yaitu [𝑎, 𝑐] dan [𝑐, 𝑏]. Setelah itu, cek apakah 𝑓(𝑎)𝑓(𝑐) < 0 atau (𝑏)𝑓(𝑐) <
0 ? Jika 𝑓(𝑎)𝑓(𝑐) < 0 maka 𝑏 = 𝑐 (artinya titik 𝑏 digantikan oleh titik
𝑐 yang berfungsi sebagai titik 𝑏 pada iterasi berikutnya), jika tidak maka
𝑎 = 𝑐. Dari iterasi pertama kita memperoleh interval [𝑎, 𝑏] yang baru dan
titik tengah 𝑐 yang baru. Kemudian lakukan pengecekan lagi seperti
sebelumnya sampai memperoleh error yang cukup kecil.
Penyelesaian :
Langkah pertama kita akan tetapkan dua nilai batas sebagai interval.
kita akan ambil 0 dan 1. Jika di cari 𝑓(1) = -2 dan 𝑓(0) =-6.
𝑓(1)𝑓(0) = 12 > 0. Artinya pencarian akar pada selang ini gagal.
Untuk itu kita ambil interval lain yaitu 1 dan 2.
f (a) = -2, f (c) = 0,4. Karena f (a) f (c)= (-2)(0,4) = -0,8 < 0 , maka
akar yang dicari berada diinterval baru [a,c] = [ 1, 1.5]. Disini nilai b
digantikan oleh c. Lanjutkan lagi mencari c yang baru.
Jika anda melanjutkan hingga 8 kali maka baru akan diperoleh nilah |f
(c)| <0. Saat itu nilai |f (c)| = 0,006. Kemudian lihatlah nilai c pada
saat itu. Nilai c saat itu adalah 1,367. Maka solusi eksak dari fungsi
tersebut adalah : 1,367.
𝑓(𝑥0 )
− = (𝑥1 − 𝑥0 )
𝑓 ′ (𝑥0)
𝑓(𝑥0 )
𝑥1 = 𝑥0 −
𝑓 ′ (𝑥0 )
𝑓(𝑥0 )
𝑥2 = 𝑥1 −
𝑓 ′ (𝑥0 )
.
.
.
𝑓(𝑥 )
𝑥𝑛 = 𝑥𝑛−1 − 𝑓′ (𝑥𝑛−1 )
𝑛−1
untuk n = 1, 2, 3, …
C. Jebakan-Jebakan yang Terdapat pada Metode Newton-Raphson
Walaupun metode Newton-Raphson biasanya sangat efisien, terdapat
situasi dimana ia berjalan dengan buruk. Bilamana menangani akar-akar
yang sederhana, kadangkala timbul kesukaran.
Selain dari kekonvergenan yang lambat karena sifat alami dari fungsi
tersebut, kesukaran lain dapat timbul. Misalnya terjadi kasus dimana suatu
titik balik (inflection point) yang terjadi di suatu akar. Akan terjadi bahwa
iterasi dimulai pada x0 yang semakin lama semakin menjauhi akar,
berayun (oscillations) memutari suatu minimum atau maksimum lokal.
Suatu kemiringan nol [f'(x)=0] merupakan bencana yang nyata karena ia
menyebabkan adanya pembagian dengan nol dengan rumus Newton-
Raphson.
Satu-satunya pengobatan untuk situasi ini adalah dengan mempunyai
tekanan awalyang dekat ke akar. Pengetahuan ini, tentu saja mendasarkan
pada pengetahuan tentang keadaan masalah fisis atau sarana seperti grafik
yang memberikan wawasan berkenaan dengan perilaku penyelesaian.
Disarankan juga bahwa perangkat lunak komputer yang baik harus
dirancang untuk mengenali kekonvergenan atau kedivergenan yang lambat.
D. Contoh dan Pembahasan
Penyelesaian :
iterasi 1 :
18
x1 = 3 – 35 = 2.48571
iterasi 2 :
5,01019
x2 = 2.48571 – 16,57388 = 2.18342
iterasi 3 :
1,24457
x3 = 2.18342 – 8,70527 = 2.04045
iterasi 4 :
0,21726
x4 = 2.04045 – 5,74778 = 2.00265
iterasi 5 :
0,01334
x5 = 2.00265 – 5,04787 = 2.00001
iterasi 6 :
iterasi 7 :
n xn f (xn) f ‘(xn)
0 3 18 35
1 2.48571 5.01019 16.57388
2 2.18342 1.24457 8.70527
3 2.04045 0.21726 5.74778
4 2.00265 0.01334 5.04787
5 2.00001 0.00006 5.00023
6 2.00000 0.00000 5.00000
Penyelesaian :
x3 – 3x – 5 = 0
f (x) = x3 – 3x – 5
f ‘ (x) = 3x2 – 3
𝑥𝑛3 − 3𝑥𝑛 − 5
𝑥𝑛−1 = 𝑥𝑛 −
3𝑥𝑛2 − 3
Secara jelas sebuah akar berada antara 2 dan 3 karena f (2) = -3 dan f
(3) = 13. Kita memilih x0 = 3 dan mendapatkan secara suksesif:
x1 = 3 – (13/24) = 2.46
x2 = 2.295
x3 = 2.279
x4 = 2.279
Penyelesaian:
https://aimprof08.wordpress.com/2012/08/30/metode-bagi-dua-bisection-method/
http://www.marthamatika.com/2016/10/contoh-soal-dan-pembahasan-metode-
bagi-dua-metode-numerik.html
https://aimprof08.wordpress.com/2012/08/31/metode-newton-raphson-newton-
raphson-method/
https://blog.ub.ac.id/andrenainggolan/2013/09/29/metode-newton-raphson/