Definisi Kesalahan
Kesalahan Sebenarnya
E t Harga sebenarnya - Aproksimasi
Kriteria Berhenti
Komputasi berhenti bila :
a s
atau
Jumlah iterasi > Jumlah iterasi maksimum
dimana s adalah kesalahan relatif persen dispesifikasikan secara
langsung atau dihitung dalam jumlah angka signifikan yang
diinginkan, n
s 0,5 10 2 n %
contoh : Tiga angka signifikan
s 0,5 10 23 % 0,05%
Definisi kesalahan perlu disampaikan sebelum membahas metode mengurung
(Bracketing Methods) dan metode Terbuka (Open Methods).
Metode Grafik
Pencarian Inkremental(Incremental Methods)
Metode bagi Dua(Bisection)
Metode Regula Falsi (Fals- Position)
Metode Grafik
Sebuah metode sederhana untuk memperoleh sebuah taksiran mengenai akar persamaan
f ( x) 0 ialah dengan membuat grafik fungsi itu dan mengamati dimana ia memotong
Solusi :
Harga-harga dihitung sebagai berikut :
X
f (x)
0,0
1,000
0,2
0,619
0,4
0,270
0,6
- 0,051
0,8
- 0,351
1,0
-0,632
Gambar a
Kurva memotong sumbu x diantara 0,5 dan 0,6. taksiran akan sama secara kasar = 0.57.
Ini mendekati harga sebenarnya, yakni 0,56714329, yang harus dicari dengan metode
numerik.
3
keabsahan taksiran visual dapat di cek dengan meamsukkan harga itu kedalam persamaan
awal agar memenuhi :
f (0,57) e 0 ,57 0,57 0,045 yang mendekati nol
Teknik grafik mempunyai nilai praktis yang terbatas, karena ia presisi. Tapi metode grafik
dapat dimanfaatkan untuk memperoleh taksiran akar-akar secara kasar. Taksiran ini dapat
digunakan sebagai tebakan awal untuk metode numerik.
Soal :
1) Tentukan akar-akar nyata secara grafik dari persamaan :
f(x) = -0,874 x2 + 1,75 x + 2,627
2) Tentukan akar-akar nyata secara grafik dari persamaan :
f(x) = -2,1 + 6,21 x - 3,9 x2 + 0,667 x3
Suatu masalah potensial dengan carian inkremental adalah pemilihan panjang inkremen.
Jika panjang tersebut terlalu kecil, carian sangat menghabiskan waktu. Sebaliknya jika
panjang itu terlalu besar, mungkin saja akar-akar yang terpisah secara berdekatan akan
hilang. Masalah tersebut digabungkan dengan kemungkinan adanya akar ganda. Bantuan
sebagian untuk kasus semacam itu adalah dengan mencari turunan pertama dari fungsi
f ' ( x) pada awal dan akhir setiap interval. Jika turunan ini berubah tanda, ia
memberitahukan bahwa suatu minimal atau maksimal telah terjadi, dan interval harus
diperiksa lebih dekat agar terdapat sebuah kemungkinan akar.
Walaupun modifikasi demikian atau pengerjaan inkremen yang sangat halus meringankan
masalah. Anda harus bijaksana menambahkan teknik otomatis demikian dengan
sembarang keterangan lain yang memberi pengertian ke dalam penempatan akar-akar.
Keterangan semacam itu ditemukan dalam pembuatan grafik dan dalam mengartikan
masalah fisika darimana persamaan tersebut berasal.
3.3061
3.3061
3.3673
3.7347
3.7959
3.6531
4.7143
5.6327
5.6939
A plot of the function along with the root locations is down here.
3.5
4.5
5.5
gambar (b)
[1]
Proses tersebut diulangi dan perkiraan akar diperhalus dengan membagi subinterval
menjadi lebih bertambah halus.
Metode bagi dua, disebut juga pemotongan biner (binary chopping), pembagian dua
interval (interval halving) atau metode Bolzano, adalah suatu jenis carian incremental
dimana interval senantiasa dibagi separuhnya. Kalau suatu fungsi berubah tanda
sepanjang suatu interval, harga fungsi ditengahnya dievaluasi. Letak akarnya kemudian
ditentukan berada di tengah-tengah subinterval di mana perubahan tanda terjadi. Proses
tersebut diulangi untuk memperoleh taksiran yang diperhalus.
Algoritma
Langkah 1 : Pilih taksiran terendah xl dan tertinggi xu untuk akar fungsi berubah tanda
sepanjang interval. Ini dapat diperiksa dengan menyakinkan bahwa
f ( x l ) f ( xu ) 0 .
x r xl 2xu
Langkah 3 : Buat evaluasi yang berikut untuk menentukan subinterval, di dalam mana
akar terletak :
a. Jika f ( xl ) f ( x r ) 0 , akar terletak pada subinterval pertama, maka xu x r
, dan lanjut ke langkah 4.
b. Jika f ( xl ) f ( x r ) 0 , akar terletak pada subinterval kedua, maka xl x r ,
dan lanjutkan ke langkah 4.
c. Jika f ( xl ) f ( x r ) 0 , akar = x r , hentikan komputasi.
Langkah 4 : Hitung taksiran baru akar :
x r xl 2xu
Langkah 5 : Putuskan apakah taksiran baru anda cukup akurat sesuai kebutuhan. Jika
ya, hentikan komputasi, jika tidak kembali ke langkah 3.
Contoh :
Gunakan metode bagi dua untuk menentukan akar dari f ( x) e x x .
Dari grafik fungsi (gambar a) terlihat bahwa harga akar terletak antara 0 dan 1.
xr
0 1
2
0,5
0 , 06714329
0 , 56714329
x100% 11,8%
xr
0 , 5 1, 0
2
Proses dapat dilanjutkan lagi agar mendapatkan taksiran yang lebih halus. misalnya untuk
iterasi ketiga adalah :
f (0). f (0,75) 0,030 0
xr
0 , 5 0, 75
2
xr
0 , 5 0 , 625
2
x r baru x r lama
100%
x r baru
dimana x r baru adalah akar dari iterasi sekarang, dan x r lama adalah akar iterasi
sebelumnya. Harga absolut dipakai karena kita biasanya cenderung memakai besarnya
a
0 , 75 0 , 5
0 , 75
x100% 33,3%
t %
a %
xr
Kecenderungan
:
1
0,5 a selalu lebih11,8
besar dari t
2
0,75
32,2
33,3
karakteristik ekstrim
s ,
Jadi bila a jatuh
3
0,625
10,2di bawah20,0
komputasi
dapat
dihentikan
dengan
4
0,5625
0,819
11,1
keyakinan
bahwa
akar
telah
5
0,59375
4,69
5,3
diketahui sekurang-kurangnya sama
MATLAB M-file
: bisection
telitinya
dengan tingkat penentuan
Iterasi
while (1)
xrold = xr;
xr = (xl + xu)/2;
iter = iter + 1;
if xr ~= 0, ea = abs((xr xrold)/xr) * 100; end
test = func(xl) * func(xr);
if test < 0
xu = xr;
elseif test > 0
xl = xr;
else
ea = 0
end
if ea <= es | iter > maxit, break, end
end
root = xr
f ( xu )
xl x r
xu
f ( xl )
f ( xl )
11
gambar c
Suatu metode alternative yang menggali pengertian grafik ini ialah dengan
menggabungkan titik-titik oleh sebuah garis lurus. Perpotongan dari garis ini dengan
sumbu x menyatakan sebuah taksiran perbaikan dari akar. Ternyata penempatan kembali
kurva oleh sebuah garis lurus memberikan suatu posisi salah dari akar-akar, nama
aslinya adalah metode posisi salah (method of false position) atau regula falsi dalam
bahasa latin. Metode ini juga dinamakan metode interpolasi linier.
Dengan memakai segitiga yang serupa (gambar c), perpotongan garis lurus dengan
sumbu x dapat ditaksir sebagai :
f ( xl )
xr xl
f ( xu )
xr xu
[1]
f ( xu ).( xl xu )
f ( xl ) f ( xu )
[2]
Penjabaran :
f xl
f xu
xr xl xr xu
f xl xr xu f xu xr xl
xr f xl f xu xu f xl xl f xu masing2 f xl f xu
xr
xr
xu f xl xl f xu
f xl f xu
f xl xu
f xu xl
f xl f xu f xl f xu
x r xu
x r xu
x r xu
x r xu
f xl xu
f xu xl
xu
f xl f xu
f xl f xu
f xl xu
x f xl f xu
f xu xl
u
f xl f xu
f xl f xu
f xl f xu
f xu xu
f xu xl
f xl f xu f xl f xu
f xu xu xl
f xl f xu
12
atau
x r xu
f xu xl xu
f xl f x u
catatan :
Kelemahan metode Bisection tidak melibatkan f(xu) & f(xl) dalam mengurung akar.
ALGORITMA
Langkah 1 : Pilih taksiran terendah xl dan tertinggi xu untuk akar fungsi berubah tanda
sepanjang interval. ini dapat diperiksa dengan menyaksikan bahwa
f(xl).f(xu)<0.
Langkah 2 : x r xu
f xu xl xu
f xl f x u
Langkah 3 : Buat evaluasi yang berikut untuk menentukan subinterval, di dalam mana
akar terletak :
a. Jika f ( xl ) f ( x r ) 0 , akar terletak pada subinterval pertama, maka xu x r
, dan lanjut ke langkah 4.
b. Jika f ( xl ) f ( x r ) 0 , akar terletak pada subinterval kedua, maka xl x r ,
dan lanjutkan ke langkah 4.
c. Jika f ( xl ) f ( x r ) 0 , akar = x r , hentikan komputasi.
Langkah 4 : Hitung taksiran baru akar dengan :
x r xu
f xu xl xu
f xl f x u
Langkah 5 : Putuskan apakah taksiran baru anda cukup akurat sesuai kebutuhan. Jika
ya, hentikan komputasi, jika tidak kembali ke langkah 3.
REKOMENDASI
Walaupun metode posisi salah kelihatannya selalu menjadi metode prefrensi mengurung,
ada harus-harus dimana metode ini bekerja kurang baik. ternyata pada masalah yang lain,
dimana bagi dua mengandung hasil yang lebih baik.
Contoh :
Suatu harus dimana metode Bisection lebih disukai dari pada metode posisi salah.
13
Pernyataan masalah :
Gunakan metode Bisection dan posisi salah untuk menempatkan akar-akar:
f x x 10 1
Xl
0
Xu
1.3
Xr
0.65
t %
0.65
1.3
0.975
2.5
33.3
0.975
1.3
1.1375
13.8
14.3
0.975
1.1375
1.05625
5.6
7.7
a%
35
5
0.975
1.05625
1.015625
1.6
4.0
jadi, setelah lima kali iterasi, kesalahan sebenarnya dikurangi sampai kurang dari 2%.
Untuk posisi salah, harga-harga yang sangat berbeda diperoleh :
Iterasi
Xl
Xu
Xr
t %
1.3
0.09430
90.6
0.09430
1.3
0.18176
81.8
48.1
0.18176
1.3
0.26287
73.7
30.9
0.26287
1.3
0.33811
66.2
22.3
0.33811
1.3
0.40788
59.2
17.1
a%
Setelah lima kali iterasi, kesalahan sebenarnya hanya dikurangi menjadi kira-kira 59%.
Sebagai tambahan, patut dicatat bahwa
a t
meleset.
f (x )
f x x 10 1
14
-1
gambar b
15