LAPORAN PRAKTIKUM KOMPUTASI PROSES

BAB III SISTEM PERSAMAAN NON LINEAR

Disusun Oleh :
Nama : Tegar gayuh pambudhi
NIM : 16521231
Kelas : G
Asisten : 1. Aditya kurniawan
2. Anantri nugraheni maghfirowati
3. Gigih lintang prasetyo
4. Panji Kumala Setiawan

LABORATORIUM KOMPUTASI PROSES

JURUSAN TEKNIK KIMIA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2018
 BAB I

PENDAHULUAN

A. TUJUAN
Agar mahasiswa dapat mencari akar persamaan non linier menggunakan
penyelesaian numeric
B. DASAR TEORI

Metode numerik yang dapat digunakan untuk menemukan akar akar persamaan non-
linier. Masalah yang akan kita bahas tersebut secara matematis dapat diterangkan
sebagai pencarian hargaharga x sedemikian hingga memenuhi persamaan non-liner f
x( ) = 0 . Manakala kita mengatakan bahwa f x( ) adalah fungsi non-linier dalam x , ini
berarti bahwa f x( ) tidak dinyatakan dalam bentuk ax b + , dimana a dan b merupakan
konstanta dan manakala kita mengatakan bahwa f x( ) adalah fungsi aljabar, ini berarti
bahwa fungsi tersebut tidak melibatkan bentuk diferensial n n d y dx .

Metode yang digunakan dalam penyelesaian persamaan non linear adalah :

 Metode Biseksi
 Metode Regula Falsi
 Metode Newton Raphson
 Metode Secan
1. Metode Biseksi
Ide awal metode ini adalah metode table, dimana area dibagi
menjadi N bagian. Hanya saja metode biseksi ini membagi range menjadi
2 bagian, dari dua bagian ini dipilih bagian mana yang mengandung dan
 bagian yang tidak mengandung akar dibuang. Hal ini dilakukan berulang-
ulang hingga diperoleh akar persamaan.

Metode Biseksi

Langkah 1
Pilih a sebagai batas bawah dan b sebagai batas atas untuk taksiran
akar sehingga terjadi perubahan tanda fungsi dalam selang interval. Atau periksa
apakah benar bahwa

f(a) . f(b) < 0

Langkah 2
Taksiran nilai akar baru, c diperoleh dari :

c=(a+b)/2

Langkah 3
Menentukan daerah yang berisi akar fungsi:

- Jika z merupakan akar fungsi, maka f(x < z) dan f(x > z) saling berbeda
tanda.
- f(a)*f(c) negatif, berarti di antara a & c ada akar fungsi.
 - f(b)*f(c) positif, berarti di antara b & c tidak ada akar fungsi
Langkah 4
Menentukan berhentinya itersi:

Proses pencarian akar fungsi dihentikan setelah keakuratan yang diinginkan

dicapai, yang dapat diketahui dari kesalahan relatif semu.

2. Metode Regula Falsi

Metode Regula Falsi disebut juga metode Interpolasi Linear yaitu metode yang
digunakan untuk mencari akar- akar persamaan nonlinear melalui proses iterasi
dengan persamaan:

Cara penyelesaian METODE REGULA FALSI

Carilah penyelesaian dari persamaan nonlinear di bawah ini dengan metode Regula
Falsi:

f(x) = x3 + x2 - 3x - 3 = 0

Penyelesaian:
Langkah 1: Menentukan dua titik nilai f(x) awal, f(x1) dan f(x2) dan harus memenuhi
hubungan f(x1)*f(x2)<0. misalkan nilai x1 = 1 dan x2 = 2.

f(x1)= 13 + 12 - 3(1) – 3 = -4
f(x2)= 23 + 22 - 3(2) – 3 = 3

Di dapat F(x1)*f(x2)<0 maka titik penyelesaian berada di antara nilai x1 = 1

dan x2 = 2.

Langkah 2: mencari nilai x3 dengan persamaan:

Dan f(x3)= 1.571423 + 1.57142 2 - 3(1.57142) – 3 = -1.3644314869

Langkah 3: Melakukan Iterasi dengan persamaan 2.1 pada hasil langkah 2 nilai f(x3)
hasilnya negative, dan untuk memnentukan nilai x4 harus f(xa*f(xb)<10 maka yang
memenuhi syarat nilai yang digunakan yaitu x2 dan x3 karena nilai f(x2)*f(x3)<0 maka
:
-

Dan f(x4)= 1.705413 + 1.705412 - 3(1.70541) – 3 = -0.247745

Iterasi selanjutnya mencari nilai x5 dan f(x5) dan begitu seterusnya sampai didapatkan
nilai error lebih kecil dari 10-7. Maka dari hasil perhitungan didapatkan nilai x =
1.7320508074. Dengan nilai errornya f(x)= 2.0008883439E-09.

3. Metode Newton Raphson

Mula mula diramalkan suatu harga x (misal x old), yang kira-kira memenuhi.
Berdasarkan harga tersebut dicari harga x yang lebih baik, yaitu xnew, yang didapatkan
dari persamaan :

𝑓(𝑥𝑜𝑙𝑑)
Xnew = xold - 𝑓′(𝑥𝑜𝑙𝑑) ..................................................... (3.1)

Selanjutnya harga xnew menjadi xold untuk mencari xnew berikutnya.

Demikian seterusnya hingga diperoleh harga x yang cukup baik. Hal ini ditandai
dengan harga xnew mendekati xold atau harga : f(xnew) ≈ 0. Dalam matlab , algoritma
untuk metode Newton Raphson dapat ditulis dalam M-file sebagai berikut,

Function root = newtraph(func,dfunc,xr,es,maxit)

% Menggunakan metode newton raphson untuk menentukan akar

persamaan.
% input :
% func = nama fungsi atau persamaan
% dfunc = nama turunan persamaan
 % xr = tebakan awal
% es = (opsional) kriteria mengehentikan iterasi (%)
% maxit = (opsional) jumlah iterasi maksimum
% Output :
% root = akar persamaan
if margin<5, maxit = 50; end
% jika maxit tidak ada maka ditentukan 50
if margin<4, es = 0.001; end
% jika es tidak ada maka ditentukan 0.001
% Newton Raphson
Iter = 0;
while(1)
xrold = xr;
xr = xr – func (xr)/dfunc(xr);
iter = iter + 1;
if xr ~= 0, ea = abs((xr – xrold)/xr)*100; end
if ea <= es │iter >= maxit, break, end
end
root = xr;

Setelah ditulis dan disimpan dalam M-file, file tersebut dapat dipanggil untuk
menentukan akar persamaan yang dinyatakan. Contohnya, jika ingin menyelesaikan
persamaan berikut inimenggunakan metode newton raphson :
f(x) = x2 – 9

maka dalam jendela command ditulis

>> y = @(x) x^2 – 9;

>> dy = @(x) 2*x;
>> xr = 5;
 >> newtraph (y,dy,xr)
ans =
3

Algoritma Metode Newton Raphson

1. Definisikan fungsi F(x) dan F1(x)

2. Tentukan toleransi error (e) dan iterasi maksimum (n)
3. Tentukan nilai pendekatan awal x0
4. Hitung F(x0) dan F1(x0)
5. Untuk iterasi i = 1 s/d n atau |f(xi)| > e Hitung f(xi+1) dan f 1(xi+1)
6. Akar persamaan adalah nilai xi+1 yang terakhir diperoleh.

4. Metode Secan
Metode Secant merupakan perbaikan dari metode regula-falsi dan Newton
Raphson, dimana kemiringan dua titik dinyatakan secara diskrit, dengan mengambil
bentuk garis lurus yang melalui satu titik

Dimana m diperoleh dari

Jika y=F(x), n y dan xn diketahui, maka titik ke n+1 adalah :

 Bila titik xn+1 dianggap sebagai akar persamaan maka yn+1 = 0
sehingga

1. Fungsi Penyelesaian Persamaan Nonlinier dalam matlab

Untuk menentukan akar-akar persamaan polinomial dalam matlab dapat
menggunakan command r = roots(p) dimana p adalah vektor koefisien polinomial.
Sebagai contoh, untuk menentukan akar persamaan
P(x) = x5 + 8,5x4 + 10x3 – 37,5x2 – 36x + 54
Kita dapat menuliskan command berikut ini dalam matlab
>> p = [1 8.5 10 -37.5 -36 54];
>> r = roots(p)
r=
-6.0000
-3.0000
-2.0000
1.5000
1.0000
Untuk jenis persamaan nonlinier lainnya, kita dapat menggunakan matlab function
yang disebut fzero dengan cara menuliskan

x = fzero(fun, x0) atau [x, residual] = fzero(fun, x0)

Jika fun didefinisikan sebagai anonymous function. Contohnya

>> fun = @(x)sin(x);

>> x0 = 3;

>> x = fzero(fun, x0)

 x=

3.1416

Atau

>> fun = @(x)sin(x);

>> x0 = 3;

>> [x residual] = fzero(fun, x0)

x=

3.1416

residual =

1.2246e-16

Jika fun dituliskan dalam bentuk M-function, kita dapat menuliskan di dalam file
dan menyimpannya dengan nama fun.m

function y = fun (x)

y = sin(x);

Selanjutnya dalam jendela command dapat ditulis

>> x0 = 3;

>> x = fzero(@fun, x0)

x=

3.1416

Atau
 >> x0 = 3;

>> [x residual] = fzero(fun, x0)

x=

3.1416

residual =

1.2246e-16

Sistem Persamaan Nonlinier

Kita dapat menggunakan fzero untuk menyelesaikan persamaan nonlinier tunggal,
namun untuk sistem persamaan nonlinier kita perlu menggunakan fsolve. Penggunaan
command ini sama dengan fzero, akan tetapi sistem persamaannya harus didefinisikan
terlebuh dahulu menggunakan M-function.

Contohnya, untuk menyelesaikan sistem persamaan berkut ini

x2 - 3y + 2 = 0
x3 – 4x2 – xy+1= 0
Kita dapat mendefinisikan M-function dengan nama fun2:
Lalu dalam jendela command ditulis
>> x0 = [0,0];
>> [x, residual] = fsolve(@fun2, x0)
x=
0.4371 0.7304
residual =
1.0e-12*
0.2742
-0.6775
ALGORITMA :

1. Menentukan nilai x dan ɛ

2. Menghitung nilai f(xold)
𝑓(𝑥old+ɛ)−𝑓(𝑥old−ɛ)
3. Menghitung niai 𝑓(𝑥old) = 2ɛ
𝑓(𝑥old)
4. Menghitung nilai 𝑋new = 𝑋old − (𝑓′(𝑥old))

Catatan : iterasi dihentikan apabila Xnew = Xnew atau f(xold) = 0

 BAB II

PERSOALAN DAN PENYELESAIAN

A. LATIHAN SOAL

1. Tentukan nilai dari akar persamaan non linear di bawah ini dengan metode
newton raphson. Dengan x0 = 5 dan e = 0,0001

𝑦 = 𝑥 3 + 2𝑥 2 + 10𝑥 − 20

Penyelesaian :

y = @(x)x^3 + 2*x^2 + 10*x - 20;

x = 5;

%penyelesaian

newtraph (y,x,0.0001)

ans =

1.3688
2. Tentukan akar persamaan non linear dibawah ini dengan menggunakan
metode newton raphson. Dengan x0 = 6 dan e 0,0002

1 3𝑥 2 4
𝑌= 𝑒 2𝑥 − − √5𝑥
√𝑥

Penyelesaian :

y = @(x)exp (1/(2*x)) - ((3*x^2)/sqrt(x))-(5*x)^(1/4);

x = 6;

%penyelesaian

newtraph (y,x,0.0002)

ans =

0.5464

3. Tentukan akar dari persamaan non linear dibawah ini dengan menggunakan
metode fzero dengan x0 = 4

4 2
𝑌 = 𝑒 √𝑥 + cos(3𝑥) + 4sin(𝑥)
 Penyelesaian :

y = @(x) exp((x^2)^(1/4))+cos (3*x) + 4*sin (x);

x = 4;

%penyelesaian

r = fzero(y,x)

r = -0.5359

4. Tentukan akar-akar dari persamaan non linear ini dengan menggunakan metode
Roots.

𝑃 = 𝑥 4 + 4𝑥 3 + 6𝑥 2 + 4𝑥 + 1

Penyelesaian :

p = [ 1 4 6 4 1 ];

%penyelesaian

r = roots (p)
 r=

-1.0002 + 0.0000i
-1.0000 + 0.0002i
-1.0000 - 0.0002i
-0.9998 + 0.0000i

B . TUGAS

1. Persamaan berikut ini menujukan kosentrasi suatu reaksi kimia di dalam reactor
berpengaduk :

𝐶 = 𝑐𝑖𝑛 (1 − 𝑒 −0,04𝑡 ) + 𝑐0 𝑒 −0,04𝑡

Jika dketahui osentrasi awal c0 = 4 dan kosentrasi masuk cin = 10 , dengan

menggunaka matlab hitunglah waktu yang diperlukan pada saat kosentrasi
bahan di dalam reactor (c) menjadi 93% dari kosetrasi masuk (cin).

Penyelesaian :

fun = @(t) (10*(1-exp(-0.04*t))+(4*exp(-0.04*t))-9.3);

% penyelesaian

t = newtraph (fun,0.1)

t = 53.6742
2. Tentukan akar dair persamaan non linear diawah ini dengan menggunakan
metode fzero dengan x0 = 2

1
𝑌 = sin ( ) − √𝑥 + 𝑒 2𝑥 + 2𝑥 4 − 𝑐𝑜𝑠(2𝑥 2 + 2𝑥)
2𝑥 − 3

Penyelesaian :

y =@(x) sin(1/(2*x-3))-(x)^(1/2)+exp(2*x)+2*x^4-
cos(3*x^2+2*x);
x0 = 2;

%penyelesaian

x = fzero(y,x0)

x=

0.2513

3. Tentukan akar dari persamaan non linear dibawah ini dengan menggunakan
metode newton raphson. Dengan x0 = 3 dan e = 0,004

𝑥2
𝑌 = 𝑐𝑜𝑠2𝑥 3 + + 2𝑥
𝑥 0,2

Penyelesaian :

y = @(x) cos(2*x^3) + (x^2/x^0.2) + 2*x ;

x0 = 3;
 %penyelesaian
newtraph (y,x0,0.004)

ans =
-0.3682 + 0.0187i

4. Tentukan akar-akar dari persamaan non linear dibawah ini dengan

menggunakan metode Roots.

𝑃 = 𝑥 7 + 7,8𝑥 6 − 0,9𝑥 5 + 7𝑥 4 + 3𝑥 3 − 4,52 + 𝑥 + 32

Penyelsaian :

p = [ 1 7.8 -0.9 7 3 -4.5 1 32];

% penyelesaian

r = roots (p)

r=

-8.0145 + 0.0000i
-1.0104 + 0.6144i
-1.0104 - 0.6144i
0.1258 + 1.4215i
0.1258 - 1.4215i
0.9919 + 0.6467i
0.9919 - 0.6467i
 BAB III
PENUTUP

A. KESIMPULAN
 Kualitatif
 Penyelesaian persamaan non linier adalah penentuan akar-akar persamaan non
linier.Dimana akar sebuah persamaan f(x) =0 adalah nilai-nilai x yang
menyebabkan nilai f(x) sama dengan nol. Dengan kata lain akar persamaan
f(x) adalah titik potong antara kurva f(x) dan sumbu X.
 Metode yang digunakan dalam penyelesaian persamaan non linear adalah :
 Metode Biseksi
 Metode Regula Falsi
 Metode Newton Raphson
 Metode Secan
 menggunakan fzero untuk menyelesaikan persamaan nonlinier tunggal,
namun untuk sistem persamaan nonlinier kita perlu menggunakan fsolve.
Penggunaan command ini sama dengan fzero, akan tetapi sistem
persamaannya harus didefinisikan terlebuh dahulu menggunakan M-function
 Kuantitatif

 Waktu yang di perlukan dari persamaan 𝐶 = 𝑐𝑖𝑛 (1 − 𝑒 −0,04𝑡 ) + 𝑐0 𝑒 −0,04𝑡

adalah t = 53.6742
1
 Akar persamaan dari 𝑌 = sin (2𝑥−3) − √𝑥 + 𝑒 2𝑥 + 2𝑥 4 − 𝑐𝑜𝑠(2𝑥 2 + 2𝑥)

adalah x = 0.2513
𝑥2
 Akar persamaan dari 𝑌 = 𝑐𝑜𝑠2𝑥 3 + 𝑥 0,2 + 2𝑥 adalah ans = -0.3682 + 0.0187i
 Akar persamaan dari 𝑃 = 𝑥 7 + 7,8𝑥 6 − 0,9𝑥 5 + 7𝑥 4 + 3𝑥 3 − 4,52 + 𝑥 + 32
adalah r = -8.0145 + 0.0000i ; -1.0104 + 0.6144i ; -1.0104 - 0.6144i ;
0.1258 + 1.4215i ; 0.1258 - 1.4215i ; 0.9919 + 0.6467i ; 0.9919 - 0.6467i

B. SARAN

 Mahasiswa diharapkan mampu memahami penyelesaian persoalan persamaan

non-liner dengan cara manual atau menggunakan Ms.Excel sebelum
menggunakan matlab, sebab matlab sudah memudahkan mahasiswa untuk
memyelesaikan persamaan non-linier. Sehingga mahasiswa paham dengan
mendalam persamaan non- linier ini.
 Dibutuhkan ketelitian mahasisawa dalam memasukka angka dan notasi
(tanda) pada saat penyelesaian pada excel, sebab dapat mempengaruhi hasil
dari persamaan non-linier tersebut
 Tidak usah adanya penambahan nilai dengan menjawab soal dengan cepat