Edisi Juni 2017 Volume X No.

2 ISSN 1979-8911

SOLUSI NUMERIK PERSAMAAN NON-LINIER DENGAN

MENGGUNAKAN METODE NEWTON-RAPHSON MODIFIKASI FUZZY

Elis Ratna Wulan1, Ginanjar Pajarudin2, Dian Nuraiman3

Jurusan Matematika,Fakultas Sains dan Teknologi

1
elis_ratna_wulan@uinsgd.ac.id, 2ginanjarpajarudin@yahoo.com,
3
dianuraiman@uinsgd.ac.id

ABSTRAK

Persamaan non-linear merupakan salah satu kajian dalam ilmu matematika.

Beberapa metode numerik telah dikembangkan untuk menyelesaikan persamaan non
linear. Metode yang digunakan pada penelitian ini adalah metode Newton Raphson
Modifikasi Fuzzy. Untuk menghindari perhitungan 𝑓 ′ (𝑥𝑛 ) = 0 diterapkan
modifikasi metode Newton-Raphson, dengan mengganti 𝑓 ′ (𝑥𝑛 ) dalam formula
Newton Raphson menggunakan tabel interpolasi, di mana interpolasi ditulis dalam
bentuk Newtonian. Kemudian dapat dihitung nilai taksiran untuk 𝑓(𝑥𝑛 )
menggunakan interpolasi Newton. Metode penyelesaian persamaan non linear ini
akan dibahas pada contoh studi kasus. Persamaan Non Linier yang digunakan pada
penelitian ini adalah 𝑓 [𝑥1 , 𝑥2 , 𝑥3 ] = [3,4,5] [𝑥1 , 𝑥2 , 𝑥3 ]2 −
[1,2,3] [𝑥1 , 𝑥2 , 𝑥3 ] + [1,2,3] dengan menggunakan metode Newton Raphson
modifikasi Fuzzy diperoleh nilai taksiran untuk 𝑓[3,4,5] =
[−5,57.99999959,184.3059112].
Kata kunci : Bilangan Segitiga Fuzzy, Persamaan Non Linear, Metode Newton
Raphson, Metode Secant, Interpolasi.

ABSTRACT

Non linear eqution is one of discussion in Mathematics. Several numerical

method have been develoved to solve non-linear equations. In this paper, the method
used a Fuzzy modified Newton Raphson method. To avoid the calculation of
𝑓 ′ (𝑥𝑛 ) = 0, use method of modified Newton Raphson method, by replacing 𝑓 ′ (𝑥𝑛 )
in Newtons Raphson formula using the interpolation table , for this we written in the
form of Newtonian. Then the approximation value of 𝑓(𝑥𝑛 ) can be calculated using
Newton Interpolation. Several methods for solution of non linear equations will be
discussed in the example case study. Non-Linier equations used in the study is
𝑓 [𝑥1 , 𝑥2 , 𝑥3 ] = [3,4,5] [𝑥1 , 𝑥2 , 𝑥3 ]2 − [1,2,3] [𝑥1 , 𝑥2 , 𝑥3 ] + [1,2,3]. Using a

62
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

Fuzzy Modified Newton Raphson method , the approximation for 𝑓[3,4,5] =

[−5,57.99999959,184.3059112].
Key Word : Triangular Fuzzy Number, Non Linear Equations, Newton Raphson
Method, Secant Method, Interpolation.

1. Pendahuluan akar ganda, metode Newton Raphson

Metode Numerik adalah teknik dan Secant yang tidak selalu

di mana masalah matematika konvergen, jika mengalami nilai awal

diformulasikan sedemikian rupa yang salah. Sekalipun telah dilakukan

sehingga dapat diselesaikan oleh beberapa perbaikan pada metode-

pengoperasian aritmatika [1]. Metode metode tersebut.

numerik ini digunakan untuk Metode iteratif adalah suatu

menyelesaikan persoalan di mana prosedur matematika di mana akan

perhitungan secara analitik tidak dapat didapat nilai yang diinginkan dari

digunakan. Metode numerik ini persamaan-persamaan matematika

berangkat dari pemikiran bahwa dengan terlebih dahulu memberikan

permasalahan dapat diselesaikan nilai awal. Nilai awal adalah nilai

dengan menggunakan pendekatan- sembarang yang dimasukkan diawal.

pendekatan yang dapat Dengan memasukkan nilai awal

dipertanggungjawabkan secara tersebut, dan melakukan perhitungan

analitik. sampai error mendekati atau bahkan

Banyak metode numerik yang nol. Kondisi ini yang disebut sebagai

telah dikembangkan untuk kondisi konvergen.

memecahkan persoalan nonlinear Salah satu pendekatan numerik

diantaranya seperti Bisection, Secant, adalah mencari nilai-nilai x yang

metode Newton Raphson, metode memenuhi persamaan 𝑓(𝑥) = 0.

pengali Lagrange dan metode Karush- Beberapa metode numerik telah

Kuhn Tucker. Akan tetapi, metode-
metode tersebut sering
digunakan untuk persoalan program
nonlinear berskala besar misalnya
metode Bisection yang tidak dapat
digunakan untuk persamaan untuk
dikembangkan untuk menghitung
tidak perkiraan solusi persamaan nonlinear
termasuk metode Newton Raphson.
Persamaan-persamaan yang panjang
dan rumit memperlihatkan sejumlah
kesukaran pada kebanyakan metode

63
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

numerik, khususnya pada metode turunan pertama pada 𝑥𝑖 adalah

Newton-Raphson. Metode ini ekuivalen terhadap kemiringan[1]:
kemudian dikembangkan dengan 𝑓(𝑥 )−0
𝑓 ′ (𝑥𝑖 ) = 𝑥 −𝑥𝑖
𝑖 𝑖+1
menggunakan Interpolasi.
yang dapat diatur kembali menjadi:
𝑓(𝑥 )
𝑥𝑖+1 = 𝑥𝑖 − 𝑓′(𝑥𝑖 )
2. Pembahasan 𝑖

2.1.Metode Newton Raphson yang dinamakan formula Newton

Formulasi Untuk Metode Newton Raphson.
𝑓(𝑥) Prosedur Metode Newton
yaitu: 𝑥𝑖+1 = 𝑥𝑖 − 𝑓′(𝑥)
Raphson[7]: menentukan𝑥0 sebagai
titik awal, kemudian menarik garis
lurus yang menyinggung titik
𝑓(𝑥0 ). Hal ini berakibat garis tersebut
memotong sumbu –𝑥 di titik 𝑥1 .
Setelah itu diulangi langkah
Gambar 1. Penjelasan grafik dari sebelumnya tapi 𝑥1 sekarang dianggap
metode Newton Raphson [1]. sebagai titik awalnya. Dengan
mengulang langkah-langkah
Metode Newton Raphson
sebelumnya akan mendapatkan
adalah metode yang paling banyak
digunakan dari semua formula 𝑥2 , 𝑥3 , … 𝑥𝑛 dengan 𝑥𝑛 yang diperoleh

penempatan akar. Jika tebakan awal adalah bilangan riil yang merupakan

dari akar adalah 𝑥𝑖 , sebuah garis akar atau mendekati akar yang
sebenarnya.
singung dapat diperluas dari titik
Perhatikan Gambar 1 untuk
[𝑥𝑖, , 𝑓(𝑥𝑖 )]. Titik di mana garis
menurunkan rumus Metode Newton-
singgung ini memotong sumbu 𝑥
Raphson.
biasanya menunjukkan sebuah
Persamaan garis 1:
taksiran perbaikan dari akar.
𝑦 − 𝑦0 = 𝑚(𝑥 − 𝑥0 )
Metode Newton Raphson
𝑦 − 𝑓(𝑥0 ) = 𝑓 ′ (𝑥0 )(𝑥 − 𝑥0 )
dapat diturunkan berdasarkan
𝑥1 adalah perpotongan garis l dengan
interpretasi geometrik (sebuah metode
sumbu – 𝑥
alternatif yang didasarkan pada Deret
0 − 𝑓(𝑥0 ) = 𝑓′(𝑥0 )(𝑥 − 𝑥0 )
Taylor). Seperti pada Gambar 1,

64
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

𝑦 = 0 dan 𝑥 = 𝑥1 maka koordinat titik Gambar 2. Penjelasan Grafik

(𝑥1 , 0) Mengenai Metode Secant [1]
𝑓(𝑥 )
− 𝑓′ (𝑥0 ) = (𝑥1 − 𝑥0 )
0
Kelebihan Metode Secant
𝑓(𝑥0 )
𝑥1 = 𝑥0 − ′ adalah dapat digunakan untuk mencari
𝑓 (𝑥0 )
akar-akar persamaan dari persamaan
𝑓(𝑥0 )
𝑥2 = 𝑥1 − ′ polinomial kompleks, atau persamaan
𝑓 (𝑥0 )
⋮ yang turunan pertamanya sangat sulit
𝑓(𝑥 ) didapatkan.
𝑥𝑛 = 𝑥𝑛−1 − 𝑓′(𝑥𝑛−1 )
𝑛−1
Algoritma Metode Secant:
untuk 𝑛 = 1,2,3, …
1. Definisikan fungsi 𝐹(𝑥)
2. Definisikan torelansi error (𝑒) dan
2.2.Metode Secant
iterasi maksimum (𝑛)
Masalah potensial dalam
3. Masukkan dua nilai pendekatan
melaksanakan metode Newton
awal yang diantaranya terdapat
Raphson adalah evaluasi turunan.
akar yaitu 𝑥0 dan 𝑥1 , sebaiknya
Walaupun ini bukan tidak
gunakan metode tabel atau grafis
menyenangkan untuk polinomial dan
untuk menjamin titik pendekatan
banyak fungsi lainnya, ada beberapa
yang konvergensinya pada akar
fungsi yang turunannya terlalu sukar
persamaan yang diharapkan.
dievaluasikan. Untuk kasus-kasus ini,
4. Hitung 𝐹(𝑥0 ) dan 𝐹(𝑥1 )
turunan tersebut dapat didekati oleh
5. Lakukan iterasi
suatu diferensi terbagi hingga, seperti
6. Hitung nilai taksiran akar
dalam Gambar 2.
selanjutya.
Formula Untuk Metode Secant
Rumus:
yaitu:
𝑓(𝑥𝑖 )(𝑥𝑖−1 −𝑥𝑖 )
𝑓(𝑥𝑖 )(𝑥𝑖−1 −𝑥𝑖 ) 𝑥𝑖+1 = 𝑥𝑖 −
𝑥𝑖+1 = 𝑥𝑖 − 𝑓(𝑥𝑖−1 )−𝑓(𝑥𝑖 )
𝑓(𝑥𝑖−1 )𝑓(𝑥𝑖 )
Akar persamaan adalah nilai 𝑥 yang
terakhir.

2.3.Interpolasi Newton
Secara umum, 𝑛 + 1 titik data
misal (𝑥0 , 𝑥0 ),(𝑥0 , 𝑥0 ),...,(𝑥0 , 𝑥0 )

65
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

dapat dicocokkan dengan suatu Nilai fungsi pada kurung siku

polinomial berderajat 𝑛 yang dinamakan beda terbagi hingga dan
mempunyai bentuk [8]. didefinisikan sebagai
i. Beda terbagi hingga pertama
𝑦 = 𝑓𝑛 (𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑦𝑖 −𝑦𝑗
+⋯ 𝑦[𝑥𝑖 , 𝑥𝑗 ] = 𝑥𝑖 −𝑥𝑗
+ 𝑎𝑛 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥
− 𝑥𝑛− ). ii. Beda terbagi hingga kedua

Untuk lebih jelasnya disajikan pada 𝑦[𝑥𝑖 , 𝑥𝑗 , 𝑥𝑘 ] =

Gambar 3. 𝑦[𝑥𝑖 ,𝑥𝑗 ]−𝑦[𝑥𝑗 ,𝑥𝑘 ]

𝑥𝑖 −𝑥𝑘

iii. Beda terbagi hingga ke-n

𝑦[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ] =
𝑦[𝑥𝑛 ,𝑥𝑛−1 ,…,𝑥2 ,𝑥1 ]−𝑦[𝑥𝑛−1 ,𝑥𝑛−2 ,…,𝑥1 ,𝑥0 ]
𝑥𝑛 −𝑥0

Untuk lebih jelasnya disajikan pada

Gambar 3. Penjelasan Grafik Mengenai Tabel 1.
Interpolasi Newton [8] Tabel 1. Diferensiasi Terbagi
i 𝑥𝑖 𝑦𝑖 Pertama Kedua Ketiga
Selanjutnya akan menentukan = 𝑓(𝑥𝑖 )

𝑎0 , 𝑎1 , … 𝑎𝑛 0 𝑥0 𝑦(𝑥0 ) 𝑦[𝑥1 , 𝑥0 ] 𝑦[𝑥2 , 𝑥1 , 𝑥0 ] 𝑦[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ]

1 𝑥1 𝑦(𝑥1 ) 𝑦[𝑥2 , 𝑥1 ] 𝑦[𝑥3 , 𝑥2 , 𝑥1 ]
𝑎0 = 𝑦0 2 𝑥2 𝑦(𝑥2 ) 𝑦[𝑥3 , 𝑥2 ]
3 𝑥3 𝑦(𝑥3 )
𝑦1 − 𝑦0
𝑎1 = = 𝑦[𝑥1 , 𝑥0 ]
𝑥1 − 𝑥0

𝑦[𝑥2 , 𝑥1 ] − 𝑦[𝑥1 , 𝑥0 ] Pada Tabel 1 dilanjutkan sampai

𝑎2 =
𝑥2 − 𝑥0 ke−𝑛 sehingga interpolasi newton
= 𝑦[𝑥2 , 𝑥1 , 𝑥0 ] menjadi

⋮ 𝑓𝑛 (𝑥) = 𝑓𝑛 (𝑥0 ) + (𝑥 − 𝑥0 )𝑦[𝑥1 , 𝑥0 ] +

(𝑥 − 𝑥0 )(𝑥 −
𝑎𝑛 =
𝑥1 )𝑦[𝑥2 , 𝑥1 , 𝑥0 ] + ⋯ +
𝑦[𝑥𝑛 ,𝑥𝑛−1 ,…,𝑥2 ,𝑥1 ]−𝑦[𝑥𝑛−1 ,𝑥𝑛−2 ,…,𝑥1 ,𝑥0 ]
= (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 −
𝑥𝑛 −𝑥0

𝑦[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 , 𝑥0 ] 𝑥𝑛− )𝑦[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥0 ]

66
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

2.4.Bilangan Fuzzy Misalkan bilangan segitiga

Bilangan fuzzy yang paling fuzzy A dan B didefinisikan sebagai
banyak dipakai dalam aplikasi adalah [6]:
bilangan fuzzy dengan fungsi 𝐴 = (𝑎1 , 𝑎2 , 𝑎3 ) , 𝐵 = (𝑏1 , 𝑏2 , 𝑏3 )
keanggotaan segitiga, yang disebut i. 𝐴 + 𝐵 = [𝑎1 + 𝑏1 , 𝑎2 +
bilangan fuzzy segitiga, dan bilangan 𝑏2 , 𝑎3 + 𝑏3 ]
fuzzy dengan fungsi keanggotaan ii. 𝐴 − 𝐵 = [𝑎1 − 𝑏3 , 𝑎2 −
trapesium yang disebut bilangan fuzzy 𝑏2 , 𝑎3 − 𝑏1 ]
trapesium [5]. iii. 𝑘𝐴 = [𝑘𝑎1 , 𝑘𝑎2 , 𝑘𝑎3 ] untuk
𝑘 ≥0
a. Bilangan Segitiga Fuzzy iv. 𝑘𝐴 = [𝑘𝑎3 , 𝑘𝑎2 , 𝑘𝑎1 ] untuk
Di antara berbagai bentuk 𝑘 <0
bilangan fuzzy, bilangan segitiga fuzzy v. 𝐴𝑥𝐵 =
adalah yang paling populer. Definisi
[𝑎1 𝑥 𝑏1 , 𝑎2 𝑥 𝑏2 , 𝑎3 𝑥 𝑏3 ]
bilangan segitiga fuzzy adalah 𝐴 𝑎 𝑎 𝑎
vi. = [𝑏1 , 𝑏2 , 𝑏3 ]
bilangan fuzzy direpresentasikan 𝐵 3 2 1

dengan tiga poin mengikuti [6]: Adapun sistem persamaan

𝐴 = (𝑎1 , 𝑎2 , 𝑎3 ) linier fuzzy dijelaskan berikut ini.
Representasi ini ditafsirkan sebagai Diberikan sistem persamaan linear n
fungsi keanggotaan. variabel dan n persamaan dapat ditulis
dalam bentuk matriks
0, 𝑥< 𝑏
𝑥 − 𝑎1
𝑎2 − 𝑎1
, 𝑎1 ≤ 𝑥 ≤ 𝑎2 Ax  y (1)
𝜇(𝐴) 𝑎3 − 𝑥
, 𝑎2 ≤ 𝑥 ≤ 𝑎3
𝑎3 − 𝑎2 dengan A matriks persegi yang entri-
entriya bilangan real, dan x, y adalah
{ 0, 𝑥 > 𝑏
vektor-vektor di dalam R n . Metode-
metode untuk menyelesaikan
persamaan (1) dapat dilihat dalam
[11].
b. Operasi Pada Bilangan Segitiga
Model permasalahan sistem
Fuzzy
persamaan linear fuzzy dijelaskan
sebagai berikut :

67
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

Diberikan Mengingat operasi aljabar

u1 , u2 , , un , v1 , v2 , , vn  F dan pada bilangan fuzzy, fungsi-fungsi v j
ai , j  R untuk 1  i, j  n . dan vj dapat ditulis sebagai

kombinasi linear dari x j dan x j .

Sistem persamaan
Sistem persamaan (2) diubah ke
a1,1u1  a1, 2u 2    a1,n u n  v1
bentuk (2n) variabel dan (2n)
a2,1u1  a2, 2u 2    a2,n u n  v2
(2) persamaan menjadi
   
an,1u1  an, 2u 2    an,n u n  vn
BX   V  (3)

dinamakan sistem persamaan linear

 b1,1 b1, 2  b1, 2 n 
fuzzy (SPL-fuzzy). b b2, 2  b2, 2 n 
dengan B  
2 ,1
,
     
Sistem persamaan (2) dapat ditulis  
b2 n ,1 b2 n , 2  b2 n , 2 n 
dalam bentuk matriks AU  V

 u1   v1  
X   x1 ,, x n , x1 ,, x n T
dan
u  v 
 2
, V   2  dan
dengan U 
  
V   v1 , , v n ,v1 , ,v n . T

   
u n  v n 
Entri-entri bi , j ditentukan sebagai
 a1,1 a1, 2  a1,n  berikut:
a a2, 2  a2,n 
A
2 ,1
.
       jika a i , j  0 maka bi , j = a i , j dan
 
an ,1 an, 2  a n ,n 
bi  n , j  n  ai , j

Model sistem persamaan linear  jika ai , j < 0 maka bi , j  n  ai , j dan

(2) mempunyai solusi fuzzy jika bi  n , j   a i , j
 x1   bi , j = 0 untuk lainnya.
x 
terdapat vektor X    di dalam
2

 Persamaan (3) bukan sistem

  persamaan linear fuzzy. Persamaan (3)
 xn 
merupakan persamaan linear biasa
Fn sedemikian sehingga
yang nilai variabelnya berada dalam
n n
 a j ,k x j  v j dan  a j ,k x j  v j , ruang fungsi. Dengan menggunakan
k 1 k 1

untuk setiap j  1,2,, n . persamaan (3), dimungkinkan sistem

68
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

persamaan linear fuzzy dapat Matriks C adalah matriks yang

diselesaikan melalui penyelesaian dihasilkan dari operasi elementer
sistem persamaan linear biasa. Lebih jumlahan dua baris/kolom dari matriks
lanjut, matriks B pada persamaan (3) B. Sedangkan matriks D adalah
dapat ditulis dalam bentuk matriks matriks yang dihasilkan dari operasi
blok elementer jumlahan dua baris/kolom
dari matriks C.
B B2 
B 1
B1 
, sehingga matriks
 B2 Hal ini berakibat,

koefesien A pada persamaan (2)

det(B) = det(C) = det(D),
adalah A  B1  B2 .
sehingga det(B) = det(D)
Teorema 1
= det(B1 + B2).det(B1
B B2 
B 1 – B2)
B1 
Diberikan adalah
 B2
matriks koefesien pada persamaan Karena B tak-singular maka det(B)  0
(3). Matriks B tak-singular jika dan dan
hanya jika matriks-matriks
det(B1 + B2).det(B1 –B2) = det(B)  0.
A  B1  B2 dan B1  B2 keduanya
Hal ini mengakibatkan det(B1 + B2) 
tak-singular.
0 dan det(B1 –B2)  0. Jadi matriks
Bukti : A  B1  B2 dan B1  B2 keduanya
tak-singular.
() Dengan menggunakan
operasi elementer baris/kolom pada () Diketahui matriks
B B2  A  B1  B2 dan B1  B2 keduanya
B 1
B1 
matriks , didapat
 B2 tak-singular. Jadi det(B1 + B2)  0 dan
 B1  B2 B1  B2  det(B1 –B2)  0.
matriks C  
B1 
. Jika
 B2
Dengan cara serupa seperti pada
matriks C dikenai operasi elementer
bagian sebelumnya, didapat
jumlahan dua kolom, didapat
 B  B2 0  det(B) = det(C) = det(D)
D 1
B1  B2 
.
 B2

69
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

 B  B2 B1  B2  dengan B j ,i sub matriks yang

dengan C   1
B1 
dan
 B2 diperoleh dengan cara mengeliminasi
 B  B2 0  baris ke-j dan kolom ke-i dari matriks
D 1
B1  B2 
.
 B2 B.

Hal ini berakibat Perhatikan sub matriks B j  n ,i dan

B j ,i  n . Matriks B j  n ,i dapat diperoleh

det(B) = det(D)
melalui operasi elementer pertukaran
= det(B1 + B2) · det(B1 – B2) 
baris dan kolom dari B j ,i  n sebanyak
0, karena nilai det(B1 + B2)  0 dan
p kali, dengan p bilangan genap. Oleh
nilai
karenanya,
det(B1 –B2)  0. Sehingga B adalah
det( B j  n ,i ) = (-1)p det( B j ,i  n ) =
matriks tak-singular. Bukti selesai.

det( B j ,i  n ).
Teorema 2

B B2  Dari persamaan (4) dan mengingat

B 1
B1 
Diberikan adalah
 B2
det( B j  n ,i ) = det( B j ,i  n ), maka
matriks koefesien pada persamaan
(3). Jika invers matriks B ada, maka (1) i n j det( B j ,i n )
bin, j =
M N det( B)
inversnya berbentuk B 1  
M 
.
N
(1) i n j det( B j n,i )
= = bi , j n
Bukti : det( B)

Misalkan bi , j dan b i, j untuk setiap 1  i, j  n . Sampai di

berturut-turut menyatakan entri  N

sini, didapat B 1  
matriks B dan B 1 pada baris ke-i dan N  

kolom ke-j. Karena B 1  det(1B) adj ( B) , Perhatikan juga sub matriks

maka B j ,i dan B j  n ,i  n , untuk 1  i, j  n .

(1) i j det( B j ,i )
b 
= (4)  B1 B2 
i, j
Karena B  
B1 
det( B) maka B j  n ,i  n
 B2
dapat diperoleh menggunakan operasi

70
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

elementer pertukaran baris dan kolom 2.5.Metode Newton Raphson

dari B j ,i sebanyak q kali, dengan q Modifikasi Fuzzy

bilangan genap. Oleh karenanya, Metode Newton Raphson

fuzzy adalah teknik optimasi klasik
q
det( B j ,i ) = (-1) det( B j  n ,i  n ) untuk memecahkan persamaan
nonlinear. Dalam metode ini, dimulai
= det( B j  n ,i  n ).
dengan perkiraan awal 𝑥0 dan

Hal ini berakibat menghasilkan urutan perkiraan [10].

Rumus Newton-Raphson
(1) i j
det( B j ,i ) 𝑓(𝑥 )
bi, j = 𝑥𝑛+1 = 𝑥𝑛 − 𝑓′ (𝑥𝑛 ) , 𝑛=
det( B) 𝑛

0,1, … (5)
(1) i  j (1) 2n det( B j n,i n )
=
det( B) Metode Newton mensyaratkan bahwa
derivatif dihitung langsung. Dalam
(1) (i n )( j  n ) det( B j n,i  n )
= masalah yang paling praktis, fungsi
det( B)
tersebut dapat diberikan oleh rumus
= b  i n, j n yang panjang dan rumit, dan
karenanya ekspresi analitis untuk
untuk setiap 1  i, j  n .
derivatif mungkin tidak mudah
didapat. Hal ini jelas dari rumus untuk
M 1 N
Terbukti bahwa B  
M 
.
N metode Newton bahwa itu akan gagal
dalam kasus di mana derivatif adalah
Persamaan (3) merupakan nol. Dalam situasi ini, mungkin tepat
perubahan bentuk dari sistem untuk mendekati turunan dengan
persamaan linear fuzzy. Walaupun menggunakan kemiringan garis
persamaan (3) mempunyai solusi melalui dua titik pada fungsi. Dalam
tunggal, tidak berarti sistem hal ini, menggunakan metode secant.
persamaan linear fuzzy langsung Untuk menghindari komputasi 𝑓 ′(𝑥)
dipeeroleh solusinya. Jika B dalam (3) mungkin tidak selalu tersedia atau
tak-singular, tidak ada jaminan bahwa mungkin sukar untuk menghitung dan
1
X  B V F, untuk setiap VF [11]. mempertahankan sifat konvergensi
yang sangat baik dari metode Newton-

71
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

Raphson, 𝑓′ (𝑥𝑛 ) diganti oleh = 𝑓 (𝑥0 ) + 𝑓[𝑥𝑛 , 𝑥𝑛−1 ](𝑥 − 𝑥𝑛 )

+ 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ](𝑥 − 𝑥𝑛 )(𝑥
𝑓 [𝑥𝑛 , 𝑥𝑛−1 ] di persamaan (5) [10] .
− 𝑥𝑛−1 ) + ⋯
Oleh karena itu persamaan (5) + 𝑓[𝑥𝑛 , … , 𝑥0 ](𝑥 − 𝑥𝑛 )(𝑥
menjadi : − 𝑥𝑛−1 ) … (𝑥 − 𝑥1 )

𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
𝑓 ′ (𝑥𝑛 ) Dimana f[xn , xn−1 ...xn−i ] diferensiasi
𝑓(𝑥𝑛 ) terbagi dari 𝑓 (𝑥). Dan didefinisikan
= 𝑥𝑛 −
𝑓 [𝑥𝑛 , 𝑥𝑛−1 ] diferensiasi terbagi sebagai
𝑓(𝑥𝑛 )
= 𝑥𝑛 − 𝑓 (𝑥𝑛 )− 𝑓 (𝑥𝑛−1 ) 𝑓[𝑥] = 𝑓(𝑥)
(𝑥𝑛 −𝑥𝑛−1 )
Misalkan diferensiasi terbagi
(6)
dimisalkan sebagai:

𝑓 (𝑥𝑛 )− 𝑓 (𝑥𝑛−1 )
Di mana 𝑓[𝑥𝑛 , 𝑥𝑛−1 ] = (𝑥𝑛 −𝑥𝑛−1 ) Diferensiasi Terbagi Pertama.
adalah Diferensiasi Terbagi. 𝑓𝑛 − 𝑓𝑛−1
𝑓[𝑥𝑛 , 𝑥𝑛−1 ] =
𝑥𝑛 − 𝑥𝑛−1
Sehingga persamaan (6) merupakan
metode secant. Iterasi Newton
Diferensiasi Terbagi Kedua
Raphson membutuhkan dua fungsi 𝑓[𝑥𝑛 , 𝑥𝑛−1 ] − 𝑓[𝑥𝑛−1 , 𝑥𝑛−2 ]
𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ] =
evaluasi, 𝑓 (𝑥) dan 𝑓 ′(𝑥) per iterasi. 𝑥𝑛 − 𝑥𝑛−2

Dimulai dengan dua pendekatan awal

Diferensiasi Terbagi Ketiga
𝑥0 dan 𝑥1 , dapat dihitung 𝑥2 dengan
𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 𝑥𝑛−3 , ]
metode secant. Kemudian diterapkan 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ] − 𝑓[𝑥𝑛−1 , 𝑥𝑛−2 , 𝑥𝑛−3 ]
=
modifikasi metode Newton-Raphson 𝑥𝑛 − 𝑥𝑛−3

untuk menghitung 𝑥3 ,𝑥4 ,𝑥5 ,...

⋮
menggunakan tabel interpolasi.
Dengan mengganti f'(𝑥𝑛 ) dalam Diferensiasi Terbagi ke-n
persamaan Formula Newton Raphson 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 , … , 𝑥0 ]
𝑓[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1 ] − 𝑓[𝑥𝑛−1 , 𝑥𝑛−2 , … , 𝑥0 ]
(5) oleh 𝑔𝑛,𝑘 (x). Untuk itu, 𝑔𝑛,𝑘 (x) =
𝑥𝑛 − 𝑥0
ditulis dalam bentuk Newtonian
sebagai
𝑔𝑛,𝑘 (𝑥) = 𝑓 (𝑥0 ) +
∑𝑘𝑖=1[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥𝑛−𝑖 ] ∏𝑖=1
𝑗=0(𝑥 − 𝑥𝑛−𝑗 )
Dimisalkan juga
(7)
𝑓[𝑥𝑛 , 𝑥𝑛−1 ] = ∇𝑓𝑛

72
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ] = ∇2 𝑓𝑛 𝑔𝑛,𝑘 (𝑥)

= 𝑓[𝑥𝑛 , 𝑥𝑛−1 ]
3
𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 𝑥𝑛−3 , ] = ∇ 𝑓𝑛 + 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ](𝑥𝑛 − 𝑥𝑛−1 )
+ 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 , 𝑥𝑛−3 ](𝑥𝑛 − 𝑥𝑛−1 )(𝑥𝑛
⋮ − 𝑥𝑛−2 )

= ∇𝑓𝑛 + ∇2 𝑓𝑛 (𝑥𝑛 − 𝑥𝑛−1 )

[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 , … , 𝑥0 ] = ∇𝑛 𝑓𝑛
+ ∇3 𝑓𝑛 (𝑥𝑛 − 𝑥𝑛−1 )(𝑥𝑛
− 𝑥𝑛−2 )
Dari persamaan (7) , 𝑔𝑛,𝑘 (x) adalah
komputasi dengan memisalkan 𝑥𝑖 Sehingga diperoleh rumus
sebagai 𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥𝑛−𝑖 untuk Newton Raphson dimodifikasi
i = 1,2, ... k. untuk 𝑘 = 3 adalah
Menggunakan pemisalan ini dapat
𝑥𝑛+1 = 𝑥𝑛 −
dihitung 𝑔𝑛,𝑘 (x) pada persamaan (7), 𝑓(𝑥𝑛 )
(10)
∇𝑓𝑛 +∇2 𝑓𝑛 (𝑥𝑛 −𝑥𝑛−1 )+∇3 𝑓𝑛 (𝑥𝑛 ,𝑥𝑛−1 )(𝑥𝑛 −𝑥𝑛−2 )
dan diberikan 𝑥 = 𝑥𝑛 menjadi
𝑔𝑛,𝑘 (𝑥) = 𝑓 (𝑥0 ) +
∑𝑘𝑖=2[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥𝑛−𝑖 ] ∏𝑖−1
𝑗=1(𝑥 − 𝑥𝑛−𝑗 )
c) Untuk 𝑘 = 𝑚 persamaan (8)
(8)
menjadi
a) Untuk k = 2 persamaan (8)
menjadi 𝑔𝑛,𝑘 (𝑥) = 𝑓[𝑥𝑛 , 𝑥𝑛−1 ] +
𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ](𝑥𝑛 − 𝑥𝑛−1 ) +
𝑔𝑛,𝑘 (𝑥) = 𝑓[𝑥𝑛 , 𝑥𝑛−1 ] + 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ](𝑥𝑛
𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 , 𝑥𝑛−3 ](𝑥𝑛 − 𝑥𝑛−1 )(𝑥𝑛 −
− 𝑥𝑛−1 ) 𝑥𝑛−2 ) + ⋯ +
𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 , 𝑥𝑛−3 , … , 𝑥𝑛−𝑚 ](𝑥𝑛 −
= ∇𝑓𝑛 + ∇2 𝑓𝑛 (𝑥𝑛 − 𝑥𝑛−1 )
𝑥𝑛−1 )(𝑥𝑛 − 𝑥𝑛−2 ) … (𝑥𝑛 − 𝑥𝑛−𝑚 )

Sehingga diperoleh rumus Newton = ∇𝑓𝑛 + ∇2 𝑓𝑛 (𝑥𝑛 − 𝑥𝑛−1 )

+ ∇3 𝑓𝑛 (𝑥𝑛 − 𝑥𝑛−1 )(𝑥𝑛
Raphson dimodifikasi untuk 𝑘 = 2
− 𝑥𝑛−2 ) + ⋯
adalah + ∇𝑚 𝑓𝑛 (𝑥𝑛 − 𝑥𝑛−1 )(𝑥𝑛
− 𝑥𝑛−2 ) … (𝑥𝑛 − 𝑥𝑛−𝑚 )
𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
∇𝑓𝑛 +∇2 𝑓𝑛 (𝑥𝑛 ,𝑥𝑛−1 )
(9)

2.6. Studi Kasus

b) Untuk 𝑘 = 3 persamaan (8) Dengan menggunakan Metode

menjadi Newton Raphson Modifikasi Fuzzy

dapat dicari nilai taksiran persamaan
non-linier pada suatu titik.

73
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

Contoh Numerik: = [5.065217392,2.222222222,3.941860465]

Hitung 𝑓[3,4,5] dari fungsi di bawah,

dengan interpolasi newton orde ke 3
Sehingga dapat dihitung 𝑓[𝑥2 ]
.𝑓[𝑥1 , 𝑥2 , 𝑥3 ] = [3,4,5][𝑥1 , 𝑥2 , 𝑥3 ]2 −
[1,2,3][𝑥1 , 𝑥2 , 𝑥3 ] + [1,2,3] 𝑓[𝑥2 ] = [3,4,5][𝑥1 , 𝑥2 , 𝑥3 ]2

Diberikan 𝑥0 = [1,2,3] dan 𝑥1 = − [1,2,3][𝑥1 , 𝑥2 , 𝑥3 ]

+ [1,2,3]
[2,3,4], sehingga dihitung 𝑓[𝑥0 ] dan
𝑓[𝑥1 ], dimana: 𝑓[5.065217392,2.222222222,3.941860465] =
[3,4,5][5.065217392,2.222222222,3.941860465]2 −
𝑓[𝑥0 ] = [3,4,5][𝑥1 , 𝑥2 , 𝑥3 ]2
[1,2,3][5.065217392,2.222222222,3.941860465] +
− [1,2,3][𝑥1 , 𝑥2 , 𝑥3 ]
[1,2,3]
+ [1,2,3]

= [66.14370029,17,30864197,75.62610224]
𝑓[1,2,3] = [3,4,5][1,2,3]2 − [1,2,3][1,2,3]
+ [1,2,3] = [−5,14,47]
Kemudian untuk mencari 𝑥3
𝑓[𝑥1 ] = [3,4,5][𝑥1 , 𝑥2 , 𝑥3 ]2 menggunakan persamaan (9)
− [1,2,3][𝑥1 , 𝑥2 , 𝑥3 ]
+ [1,2,3] 𝑓(𝑥𝑛 )
𝑥2+1 = 𝑥𝑛 − 2
∇𝑓𝑛 + ∇ 𝑓𝑛 (𝑥𝑛 − 𝑥𝑛−1 )
𝑓[2,3,4] = [3,4,5][2,3,4]2 − [1,2,3][2,3,4]
+ [1,2,3] = [1,32,81]
𝑥3 = [1.415129289,1.125195618,3.501920812]
Sehingga diperoleh 𝑓[𝑥0 ] =
[−5,14,47] dan 𝑓[𝑥1 ] = Sehingga dapat dihitung 𝑓[𝑥3 ]

[1,32,81]. 𝑓[𝑥3 ] = [3,4,5][𝑥1 , 𝑥2 , 𝑥3 ]2

− [1,2,3][𝑥1 , 𝑥2 , 𝑥3 ]
Kemudian untuk mencari 𝑥2 + [1,2,3]
menggunakan persamaan (6)
𝑓[1.415129289,1.125195618,3.501920812]

𝑓(𝑥1 ) = [3,4,5][1.415129289,1.125195618,3.501920812]2
𝑥1+1 = 𝑥1 −
𝑓 ′ (𝑥1 ) − [1,2,3][1.415129289,1.125195618,3.501920812]
𝑓(𝑥1 ) + [1,2,3]
𝑥2 = 𝑥1 −
𝑓 [𝑥1 , 𝑥0 ] = [−3.497989719,4.813869477,62.90211757]
𝑓(𝑥1 )
= 𝑥1 −
∇𝑓1 Diferensiasi Terbagi Pertama.
𝑓1 −𝑓0
𝑓(𝑥1 ) i. 𝑓[𝑥1 , 𝑥0 ] = =
𝑥1 −𝑥0
= 𝑥1 −
𝑓1 − 𝑓0
𝑥1 − 𝑥0 [−15.33333333,18, −86]
𝑓2 −𝑓1
ii. 𝑓[𝑥2 , 𝑥1 ] = =
𝑥2 −𝑥1
[−5,14,47]
= [2,3,4] − [−7.650549552,18.88888889,70.05715716]
[1,32,81] − [−5,14,47]
[2,3,4] − [1,2,3]

74
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

𝑓3 −𝑓2
iii. 𝑓[𝑥3 , 𝑥2 ] =
𝑥3 −𝑥2
= Pencarian dan perhitungan
[50.61361546,11.38967136,1.282915551] nilai suatu fungsi persamaan non-
linier menggunakan metode Newton
Diferensiasi Terbagi Kedua. Raphson modifikasi Fuzzy, yaitu
𝑓[𝑥2 ,𝑥1 ]−𝑓[𝑥1 ,𝑥0 ]
i. 𝑓[𝑥2 , 𝑥1 , 𝑥0 ] = = dengan menentukan tebakan awal
𝑥2 −𝑥0

[26.63261952,4.000000001,41.34697433] (𝑥0 ) dan (𝑥1 ) kemudian menghitung

𝑓[𝑥3 ,𝑥2 ]−𝑓[𝑥2 ,𝑥1 ]
ii. 𝑓[𝑥3 , 𝑥2 , 𝑥1 ] = =
𝑥3 −𝑥1 (𝑥2 ) dengan menggunakan metode
[−12.94578352,4.000000002, −3.456058775]
𝑓(𝑥𝑛 )
secant 𝑥𝑛+1 = 𝑥𝑛 − 𝑓 (𝑥𝑛 )− 𝑓 (𝑥𝑛−1 ) .
(𝑥𝑛 −𝑥𝑛−1 )

Diferensiasi Terbagi Ketiga. Kemudian untuk mencari

𝑓[𝑥3 ,𝑥2 ,𝑥1 ]−𝑓[𝑥2 ,𝑥1 ,𝑥0 ]
i. 𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] = =
𝑥3 −𝑥0 (𝑥3 ), (𝑥4 ), (𝑥5 ), … menggunakan
[−21.70043016, −0.000001143,18.98494186]
metode Newton Raphson modifikasi
Sehingga taksiran nilai fungsi pada Fuzzy 𝑥𝑛+1 = 𝑥𝑛 −
𝑓(𝑥𝑛 )
[𝑥1 , 𝑥2 , 𝑥3 ] = [3,4,5] adalah : 𝑓 (𝑥0 )+∑𝑘 𝑖−1
𝑖=2[𝑥𝑛 ,𝑥𝑛−1 ,…,𝑥𝑛−𝑖 ] ∏𝑗=1(𝑥−𝑥𝑛−𝑗 )
dengan

𝑘 𝑖=1 i=1,2,3,...,k. Kemudian untuk mencari

𝑔𝑛,𝑘 (𝑥) = 𝑓 (𝑥0 ) + ∑[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥𝑛−𝑖 ] ∏(𝑥
𝑖=1 𝑗=0
nilai taksiran pada x = c, subtistusikan
− 𝑥𝑛−𝑗 ) semua informasi pada formula
𝑔𝑛,𝑘 (3,4,5) = 𝑓 (𝑥0 ) + 𝑓[𝑥1 , 𝑥0 ](𝑥 − 𝑥0 ) Polinomial Newton
+ 𝑓[𝑥2 , 𝑥1 , 𝑥0 ](𝑥 − 𝑥0 )(𝑥
𝑔𝑛,𝑘 (𝑥) = 𝑓 (𝑥0 ) +
− 𝑥1 )
∑𝑘𝑖=1[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥𝑛−𝑖 ] ∏𝑖=1
𝑗=0(𝑥 − 𝑥𝑛−𝑗 ).
+ 𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ](𝑥 − 𝑥0 )(𝑥
− 𝑥1 )(𝑥 − 𝑥2 ) Hasil Perhitungan Solusi
𝑔𝑛,𝑘 (3,4,5) Metode Newton Raphson Modifikasi
= [−5,14,47]
+ [−15.33333333,18, −86]([3,4,5] − [1,2,3])
Fuzzy untuk persamaan
+ [26.63261952,4.000000001,41.34697433]([3,4,5]
− [1,2,3])([3,4,5] − [2,3,4]) + [−21.70043016
𝑓[𝑥1 , 𝑥2 , 𝑥3 ] = [3,4,5][𝑥1 , 𝑥2 , 𝑥3 ]2
− 0.000001143,18.98494186]([3,4,5]
− [1,2,3][𝑥1 , 𝑥2 , 𝑥3 ] + [1,2,3]
− [1,2,3])([3,4,5] − [2,3,4])([3,4,5]
− [5.065217392,2.222222222,3.941860465])

Diperoleh nilai taksiran pada 𝑓[3,4,5]

𝑔𝑛,𝑘 (3,4,5)
adalah
= [−5,57.99999959,184.3059112]
[−5,57.99999959,184.3059112]

3.2. Saran
3. Penutup
3.1. Simpulan

75
Edisi Juni 2017 Volume X No. 2 ISSN 1979-8911

Dalam penelitian ini, kajian Mathematical Sciences, Vol.2,

yang dilakukan baru dibatasi untuk No.24, 1191 -1203, Iran.
solusi persamaan non-linier [6] Kwang F Lee .2005. First course
menggunakan Metode Newton on Fuzzy Theory and
Raphson modifikasi Fuzzy, sehingga Applications, Springer, Germany.
perlu dikembangkan lagi penelitian [7] Nugroho, Didit B. 2009. Metode
selanjutnya untuk untuk mencari Numerik Diktat Kuliah
solusi persamaan non-linier dengan Universitas, Kristen Satya
menggunakan Metode Broyden, Wacana, Salatiga
Fletcher, Goldfarb dan Shanno. [8] Basuki , Achmad. 2005. Metode
Numerik dan Algoritma
DAFTAR PUSTAKA Komputasi , Yogyakarta : Andi
[1] Chapra, S. C.1991. Metode [9] Burden ,R.L. & Faires ,J.D.2010.
Numerik Untuk Teknik, dengan Numerical Analysis, Ninth
Penerapan pada Komputer Edition. Brooks/Cole, Boston.
Pribadi. UI-Press, Jakarta.
[10] Subash, R. And Sathya, S.
[2] Ripai, 2012. Pengantar Analisis
2011.“Numerical solution of fuzzy
dan Komputasi Metode Numerik.
modified Newton-Raphson
Mataram : IAIN Mataram
method for solving non-linear
[3] Heath, T Michael.2002. An
equation” Vol.3.(11).390-
Intoducting Survey, Department
392.India.
of Computer Science University
of Illinois at Urbana-Champaign. [11] Noranita, B. 2008. Sistem
2002. Persamaan Linier Fuzzy. Jurnal
[4] Sri Kusumadewidan Sri Hartati. Matematika Vol. 11, No. 2,
2010. “Neuro-fuzzy Integral Agustus 2008, ISSN: 1410-8518,
Sistem Fuzzy dan Jaringan pp 94 – 99.
Syaraf”. Graha Ilmu, Yogyakarta.
[5] Shokri, Javad. 2008. “Numerical
Method for Solving Fuzzy
Nonlinear
Equations”. Applied

76