Anda di halaman 1dari 6

Metode Bagi Dua (Bisection Method)

Sewaktu menerapkan teknik grafik, kita telah mengamati (gambar a) bahwa f ( x )


berganti tanda pada kedua sisi yang berlawanan dari kedudukan akar. Pada umumnya,
kalau f ( x ) nyata (riil) dan kontinu dalam interval dari xl hingga xu , serta f ( xl )
dan f ( xu ) berlainan tanda, yakni :
f ( x l ) f ( xu ) < 0 …[1]
maka terdapat sekurang-kurangnya satu akar nyata di antara xl dan xu .
Metode carian inkremental memodali pengamatan ini dengan penempatan sebuah
interval di mana fungsi tersebut bertukar tanda. Kemudian penempatan perubahan
tanda (tentunya harga akar) ditandai lebih teliti dengan cara membagi interval tersebut
menjadi sejumlah subinterval. Setiap subinterval itu dicari untuk menempatkan
perubahan tanda.
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 man 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 ( xl ) f ( xu ) < 0 .

Langkah 2 : Taksiran pertama akar x r ditentukan oleh :


xl + xu
xr = 2

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 :
xl + xu
xr = 2

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.
Karena interval awal dapat dipilih dari xl = 0 hingga xu = 1 .
Dengan sendirinya, taksiran awal akar terletak di tengah interval tersebut :

xr = 0+ 1
2 = 0,5
Taksiran ini menunjukan kesalahan dari (harga sebenarnya adalah 0,56714329…) :
E t = 0,56714329 − 0,5 = 0,06714329

atau dalam bentuk relatif :

εt = x1 0 0% = 1 1,8%
0,0 6 7 1 4 3 2 9
0,5 6 7 1 4 3 2 9

dimana indeks t menunjukkan bahwa kesalahan diacu terhadap harga sebenarnya.


Sekarang kita hitung :
f (0). f (0,5) =1.( 0,10653 ) = 0,10653 > 0

Tidak ada perubahan tanda terjadi antara xl dan x r .


akar selanjutnya terletak pada interval antara x = 0,5 dan 1,0 ( xl = 0,5 )
0 ,5+ 1, 0
xr = 2 = 0,7 5 dan ε t = 32,2%

Proses dapat dilanjutkan lagi agar mendapatkan taksiran yang lebih halus. misalnya
untuk iterasi ketiga adalah :
f (0). f (0,5) = −0,030 < 0

Karena akar terletak di antara 0,5 dan 0,75 ( xu = 0,75 ) :


0 ,5+ 0 , 7 5
xr = 2 = 0,6 2 5dan ε t = 10,2%
Dan iterasi keempat adalah :
f (0,5). f (0,625 ) = −0,010 < 0

Karena akar terletak di antara 0,5 dan 0,625 ( xu = 0,625 ) :


0 ,5+ 0, 6 2 5
xr = 2 = 0,5 6 2 5dan ε t = 0,819%

sampai seterusnya diulangi untuk memperoleh taksiran yang lebih halus.

Kriteria Terminasi dan Taksiran Kesalahan


Mengembangkan suatu kriterian objektif untuk menentukan kapan metode ini
berhenti. Kita memerlukan suatu taksiran kesalahan yang tidak ditentukan oleh
pengetahuan tentang akar itu sebelumnya. Suatu kesalahan aproksimasi dapat dihitung
x r baru − x r lama
εa = ×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
εa ketimbang tandanya. Bila εa menjadi lebih kecil daripada suatu kriteria
penghentian praspesifikasi εs , komputasi dihentikan.
Contoh :
Taksiran kesalahan untuk metode bagidua
Taksiran pertama x r = 0,5
Taksiran kedua x r = 0,75
0, 7 5− 0, 5
εa = 0, 7 5 x1 0 0% = 3 3,3%
Iterasi xr εt % εa %
Kecenderungan :
1 0,5 11,8 εa selalu lebih besar dari εt →
2 0,75 32,2 33,3 karakteristik ekstrim
3 0,625 10,2 20,0 Jadi bila εa jatuh di bawah εs ,
4 0,5625 0,819 11,1 komputasi dapat dihentikan dengan
keyakinan bahwa akar telah
5 0,59375 4,69 5,3 diketahui sekurang-kurangnya sama
telitinya dengan tingkat penentua
awal yang dapat diterima

Metode Posisi Salah (The False-Position Method)


Walupun metode bagidua merupakan suatu teknik sempurna yang berlaku secara
sempurna untuk menentukan akar-akar, pendekatan “Paksa-Besar (“brute-force”)”nya
relatif kurang efisien. Posisi salah merupakan suatu alternative perbaikan berdasarkan
suatu pengertian grafik. Kelemahan metode bagidua ialah dalam membagi interval
xl hingga xu ke dalam paruhan-paruhan yang sama, tidak ada perhitungan
mengenai besar harga f ( xl ) dan . Misalnya jika f ( xl ) lebih mendekati nol
daripada f ( xu ) , tampaknya akar menjadi lebih dekat ke xl daripada ke xu
(gambar c).

f ( xu )

xl x r xu

f ( xl )
f ( xl )
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 ) f ( xu )
xr − xl
= x r − xu …[1]

yang dapat diselesaikan menjadi


f ( xu ).( xl − xu )
x r = xu − …[2]
f ( x l ) − f ( xu )
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.
f ( xu )( xl − xu )
Langkah 2 : x r = xu −
f ( xl ) − f ( xu )
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 :
f ( xu )( xl − xu )
x r = xu −
f ( xl ) − f ( xu )
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.
Pernyataan masalah :
Gunakan metode Bisection dan posisi salah untuk menempatkan akar-akar:
f ( x ) = x 10 −1

diantara x = 0 dan 1,3


selusi :
dengan menggunakan metode Bisection, diperoleh hasil-hasil yang dapat
diringkaskan sebagai berikut :
Iterasi Xl Xu Xr ∈t % ∈a %
1 0 1.3 0.65 35
2 0.65 1.3 0.975 2.5 33.3
3 0.975 1.3 1.1375 13.8 14.3
4 0.975 1.1375 1.05625 5.6 7.7
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 % ∈a %

1 0 1.3 0.09430 90.6


2 0.09430 1.3 0.18176 81.8 48.1
3 0.18176 1.3 0.26287 73.7 30.9
4 0.26287 1.3 0.33811 66.2 22.3
5 0.33811 1.3 0.40788 59.2 17.1
Setelah lima kali iterasi, kesalahan sebenarnya hanya dikurangi menjadi kira-kira
59%. Sebagai tambahan, patut dicatat bahwa ∈a < ∈t . Jadi, kesalahan aproksinasi
ternyata meleset.

f ( x)
f ( x ) = x 10 −1

1 x

-1

gambar b