ANALISA NUMERIK

1. Tinjauan Matematik
Prasyarat yang diperlukan untuk mempelajari metode numerik adalah matematika.
Matematika adalah ilmu dasar, jadi anda diharapkan sudah memiliki pengetahuan mengenai
konsep fungsi, geometri, konsep kalkulus seperti turunan dan integral, dan sebagainya. Tidak
paham terlalu dalam tidak apa, yang penting anda mengerti.
a. Bilangan Signifikan
Angka penting / significant merupakan bilangan yang diperoleh dari hasil pengukuran
yang terjadi dari angka-angka penting yang sudah pasti (terbaca pada alat ukur) dan suatu angka
terakhir yang ditafsir atau diragukan.
Tujuan dari pengukuran adalah menunjukkan hasil pengukuran tersebut pada orang lain
sehingga orang tersebut mengerti dan paham. Untuk itu diperlukan suatu aturan agar penyajian
hasil pengukuran tersebut mudah dipahami dan tetap memberikan keakuratan yang dibutuhkan.
Aturan yang dimaksud di atas adalah aturan angka penting.
Nilai signifikan adalah suatu nilai dimana jumlah angka ditentukan sebagai batas nilai
tersebut diterima atau tidak. Sebagai contoh perhatikan nilai pada penggaris :


40 50 70
Nilai yang ditunjuk tidak tepat pada angka yang ditentukan karena selisih 1 strip, dalam
kejadian ini bila dianggap nilai signifikan = 1 maka nilainya 59 atau 60. Bila penggaris tersebut
dilihat dengan skala lebih besar pada daerah yang ditunjuk oleh jarum :



40 50 60 70

Dari gambar ini, dengan nilai signifikan 10
-1
(0,1) maka diperoleh nilainya 59 atau 59,5.





b. Deret Taylor
Dalam matematika, deret Taylor adalah representasi fungsi matematika sebagai jumlahan
tak hingga dari suku-suku yang nilainya dihitung dari turunan fungsi tersebut di suatu titik.
Deret ini dapat dianggap sebagai limit polinomial Taylor. Deret Taylor mendapat nama
dari matematikawan Inggris Brook Taylor. Bila deret tersebut terpusat di titik nol, deret tersebut
dinamakan sebagai deret Maclaurin, dari nama matematikawan Skotlandia Colin Maclaurin.
Deret Taylor dari sebuah fungsi riil atau fungsi kompleks f(x) yang terdiferensialkan
takhingga dalam sebuah pemetaan sebuah bilangan riil ataukompleks a adalah deret pangkat

yang dalam bentuk lebih ringkas dapat dituliskan sebagai

dengan n! melambangkan faktorial n dan f
(n)
(a) melambangkan nilai dari turunan ke-n dari f
pada titik a. Turunan kenol dari f didefinisikan sebagai f itu sendiri, dan (x a)
0
dan 0!
didefinisikan sebagai 1. Dalam kasus khusus di mana a = 0, deret ini disebut juga sebagai Deret
Maclaurin.

2. Akar Persamaan
a. Metoda Tertutup
a) Grafis
Pencarian akar persamaan nonlinier dengan menggunakan metode grafik merupakan cara
paling sederhana dibandingkan dengan metode numerik yang ada. Untuk mendapatkan akar-akar
persamaan ini cukup dilakukan pengeplotan fungsi yang akan dicari akar persamaannya dalam
ranah tertentu. Sebagai contoh, misalnya diinginkan akar-akar persamaan dari fungsi
( ) ( ) ( ) x x x x f = exp . sin t . Kita dapat mengeplot secara sederhana fungsi tersebut dengan
menggunakan salah satu paket software matematika dengan menggunakan Matlab.



Dengan menarik garis perpotongan antara grafik f (x) dengan sumbu -x, maka kita dapat
memperkirakan akar-akar persamaan yang dimilikinya. Satu akar persamaan terletak kira-kira di
x = 0,59 dan yang lain berkisar di x = 0,81. Hasil yang diperoleh tentunya relatif kasar jika
dibandingkan dengan menggunakan metode numeric.

b) Bagi dua (Bisection)
Metoda interval bagi-dua atau disebut juga metoda interval tengah adalah salah satu cara
yang sering digunakan untuk mencari suatu akar. Misalkan kita mengetahui bahwa f(x) = 0
memiliki satu akar antara x = a dan x = b ; maka f(a) dan f(b) memiliki tanda berlawanan
(diasumsikan bahwa grafik f(x) adalah menerus antara a dan b ) sekarang kita lihat bahwa c
adalah pertengahan antara a dan b , yaitu c =
1
2
(a+b), dan menghasilkan f(c). Jika f(c) memiliki
tanda yang sama seperti f(a), maka akarnya terletak antara c dan b; atau kemungkinan lain
akarnya terletak antara a dan c. Kemudian dikurangi interval dalam menentukan letak akar
menjadi setengah dari lebar rentang aslinya. Kita ulang proses tersebut, pengurangan interval
menjadi 1/4 , 1/8, 1/16, .... sampai kita dapat menentukan akarnya sesuai dengan keakuratan
yang kita inginkan.
Prosedur hitungan secara grafis untuk mendapatkan akar persamaan :
a. Hitung fungsi interval yang sama dari x sampai pada perubahan tanda dari fungsi f(x
n
)
dan f(x
n+1
) , yaitu apabila f(x
n
) x f(x
n+1
) < 0 .
b. Estimasi pertama dari akar x
t
dihitung dengan
x
t
=
1
2
{ x
n
+ x
n+1
}
c. Buat evaluasi berikut untuk menentukan di dalam sub interval mana aakar persamaan
berada :
1) Jika f(x
n
) x f(x
n+1
) < 0 , akar persamaan berada pada sub interval pertama,
kemudian tetapkan x
n+1
= x
t
dan lanjutkan pada langkah ke 4
2) Jika f(x
n
) x f(x
n+1
) > 0 , akar persamaan berada pada sub interval kedua, kemudian
tetapkan x
n
= x
t
dan lanjutkan pada langkah ke 4
3) Jika f(x
n
) x f(x
n+1
) = 0 , akar persamaan adalah x
t
dan hitungan selesai.
d. Hitung perkiraan baru dari akar dengan persamaan
e. Apabila perkiraan baru sudah cukup kecil (sesuai dengan batasan yang ditentukan ),
maka hitungan selesai, dan x
t
adalah akar persamaan yang dicari. jika belum, maka
hitungan kembali ke langkah 3.

y f(x)








x
1
x
3
x
5
x
4
x
2

x



x
1
x
3
x
2


x
4

x
5


c) Regulasi-False
Metode posisi palsu mirip dengan metode bagi dua. Kemiripannya terletak dalam hal
diperlukan dua harga taksiran awal pada awal pengurungan akar persamaan. Sedangkan,
perbedaannya terletak pada proses pencarian pendekatan akar persamaan selanjutnya setelah
pendekatan akar saat ini ditemukan.
Algoritma Regulasi False dapat dinyatakan sebagai berikut :
1) Berikan terkaan awal
a
x
dan
b
x
yang mengurung akar persamaan.
2) Untuk menguji bahwa terkaan awal mengurung akar persamaan maka ujilah apakah
( ) ( ) 0 <
b a
x f x f
, jika ya maka terkaan kita sudah benar.
3) Tentukan salah satu titik yang akan digunakan sebagai titik tolak interpolasi linier
misalnya
( )
a a
f x ,

4) Tentukan
c
x
dengan cara :

5) Update harga
b
x
dengan
c
x
dan
b
f
dengan
c
f
.
6) Ulangi proses dari poin 4) hingga ditemukan harga
c
x
yang sudah sangat dengan akar
sebenarnya.
Oleh karena pada setiap langkah akar persamaan selalu terkurung dalam suatu interval,
maka konvergensi dapat dijamin seperti halnya pada metode bagi dua. Metode tersebut dapat
memberikan harga eksak jika fungsi f linier.

b. Metoda Terbuka
a) Iterasi Titik Tetap
Metode Titik Tetap adalah suatu metode pencarian akar suatu fungsi f(x)secara
sederhana dengan menggunakan satu titik awal. Perlu diketahui bahwa fungsi f(x) yang ingin
dicari hampiran akarnya harus konvergen. Misal x adalah Fixed Point (Titik Tetap) fungsi f(x)
bila g(x) = x dan f(x) = 0.
Teorema :
Diketahui g(x) fungsi kontinu dan {X
n
} adalah barisan yang terbetuk oleh Fixed Point Iteration,
maka Jika X
n
= x maka x adalah Fixed Point fungsi g(x).

Prosedur Metode Titik Tetap
Misal f(x) adalah fungsi yang konvergen dengan f(x) = 0, maka untuk mencari nilai
akarnya atau hampiran akarnya kita terlebih dahulu mengubah kedalam bentuk x = g(x).
Kemudian tentukan nilai titik awal, misal x
1
. Setelah itu disubstitusikan titik awalnya ke
persamaan g(x) sedemikian sehingga g(x
1
) = x
2
, setelah itu titik x
2
yang diperoleh substitusikan
lagi ke g(x) sedemikian sehingga g(x
2
) = x
3
. Jadi apabila ditulis iterasinya akan menjadi
x
1
(penetuan titik awal)

x
2
= g(x
1
) (iterasi pertama)

x
3
= g(x
2
) (iterasi kedua)
.
.
x
n
= g(x
n-1
) (iterasi ke-n)

Iterasi ini akan berhenti jika x = g(x) dan f(x) = 0 atau sudah mencapai nilai error yang cukup
kecil (|x
n
- x
n-1
| < ).

b) Newton-Raphson
Metode Newton-Raphson tidak memerlukan dua buah terkaan awal seperti halnya
metode bagi dua dan Regula Falsi, melainkan cukup satu saja tetapi diusahakan terkaan tersebut
cukup dekat dengan akar persamaan yang dicari.
Ide dari metode ini dapat dijelaskan sebagai berikut. Jika kita memberikan satu terkaan
awal
n
x x =
terhadap akar persamaan
0
x
, maka kita memiliki titik
( ) ( )
n n
x f x ,
pada fungsi.
Dengan menarik garis singgung pada titik tersebut dan diperpanjang hingga memotong sumbu x,
maka kita akan memperloleh pendekatan akar lebih dekat dengan terkaan sebelumya.
Algoritma metode Newton-Raphson :
1) Berikan terkaan awal untuk akar persamaan
a
x

2) Evaluasi ( ) x f dan ( ) x f ' pada
a
x x =

3) Hitung pendekatan akar berikutnya dengan

4) Setelah mendapatkan pendekatan akar persamaan yang baru yaitu
'
a
x
, maka jadikan
'
a
x

tersebut sebagai
a
x
.
5) Ulangi langkah ke 2 hingga 4 sampai diperoleh ( ) c <
a
x f

c) Secant
Pada dasarnya metode ini sama dengan metode Newton-Raphson, perbedaannya hanya
terletak pada pendekatan untuk turunan pertama dari f saja. Pendekatan f pada metode Secant
didekati dengan ungkapan beda hingga yang didasarkan pada taksiran akar sebelumnya (beda
mundur).
Algoritma metode Secant :
1) Berikan dua terkaan awal
a
x
dan
b
x

2) Hitung
c
x
dengan cara

3) Set
b a
x x =
,
b a
f f =
dan
c b
x x =
,
c b
f f =

4) Ulangi poin 2 dan 3 sampai
c
x
tidak berubah secara signifikan.
d) Akar Ganda
Satu akar ganda berhubungan dengan suatu titik dimana sebuah fungsi
menyinggung sumbu x.
Misal akar dobel dihasilkan dari:
f(x) = (x - 3)(x - 1)(x - 1)
atau dengan pengalian suku-suku:
f(x) = x
3
- 5x
2
+ 7x - 3
Persamaan diatas memiliki akar dobel, karena 1 akar x membuat kedua suku
dalam persamaan itu sama dengan nol. Secara grafik, ini sesuai dengan kurva yang
menyentuh sumbu x secara tangensial pada akar dobel. Ini dapat dilihat pada gambar 5.4a
di bawah ini pada
x = 1.

Gambar diatas Contoh akar ganda yang menyinggung sumbu x. Perhatikan
bahwa fungsi tak memotong sumbu pada kedua sisi akar ganda genap (a) dan (c),
sedangkan ia memotong sumbu untuk kasus ganjil (b) ([CHA1998] hal. 159).
Akar tripel untuk kasus dimana satu harga x membuat 3 suku dalam suatu persamaan
menjadi nol, misal:
f(x) = (x 3)(x 1)(x 1)(x 1)
atau dengan pengalian suku-suku:
f(x) = x
4
6x
3
+ 12x
2
10x + 3
Kesulitan yang ditimbulkan oleh akar ganda:
Hasil dari metode Akolade berkurang kepercayaannya dengan adanya kenyataan bahwa
fungsi tak berubah tanda pada akar ganda genap. Pada metode Terbuka, ini bisa
menyebabkan divergensi.
Tak hanya f(x) tapi juga f(x) menuju nol pada akar.
Pada metode Newton-Raphson dan Secant, dimana keduanya mengandung turunan
(atau taksiran) di bagian penyebut pada rumusnya, terjadi pembagian dengan nol
jika solusi konvergen sangat mendekati akar.
Menurut Ralston dan Rabinowitz [RAL1978], f(x) selalu mencapai nol sebelum f(x).
Sehingga kalau pemeriksaan nol untuk f(x) disertakan dalam program, maka komputasi
berhenti sebelum f(x) mencapai nol.
Metode Newton-Raphson dan Secant konvergen secara linier (bukan kuadratik),
konvergen untuk akar-akar ganda (Ralston dan Rabinowitz [RAL1978]).

c. Akar Polinom
Suku banyak (polinomial) adalah sebuah ungkapan aljabar yang variabel (peubahnya)
berpangkat Bilangan bulat non negative. Bentuk umum :
y = F(x) = a
0
x
n
+ a
1
x
n-1
+ a
2
x
n-2
+ + a
n-1
x + a
n

Dengan n bilangan bulat
a
n
0
Pengertian-pengertian:
a
0
, a
1
, a
2
,, a
n-1
, a
n

Disebut koefisien masing-masing bilangan real (walaupun boleh juga bilangan
kompleks). Derajat Suku Banyak adalah pangkat tertinggi dari pangkat-pangkat pada tiap-tiap
suku, disebut n. Untuk suku banyak nol dikatakan tidak memiliki derajat.
Suku : a
0
x
n
, a
1
x
n-1
, a
2
x
n-2
, , a
n-1
x , a
n
. Masing-masing merupakan suku dari suku banyak
Suku Tetap (konstanta)
A
0
adalah suku tetap atau konstanta, tidak mengandung variabel/peubah. Sedangkan a
n
x
n
adalah
suku berderajat tinggi.

Pembagian Suku Banyak
Bentuk Umum
F(x) = P(x).H(x) + S(x)
dimana :
F(x) = suku banyak
P(x) = pembagi
H(x) = hasil bagi
S(x) = sisa

Teorema Sisa
Jika suatu suku banyak F(x) dibagi oleh (x k) maka sisanya adalah F(k)
Jika pembagi berderajat n maka sisanya berderajat n 1
Jika suku banyak berderajat mdan pembagi berderajat n, maka hasil baginya berderajat m n

Teorema Faktor
Suatu suku banyak F(x) mempunyai faktor (x k) jika F(k) = 0 (sisanya jika dibagi dengan (x
k) adalah 0)
Catatan: jika (x k) adalah faktor dari F(x) maka k dikatakan sebagai akar dari F(x)

Tips
1. Untuk mencari akar suatu suku banyak dengan cara Horner, dapat dilakukan dengan
mencoba-coba dengan angka dari faktor-faktor konstanta dibagi faktor-faktor koefisien
pangkat tertinggi yang akan memberikan sisa = 0. Contohnya :untuk x
3
2x
2
x + 2 = 0,
faktor-faktor konstantanya: 1, 2, faktor-faktor koefisien pangkat tertinggi: 1.
Sehingga, angka-angka yang perlu dicoba: 1 dan 2untuk 4x
3
2x
2
x + 2 = 0, faktor-
faktor konstantanya: 1, 2, faktor-faktor koefisien pangkat tertinggi: 1, 2, 4.
Sehingga, angka-angka yang perlu dicoba: 1, 2, 1/2, 1/4
2. Jika jumlah koefisien suku banyak = 0, maka pasti salah satu akarnya adalah x = 1.
3. Jika jumlah koefisien suku di posisi genap = jumlah koefisien suku di posisi ganjil, maka
pasti salah satu akarnya adalah x = 1

Sifat Akar-Akar Suku Banyak
Pada persamaan berderajat 3:
ax
3
+ bx
2
+ cx + d = 0 akan mempunyai akar-akar x
1
, x
2
, x
3
dengan sifat-sifat:
- Jumlah 1 akar: x
1
+ x
2
+ x
3
= b/a
- Jumlah 2 akar: x
1
.x
2
+ x
1
.x
3
+ x
2
.x
3
= c/a
- Hasil kali 3 akar: x
1
.x
2
.x
3
= d/a
Pada persamaan berderajat 4:
ax
4
+ bx
3
+ cx
2
+ dx + e = 0 akan mempunyai akar-akar x
1
, x
2
, x
3
, x
4
dengan sifat-sifat:
- Jumlah 1 akar: x
1
+ x
2
+ x
3
+ x
4
= b/a
- Jumlah 2 akar: x
1
.x
2
+ x
1
.x
3
+ x
1
.x
4
+ x
2
.x
3
+ x
2
.x
4
+ x
3
.x
4
= c/a
- Jumlah 3 akar: x
1
.x
2
.x
3
+ x
1
.x
2
.x
4
+ x
2
.x
3
.x
4
= d/a
- Hasil kali 4 akar: x
1
.x
2
.x
3
.x
4
= e/a
Dari kedua persamaan tersebut, kita dapat menurunkan rumus yang sama untuk persamaan
berderajat 5 dan seterusnya

Pembagian Istimewa


3. Penyelesaian Persamaan Linear
A. Metoda Eliminasi
1) Gauss
Eliminasi Gauss adalah suatu cara mengoperasikan nilai-nilai di dalam matriks sehingga
menjadi matriks yang lebih sederhana. Metode Eliminasi Gauss adalah salah satu cara yang
paling awal dan banyak digunakan dalam penyelesaian sistem persamaan linier. Cara ini
ditemukan oleh Carl Friedrich Gauss. Prosedur penyelesaian dari metode ini adalah dengan
melakukan operasi baris sehingga matriks tersebut menjadi matriks yang Eselon-baris. Ini dapat
digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan
matriks. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi
dan mengoperasikannya. Setelah menjadi matriks Eselon-baris, lakukan substitusi balik untuk
mendapatkan nilai dari variabel-variabel tersebut.
Secara umum, sistem persamaan linier adalah sebagai berikut:
a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
= b
1

a
21
x
1
+ a
22
x
2
+ ... + a
2n
x
n
= b
2

: : : = :
a
n1
x
1
+ a
n2
x
2
+ ... + a
nn
x
n
= b
n


Ciri-ciri Eliminasi Gauss
a. Jika suatu baris tidak semua nol, maka bilangan pertama yang tidak nol adalah 1 (1
utama)
b. Baris nol terletak paling bawah
c. 1 utama baris berikutnya berada dikanan 1 utama baris diatasnya
d. Dibawah 1 utama harus nol

2) Gauss Jordan
Eliminasi Gauss-Jordan adalah pengembangan dari eliminasi Gauss yang hasilnya lebih
sederhana lagi. Caranya adalah dengan meneruskan operasi baris dari eliminasi Gauss sehingga
menghasilkan matriks yang Eselon-baris. Ini juga dapat digunakan sebagai salah satu metode
penyelesaian persamaan linear dengan menggunakan matriks.Metode ini digunakan untuk
mencari invers dari sebuah matriks. Prosedur umum untuk metode eliminasi Gauss-Jordan ini
adalah :
a. Ubah sistem persamaan linier yang ingin dihitung menjadi matriks augmentasi.
b. Lakukan operasi baris elementer pada matriks augmentasi (A|b) untuk mengubah matriks
A menjadi dalam bentuk baris eselon yang tereduksi
Pengubahan dilakukan dengan membuat matriks yang elemen-elemennya adalah
koefisien-koefisien dari sistem persamaan linier.
Sedangkan langkah-langkah pada operasi baris elementer yaitu :
a. Menukar posisi dari 2 baris.
Ai A
j

b. Mengalikan baris dengan sebuah bilangan skalar positif.
Ai = k*A
j

c. Menambahkan baris dengan hasil kali skalar dengan baris lainnya
Algoritma Metode Eliminasi Gauss adalah:
a. Masukkan matrik A, dan vektor B beserta ukurannya n
b. Buat augmented matrik [A|B] namakan dengan A
c. Untuk baris ke i dimana i=1 s/d n, perhatikan apakah nilai ai,i =0 :
Bila ya :
pertukarkan baris ke i dan baris ke i+kn, dimana ai+k ,i 0, bila tidak ada berarti
perhitungan tidak bisa dilanjutkan dan proses dihentikan dengan tanpa penyelesaian. Bila
tidak : lanjutkan
d. Untuk baris ke j, dimana j = i+1 s/d n
B. Metoda Dekomposisi LU dan Inversi Matrik
a. Dekomposisi LU
Dekomposisi matriks adalah mengurai matriks dalam bentuk penjumlahan atau perkalian
beberapa matriks. Dalam hal ini, apabila beberapa matriks hasil dekomposisi tersebut
dijumlahkan atau dikalikan, maka akan kembali lagi pada bentuk matriks asalnya. Ada beberapa
metode dalam mendekomposisikan suatu matriks, diantaranya adalah Dekomposisi LU,
dekomposisi LU adalah metode mendekomposisikan matriks dalam bentuk pemfaktoran
matriks, yaitu menjadi matriks segitiga bawah L (lower) dan matriks segitiga atas U (upper).
Bentuk persamaannya:
A=LU
Dalam bentuk matriks pemfaktoran ditulis sebagai:

Pada matriks segitiga bawah L, elemen diagonalnya bebas, sedangkan pada matriks U
semua diagonalnya adalah 1. Di lain sumber, menyatakan kebalikannya, semua elemen diagonal
dari matriks U adalah 1, sedangkan diagonal matriks L bebas. Namun hal ini tidak menjadi
masalah, sebab jika L dan U dikalikan, hasilnya tetap sama dengan matriks A (Munir, 2003:
148). Sebagai contoh, matriks di bawah ini difaktorkan menjadi:

b. Inverse Matriks
Jika A adalah matriks bujur sangkar dan jika kita dapat mencari matriks B, sehingga AB
= BA = I, maka A dikatakan dapat dibalik (invertible) dan B dinamakan invers dari A. Jika
matriks B tidak dapat didefinisikan, maka A dinyatakan sebagai matriks singular. Dapat
ditunjukkan dengan A-1 (Anton, 1998: 34).
Contoh pembuktian persyaratan invers:
Matriks
(

=
2 1
5 3
B adalah invers dari
(

=
3 1
5 2
A

Karena

Sifat-sifat dari invers matriks antara lain:
1) Jika matrik B ataupun C adalah invers dari matriks A, maka B=C
Bukti:
Karena B adalah invers dari A, maka BA=I. dengan mengalikan kedua ruas di sisi
kanannya dengan C diperoleh (BA)C = IC = C. Tetapi (BA)C = B(AC) = BI = B,
sehingga C = B.
2) Jika A dan B adalah matriks-matriks yang dapat dibalik dan ukurannya sama, maka:
- AB dapat dibalik
- (AB)-1 = A-1
3) Jika A adalah matriks bujur sangkar, sedangkan r dan s adalah bilangan bulat, maka:

4) Jika A adalah matriks yang dapat dibalik (invertible), maka:
a)
1
A dapat dibalik dan ( ) A A =

1
1

b) Jika 0 = k , maka kA mempunyai kebalikan dan ( )
1 1
1

= A
k
kA
c)
1
A dapat dibalik dan ( ) ( )
n
n
A A
1
1

= , umtuk n=1, 1, 2, 3, , n

C. Metode Gauss-Seidel
Metode perhitungan secara langsung sudah dibahas dalam sub-bahasan di depan, yaitu
eliminasi Gauss. Metode Gauss-Seidel adalah metode iteratif yang secara luas telah digunakan
sebagai alternatif metode eliminasi.
Tinjau satu set dari n persamaan: [A]{X}={B}, dengan asumsi merupakan persamaan
3x3. Jika elemen diagonal tidak nol dan nilainya tidak diketahui, persamaan pertama bisa
diselesaikan sebagai x1, persamaan kedua sebagai x2 dan persamaan ketiga sebagai x3,
ditunjukkan berikut ini.

Tahap selanjutnya dimulai proses penyelesaian dengan memilih nilai coba untuk x.
Langkah sederhana untuk menentukan nilai coba dengan mengasumsikan bahwa semua nilai
awal adalah nol. Jika disubtitusikan pada persamaan (3.12a), maka didapatkan nilai baru untuk
x1=b1/a11. Kemudian kita subtitusikan nilai baru x1 dan nilai awal bernilai nol untuk x3 pada
persamaan (3.12b) untuk menghitung nilai baru x2. Proses diulang pada persamaan (3.12c)
untuk mendapatkan nilai baru x3. Kemudian kembali diulang untuk persamaan dan prosedur
berulang sampai penyelesaian konvergen cukup rapat untuk nilai kebenaran. Konvergensi bisa
dicek menggunakan criteria.


4. Regresi dan Interpolasi
1) Regresi Kuadrat Terkecil
Metode kuadrat terkecil, yang lebih dikenal dengan nama Least-Squares Method, adalah
salah satu metode pendekatan yang paling penting dalam dunia keteknikan untuk: (a). regresi
ataupun pembentukan persamaan dari titiktitik data diskretnya (dalam pemodelan), dan (b).
analisis sesatan pengukuran (dalam validasi model).
tode kuadrat terkecil ini juga memainkan peranan penting dalam teori statistik, karena
metode ini seringkali digunakan dalam penyelesaian problem-problem yang melibatkan
kumpulan data yang tersusun secara acak, seperti dalam sesatan-sesatan percobaan. Namun
demikian, hal-hal yang berhubungan dengan teori statistik tidak akan dibahas secara khusus
dalam modul ini.
Seperti telah dijelaskan di atas, dalam dunia keteknikan metode kuadrat terkecil ini
digunakan untuk melakukan regresi dan atau pencocokan kurva yang diharapkan dapat
membentuk persamaan matematis tertentu. Secara empiris, persamaan-persamaan matematis
tertentu yang sering digunakan di antaranya adalah:
(a) Persamaan garis lurus (liner): b ax y + =
(b) Persamaan parabolis (kuadratis):
r qx px y + + =
2

(c) Persamaan polimonial (secara umum):
1 1 2
3 2 1
... ...

+ + + + + + =
n
n
k
k
x c x c x c x c c y

=
1
1
k
k
k
x c
(d) Persamaan eksponensial:
d cx bx
ae y
+ +
=
2

(e) Persamaan asimptotis:
d cx
bx ax
y
+
+
=
2


2) Interpolasi
a) Polinom Newton
Misalkan terdapat pasangan dua buah titik (x
0
,f(x
0
)) dan (x
1
,f(x
1
)), maka secara sederhana
dari kedua titik tersebut dapat dibentuk sebuah garis dengan persamaan

Atau dapat ditulis sebagai berikut:

Ini adalah rumus interpolasi linear.
Contoh: Tentukan interpolasi linear jika diberikan data sebagai berikut
x 1.4 1.25
y 3.7 3.9

Solusi: Gunakan persamaan (7) untuk memperoleh

Dari sini dapat dihitung nilai y apabila x = 1.3, yaitu

Dapat dilihat bahwa polinom yang terbentuk oleh dua buah titik ini berderajat satu. Persamaan
(7) dapat ditulis sebagai

Nilai c diperoleh dari data. Lebih lanjut, jika terdapat 3 pasangan titik, secara intuisi
fungsi yang terbentuk tidak lagi berbentuk garis. Bentuk ini akan diperumum untuk derajat yang
lebih tinggisehingga untuk data sebanyak 3 pasangan titik (x
0
,f(x
0
)), (x
1
,f(x
1
)) dan (x
2
,f(x
2
))
polinomnya akan berbentuk

Akan tetapi seperti apakah b
0
, b
1
dan b
2
? Perhatikan bahwa f(x) melalui titik titik (x
1
,f(x
1
)),
(x
2
,f(x
2
)), (x
3
,f(x
3
)). Substitusikan nilai - nilai ini ke persamaan (8) sebagai berikut:

Untuk kemudahan komputasi, bentuk b
2
di atas diubah menjadi bentuk ekivalennya

Pembilang pada b
2
ini adalah pengurangan antara bentuk - bentuk beda terbagi derajat
pertama. Selanjutnya akan diperkenalkan denisi beda terbagi untuk mempermudah penulisan
dalam interpolasi Newton ini.
Denisi: Beda terbagi untuk fungsi f(x) didenisikan sebagai berikut.


Koesien - koesien b
k
dalam interpolasi polinom Newton dapat ditulis sebagai

Dalam perhitungan, akan lebih mudah jika kita mengkonstruksi tabel beda terbagi terlebih
dahulu sebagai berikut.


b) Polinom Lagrange
Perhatikan lagi persamaan (7). Bentuk tersebut dapat diubah menjadi berikut:

Bentuk linear ini diperumum untuk n buah titik sebagai berikut:


Contoh: Tuliskan interpolasi polinom Lagrange apabila diberikan data sebagai berikut

Solusi: Gunakan persamaan ( 10) untuk memperoleh

Jadi, diperoleh polinom Lagrange sebagai berikut:


5. Integrasi Numerik
Metode integrasi numerik adalah suatu cara untuk menghitung aproksimasi luas daerah
di bawah fungsi yang dimaksud pada selang yang diberikan.
1) Metoda Pias
a) Aturan Trapesium
Metode trapesium ini dapat diturunkan dengan substitusi fungsi Lagrange orde-1 sebagai f(x)
yaitu:

Dengan demikian :

Dimana R adalah suku yang mengandung error komputasi O(h
3
). Sehingga kita mendapatkan
rumus integral trapesium yaitu:




b) Aturan Simpson
Metode Simpson dapat diturunkan dengan substitusi fungsi Lagrange orde-2 sebagai f(x)
yaitu sebagai berikut:

Dimana h=(b-a)/2, x
0
= a, x
1
= a+h, x
2
= a+2h. Dengan demikian

Dimana R
s
adalah suku yang mengandung error komputasi O(h
3
). Sehingga kita mendapatkan
rumus integral Simpson yaitu:


6. Turunan Numerik
Terdapat tiga pendekatan dalam menghitung nilai f '(x0):
(1) Hampiran Selisih-maju

(2) Hampiran selisih-mundur




(3) Hampiran selisih pusat

Rumus-rumus turunan numerik untuk ketiga pendekatan tersebut dapat diturunkan dengan dua
cara, yaitu:
1) Turunan dengan Deret Taylor
Misalkan diberikan titik-titik (xi, fi) , i = 0, 1, 2, ..., n, yang dalam hal ini

Dan


Kita ingin menghitung f '(x), yang dalam hal ini x = x
0
+ sh, s R dengan ketiga pendekatan
yang disebutkan di atas (maju, mundur, pusat).
(a) Hampiran Selisih Maju
Uraikan f(x
i+1
) di sekitar x
i
:

yang dalam hal ini
( ) ( )
1
, " 2 /
+
< < =
i i
x t x t f h h O

Untuk nilai-nilai f di x
0
dan x
1
persamaan rumusnya menjadi:

yang dalam hal ini
( ) ( )
1
, " 2 /
+
< < =
i i
x t x t f h h O


(b) Hampiran selisih maju-mundur
Uraikan f(x
i-1
) di sekitar x
i
:

Yang dalam hal ini
( ) ( )
i i
x t x t f h h O < < =
1
, " 2 /

Untuk nilai-nilai f di x
0
dan x
-1
persamaan rumusnya menjadi:

Yang daam hal ini
( ) ( )
i i
x t x t f h h O < < =
+1
, " 2 /


(c) Hampir Selesih Pusat
Kurangkan persamaan (P.7.4) dengan persamaan (P.7.6):


Yang dalam hal ini,
( ) ( )
1 1
2 2
, ' " 6 /
+
< < =
i i
x t x t f h h O

Untuk nilai-nilai f di x
-1
dan x
1
persamaan rumusnya menjadi:

Yang dalam hal ini,
( ) ( )
1 1
2
, ' " 6 /
+
< < =
i i
x t x t f h h O


2) Ekstrapolasi Richardson
Ekstrapolasi Richardson juga dapat diterapkan pada turunan numerik untuk memperoleh
solusi yang lebih teliti. Misalkan D(h) dan D(2h) adalah hampiran f '(x
0
) dengan mengambil
titik-titik masing-masing sejarak h dan 2h. Misalkan untuk menghitung f '(x
0
) digunakan rumus
hampiran beda- pusat orde O(h
2
) :

Kurangi persamaan (P.7.18) dengan persamaan (P.7.19), menghasilkan :


dari sini,



Sulihkan (P.7.20) ke dalam persamaan (P.7.18) :


Atau

Ekstrapolasi Richardson dapat diperluas penggunaannya untuk mendapatkan nilai turunan fungsi
yang lebih baik (improve). Berdasarkan persamaan (P.7.21) di atas dapat ditulis aturan:


Yang dalam hal ini n adalah orde galat rumus yang dipakai. Misalnya digunakan rumus
hampiran selisih-pusat orde O(h
2
) dalam menghitung D(h) dan D(2h), maka n = 2, sehingga
rumus ekstrapolasi Richardsonnya adalah seperti pada persamaan (P.7.21).