Metode Transformasi Diferensial untuk Menentukan Solusi Persamaan Diferensial Linear Nonhomogen

Abstract

Persamaan diferensial merupakan salah satu topik dalam matematika yang banyak digunakan dalam memodelkan masalah kehidupan nyata. Misalkan pemodelan penyakit, perkembangan bakteri, pemodelan gelombang, persamaan panas dan lain sebagainya. Secara umum, ada dua jenis persamaan diferensial, yaitu Persamaan Diferensial Biasa (PDB) dan Persamaan Diferensial Parsial (PDP). Pada praktiknya, penyelesaian PDB maupun PDP secara analitik memiliki tantangan tersendiri, sehingga solusi dengan metode semi-analitik (pendekatan dengan kombinasi antara analitik dan pendekatan numerik) merupakan alternatif yang sampai saat ini menarik untuk dikaji. Metode Transformasi Diferensial (MTD) adalah salah satu metode numerik semi-analitik yang dapat digunakan untuk menyelesaikan persamaan diferensial. Metode ini didasarkan pada perluasan deret Taylor, dimana persamaan diferensial diubah menjadi relasi rekurensi untuk mendapatkan solusi deret dalam bentuk polinomial. Pada penelitian ini dibahas secara rinci bagaimana pengaplikasian metode transformasi diferensial untuk penyelesaian PDB linear nonhomogen dan PDP linear nonhomogen untuk beberapa contoh kasus tertentu yang belum pernah dibahas pada penelitian terdahulu. Pertama, digunakan MTD untuk menyelesaikan masalah nilai awal serta masalah nilai batas untuk PDB linear nonhomogen. Selanjutnya, digunakan MTD Dua Dimensi untuk menyelesaikan masalah nilai awal dan batas untuk PDP linear nonhomogen. Hasil yang diperoleh dengan MTD dibandingkan dengan solusi analitik dari PDB yang diubah ke bentuk deret Taylor. Demikian pula, hasil yang diperoleh MTD Dua Dimensi dibandingkan
dengan solusi analitik PDB yang diubah ke bentuk deret Taylor. Perbandingan solusi analitik dan solusi MTD diberikan
dalam bentuk perbandingan grafik solusi dengan \textit{software} Maple serta dilakukan perhitungan galat. Berdasarkan perhitungan galat, solusi dari PDB dan PDP ini mendekati solusi analitik dengan galat yang relatif kecil, terlebih ketika banyaknya iterasi ditingkatkan pada MTD dan MTD dua dimensi.