GALAT DAN ANGKA

SIGNIFIKAN
 Angka
Signifikan
Disebut juga angka penting

AS akan memberikan kriteria untuk merinci

seberapa keyakinan kita mengenai hasil
pendekatan dalam metode numerik
AS memberikan pengabaian dari angka
signifikan sisa untuk besaran-besaran yang
spesifik yang tidak bisa dinyatakan secara
eksak karena jumlah digit yang terbatas
 Angka
Signifikan

keandalan sebuah nilai numerik, yang dipakai untuk

Meyakinkan suatu hasil/nilai perhitungan

Angka 0 tidak selau menjadi

signifikan, maka diperlukan
suatu standar penulisan
desimal
Problem
solving
0,000135  mengandung 3 AP (nol bkn merupakan AP)
0,00135  mengandung 3 AP (nol bkn merupakan AP)
1,35 x 104  mengandung 3 AP (memakai notasi ilmiah)
1,350 x 104  mengandung 4 AP (memakai notasi
ilmiah)
1,3500 x 104  mengandung 5 AP (memakai notasi
ilmiah)
Akurasi
Dekatnya sebuah angka pendekatan
atau pengukuran terhadap harga
sebenarnya yang hendak dinyatakan.

Simpangan sistematis dari kebenaran

Presisi
Jumlah angka signifikan yang
menyatakan suatu besaran

Penyebaran dalam bacaan

berulang dari sebuah alat yang
mengukur suatu perilaku fisik
tertentu
 Makin akurat

Makin presisi
Galat atau
error
Terjadi karena
pendekatan (aproksimasi)
Menyatakan
tidak akurat dan
tidak presisi

Analisa Numerik dan Komputasi

Sumber error

•Nilai bawaan data

•Pembulatan
•Pemotongan

Analisa Numerik dan Komputasi

 Error karena
aproksimasi
ketika angka2 aproksimasi
dipakai utk menyatakan
angka-angka pasti.

•Pembulatan (round-off error)

•Pemotongan (truncation error)
saat aproksimasi digunakan
utk menyatakan suatu prosedur
matematika eksak.
Analisa Numerik dan Komputasi
Apa itu error sejati (absolut)?
Selisih antara nilai eksak dan dan nilai pendekatan

Nilai eksak = approksimasi + error

Analisa Numerik dan Komputasi

Error sejati (absolut)

Kesalahan sejati (Et) = nilai eksak –

approksimasi

Analisa Numerik dan Komputasi

Error relatif sejati

Kesalahan absolut
r 
Nilai eksak

Analisa Numerik dan Komputasi

Error relatif sejati (persentase)

Kesalahan absolut
r  x100%
Nilai eksak

Analisa Numerik dan Komputasi

Error hampiran (Approximate error)
 Error yang terjadi karena perhitungan
menggunakan nilai hampiran (pendekatan)

Error hampiran = Kesalahan sejati

sesudah (Ea2) – kesalahan sejati
sebelum (Ea1)
Analisa Numerik dan Komputasi
Error hampiran relatif sejati

Ea sekarang - Ea sebelum
r  x100%
Ea sekarang

Analisa Numerik dan Komputasi

Nilai mutlak kesalahan relatif
disyaratkan lebih kecil dari
suatu tolerasi

Analisa Numerik dan Komputasi

 Round off
Error
terjadi karena komputer hanya
mempertahankan sejumlah angka
tetap yang berarti selama proses
perhitungan.

Contoh π, tidak dapat dinyatakan secara eksak

oleh komputer

Analisa Numerik dan Komputasi

 Round off
Error
Misalkan nilai π =3.1415926535

Cara pemenggalan : π =3.141592 dengan

Error yang didapat : Ea = 0.00000065
Cara pembulatan : π =3.141593 dengan
Error yang didapat : Ea = 0.00000035

Ternyata round-off error cara pembulatan lebih baik

dari pemenggalan.
Analisa Numerik dan Komputasi
 Truncation
Error
terjadi karena pemotongan dari suatu
deret tak hingga menjadi deret
berhingga.
Pendekatan yang sering dipakai pada penyelesaian
numeric adalah deret Taylor

Analisa Numerik dan Komputasi

 Truncation
Error
Pendekatan yang sering dipakai pada
penyelesaian numeric adalah deret Taylor. Untuk
menyederhanakan permasalahan biasanya
perhatian hanya ditujukan pada beberapa suku
dari deret Taylor tersebut, sedangkan suku
lainnya diabaikan. Pengabaian suku inilah yang
menyebabkan truncation error.

Analisa Numerik dan Komputasi

 Truncation
Error
Pendekatan yang sering dipakai pada
penyelesaian numeric adalah deret Taylor. Untuk
menyederhanakan permasalahan biasanya
perhatian hanya ditujukan pada beberapa suku
dari deret Taylor tersebut, sedangkan suku
lainnya diabaikan. Pengabaian suku inilah yang
menyebabkan truncation error.

Analisa Numerik dan Komputasi

 Truncation
Error
Contoh :

Selanjutnya, seandainya dihitung exp(1/3).

Apabila exp(1/3) dinyatakan dengan
exp(0.3333) maka akan muncul suatu
kesalahan, yaitu :

Analisa Numerik dan Komputasi

 Truncation
Error
dimana x1 adalah kesalahan yang berkembang ( Propagated error ).
Apabila deret (1) tersebut dipotong setelah suku yang ke –5 , maka
diperoleh kesalahan pemotongan x2 , yaitu :

Analisa Numerik dan Komputasi

 Truncation
Error
Selanjutnya,

dan ini menimbulkan kesalahan akibat pembulatan

yaitu -0.0000296304 sehingga kesalahan totalnya
adalah 0.0001124250.

Analisa Numerik dan Komputasi