BAB 1

Pendahuluan dan Galat

Pengantar
Komputasi numerik merupakan penyelesaian masalah menggunakan metode numerik
guna menyelesaikan masalah matematika yang tidak dapat diselesaikan secara analitik. Strategi
dalam komputasi numerik adalah menyerderhanakan masalah melalui transformasi, yaitu :
Infinitefinite, differentialalgebraic, nonlinearlinear, dan complicatedsimple. Solusi
yang diperoleh melalui komputasi numerik biasanya berupa suatu hampiran, yang mengandung
kesalahan numerik. Aspek penting dalam komputasi numerik adalah kecepatan proses dan
keakuratan hasil. Metode numerik yang baik adalah yang bisa memberikan solusi yang akurat
dalam waktu yang relatif cepat.
Sumber Galat
Sumber galat terdiri atas dua bagian yaitu sebelum proses komputasi (kesalahan akibat
model yang salah, kesalahan karena hasil observasi yang salah/pengukuran yang salah, dan
kesalahan yang dibawa dari proses perhitungan yang sebelumnya) dan selama proses
komputasi (kesalahan karena hasil pendekatan/hampiran dan kesalahan karena proses
pemangkasan atau pembulatan)
Notasi ilmiah
Bentuk umum notasi ilmiah yaitu
= 10 ,
dengan q adalah mantisa dan n adalah eksponen.
Contoh : Notasi ilmiah dari 0.00067 yaitu 6.7 104
Titik mengambang
Setiap bilangan x direpresentasikan sebagai
= (0 +

1 2 1
+
+
) ,
2 1

dengan 0 , 1 , , 1 disebut mantisa, 0 1 1, = 0, , 1 dan ,

adalah base/radix, P adalah precision, [L,U] adalah exponent range, dan E adalah eksponent.
Normalized Floating Point (Decimal Floating Point Number)
Bentuk umum decimal Floating Point Number, yaitu
= 10 ,
dengan 0.1 < 1, = 1 dan e adalah bilangan bulat.
Contoh: 13.642 = 0.13642 10 2

Galat/ kesalahan dalam proses komputasi numerik terbagi menjadi dua yaitu kesalahan
dapat terjadi akibat adanya perbedaan antara bilangan x dan representasinya dalam komputer,
fl(x), dan kesalahan ini dapat dihindari, ex= x fl(x) = 0, bila x dapat direpresentasikan dalam
komputer tanpa mengubah apapun. Andaikan xT adalah nilai bilangan yang sebenarnya dan xA
adalah nilai hasil representasinya, maka suatu kesalahan di xA dituliskan sebagai
( ) = ,
dan kesalahan relatifnya dituliskan dalam bentuk :
( ) =

( )
=

Contoh :
= , =
( ) =

19
7

19
= 0.003996
7

( ) = 0.00147
Dalam hal ini, memiliki 3 significant digits terhadap
Angka signifikan
Contoh:

Bilangan 25.047 mempunyai 5 angka signifikan

Bilangan -0.00250 mempunyai 3 angka signifikan

Bilangan 0.000068 mempunyai 2 angka signifikan

Bilangan 0.100068 mempunyai 6 angka signifikan

Misalkan x adalah nilai eksak. Hampiran untuk x, dikatakan menghampiri x sampai k angka
signifikan jika k adalah bilangan bulat positif terbesar yang memenuhi
| | 10
<
.
||
2
Contoh :
= 3.141592, = 3.14;

| |
103
= 0.000507
.
||
2

Jadi menghampiri x sampai 3 angka signifikan

Machine Epsilon
Andaikan y adalah bilangan terkecil yang > 1 yang dapat direpresentasikan dalam suatu
komputer aritmatika, maka = y 1 disebut machine epsilon. Ini digunakan sebagai ukuran
akurasi untuk merepresentasikan bilangan dalam komputer. Bilangan 1 memiliki representasi
floating point yang sederhana sebagai berikut

1 = (1.00 0)2 20 ,
bilangan terkecil yang > 1 adalah :
1 + 223 = (1.0 01)2 20 > 1.
Dengan demikian, machine epsilon dalam IEEE floating point presisi tunggal adalah :
= 223 = 1.19 107
Satuan Pembulatan
Andaikan > 0 adalah bilangan terkecil yang dapat direpresentasikan dalam mesin
komputer, serta 1 + > 1 dalam aritmatika mesin. Untuk sembarang 0 < < , maka hasil
dari 1 + =1 dalam aritmatika mesin. Dengan demikian, dalam representasi floating point
pada mesin, dapat diabaikan
Pemangkasan dan Pembulatan dalam Sistem Desimal
Andaikan z adalah suatu bilangan desimal dengan representasi dalam floating point
seperti berikut :
= 10 (1 2 )10 10 ,
dengan a1 0 sehingga terdapat n digit desimal pada significand
(1 2 )10
Secara umum, bila diberikan suatu bilangan
= (1 2 )10 10 , 1 0.
Penulisan x perlu dibuat lebih pendek agar muat dalam komputer. Hal ini dapat dilakukan
melalui proses pemangkasan atau pembulatan. Bila dilakukan pemangkasan, maka representasi
floating point dari x adalah :
() = (1 2 )10 10 .
Bila dilakukan pembulatan, maka perlu diputuskan pembulatan ke atas atau ke bawah. Formula
yang sederhana adalah sebagai berikut
() = {

(1 2 )10 10 , +1 < 5
(1 2 )10 + (0.0 1)10 ] 10 , +1 5

Loss of Significant Error

Kesalahan ini dapat terjadi sebagai akibat dari keterbatasan kalkulator atau komputer yang
kita miliki. Sebagai contoh, didefinisikan fungsi berikut
() = [( + 1) ()]
Fungsi tersebut akan dievaluasi di kalkulator dengan 6 digit desimal yang menggunakan
sistem aritmatika pembulatan. Hasilnya diberikan pada tabel berikut

Computed f(x)

True f(x)

.414210

.414214

10

1.54340

1.54347

100

4.99000

4.98756

1000

15.8000

15.9074

10000

50.0000

49.9988

100000

100.000

158.113

Terlihat pada tabel diatas bahwa jika x semakin besar maka galatnya akan semakin besar pula.
Contoh lain, didefinisikan fungsi berikut
1 cos
, 0.
2
Menggunakan kalkulator 10 digit desimal dengan sistem aritmatika pembulatan, diperoleh
() =

hasil seperti pada tabel berikut

x

Computed f(x)

True f(x)

0.1

0.4995834700

0.4995834722

0.01

0.4999960000

0.4999958333

0.001

0.5000000000

0.4999999583

0.0001

0.5000000000

0.4999999996

0.00001

0.0

0.5000000000

Contoh : penyelesaian persamaan

2 26 + 1 = 0,
adalah
(1)

(2)

= 13 + (168),

= 13 (168),

dengan (168) = 12.961 (benar sampai 5 digit).

Ini berarti |(168) 12.961| 0.0005. Selanjutnya definisikan
(1)

= 13 + 12.961 = 25.961

(2)

= 13 12.961 = 0.039

Untuk kedua akar persamaan tersebut berlaku

| | 0.0005
Namun demikian, kesalahan relatifnya adalah :
0.0005
= 3.13 105 ,
25.9605
0.0005
(2)
( )
= 0.0130.
0.0385
(1)

( )

Ini dapat terjadi karena loss of significant error pada proses perhitungannya yang dapat
diperkecil dengan mengambil :
(2)

1
1
=
,
13 + (168) 25.961

Bila suatu bilangan dikurangi dengan bilangan yang hampir sama, akan terjadi loss of
significance error pada proses perhitungannya.
Propagasi Kesalahan
Evaluasi suatu fungsi f(x) pada mesin seringkali tidak menghasilkan f(x) melainkan suatu
nilai hampirannya, (). Kemudian andaikan, , maka untuk mengevaluasi f(xT), bisa
jadi kita menghitung ( ). Dengan demikian terjadi kesalahan sebesar
( ) ( ) = [( ) ( )] + [( ) ( )].
Besaran ( ) ( ) biasanya disebut noise, sedangkan besaran

( ) ( )

disebut kesalahan karena propagasi. Bila f adalah fungsi yang mempunyai turunan, maka
dengan menggunakan teorema nilai tengah diperoleh
( ) ( ) = () ( ),
atau karena terletak di antara xT dan xA, sedangkan xT sedemikian dekat dengan xA, maka :
( ) ( ) ( ) ( )