MODUL I

PERSAMAAN NON LINEAR I

A. Tujuan Percobaan
Setelah menjalani praktikum persamaan non linear I, mahasiswa dapat :
a. Memahami penyelesaian persamaan non linear dengan menggunakan metode
bisection, interpolasi linear, serta secant
b. Mampu menyelesaikan persamaan non linear dengan menggunakan metode
bisection, interpolasi linear, dan secant dengan bantuan worksheet Ms. Excel
c. Mampu menyelesaikan persamaan non linear dengan menggunakan metode
bisection, interpolasi linear, dan secant dengan bantuan software MATLAB

B. Dasar Teori
Suatu persamaan non-linear f(x) = a1.xn + a2.xn-1 + ... + an.x + an+1 = 0 pada
umumnya tak dapat diselesaikan secara analitis. Persamaan ini dapat diselesaikan
secara numerik. Metoda ini didasarkan pada idea successive approximation atau
gabungan idea successive approximation dan linearisasi. Metoda ini sifatnya iteratif
yakni dimulai dari satu atau lebih pendekatan awal,selanjutnya diperoleh sederetan
harga-harga x0, x1, x2, ...., yang diharapkan konvergen pada satu harga, yaitu
penyelesaian dari persamaan f(x) = 0 tersebut diatas. Dibawah ini dibahas beberapa
metoda numerik yang banyak digunakan untuk menyelesaikan persamaan ini,
diantaranya metode bisection, interpolasi linear, dan secant.

F(x)

4
3 (x2,f2)
2 (x4,f4)
1

X1 X3 X4 X2 X
-1
(x5,f5)
-2
-3 (x3,f3)

-4
(x1,f1)

Gambar 1. Proses perhitungan dengan metode Bisection secara grafis

 F(x)

4
3 (x2,f2)
2
1

X1 X3 X2 X
-1
.f(x2)-f(x1)
-2
-3 (x3,f3)
-4
(x1,f1)

Gambar 2. Proses perhitungan dengan metode Interpolasi Linear secara grafis

F(x)

4
3 (x2,f2)
2
1

X1 X3 X2 X
-1
.f(x2)-f(x1)
-2
-3 (x3,f3)
-4
(x1,f1)

Gambar 3. Proses perhitungan dengan metode Secant secara grafis

C. Metodologi Percobaan
1. Metode Bisection
Prosedur berikut merupakan algoritma yang merupakan dasar dari program
komputer. Prosedur ini bila dinyatakan secara matematis adalah sebagai berikut :
1. Pilih harga x1 dan x2 sedemikian sehingga f(x1) dan f(x2) berlawanan tanda.
2. Tentukan harga x3 dengan rumus :
x3 = (x1 + x2)/2
1
3. Bila x1 x 2 Toleransi, harga x3 adalah harga x yang dicari. Bila tidak,
2
lanjutkan ke tahap 4.
 4. Bila f(x3 ) berlawanan tanda dengan f(x1 ), tetapkan x2 = x3
Bila f(x3 ) berlawanan tanda dengan f(x2 ), tetapkan x1 = x3
Kembali ke tahap 2.
Prosedur di atas bila diselesaikan dengan bantuan Ms. Excel maka worksheet pada
program Ms. Excel ditunjukkan melalui tabel berikut :

Tabel 1. Tabel perhitungan penyelesaian persamaan non linear dengan metode Bisection
Iterasi x1 x2 x3 f(x1) f(x2) f(x3) abs (x1 x2)

17

Prosedur perhitungan penyelesaian dengan metode Bisection di atas, dapat pula

dilakukan dengan bantuan software MATLAB. Melalui MATLAB, dibuat terlebih
dahulu list pemrograman berdasarkan algoritma perhitungan di atas pada m-file.
Flowchart list pemrograman untuk metode Bisection ditunjukkan oleh Gambar 4 berikut
ini :
 Start

Read x1,x2, Tol

f1 = f ( x1 )

f2 = f ( x2 )

Y
f1. f2 > 0

x3 = 1/2 ( x1 + x2 )

E = 1/2 .abs( x1 x2 )

Y
E< Tol Cetak x3

f3 = f ( x3 ) End

Y
f1. f3 < 0 x2 = x3

N f2 = f 3

x1 = x3

f1 = f3
Gambar 4. Flow chart metode Bisection

2. Metode Interpolasi Linear

Prosedur perhitungan penyelesaian persamaan non linear dengan menggunakan
metode interpolasi linear adalah sebagai berikut :
1. Pilih harga x1 dan x2 sedemikian sehingga f(x1) dan f(x2) berlawanan tanda.
2. Tentukan harga x3 dengan rumus :
f ( x2 )
x3 x2 ( x2 x1 )
f ( x2 ) f ( x1 )

3. Bila f ( x3 ) Toleransi, harga x3 adalah harga x yang dicari. Bila tidak,

lanjutkan ke tahap 4.
4. Bila f(x3) berlawanan tanda dengan f(x1), tetapkan x2 = x3
 5. Bila f(x3) berlawanan tanda dengan f(x2), tetapkan x1 = x2
6. Kembali ke tahap 2.
Prosedur di atas bila diselesaikan dengan bantuan Ms. Excel maka worksheet pada
program Ms. Excel ditunjukkan melalui tabel berikut :

Tabel 2. Tabel perhitungan penyelesaian persamaan non linear dengan metode

Interpolasi Linear
Iterasi x1 x2 x3 f(x1) f(x2) f(x3) abs (f(x3))

17

Prosedur perhitungan penyelesaian dengan metode Interpolasi Linear di atas, dapat

pula dilakukan dengan bantuan software MATLAB. Melalui MATLAB, dibuat terlebih
dahulu list pemrograman berdasarkan algoritma perhitungan di atas pada m-file.
Flowchart list pemrograman untuk metode Interpolasi Linear ditunjukkan oleh Gambar
5 berikut ini :
 Start

Read x1,x2, Tol

f1 = f ( x1 )

f2 = f ( x2 )

Y
f1. f2 > 0

x3 = x2 f2*(x2 x1)/(f2 f1)

E = abs (f3)

Y
E< Tol Cetak x3

f3 = f ( x3 ) End

Y
f1. f2 < 0 x2 = x3

N f2 = f 3

x1 = x3

f1 = f3
Gambar 5. Flow chart metode Interpolasi Linear

3. Metode Secant
Prosedur perhitungan penyelesaian persamaan non linear dengan menggunakan
metode secant adalah sebagai berikut :
1. Pilih harga x1 dan x2 sehingga didapat f(x1) dan f(x2).
2. Tentukan harga x3 dengan rumus :
f ( x2 )
x3 x 2 ( x 2 x1 )
f ( x 2 ) f ( x1 )

3. Bila f ( x3 ) Toleransi, harga x3 adalah harga x yang dicari. Bila tidak,

lanjutkan ke tahap 4.
4. Tetapkan x1 = x2; f(x1) = f(x2); x2 = x3; f(x2) = f(x3), lalu kembali ke tahap 2.
 Prosedur perhitungan penyelesaian dengan metode Secant di atas, dapat pula
dilakukan dengan bantuan software MATLAB. Melalui MATLAB, dibuat terlebih
dahulu list pemrograman berdasarkan algoritma perhitungan di atas pada m-file.
Flowchart list pemrograman untuk metode Secant ditunjukkan oleh Gambar 6 berikut :

Start

Read x1,x2, Tol

f1 = f ( x1 )
f2 = f ( x2 )

error = 1
iter=0

x3 = x2 f2*(x2 x1)/(f2 f1)

f3 = f(x3)
error = abs(f3)
iter=iter+1

x1 = x2
f1 = f2
x2 = x3
f2 = f3

error>tol

Cetak x3

End

Gambar 6. Flow chart metode Secant

Contoh list m-file pada program MATLAB untuk metode Secant

D. Soal
Diketahui sebuah persamaan kapasitas panas sebagai berikut :
15.04
= 0.716 4257 +
.
Akan ditentukan temperatur pada saat Cp = 1 kJ/kg.K. Untuk itu ubahlah persamaan di
atas menjadi :
15.04
( ) = 1 0.716 + 4257 =0

Kemudian, tentukan harga temperatur (T) dengan menggunakan metode bisection,
interpolasi linear, secant, newton raphson !
 MODUL II
PERSAMAAN NON LINEAR II

A. Tujuan Percobaan
Setelah menjalani praktikum persamaan non linear II, mahasiswa dapat :
a. Memahami penyelesaian persamaan non linear dengan menggunakan metode
newton rhapson dan successive approximation
b. Mampu menyelesaikan persamaan non linear dengan menggunakan metode
newton rhapson dan successive approximation dengan worksheet Ms. Excel
c. Mampu menyelesaikan persamaan non linear dengan menggunakan metode
newton rhapson dan successive approximation dengan bantuan software
MATLAB

B. Dasar Teori
Suatu persamaan non-linear f(x) = a1.xn + a2.xn-1 + ... + an.x + an+1 = 0 pada
umumnya tak dapat diselesaikan secara analitis. Persamaan ini dapat diselesaikan
secara numerik. Metoda ini didasarkan pada idea successive approximation atau
gabungan idea successive approximation dan linearisasi. Metoda ini sifatnya iteratif
yakni dimulai dari satu atau lebih pendekatan awal,selanjutnya diperoleh sederetan
harga-harga x0, x1, x2, ...., yang diharapkan converge pada satu harga, yaitu
penyelesaian dari persamaan f(x) = 0 tersebut diatas. Dibawah ini dibahas beberapa
metoda numerik yang banyak digunakan untuk menyelesaikan persamaan ini.

1. Metode Newton Rhapson

Dalam metoda Newton - Raphson, f(x) didekati dengan garis singgungnya pada
titik (xn , f(xn)) dan xn+1 adalah absis dari titik potong garis singgung dengan sumbu x
(lihat Gambar 7).
Jadi untuk menentukkan xn+1 digunakan Persamaan :
f(xn ) + (xn+1 - xn ) f'(xn ) = 0 atau,
f xn
X n 1 X n
f ' xn
= Xn - hn
Iterasi dihentikan bila (xn+1-xn)/xn menjadi lebih kecil dari kesalahan terbesar yang
dibolehkan.
 F(x)

4
3 (xn,fn)
2
1
X
-1 Xn+2 Xn+1 Xn
-2
-3
-4

Gambar 7. Penyelesaian persamaan non linear dengan metode newton rhapson secara
grafis

2. Metode Successive Approximation

Bila f(x) = 0 dituliskan dalam bentuk lain yaitu:
x = g(x)
maka ada beberapa cara untuk menuliskan persamaan tersebut,sebagai contoh ,
f(x) = x2 - 2 x - 3 = 0
dapat ditulis dalam bentuk ,
x 2x 3
atau bisa ditulis dalam bentuk ,
3
x
x2
atau ,
x2 3
x
2
Jelas bahwa x yang memenuhi persamaan diatas adalah x = 3, dan x = -1 . Sebagai
pendekatan mula dipilih misalnya saja x0, maka pendekatan selanjutnya diambil ;
X1 = g(x0 )
X2 = g(x1 ) dan seterusnya .
Pendekatan ke - n atau yang disebut iterasi ke - n adalah :
xn = g (xn - 1)

dan hal yang perlu diperhatikan disini adalah xn akan memberikan jawaban yang
konvergen bila n bertambah.
C. Metodologi Percobaan
1. Metode Newton Rhapson
Prosedur perhitungan penyelesaian persamaan non linear dengan menggunakan
metode newton rhapson adalah sebagai berikut :
1. Tentukan nilai x0 sehingga didapatkan nilai f(x0)
2. Tetapkan nilai dari f(x0)
3. Hitung harga x1 dengan rumus :
f xn
X n 1 X n atau x1 = x0 h0 dimana h0 = f(x0)/f(x0)
f ' xn

x 0 x1
4. Bila Toleransi, harga x1 adalah harga x yang dicari. Bila tidak,
x0

lanjutkan ke tahap 5
5. Ganti x0 dengan x1 lalu kembali ke tahap 1
Prosedur di atas bila diselesaikan dengan bantuan Ms. Excel maka worksheet pada
program Ms. Excel ditunjukkan melalui tabel berikut :
Tabel 3. Tabel perhitungan penyelesaian persamaan non linear dengan metode Newton
Rhapson
Ite xn f(xn) f'(xn) hn xn+1 (xn+1 - xn)/xn
1
2
3
.
.
12
 start

xo; tol

f(x0) ; f(x0)

X1= x0 - f(x0) / f(x0)

Y
abs ((x1 Cetak
x0)/x0) < tol Xk+1

end
X0=X1

Gambar 8. Flow chart metode Newton Rhapson

2. Metode Successive Approximation

Prosedur perhitungan penyelesaian persamaan non linear dengan menggunakan
metode successive approximation adalah sebagai berikut :
1. Tetapkan nilai x0
2. Ubah f(x) menjadi bentuk x = g(x)
3. Hitung x1 = g(x0)
x 0 x1
4. Bila Toleransi, harga x1 adalah harga x yang dicari. Bila tidak,
x0

lanjutkan ke tahap 5
5. Ganti x0 dengan x1 lalu kembali ke langkah 1

Prosedur perhitungan penyelesaian dengan metode Secant di atas, dapat pula

dilakukan dengan bantuan software MATLAB. Melalui MATLAB, dibuat terlebih
dahulu list pemrograman berdasarkan algoritma perhitungan di atas pada m-file.
Flowchart list pemrograman untuk metode Secant ditunjukkan oleh Gambar 9 berikut :
 start

X0 , tol

X1 = g(x0)

x1 x0 Cetak
Tol end
x0 X1

X0=X1

Gambar 9. Flow chart metode Successive Approximation

Contoh list m-file pada program MATLAB untuk metode Newton Rhapson
D. Soal
a) Dalam meneliti derajat pencampuran dalam suatu tangki berpengaduk, diperoleh
suatu persamaan sebagai berikut : 0.078125 = 2x 2x2 (1 e(-1/x)). Dimana x adalah
harga bilangan dispersi tangki. Tentukan harga x dengan metode newton rhapson
dan successive approximation!
b) Salah satu persamaan empiris yang sering digunakan untuk menaksir tekanan uap
jenuh suatu zat adalah persamaan Harlacher yang disajikan berikut,

= + + ( )+

dimana,
Pvp = tekanan uap dalam mmHg
T = suhu dalam oK
HARA = 72.266 HARC = -7.68
HARB = -7064.2 HARD = 1.86
HARA, HARB, HARC, HARD = konstanta konstanta Harlacher. Akan dicari
tekanan uap jenuh metanol pada suhu 40 oC. Gunakan metode newton rhapson dan
successive approximation untuk menghitung tekanan uap jenuh metanol ini.
Sebagai harga pendekatan untuk Pvp adalah Pvp0 = 264 mmHg dan toleransi 0,1%.
 MODUL III
PERSAMAAN ALJABAR LINEAR

A. Tujuan Percobaan
Setelah menyelesaikan praktikum persamaan aljabar linear, mahasiswa dapat :
a. Memahami penyelesaian persamaan aljabar linear dengan menggunakan metode
langsung dan tak langsung (iterative).
b. Mampu menyelesaikan persamaan aljabar linear dengan menggunakan metode
langsung dan tak langsung (iterative) dengan bantuan worksheet Ms. Excel.
c. Mampu menyelesaikan persamaan aljabar linear dengan menggunakan metode
langsung dan tak langsung dengan bantuan software MATLAB.

B. Dasar Teori
Secara umum suatu sistem persamaan aljabar linier dapat dituliskan sebagai
berikut :
a11 x1 + a12 x2 + ........... + a1n xn = c1
a21 x1 + a22 x2 + ........... + a2n xn = c2


an1 x1 + an2 x2 + ........... + ann xn = cn
Atau bila dinyatakan dalam notasi matrix :
x =c
dimana,
a11 a12 ...... a1n x1 c1
a a ...... a x c
21 22 2n 2 2
' ' ; x ' dan c '

' ' ' '
a n1 a n 2 ...... a nn xn c n

Problemnya adalah tentukan x bila dan c diketahui. Ada dua metoda yang
digunakan untuk menyelesaikan sistem persamaan aljabar linier yaitu : metoda
Langsung & metoda tak langsung (metoda interative). Metoda langsung baik digunakan
pada matrix yang rapat (dense matrix), yaitu matrix yang elemen-elemen nol-nya hanya
sedikit, sedang metoda tak langsung (iterative) digunakan untuk sparse matrix, yaitu
matrix yang banyak elemen-elemen nolnya. Dalam modul ke-3 ini, akan dibahas
penyelesaian persamaan aljabar linear dengan metode langsung, yakni : metode
eliminasi gauss, gauss yordan, dan LU decomposition.
C. Metodologi Percobaan
1. Metode Langsung
Untuk menggambarkan prosedur perhitungan penyelesaian persamaan aljabar linear
secara langsung dengan metode eliminasi, perhatikan sistem 3 persamaan berikut :
a11 x1 + a12 x2 + a13 x3 = c1
a21 x1 + a22 x2 + a23 x3 = c2
a31 x1 + a32 x2 + a33 x3 = c3

1. Pada tahap pertama, baris ke-2 dikurangkan dengan ( 1) dan

baris ke-3 dikurangkan dengan ( 1) maka diperoleh :

a11 x1 + a12 x2 + a13 x3 = c1

a .a a13 . a 21 c1 . a 21
0 x1 + (a22 - 12 21 ) x2 + (a23 - ) x3 = (c2 - )
a11 a11 a11

a .a a13 . a31 c1 . a31

0 x1 + (a32 - 12 31 ) x2 + (a33 - ) x3 = (c3 - )
a11 a11 a11
atau,
a11 x1 + a12 x2 + a13 x3 = c1
0 x1 + a22(1) x2 + a23(1) x3 = c2(1) (A)
0 x1 + a32(1) x2 + a33(1) x3 = c3(1)
dimana,
a .a a .a
a22(1) = (a22 - 12 21 ) a32(1) = (a32 - 12 31 )
a11 a11

a .a a .a
a23(1) = (a23 - 13 21 ) a33(1) = (a33 - 13 31 )
a11 a11

c .a c .a
c2(1) = (c2 - 1 21 ) c3(1) = (c3 - 1 31 )
a11 a11
2. Pada tahap kedua, baris ke-3 dari persamaan (A) dikurangkan dengan
( )
( 2) ( ) , maka diperoleh :

a11 x1 + a12 x2 + a13 x3 = c1

0 x1 + a22(1) x2 + a23(1) x3 = c2(1)
 a (231) a (321) c (21) a (321)
0 x1 + 0 x2 + (a33 (1)
- (1) )x3 = (c3(1)- )
a a (1)
22 22
atau,
a11 x1 + a12 x2 + a13 x3 = c1
0 x1 + a22(1) x2 + a23(1) x3 = c2(1) (B)
0 x1 + 0 x2 + a33(2) x3 = c3(2)
dimana,
a (231) a (321)
a33 (2)
= (a33 (1)
- (1) )
a
22

c (21) a (321)
c3 (2)
= (c3 - (1)
(1) )
a
22
3. Dari persamaan (B) baris ke-3 hanya mengandung x3 maka x3 dapat ditentukan,
x2 dapat diperoleh dari baris ke-2, dan x1 dapat diperoleh dari baris ke-1, dengan
rumus :
x3 = c3(2) / a33(2)
x2 = (c2(1) - a23(1) x3 ) / a22(1)
x1 = (c1 - a12 x2 - a13 x3) / a11
4. Nilai a11, a22(1), dan a33(2) tidak boleh sama dengan nol. Bila nilai a11, a22(1), dan
a33(2) sama dengan nol maka baris baris persamaan disusun kembali
(dipertukarkan), lalu kembali ke tahap 1.

Prosedur perhitungan di atas dapat dilakukan baik secara manual maupun dengan
bantuan program Ms. Excel. Selain menggunakan prosedur perhitungan di atas,
penyelesaian persamaan aljabar linear dengan metode langsung juga dapat dilakukan
dengan bantuan program MATLAB. Prosedur perhitungan persamaan aljabar linear
dengan program MATLAB dijabarkan sebagai berikut :
1. Tahap pertama, susun persamaan aljabar linear menjadi seperti berikut :
a11 x1 + a12 x2 + a13 x3 = c1
a21 x1 + a22 x2 + a23 x3 = c2
a31 x1 + a32 x2 + a33 x3 = c3

2. Tahap kedua, nyatakan dan susun persamaan aljabar linear ke dalam notasi
matrix pada command window program MATLAB, seperti berikut :
 a 11 a 12 a 13 c 1

A = a 21 a 22 a 23 B = c2

a 31 a 32 a 33 c 3

Contoh penulisan matrix pada command window MATLAB

3. Kemudian, hitung nilai x dengan rumus x = A\B dimana merupakan inverse

dari perkalian matrix A dan x. Contoh perhitungan nilai matrix x pada command
window MATLAB sebagai berikut :

4. Sehingga didapat nilai x1, x2, dan x3 dari hasil perhitungan matrix tadi.
2. Metode Tidak Langsung
Terdapat dua metode tak langsung dalam penyelesaian persamaan aljabar linear
yang kesemuanya merupakan perhitungan secara iterasi, yakni metode yacobi dan
metode gauss-siedel. Prosedur perhitungan kedua metode tersebut dijabarkan di bawah
ini.
1. Baris baris persamaan diatur kembali sehingga elemen elemen diagonal
diusahakan mempunyai harga yang relatif lebih besar dibanding elemen pada
baris yang sama.
2. Ubah persamaan aljabar linear tersebut menjadi :

=

3. Tetapkan harga awal dari x10, x20, x30 kemudian lakukan proses iterasi
4. Proses iterasi Yacobi :

=

Proses iterasi Gauss-Siedel :

=

5. Iterasi dihentikan bila harga xin+1 mendekati harga xin.

Proses perhitungan dengan cara iterasi di atas, dapat dilakukan baik secara manual
maupun dengan bantuan program Ms. Excel. Di bawah ini ditampilkan contoh tabel
perhitungan proses iterasi dengan metode yacobi dan gauss-siedel yang dilakukan
dengan bantuan Ms. Excel.
 Tabel 4. Perhitungan dengan metode Yacobi dan Gauss-Siedel
Yacobi Gauss Seidel
k xk yk zk k xk yk zk
0 1.0 2.0 2.0 0 1.0 2.0 2.0
1 1.75 3.375 3.0 1 1.75 3.75 2.95
2 1.84375 3.875 3.025 2 1.95 3.96875 2.98625
3 1.9625 3.925 2.9625 3 1.995625 3.99609375 2.99903125
4 1.99062500 3.97656250 3.00000000 . . . .
5 1.99414063 3.99531250 3.00093750 . . . .
. . . . 8 1.99999983 3.99999988 2.99999996
. . . . 9 1.99999998 3.99999999 3.00000000
15 1.99999993 3.99999985 2.99999993 10 2.00000000 4.00000000 3.00000000
. . . .
. . . .
19 2.00000000 4.00000000 3.00000000

D. Soal
Xylene (1), styrene (2), toluene (3), dan benzene (4) akan dipisahkan menggunakan
3 buah menara distilasi sebagaimana ditunjukkan oleh gambar di bawah. Masing
masing yaitu : F, D, B, D1, B1, D2, dan B2 adalah laju alir molar dalam mol/menit.

Dari skema process flow diagram (PFD) di atas, buatlah neraca massa dan hitung :
a) Laju alir molar untuk aliran D1, D2, B1, dan B2 !
b) Laju alir molar dan komposisi aliran D dan B !
 MODUL IV
INTEGRASI NUMERIK

A. Tujuan Percobaan
Setelah menyelesaikan praktikum integrasi numerik, mahasiswa dapat :
a. Memahami penyelesaian persoalan integrasi numerik dengan menggunakan
trapezoidal rule, simpsons 1/3 rule, dan simpsons 3/8 rule.
b. Mampu menyelesaikan persoalan integrasi numerik dengan menggunakan
trapezoidal rule, simpsons 1/3 rule, dan simpsons 3/8 rule dengan bantuan
worksheet Ms. Excel.
c. Mampu menyelesaikan persoalan integrasi numerik dengan menggunakan
trapezoidal rule, simpsons 1/3 rule, dan simpsons 3/8 rule dengan bantuan
software MATLAB.

B. Dasar Teori
Strategi untuk menjabarkan rumus rumus integrasi numerik adalah semua
differensiasi numerik. Yaitu, dicari suatu polinomial yang melalui titik titik fungsi
(titik titik tabel data), dan kemudian integrasi polinomial ini. Bila titik titik tabel
data berjarak sama, maka digunakan polinomial Newton Gregory forward, yaitu :
i (i 1) i(i 1)(i 2)
f(xi) Pn(xi) = fo + i fo + 2fo + 3fo + . . . . .
2! 3!

i i 2 i 3 i 4
= fo + fo + fo + fo + fo + .....
1 2 3 4

Lalu polinomial Newton Gregory forward tersebut diintegrasi dengan

b b

a
f ( x)dx = P ( x )dx
a
n i + Error

Kesalahan integrasi ini adalah :

b
i n 1 ( n 1)
Error = h f dx
a
n 1

Ada berbagai cara untuk menggunakan persamaan integrasi di atas. Kadangkala interval
integrasi (a, b) dibuat sama dengan jarak polinomial (xo, xn). Dalam hal ini diperoleh
rumus-rumus Newton-Cotes. Berdasarkan hal tersebut terdapat rumus-rumus integrasi
numerik dengan berbagai derajat interpolating polynomial. Yang sering dipakai adalah
rumus-rumus integrasi yang menggunakan polynomial derajat satu, dua dan tiga.
Trapezoidal Rule
Dalam hal ini range integrasi dibagi-bagi dalam beberapa bagian, yang tiap
bagiannya, harga integrasinya dihitung dengan rumus Newton-Cotes menggunakan
polinom derajat satu.

(f(x i ) f(x i 1 )h
xi 1

Bi =
xi
f(x) dx =
2
, maka :

a
f(x) dx bisa dihitung sebagai berikut :

b n n
h
f(x) dx =
i 1
Bi = 2 (fi + fi+1)
i 1
a

h
= (f1 + 2 f2 + 2 f3 + 2 f4 + 2 f5 + .... + fn+1)
2
Simpsons 1/3 Rule
Dalam hal ini range integrasi dibagi-bagi dalam beberapa bagian yang tiap
bagiannya, harga intgrasinya dihitung dengan rumus Newton-Cotes menggunakan
Polinom derajat kedua.
xi 2
h
Bi =
xi
f(x) dx =
3
(fi + 4 fi+1 + fi+2)

b
Harga
a
f(x) dx bisa dihitung sebagai berikut :

b n

a
f(x) dx =
i 1
Bi

h
= (f1 + 4 f2 + 2 f3 + 4 f4 + 2 f5 + .... + fn+1)
3
Simpsons 3/8 Rule
Dalam hal ini, range integrasi dibagi-bagi dalam beberapa bagian yang bagiannya,
harga integrasinya dihitung dengan rumus Newton-Cotes menggunakan Polinomial
derajat tiga.
xi 3
3h
Bi =
xi
f(x) dx =
8
(fi + 3 fi+1 + 3 fi+2 + fi+3)

b
Harga
a
f(x) dx bisa dihitung sebagai berikut :

b n

a
f(x) dx =
i 1
Bi
 3h
= (f1 + 3 f2 + 3 f3 + 2 f4 + 3 f5 + 3 f6 + 2 f7 .... + fn+1)
8

C. Metodologi Percobaan
Untuk memahami prosedur perhitungan integrasi numerik dengan ketiga metode
tersebut, perhatikan fungsi (x) berikut :
Misal : ( ) = + + + dan akan dicari integral dari fungsi (x) tersebut

pada jarak yang berhingga seperti ( ) , maka

1. Tetapkan harga x1 dan x2 untuk nilai integrasi yang diinginkan.
2. Lalu tetapkan nilai n (banyaknya interval), semakin banyak interval maka hasil
yang didapat semakin akurat.
3. Setelah itu, hitung nilai h (increment untuk tiap tiap interval) dengan rumus
= .

4. Kemudian, hitung tiap tiap nilai xn = x1 + h dan f(xn).

5. Hitung nilai integrasinya secara numerik dengan ketiga metode di atas.
Trapezoidal Rule
b
h

a
f(x) dx =
2
(f1 + 2 f2 + 2 f3 + 2 f4 + 2 f5 + .... + fn+1)

Simpsons 1/3 Rule

b
h

a
f(x) dx =
3
(f1 + 4 f2 + 2 f3 + 4 f4 + 2 f5 + .... + fn+1)

Simpsons 3/8 Rule

b
3h

a
f(x) dx =
8
(f1 + 3 f2 + 3 f3 + 2 f4 + 3 f5 + 3 f6 + 2 f7 .... + fn+1)

Proses perhitungan dengan prosedur di atas, dapat dilakukan baik secara manual
maupun dengan bantuan program Ms. Excel. Selain dengan menggunakan bantuan
program Ms. Excel, penyelesaian integrasi numerik dengan ketiga metode di atas juga
dapat dilakukan dengan bantuan program MATLAB. Tahap pertama dalam
menyelesaikan persoalan integrasi numerik dengan menggunakan MATLAB yakni,
membuat list pemrograman pada m-file kemudian memanggilnya ke dalam command
window MATLAB. Berikut ditampilkan flow chart dari ketiga metode tersebut yang
dapat digunakan sebagai panduan dalam membuat list pemrograman pada m-file.
Gambar 10. Flow-chart Metode Trapezoidal
Gambar 11. Flow-chart Metode Simpsons 1/3 Rule
Gambar 12. Flow-chart Metode Simpsons 3/8 Rule
Contoh list m-file metode trapezoidal pada program MATLAB

D. Soal
Soal 1
Air dengan laju 1000 gal/jam didinginkan dari 1300F menjadi 900F di dalam suatu
forced draft cooling tower pada keadaan sedemikian sehingga harga HTU adalah 1,75
ft. Udara masuk dari dasar menara pada suhu dry bulb 750F dan suhu wet bulb 680F.
Digunakan laju udara 1,32 kali laju minimumnya. Tahanan perpindahan panas pada fasa
liquid diabaikan. Tinggi menara yang dibutuhkan dapat dicari dengan persamaan:
ZT=HTU*NTU,
118
dH v
NTU H
34 i Hv

dimana Hv = enthalpy udara pada suatu tempat dalam menara

Hi = enthalpy udara pada permukaan antar fasa di suatu tempat dalam
menara.
Untuk kondisi yang disebutkan di soal, telah dihitung data berikut :
Hv 34 55 76 97 118
Hi 56 71.5 92 120 156
Dengan menggunakan metoda :
a. Trapesium untuk 8 interval
b. Simpsons 1/3 Rule untuk 4 interval
c. Simpsons 3/8 Rule untuk 4 interval
untuk menghitung integralnya, perkirakan tinggi cooling tower yang dibutuhkan !!!

Soal 2
Data berikut ini menyatakan nilai kapasitas panas suatu bahan (c) pada berbagai
suhu (T) :
T (oC) -100 -50 0 50 100 150 200
c (kal/g.oC) 0,11904 0,12486 0,132 0,14046 0,15024 0,16134 0,17376
Panas yang diperlukan untuk menaikkan suhu bahan dengan massa m dari T1 ke T2
adalah sebesar :
= ( )
dengan,

=

Berdasarkan data di atas, berapa panas yang diperlukan untuk menaikkan suhu 1000
gram bahan tersebut dari -100 oC hingga 200 oC?
(Gunakan integrasi numerik untuk menghitung nilai c rata rata dengan ketiga metode
yang telah diajarkan)
 MODUL V
PERSAMAAN DIFFERENSIAL

A. Tujuan Percobaan
Setelah menyelesaikan praktikum persamaan differensial, mahasiswa dapat :
a. Memahami penyelesaian persoalan persamaan differensial dengan menggunakan
metode euler dan modifikasi euler serta metode runge - kutta.
b. Mampu menyelesaikan persoalan persamaan differensial dengan menggunakan
metode euler dan modifikasi euler serta metode runge kutta dengan bantuan
worksheet Ms. Excel.
c. Mampu menyelesaikan persoalan persamaan differensial dengan menggunakan
metode euler dan modifikasi euler serta metode runge kutta dengan bantuan
software MATLAB.

B. Dasar Teori
Akan diselesaikan persamaan differensial orde satu dalam bentuk berikut :
dy
= f (x, y)
dx
y(xo) = yo (sebagai kondisi awal)
Ada beberapa metoda yang digunakan :
Taylor Series Method
Euler dan Modified Euler Method
Runge Kutta Method
Multi Step Method
Milne's Method
Adams Moulton Method
Disini akan dibahas hanya metode euler dan modifikasi euler serta runge kutta.
1. Metode Euler dan Euler Modifikasi
Konsep dari perhitungan numeris untuk persamaan differensial ini didasari dari
deret taylor, yakni
y" ( x o ) y ' ' ' ( xo )
y(x) = y(xo) + y'(xo)(x xo) + (x xo)2 + (x xo)3 +
2! 3!
Bila didefinisikan (x xo) = h, deret diatas dapat ditulis :
y" ( x o ) 2 y ' ' ' ( x o ) 3
y(x) = y(xo) + y'(xo)h + h + h + .
2 6
Misal kita pilih nilai h cukup kecil sehingga kita bisa potong deret ini sampai suku
turunan pertama.
y ' ( ) 2
y(xo + h) = y(xo) + hy'(xo) + h xo < < xo + h
2
Dalam menggunakan metoda ini, harga y(xo) diperoleh dari kondisi awal, dan
y'(xo) dihitung dari f(xo, yo). Metoda ini digunakan secara iteratif. Sesudah diperoleh
penyelesaian pada x = xo + h, dicari penyelesaian pada x = xo + 2 h, dan seterusnya.
Maka algoritma Metoda Euler adalah:
yn+1 = yn + hy'n + 0(h2) error

Penyelesaian analitik
y1
harga y yang dicari
yo

x
xo xo + h

Gambar 12. Grafik perbandingan penyelesaian persamaan differensial secara analitis

dan numeris
Kejelekan dari metoda ini adalah kurangnya ketelitian, perlunya step yang kecil.
Gambar 12 menunjukkan bagaimana kita dapat meningkatkan ketelitian metoda ini.
Dengan metoda Euler, digunakan koefisien arah pada awal interval y'n, untuk
menentukan besar perubahan harga fungsi. Nampak bahwa bila digunakan koefisien
arah rata-rata pada interval xn < x < xn+1 untuk menentukan harga perubahan y, maka
akan diperoleh hasil yang lebih teliti. Maka algoritma untuk metoda Euler yang
dimodifikasi adalah:
y ' n y ' n 1
yn+1 = yn + h
2
2. Metode Runge Kutta
Dibawah ini dibahas pengembangan metoda Runge Kutta orde dua. Kita tulis
perubahan dari y sebagai rata-rata berbobot dari dua estimasi y yaitu, k1 dan k2. Untuk
dy
persamaan = f(x, y), yn+1 = yn + a k1 + b k2
dx
 k1 = h f(xn, yn) (A)
k2 = h f(xn + h, yn + k2)
Harga-harga k1 dan k2 dapat dibayangkan sebagai estimasi perubahan y bila x
berubah dengan h karena harga-harga ini merupakan hasil kali perubahan dari x dan
dy
harga koefisien arah (gradien) dari kurva, .
dx
Metoda Runge Kutta selalu menggunakan estimasi Euler sebagai estimasi
pertama dari y; estimasi kedua diambil dengan harga x bertambah dengan h ( =
fraksi) dan harga y bertambah dengan k1 ( = fraksi). Persoalan sekarang adalah untuk
memberikan dasar pada pemilihan harga-harga a, b, dan . Dibawah ini diberikan cara
pemilihan harga a, b, dan .
Dari expansi deret Taylor,
yn+1 = yn + h f(xn, yn) + ( h2 ) f ' (xn, yn) + .......
df dy
Karena = fx + fy = fx + fy f, maka persamaan diatas bisa ditulis:
dx dx
yn+1 = yn + h fn + h2 ( hx + fy f)n (B)
Sekarang Pers. (A) ditulis kembali dengan mengsubstitusi definisi dari k1 dan k2:
yn+1 = yn + a h f(xn, yn) + b h f [xn + h, yn + h f (xn, yn)] (C)
Agar Pers. (C) dapat dibandingkan dengan Pers. (B), maka f(x, y) diekspansi
menurut deret Taylor disekitar (xn, yn) sampai pada turunan pertama saja.
Maka f [xn + h, yn + h f (xn, yn)] dapat ditulis dengan:
f [xn + h, yn + h f (xn, yn)] = (f + fx h + fy h f)n (D)
Dengan mensubstitusikan Pers. (5-7) ke Pers. (5-6), maka diperoleh:
yn+1 = yn a h fn + h (f + fx h + fy h f)n
atau : yn+1 = yn + (a+b) h fn + h2 ( b fn + b fy)n (E)
Pers. (E) identik dengan Pers. (B) bila :
a = b = 1, a b = ,b=
Jadi ada 3 persamaan yang harus dipenuhi oleh 4 bilangan tak diketahui. Maka
satu bilangan tak diketahui bisa ditetapkan sebarang.
Untuk a = 2
3 b= 1
3

= 3
2

= 3
2

Untuk a = b = , sama dengan metode Modifikasi Euler

=1
=1
 Jadi metoda Euler yang dimodifikasi merupakan keadaan khusus dari Metoda
Runge Kutta Orde Dua. Pengembangan selanjutnya dari metoda Runge Kutta ini
adalah Metoda Runge Kutta Orde Empat. Penjabaran metoda ini adalah serupa
dengan yang orde dua. Berikut ini algoritma dari metoda ini:
yn+1 = yn + 1
6 (k1 + 2 k2 + 2 k3 + k4)
k1 = h f(xn, yn)
k2 = h f(xn + h, yn + k1)
k3 = h f(xn + h, yn + k2)
k4 = h f(xn + h, yn + k3)
Local Error dari Metoda Runge Kutta Orde Empat adalah O(h5), sedangkan
Global Error-nya adalah O(h4).

C. Metodologi Percobaan
Prosedur perhitungan persamaan differensial secara numeris dengan metode euler
serta runge kutta di atas dapat dilakukan pada worksheet Ms. Excel ataupun dengan
list pemrograman MATLAB. Perhitungan dengan worksheet Ms. Excel dapat
dijabarkan sebagai berikut :
1. Tetapkan harga awal x0 = 0 sehingga didapat y(0).
2. Tetapkan jumlah interval n
3. Hitung increment h dengan rumus :

=

4. Hitung harga yn+1 untuk masing masing metode dengan algoritma yang telah
dijelaskan di atas.
Berikut contoh tabel perhitungan penyelesaian persamaan differensial dy/dx = x + y
dengan h = 0,02 dan y(0) = 1 menggunakan metode Euler.
xn yn y'n h y'n
0 1 1 0,02
0,02 1,02 1,04 0,0208
0,04 1,0408 1,0808 0,0216
0,06 1,0624 1,1224 0,0224
0,08 1,0848 1,1648 0,0233
0,1 1,1081
Berikut ditampilkan flow chart metode euler dan runge kutta untuk list pemrograman
pada MATLAB.

Gambar 13. Flow-chart Metode Euler

Gambar 14. Flow-chart Metode Runge Kutta
Berikut contoh list m-file pada MATLAB untuk metode Runge Kutta

D. Soal
Kinerja sebuah reaktor batch nonisotermal dapat digambarkan melalui 2 persamaan
berikut :
10
=
+ 273
10
= 1000 10( 20)
+ 273
dengan CA menyatakan konsentrasi reaktan (dalam gmol/L) dan T menyatakan suhu di
dalam reaktor (dalam oC) pada setiap saat t (dalam jam). Kondisi awal sistem reaksi ini
(pada t = 0): CA0 = 1 gmol/liter dan T0 = 25oC. Berapakah CA dan T pada t = 0,1 jam?
Gunakan dan bandingkan penggunaan metode :
a. Euler dan Euler Modifikasi
b. Runge Kutta orde 4