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. Sistem Angka dan Kesalahan
1) Sistem Angka
Dalam keseharian, angka digunakan berdasarkan sistem desimal. Misalnya 369 dapat
dinyatakan: 369 =3*100 + 6*10+9*1 = 3*10
2
+ 5*10
1
+7*10
0
Angka 10 disebut basis sistem.
Setiap angka bulat dapat dinyatakan sebagai suatu polinomial basis 10 dengan koefisien integral
antara 0 dan 9.
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 =(a
n
a
n-1
.... a
0
)
2
=a
n
2
n
+ a
n
2
n-1
+ . . . . +a
0
2
0
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.

2) Kesalahan (Error)
Sumber Kesalahan adalah Bawaan data, Pembulatan (rounding), dan Pemotongan (chopping).
- Bawaan data
Kekeliruan dalam memberikan data dan 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 diabaikan

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.


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 (Bisiction)
Metode bagi dua merupakan metode analisis numerik paling sederhana diantara metode-metode
analisis lainnya. Metode ini termasuk metode yang robust atau tangguh. Artinya, meskipun
metode ini idenya sangat sederhana namun selalu dapat menemukan akar persamaan yang dicari.
Salah satu kekurangan yang dimiliki oleh metode ini adalah bahwa kita harus menentukan dua
terkaan awal, yaitu
a
x dan
b
x yang mengurung sebuah akar persamaan yang di cari, sehingga
apabila ( )
a a
x f f = dan ( )
b b
x f f = , maka akan dipenuhi 0 s
b a
f f .

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).

http://elektrounla.com/index.php?pilih=silabus&id=33
http://tiyasnnhuda.blogspot.com/2013/05/angka-signifikan.html
http://risqi.blog.com/files/2010/12/MODUL-MATA-KULIAH3.pdf
http://staff.uny.ac.id/sites/default/files/pendidikan/Supardi,%20S.Si.,%20M.Si./BAB%20II.pdf
http://alifis.files.wordpress.com/2009/09/bab-iii-matriks-solusi-persamaan-linear.pdf
http://gesaf.files.wordpress.com/2008/11/regresi-linier-dengan-metode-kuadrat-terkecil2.pdf