Kuliah · Kuliah · Kalkulus

Metode Numerik

Metode Numerik mempelajari algoritma untuk menghampiri jawaban yang sulit atau mustahil dihitung secara eksak: akar persamaan, nilai fungsi di antara data, integral tentu, solusi SPL besar, dan solusi persamaan diferensial. Setiap metode dinilai dari tiga sisi: galat (seberapa dekat), konvergensi (seberapa cepat), dan kestabilan (apakah galat kecil tetap kecil).

Daftar isi
  1. Konsep
  2. Rumus
  3. Contoh soal
  4. Kesalahan umum
  5. Coba sendiri
  6. Kuis 5 soal
  7. Tanya jawab
  8. Topik terkait
  9. Untuk guru

Konsep Metode Numerik

Galat dan angka signifikan

Jika pp nilai sejati dan p~\tilde{p} hampirannya, galat mutlak ∣p−p~∣|p - \tilde{p}| dan galat relatif ∣p−p~∣∣p∣\frac{|p - \tilde{p}|}{|p|}. Galat relatif lebih bermakna karena tidak bergantung pada skala. Sumber galat utama:

  • galat pembulatan, akibat komputer menyimpan bilangan dengan digit terbatas (misalnya 64 bit);
  • galat pemotongan, akibat proses tak hingga dihentikan, misalnya deret Taylor dipotong setelah beberapa suku.

Pengurangan dua bilangan yang hampir sama dapat menghapus angka signifikan (cancellation), sehingga rumus sering ditulis ulang agar stabil. Iterasi biasanya dihentikan saat galat relatif hampiran ∣xn+1−xn∣∣xn+1∣\frac{|x_{n + 1} - x_{n}|}{|x_{n + 1}|} kurang dari toleransi.

Akar persamaan: bagi dua, Newton–Raphson, dan secant

Metode bagi dua berangkat dari Teorema Nilai Antara: jika ff kontinu dan f(a)f(b)<0f(a)f(b) < 0, ada akar di [a,b][a, b]. Ambil titik tengah c=a+b2c = \frac{a + b}{2}, lalu pertahankan setengah interval yang ujungnya berlawanan tanda. Setelah nn langkah galatnya paling besar b−a2n\frac{b - a}{2^{n}}. Metode ini selalu konvergen tetapi lambat (linear).

Newton–Raphson memakai garis singgung:

xn+1=xn−f(xn)f′(xn).x_{n + 1} = x_{n} - \frac{f(x_{n})}{f'(x_{n})}.

Untuk akar sederhana dan tebakan awal yang cukup dekat, konvergensinya kuadratik: banyak digit benar kira-kira berlipat dua tiap iterasi. Metode ini bisa gagal bila f′(xn)≈0f'(x_{n}) \approx 0 atau tebakan awal jauh.

Metode secant mengganti turunan dengan gradien tali busur dua iterasi terakhir: xn+1=xn−f(xn)xn−xn−1f(xn)−f(xn−1)x_{n + 1} = x_{n} - f(x_{n})\frac{x_{n} - x_{n - 1}}{f(x_{n}) - f(x_{n - 1})}. Tidak perlu turunan, dengan orde konvergensi sekitar 1,6181{,}618.

Interpolasi polinom

Melalui n+1n + 1 titik data dengan absis berbeda terdapat tepat satu polinom berderajat paling tinggi nn. Bentuk Lagrange:

p(x)=∑i=0nyiLi(x),Li(x)=∏j≠ix−xjxi−xj.p(x) = \sum_{i = 0}^{n} y_{i}L_{i}(x), \quad L_{i}(x) = \prod_{j \ne i} \frac{x - x_{j}}{x_{i} - x_{j}}.

Bentuk Newton dengan beda terbagi p(x)=f[x0]+f[x0,x1](x−x0)+⋯p(x) = f[x_{0}] + f[x_{0}, x_{1}](x - x_{0}) + \cdots lebih praktis karena titik baru cukup menambah satu suku. Galat interpolasi sebanding dengan f(n+1)(ξ)(n+1)!∏(x−xi)\frac{f^{(n + 1)}(\xi)}{(n + 1)!}\prod (x - x_{i}). Polinom berderajat tinggi pada titik berjarak sama dapat berosilasi liar di ujung (fenomena Runge), sehingga dalam praktik sering dipakai spline kubik sepotong-sepotong.

Integrasi numerik

Bagi [a,b][a, b] menjadi nn subinterval selebar h=b−anh = \frac{b - a}{n} dengan fi=f(a+ih)f_{i} = f(a + ih).

AturanRumusOrde galat global
Trapesiumh2(f0+2f1+⋯+2fn−1+fn)\frac{h}{2}\left(f_{0} + 2f_{1} + \cdots + 2f_{n - 1} + f_{n}\right)h2h^{2}
Simpson 13\frac{1}{3} (nn genap)h3(f0+4f1+2f2+4f3+⋯+fn)\frac{h}{3}\left(f_{0} + 4f_{1} + 2f_{2} + 4f_{3} + \cdots + f_{n}\right)h4h^{4}

Trapesium eksak untuk polinom linear, sedangkan Simpson eksak sampai polinom berderajat tiga. Menggandakan nn pada Simpson memperkecil galat kira-kira 16 kali. Ekstrapolasi Richardson dan integrasi Romberg memanfaatkan pola galat ini untuk mempercepat konvergensi.

Solusi numerik SPL dan persamaan diferensial

SPL kecil diselesaikan secara langsung dengan eliminasi Gauss dan pivot parsial (memilih unsur terbesar sebagai pivot) atau faktorisasi LU. Untuk SPL besar dan jarang dipakai metode iteratif. Jacobi menghitung semua komponen baru dari iterasi lama; Gauss–Seidel langsung memakai komponen yang baru dihitung. Keduanya pasti konvergen bila matriks dominan diagonal secara ketat.

Untuk masalah nilai awal y′=f(x,y)y' = f(x, y), y(x0)=y0y(x_{0}) = y_{0} dengan langkah hh:

  • Euler: yn+1=yn+hf(xn,yn)y_{n + 1} = y_{n} + hf(x_{n}, y_{n}), galat global orde hh.
  • Heun (Euler termodifikasi): rata-rata kemiringan di awal dan di titik prediksi, orde h2h^{2}.
  • Runge–Kutta orde empat (RK4): rata-rata berbobot empat kemiringan, orde h4h^{4}; menjadi metode standar dalam praktik.

Rumus

Galat relatif
er=∣p−p~∣∣p∣e_{r} = \frac{|p - \tilde{p}|}{|p|}
Iterasi Newton–Raphson
xn+1=xn−f(xn)f′(xn)x_{n + 1} = x_{n} - \frac{f(x_{n})}{f'(x_{n})}
Iterasi secant
xn+1=xn−f(xn)xn−xn−1f(xn)−f(xn−1)x_{n + 1} = x_{n} - f(x_{n})\frac{x_{n} - x_{n - 1}}{f(x_{n}) - f(x_{n - 1})}
Aturan Simpson satu per tiga
∫abf(x) dx≈h3(f0+4f1+2f2+⋯+4fn−1+fn)\int_{a}^{b} f(x)\,dx \approx \frac{h}{3}\left(f_{0} + 4f_{1} + 2f_{2} + \cdots + 4f_{n - 1} + f_{n}\right)
Metode Euler
yn+1=yn+hf(xn,yn)y_{n + 1} = y_{n} + hf(x_{n}, y_{n})

Contoh soal metode numerik dan pembahasan

Contoh 1 · Mudah

Galat mutlak dan galat relatif

Nilai 23\frac{2}{3} dihampiri dengan 0,670{,}67. Tentukan galat mutlak dan galat relatifnya.

Lihat langkah penyelesaian
  1. Galat mutlak: ∣0,67−23∣=∣201−200300∣=1300\left|0{,}67 - \frac{2}{3}\right| = \left|\frac{201 - 200}{300}\right| = \frac{1}{300}.
  2. Galat relatif: 1300:23=1300×32=1200\frac{1}{300} : \frac{2}{3} = \frac{1}{300} \times \frac{3}{2} = \frac{1}{200}.

Galat mutlak 1300\frac{1}{300} dan galat relatif 1200=0,5%\frac{1}{200} = 0{,}5\%.

Contoh 2 · Mudah

Tiga langkah metode bagi dua

Gunakan metode bagi dua pada f(x)=x3−x−2f(x) = x^{3} - x - 2 di interval [1,2][1, 2]. Tentukan titik tengah ketiga c3c_{3}.

Lihat langkah penyelesaian
  1. f(1)=−2<0f(1) = -2 < 0 dan f(2)=4>0f(2) = 4 > 0, jadi ada akar di [1,2][1, 2].
  2. c1=1,5c_{1} = 1{,}5: f(1,5)=3,375−3,5=−0,125<0f(1{,}5) = 3{,}375 - 3{,}5 = -0{,}125 < 0, sehingga interval baru [1,5;  2][1{,}5; \; 2].
  3. c2=1,75c_{2} = 1{,}75: f(1,75)≈1,609>0f(1{,}75) \approx 1{,}609 > 0, sehingga interval baru [1,5;  1,75][1{,}5; \; 1{,}75].
  4. c3=1,5+1,752=1,625c_{3} = \frac{1{,}5 + 1{,}75}{2} = 1{,}625.

c3=1,625=138c_{3} = 1{,}625 = \frac{13}{8}; akar sebenarnya sekitar 1,52141{,}5214.

Contoh 3 · Sedang

Newton–Raphson untuk akar dua

Hampiri 2\sqrt{2} dengan Newton–Raphson pada f(x)=x2−2f(x) = x^{2} - 2, mulai dari x0=1x_{0} = 1. Tentukan x2x_{2}.

Lihat langkah penyelesaian
  1. f′(x)=2xf'(x) = 2x, sehingga xn+1=xn−xn2−22xnx_{n + 1} = x_{n} - \frac{x_{n}^{2} - 2}{2x_{n}}.
  2. x1=1−1−22=32x_{1} = 1 - \frac{1 - 2}{2} = \frac{3}{2}.
  3. x2=32−94−23=32−112=1712≈1,41667x_{2} = \frac{3}{2} - \frac{\frac{9}{4} - 2}{3} = \frac{3}{2} - \frac{1}{12} = \frac{17}{12} \approx 1{,}41667.

x2=1712x_{2} = \frac{17}{12}, sudah tepat tiga angka signifikan dibanding 2≈1,41421\sqrt{2} \approx 1{,}41421.

Contoh 4 · Sedang

Satu langkah metode secant

Gunakan metode secant pada f(x)=x2−3f(x) = x^{2} - 3 dengan x0=1x_{0} = 1 dan x1=2x_{1} = 2. Tentukan x2x_{2}.

Lihat langkah penyelesaian
  1. f(x0)=−2f(x_{0}) = -2 dan f(x1)=1f(x_{1}) = 1.
  2. x2=2−1×2−11−(−2)=2−13=53x_{2} = 2 - 1 \times \frac{2 - 1}{1 - (-2)} = 2 - \frac{1}{3} = \frac{5}{3}.

x2=53≈1,667x_{2} = \frac{5}{3} \approx 1{,}667, mendekati 3≈1,732\sqrt{3} \approx 1{,}732.

Contoh 5 · Sedang

Interpolasi Lagrange tiga titik

Tentukan polinom interpolasi melalui (0,1)(0, 1), (1,3)(1, 3), (2,7)(2, 7), lalu hampiri nilainya di x=1,5x = 1{,}5.

Lihat langkah penyelesaian
  1. L0=(x−1)(x−2)2L_{0} = \frac{(x - 1)(x - 2)}{2}, L1=−x(x−2)L_{1} = -x(x - 2), dan L2=x(x−1)2L_{2} = \frac{x(x - 1)}{2}.
  2. p(x)=1×L0+3L1+7L2p(x) = 1 \times L_{0} + 3L_{1} + 7L_{2}. Setelah disederhanakan, p(x)=x2+x+1p(x) = x^{2} + x + 1.
  3. p(1,5)=2,25+1,5+1=4,75p(1{,}5) = 2{,}25 + 1{,}5 + 1 = 4{,}75.

p(x)=x2+x+1p(x) = x^{2} + x + 1 dan p(1,5)=4,75=194p(1{,}5) = 4{,}75 = \frac{19}{4}.

Contoh 6 · Penalaran

Aturan Simpson dan galatnya

Hampiri ∫0111+x dx\int_{0}^{1} \frac{1}{1 + x}\,dx dengan aturan Simpson n=2n = 2, lalu bandingkan dengan nilai eksak ln⁡2\ln 2.

Lihat langkah penyelesaian
  1. h=12h = \frac{1}{2}, dengan f0=1f_{0} = 1, f1=11,5=23f_{1} = \frac{1}{1{,}5} = \frac{2}{3}, dan f2=12f_{2} = \frac{1}{2}.
  2. Simpson: h3(f0+4f1+f2)=16(1+83+12)=16×256=2536\frac{h}{3}(f_{0} + 4f_{1} + f_{2}) = \frac{1}{6}\left(1 + \frac{8}{3} + \frac{1}{2}\right) = \frac{1}{6} \times \frac{25}{6} = \frac{25}{36}.
  3. 2536≈0,69444\frac{25}{36} \approx 0{,}69444, sedangkan ln⁡2≈0,69315\ln 2 \approx 0{,}69315; galat mutlaknya sekitar 0,00130{,}0013 walau hanya memakai tiga titik.

Hampiran Simpson 2536≈0,6944\frac{25}{36} \approx 0{,}6944.

Contoh 7 · Penalaran

Metode Euler dua langkah

Gunakan metode Euler dengan h=0,1h = 0{,}1 untuk y′=x+yy' = x + y, y(0)=1y(0) = 1. Tentukan hampiran y(0,2)y(0{,}2).

Lihat langkah penyelesaian
  1. Langkah 1: y1=1+0,1×(0+1)=1,1y_{1} = 1 + 0{,}1 \times (0 + 1) = 1{,}1.
  2. Langkah 2: y2=1,1+0,1×(0,1+1,1)=1,1+0,12=1,22y_{2} = 1{,}1 + 0{,}1 \times (0{,}1 + 1{,}1) = 1{,}1 + 0{,}12 = 1{,}22.
  3. Solusi eksaknya y=2ex−x−1y = 2e^{x} - x - 1, sehingga y(0,2)≈1,2428y(0{,}2) \approx 1{,}2428. Galat sekitar 0,0230{,}023 karena Euler hanya berorde satu.

Hampiran Euler y(0,2)≈1,22y(0{,}2) \approx 1{,}22.

Kesalahan yang sering terjadi

Memakai metode bagi dua pada interval dengan f(a)f(a) dan f(b)f(b) bertanda sama.
Syarat f(a)f(b)<0f(a)f(b) < 0 wajib dipenuhi. Jika tandanya sama, mungkin tidak ada akar atau ada dua akar di interval itu; perkecil atau geser interval.
Menganggap Newton–Raphson selalu konvergen dari tebakan awal mana pun.
Newton bisa menyimpang atau berputar bila tebakan jauh atau f′(xn)f'(x_{n}) mendekati nol. Kombinasikan dengan bagi dua (metode hibrida) bila perlu.
Memakai aturan Simpson satu per tiga dengan banyak subinterval ganjil.
Simpson satu per tiga memerlukan nn genap karena parabola dipasang pada setiap pasangan subinterval.
Pada Gauss–Seidel, memakai nilai iterasi lama untuk semua komponen.
Itu metode Jacobi. Gauss–Seidel langsung memakai komponen yang baru dihitung pada iterasi yang sama, sehingga biasanya lebih cepat konvergen.

Coba sendiri

Tulis jawabanmu, tekan Periksa. Jika belum tepat, buka petunjuk satu per satu.

Soal 1Aplikasi
Lakukan satu iterasi Newton–Raphson pada f(x)=x3−2x−5f(x) = x^{3} - 2x - 5 mulai dari x0=2x_{0} = 2. Tentukan x1x_{1}.
Soal 2Aplikasi
Hampiri ∫02x2 dx\int_{0}^{2} x^{2}\,dx dengan aturan trapesium n=2n = 2.
Soal 3Penalaran
SPL 4x+y=94x + y = 9 dan x+3y=7x + 3y = 7 diselesaikan dengan Gauss–Seidel dari (x0,y0)=(0,0)(x_{0}, y_{0}) = (0, 0). Tentukan y1y_{1} dalam bentuk pecahan.

Kuis 5 soal

Kerjakan semua soal, lalu periksa sekaligus.

Soal 1Aplikasi
Metode bagi dua diterapkan pada interval [0,1][0, 1]. Banyak iterasi minimal agar lebar interval kurang dari 10−310^{-3} adalah …
Soal 2Pemahaman
Orde konvergensi Newton–Raphson untuk akar sederhana adalah …
Soal 3Penalaran
Pernyataan: "Aturan Simpson satu per tiga memberikan hasil eksak untuk setiap polinom berderajat tiga." Benar atau salah?
Soal 4Aplikasi
Gunakan metode Heun satu langkah dengan h=0,5h = 0{,}5 pada y′=yy' = y, y(0)=1y(0) = 1. Tentukan hampiran y(0,5)y(0{,}5) dalam bentuk pecahan.
Soal 5Penalaran
Pilih semua pernyataan yang benar.
Pilih semua jawaban yang benar.

Latihan tanpa batas

Soal kembar dengan angka baru, petunjuk bertingkat, dan catatan penguasaanmu.

Mulai latihan

Tanya jawab

Metode pencari akar mana yang sebaiknya dipakai?

Bila turunan mudah dihitung dan tebakan awal baik, Newton–Raphson paling cepat. Bila turunan sulit, pakai secant. Bila keandalan paling penting, mulai dengan bagi dua lalu lanjutkan dengan Newton.

Mengapa hasil komputer kadang tidak tepat walau rumusnya benar?

Komputer menyimpan bilangan dengan digit terbatas sehingga terjadi galat pembulatan. Galat ini bisa membesar pada pengurangan bilangan yang hampir sama atau pada algoritma yang tidak stabil.

Bahasa pemrograman apa yang cocok untuk kuliah ini?

Python dengan NumPy dan SciPy, MATLAB atau Octave, maupun spreadsheet sama-sama cocok. Yang penting adalah memahami algoritmanya agar dapat menilai hasil keluaran program.

Topik terkait

Ringkasan untuk guru

Tujuan pembelajaran

  • Mahasiswa menghitung dan menafsirkan galat mutlak, galat relatif, galat pembulatan, dan galat pemotongan.
  • Mahasiswa menerapkan metode bagi dua, Newton–Raphson, dan secant serta membandingkan konvergensinya.
  • Mahasiswa membangun polinom interpolasi dan menghitung integral dengan aturan trapesium dan Simpson.
  • Mahasiswa menyelesaikan SPL secara iteratif dan PD dengan metode Euler, Heun, dan RK4.

Ide aktivitas kelas

  • Balap konvergensi: kelompok mencari akar x3−x−2x^{3} - x - 2 dengan tiga metode di spreadsheet dan mencatat banyak iterasi untuk toleransi yang sama.
  • Luas kolam dengan Simpson: mahasiswa mengukur lebar kolam kampus tiap 2 meter, lalu menaksir luasnya dengan aturan trapesium dan Simpson.
  • Pengaruh ukuran langkah: dengan Python, mahasiswa menjalankan Euler dan RK4 untuk y′=yy' = y dengan beberapa nilai hh dan memplot galatnya pada skala log.

Acuan: Silabus umum mata kuliah Metode Numerik perguruan tinggi (disusun tim redaksi), elemen Kalkulus.

Bagikan latihan ke kelas dengan kode tugas