Академический Документы
Профессиональный Документы
Культура Документы
FORTRAN
2
POKOK BAHASAN (1)
Pendahuluan (Algoritma)
Solusi Persamaan Non Linier
Metode Bisection
Metode False Position
Metode Secant
Metode Fixed point iteration
Metode Newton Raphson
3
POKOK BAHASAN (2)
Integrasi Numerik
Metode Empat persegi panjang
Metode Trapesium
Metode Simpson
Metode Kuadratur Gauss
5
Referensi
Coding
Struktur Data
Analisa +
Program
Persoalan Algoritma
Pengembangan
Algoritma
8
Analisa Persoalan
Struktur Data
Bagaimana menyusun data yang ada (struktur data) sehingga
program menjadi efisien :
mudah dalam pengambilan data
mudah dalam memperbarui data (insert, delete, update)
mudah algoritmanya 9
Algoritma
10
Program
Garis besar
Tahap analisa persoalan :
menentukan data yang diperlukan
untuk proses (data input)
memahami dengan baik persoalan yang akan
dipecahkan
menentukan data apa yang diharapkan muncul dari
hasil proses (data output) 11
Garis Besar
Tahap Program :
Memahami syntax dari bahasa yang akan digunakan
13
Garis Besar
14
Garis Besar
15
Struktur Logika (3 struktur kendali dasar)
16
Struktur Logika
N
1 ? y N
1 1
y
2
2 2 4
3
3 3
17
Struktur Logika
2
1 Y
?
2 T
T
?
Y
DO WHILE DO UNTIL 18
Struktur Logika
Y T
?
Y
?
If - Then - Else
19
Struktur Logika
Nested If Do Case
20
Contoh 1
21
Contoh 2
Persoalan : hitung
S i 1 ai
n
22
Pengembangan Algoritma
Dekomposisi :
1. Baca/masukkan jumlah bilangan yang akan dijumlahkan
2. Baca/masukkan bilangan-bilangan yang akan dijumlah
3. Jumlahkan satu per satu bilangan di atas ke suatu nilai total
4. Cetak nilai total tersebut
Data :
Variabel penyimpanan banyaknya data (n) bertipe integer
Varibel penyimpanan masing-masing bilangan linier array (ai)
dan bertipe integer/real
Variabel penyimpanan nilai total (s) bertipe integer/real
24
Pengembangan Algoritma
Algoritma 1 :
Baca/masukkan suatu nilai dan simpan pada
variabel n
Untuk nilai varibel i dari 1 s/d n lakukan :
baca/masukkan nilai ai
3. Set isi variabel s = 0
4. Untuk nilai variabel i dari 1 s/d n lakukan :
s = s + ai
5. Cetak variabel s
25
Pengembangan Algoritma
Algoritma 2 :
1. Baca/masukkan suatu nilai dan simpan pada
variabel n
2. Set isi variabel s=0
3. Untuk nilai variabel i dari s/d n lakukan :
a. baca/masukkan nilai ai
b. s = s + ai
4. Cetak variabel s
26
Latihan
Bila dibaca 2 buah bilangan bulat
positip x dan y, maka buatlah algoritma
untuk menghitung FPB dari x dan y !
Bila dibaca sebuah bilangan bulat
positip x maka buatlah algoritma untuk
menyatakan bahwa bilangan tersebut
adalah bilangan Amstrong !
27
SOLUSI
PERSAMAAN NON LINIER
28
Metode Biseksi
31
Metode Biseksi (lanjutan)
32
Algoritma Biseksi (1)
34
KEUNTUNGAN BISEKSI
35
KELEMAHAN BISEKSI
36
SOLUSI
PERSAMAAN NON LINIER
x x0 y f ( x0 )
x1 x0 f ( x1 ) f ( x0 )
39
METODE REGULA FALSI
Garis tersebut berpotongan dengan
sumbu X Y = 0 dengan titik absisnya
yaitu X2, sehingga diperoleh :
( x1 x0 )
x2 x0 f ( x1 )
f ( x1 ) f ( x0 )
40
METODE REGULA FALSI
42
ALGORITMA REGULA FALSI
INPUT X0,X1,T,F(X), MAX
I=0; FOUND = false
REPEAT
I=I+1
X2 = X1 -(X1 - X0)*F(X1)/(F(X1)-F(X0))
IF F(X0)*F(X2)<0 THEN
X1 = X2
43
ALGORITMA REGULA FALSI
ELSE
X0 = X2
ENDIF
IF (|(X2 - X1)/ X1|T OR I=MAX) THEN
FOUND=true
ENDIF
UNTIL (FOUND=true)
OUTPUT (X2)
44
KELEMAHAN REGULA FALSI
Hanya salah satu titik ujung interval (X0
atau X1) yang bergerak menuju akar
dan yang lainnya selalu tetap untuk
setiap iterasi.
Sehingga mungkin [X0, X1] masih cukup
besar jaraknya bila menggunakan batas
| X1 - X0| T padahal X0 X2 atau
X1 X2
45
KELEMAHAN Regula falsi
x1 x2 x0 x2
T atau T
x1 x0
46
SOLUSI
PERSAMAAN NON LINIER
METODE SEKAN
47
Metode Sekan
Disebut juga Metode Interpolasi Linear
Dalam prosesnya tidak dilakukan penjepitan
akar atau dpl.
[X0, X1] tidak harus mengandung akar yang
akan dicari.
Sehingga f(x0) dan f(x1) bisa bertanda sama
Untuk mencari X2 , sama dengan metode
REGULA FALSI
48
Metode Sekan (lanjutan)
--------------------------
|
\/
Nilai kesalahan relatif
49
Metode Sekan (lanjutan)
50
Algoritma Sekan
INPUT X0, X1, T, Max, F(x)
i=0
Found = false
REPEAT
i=i+1
X2 = X1 (X1 X0)*F(X1)/(F(X1) F(X0))
X0 = X1
X1 = X2
51
Algoritma Sekan (lanjutan)
52
53
SOLUSI
PERSAMAAN NON LINIER
54
METODE ITERASI TITIK TETAP
Syaratnya:
f(x) = 0 dapat diubah menjadi bentuk:
x = g(x) (yang tidak unik)
Cari akar dgn pertidaksamaan rekurens:
Xk+1 = g(Xk); untuk k = 0, 1, 2, 3,
dgn X0 asumsi awalnya, sehingga diperoleh
barisan X0, X1, X2, X3, yang diharapkan
konvergen ke akarnya.
Jika g(x) [a, b] dan g(x) k dgn k< 1 Utk setiap
x [a, b] , maka titik tetap tersebut tunggal dan
iterasinya akan konvergen menuju akar
55
METODE ITERASI TITIK TETAP (contd)
56
57
CONTOH KASUS
CONTOH:
f(x) = x e1/x ;
bentuk x = g(x), yaitu: f(x) = x e1/x
dapat ditulis: f(x) = 0 x e1/x = 0
shg didapat x = g(x), antara lain:
a. x = e1/x
b. x = e1/x ln x = 1/x (ln e) x = 1/ln x
c. x = e1/x 2x = x + e1/x x = 1/2(x +
e1/x)
58
CONTOH KASUS (lanjutan)
ambil x0 = 1.5
periksa kekonvergenan iterasi:
a. g(x) = - (1/x2 ) e1/x
g(x) = - (1/(1.5)2 ) e1/1.5 = . ?
59
SOLUSI
PERSAMAAN NON LINIER
METODE NEWTON-RAPHSON
60
METODE NEWTON-RAPHSON
Waktu pencarian akarnya relatif lebih cepat
dibandingkan metode lainnya.
Memanfaatkan turunan fungsi f(x) pada suatu
titik P [x1, f(x1)]
Membuat garis singgung pada titik P tsb yg
memotong sumbu x didapat xi+1
Sampai ditemukan akarnya (sesuai batas
toleransi/error yg diberikan)
61
Gambar Grafik
62
METODE NEWTON-RAPHSON
(lanjutan)
Persamaan garis singgung melalui P [X1, f(X1)]
adalah: y f(X1) = f (X1) . (X X1)
dgn f (X1) : gradien garis singgung
Persamaan tsb memotong sumbun x di titik
(X2, 0) maka akan diperoleh:
0 - f(X1) = f(X1). (X2 X1)
X2 .f(X1) - X1.f(X1) = - f(X1)
X2 = X1 - f(X1)/ f(X1)
63
METODE NEWTON-RAPHSON
(lanjutan)
64
SOLUSI
SISTEM PERSAMAAN LINIER
65
SOLUSI SISTEM PERSAMAAN
LINEAR (SPL)
SPL dengan m persamaan dan n variabel:
a11x1 + a12x2 + + a1nxn = b1
a21x1 + a22x2 + + a2nxn = b2
: : :
am1x1 + am2x2 + + amnxn = bm
atau dalam bentuk matriks: Ax = b
a11 a12 a1n x1 b1
a21 a22 a2n x2 b2
: : :
am1 am2 amn xn bm
A x b
Solusi dari SPL Ax = b adalah nilai-nilai dari x1, x2, , xn memenuhi persamaan ke -1 s/d
ke m
66
METODE ELIMINASI GAUSS
Misalkan: A(n x n), sehingga SPL: Ax = b dengan A(n x n), x(n x 1) dan
B(n x 1)
Langkah 1:
Mengeliminir x1 s/d x2 atau dpl membuat Ax = b menjadi bentuk
A*x = b* dengan A* adalah matriks segitiga atas
Langkah 2:
Melakukan substitusi mundur (back substitutions) sehingga di
peroleh Xn, xn-1, xn-2,,x2, x1
67
Contoh:
a11x1 + a12x2 + a13x3 = a14
a21x1 + a22x2 + a23x3 = a24
a31x1 + a32x2 + a33x3 = a34
Eliminasi x1 pada baris ke dua dpl. Membuat koefisien x1 pada baris ke dua
menjadi nol (manfaatkan operasi elementer baris/kolom)
FOR j = 1 to 4
a2j = a2j a21/a11 x a1j
NEXT j
FOR j = 1 to 4
a3j = a3j a31/a11 x a1j
NEXT j
68
Secara umum untuk mengeliminir x1:
FOR i = 2 to 3
FOR j = 1 to 4
aij = aij ai1/a11 x a1j
NEXT j
NEXT I
Secara umum untuk mengeliminir: xk
FOR i = k + 1, n
FOR j = k, n + 1
aij = aij aik/akk x akj
NEXT j
NEXT i
69
Setelah dieliminir x1 dan x2 maka diperoleh
a11 x1 + a12 x2 + a13 x3 = a14
a22 x2 + a23 x3 = a24
a33 x3 = a34
Langkah utama ke dua: substitusi mundur dari persamaan ke 3
diperoleh:
x3 = a34/a33
70
CONTOH KASUS
1. Tentukanlah solusi dari SPL:
x1 - 2x2 + x3 = 4
2x1 - 5x2 + 5x3 = 10
x1 + x2 + x3 = 7
(dpl x1, x2 dan x3 ?)
71
ALGORITMA GAUSS
FOR i = 1 to n
FOR j = 1 to n + 1
INPUT (aij)
NEXT j
NEXT I
FOR k = 1 to n 1
FOR i = k + 1 to n
u = aik/akk
FOR j = k to n + 1
aij = aij u * akj
NEXT j
NEXT I
NEXT k
72
xn = an n+1/ann
FOR i = n 1 DOWNTO 1
sum = 0
FOR j = i + 1 to n
sum = sum + aij * xj
NEXT j
xi = (ai n+1 sum)/aii
NEXT i
FOR i = 1 to n
OUTPUT (xi)
NEXT i
73
Perhatian !
Dalam mengeliminir xk, selalu dihitung aik/akk,
74
ALGORITMA PIVOTING PADA ELIMINASI GAUSS
IF p k THEN
FOR k = 1 to n-1
max = abs(akk) FOR i = k TO n+1
p=k temp = akl
FOR m = k + 1 to n akl = apl
IF abs(amk) > max THEN apl = temp
max = abs(amk)
NEXT i
p=m
ENDIF ENDIF
NEXT m FOR i = k+1 TO n
IF max THEN u = aik/akk
OUTPUT (ILL-CONDITION) FOR j = k TO n+1
STOP aij = aij u * akj
ENDIF NEXT j
NEXT i
NEXT k 75
METODE ELIMINASI GAUSS-YOURDAN
76
SOLUSI
SISTEM PERSAMAAN LINIER
77
SISTEM PERSAMAAN LINIER
(SPL)
Langkah ke-1 :
Tebak sebarang nilai awal untuk variabel
x2 , x3 , ... , xn . Namakan nilai awal
tersebut x20 , x30 , , xn0 .
Langkah ke-2 :
Substitusikan x20 , x30 , , xn0 ke SPL (1)
untuk memperoleh nilai x1 lalu namakan
dengan x11 .
79
Algoritma (pseudo code) IGS - 2
Langkah ke-3 :
Substitusikan x11 , x30 , x40 , , xn0 ke SPL
(2) untuk memperoleh nilai x2 lalu
namakan dengan x21 .
Langkah ke-4 :
Substitusikan x11 , x21 , x40 , x50 , , xn0 ke
SPL (3) untuk memperoleh nilai x3 lalu
namakan dengan x31 .
80
Algoritma (pseudo code) IGS - 3
Langkah ke-5 :
dan seterusnya, sampai diperoleh x11 , x21
, x31 , , xn-11 , selanjutnya substitusika
ke SPL (n) untuk memperoleh nilai xn lalu
namakan dengan xn1 .
Langkah ke-6 :
Ulangi langkah ke-2 s/d ke-5
(substitusikan x21 , x31 , , xn1 ke SPL (1)
untuk memperoleh nilai x1 lalu namakan
dengan x12 ). Sampai nanti diperoleh nilai
x12 , x22 , x32 , , xn-12 , xn2 .
82
Algoritma (pseudo code) IGS - 5
Langkah ke-7 :
Iterasi berakhir pada iterasi ke-k, bila :
| xjk xjk+1 | < T
83
Tingkat Konvergensinya
Algoritma tersebut BELUM TENTU
KONVERGEN !!!
Syarat Konvergensi :
Matriks koefisiennya (A) harus bersifat
DIAGONALLY DOMINANT
84
Matriks Diagonally Dominant
n
aii
j 1; j i
aij i
dan
n
i dengan aii
j 1; j i
aij
85
Contoh Soal 1:
Diketahui SPL sebagai berikut :
3x1 10x2 = 3
x1 + x2 = 2
86
Jawab Contoh Soal 1 : (1)
87
Jawab Contoh Soal 1 : (2)
89
Jawab Contoh Soal 1 : (4)
x1 + x2 = 2 (1)
3x1 10x2 = 3 (2)
90
Jawab Contoh Soal 1 : (5)
Iterasi ke-1 :
1. Tebak nilai awal x20 = 0
2. Substitusikan x20 = 0 ke SPL (1) :
x1 + x2 = 2 x1 + 0 = 2 x1 = 2
didapat x11 = 2
3. Substitusikan x11 = 2 ke SPL (2) :
3x1 10x2 = 3 3.(2) 10x2 = 3
6 10x2 = 3 x2 = 0,3
didapat x21 = 0,3
91
Jawab Contoh Soal 1 : (6)
Iterasi ke-2 :
2. Substitusikan x21 = 0,3 ke SPL (1) :
x1 + x2 = 2 x1 + 0,3 = 2 x1 = 1,7
didapat x12 = 1,7
3. Substitusikan x12 = 1,7 ke SPL (2) :
3x1 10x2 = 3 3.(1,7) 10x2 = 3
5,1 10x2 = 3 x2 = 0,21
didapat x22 = 0,21
92
Jawab Contoh Soal 1 : (7)
Iterasi ke-3 :
2. Substitusikan x22 = 0,21 ke SPL (1) :
x1 + x2 = 2 x1 + 0,21 = 2 x1 = 1,79
didapat x13 = 1,79
3. Substitusikan x12 = 1,79 ke SPL (2) :
3x1 10x2 = 3 3.(1,79) 10x2 = 3
5,37 10x2 = 3 x2 = 0,237
didapat x23 = 0,237
Dan seterusnya.. 93
Jawab Contoh Soal 1 : (8)
Terpenuhi !!
94
Jawab Contoh Soal 1 : (9)
Rangkuman Proses Iterasinya :
Iterasi ke- x1 x2
1 2,000 0,300
2 1,700 0,210
3 1,790 0,237
4 1,763 0,229
5 1,771 0,231
6 1,769 0,231 95
ALGORITMA IGS
INPUT A(n,n+1), e, maxit
INPUT xi (nilai awal)
k 1 ; big 1
WHILE (k maxit and big e) DO
big 0
FOR i = 1 TO n
sum 0
FOR j = 1 TO n
IF j i THEN
sum sum + aij
NEXT j
temp (ai n+1 sum) / aii
relerror abs((xi temp) / temp)
IF relerror big THEN
big relerror
xi temp
NEXT I
kk+1
ENDWHILE
IF k > maxit THEN
OUTPUT(TDK KONVERGEN)
ELSE OUTPUT (KONVERGEN)
ENDIF
OUTPUT(xi)
96
INTERPOLASI
97
INTERPOLASI
x x0 x1 x2 . xn
98
Teknik Umum yang digunakan :
99
Jenis Interpolasi
Interpolasi Linier
Interpolasi Kuadrat
Interpolasi Lagrange
Interpolasi Newton
100
INTERPOLASI LINIER (1)
? y*
yk
xk x* xk+1 x
101
INTERPOLASI LINIER (2)
Ambil ruas garis yang menghubungkan
titik (xk,yk) dan (xk+1,yk+1)
Diperoleh persamaan garisnya :
y * yk yk 1 yk
x * xk xk 1 xk
x * xk
y * yk ( yk 1 yk )
xk 1 xk
x * xk
y* yk ( yk 1 yk )
xk 1 xk 102
INTERPOLASI LINIER (3)
Jadi persamaan garisnya adalah :
x * xk
y* yk ( yk 1 yk )
xk 1 xk
y
yk+1
? y*
yk
xk x* xk+1 x 103
Contoh 1 : (1)
Alternatif 2 :
x = 6,5 terletak antara x=1 & x=7
x xk
y yk ( yk 1 yk )
xk 1 xk
(6,5 1) (5,5)
y 1 (49 1) 1 (48) 45
(7 1) (6)
Hasilnya 105
Contoh 1 : (3)
x -3 -2 -1 0 1 2 3 4 5 6 7
y 9 4 1 0 1 4 9 16 25 36 49
sesungguhnya ..??
Karena hub. x & y adalah y = x2 maka untuk
harga x = 6,5 didapat y = (6,5)2 = 42,25
=> Kesalahan mutlak (E) : |42,5 42,25| = 0,25
106
Contoh 1 : (4)
Sedangkan untuk
y = 45 |45 42,25| = 3,25 = 325 %
107
Contoh-2 :
Diketahui tabel akar bilangan sbb :
109
Persamaan umum Polinomial kuadrat :
P(x) = a0 + a1 x + a2 x2 ..(*)
3 titik (xk-1,yk-1), (xk,yk) & (xk+1,yk+1) dilalui fgs. P(x) berarti:
yk-1 = a0 + a1 xk-1 + a2 xk-12
yk = a0 + a1 xk + a2 xk2 . (**)
111
Formula Interpolasi Lagrange
113
Dengan menggunakan interpolasi lagrange
Nilai sebenarnya dari x adalah 2, karena nilai-nilai atau data diatas adalah
hasil dari polinom y(x) = x2 + 3.
Adapun untuk membentuk polinom derajat 2 dengan diketahui 3 titik,
dapat menggunakan cara yang sebelumnya pernah dibahas dalam hal
mencari persamaan umum polinomial kuadrat. 115
INTEGRASI NUMERIK
116
INTEGRASI NUMERIK
Masalah
Menghitung luas daerah di atas sumbu x yang dibatasi oleh kurva y = f(x), antara x = a
dan x = b
Contoh :
Hitung luas daerah di atas sumbu x yang dibatasi oleh kurva y = x2, antara x = 0 dan
x=4
4 4
118
METODE PERSEGI PANJANG
Selain mengambil tinggi persegi panjang ke-k, sama dengan f (xk ) yaitu nilai fungsi
pada ujung kanan sub-interval ke-k tersebut, juga dapat mengambil tinggi sama
dengan f (xk-1 ) yaitu nilai fungsi pada ujung kiri sub-interval, ataupun juga pada :
f((xk -1 + xk ) / 2) yaitu nilai fungsi pada titik tengah sub-interval
Contoh:
Cari luas daerah di bawah kurva f(x) = x2, antara x = 0 sampai x = 4
Solusi:
Interval (0, 4) dibagi menjadi 4 bagian sama panjang, n = 4 h = (4 - 0)/4 = 1
Luas persegi panjang P1 = 1 * f(1) = 1 * 1 = 1
P2 = 1 * f(2) = 1 * 4 = 4
P3 = 1 * f(3) = 1 * 9 = 9
P4 = 1 * f(4) = 1 * 16 = 16 +
Luas Total = 30
Penyimpangannya = 30 21.33 = 8.66
119
METODE PERSEGI PANJANG
Luas Total = 26
Penyimpangannya = 26 21.33 = 4.67
Jika banyaknya sub-interval diperbanyak lagi, misal n = 40, diperoleh L = 22.14,
dan untuk n = 100 diperoleh L = 21.6544
120
METODE PERSEGI PANJANG
Jika diambil tinggi adalah nilai fungsi pada ujung kiri sub-interval
Luas P1 = 0.5 * f(0.0) = 0.5 * 0 =0
P2 = 0.5 * f(0.5) = 0.5 * 0.25 = 0.125
P3 = 0.5 * f(1.0) = 0.5 * 1 =1
P4 = 0.5 * f(1.5) = 0.5 * 2.25 = 1.125
P5 = 0.5 * f(2.0) = 0.5 * 4 =2
P6 = 0.5 * f(2.5) = 0.5 * 6.25 = 3.125 +
P7 = 0.5 * f(3.0) = 0.5 * 9 = 4.5
P8 = 0.5 * f(3.5) = 0.5 * 12.25 = 6.125
Luas Total = 18
121
METODE PERSEGI PANJANG
B. Metode Trapesium
Bagi interval (a, b) menjadi n sub-interval yang sama h = b n- a( )
Hitung nilai fungsi pada ujung-ujung sub-interval tersebut f (xk )
Hitung luas trapesium Pk = h * f (xk )
Luas trapesium ke-1 = t1 = ( f(x0) + f(x1) ) * h = h/2 ( f(x0) + f(x1) )
ke-2 = t2 = ( f(x1) + f(x2) ) * h = h/2 ( f(x1) + f(x2) )
.
ke-n = tn = ( f(xn-1) + f(xn) ) * h = h/2 (f(xn-1) + f(xn) )
Luas Total = t1 + t2 + . + tn
= h/2 ( f(x0) + f(x1) ) + h/2 ( f(x1) + f(x2) ) + . + h/2 (f(xn-1) + f(xn) )
h n 1
f(x 0 ) 2 f(x k ) f(x n )
2
k 1
123
METODE TRAPESIUM
124
METODE TRAPESIUM
Contoh:
Hitung luas daerah di bawah kurva f(x) = x2, antara x = 0 sampai x = 4
Solusi:
Interval (0, 4) dibagi menjadi 4 sub-interval, n = 4 h = (4 - 0)/4 = 1
xk 0 1 2 3 4
f(xk) 0 1 4 9 16
0 2 (1 4 9) 16 22
1
Luas total
2
h 3
f(x 0 ) 2 f(x k ) f(x 4 )
2 k 1
125
METODE KUADRATUR GAUSS
b
Rumusan yang paling akurat untuk integrasi numerik a
Algoritma:
a) Inisialisasi tabel koefisien gauss
b) Definisikan fungsi integran
c) Tentukan batas pengintegralan a dan b
d) Inisialisasi : sum = 0
Hitung : sum = sum + Ri x (Ui), i = 1 sampai n
e)
f) Hitung : I = (b-a) x sum
g) Tulis hasil integral
127
METODE SIMPSON
Paling luas pemakaiannya
Untuk pendekatannya memakai parabola yang melalui 3 ordinat
dari 2 interval berdampingan
Eksak untuk polinim derajat dua atau kurang
Lebih teliti dan rumus tidak lebih rumit dari metode trapesium
n = banyak interval
ba
h=
n
h
3 I= (Y0 + 4Y1 + 2Y2 + 4Y3 + 2Y4 ++ 2Yn-4 + 4Yn-3 + 2Yn-2
+
4YIVn-1 + Yn)
hKesalahan pemotongan :
4
180
eT ~ (b-a) f (Q), a<Q<b
128
ALGORITMA METODE SIMPSON
Algoritma:
a) Definisikan fungsi integran
b) Tentukan batas pengintegralan a dan b dan jumlah
segmen n (harus genap)
c) Hitung : h = (b-a)/n
d) Inisialisasi sum = F (a) + 4 x F (a+h)
e) Hitung untuk i = 2 sampai i = n-1 dengan indeks
pertambahan sama dengan 2 sum = sum + 2 x F
(a+ixh) + 4 x F (a+(i+1)h)
f) Hitung nilai integral I = h/3 x (sum + F(b))
g) Tulis hasil perhitungan
129
PENUTUP
Semoga sukses dalam proses belajar !
Tim MetNum 2005
130