran.

Kesalahan komputasi numerik terjadi jika

tidak akurat dan tidak presisi dalam
melakukan taksiran.
NURI SIMARONA, ST
 KESALAHAN (GALAT atau
ERROR)
Kesalahan numerik timbul dari penggunaan
pendekatan (aproksimasi) untuk menyatakan
operasi dan besaran matematika yang pasti.

Ada 3 macam kesalahan dasar

3.Kesalahan bawaan (inheren)
4.Kesalahan pemotongan (Truncation Error)
5.Kesalahan pembulatan (Round-off Error)

NURI SIMARONA, ST
Kesalahan bawaan (Inheren)
Te r j a d i akibat ke ke l i r u a n dalam
m e n y a l i n d a t a , s a l a h m e m b a c a s ka l a
atau ke s a l a h a n ka re n a ku r a n g n y a
pengertian mengenai h u ku m - h u ku m
f i s i k d a r i d a t a y a n g d i u ku r.
Kesalahan Pemotongan (Truncation
Error)
Berhubungan dengan cara pelaksanaan
prosedur numerik
Kesalahan Pembulatan (Round-off
Error)
Akibat pembulatan angka
 Komputer hanya menyimpan sejumlah
tertentu angka signifikan selama kalkulasi.
NURI SIMARONA, ST
Penyelesaian secara numerik suatu
persamaan matematis hanya memberikan
aproksimasi yang mendekati harga eksak
(sebenarnya/pasti) dari penyelesaian analitis.

Hubungan harga eksak dan aproksimasi:

Harga eksak = aproksimasi + Kesalahan

Kesalahan numerik adalah setara terhadap

ketidakcocokan antara yang sebenarnya dan
aproksimasi, sehingga

Et = Harga eksak – aproksimasi

Dimana, Et = kesalahan mutlak

NURI SIMARONA, ST
Definisi kesalahan mutlak memiliki kelemahan karena
tidak memperhitungkan tingkat/orde besar dari nilai
yang diperiksa, misalnya kesalahan 1 cm akan sangat
berarti pada pengukuran panjang sekrup dari pada
pengukuran panjang jembatan.
Normalisasi kesalahan terhadap harga eksak, He
digunakan kesalahan relatif, yaitu
Kesalahan mutlak
Kesalahan relatif = =
Harga eksak

Kesalahan relatif dapat dikalikan dengan100%

sehingga didefinisikan sebagai Persentase kesalahan
relatif, εt,

NURI SIMARONA, ST
 Alternatif yang selalu dipakai dalam
menormalisasi kesalahan dengan
menggunakan taksiran terbaik dari
harga yang sebenarnya terhadap
kesalahan aproksimasi itu sendiri,
yaitu
Kesalahan aproksimasi
εa = x 100%
aproksimasi

Dimana: εa = Persentase kesalahan harga

aproksimasi.

NURI SIMARONA, ST
Dengan persamaan εa kita menentukan
taksiran kesalahan tanpa pengetahuan
mengenai harga eksak. Dalam metode
numerik tertentu digunakan
pendekatan iterasi untuk
meminimalkan kesalahan, jadi suatu
aproksimasi yang baru dibuat
berdasarkan aproksimasi sebelumnya,
yaitu:
aproksimasi baru – aproksimasi lama
εa = x 100%
aproksimasi baru

NURI SIMARONA, ST
Dalam komputasi persentase
kesalahan dilakukan secara berulang
hingga memenuhi:

εs = ( 0,5 x 10 2 - n )%
Dengan memperhatikan jumlah angka
signifikan pada aproksimasi, maka ada
jaminan bahwa hasilnya adalah benar
hingga sekurang-kurangnya n angka
signifikan.
NURI SIMARONA, ST
Soal:
1. Berapa jumlah angka signifikan disetiap bilangan berikut?
a. 84,0 c. 70,0 e. 0,00460
b. 70 d. 0,04600 f. 8,0 x 103
2. Bulatkan bilangan-bilangan berikut sampai tiga angka
signifikan.
c.8,755 c. 0,368124 x 102 e. 0,999500
d.4.225,0002 d. 5,445 x 103
3. Lakukan operasi hitung berikut dan tuliskan hasilnya dalam
jumlah angka signifikan yang benar.
a. 0,00423 + (25,1 x 10-3) + (10,322 x 10-2)
b. (7,7 x 10-5) – (5,409 x 10-6) + (7,0 x 10-4)
c. (8,38 x 105) x ( (6,9 x 10-5)
d. 87.619 / (0,00871 x 99.999)
e. (58,6 (12 x 10-6) – (208 x 10-6) (1,801)) / (468,94 x 10-6)

NURI SIMARONA, ST
4. Perluasan Deret Maclaurin untuk cos x adalah:

untuk menaksir cos (π/3). Setelah setiap suku

baru ditambahkan, hitung persentase kesalahan
aproksimasi dan eksak. Gunakan kalkulator
untuk menentukan harga eksaknya. Tambahkan
suku-suku sampai harga mutlak dari taksiran
kesalahan aproksimasi di bawah kriteria
kesalahan untuk memastikan sampai dua angka
signifikan.

NURI SIMARONA, ST
AKAR-AKAR
AKAR-AKARPERSAMAAN
PERSAMAAN
vMetode Biseksi
vMetode Regula Falsi
vMetode Secant
vMetode Iterasi Titik Tetap
vMetode Newton – Raphson

NURI SIMARONA, ST
Definisi f(x) =
Akar :
Penentuan
0
Akar :
0
ü f(x) = 0 mempunyai paling sedikit satu
akar dalam interval [a,b] jika:
q f(x) kontinyu pada [a,b].
q f(a).f(b) < 0, yaitu f(x) berubah tanda
pada [a,b].

NURI SIMARONA, ST
METODE BISECTION
The bisection method is a root-finding algorithm
which works by repeatedly dividing an interval in half
and then selecting the subinterval in which a root
exists. Kelebihan: Konvergen,
mudah untuk dibuat
program, dan tingkat
kesalahan kecil.

Kekurangan:
Konvergensi bersifat
linier, menghasilkan
satu akar saja dalam
perhitungan, dan
ambat dalam proses
perhitungan.

NURI SIMARONA, ST
Algoritma metode
Bisection:
1. Tentukan a, b, dan persentase kesalahan angka
signifikan, εs.
2. Periksa apakah f(a).f(b) > 0; jika ya, berhenti
karena pada selang yang diberikan tidak terdapat
akar persamaan.
3. Hitung nilai m = (a+b)/2.
4. Jika l εa l < εs, tuliskan m sebagai hasil perhitungan,
dan akhiri program; jika tidak, lanjutkan ke
langkah berikutnya.
5. Jika f(a) x f(m) < 0, maka b = m; jika tidak, a = m.
6. Kembali ke langkah 3.  

NURI SIMARONA, ST
Algoritma metode bagi dua (modifikasi):
2. Tentukan dua titik, misalnya a1 dan b1
dengan a1 < b1 dan kedua nilai fungsi
berlainan tanda
3. Tentukan titik tengah c1 dan hitung εs .
c1 adalah titik pendekatan awal.
4. Hitung εa
5. hitung f(cn), jika f(cn) = 0 atau εs < lεa l
maka stop
6. hitung sn+1 = sn / 2
7. jika f(cn ) < 0, maka cn+1 =cn + sn+1
8. jika f(cn ) > 0, maka cn+1 =cn - sn+1
9. Kembali ke langkah 4

NURI SIMARONA, ST
METODE REGULA FALSI (INTERPOLASI
LINIER)
Algoritmanya sama seperti metode Bisection, kecuali
mengganti penentuan m dengan rumusan :

NURI SIMARONA, ST
Algoritma Metode Regula Falsi
2. Tentukan a, b, dan persentase kesalahan angka
signifikan, εs.
3. Periksa apakah f(a).f(b) > 0; jika ya, berhenti
karena pada selang yang diberikan tidak terdapat
akar persamaan.

5. Hitung nilai

7. Jika lεa l < εs, tuliskan m sebagai hasil perhitungan,

dan akhiri program; jika tidak, lanjutkan ke
langkah berikutnya.
8. Jika f(a).f(m) < 0, maka b = m; jika tidak, a = m.
9. Kembali ke langkah 3.  

NURI SIMARONA, ST
Contoh:
Tentukan akar-akar real dari

(a)Secara grafik
(b) Menggunakan tiga iterasi dari metode bagi
dua untuk menentukan akar tertinggi.
Lakukan tebakan awal dengan xl = 2,9 dan
xu = 3,1. Hitung kesalahan taksiran εa dan
kesalahan sebenarnya εt setelah setiap
iterasi.
(c) Menggunakan metode posisi salah dengan
εs sesuai dengan tiga angka signifikan
untuk menentukan akar terendah.
NURI SIMARONA, ST
Solusi dengan metode grafik

NURI SIMARONA, ST
Solusi metode bagi dua dengan tiga iterasi

NURI SIMARONA, ST
Solusi dengan metode regula falsi

NURI SIMARONA, ST
Soal:
Tentukan akar real dari ln x = 0,5
(a)Secara grafik
(b) Menggunakan tiga iterasi dari metode bagi
dua dengan tebakan awal dengan xl = 1 dan
xu = 2. Hitung kesalahan taksiran εa dan
kesalahan sebenarnya εt setelah setiap
iterasi.
(c) Menggunakan tiga iterasi metode posisi salah
dengan tebakan awal yang serupa pada (b).

NURI SIMARONA, ST
NURI SIMARONA, ST
METODE NEWTON-RAPHSON
Newtons method is an iterative method for root
finding. That is, starting from some guess at the root,
x0 , one iteration of the algorithm produces a number
x1 which is supposed to be closer to a root; guesses
x2 , x3 , …, xn follow identically.

NURI SIMARONA, ST
Algoritma Metode Newton-Raphson
1. Tentukan f(x)’, x0, dan εs
2. Hitung xn+1 dengan persamaan

5. Hitung εa, jika l εa l < εs, maka xn+1 sebagai hasil

dan stop.
6. Kembali ke langkah 2.

Contoh:
Cari akar real dari persamaan f(x) = x4 + 4x3 + 1 ;
[-1, 0] dengan metode Bisection, Regula falsi dan
Newton-Raphson dengan ketelitian 3 angka
signifikan.

NURI SIMARONA, ST
Solusi : f(x) = x4 + 4x3 + 1

Solusi metode bagi

dua:
Solusi metode posisi
salah:
Solusi metode
Newton_Raphson: NURI SIMARONA, ST
NURI SIMARONA, ST
NURI SIMARONA, ST
NURI SIMARONA, ST
Review
 Metode Secant
(modifikasi Metode Newton-
Raphson)

Untuk aproksimasi ke-n

diperoleh

NURI SIMARONA, ST
Algoritma Metode Secant

1. Tentukan f(x)’, x0, dan εs

2. Hitung xn+1 dengan persamaan

6. Hitung εa, jika l εa l < εs, maka xn+1 sebagai

hasil dan stop.
7. Kembali ke langkah 2.
Contoh:
Cari akar real dari persamaan f(x) = x4 + 4x3 + 1 ;
[-1, 0] dengan metode Newton-Raphson dan metode
secant dengan ketelitian 3 angka signifikan.

Excel
NURI SIMARONA, ST
 Metode Titik Tetap (Fixed Point )
jika
f(x) = x –
g(x) = 0
maka
x = g(x)
Untuk
aproksimasi xn

TI TIB NURI SIMARONA, ST

Soal Latihan:
Tentukan akar real dari ln x
= 0,5 metode Newton-Raphson dan metode
dengan
secant dengan ketelitian 2 angka signifikan.

NURI SIMARONA, ST
Solusi Soal Latihan TI B

NURI SIMARONA, ST