BAB 24: DIFERENSIASI & INTEGRAL NUMERIK

 

BAB 24: DIFERENSIASI & INTEGRAL NUMERIK

 

A.    Konsep Dasar Diferensiasi Numerik

1.     Definisi Diferensiasi Numerik

a.     Diferensiasi numerik adalah metode menghitung turunan (derivatif) dari suatu fungsi yang hanya diketahui pada titik-titik diskrit

b.     Digunakan ketika fungsi tidak diketahui secara analitik atau terlalu rumit untuk diturunkan

c.     Prinsip dasar: f'(x) ≈ (f(x+h) - f(x)) / h untuk h kecil

d.     Semakin kecil h, semakin akurat aproksimasi (dalam batas tertentu)

e.     Aplikasi: menghitung kecepatan dari data posisi, menghitung arus dari muatan

2.     Mengapa Diferensiasi Numerik Dibutuhkan?

a.     Data dari eksperimen biasanya berupa titik-titik diskrit (bukan fungsi kontinu)

b.     Fungsi yang kompleks (misal: output simulasi) tidak memiliki turunan analitik yang sederhana

c.     Komputer hanya dapat memproses data diskrit

d.     Aplikasi: analisis sinyal, kontrol, optimasi

e.     Contoh: menghitung percepatan dari data kecepatan yang diukur oleh sensor

3.     Masalah dalam Diferensiasi Numerik

a.     Noise (derau) pada data diperkuat oleh diferensiasi

b.     Pemilihan h (step size) adalah trade-off: terlalu kecil → noise, terlalu besar → error

c.     Error pembulatan (rounding error) meningkat untuk h yang sangat kecil

d.     Truncation error meningkat untuk h yang besar

e.     Solusi: menggunakan metode yang stabil, melakukan smoothing data terlebih dahulu

B.    Metode Diferensiasi Numerik

1.     Forward Difference

a.     f'(x) ≈ (f(x+h) - f(x)) / h

b.     Menggunakan dua titik: x dan x+h

c.     Error: O(h) (error sebanding dengan h)

d.     Sederhana dan cepat

e.     Contoh: menghitung kecepatan dari posisi pada interval waktu Δt

2.     Backward Difference

a.     f'(x) ≈ (f(x) - f(x-h)) / h

b.     Menggunakan dua titik: x-h dan x

c.     Error: O(h) (sama dengan forward difference)

d.     Berguna untuk data real-time (hanya menggunakan data masa lalu)

e.     Contoh: menghitung kecepatan sesaat pada sampel terakhir

3.     Central Difference

a.     f'(x) ≈ (f(x+h) - f(x-h)) / (2h)

b.     Menggunakan tiga titik: x-h, x, x+h

c.     Error: O(h²) (lebih akurat dari forward/backward)

d.     Metode paling akurat untuk data yang sudah tersedia semua

e.      Contoh: menghitung percepatan dari data kecepatan di sekitar titik

4.     Higher-Order Difference

a.     f'(x) ≈ (-f(x+2h) + 8f(x+h) - 8f(x-h) + f(x-2h)) / (12h)

b.     Menggunakan 5 titik, error: O(h⁴)

c.     Lebih akurat tetapi lebih kompleks

d.     Aplikasi: data yang sangat halus dan membutuhkan akurasi tinggi

e.     Contoh: analisis data penelitian presisi tinggi

C.    Aplikasi Diferensiasi Numerik dalam Elektronika

1.     Menghitung Arus dari Muatan

a.     I(t) = dQ(t)/dt — arus adalah laju perubahan muatan

b.     Data Q(t) dari pengukuran atau simulasi

c.     Menggunakan central difference untuk akurasi maksimal

d.     Contoh: data Q(t) dari kapasitor yang diisi

e.     Perbandingan dengan solusi analitik (I = V/R × e^(-t/RC))

2.     Menghitung Daya dari Data V dan I

a.     P(t) = V(t) × I(t) — daya sesaat

b.     Daya rata-rata = (1/T) ∫₀ᵀ P(t) dt

c.     Tidak memerlukan diferensiasi, tetapi memerlukan integrasi

d.     Contoh: menghitung daya pada rangkaian AC dari data oscilloscope

e.     Aplikasi: analisis konsumsi daya, efisiensi

3.     Menghitung Respon Frekuensi

a.     Respons frekuensi = FFT dari respon impuls

b.     Menggunakan FFT (Fast Fourier Transform)

c.     Aplikasi: analisis filter, penguat, antenna

d.     Contoh: mengukur bandwidth penguat dari data time-domain

e.     Perbandingan dengan analisis Bode (domain frekuensi)

4.     Deteksi Puncak (Peak Detection)

a.     Puncak sinyal terjadi saat turunan = 0 (f'(x) = 0)

b.     Menggunakan central difference untuk mencari nol turunan

c.     Aplikasi: deteksi sinyal, analisis spektrum

d.     Contoh: menemukan frekuensi resonansi dari data impedansi

e.     Digunakan dalam pengolahan sinyal dan instrumentasi

D.    Konsep Dasar Integral Numerik

1.     Definisi Integral Numerik

a.     Integral numerik adalah metode menghitung integral (luas di bawah kurva) dari fungsi yang hanya diketahui pada titik-titik diskrit

b.     Prinsip dasar: membagi area menjadi bagian-bagian kecil, menjumlahkan luas masing-masing

c.     Juga disebut sebagai "quadrature"

d.     Digunakan ketika integral tidak dapat dihitung secara analitik atau data hanya tersedia diskrit

e.     Aplikasi: menghitung energi, nilai RMS, daya rata-rata

2.     Mengapa Integrasi Numerik Dibutuhkan?

a.     Data eksperimen berupa titik-titik diskrit (bukan fungsi kontinu)

b.     Fungsi kompleks tidak memiliki integral analitik yang sederhana

c.     Komputer hanya dapat memproses data diskrit

d.     Aplikasi: pengolahan sinyal, analisis data sensor

e.     Contoh: menghitung energi yang diserap oleh rangkaian dari data V dan I

3.     Masalah dalam Integrasi Numerik

a.     Error akibat diskritisasi (semakin sedikit titik, semakin besar error)

b.     Data yang tidak seragam (step size tidak konstan)

c.     Data dengan noise (derau)

d.     Singularitas (fungsi tidak terdefinisi di beberapa titik)

e.     Solusi: menggunakan metode yang sesuai, interpolasi data, filtering

E.    Metode Integrasi Numerik

1.     Metode Rectangular (Midpoint Rule)

a.     Membagi area menjadi persegi panjang dengan tinggi = f(x_i)

b.     ∫ f(x) dx ≈ h × Σ f(x_i)

c.     Error: O(h)

d.     Metode paling sederhana, akurasi rendah

e.     Contoh: estimasi awal sebelum metode yang lebih akurat

2.     Metode Trapesium

a.     Membagi area menjadi trapesium (bukan persegi panjang)

b.     ∫ f(x) dx ≈ (h/2) × [f(x₀) + 2f(x₁) + 2f(x₂) + ... + 2f(xₙ₋₁) + f(xₙ)]

c.     Error: O(h²)

d.     Lebih akurat dari rectangular

e.     Aplikasi: integrasi data dari sensor atau pengukuran

3.     Metode Simpson (1/3 Rule)

a.     Menggunakan parabola untuk mengaproksimasi fungsi antara tiga titik

b.      ∫ f(x) dx ≈ (h/3) × [f(x₀) + 4f(x₁) + 2f(x₂) + 4f(x₃) + ... + 2f(xₙ₋₂) + 4f(xₙ₋₁) + f(xₙ)]

c.     Error: O(h⁴)

d.     Jauh lebih akurat dari trapezium

e.     Aplikasi: integrasi data yang halus (misal: sinyal sinusoidal)

4.     Metode Simpson (3/8 Rule)

a.     Menggunakan interpolasi kubik (bukan parabola)

b.     ∫ f(x) dx ≈ (3h/8) × [f(x₀) + 3f(x₁) + 3f(x₂) + 2f(x₃) + 3f(x₄) + 3f(x₅) + 2f(x₆) + ... + f(xₙ)]

c.     Error: O(h⁴)

d.     Digunakan untuk data yang tidak memiliki jumlah interval genap

e.     Aplikasi: integrasi data dengan interval yang tidak beraturan

5.     Metode Gauss-Legendre

a.     Menggunakan titik-titik optimal untuk integrasi

b.     ∫ f(x) dx ≈ Σ w_i × f(x_i) (dengan bobot w_i dan titik x_i yang ditentukan)

c.     Error: O(h²ⁿ) untuk n titik

d.     Sangat akurat untuk fungsi yang smooth

e.     Aplikasi: integrasi presisi tinggi (metode standar di library numerik)

F.     Aplikasi Integrasi Numerik dalam Elektronika

1.     Menghitung Nilai RMS

a.     V_rms = √( (1/T) ∫₀ᵀ V²(t) dt ) — untuk sinyal periodic

b.     Data V(t) dari pengukuran atau simulasi

c.     Menggunakan metode Simpson atau trapezium

d.     Contoh: menghitung tegangan RMS dari sinyal AC yang terdistorsi

e.     Aplikasi: pengukuran daya, analisis harmonisa

2.     Menghitung Daya Rata-Rata

a.     P_avg = (1/T) ∫₀ᵀ V(t) × I(t) dt — daya rata-rata

b.     Data V(t) dan I(t) dari pengukuran atau simulasi

c.     Menggunakan metode Simpson atau trapezium

d.     Contoh: menghitung daya pada rangkaian AC dengan beban non-linear

e.     Aplikasi: analisis konsumsi daya, efisiensi energi

3.     Menghitung Energi

a.     E = ∫₀ᵀ P(t) dt = ∫₀ᵀ V(t) × I(t) dt — energi total

b.     Data P(t) dari perhitungan daya sebelumnya

c.     Menggunakan metode Simpson atau trapezium

d.     Contoh: menghitung energi yang diserap oleh resistor selama transien

e.     Aplikasi: analisis baterai, kapasitor, induktor

4.     Menghitung Muatan pada Kapasitor

a.     Q = ∫₀ᵀ I(t) dt — muatan pada kapasitor

b.     Data I(t) dari pengukuran atau simulasi

c.     Menggunakan metode Simpson atau trapezium

d.     Contoh: menghitung muatan yang tersimpan pada kapasitor selama pengisian

e.     Aplikasi: desain kapasitor, analisis rangkaian RC

G.    Implementasi Praktis

1.     Implementasi Metode Trapesium

a.     def trapezoidal(f, a, b, n): h = (b-a)/n; sum = 0.5(f(a) + f(b)); for i in range(1,n): sum += f(a + ih); return h * sum

b.     Menggunakan Python atau bahasa lain

c.     Mudah diimplementasikan

d.     Contoh: menghitung integral sin(x) dari 0 ke π

e.     Perbandingan dengan solusi analitik (2)

2.     Implementasi Metode Simpson

a.     def simpson(f, a, b, n): h = (b-a)/n; sum = f(a) + f(b); for i in range(1,n): if i%2 == 0: sum += 2f(a + ih) else: sum += 4f(a + ih); return h/3 * sum

b.     n harus genap

c.     Lebih akurat dari trapezium

d.     Contoh: menghitung integral sin²(x) dari 0 ke π

e.     Perbandingan dengan solusi analitik (π/2)

3.     Implementasi Central Difference

a.     def derivative(f, x, h): return (f(x+h) - f(x-h)) / (2*h)

b.     Sederhana dan akurat

c.     Contoh: menghitung turunan sin(x) pada x = π/4

d.     Perbandingan dengan solusi analitik (cos(π/4) = 0.7071)

e.     Aplikasi

4.     Library Numerik

a.     Python: numpy.trapz, scipy.integrate.simps, scipy.integrate.quad

b.     MATLAB: trapz, integral, cumtrapz

c.     Octave: trapz, quad, quadgk

d.     Library ini mengimplementasikan metode yang sudah terbukti

e.     Aplikasi: integrasi data dari file CSV, simulasi