MODUL

METODE NUMERIK

Oleh:

Nur Qomariyah Nawafilah, [Link]

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS ISLAM LAMONGAN
2024
 DAFTAR ISI

BAB I. Kekeliruan Dalam Perhitungan Numerik ......................................................1

A. Metode Numerik Secara Umum ..............................................................1
B. Bilangan dan Ketelitian ..........................................................................2
C. Deret Taylor dan Analisis Galat ..............................................................2
a. Deret Taylor .......................................................................................2
b. Analisis Galat .....................................................................................5
BAB II. Solusi Persamaan Aljabar dan Transenden ..................................................9
A. Metode Biseksi ...................................................................................... 9
B. Metode Regula Falsi ............................................................................ .12
C. Metode Newton Raphson .......................................................................14
D. Metode Secant ........................................................................................16
BAB IIII. Interpolasi ................................................................................................18
A. Interpolasi Numerik ...............................................................................18
B. Interpolasi Polinom ................................................................................19
 Interpolasi Linier ..............................................................................20
 Interpolasi Kuadratik .......................................................................21
 Interpolasi Kubik .............................................................................23
C. Polinom Newton ................................................................................... 24
D. Galat Interpolasi Polinom ................................................................... 27
E. Taksiran Galat Interpolasi Newton ....................................................... 30
F. Polinom Newton-Gregory ..................................................................... 30
 Polinom Newton-Gregory Maju ……………………………......…31
 Polinom Newton-Gregory Mundur ….....……………………….. 36
Daftar Pustaka …………………………………………………………………... 40

Modul Mata Kuliah Analisis Numerik 2

 BAB I
Kekeliruan Dalam Perhitungan Numerik

A. Metode Numerik Secara Umum

Metode numerik merupakan suatu metode untuk menyelesaikan masalah-
masalah matematika dengan menggunakan sekumpulan aritmatik sederhana dan
operasi logika pada sekumpulan bilangan atau data numerik yang diberikan.
Metode komputasi yang digunakan disebut algoritma. Proses penyelesaiannya
mungkin memerlukan puluhan bahkan sampai jutaan operasi, tergantung pada
kompleksitas masalah yang harus diselesaikan, tingkat keakuratan yang diinginkan
dan seterusnya.
Pendekatan yang digunakan dalam metode numerik merupakan pendekatan
analitis matematis. Sehingga dasar pemikirannya tidak keluar dari dasar pemikiran
analitis, hanya saja teknik perhitungan yang mudah merupakan pertimbangan dalam
pemakaian metode numerik. Mengingat bahwa algoritma yang dikembangkan
dalam metode numerik adalah algoritma pendekatan maka dalam algoritma tersebut
akan muncul istilah iterasi yaitu pengulangan proses perhitungan. Dengan kata lain
perhitungan dengan metode numerik adalah perhitungan yang dilakukan secara
berulang-ulang untuk terus-menerus memperoleh hasil yang semakin mendekati
nilai penyelesaian yang sebenarnya.
Dengan menggunakan metode pendekatan semacam ini, tentunya setiap nilai
hasil perhitungan akan mempunyai galat (error) atau nilai kesalahan. Kesalahan ini
penting artinya, karena kesalahan dalam pemakaian algoritma pendekatan akan
menyebabkan nilai kesalahan yang besar, tentunya ini tidak diharapkan. Sehingga
pendekatan metode numerik selalu membahas tingkat kesalahan dan tingkat
kecepatan proses yang akan terjadi.
Masalah-masalah matematika yang sering kita hadapi merupakan masalah
matematika yang diselesaikan dengan metode analitik atau metode sejati, yaitu
suatu metode yang memberikan solusi sejati atau solusi yang sesungguhnya, karena
memiliki galat (error) yang bernilai nol. Tetapi penyelesaian dengan menggunakan
metode analitik hanya terbatas pada masalah tertentu saja. Bila metode analitik
tidak dapat lagi diterapkan, maka solusinya masih dapat dicari yaitu dengan

Modul Mata Kuliah Analisis Numerik 3

menggunakan metode numerik. Pada metode numerik solusinya merupakan
hampiran (pendekatan) terhadap solusi sejati.

B. Bilangan dan Ketelitian

Pada matematika terdapat dua macam bilangan, yaitu bilangan eksak dan
bilangan aproksimasi. Bilangan eksak merupakan suatu bilangan yang pasti,
1 3
contohnya 1,2,3, , ,  , e,.. . Sedangkan bilangan aproksimasi adalah suatu
2 2
bilangan yang dinyatakan dengan bilangan yang mempunyai derajat ketelitian/
pendekatan. Misalnya   3,14159..., e  2,7..., 2  1,4.... Angka signifikan
adalah angka-angka yang menyatakan suatu bilangan. Misalnya 3,1416
(mempunyai 5 angka signifikan), 30,2013 (6 angka signifikan), 0,021 (2 angka
signifikan), 10,003 (5 angka signifikan).
Aturan pembulatan untuk bilangan sampai ke-n angka signifikan, hilangkan
setiap bilangan yang ada disebelah kanan angka ke-n dan bila bilangan yang
dihilangkan tersebut kurang dari 5 maka angka ke-n tidak berubah, bila lebih dari 5
maka angka ke-n bertambah 1, tepat 5 maka bertambah 1 bila angka ke-n ganjil dan
tetap jika angka ke-n genap.
Contoh 1 (diserahkan pembaca sebagai latihan):
Bulatkan ke-4 angka signifikan !
a. 1,285216  .........
b. 0,0321672  .........
c. 3,245531  .........
d. 6,242567  .........

C. Deret Taylor dan Analisis Galat

1. Deret Taylor
Definisi Deret Taylor
Andai f dan semua turunannya f’, f’’, f’’’, ..., di dalam selang [a,b]. Misalkan
x0  [a, b] , maka nilai x di sekitar x 0 dan x  [a, b] , f(x) dapat diekpansi ke dalam

deret Taylor:

Modul Mata Kuliah Analisis Numerik 4

 ( x  x0 ) ( x  x0 ) 2 ( x  x0 ) m m
f ( x)  f ( x 0 )  f ' ( x0 )  f ' ' ( x0 )  ...  f ( x0 )  ... (1.1)
1! 2! m!
Jika x  x0  h , maka f(x) dapat ditulis :

h h2 hm m
f ( x)  f ( x0 )  f ' ( x0 )  f ' ' ( x0 )  ...  f ( x0 )  ... (1.2)
1! 2! m!
Contoh 2:
Hampiri fungsi f(x) = sin (x) ke dalam Taylor disekitar x 0 = 1

Jawab :
Tentukan turunan sin (x) sebagai berikut :
f ( x)  sin( x)
f ' ( x)  cos( x)
f ' ' ( x)   sin( x)
f ' ' ' ( x)  cos( x)

f ( 4) ( x)  sin( x) , dan seterusnya, maka jika sin (x) dihampiri dengan deret Taylor:

( x  1) ( x  1) 2 ( x  1) 3 ( x  1) 4
sin( x)  sin(1)  cos(1)   ( sin(1))  ( cos(1))  sin(1)  ...
1! 2! 3! 4!
bila x  x0  h , maka:

h h2 h3 h4
sin( x)  sin(1)  cos(1)   ( sin(1))  ( cos(1))  sin(1)  ...
1! 2! 3! 4!
= 0,8415 + 0,5403h – 0,4208h2 – 0,0901h3 + 0,0351h4 + ...
Jika x 0 = 0, maka deretnya dinamakan deret MacLaurin, merupakan deret Taylor

baku.
x2 xm m
f ( x)  f (0)  xf ' (0)  f ' ' (0)  ...  f (0)
2! m!
Contoh 3:
Uraikan masing-masing fungsi berikut ke dalam deret MacLaurin!
a. sin(x) c. cos(x)

b. e x d. ln( x  1)
Jawab :
x2 x3 x4
a. sin( x)  sin(0)  x cos(0)  ( sin(0))  ( cos(0))  sin(0)  ...
2! 3! 4!

Modul Mata Kuliah Analisis Numerik 5

 x3 x5
= x   ...
3! 5!
x x2 0 x3 0 x4 0
b. e x = e 0  e 0  e  e  e  ...
1! 2! 3! 4!
x 2 x3 x4
= 1 x     ...
2! 3! 4!
x2 x3 x4
c. cos( x)  cos(0)  x( sin(0))  ( cos(0))  (sin(0))  (cos(0))  ...
2! 3! 4!
x2 x4 x6
= 1    ...
2! 4! 6!
d.
x x2 x3 x4
ln( x  1)  ln(1)  (0  1) 1  ((0  1) 2 )  2(0  1) 3  (6(0  1) 4 )  ...
1! 2! 3! 4!
x2 x3 x4
= x    ...
2 3 4
Karena suku-suku deret Taylor tidak berhingga banyaknya, maka agar lebih
praktis deret Taylor dipotong sampai suku orde tertentu, yang dinyatakan oleh:
( x  x0 ) ( x  x0 ) 2 ( x  x0 ) n n
f ( x)  f ( x 0 )  f ' ( x0 )  f ' ' ( x0 )  ...  f ( x0 )  Rn ( x)
1! 2! n!
(.1.3)
( x  x0 ) ( n 1) ( n 1)
Dimana Rn ( x)  f (c ) , x 0  c  x (1.4)
(n  1)!
disebut galat atau sisa (residu)
Sehingga deret Taylor yang dipotong sampai suku orde ke-n dapat ditulis:
f ( x)  Pn ( x)  Rn ( x) , dengan:
n
( x  x0 ) k ( k )
Pn ( x)   f ( x0 ) (1.5)
k 1 k!
n
( x  x0 ) ( n1) ( n1)
Rn ( x )   f (c ) , x 0  c  x (1.6)
k 1 (n  1)!
Contoh 4 (diserahkan pembaca sebagai latihan):
a. Hampiri fungsi f(x) = sin (x) ke dalam deret Taylor orde 4 di sekitar x 0 = 1 !

b. Hampiri fungsi f(x) = e x ke dalam deret MacLaurin orde 5 di sekitar x 0 = 0 !

Modul Mata Kuliah Analisis Numerik 6

c. Hampiri fungsi f(x) = cos (x) ke dalam deret MacLaurin orde 6 di sekitar x 0 =

0!
d. Hampiri fungsi f(x) = ln(x+1) ke dalam deret MacLaurin orde 4 di sekitar x 0 =

0!

2. Analisi Galat
Penyelesaian secara numeris dari suatu persamaan matematika hanya
memberikan nilai perkiraan yang mendekati nilai sebenarnya. Berarti dalam
penyelesaian numerik terdapat galat atau kesalahan terhadap nilai sejati atau
penyelesaian yang sebenarnya. Galat berasosiasi dengan seberapa dekat solusi
hampiran dengan solusi sejatinya. Semakin kecil galat, maka semakin teliti solusi
numerik yang diperoleh. Misalkan â adalah nilai hampiran terhadap nilai sejati a,
maka selisih ε = a – â disebut galat. Nilai galat positif ataupun negatif tidak
berpengaruh, sehingga perhitungannya digunakan tanda mutlak, sehingga
didefinisikan sebagai berikut:
ε = a–â
ukuran galat ε kurang bermakna karena tidak menjelaskan seberapa besar galat
tersebut dengan nilai sejatinya. Sebagai contoh misalkan panjang seutas tali
panjangnnya 99 cm, padahal panjang sebenarnya 100 cm, sehingga galatnya 100 –
99 = 1 cm. Kemudian sebatang pensil panjangnya 9 cm padahal panjang sebenarnya
10 cm, sehingga galatnya juga 1 cm, namun galat 1 cm pada pengukuran sebatang
pensil lebih berarti dari pada galat 1 cm pada pengukuran panjang tali, mengapa?
Jika tidak ada keterangan panjang sesungguhnya kita menganggap kedua galat itu
sama, sehingga untuk mengintepretasi kedua galat ini harus dinormalkan terhadap
nilai sejatinya, sehingga melahirkan istilah galat relatif (  R ). Galat relatif
 
didefinisikan sebagai berikut:  R  atau dalam presentase  R  x 100 %, untuk
a a

galat relatif hampiran  RA 
a
Karena galat dinormalkan terhadap nilai sejati, maka galat relatif tersebut
dinamakan juga galat relatif sejati. Sehingga pengukuran pengukuran panjang tali

Modul Mata Kuliah Analisis Numerik 7

mempunyai galat relatif sejati = 1/100 = 0,01, sedang pengukuran panjang pensil
mempunyai galat relatif sejati = 1/10 = 0,1.

3. Sumber Utama Galat

Secara umum ada dua sumber penyebab galat dalam perhitungan numerik,
yaitu
Galat Pemotongan dan galat Pembulatan.
a. Galat Pemotongan
Pengertian galat pemotongan merujuk pada galat yang disebabkan oleh
penggantian ekspresi matematika yang rumit dengan rumus yang lebih sederhana.
Penghentian suatu deret yang tak berhingga menjadi suatu deret yang berhingga
itulah sebenarnya yang menyebabkan galat pemotongan.
Contoh 5:
Hampiran deret Taylor f(x) = cos (x) di sekitar x = 0,
x 2 x 4 x 6 x 8 x10
1      ...
2! 4! 6! 8! 10!
Pemotongan
Pada contoh diatas, deret Taylor tersebut dipotong sampai suku orde ke-6. kita
lihat deret Taylor tersebut dipotong sampai suku orde ke-6 tersebut tidak
memberikan suku yang tepat. Galat pada nilai hampiran diakibatkan oleh
pemotongan suku-suku deret. Jumlah suku-suku setelah pemotongan deret
dinamakan galat pemotongan untuk cos (x). Tetapi kita tidak dapat menghitung
galat pemotongan tersebut karena jumlahnya tak mungkin bisa dihitung. Namun,
kita dapat menghampiri galat pemotongan ini dengan rumus suku sisa:
n
( x  x0 ) ( n1) ( n1)
Rn ( x )   f (c ) , x0  c  x . Pada contoh cos (x) diatas
k 1 (n  1)!

x7
R6 ( x)  cos(c) .
7!
Untuk nilai c pada batasan selang tertentu, maka nilai maksimum yang
mungkin dari Rn untuk c dalam selang tersebut:

( n1) ( x  x0 ) n 1
Rn (x) < Maks f (c) x
x0  c  x n 1

Modul Mata Kuliah Analisis Numerik 8

Contoh 6:
Gunakan deret Taylor orde 4 di sekitar x 0 = 1 untuk menghampiri ln(0,9) dan
berikan taksiran untuk galat pemotongan maksimum yang dibuat!

b. Galat Pembulatan
Pembulatan maksudnya mengurangi cacah digit pada suatu nilai hampiran
dengan cara membuang beberapa digit terakhir. Cara melakukan pembulatan sudah
dijelaskan di depan. Galat pembulatan terjadi disebabkan karena adanya
pembulatan dalam komputasi numerik, sehingga pengulangan pembulatan tidak
disarankan dalam komputasi numerik karena hanya akan memperbesar galat.

Latihan Soal:
1. Bulatkan hingga ke-4 angka signifikan dari bilangan-bilangan berikut:
a. 1.285216
b. 0.0321672
c. 3.245531
d. 6.242567
2. Hitunglah nilai hampiran nilai cos(0.2), sudut dinyatakan dalam radian dengan
deret MacLaurin sampai suku orde n = 6. (sampai 7 angka dibelakang koma)!
(1. 22)
3. Hitung galat (  ) dan galat relatif (  R ) pada angka signifikan dengan masing-
masing hampiran berikut ini:
a. Nilai sejati x = 2.71828182 dihampiri dengan nilai hampiran x = 2.7182.
b. Nilai sejati x = 98750 dihampiri dengan nilai hampiran x = 99000.

c. Nilai sejati x = 2 dihampiri dengan nilai hampiran x = 1.414

4. Hitung kesalahan yang terjadi dari nilai e x dengan x = 0.5, apabila hanya
diperhitungkan 6 suku pertama. Nilai sejati dari e x = 1.648721271 (3.5)
5. Diketahui data x = 31.415 dan y = 0.021373, yang masing-masing memiliki 5
angka signifikan. Hitung hasil jumlah x + y dan hasil kali x + y dengan
menggunakan 5 angka signifikan

Modul Mata Kuliah Analisis Numerik 9

 BAB II
Solusi Persamaan Tak Linier

Salah satu masalah yang paling umum ditemui dalam matematika adalah
mencari akar suatu persamaan. Jika diketahui fungsi f(x), akan dicari nilai-nilai x
yang memenuhi f(x) = 0. Termasuk dalam masalah menentukan titik potong dua
buah kurva. Apabila kurva-kurva tersebut dinyatakan oleh fungsi f(x) dan g(x),
maka absis titik potong kedua kurva tersebut merupakan akar-akar persamaan f(x) –
g(x) = 0.

Definisi 2.1 (akar suatu persamaan, pembuat nol fungsi)

Misalkan f(x) adalah suatu fungsi kontinu. Setiap bilangan r pada domain f yang
memenuhi f(r) = 0 disebut akar persamaan f(x) = 0, atau disebut juga pembuat nol
fungsi f(x). Secara singkat, r disebut akar fungsi f(x).

E. Metode Biseksi (Bagi Dua)

Berdasarkan pada Teorema Nilai Rata-rata pada kalkulus, misaklan f(x) suatu
fungsi kontinu pada interval tertutup [a,b] sedemikian sehingga f(a) dan f(b)
berlawanan tanda ( f(a).f(b) < 0 ), maka terdapat suatu akar persamaan f(x) = 0 pada
interval (a,b). Pada setiap kali iterasi, selang [a,b] kita bagi dua di x = c, sehingga
terdapat dua upselang yang berukuran sama yaitu [a,c] dan [b,c]. Selang yang
diambil untuk iterasi berikutnya adalah upselang yang memuat akar, bergantung
apakah f(a).f(b)<0 atau f(c).f(b)<0. Selang yang baru dibagi dua lagi dengan cara
yang sama, begitu seterusnya sampai ukuran selang yang baru sudah sangat kecil.

y = f(x)

a c0 c1
w
c2 b Gambar 2.1
w

Modul Mata Kuliah Analisis Numerik 10

Contoh 7:
Carilah akar real dari persamaan f ( x)  x 3  x  1  0 , bila a = 1 dan b = 2 !
Jawab:
untuk a = 1, maka f(1) = -1 < 0
b = 2, maka f (2) = 1 > 0, karena f(1) dan f(2) berlawanan tanda, maka
terdapat akar yang terletak antara 1 dan 2.
1 2
Sehingga c0   1,5
2
f (1,5)  (1,5) 3  (1,5)  1  0,875  0
- akar terletak antara 1 dan 1,5
1  1,5
c1   1,25
2
f (1,25)  (1,25) 3  (1,25)  1  0,3  0
- akar terletak antara 1,25 dan 1,5
1,25  1,5
c2   1,375
2
f (1,375)  (1,375) 3  (1,375)  1  0,225  0
- akar terletak antara 1,25 dan 1,375
1,25  1,375
c3   1,3125
2
f (1,3125)  (1,3125) 3  (1,3125)  1  0,0525  0
- akar terletak antara 1,3125 dan 1,375
1,3125  1,375
c4   1,34375
2
f (1,34375)  (1,34375) 3  (1,34375)  1  0,06625  0
dan seterusnya sampai ketelitian yang diingankan diperoleh.

Teorema 2.1. Jika f(x) menerus di dalam selang [a,b] dengan f(a).f(b) < 0 dan s 
[a,b] sehingga f(s) = 0 dan cr = (ar + br)/2, maka selalu berlaku dua ketidaksamaan
berikut:

Modul Mata Kuliah Analisis Numerik 11

 ba
(i) s – cr  br – ar / 2 dan (i ) s – cr  , r = 0,1,2,...
2 r 1
bukti:
misalkan pada iterasi ke-r kita mendapat selang [ar, br], yang panjangnya setengah
panjang selang sebelumnya, [ar-1, br-1]. Jadi

br – ar = br-1 - ar-1 / 2
jelas bahwa :
b1 – a1 = b0 – a0 / 2 = b–a /2
b2 – a2 = b1 – a1 / 2 = b – a / 22
b3 – a3 = b2 – a2 / 2 = b – a / 23
...
br – ar = br – ar / 2 = b – a / 2r
pada iterasi ke-r, posisi cr, yang merupakan akar hampiran dan s yang merupakan
akar sejati adalah seperti pada diagram berikut:

ar s cr br
berdasarkan diagram di atas jelaslah bahwa
br  a r
s – cr 
2
br  a r 1 b  a b  a
s – cr  =  r 1
2 2 2r 2
jadi selisih antara akar sejati dengan akar hampiran tidak pernah lebih dari setengah
epsilon.
Dengan mengingat kriteria berhenti adalah br – ar <  , maka dari (i) terlihat
bahwa:
s - cr  /2
sehingga
ba 

2 r 1 2
ba
 2r 

 r ln(2)  ln(b  a)  ln( )

Modul Mata Kuliah Analisis Numerik 12

 ln(b  a)  ln( )
r
ln( 2)
ln(b  a)  ln( )
R
ln( 2)
R adalah jumlah iterasi (jumlah pembagian selang) yang dibutuhkan untuk
menjamin bahwa c adalah hampiran akar yang memiliki galat kurang dari  .
Contoh 8:
Tentukan akar f ( x)  e x  5x 2 di dalam selang [0,1] dan  = 0,00001
Jawab:
Tabel 2.1 Tabel iterasi metode bagi dua
r a c b f(a) f© f(b) lebar
0 0 0.5 1 1 0.398757108 -2.2816 0.5
1 0.5 0.75 1 0.393168 -0.69543096 -2.2816 0.25
2 0.75 0.625 0.5 -0.70619 -0.084828282 0.3987571 0.125
3 0.625 0.5625 0.5 -0.09274 0.173066324 0.3987571 0.0625
4 0.5625 0.59375 0.625 0.166374 0.048117499 -0.084828 0.03125
5 0.59375 0.609375 0.625 0.04083 -0.01735924 -0.084828 0.015625
6 0.609375 0.574563 0.53975 -0.02496 0.125787239 0.2589679 0.0348125
7 0.574563 0.591969 0.609375 0.118867 0.055453999 -0.017359 0.017406
8 0.591969 0.600672 0.609375 0.048201 0.01935703 -0.017359 0.008703
9 0.600672 0.605024 0.609375 0.011934 0.001076233 -0.017359 0.0043515
10 0.605024 0.602848 0.600672 -0.00644 0.010234925 0.019357 0.002176
11 0.602848 0.603936 0.605024 0.002768 -0.001828823 -0.006436 0.001088
12 0.603936 0.603392 0.602848 -0.00183 0.000470969 0.0027683 0.000544
13 0.603392 0.603664 0.603936 0.000471 -0.000678623 -0.001829 0.000272
14 0.603664 0.603528 0.603392 -0.00068 -0.000103751 0.000471 0.000136
15 0.603528 0.60346 0.603392 -0.0001 0.000183628 0.000471 -6.8E-05
16 0.60346 0.603494 0.603528 0.000184 0.000016237 -0.000104 3.4E-05
17 0.603494 0.603511 0.603528 3.99E-05 0.000016237 -0.000104 1.7E-05
18 0.603511 0.603503 0.603494 -3.2E-05 0.000016237 3.994E-05 8.5E-06

Dari tabel di atas hampiran akar x = 0.603503

F. Metode Regula Falsi

Metode Regula Falsi (dalam bahasa latin) yang berarti metode posisi palsu
atau false position method merupakan suatu metode yang memanfaatkan nilai f(a)
dan nilai f(b). Dengan metode ini, dibuat suatu garis lurus yang menghubungkan
titik (a,f(a)) dan (b,f(b)). Perpotongan garis tersebut dengan sumbu x merupakan

Modul Mata Kuliah Analisis Numerik 13

taksiran akar. Garis lurus tersebut seolah-olah berlaku menggantikan kurva f(x) dan
memberikan posisi palsu dari akar.

C
c b

A Gambar 2.2

Gradien garis AB = gradien garis BC

f (b)  f (a) f (b)  0
 , dapat disederhanakan menjadi
ba bc
f (b).(b  a)
c b ............. (2.1)
f (b)  f (a)
Secara umum metode Regula Falsi lebih cepat konvergensinya jika dibandingkan
dengan metode bagi dua, karena kecepatan konvergensi dapat ditingkatkan bila
nilai f(a) dan f(b) juga diperhitungkan.
Contoh 9:
Tentukan akar dari soal contoh soal 11!
Jawab:
Tabel 2.2 Tabel iterasi metode regula falsi
r a c b f(a) f© f(b) lebar
0 0 0.303030303 1 1 0.892053 -2.3 0.303030303
1 0.30303 0.497784028 1 0.892053 0.40061 -2.3 0.194754028
2 0.497784 0.572283003 1 0.40061 0.127938 -2.3 0.074499003
3 0.57228 0.594820322 1 0.12795 0.036388 -2.3 0.022540322
4 0.59482 0.601130634 1 0.036389 0.010005 -2.3 0.006310634
5 0.60113 0.602858085 1 0.010008 0.002726 -2.3 0.001728085
6 0.602858 0.603328142 1 0.002726 0.000741 -2.3 0.000470142
7 0.603328 0.603455756 1 0.000741 0.000202 -2.3 0.000127756
8 0.603456 0.603490824 1 0.000202 5.34E-05 -2.3 3.51238E-05
9 0.603491 0.603500068 1 5.26E-05 1.43E-05 -2.3 9.06778E-06
Dari tabel di atas hampiran akar x = 0.603500

Modul Mata Kuliah Analisis Numerik 14

G. Metode Newton-Raphson
Metode Newton-Raphson merupakan metode yang paling banyak dipakai,
karena konvergensinya paling cepat diantara metode lainnya. Penurunan rumus
Metode Newton-Raphson dilakukan dengan dua cara, yaitu secara geometri dan
dengan bantuan deret Taylor.
1. Penurunan rumus Metode Newton-Raphson secara geometri

y = g(x)
Garis singgung kurva di
x, dengan gradien = f’(x)

x i+1 xi

Gambar 2.3 Tafsiran geometri metode Newton-Raphson

Pada gambar 2.3 diatas, gradien garis singgung di xr adalah

y f ( xr )  0
m  f ' ( xr )   , atau
x xr  xr 1

f ( xr )
f ' ( xr ) 
x r  x r 1
Sehingga rumus metode Newton-Raphson adalah
f ( xr )
x r 1  xr  , dengan f ' ( xr )  0 .............. (2.2)
f ' ( xr )

2. Penurunan rumus Metode Newton-Raphson dengan bantuan deret Taylor.

( xr 1  xr ) 2
Uraikan f ( xr 1 )  f ( xr )  ( xr 1  xr ) f ' ( xr )  f ' ' (t ) , xr  t  xr 1
2

Modul Mata Kuliah Analisis Numerik 15

Bila dipotong sampai suku orde satu menjadi: f ( xr 1 )  f ( xr )  ( xr 1  xr ) f ' ( xr ) ,

f ( xr )
karena untuk mencari akar maka f ( xr 1 )  0 , sehingga x r 1  xr  ,
f ' ( xr )

f ' ( xr )  0 . Rumus tersebut merupakan rumus metode Newton-Raphson. Iterasi

berhenti jika kondisinya xr 1  xr <
Contoh 10:
Hitung akar f ( x)  e x  5x 2 dengan metode Newton-Raphson. Gunakan  =
0,00001 dan x 0 = 1 !

Jawab:
f ( x)  e x  5 x 2
f ' ( x)  e x  10 x
Dengan rumus Newton-Raphson:
e x  5x 2
xr 1  xr  , dengan x 0 = 1:
e x  10 x
e x  5x 2
xr 1  xr  , tabel iterasinya:
e x  10 x
Tabel 2.3 Tabel iterasi metode Newton-Raphson

r Xr e x  5x 2 e x  10 x X r+1 X r+1 – X r
0 1 -2.3 -7.3 0.684932 0.315068493
1 0.684932 -0.37117 -4.87483 0.608792 0.076140012
2 0.608792 -0.02247 -4.25725 0.603515 0.005276969
3 0.603515 -4.9E-05 -4.21405 0.603503 1.15823E-05
4 0.603503 1.91E-06 -4.21395 0.603503 4.52571E-07

Dari tabel diatas hampiran akar x = 0.603503 .

Modul Mata Kuliah Analisis Numerik 16

H. Metode Secant
Metode Newton-Raphson memerlukan perhitungan pada turunan fungsi,
f ' ( x) . Sehingga hal tersebut bisa menyebabkan kesalahan karena tidak semua
fungsi mudah dicari turunannya. Turunan fungsi dapat dihilangkan dengan cara
menggantinya dengan bentuk lain yang ekivalen, metode modifikas dari metode
Newton-Raphson ini dinamakan metode Secant.
y=g(x)

xr 1 xr x
x r 1

Gambar 2.4

Berdasarkan gambar di atas dapat kita hitung gradien

y AC f ( xr )  f ( xr 1 )
f ' ( x)   
x BC xr  xr 1
Jika dinyatakan ke dalam rumus Newton-Raphson menjadi:
f ( xr )
x r 1  xr 
f ' ( xr )
Sehingga diperoleh:
f ( xr )( xr  xr 1 )
xr 1  xr  .............. (2.3), yang kemudian disebut rumus metode
f ( xr )  f ( xr 1 )
Secant. Dalam metode ini juga diperlukan tebakan akar awal yaitu x 0 dan x1 .
Iterasi berhenti bila xr 1  xr <  .

Contoh 11:
Hitunglah akar f ( x)  e x  5x 2 dengan metode Secant. Gunakan  = 0,00001, dan
tebakan awal akar x 0 = 0.5 , x1 = 1.
Jawab:

Modul Mata Kuliah Analisis Numerik 17

 Tabel 2.4 Tabel iterasi metode Secant

f ( xr ) f ( x r 1 ) ( xr  x r 1 )
i xr xr+1 xr+1-xr
0 0.5 0.393168 0 0.5 0 -0.5
1 1 -2.3 0.393168 0.5 0.572994 -0.42701
2 0.572994 0.125114 -2.3 -0.42701 0.595024 0.02203
3 0.595024 0.035541 0.125114 0.02203 0.603765 0.008741
4 0.603765 -0.00111 0.035541 0.008741 0.603501 -0.00026
5 0.603501 1.04E-05 -0.00111 -0.00026 0.603503 2.44E-06
Dari tabel diatas hampiran akar x = 0.603501

Latihan Soal
1. Diketahui persamaan f ( x)  x 3  2 x 2  10 x  20  0 . Tentukan akar-akar dari
persamaan di atas pada selang [1, 1.5] dengan menggunakan:
a. Metode biseksi
b. Metode regula-falsi
2. Tentukan bagaimana cara menentukan 2 , dengan memilih x0  1 dan  =
0.000001 dengan metode Newton-Raphson !
3. Tentukan nilai 1/7, dengan memilih x0  0.2 dan  = 0.0000001 dengan
metode Newton-Raphson !
4. Selesaikan persamaan xe  x  1  0 pada selang [-1,0] dengan menggunakan:
a. Metode biseksi
b. Metode Regula Falsi
5. Gunakan metode Secant untuk menghitung salah satu akar persamaan
f ( x)  x 3  x 2  3x  3  0 , jika x = 1 dan x = 2. (3.33)
6. Gunakan metode biseksi untuk menyelesaikan persamaan f ( x)  tgx  x  1  0
Jika x = 1 dan x = 1.5 . (3.33)
7. Selesaikan persamaan x  e x = 0 , dengan titik pendekatan awal x0  0 dan

toleransi error adalah 0.00001 .

8. Tentukan penyelesaian persamaan x  e  x cos x  2 dengan titik pendekatan
awal x0  1, dengan metode Newton Raphson.

9. Tentukan hasil penyelesaian persamaan x 2  ( x  1)e  x  0 dengan titik

pendekatan awal di x = 0.8 dan x = 0.9, dengan menggunakan metode Secant!

Modul Mata Kuliah Analisis Numerik 18

 BAB III
Interpolasi

G. Interpolasi Numerik
Interpolasi adalah proses pencarian dan perhitungan nilai suatu fungsi yang
grafiknya melewati sekumpulan titik yang diberikan. Titik-titik tersebut
kemungkinan merupakan hasil eksperimen dalam sebuah percobaan, atau dari hasil
sebuah fungsi yang diketahui. Fungsi interpolasi yang dibicarakan pada bab ini
adalah interpolasi pada fungsi polinomial, karena fungsi tersebut paling banyak
dipakai. Tujuan utama mendapatkan polinomial hampiran adalah untuk
menggantikan suatu fungsi yang rumit dengan fungsi yang lebih sederhana.
Interpolasi digunakan untuk menyelesaikan masalah dalam bidang teori
hampiran. Untuk memberikan wawasan, berikut disajikan sebuah masalah hampiran
dan kemungkinan pemakaian interpolasi untuk menyelesaikannya. Diberikan
sebuah tabel nilai-nilai fungsi, misalnya f ( x)  cos( x) , interpolasi dapat digunakan
untuk mencari nilai-nilai f(x) untuk nilai-nilai x yang tidak terdapat di dalam tabel.
Salah satu solusi adalah mencari fungsi yang mencocokan (fit) titik-titik data di
dalam tabel. Pendekatan seperti ini dinamakan pencocokan kurva (curve fitting).
Fungsi yang diperoleh dari pendekatan ini merupakan fungsi hampiran, sehingga
nilai fungsinya tidak setepat nilai aslinya.
Misalkan kita mempunyai data yang disajikan dalam tabel berikut ini:
Table 3.1
x x1 x2 x3 ...... xn

y y1 y2 y3 ...... yn

Dengan x1  x2  ....  xn . Kita ingin mencari sebuah polinomial P(x)

sedemikian sehingga P( xi )  yi , untuk 1  i  n . Polinomial ini dikatakan

menginterpolasi nilai-nilai pada tabel. Kita dapat menggunakan polinomial ini
untuk menghitung suatu nilai y yang berkaitan dengan suatu x, yang tidak terdapat
dalam tabel tapi terletak diantara nilai-nilai x pada tabel tersebut. Polinomial
interpolasi tergantung pada nilai-nilai dan banyaknya nilai x dan y yang diberikan.

Modul Mata Kuliah Analisis Numerik 19

H. Interpolasi Polinom
Metode interpolasi yang paling banyak digunakan adalah interpolasi
polinomial. Persamaan polinomial adalah persamaan aljabar yang mengandung
jumlah dari variabel x berpangkat bilangan bulat (integer). Bentuk umum
persamaan polinomial adalah:
f ( x)  a0  a1 x  a2 x 2  ....  an x n ................. (3.1)

dengan a0 , a1 ,...., an adalah parameter yang akan dicari berdasarkan titik data, n
adalah derajat (order) dari persamaan polinomial dan x adalah variabel bebas.
Diberikan n+1 buah titik yang berbeda, ( x0 , y0 ), ( x1 , y1 ), .... ( xn , y n ), .

Tentukan polinom p n (x) yang menginterpolasi (melewati) semua titik-titik

tersebut sedemikian sehingga
yi  pn ( xi ) untuk i = 0, 1, 2, ..., n

Nilai y i dapat berasal dari fungsi matematika f(x) sedemikian sehingga yi  f ( xi ) ,

sedang p n (x) adalah fungsi hampiran terhadap f(x). Setelah polinom interpolasi

p n (x) ditemukan, p n (x) dapat digunakan untuk menghitung perkiraan nilai y di x

= a, yaitu. Bergantung pada letaknya, nilai x = a mungkin terletak di dalam rentang
titik-titik data ( x0  a  xn ) atau di luar rentang titik-titik data ( a  x0 atau a  xn ):

 jika x0  a  xn maka y k  p( xk ) disebut nilai interpolasi (interpolated value)

 jika xk  x0 atau xk  xn maka y k  p( xk ) disebut nilai ekstrapolasi

(extrapolated value)
Nilai interpolasi dan ekstrapolasi dapat ditunjukkan gambar 3.1 berikut.

Gambar 3.1

Modul Mata Kuliah Analisis Numerik 20

1. Interpolasi Linier
Interpolasi linier adalah interpolasi dua buah titik dengan sebuah garis lurus.
Misal diberikan dua buah titik, ( x0 , y 0 ) dan ( x1 , y1 ) . Polinom yang menginterpolasi

kedua titik itu adalah persamaan garis lurus yang berbentuk:

p1 ( x)  a0  a1 x ................... (3.2)

y
( x1 , y1 )

( x0 , y 0 )

x
Gambar 3.2

Koefisien a 0 dan a1 dicari dengan proses substitusi dan eleminasi. Dengan

substitusi ( x0 , y 0 ) dan ( x1 , y1 ) ke dalam persamaan (3.2), diperoleh dua persamaan

linier:
y0  a0  a1 x0

y1  a0  a1 x1
Kedua persamaan di atas jika diselesaikan dengan eleminasi akan
memberikan persamaan berikut:
y1  y 0 x y  x0 y1
a1  ........ (3.3) dan a0  1 0 ........... (3.4)
x1  x0 x1  x0
Substitusi (3.3) dan (3.4) ke dalam (3.2), sehingga di dapat persamaan garis
lurus sebagai berikut:
x1 y 0  x0 y1 ( y1  y 0 ) x
p1 ( x)   ............. (3.5)
x1  x0 ( x1  x0 )
Dengan sedikit manipulasi aljabar, persamaan (3.5) dapat disusun menjadi
( y1  y 0 )
p1 ( x)  y 0  ( x  x0 ) ............... (3.6)
( x1  x0 )

Modul Mata Kuliah Analisis Numerik 21

 Persamaan (3.6) adalah persamaan garis lurus yang melalui dua buah titik
( x0 , y 0 ) dan ( x1 , y1 ) . Kurva p1 ( x) ini berupa garis lurus ( gambar 3.2)
Contoh 12:
Perkirakan jumlah penduduk Amerika Serikat tahun 1968 berdasarkan data tabulasi
berikut:
Tahun 1960 1970
Jumlah penduduk (juta) 179.3 203.2

Jawab:
Dengan menggunakan persamaan (3.6) diperoleh:
(203.2  179.3)(1968  1960)
p1 (1968)  179.3   198.4
1970  1960
Jadi taksiran jumlah penduduk Amerika Serikat tahun 1968 adalah 198.4 juta jiwa.

Contoh 13:
Diketahui data ln(9.0) = 2.1972, ln(9.5)=2.1513, tentukan ln(9.2) dengan interpolasi
linear sampai 1 angka signifikan, jika nilai sejati ln(9.2)=2.2192 !
Jawab:
Dengan menggunakan persamaan (3.6) diperoleh:
(2.1513  2.1972)(9.2  9.0)
p1 (9.2)  2.1972   2.2188
9.5  9.0
Sehingga galat = 2.2192 – 2.2188 = 0.0004. terlihat dari galat tersebut
interpolasi linier memperoleh ketelitian hanya pada 3 angka signifikan, sehingga
hanya benar sampai 3 angka signifikan.

2. Interpolasi Kuadratik
Misalkan diberikan tiga buah titik data ( x0 , y 0 ) , ( x1 , y1 ) , dan ( x2 , y 2 ) . Polinom

yang menginterpolasi ketiga buah titik itu adalah polinom kuadrat yang berbentuk:
p2 ( x)  a0  a1 x  a2 x 2 .................... (3.7)

Polinom p 2 ( x) ditentukan sebagai berikut:

Modul Mata Kuliah Analisis Numerik 22

 Substitusikan ( xi , yi ) ke persamaan (3.7), i = 0, 1, 2, sehingga diperoleh tiga

buah persamaan dengan tiga buah parameter yang tidak diketahui, yaitu a 0 , a1

dan a 2 . Sebagai berikut:

a0  a1 x0  a2 x0  y0
2

a0  a1 x1  a2 x1  y1
2

a0  a1 x2  a2 x2  y 2
2

 Hitung nilai a 0 , a1 dan a 2 dengan metode eleminasi Gauss.

Bila digambar, kurva polinom kuadrat berbentuk parabola seperti pada gambar 3.3
berikut:

Gambar 3.3. Interpolasi Kuadratik

Contoh 14:
Diketahui titik ln(8.0) = 2.0794, ln(9.0) = 2.1972, dan ln(9.5) = 2.2513. tentukan
nilai ln(9.2) dengan interpolasi kuadratik!
Jawab:
Sistem persamaan linier yang terbentuk adalah
a0  8.0a1  64.00a2  2.0794

a0  9.0a1  81.00a2  2.1972

a0  9.5a1  90.25a2  2.2513

Modul Mata Kuliah Analisis Numerik 23

Setelah diselesaikan dengan metode eleminasi Gauss menghasilkan a 0 = 0.6762,

a1 =0.2266 dan a 2 = -0.0064, dan polinom kuadratnya adalah:

p2 ( x)  0.6762  0.2266 x  0.0064 x 2 , sehingga

p2 (9.2)  2.2192 , hasilnya sama dengan nilai sejatinya, ini berarti nilai galatnya
adalah 0.

3. Interpolasi Kubik
Misal diberikan empat titik data ( x0 , y 0 ) , ( x1 , y1 ) , ( x2 , y 2 ) dan ( x3 , y3 ) . Polinom

yang menginterpolasi keempat titik tersebut adalah polinom kubik yang berbentuk:
p3 ( x)  a0  a1 x  a2 x 2  a3 x 3

Polinom p3 ( x) ditentukan sebagai berikut

 Substitusikan ( xi , yi ) ke persamaan (3.8), i = 0, 1, 2, 3, sehingga diperoleh

empat buah persamaan dengan empat buah parameter yang tidak diketahui,
yaitu a 0 , a1 , a 2 dan a 3 Sebagai berikut:

a0  a1 x0  a2 x0  a3 x0  y0
2 3

a0  a1 x1  a2 x1  a3 x1  y1
2 3

a0  a1 x2  a2 x2  a3 x2  y 2
2 3

a0  a1 x3  a2 x3  a3 x3  y3
2 3

 Hitung nilai a 0 , a1 , a 2 dan a 3 dengan metode eleminasi Gauss.

Bila digambar, kurva polinom kubik seperti pada gambar 3.4 berikut:

Gambar 3.4. Interpolasi Kubik

Modul Mata Kuliah Analisis Numerik 24

 Dengan cara yang sama kita dapat membuat polinom interpolasi berderajat n,
untuk n yang lebih tinggi, sebagai berikut:
pn ( x)  a0  a1 xn  a2 xn  a3 xn  ....ar xn ............ (3.9)
2 3 r

Dengan catatan tersedia (n+1) buah titik data. Dengan

mensubsitusikan ( xi , yi ) ke dalam persamaan polinom diatas, untuk i = 1, 2, 3, .... r,

untuk diperoleh r buah persamaan dalam sistem persamaan linier dalam a 0 , a1 , a 2 ,

.... a r . Solusi sistem persamaan linier tersebut diselesaikan dengan metode

eleminasi Gauss.

I. Polinom Newton
Kita tinjau kembali polinom linier pada persamaan (3.6):
( y1  y 0 )
p1 ( x)  y 0  ( x  x0 )
( x1  x0 )
Bentuk persamaan ini bisa ditulis sebagai berikut:
p1 ( x)  a0  a1 ( x  x0 ) ......... (3.10)

yang mana a0  y0  f ( x0 ) ....... (3.11)

y1  y 0 f ( x1 )  f ( x0 )
dan a1   .................. (3.12)
x1  x0 x1  x0
Persamaan (3.12) ini merupakan bentuk selisih terbagi (divided-difference)
dan dapat ditulis menjadi: a1  f [ x1 , x0 ] ................. (3.13)

Setelah polinom linier polinom kuadratik dapat dinyatakan dalam bentuk

p2 ( x)  a0  a1 ( x  x0 )  a2 ( x  x0 )( x  x1 ) ................... (3.14), atau

p2 ( x)  p1 ( x)  a2 ( x  x0 )( x  x1 ) .................. (3.15)

Persamaan (3.15) menunjukkan bahwa p 2 ( x) dapat dibentuk dari polinom

sebelumnya, yaitu p1 ( x) . Jadi tahapan pembentukan polinom Newton adalah
sebagai berikut:
p1 ( x)  p0 ( x)  a1 ( x  x0 )

= a 0 a1 ( x  x0 )

p2 ( x)  p1 ( x)  a2 ( x  x0 )( x  x1 )

Modul Mata Kuliah Analisis Numerik 25

 = a0  a1 ( x  x0 )  a2 ( x  x0 )( x  x1 )

p3 ( x)  p2 ( x)  a3 ( x  x0 )( x  x1 )( x  x2 )

= a0  a1 ( x  x0 )  a2 ( x  x0 )( x  x1 )  a3 ( x  x0 )( x  x1 )( x  x2 )

.
.
.
pn ( x)  pn1 ( x)  an ( x  x0 )( x  x1 ).....( x  xn1 )

 a0  a1 ( x  x0 )  a 2 ( x  x0 )( x  x1 )  a3 ( x  x0 )( x  x1 )( x  x2 ) 
...  a n ( x  x0 )( x  x1 )...( x  xn 1 )...............(3.16)

Nilai konstanta a 0 , a1 , a 2 , ..... a n merupakan nilai selisih terbagi dengan

masing-masing:
a 0  f ( x0 )

a1  f [ x1 , x0 ]

a2  f [ x2 , x1 , x0 ]

.
.
.

an  f [ xn , xn1 ,...., x1 , x0 ] , yang mana:

f ( xi )  f ( x j )
f [ xi , x j ] 
xi  x j

f [ xi , x j ]  f [ x j , x k ]
f [ xi , x j , x k ] 
xi  x k
.
.
.
f [ xn , xn1 ,..., x1 ]  f [ xn1 , xn2 ,...x0 ]
f [ xn , xn1 ,..., x1 , x0 ]  ...............(3.17)
x n  x0
Karena tetapan a 0 , a1 , a 2 , ..... a n merupakan nilai selisih terbagi, maka

polinom Newon disebut juga polinom interpolasi selisih-terbagi Newton. Nilai

selisih terbagi ini dapat dihitung dengan tabel yang disebut tabel selisih-terbagi.
Misalkan disajikan suatu tabel selisih-terbagi untuk 4 titik (n = 3) sebagai berikut:

Modul Mata Kuliah Analisis Numerik 26

i xi y i  f ( xi ) ST-1 ST-2 ST-3

0 x0 f ( x0 ) f [ x1 , x0 ] f [ x2 , x1 , x0 ] f [ x3 , x2 , x1 , x0 ]

1 x1 f ( x1 ) f [ x2 , x1 ] f [ x3 , x2 , x1 ]

2 x2 f ( x2 ) f [ x3 , x 2 ]

3 x3 f ( x3 )

Table 3.2

Keterangan:
ST : Selisih Terbagi

Contoh 15:
Hitung f(9.2) dari nilai-nilai (x,y) yang diberikan pada tabel dibawah dengan
polinom Newton berderajat 3.
Jawab:
Tabel selisih-terbagi:
i xi y i  f ( xi ) ST-1 ST-2 ST-3

0 8.0 2.079442 0.117783 -0.006433 0.000411

1 9.0 2.197225 0.108134 -0.005200
2 9.5 2.251292 0.097735
3 11.0 2.397895

Polinom Newton dengan x 0 = 8.0 adalah:

f ( x)  p3 ( x) = 2.079442 + 0.117783 (x-8.0) - 0.006433 (x - 8.0)(x - 9.0) +

0.000411 (x - 8.0)(x - 9.0) (x - 9.5)

Taksiran nilai fungsi pada x = 9.2 adalah:
f (9.2)  p3 (9.2)  2.079442 + 0.141340 – 0.001544 – 0.000030 = 2.219208

Sedangkan nilai sejatinya ln(9.2) = 2.219203 (7 angka signifikan).

Jika dicari:
p1 (9.2) = 2.220782
p2 (9.2) = 2.219238

Modul Mata Kuliah Analisis Numerik 27

p3 (9.2) = 2.219208, dari sini bisa disimpulkan bahwa semakin tinggi orde polinom
akan semakin teliti karena mempunyai galat yang sangat kecil.

J. Galat Interpolasi Polinom

Polinom interpolasi p n (x) merupakan hampiran terhadap fungsi yang asli

f (x) , sehingga p n (x) tidak sama dengan f (x) , meskipun pada titik-titik tertentu

p n (x) dan f (x) bersesuaian, yaitu f ( xi )  pn ( xi ) , i = 0, 1, 2, ... ,n. Oleh karena

p n (x)  f (x) sehingga terdapat galat (selisih) diantara keduanya sebut saja E (x) ,

yaitu E ( x)  f ( x)  pn ( x) . Karena f ( xi )  pn ( xi ) , untuk i = 0, 1, 2, ... ,n, maka

berlaku juga E ( xi )  f ( xi )  pn ( xi )  0 . E ( xi ) dapat ditulis sebagai

E ( x )  f ( x )  pn ( x)  ( x  x0 )( x  x1 )( x  x2 ).....( x  xn ) R( x) ......... (3.18)

Atau
E ( x)  Qn1 ( x) R( x) .............. (3.19), yang dalam hal ini

Qn1 ( x)  ( x  x0 )( x  x1 )( x  x2 )........( x  xn ) .......... (3.20)

R(x) adalah fungsi yang mencatat nilai selain x0 , x1 , x2 ,........xn . Persamaan (3.18)
dapat ditulis sebagai
f ( x )  pn ( x)  ( x  x0 )( x  x1 )( x  x2 ).....( x  xn ) R( x)  0 , misalkan

didefinisikan fungsi W(t), sehingga

W (t )  f (t )  pn (t )  (t  x0 )(t  x1 )....(t  xn ) R( x)  0 .......... (3.21)

R(x) tidak ditulis sebagai R(t ) , karena akan dicari nilai-nilai selain t.
Berdasarkan teorema Rolle yang berbunyi :
Misalkan fungsi f kontinu pada [a,b] dan f’(x) ada untuk semua a<x<b. jira
f(a)=f(b)=0, maka terdapat nilai c, dengan a<c<b, sedemikian hingga f’(c)=0
Sehingga misalkan pada t=c adalah:
Jika w kontinu dan dapat diturunkan pada selang [a.b], maka
W’(t) = 0, W’’(t) = 0, W’’’(t) = 0,.... Wn+1 = 0, sehingga jika digunakan pada (3.21)
pada t = c adalah:
n 1
W n1 (t )  0  f n1 (c)  pn (c)  Qn1 (c)! R( x)

W n1 (t )  0  f n1 (c)  0  (n  1)! R( x) .............. (3.22)

Modul Mata Kuliah Analisis Numerik 28

 Dari persamaan (3.22) diperoleh:
f n 1 (c)
R( x)  , x0  c  xn ...................(3.23)
(n  1)!
Selanjutnya persamaan (3.23) disubstitusikan pada persamaan (3.19)
sehingga:
f n 1 (c)
E ( x)  Qn1 ( x) atau
(n  1)!

f n 1 (c)
E ( x )  ( x  x0 )( x  x1 )( x  x2 ).....( x  xn ) .............. (3.24)
(n  1)!
Jika fungsi f diketahui, dapat dicari turunannya di x = c untuk menghitung
galat interpolasi. Tetapi nilai c tidak diketahui, yang jelas nilai c terletak antara
n 1
x 0 dan x n . Jika [ x0 , xn ] merupakan selang kecil sehingga f berubah lambat,

maka kita dapat menghampiri f n1

(c) dengan f n1 ( xt ) , dimana x t adalah titik

x0  x n
tengah x 0 dan x n , yaitu xt  , sehingga :
2
f n1 ( xt )
E R ( x)  ( x  x0 )( x  x1 )( x  x2 )....( x  xn ) .......... (3.25), disebut
(n  1)!
galat rata-rata interpolasi.
Contoh 16:
Diketahui tabel yang berisi pasangan titik (x,f(x)) dari fungsi f(x) = cos (x)
xi f ( xi )

0.0 1.0000000
1.0 0.5403023
2.0 -0.4161468
3.0 -0.9899925
4.0 -0.6536436

Hitung galat rata-rata interpolasi di titik x =0.5, x=1.5, x=2.5, bila x diinterpolasi
dengan polinom Newton berderajat 3 bila x0  0

Jawab:

Modul Mata Kuliah Analisis Numerik 29

 Tabel selisih
i xi f ( xi ) ST-1 ST-2 ST-3 ST-4

0 0.0 1.0000000 -0.4597 -0.2484 0.1466 -0.0147

1 1.0 0.5403023 -0.9564 0.1913 0.0880
2 2.0 -0.4161468 -0.5739 0.4551
3 3.0 -0.9899925 0.3363
4 4.0 -0.6536436

Polinom derajat 3 yang menginterpolasi f(x) = cos (x) dalam selang [0.0, 3.0]
adalah:
cos( x)  p3 ( x)  1.0000  0.4597( x  0.0)  0.2485( x  0.0)( x  1.0) 
0.1466( x  0.0)( x  1.0)( x  2.0)
(0.0  3.0)
Titik tengah [0.0, 3.0] adalah xt   1.5
2
Galat rata-rata interpolasi:
( x  0.0)( x  1.0)( x  2.0)( x  3.0) ( 4)
E3 ( x )  f ( xt )
4!
Turunan keempat dari fungsi f ( x)  cos( x) ,

f ' ( x)   sin( x) , f ' ' ( x)   cos(x) , f ' ' ' ( x)  sin( x) , f ( 4) ( x)  cos( x)
Sehingga:
( x  0.0)( x  1.0)( x  2.0)( x  3.0)
E3 ( x)  (cos(1.5))
4!
Nilai-nilai interpolasi serta galat rata-rata interpolasi jika dibanding nilai sejati dan
galat sejati diperlihatkan tabel berikut:
X f (x ) p3 ( x) E3 ( x) Galat sejati

0.5 0.8775826 0.8872048 0.0027632 -0.0096222

1.5 0.0707372 0.0692120 -0.0016579 0.0015252
2.5 -0.8011436 -0.8058546 0.0027632 0.0047110

Modul Mata Kuliah Analisis Numerik 30

K. Taksiran Galat Interpolasi Newton
Perhatikan kembali Polinom Newton:
pn ( x)  pn1 ( x)  ( x  x0 )( x  x1 ).......( x  xn1 ) f [ xn , xn1 ,......, x1 , x0 ]
Suku
( x  x0 )( x  x1 ).......( x  xn1 ) f [ xn , xn1 ,......, x1 , x0 ] dinaikkan dari n sampai n+1
Sehingga
( x  x0 )( x  x1 ).......( x  xn1 )( x  xn ) f [ xn1 , xn , xn1 ,......, x1 , x0 ] , bentuk ini
bersesuaian dengan rumus galat interpolasi:
f n 1 (t )
E ( x )  ( x  x0 )( x  x1 )( x  x2 ).....( x  xn )
(n  1)!

f n 1 (t )
Untuk: dapat dihampiri nilainya dengan f [ xn1 , xn , xn1 ,...., x1 , x0 ] asalkan
(n  1)!
terdapat titik tambahan xn+1
Contoh 17:
Pada contoh 16, hitung taksiran galat interpolasi pada polinom berderajat 3 untuk
menaksir nilai f(2.5)
Jawab:
Karena polinom berderajat 3, maka dari tabel selisih terbaginya:
f [ x4 , x3 , x2 , x1 , x0 ] = -0.0147

Sehingga taksiran galat dalam menginterpolasi f(2.5) adalah:

E(2.5) = (2.5 – 0.0)(2.5 – 1.0)(2.5 – 2.0)(2.5 – 3.0)(-0.0147) = 0.01378125

L. Polinom Newton-Gregory
Polinom Newton-Gregory merupakan kasus khusus dari polinomial Newton
untuk titik-titik yang berjarak sama. Pada aplikasi nilai-nilai x berjarak sama, misal
pada tabel nilai fungsi , atau pengukuran pada selang waktu yang teratur. Untuk
titik-titik yang berjarak sama, rumus polinom Newton menjadi lebih sederhana,
selain itu tabel selisih menjadi lebih mudah dibentuk. Disini kita menanamkan tabel
tersebut sebagai tabel selisih. Ada dua macam tabel selisih, yaitu tabel selisih
maju (foward difference) dan tabel selisih mundur (backward difference). Karena

Modul Mata Kuliah Analisis Numerik 31

itu, ada dua macam polinom Newton-Gregory, yaitu polinom Newton-Gregory
maju, dan polinom Newton-Gregory mundur.
1. Polinom Newton-Gregory Maju
Rumus polinom Newton-Gregory maju diturunkan dari tabel selisih maju,
tetapi sebelumnya kita membahas table selisih maju.

Table Selisih Maju

Misalkan diberikan lima buah titik berjarak sama. Tabel selisih maju yang
dibentuk dari kelima titik tersebut adalah:
Tabel 3.2 Tabel Selisih Maju
x f (x) f 2 f 3 f 4 f

x0 f0 f 0 2 f 0 3 f 0 4 f 0
x1 f1 f1 2 f1 3 f1
x2 f2 f 2 2 f 2
x3 f3 f 3

x4 f4

Lambang  menyatakan selisih maju, keterangan untuk setiap simbol pada tabel
diatas adalah:
f 0  f ( x0 )  y o

f1  f ( x1 )  y1
....
f p  f (x p )

f 0  f1  f 0

f1  f 2  f1
...
f p  f p 1  f p

2 f 0  f1  f 0

Modul Mata Kuliah Analisis Numerik 32

2 f1  f 2  f1
...
2 f p  f p 1  f p

3 f 0  2 f1  2 f 0

3 f1  2 f 2  2 f1
...
3 f p  2 f p 1  2 f p

Sehingga bentuk umunya:

n1 f p  n f p 1  n f p .................... (3.26)

Penurunan Rumus Polinom Newton-Gregory Maju

Rumus Polinom Newton-Gregory Maju didasarkan pada table selisih maju
f ( x1 )  f ( x0 )
f [ x1 , x2 ] 
x1  x0

f ( x0 )
=
h
f 0
=
1! h
f [ x2 , x1 ]  f [ x1 , x0 ]
f [ x2 , x1 , x0 ] 
x 2  x0

f ( x 2 )  f ( x1 ) f ( x1 )  f ( x0 )

x 2  x1 x1  x0
=
x 2  x0
f 1  f 0
= h
2h
2 f 0
=
2!h 2
Bentuk umumnya:
n f ( x0 ) n f 0
f [ xn ,........, x1 , x0 ]   ………………. (3.27)
n!h n n!h n

Modul Mata Kuliah Analisis Numerik 33

 Sehingga polinom Newton untuk data yang berjarak sama adalah sebagai
berikut:
pn ( x)  f ( x0 )  ( x  x0 ) f [ x1 , x0 ]  ( x  x0 )( x  x1 ) f [ x2 , x1 , x0 ]  ...... 

( x  x0 )( x  x1 )......( x  xn1 ) f [ xn , xn1 ,....., x1 , x0 ]

f 0 2 f 0
= f 0  ( x  x0 ) ( x  x0 )( x  x1 )  ....
1!h 2!h 2
n f 0
 ( x  x0 )( x  x1 )...( x  xn 1 )
n!h n …………… (3.28)
Titik yang berjarak sama dinyatakan sebagai:
xi  x0  ih , i = 0, 1, 2, …,n, dan nilai x yang diinterpolasikan adalah:

x  x0  sh , s  R
Jika persamaan (3.28) ditulis dalam parameter s adalah:
sh s( s  1)h 2 2
p n ( x)  f 0  f 0   f 0  .... 
1!h 2!h 2
s( s  1)(s  2)...(s  n  1)h n n
 f0
n!h n
Sehingga menghasilkan
s s( s  1) 2 s( s  1)(s  2)...(s  n  1) n
p n ( x)  f 0  f 0   f 0  ...   f 0 …… (3.29)
1! 2! n!
Pembentukan rumus Polinom Newton-Gregory Maju untuk titik yang berjarak
sama adalah sebagai berikut:
p 0 ( x)  f 0

s
p1 ( x)  p0 ( x)  f 0
1!
s
= f 0  f 0
1!
s( s  1) 2
p 2 ( x)  p1 ( x)   f0
2!
s s( s  1) 2
= f 0  f 0 +  f0
1! 2!
s( s  1)(s  2) 3
p3 ( x)  p 2 ( x)   f0
3!

Modul Mata Kuliah Analisis Numerik 34

 s s( s  1) 2 s( s  1)(s  2) 3
= f 0  f 0 +  f0 +  f0
1! 2! 3!
s s( s  1) 2 s( s  1)(s  2) 3
p n (x)  f 0  f 0 +  f0 +  f 0  ....
1! 2! 3!
s( s  1)(s  2)...(s  n  1) n
 f 0 …………… (3.30)
n!

Contoh 18:
Buat table selisih untuk fungsi f(x)=1/(x+1) pada selang [0.000, 0.625] dan h =
0.125. Hitung f(0.300) dengan polinom Newton-Gregory maju derajat 3.
Jawab:
x f (x) f 2 f 3 f
0.000 1.000 -0.111 0.022 -0.006
0.125 0.889 -0.089 0.016 -0.003
0.250 0.800 -0.073 0.013 -0.005
0.375 .272 -0.060 0.008
0.500 0.667 -0.052
0.625 0.615

Untuk memperkirakan f(0.300) dengan polinom Newton-Gregory maju

derajat 3, digunakan empat titik. galat interpolasi akan minimum jika x terletak di
sekitar pertengahan selang. Sehingga titik-titik yang diambil adalah:
x0  0.125 , x1  0.250 , x2  0.375 , x3  0.500 , karena x = 0.300 terletak di

sekitar pertengahan selang [0.125, 0.500], dan h = 0.125, maka nilai s adalah:
x  x0  sh

x  x0 0.300  0.125
s   1.4
h 0.125
Sehingga nilai f(0.300) dengan polinom Newton-Gregory maju derajat 3:
s s( s  1) 2 s( s  1)(s  2) 3
p3 ( x) = f 0  f 0 +  f0 +  f0
1! 2! 3!
(1.4)(0.4) (1.4)(0.4)(0.6)
= 0.889  (1.4)(0.089)  (0.016)  (0.003)
2 6
= 0.889 – 0.1246 + 0.0045

Modul Mata Kuliah Analisis Numerik 35

 = 0.769
Jika dihitung nilai sejatinya f(0.300) adalah
F(0.300)=1/(0.300+1)=0.769

Taksiran Galat interpolasi Newton-Gregory Maju

Seperti pada polinom Newton, galat interpolasi Newton Gregory juga dapat
dihitung dengan menghampiri turunan fungsi ke-(n+1) dengan nilai pada tabel
selisih. Perhatikan kembali polinom Newton-Gregory maju:
n f 0
p n ( x)  pn 1 ( x)  ( x  x0 )( x  x1 )...( x  xn 1 ) ,
n!h n
n f 0
Naikkan suku ( x  x0 )( x  x1 )....( x  xn1 )
n!h n
Dari n menjadi (n+1):
n1 f 0
( x  x0 )( x  x1 )....( x  xn1 )( x  xn )
n!h n1
Bentuk ini bersesuaian dengan rumus galat interpolasi
f n1 (t )
E ( x)  ( x  x0 )( x  x1 )....( x  xn )
(n  1)!
n1
f (t ) dapat dihampiri dengan:

n 1 n1 f 0
f (t ) 
h n 1
Sehingga taksiran galat dalam menginterpolasi f(x) dengan polinom Newton-
Gregory Maju adalah:
n 1 f 0
E ( x)  ( x  x0 )( x  x1 )....( x  xn ) n1 …… (3.31)
h (n  1)!
atau dalam bentuk lain:
n1 f 0
E ( x)  s( s  1)(s  2)...(s  n) .................. (3.32)
(n  1)!
( x  x0 )
dengan s 
h

Modul Mata Kuliah Analisis Numerik 36

Contoh 19:
Hitung taksiran galat dalam menginterpolasi f(0.8) dengan formula interpolasi
Newton-Gregory Maju derajat 2 dari fungsi f(x) = sin (x) di dalam selang [0.1, 1.7]
dan h = 0.4.
Jawab:
Tabel Selisih Newton-Gregory Maju
x f (x) f 2 f 3 f
0.1 0.09983 0.37960 -0.07570 -0.04797
0.5 0.47943 0.30390 -0.12367 -0.02846
0.9 0.78333 0.18023 -0.152134
1.3 0.96356 0.02810
1.7 0.99166

Dengan menggunakan titik tambahan x = 1.3, nilai n1 f 0 dapat dihitung, yang

mana pada tabel selisih telah diketahui yaitu -0.04797. sehingga taksiran galat
dalam menginterpolasi f(0.8) adalah:
s( s  1)(s  2) 3 (1.75)(0.75)(0.25)(0.04797)
E (0.8)   f0 
3! 3!
= 2.62 x 10-3

2. Polinom Newton-Gregory Mundur

Polinom Newton-Gregory Mundur (Newton-Gregory backward) didasarkan
pada table selisih mundur. Titik-titik yang berjarak sama yaitu x0 , x1 , x2 ,...., xn yang
dalam hal ini
x1  x0  ih , i = 0, -1, -2, …, -n
dan nilai x yang diinterpolasikan adalah:
x  x0  sh , sR

Sebagai contoh table selisih mundur diperlihatkan oleh table 3.3 sebagai berikut:

Modul Mata Kuliah Analisis Numerik 37

 Table 3.3 Tabel Selisih Mundur
i x f (x) f 2 f 3 f
-3 x 3 f 3

-2 x2 f 2 f 2
f 1  2 f 1
-1 x 1 f 1
f 0 2 f0 3 f0
x0 f0
0

Keterangan:
f 0  f ( x0 )

f 1  f ( x1 )
f 0  f 0  f 1

f 1  f 1  f 2

 2 f 0  f 0  f 1

 k 1 f i   k f i   k f i 1

Polinom Newton-Gregory Mundur didasarkan pada table selisih mundur.

Penurunan rumus Polinom Newton-Gregory Mundur sama dengan peurunan rumus
Polinom Newton-Gregory Maju, sehingga diperoleh rumus sebagai berikut:
s s( s  1) 2 s( s  1)(s  2)....( s  n  1) n
f ( x)  pn ( x)  f 0  f 0   f 0  ....   f0 …
1! 2! n!
(3.33)
Contoh 20:
Diketahui 4 buah titik data dalam table berikut. Hitung f(1.72) dengan:
a. Polinom Newton-Gregory Maju derajat 3
b. Polinom Newton-Gregory Mundur derajat 3
Dengan ketelitian hingga 7 tempat desimal!
Jawab:
a. Polinom Newton-Gregory Maju derajat 3

Modul Mata Kuliah Analisis Numerik 38

 i x f (x) f 2 f 3 f
0 1.7 0.3979849 -0.0579985 -0.0001693 0.0004093
1 1.8 0.3399864 -0.0581678 0.0002400
2 1.9 0.2818186 -0.0579278
3 2.0 0.2238908

s  ( x  x0 ) / h = (1.72 – 1.7)/ 0.1 = 0.2

Perkiraan nilai f(1.72) adalah

0.2(0.8)
f (1.72)  p3 (1.72)  0.379849  0.2(0.0579985)  (0.0001693)
2
0.2(0.8)(1.8)
 (0.0004093)
6
= 0.3979849 – 0.0115997 + 0.0000135 + 0.0000196
= 0.3864183

Nilai sejati f(1.72) = 0.3864185

Sehingga galat = 0.0000002
Tepat sampai 7 tampat desimal.

b. Polinom Newton-Gregory Mundur derajat 3

i x f (x) f 2 f 3 f
-3 1.7 0.3979849
-2 1.8 0.3399864 -0.0579985
-1 1.9 0.2818186 -0.0581678 -0.0001693
0 2.0 0.2238908 -0.0579278 0.0002400 0.0004093

s  ( x  x0 ) / h = (1.72 – 2.0)/ 0.1 = -2.8

Perkiraan nilai f(1.72) adalah

(2.8)(1.8)
f (1.72)  p3 (1.72)  0.2238908  2.8(0.0579278)  (0.0002400)
2
(2.8)(1.8)(0.8)
+ (0.0004093)
6
= 0.2238908 + 0.1621978 + 0.0006048 – 0.0002750
= 0.3864183

Modul Mata Kuliah Analisis Numerik 39

Dari hasil kedua polinom Newton-Gregory Maju dan polinom Newton-Gregory
Mundur mempunyai hasil yang sama.

Latihan Soal
1. Hampiri fungsi f ( x)  cos( x) dengan polinom interpolasi berderajat 3 di dalam

selang [0.0, 1.2]. gunakan 4 titik x 0 = 0.0, x1 = 0.4, x 2 = 0.8, x3 = 1.2. Perkirakan

nilai p3 (0.5) dan bandingkan dengan nilai sejatinya! Diketahui nilai sejatinya

0.877583.
2. Bentuklah polinom berderajat satu, dua, tiga dan empat yang menghampiri
fungsi f ( x)  cos( x) dalam selang [0.0, 4.0] dan jarak antar titik 1.0. lalu
taksirlah nilai fungsi di x = 2.5 dengan polinom Newton derajat 3 .
3.
x 0.1 0.3 0.5 0.7 0.9 1.1 1.3
f (x) 0.003 0.067 0.148 0.248 0.370 0.518 0.697

a. Berapa derajat polinom yang tepat melalui ketujuh titik tersebut?

b. Dari jawaban (a), tentukan nilai fungsi di x = 0.58 dengan polinom
interpolasi Newton .
4. Uraikan cara memperoleh interpolasi polinom Newton-Gregory Mundur!
5. Buat tabel selisih maju untuk fungsi f ( x)  x pada selang [1.00, 1.06] h =
0.01, banyak angka signifikan = 5 .

Modul Mata Kuliah Analisis Numerik 40

 Daftar Pustaka

Bambang Triadmojo. 2002. Metode Numerik. Beta Offset: Yogyakarta

Rinaldi Munir. 2003. Metode Numerik. Informatika: Bandung.
S.S. Sastry. 1984. Introductory Methods of Numerical Analysis. Makhija at India
Offset Press: New Delhi.
Sahid. 2005. Komputasi Numerik dengan Matlab. Andi: Yogyakarta
Wahyudin. 1990. Metode Numerik. Universitas Terbuka: Jakarta

Modul Mata Kuliah Analisis Numerik 41