Anda di halaman 1dari 18

1

2. Konsep Error
Analisis Numerik
2
Error
Jika adalah nilai hampiran terhadap nilai sejati a
maka selisih dengan a disebut dengan error.
= a
error lebih berarti jika diketahui perbandingan dengan nilai
aslinya yang disebut error relatif :

R
= / a atau
R
= / a x 100%
Untuk kasus dimana nilai asli sulit didapatkan, sehingga
digunakan nilai hampiran hasil iterasi :

RA
= (a
r+1
a
r
)

/ a
r+1


3
Sumber Utama Error
Round-off Error
diakibatkan keterbatasan komputer menyimpan detail
bilangan riil.
Panjang bilangan yang melebihi kemampuan media
penyimpanan akan dibulatkan (ke atas)
Truncation Error
Diakibatkan oleh adanya penghentian komputasi tak hingga
menjadi berbatas.
Digunakan hampiran sebagai pengganti formula yang
eksak.

4
Angka Penting
Angka yang dapat digunakan secara pasti.
Angka penting akan terlihat dengan pasti jika
ditulis dalam notasi ilmiah. Jumlah angka
penting terletak pada jumlah digit mantis.
5
Bilangan Floating Point
Formula bilangan floating point :
a = + m x b
+ p

Dimana :
m = mantis(riil)
b = basis
p = pangkat (bilangan bulat positif)
Format standar floating point :
Single (32 bit)
Double (64 bit)
Setiap format terdiri 3 field (sign bit,eksponen bit dan
fraction bit)


6
Bilangan Floating Point Ternormalisasi
Untuk menyeragamkan penyajian
Agar semua digit mantis merupakan angka
penting
Format :
a = + m x b
+ p
= +0.d
1
d
2
d
3
d
4
..d
n
x b
+ p

dengan syarat 1<d
1
<b-1 dan 0<d
k
<b-1 untuk k>1.

Bilangan Floating Point (Cont.)
7
Epsilon Mesin
Setiap komputer memiliki kemampuan menyimpan
detail bilangan positif terkecil.
Epsilon mesin () didefinisikan sebagai bilangan
positif terkecil sedemikian sehingga 1 + > 1
Gap (x) adalah jarak antara sebuah bilangan
floating point dengan bilangan floating point
berikutnya, formulanya :
x = x R
R adalah bilangan floating point sekarang.
8
Epsilon Mesin (Cont.)
1
Negative
overflow
2
Expressible
Negative numbers
3
Negative
underflow
4
Zero
5
Positive
underflow
6
Expressible
Positive numbers
7
Positive
overflow
-10
99
-10
-100
0 10
-100
10
99
Gambar Rentang Bilangan Floating Point
9
Pembulatan pada Floating Point
Pemenggalan (chopping)
Digit bilangan yang lebih banyak daripada digit mantis komputer akan
mengalami pemenggalan
a = +0.d
1
d
2
d
3
d
n
d
n+1
x 10
+p

Dengan n digit mantis pada komputer akan menjadi :
fl
chop
(a) = +0.d
1
d
2
d
3
d
n
x 10
+p


Contoh :
Bilangan = 0.31415926535897. x 10
0
Pada komputer dengan mantis 7 bit menjadi
fl
chop
() = 0.3141592 x 10
0

error = 0.000000065

Bilangan biner untuk hasil 1/10 (basis 10) = (0.00011001100110011)
2
Dinormalkan dan dipenggal dengan mantis 32 bit :
fl
chop
(1/10) (0.11001100110011001100110011001100 )
2
x 2
-3
maksimum error pemenggalan adalah

x
.

10
Pembulatan ke digit terdekat (in-rounding)
Bilangan basis 10
a = +0.d
1
d
2
d
3
d
n
d
n+1
x 10
+p

Pembulatan dengan n digit mantis menjadi :
fl
round
(a) = +0.d
1
d
2
d
3
z

x 10
+p
Z dalam hal ini :
z = d
n
jika d
n+1
< 5
d
n
+ 1 jika d
n+1
> 5
d
n
jika d
n+1
= 5 dan n genap
d
n
+ 1 jika d
n+1
= 5 dan n ganjil
Contoh :
Bilangan basis 10
= 0.31415926535897. x 10
0

fl
round
() = 0.3141593 x 10
0
Bilangan basis 2
Batas maksimum galat : x /2

Pembulatan pada Floating Point (Cont.)
11
Error mutlak ke digit terdekat :
| a fl(a) | =
| +0.d
1
d
2
d
3
d
n
d
n+1
x 10
+p
- +0.d
1
d
2
d
3
d
n
x 10
+p
| < ( x 10
n
) x 10
+p

= ( x 10
n
) x a/m (karena 10
+p
= a/m)
< 5a x 10
-n
Pembulatan pada Floating Point (Cont.)
12
Aritmatika Bilangan Floating Point
Teorema pada Aritmatika Bilangan Floating
point.
Jika a dan b adalah bilangan floating point
maka :
i) fl(a + b) = (a + b)(1 +
1
)
ii) fl(a b) = (a b)(1 +
2
)
iii) fl(ab) = (ab)(1 +
3
)
iv) fl(a/b) = (a/b)(1 +
4
)
Yang dalam hal ini |
i
| < 5 x 10
-n
= e, i = 1,2,3,4
13
Operasi Penjumlahan & Pengurangan
Harus ada penyamaan pangkat : kiri atau kanan ?
Geser kiri kehilangan bit penting
Geser kanan kehilangan lebih sedikit bit penting
(error lebih kecil ?)
Penjumlahan bilangan kecil ke besar menyebabkan
error pembulatan hilang angka penting akibat
pergeseran
Pengurangan 2 bilangan yang hampir sama
menghasilkan bilangan nol pada digit mantis yang
paling penting
Aritmatika Bilangan Floating Point
(Cont.)
14
Perkalian dan pembagian tidak memerlukan
penyamaan pangkat

Aritmatika Bilangan Floating Point
(Cont.)
15
Perambatan Error
Pada suatu proses komputasi yang memiliki error
akan menyebabkan penumpukkan error apabila
proses tersebut dilakukan secara beruntun.
Menyebabkan hasil yang menyimpang dari
sebenarnya kondisi tidak stabil (ketidakstabilan
numerik)
Kondisi Stabil : error pada hasil antara memiliki
pengaruh yang sedikit pada hasil akhir.
Ketidakstabilan matematik : kondisi yang timbul
karena hasil perhitungan sangat peka terhadap
perubahan kecil data.
16
Ketidakstabilan
Dikatakan tidak stabil jika hasil tidak teliti sebagai
akibat metode komputasi yang dipilih.
Contoh :
F(x) =x ((x+1)- x), hitung f(500) sampai 6 angka penting,
solusi asli =11.174755300747198
F(x) = (x+1)- x, hitung f(12345) sampai 6 angka penting ,
solusi asli = 0.00450003262627751
Cari akar-akar polinom x
2
40x + 2 = 0 sampai 4 angka
penting
F(x) = (e
x
-1- x) / x
2
hitung f(0.01) sampai angka 6 penting


17
Kondisi Buruk
Persoalan dikatakan berkondisi buruk bila
jawabannya sangat peka terhadap
perubahan kecil data atau error pembulatan.
Contoh :
x
2
-4x + 3.999 = 0 akar-akar x
1
= 2.032 dan x
2

= 1.968
x
2
-4x + 4.000 = 0 akar-akar x
1
= x
2
= 2.000
x
2
-4x + 4.001 = 0 akar-akarnya imajiner


18
Bilangan Kondisi
Bilangan kondisi didefinisikan sebagai :
Bilangan Kondisi = |
RA
[f()]/
RA
()| = | f(a)/f()|
Arti bilangan kondisi :
Bilangan kondisi = 1, galat relatif hampiran fungsi sama
dengan galat relatif x
Bilangan kondisi >1, galat relatif hampiran diperkuat
Bilangan kondisi <1, galat relatif hampiran diperlemah
Kondisi buruk bilangan kondisi besar
Kondisi baik bilangan kondisi kecil