METODE BEDA HINGGA
STATISTIK DAN PROBABILITAS
NAMA :
JASMAN
NPM :
17-630-002
METODE BEDA HINGGA
A. Pengertian Metode Beda Hingga
Metode
beda hingga adalah metode numerik yang umum digunakan untuk menyelesaikan
persoalan teknis dan problem matematis dari suatu gejala fisis. Secara umum
metode beda hingga adalah metode yang mudah digunakan dalam penyelesaian
problem fisis yang mempunyai bentuk geometri yang teratur, seperti interval
dalam satu dimensi, domain kotak dalam dua dimensi, dan kubik dalam ruang tiga
dimensi ( Li, 2010).
Aplikasi
penting dari metode beda hingga adalah dalam analisis numerik, khususnya pada
persamaan diferensial biasa dan persamaan diferensial parsial. Prinsipnya
adalah mengganti turunan yang ada pada persamaan diferensial dengan
diskritisasi beda hingga berdasarkan deret Taylor. Secara fisis, deret Taylor
dapat diartikan sebagai besaran tinjauan pada suatu ruang dan waktu (ruang dan
waktu tinjauan) dapat dihitung dari besaran itu sendiri pada ruang dan waktu
tertentu yang mempunyai perbedaan yang kecil dengan ruang dan waktu tinjauan.
Metode
beda hingga bersifat eksplisit, artinya keadaan suatu sistem atau solusi
variabel pada suatu saat dapat digunakan untuk menentukan keadaan sistem pada
waktu berikutnya. Berbeda dengan metode implisit, yang mana penentuan solusi
sistem harus dengan memecahkan sistem pada kedua keadaan, sekarang dan yang
akan datang.
Berdasarkan
ekspansi Taylor di atas, terdapat tiga skema beda hingga yang biasa digunakan
yaitu skema maju, skema mundur, dan skema tengah.
1. Skema maju
Pada skema maju, informasi
pada titik hitung i dihubungkan dengan titik hitung i+1 yang berada di
depannya.
2. Skema mundur
Pada skema mundur,
informasi pada titik hitung i dihubungkan dengan titik hitung (i-1) yang berada
di belakangnya.
3. Skema tengah
(Anderson, 1984).
B. Metode beda hingga untuk
menyelesaikan persamaan diferensial
Salah
satu cara utk menyelesaikan persamaan differential adalah dengan menggunakan
metode beda hingga atau yg lbh dikenal dgn finite difference method. Metode ini
menggunakan pendekatan ekspansi Taylor di titik acuannya (x). Ada tiga jenis
beda (difference) yg bisa kita gunakan utk mencari nilai f(x+∆x). Ketiga jenis
beda ini disebut forward difference, backward difference, dan central
difference. Supaya gak lupa, penurunannya saya berikan di sini.
1.
Forward difference
Untuk
forward difference, kita ingin mencari nilai suatu fungsi jika independent
variablenya digeser ke depan (makanya namanya forward difference) sebesar ∆x.
Sederhananya, jika kita tahu f(x), maka berapakah f(x+∆x)? Ekspansi Taylor
dituliskan sbb:
Secara umum, symbol
∂f/∂x*∆x menunjukkan kemiringan (gradient) nilai fungsi f pada f(x) jika x
digeser sebesar ∆x. Sementara symbol ∂2f/∂x2 menunjukkan lengkungan
(curvature) dari titik f(x) tsb jika x digeser sebesar ∆x.
Oleh karena nilai
setelah term pertama di atas tidak signifikan dibandingkan dgn term kedua, maka
bisa kita bilang klo:
Hubungan di atas
menunjukkan kemiringan (gradient) dari fungsi tsb sebesar ∆x ke depan (lbh
besar dari x).
2.
Backward difference
Pertanyaan
yang sama juga kita berikan untuk backward difference. Jika kita tahu f(x),
maka berapakah f(x-∆x)? Atau berapakah nilai fungsi tersebut jika independent
variablenya digeser ke belakang sebesar ∆x. Ekspansi Taylor dituliskan sebagai
berikut:
Hubungan terakhir ini
menunjukkan kemiringan (gradient) dari fungsi tersebut sebesar ∆x ke belakang
(lbh kecil dari x).
3.
Central difference
Jenis
bedar ketiga adalah beda tengah, di mana kita akan mencari kemiringan dari
fungsi tersebut dengan menggunakan perbedaan nilai fungsinya dari beda depan
dan beda belakang. Secara matematis, beda tengah adalah penjumlahan dari beda
depan dan beda belakang.
4.
Second order derivation
Setelah
pendekatan orde satu bisa kita turunkan sseperti di atas, sekarang kita bisa
menurunkan persamaan untuk pendekatan orde dua. Penurunan di bawah ini saya
mulai dari mengambil persamaan orde satu dari beda depan (forward difference)
yang mengandung penurunan orde dua (second order differential). Fungsi ∂2f/∂x2saya
keluarkan, dan persamaan untuk ∂f/∂x nya saya ambil dari pendekatan beda belakang
(backward difference).
Dengan adanya dua
pendekatan (orde satu dan orde dua) ini, kita bisa bekerja dengan contoh
berikut:
Penyelesaian
analitiknya adalah sebagai berikut:
Kondisi batas yg kita
ketahui adalah sebagai berikut:
u pada r = 2 atau u(2)
= 0.008
u(6.5) = 0.003
Yg ditanyakan adalah
berapa nilai u di antara kedua nilai batas di atas.
Dengan
metode beda hingga ini, kita akan membuat node2. Katakanlah kita buat 4 node.
Node yg pertama adalah saat u(2), dan node yg keempat adalah u(6.5). 4 node yg
kita pilih terdiri atas 3 rentang, yakni rentang node 1-2, rentang node 2-3,
dan rentang node 3-4. Jarak rentang tsb adalah (6.5-2)/3 = 1.5. Maka, node 2
adalah 2+1.5 = 3.5. Node 3 adalah 3.5+1.5 =5. Yg skrg ingin kita ketahui
tentunya adalah nilai u pada saat r = 3.5 atau u(3.5) dan u(5).
Untuk yg pertama ini,
kita akan gunakan pendekatan beda maju utk orde satu. Dengan memasukkan
pendekatan yg udah kita turunkan ke persamaan diferensial di atas, kita dapat:
,
dgn i = node.
Persamaan ini kita utak-atik
untuk mendapatkan penyelesaian untuk ui, sehingga kita bisa menyusun persamaan
untuk u2 dan u3. Sementara u1 dan u4 sudah kita ketahui sebagai
kondisi batas. Kalau saya selesaikan di excel, akan didapat sebagai berikut:
Perbandingan hasil
pendekatan ini dengan hasil analitiknya menghasilkan error sebesar 6.66% utk
u2 atau u(3.5) dan error sebesar 5.12% utk u3 atau u(5).
Jika saya gunakan beda
tengah utk pendekatan orde satu, akan diperoleh hasil sebagai berikut:
Hasil perhitungan
dengan pendekatan beda tengah ternyata lebih akurat dari pada pendekatan beda
maju (dan jg drpd beda mundur). Error untuk u(3.5) menjadi 2.43% dan error
untuk u(5) menjadi 1.68%.
Jika saya menggunakan
node yg lbh banyak, dalam artian saya melakukan perhitungan yg lebih detail,
dengan 8 node misalnya. Dan tetap menggunakan beda tengah, akan didapat hasil
sebagai berikut:
Seperti yang diharapkan
kalau hasil perhitungan dengan node yang semakin banyak atau perhitungan
semakin detail, maka hasilnya akan mendekati hasil analitiknya. Error yg
diperoleh untuk setiap r di atas semuanya di bawah 0.5%.
Komentar
Posting Komentar