Metode iterative adalah suatu prosedur matematika dimana akan didapat nilai yang diinginkan
dari persamaan-persamaan matematika dengan terlebih dahulu memberikan nilai awal. Nilai
awal adalah nilai sembarang yang dimasukkan diawal. Dengan memasukkan nilai awal tersebut,
maka komputer akan melakukan perhitungan sampai error mendekati atau bahkan nol. Ketika
error masik sangat besar, maka computer akan terus melakukan perhitungan sampai pada
akhirnya error mendekati atau sama dengan nol. Kondisi ini yang disebut sebagai kondisi
konvergen.
Berikut adalah macam-macam metode iterative yang biasa digunakan :
1.
2.
3.
4.
Metode bisection
Metode False Position
Metode Newton-Raphson
Metode Secant
Metode Bisection
Metode Bidang Bebas atau lebih spesifik lagi Metode Bidang Paruh (Bisection) adalah
pemaruhan(nilai rata-rata) dari nilai estimasi akar suatu persamaan aljabar non-linear tunggal
yang dibentuk dengan cara menebak 2 buah harga awal pada interval [a,b] yang bertempatkedudukan mengapit (di kiri dan kanan) akar atau jawab yang sebenarnya. Metode ini pada
umumnya memerlukan 2 (dua) buah tebakan untuk harga-harga x-awal (x0 dan x1).
Solusi akar (atau akar-akar) dengan menggunakan Metode Bisection memiliki sifat-sifat numeris
sebagai berikut:
(a) Selalu melakukan pembagian dua (pemaruhan) interval [a,b] yang mengapit akar , sehingga
setelah n kali iterasi akan didapatkan akar persamaan yang berdekatan dengan harga yang
sebenarnya (solusi analitis), dengan memperhitungkan kriteria (akurasi) yang diinginkan.
(b) Kecepatan atau laju konvergensi dari metode bisection dapat diperkirakan menggunakan
persamaan pendekatan:
(c)
Dari representasi grafis di atas, dapat diambil kesimpulan dengan jelas, bahwa:
Pada saat panjang interval [a,b] tidak melampaui suatu harga t (yang di dalamnya terdapat akar
), sedemikian rupa sehingga jarak akar tersebut dengan ekstremitas interval tidak melebihi t,
maka pada saat itu toleransi perhitungan sudah dapat dilakukan.
Adapun algoritma metode bisection adalah sebagai berikut :
Asumsi awal yang harus diambil adalah: menebak interval awal [a,b] dimana f(x) adalah
kontinu padanya, demikian pula harus terletak mengapit (secara intuitif) nilai akar ,
sedemikian rupa sehingga:
f (a) f (b) 0
Algoritma BISECTION (f,a,b,akar,e,iter,itmax,flag)
1.
2.
3.
4.
5.
6.
7.
8.
Perhatikan kesebangunan 2 segitiga Pcb dan PQR, sehingga persamaan berikut dapat digunakan:
Atau
Sehingga
Persamaan di atas disebut sebagai persamaan rekursif dari Metode Regula Falsi.
Kecepatan atau laju konvergensi dari Metode Regula-Falsi sama dengan Metode Bisection, yaitu
konvergensi linier, namun dengan faktor pengali (konstanta) yang lebih besar dari 1 2 (factor
pengali berkisar antara 1/ 2 1).
Adapun algoritma dari metode false position adalah :
Asumsi awal yang harus diambil adalah sama seperti pada Metode Bisection, yaitu: menebak
interval awal [a,b] dimana f(x) adalah kontinu padanya, demikian pula interval tersebut harus
terletak mengapit (secara intuitif) nilai akar , sedemikian rupa sehingga:
f (a) f (b) 0
Meskipun pada algoritma berikut masih mengandung beberapa kelemahan, namun secara umum
masih sangat menguntungkan untuk dipakai. Perbaikan dan modifikasi secara numeris dilakukan
oleh Brent (Atkinson, 1978), untuk algoritma tersebut.
Algoritma REGFAL(f,a,b,akar,e,iter,itmax,flag)
1. Tebak harga interval [a,b]; tentukan e; dan itmax
2. Set xold = 2*b-a; iter = 0; flag = 0;
3. Tentukan atau hitung akar = c = b f(b) [(b a)/(f(b) f(a)); iter = iter + 1;
4. Jika f(b)f(c) 0 maka a = c jika tidak b = c;
5. Jika abs(c xold) e maka flag = 1 atau jika iter > itmax maka flag = 2 atau jika tidak
maka iter = iter + 1 dan akar = c;
6. Jika flag = 0 ulangi ke nomor 3;
7. Selesai.
Sehingga formula rekursif dari Metode REGULA-FALSI: dapat dituliskan dalam resume berikut:
Gagasan metode ini adalah sebagai berikut: kita memulai dengan tebakan awal yang cukup dekat
terhadap akar yang sebenarnya, kemudian fungsi tersebut dihampiri dengan garis singgungnya
(yang dapat dihitung dengan alat-alat kalkulus, dan kita dapat menghitung perpotongan garis ini
dengan sumbu-x (yang dapat dilakukan dengan mudah menggunakan aljabar dasar). Perpotongan
dengan sumbu-x ini biasanya merupakan hampiran yang lebih baik ke akar fungsi daripada
tebakan awal, dan metode ini dapat diiterasi.
Misalkan : [a, b] R adalah fungsi terturunkan yang terdefinisi pada selang [a, b] dengan
nilai merupakan bilangan riil R. Rumus untuk menghampiri akar dapat dengan mudah
diturunkan. Misalkan kita memiliki hampiran mutakhir xn. Maka kita dapat menurunkan
hampiran yang lebih baik, xn+1 dengan merujuk pada diagram di kanan. Kita tahu dari definisi
turunan pada suatu titik bahwa itu adalah kemiringan garis singgung pada titik tersebut, yaitu:
Di sini, f ' melambangkan turunan fungsi f. Maka dengan aljabar sederhana kita mendapatkan
Kita memulai proses dengan nilai awal sembarang x0. Metode ini biasanya akan mengerucut
pada akar, dengan syarat tebakan awal cukup dekat pada akar tersebut, dan bahwa '(x0) 0.
Kelebihan metode Newton Raphson : Mampu menyelesaikan persamaan yang kompleks, Paling
sering digunakan karena cepat mencapai konvergen (tidak membutuhkan waktu lama untuk
mencapai konvergen).
Kekurangan metode Newton Raphson : Sulit menghitung fungsi derivative.
Metode Secant
Dalam analisis numerik, metode secant (sekan) adalah algoritma pencari akar yang
menggunakan secara berturut-turut akar dari garis sekan untuk menghampiri akar dari fungsi
matematika f.
Metode secant didefinisikan oleh hubungan perulangan
Seperti yang dapat dilihat dari hubungan perulangan tersebut, metode secant mensyaratkan dua
nilai awal, x0 dan x1, yang idealnya dipilih agar dekat dengan akar.
Misalnya diketahui xn1 dan xn, kita menarik garis melalui titik-titik (xn1, f(xn1)) dan (xn, f(xn)),
sebagaimana ditunjukkan gambar di kanan. Perhatikan bahwa garis ini adalah sekan dari grafik
fungsi f.
Garis tersebut dapat dirumuskan sebagai:
Kita memilih xn+1 sebagai akar garis ini, sehingga xn+1 dipilih sedemikian sehingga