2.

AKAR-AKAR PERSAMAAN NON LINIER

Dalam matematika terapan, sering dijumpai masalah bagaimana mencari akar dari
persamaan :
f(x) = 0 [2.1]
z disebut akar dari f(x) jika berlaku f(z) = 0
perhatikan contoh-contoh berikut ini :
1. x2 + x – 1 = 0
2. x3 + 2x2 +2 = x
3. 1
2
( x +1 )
2
−x=0
3
( x−4 )
4. sin (x) = x – ex
5. sin (x) cos (x) = 0
6. x2 sin (x) + sinh (x) = 0
7. ln (x) + sin (x) = x
Contoh 1 – 3 di atas disebut Fungsi Aljabar, sedangkan contoh 4 – 7 disebut Fungsi Transenden
(Fungsi Non Aljabar).
Di dalam bab ini dipelajari beberapa metode untuk mencari akar-akar suatu persamaan non
linear.
Untuk polinomial derajat dua yang dikenal dengan nama persamaan kuadrat yaitu
f(x) = ax2 + bx + c = 0, dapat dicari akar-akarnya secara analitis dengan menggunakan rumus (dikenal
dengan rumus ABC), yaitu :
[2.2]
−b±√ b −4 ac
2
x 12 =
2a
Untuk polinomial derajat tiga atau empat, rumus-rumus yang ada sangat kompleks dan jarang
sekali digunakan. Sedang untuk persamaan-persamaan dengan derajat yang lebih tinggi tidak ada
rumus yang dapat digunakan untuk menyelesaikannya.
Metode numerik memberikan cara-cara untuk menyelesaikan bentuk persamaan tersebut secara
perkiraan sampai diperoleh hasil yang mendekati penyelesaian eksak. Penyelesaian numerik dilakukan
dengan perkiraan yang berurutan (iterasi), sedemikian sehingga setiap hasil adalah lebih teliti
dari perkiraan sebelumnya.
Metode iterasi Numerik adalah suatu metode dimana kita memilih nilai xo sebarang, kemudian
menghitung barisan xo, x1, x2, x3, … secara rekursi dengan rumus berbentuk :
xn+1 = g(xn) [2.3]
Jadi bila diberikan nilai xo, secara beruntun kita dapat mencari :
x1 = g(xo) ;
x2 = g(x1) ;
x3 = g(x2) ;
x4 = g(x3) ;
dan seterusnya.
Defenisi 2.1

Rzky@gung
 Suatu barisan xo, x1, x2, x3, … disebut konvergen jika terdapat suatu k sedemikian hungga untuk
setiap n k berlaku :
xn = xn+1 [2.4]
Selanjutnya bila tidak, dalam arti x k xk+1 untuk setiap k maka barisan xo, x1, x2, x3, … disebut
divergen.
Dapat dikatakan bahwa metode iterasi sangat penting untuk beragam jenis masalah dalam
analisis numeris. Metode iterasi mempunyai keuntungan bahwa umumnya tidak sangat terpengaruh
oleh merambatnya galat pembulatan.
Ada banyak cara yang dapat dilakukan untuk mencari penyelesaian dari persamaan non linear
f(x) = 0 akan tetapi yang akan dibicarakan antara lain :
1. Metode Lokalisasi Akar
(Kurungan), yang terdiri dari :
o Metode grafik
o Metode tabel (daftar)
o Metode Bagi Dua
(Bisection Method)
o Metode Posisi Palsu
(Regula False)
2. Metode Terbuka, yang
terdiri dari :
o Metode Titik Tetap (Fixed
Point)
o Metode Newton Rapson
o Metode Tali Busur
(Secant)
o Modifikasi Metode
Newton Rapson Untuk Polinomial
A. LOKALISASI AKAR
Metode ini yang paling sederhana dalam mencari akar suatu fungsi f(x) = 0 adalah dengan
Metode Grafik atau menggunakan Metode Tabel (Daftar).
a. Metode Grafik
Pada prinsipnya dengan metode grafik tersebut, kita hanya dapat memperkirakan nilai
akar setelah dari fungsi tersebut digambarkan, seperti yang ditunjukkan pada Gambar 2.1

2
b. Metode Tabel (Daftar)
Metode tabel adalah suatu cara untuk mencari akar-akar dari suatu persamaan non linear
dengan cara membuat daftar nilai fungsi pada beberapa nilai x yang berbeda, kemudian
memperkirakan disekitar mana nilai z sedemikian sehingga f(z) = 0.
Contoh 1 :
Lokalisasikan akar persamaan :
f(x) = e-x – x
Penyelesaian :
Tabel 1
x f(x)
0.0 1.000
0.2 0.619
0.4 0.270
0.6 -0.251
0.8 -0.351
1.0 -0.632

Kesimpulan yang dapat dibuat berdasarkan tabel 2.1 adalah terdapat suatu akar yang
terletak pada selang (0.4,0.6) karena nilai f(0.4) > 0 sedangkan nilai f(0.6) < 0. selanjutnya
untuk lebih mendekati akar yang diinginkan dapat dipilih sebarang nilai pada selang (0.4,0.6).
Proses ini dapat dilanjutkan hingga diperoleh nilai fungsi yang
mendekati 0. (mendekati dalam batas toleransi yang diinginkan).
Kedua metode lokalisasi akar ini kurang diminati, karena pendekatan akar yang
diperoleh tergantung sedekat apa nilainya dengan f(x) = 0 yang diperoleh, disamping itu nilai
hampiran akar yang diperoleh tergantung dari intuisi pendekatan kita.
c. Metode Bagi dua
Metode bagi dua adalah suatu metode untuk mencari akar dari f(x) = 0, dimana f(x)
kontinu. Metode ini didasarkan pada teorema 2.1 berikut :
Teorema 2.1
Bila f(x) kontinu, pada selang [a,b] = {xa x b} sedemikian sehingga f(a) berlawanan tanda
dengan f(b) atau f(a) f(b) < 0, maka terdapat suatu nilai x = z sedemikian hingga f(z) = 0.
Lihat Gambar 2.2 a dan Gambar 2.2.b

Metode bagi dua ini, memerlukan dua nilai sebagai tebakan awal, masing-masing a dan
b dengan nilai f(a) dan f(b) berlawanan tanda. Kemudian membagi selang tersebut menjadi
dua bagian yang sama panjang, sebut titik tengahnya T, jadi :

3
 T= [2.5]
a+b
2

Penentuan setengah selang yang mengandung akar dilakukan dengan memeriksa tanda
dari hasil kali f(a) f(T).
[2.6]

{
¿ 0 berarti akar Berada pada ( a , T )
f (a ) f (T ) ¿ 0 berarti akar = T
¿ 0 berarti akar berada pada ( T , b )
Kemudian dalam algoritma digunakan peubah-peubah :
a sebagai ujung kiri selang
b sebagai ujung selang kanan dan
T sebagai titik tengah.
Perhatikan algoritma berikut :

ALGORITMA METODE BAGI DUA

Masukkan : f(x), a, b, dan (Epsilon)
Keluarkan : akar
Langkah-langkah :
ab
1. T = 2
2. Jika f(a)f(T) < 0 maka b = T, jika tidak a = T
3. Jika b – a maka akar = T. Selesai.
4. Ulangi kembali langkah 1.
Langkah ke 3 pada algoritma di atas, dapat dipilih dalam bentuk yang lain, misalnya
digunakan :
3. Jika maka Akar = T. selesai.
|f ( T )|<ε ,
Contoh 2 :
Gunakan metode bagi dua untuk menghitung salah satu dari :
f ( x )≡x 2 −3 x+1=0
Dengan memilih nilai awal a = 2 dan b = 4. Gunakan nilai = 0.001
Penyelesaian :
a = 2 maka f(2) = 22 – 3(2) +1 = -1
b = 4 maka f(4) = 42 – 3(4) +1 = 5

4
 T= maka f(3) = 32 – 3(3) + 1 = 1
(2+ 4 )
=3
2
Kar
ena nilai f(a) f(T) < 0 maka nilai T berubah menjadi b yang baru :
T= maka f(2.5) = 2.52 – 3(2.5) + 1 = -0.25
(2+3 )
=2. 5
2
Karena f(a) f(T) >0 maka nilai T berubah menjadi nilai a yang baru :
T= maka f(2.75) = (2.75)2 – 3(2.75) + 1 = 0.3125
(2 . 5+3 )
=2 .75
2
Proses tersebut dilanjutkan, hasil lengkap perhitungan diberikan pada tabel 2 berikut
ini :
Tabel 2
Iterasi a b T f(a) f(b) f(T) f(a) f(T).
0 2.000 4.000 3.000 -1.0000 5.000 1.0000 Negatif
0 0 0 0
1 2.000 3.000 2.500 -1.0000 1.000 - Positif
0 0 0 0 0.25000
2 2.500 3.000 2.750 -0.2500 1.000 0.3125 Negatif
0 0 0 0
3 2.500 2.750 2.625 -0.2500 0.312 0.0156 Negatif
0 0 0 5
4 2.500 2.625 2.562 -0.2500 0.015 -0.1211 Positif
0 0 5 6
5 2.562 2.625 2.593 -0.1211 0.015 -0.0537 Positif
5 0 8 6
6 2.593 2.625 2.609 -0.0537 0.015 -0.0019 Positif
8 0 4 6
7 2.609 2.625 2.617 -0.0193 0.015 0.0069 Negatif
4 0 2 6
8 2.617 2.625 2.621 -0.0019 0.015 0.0025 Negatif
2 0 1 6
9 2.617 2.621 2.619 -0.0019 0.006 0.0003
2 1 1 9
Contoh 3 :
Gunakan metode bagi dua untuk menghitung salah satu akar dari

f(x)
x
¿ e −4 x
Pilih nilai awal a = 0 dan b = 1. Gunakan nilai = 0.001.
Penyelesaian :
a = 0 maka f(0) = e0 – 4(0) = 1
b = 1 maka f(1) = e1 – 4 (1) = -1.2817
T = 0.5 maka f(0.5) = e0.5 – 4(0.5) = -0.3513
Karena nilai f(a) f(T) < 0 maka nilai T berubah menjadi b yang baru :
T = 0.25 maka f(0.25) = e0.25 – 4(0.25) = 0.2840
Karena nilai f(a) f(T) > 0 maka nilai T berubah menjadi a yang baru :
T = 0.375 maka f(0.375) = e0.375 – 4(0.375) = -0.0450
Proses tersebut dilanjutkan, hasil lengkap perhitungan diberikan pada tabel 3 berikut
ini :
Tabel 3 :
5
Iterasi a b T f(a) f(b) f(T) f(a) f(T).
0 0.000 1.000 0.500 1.0000 - -0.3513 Negatif
0 0 0 1.2817
1 0.000 0.500 0.250 1.0000 - 0.2840 Positif
0 0 0 0.3513
2 0.250 0.500 0.375 0.2840 - -0.0450 Negatif
0 0 0 0.3513
3 0.250 0.375 0.312 0.2840 - 0.1168 Positif
0 0 5 0.0450
4 0.312 0.375 0.343 0.1168 - 0.0352 Positif
5 0 8 0.0450
5 0.343 0.375 0.359 0.0352 - -0.0051 Negatif
8 0 4 0.0450
6 0.343 0.359 0.351 0.0352 - 0.0150 Positif
8 4 6 0.0051
7 0.351 0.359 0.355 0.0150 - 0.0050 Positif
6 4 5 0.0051
8 0.355 0.359 0.357 0.0050 - -0.0000 Negatif
5 4 4 0.0054

d. Metode Posisi Palsu (Regula False)

Metode setengah interval yang dibahas dalam sub c memang mudah tetapi tidak efisien,
karena kadang-kadang untuk mendapatkan hasil yang cukup dekat dengan nilai eksak
diperlukan iterasi yang cukup panjang.
Metode posisi palsu, memanfaatkan wawasan grafis ini dengan cara menetapkan
hampiran akar c sebagai perpotongan antara garis pada dengan sumbu x. garis yang dimaksud
adalah garis lurus yang menghubungkan titik (a,f(a)) dengan (b,f(b)), dimana f(a) dan f(b)
berlawanan tanda. Lihat gambar 2.6.
Persamaan garis lurus yang melalui titik-titik (a,f(a)) dan (b,f(b)), adalah :
y – f(a) = [2.7]
f ( b ) −f ( a )
( x−a )
b−a
Misalkan garis tersebut memotong sumbu – x di titik (0,c) maka :
-f(a) = atau
f ( b ) −f ( a ) ( b−a ) f ( a )
( c−a ) c=a−
b−a f ( b )−f ( a )
Sehingga :
[2.8]
af ( b ) −bf ( a )
c=
f ( b ) −f ( a )

6
Dengan memodifikasi persamaan [2.6] diperoleh :
( b−a ) f ( b )
b−c=
f ( b )−f ( a )
( b−a ) f ( b )
c=b−
f ( b )−f ( a )
Sehingga :
[2.9]
af ( b ) −bf ( a )
c=
f ( b ) −f ( a )
Penentuan setengah selang yang mengandung akar dilakukan sama seperti pada metode
bagi dua, yaitu dengan memeriksa tanda dari hasil kali
f (a ). f (c )
[2.10]

{
¿ 0 berarti akar berada pada ( a , c )
f ( a ) f ( c )= ¿ 0 berarti akar = c
¿ 0 berarti akar berada pada ( c , b )
Dengan demikian algoritma metode posisi palsu dapat dituliskan sebagai berikut :
ALGORITMA METODE TITIK PALSU
Masukkan : f(x), a, b dan Epsilon ()
Keluarkan : Akar
Langkah-langkah :
1. c lama = 2b – a
af  b   bf  a 
2. c = f  b   f  a 
c  c lama

3. Jika  , maka Akar = c. selesai.

4. Jika f  a . f  c  < 0 maka b = c jika tidak a = c

5. c lama = c, kembali ke langkah 2
Perhatikan bahwa pada langkah ke -3 pada algoritma di atas digunakan syarat untuk berhenti
adalah nilai kesalahan relatif. Bila kita menghendaki syarat lain dapat dipilih misalnya :
3. Jika ,
c−c lama
| |<ε
ε
maka Akar = c. selesai.
Contoh 4 :
Gunakan metode Posisi Palsu untuk menghitung salah satu akar dari persamaan berikut :
7
 2
f ( x )≡x −3 x+1=0
Dengan memilih nilai awal a = 2 dan b = 4. gunakan nilai = 0.001
Penyelesaian :
a = 2 maka f(2) = 22 – 3(2) + 1 = -1
b = 4 maka
2
f ( 4 ) =4 −3 ( 4 ) +1=5
c=
[( 2 )( 5 ) −( 4 )(−1 ) ] =2. 333
[5−(−1 ) ]
maka
2
f ( 2 .3333 )=( 2 .3333 ) −3 ( 2 .3333 ) +1=−0 . 5556
karena nilai > 0 maka nilai c berubah menjadi nilai a yang baru :
f (a ). f (c )

c=
[ ( 2. 3333 ) ( 5 )− ( 4 ) ] =2 . 5000
[ 5−(−0. 5556 ) ]
Maka
2
f ( 2 .5000 )=( 2. 5000 ) −3 ( 2. 5000 ) +1=−0 . 2500
Karena > 0 maka nilai c berubah menjadi nilai a yang baru :
f (a ). f (c )

c=
[ ( 2. 5 ) ( 5 )− ( 4 ) ] =2 . 5714
[ 5−(−0. 25 ) ]
Maka
2
f ( 2 .5714 )=( 2 .5714 ) −3 ( 2. 5714 ) +1=−0 . 1020

8
 Proses tersebut dilanjutkan, hasil lengkap perhitungan diberikan pada tabel 4 berikut berikut ini

Tabel 4
Iterasi A b c f(a) f(b) f(c) f(a) f(c).
0 2.000 4.000 3.000 -3.0000 3.0000 -1.0000 Positif
0 0 0
1 3.000 4.000 3.250 -1.0000 3.0000 -0.1875 Positif
0 0 0
2 3.250 4.000 3.294 -0.1875 3.0000 -0.0311 Positif
0 0 1
3 3.294 4.000 3.301 -0.0311 3.0000 -0.0051 Positif
1 0 4
4 3.301 4.000 3.302 -0.0051 3.0000 -0.0008 Positif
4 0 5
Bandingkan hasil yang diperoleh bila digunakan metode bagi dua.

Contoh 5 :

Gunakan metode posisi palsu untuk menyelesaikan persamaan berikut

f ( x )=e x−4 x
Pilih nilai awal a = 0 dan b = 1. Gunakan nilai = 0.001

Penyelesaian :

a= 0 maka
f ( 0 )=e 0 −4 ( 0 )=1
b=1 maka
f ( 1 )=e1 −4 ( 1 )=−1. 2817

c=
[ ( 0 ) (−1 . 2817 )−( 1 ) ( 1 ) ] =0 . 4383
[ (−1 .2717 )−( 1 ) ]
Maka
0.4383
f ( 0 . 4383 ) =e −4 ( 0 . 4383 )=−0 . 2030
Karena < 0 maka nilai c berubah menjadi b yang baru :
f (a ). f (c )

c=
[ ( 0 ) (−0. 0177 )−( 0 .3643 )( 1 ) ] =0 . 3580
[ (−0 . 0177 )− ( 1 ) ]
Maka
0 .3580
f ( 0 . 3580 )=e −4 ( 0 . 3580 )=−0 .0014
Proses tersebut dilanjutkan, hasil lengkap perhitungan diberikan pada tabel 5 berikut
ini :
Tabel 5
Iterasi A b c f(a) f(b) f(c) f(a) f(c).
0 0.000 1.000 0.438 1.0000 -1.2817 -0.2030 Negatif
0 0 3
1 0.000 0.438 0.364 1.0000 -0.2030 -0.0177 Negatif
0 3 3
2 0.000 0.364 0.358 1.0000 -0.0177 -0.0014 Negatif
0 3 0
3 0.000 0.358 0.357 1.0000 -0.0014 -0.0001 Negatif
0 0 4
9
 4 0.000 0.357 0.357 1.0000 -0.0001 -0.0000 Negatif
0 4 4
Bandingkan hasil yang diperoleh bila menggunakan metode bagi dua.
Contoh 6 :
Hitung salah satu akar dari persamaan :
3 2
f ( x )=x +x −3 x−3=0
Penyelesaian :
Seperti pada contoh metode bagi dua, langkah pertama adalah menghitung nilai pada
f (x)
suatu nilai a dan b sedemikian sehingga dan berlawanan tanda.
f (a ) f (b )
Misalkan dipilih nilai awal a = 1 dan b = 2, maka :
f ( 1 )=13 +12 −3 (1 )−3=−4
f ( 2 )=23 +22 −3 ( 2 )−3=3
Selanjutnya dengan menggunakan persamaan [2.7] diperoleh :
1 (3 )−2 (−4 ) 11
c= = =1 .57143
3−(−4 ) 7
3 2
f ( c )=f ( 1. 57143 )= (1 . 57143 ) + ( 1 .57143 ) −3 ( 1 .57143 ) −3=−1 .36442
Karena >0 maka nilai c dipilih menjadi nilai a yang baru
f (a ). f (c )
a = 1.57143 dan b = 2
selanjutnya kembali dengan menggunakan persamaan [2.7] diperoleh :

1. 57143 ( 3 )−2 (−1. 36442 ) 7 . 44313

c= = =1 . 70541
3−(−1 . 36442 ) 4 . 36442
3 2
f ( c )=f ( 1. 70541 )=( 1 .70541 ) + ( 1. 70541 ) −3 (1 . 70541 )−3=−0 . 24775
Karena > 0 maka nilai c dipilih menjadi nilai a yang baru
f (a ). f (c )
a = 1.70541 dan b = 2
dengan menggunakan persamaan [2.7] diperoleh :
1. 70541 (3 )−2 (−0. 24775 ) 5 .61173
c= = =1 .72788
3−(−0 . 24775 ) 3 .24775
3 2
f ( c )=f ( 1. 72778 )= (1 . 72778 ) + ( 1 .72788 ) −3 ( 1 .72788 ) −3=−0 . 0393
Proses tersebut dilanjutkan, hasil lengkap perhitungan diberikan pada tabel 6 berikut ini :
Tabel 6.
Iterasi A b c f(a) f(b) f(c) f(a) f(c).
0 1.000 2.000 1.571 -4.0000 3.0000 -1.3644 Positif
0 0 4
1 1.571 2.000 1.725 -1.3644 3.0000 -0.2478 Positif
4 0 4
2 1.705 2.000 1.727 -0.2478 3.0000 -0.0393 Positif
4 0 9
3 1.757 2.000 1.731 -0.0393 3.0000 -0.0061 Positif
9 0 4
4 1.731 2.000 1.732 -0.0061 3.0000 -0.0010 Positif
4 0 0
5 1.732 2.000 1.732 -0.0010 3.0000 -0.0002 Positif
0 0 0

10
 6 1.732 2.000 1.732 -0.0002 3.0000 -0.0000 Positif
0 0 1
7 1.732 2.000 1.732 -0.0000 3.0000 -0.0000 Positif
1 0 1
8 1.732 2.000 1.732 -0.0000 3.0000 -0.0000 Positif
1 0 1

B. METODE TERBUKA
Salah satu kelebihan metode kurungan adalah adanya jaminan akan ditemukan barisan yang

konvergen, metode ini mempunyai kekurangan karena diperlukan dua nilai a dan b dengan
f (a )

dan yang berlainan tanda. Pada beberapa masalah hal ini sangat sulit kita temukan. Untuk
f (b )
mengatasi masalah tersebut, berikut ini dibahas metode lain dalam mencari akar-akar suatu
persamaan non linier.
1. Metode Titik Tetap
Metode titik tetap ini dikerjakan dengan jalan mentransformasikan fungsi
f ( x )=0

secara aljabar ke bentuk . Suatu penyelesaian dari bentuk disebut titik

x=g ( x ) x=g ( x )
tetap dari g. Prosedur iterasi yang bersesuaian akan diberikan oleh :
[2.11]
x n+1 =g ( x n )

Bagian iterasi xo, x1, x2, x3, … mungkin berbeda satu sama lain (panjang iterasinya) tergantung
dari pemilihan nilai awal serta bentuk iterasi yang dipilih. Sebagai ilustrasi perhatikan contoh
sederhana berikut :
Contoh 7 :
Susun proses iterasi untuk menghitung akar dari persamaan kuadrat berikut :

f ( x )≡x 2 −3 x+1=0
Akar yang sebenarnya dengan menggunakan rumus abc, adalah :
x 12=1. 5± √1 .25
dan
x 1=2 . 618034 x 2=0. 381966
Penyelesaian :
Misalkan ada tiga orang (Si A, Si C dan Si C) yang menyelesaikan masalah tersebut, dengan
cara yang berbeda seperti yang diberikan pada kolom
berikut :
Tabel 7
Si A Si B Si C

11
 f  x   x 2  3x  1  0 f  x   x 2  3x  1  0 f  x   x 2  3x  1  0
3x  x 2  1 x 2  3x  1 x 2  3x  1

1
x  x2  1  x  3x  1 x  3
1
3 x
xn1  g  xn    3 xn  1
xn1
1

 g  xn   xn2  1
3
 xn1  g  xn   3 
1
xn
x0  1 x0  1 x0  1
x1  0.666667 x1  1.414214 x1  2
x 2  0.481481 x 2  2.800733 x 2  2.5
x3  0.410608 x3  2.098142 x3  2.6
x 4  0.389533 x 4  2.300962 x 4  2.615385
x5  0.383912 x5  2.429586 x5  2.617647
x6  0.382463 x6  2.507739 x6  2.617978
x7  0.382093 x7  2.554059 x7  2.618026
x8  0.391998 x8  2.581119 x8  2.618033
x9  0.391974 x9  2.596798 x9  2.618034
x10  0.391968 x10  2.605838 x10  2.618034
Perhatikan bahwa, ketiga cara tersebut walaupun memilih nilai awal yang sama, akan tetapi
hasil yang diperoleh berbeda. Dengan cara si A ternyata iterasinya menuju ke akar yang
pertama, hasil ini eksak 6 desimal diperoleh pada iterasi ke 11. dengan cara si B ternyata
iterasinya menuju kea akar yang kedua, bila iterasinya dilanjutkan hasil eksak 6 desimal
diperoleh pada iterasi ke 30, sedangkan dengan cara si C iterasinya menuju ke akar yang kedua,
akan tetapi hanya pada iterasi ke 9 telah diperoleh hasil eksak 6 desimal.
Perhatikan bahwa pada metode titik tetap, fungsi dimodifikasi menjadi
f ( x )=0

. Penyelesaian dengan metode titik tetap secara grafik mencari titik potong antara
x=g ( x )

garis dan kurva , lihat Gambar 2.7 – Gambar 2.10. Untuk menghindari
y=x y=g ( x )
iterasi yang berkepanjangan atau tidak konvergen (divergen), pilihlah bentuk iterasi yang
memenuhi sifat berikut.
Sifat konvergensi metode titik tetap
Andaikan adalah suatu penyelesaian dari dan andaikan mempunyai
x= s x=g ( x ) g ( x)

turunan yang kontinu pada selang J yang memuat s. maka jika dalan J, maka
|g' ( x )<1|
proses iterasi konvergen untuk sebarang nilai awal dalam J.
x n+1 =g ( x n ) x0
Untuk contoh sebelumnya, kita ingin mengetahui siapa diantara mereka (A,B, dan C) yang
mempunyai bentuk iterasi terbaik.
Si A memilih sehingga
1 2x
g ( x ) = ( x 2 +1 ) g ' ( x)=
3 3

12
Nilai jika berarti untuk menjamin konvergensi iterasi si A,
2x 3 3
|g' ( x )|=| |<1 − <x<
3 2 2
dipilih nilai awal pada selang
3 3
− < x<
2 2
Si B memilih sehingga
g ( x ) =√3 x−1 3
g ' ( x)=
2 √ 3 x−1
Nilai jika berarti untuk menjamin konvergensi iterasi si
3 1 13
|g' ( x )|=| |<1 3
<x <
12
2 √3 x−1
B, dipilih nilai awal pada selang
1 13
<x<
3 12
Si C memilih sehingga
1 g ' ( x)=
1
g ( x ) =3−
x x2
Nilai jika atau berarti untuk menjamin konvergensi iterasi
1 x<−1 x> 1
|g ' ( x )|=| 2 |<1
x
si C, dipilih nilai awal pada selang atau .
x<−1 x> 1

13
2. Metode Newton Raphson
14
 Metode Newton Raphson adalah metode iterasi lain yang dapat dipakai untuk mencari

penyelesaian dari , dengan asumsi mempunyai turunan yang

f ( x )=0 f (x) f '(x)
kontinu. Metode ini paling banyak digunakan dalam mencari akar-akar dari suatu persamaan
dan sangat umum dipakai karena kesederhanaannya.
Gagasan dasar dari metode ini adalah bahwa kita menghampiri grafik f dengan

garis-garis singgung yang sesuai. Dengan menggunakan suatu nilai sebagai tebakan awal
x0

yang diperoleh dengan melokalisasikan akar-akar dari terlebih dahulu. Kita tetapkan
f (x)

adalah titik potong antara sumbu-x dengan garis singgung pada kurva f di titik . Titik
x1 x0

dimana garis singgung tersebut memotong sumbu-x biasanya memberikan perkiraan yang lebih
dekat dari nilai akar (lihat gambar 2.11).
Bentuk iterasi Metode Newton Raphson adalah :
[2.12]
f ( xk )
x k +1=x k −
f ' ( xk )

Dalam metode ini, prinsipnya akar tidak digunakan lagi, akibatnya metode ini tidak dijamin
konvergensinya. Proses iterasi akan berhenti apabila dua iterasi secara beruntun menghasilkan
hampiran akar yang sama.
Perhatikan bahwa pada bentuk iterasi terdapat suku sebagai penyebut,
f ' (x)
karenanya selama proses iterasi berlangsung nilainya tidak boleh pernah sama dengan nol.
Perhatikan algoritma berikut :
ALGORITMA METODE NEWTON RAPHSON
Masukkan : f  x  , x0 , () Epsilon
Max (Maksimum Banyaknya Iterasi)
Keluaran : Akar
Langkah-Langkah :
1. Iterasi
=1
2. Jika

f '  x   0 , Maka Proses Gagal. Selesai.

3.

f  x0 
xbaru  x 0 
f '  x0 
4. Jika
15
 xbaru  x 0

xbaru
, Maka Akar = xbaru Selesai.
5.
x0  xbaru

6. Iterasi
= Iterasi + 1
7. Jika
Iterasi < Max, Kembali Ke Langkah 2
8. Proses
belum konvergen (divergen). Selesai.
Langkah ke-4 pada algoritma di atas, merupakan syarat berhenti dengan memilih nilai
kesalahan relatif yang lebih kecil dari Epsilon()
Contoh 8 :
Buatlah suatu iterasi untuk menghitung akar kuadrat x dari suatu bilangan c. Terapkan untuk c
=2

Penyelesaian :
Kita mempunyai . Selanjutnya ,
2
x=√ c f ( x )≡x −c=0 f ' ( x )=2 x
Sehingga dan
f x k ≡x 2k−c=0
( ) f ' ( x k ) =2 x k

Dengan Metode Newton Raphson, diperoleh bentuk iterasi sebagai berikut :

f ( xk ) x 2k −c 1 c
x k +1=x k −
f ' ( xk )
=x k −
2 xk
= xk +
2 (
xk )
Untuk c = 2

1 2
x k +1=
2(xk +
xk )
Bila dipilih nilai awal yang berbeda, hasil iterasi yang diperoleh :
Tabel 8 :
x0  0 x0  4 x0  1
1 2 1 2 1 2 
x1  1    1.5 x1   4    2.25 x1    1    1.5
2 1 2 4 2 1
1 2  1 2  1 2 
x2  1.5    1.41667 x2   2.25    1.56944 x2    1.5    1.41667
2 1.5  2 2.25  2  1.5 
x3  1.41422 x3  1.42189 x3  1.41422
x 4  1.41422 x 4  1.41413 x 4  1.41422
x5  1.41422 x5  1.41422 x5  1.41422
Contoh 9 :

Cari penyelesaian positif dari 2 sin (x) = x

Penyelesaian :

16
Dengan diperoleh
f ( x )=x−2 sin ( x ) f ' ( x )=1−2cos ( x )
Sehingga bentuk iterasinya adalah :

x k−2sin ( x k )
x k +1=x k −
1−2 cox ( x k )

Atau

2 [ sin ( x k ) −x k cos ( x k ) ] Ak
x k +1= =
1−2 cox ( x k ) Bk

Pemberian symbol Ak dan Bk hanya untuk mempersingkat penulisan (A = Atas, B = Bawah).

Hasil perhitungan lengkap diberikan pada tabel berikut dengan memilih nilai awal

x 0=π ≈3 .141593

Tabel 9 :

k xk Ak Bk xk+1
0 3.141593 6.283185 3.000000 2.094395
1 2.094395 3.826446 2.000000 1.913223
2 1.913223 3.168706 1.671548 1.895672
3 1.895672 3.105543 1.638381 1.895494
4 1.895494 3.104905 1.838045 1.895494
5 1.895494
Karena nilai maka iterasi tidak dilanjutkan lagi, dan disimpulkan bahwa
x 5=x 4 =1. 895494

salah satu penyelesaian dari 2 sin (x) adalah x = 1.895494.

3. Metode Secant
Kekurangan metode Newton-Raphson adalah diperlukannya turunan pertama

(diferensial) dari dalam perhitungan. Kadang-kadang sulit untuk mendiferensialkan

f (x)
persamaan yang terselesaikan. Untuk itu maka bentuk diferensial didekati dengan nilai
perkiraan berdasarkan diferensial beda hingga.
Metode Secant diperoleh dari metode Newton dengan cara menggantikan turunan

dengan beda hingga terbagi:

f (x)
[2.13]
f ( x k ) −f ( x k −1 )
f ' ( xk )=
x k −x k −1
Kemudian sebagai ganti skema iterasi Newton [2.9] diperoleh :
[2.14]
( x k −x k−1 ) f ( x k )
x k +1=x k −
f ( x k ) −f ( x k −1 )
Metode Secant memerlukan dua tebakan awal, nilai dan akan tetapi serasa
x0 x1
lebih mudah karena menghindari perhitungan turunan seperti pada metode Newton-Raphson.

17
Secara geometri, dalam metode Newton merupakan perpotongan sumbu-x dan garis
x k+1

singgung di xk, sedangkan dalam metode Secant merupakan perpotongan sumbu-x

x k+1

dengan tali busur kurva yang bersesuaian terhadap xk dan . Walaupun bentuk
f (x) x k+1
iterasi metode Secant :
( x k −x k −1 )
x k +1=x k −f ( x k )
f ( x k )−f ( x k −1 )
Dapat ditulis sebagai :
x k−1 f ( x k ) −x k f ( x k −1 )
x k +1=
f ( x k ) −f ( x k −1 )
Tapi tidak dianjurkan memakai persamaan terakhir di atas, karena akan menimbulkan kesukaran

pada waktu dan . Bernilai hampir sama.

x k+1
Contoh 10 :
Dengan metode Secant, tentukanlah akar dari fungsi :
f ( x )≡x−2 sin ( x )=0
Dengan memilih tebakan awal dan
x 0=2 x 1=1 . 9
Penyelesaian :
Bentuk iterasinya adalah :
( x k −x k −1 )
x k +1=x k −f ( x k )
f ( x k )−f ( x k −1 )

Sehingga :
atau
[ x k −2 sin ( x k ) ] [ x k −x k−1 ] Ak
x k +1=x k − x k +1=x k −
x k−x k −1 +2 [ sin ( x k −1 ) −sin ( x k ) ] Bk
Dengan
dan
A k =[ x k −2 sin ( x k ) ] [ x k −x k−1 ]

B k =x k− x k−1 +2 [ sin ( x k −1 ) −sin ( x k ) ]

Nilai-nilai numeris yang diperoleh setelah dilakukan iterasi adalah seperti pada table berikut :
k xk-1 xk Ak Bk xk –xk-1
1 2.000000 1.900000 -0.000740 -0.174005 -0.100000
2 1.900000 1.895747 -0.000002 -0.006986 -0.004253
3 1.895747 1.895494 0 - -0.000252
4 1.895494 1.895494 - - 0
Dengan 3 iterasi diperoleh nilai adalah eksak sampai 6 desimal. Kolom xk –xk-1
x 3=1 . 895494
dimaksudkan sebagai pengontrol toleransi kesalahan (error)

18
 4. Modifikasi Metode
Newton Untuk Suku Banyak
Untuk persamaan suku banyak metode Newton memrlukan modifikasi agar lebih

efisien. Misalkan adalah suatu suku banyak berderajat m, maka skema iterasinya adalah
P (x )
:
P ( xk )
x k +1=x k −
P ' ( xk )
Diperlukan cara yang efisien untuk menghitung dan karena harus dilakukan
P (x ) P' ( x )

berulang-ulang untuk nilai yang berlainan.

xk
o Menghitung untuk x = k
P (x )
Pandang persamaan berikut ini :
2 3 m
P ( x ) =a0 + a1 x +a2 x + a3 x +⋯+ am x
Persamaan di atas dapat ditulis dalam bentuk :
P ( x ) =( x−k ) q ( x ) +S
Untuk x = k diperoleh nilai jadi polinom untuk x = k adalah sisa pembagian
p ( k )=S
oleh (x – k).
Misalkan
2 3 m−1
q ( x )=b 1 +b 2 x +b 3 x +b 4 x +⋯+ bm−1 x
P ( x ) =( x−k ) (b 1 +b 2 x+b 3 x 2 +b 4 x 3 +⋯+ bm−1 x m−1 )+ S
Sehingga
2 3 m−1
(
a0 +a1 x+a2 x 2 +a3 x 3 +⋯+am x m= b1 + b2 x+ b3 x +b 4 x +⋯+ bm−1 x ) ( x−k ) +S
dengan menyamakan koefisien dari x yang berpangkat sama diperoleh
m + 1 persamaan yaitu :
a0 =S−kb1
a1 =b1 −kb 2
⋮
am−1 =bm−1 −kb m
am =b m
Untuk keperluan penyusunan algoritma sebut S sebagai b0, sehingga algoritma dapat ditulis
sebagai berikut :
untuk
bm =am i=m−1, m−2, m−3,⋯, 0
bi =ai +kbi+1
S =b0
o Menghitung untuk x = k
P' ( x )
Pandang kembali persamaan :
P ( x ) =( x−k ) q ( x ) +S
Dengan menurunkan kedua rus diperoleh :
P' ( x ) =( x−k ) q ' ( x ) +q ( x )
Sehingga untuk x = k, diperoleh nilai
P' ( x )=q ( x )
19
 Untuk itu, andaikan dengan :
q ( x )=r ( x ) ( x −k ) +T
2 m−2
r ( x )=c 0 + c1 x +c 2 x +⋯+cm−2 x
Dan S adalah konstanta sisa. Dengan memakai argumen seperti pada perhitungan
p (k )
diperoleh :
b1 =T −kc 2
b2 =c 2 −kc 3
⋮
bm−1 =c m−1−kc m
bm =c m
Untuk keperluan penyusunan algoritma sebut T sebagai c1, sehingga algoritma dapat ditulis
sebagai berikut :
untuk
bm =c m i=m−1, m−2,m−3,⋯,1
c i=bi +kc i+1
T =b 1
Secara lengkap modifikasi metode Newton-Raphson untuk polinom (suku banyak)
diberikan pada algoritma berikut ini :
ALGORITMA METODE NEWTON RAPHSON
Masukkan :
m = derajat suku banyak
ai i  0,1,2,⋯, m (koefisien-koefisien polinom)
x0
:= tebakan awal
Eps := ketelitian (toleransi)
M := maksimum banyaknya iterasi
Keluaran : Akar
Langkah-Langkah :
9.
bm : a m cm : bm
10. Untuk
Iterasi := 1, 2, 3, …, m
Untuk i : m  1, m  2, m  3,⋯,1
bi : ai  x0 bi 1
ci : bi  x0 ci 1
b0 : a 0  x0 b1
Jika c1 = 0, algoritma gagal. Selesai
b
xbaru : x0  0
c1
xbaru  x 0
Jika xbaru Eps, maka Akar = x baru selesai
x0  xbaru
Contoh 11 :
Persamaan polinom
p ( x ) =x3 + x−3
Tentukan hampiran akar dengan tebakan awal
x 0=1.1
Penyelesaian :
m=3, a 0=−3, a1 =1, a2 =0, a 3=1, b 3 =a3 =1, c 3 =b3 =1
Iterasi 1 :

20
 b2 =a 2 +x 0 b3 =0+ ( 1. 1 ) 1=1. 1
c 2 =b2 +x 0 c 3=1 . 1+ (1 . 1 ) 1=2. 2
b1 =a 1 +x 0 b2 =1+ ( 1 .1 ) ( 1. 1 )=2 . 21
c 1=b1 +x 0 c2 =2 .21+ ( 1 .1 )( 2 .2 ) =4 . 63
b0 =a0 +x 0 b 1=−3+ (1 . 1 )( 2 .21 )=−0. 569
b0 (−0 . 569 )
x baru=x o − =1. 1− =1 . 222894
c1 4 . 63
Iterasi 2 :
i ai bi ci
3 1 1 1
2 0 1.222894 2 .445789
1 1 2. 495470 5 .486410
0 −3 0. 051696
0. 051696
x baru=1 .222894− =1 .213472
5. 486410
Dengan cara perhitungan yang analog, diperoleh :
Iterasi 3
x baru=1 . 213412
Iterasi 4
x baru=1 . 213412

SOAL – SOAL LATIHAN 2

1. Lokasi akar-akar persamaan :
a.
x+ cos x=0
b.
2
x +sin x−2=0
c.
−x
e +sin x=0
d.
1−x−e−2 x =0
e.
2 x −tan x=0
f.
2 −x
2 x −e =0
2. Carilah akar-akar dari dekat dengan x = 0 dengan mentransformasikan
5
x =x +0 . 2
persamaan itu secara aljabar ke bentuk dan dengan memulai dari
x n+1 =g ( x n ) x 0=0
3. persamaan dalam soal 2 mempunyai sebuah akar dekat x = 1. Cari akar ini dengan menuliskan
persamaan itu dalam bentuk dan mengiterasikan, mulai dengan
5
x=√ x+ 0. 2 x 0=1
4. Apa yang terjadi dalam soal 3 jika anda menuliskan persamaan itu dalam bentuk
x=x 5 −0 .2
dan mulai dari
x 0=?

21
 5. Dengan menggunakan iterasi. Perlihatkan bahwa akar positif yang terkecil dari persamaan x =
tan x secara hampiran adalah 4.49.
Petunjuk : simpulkan dari grafik x dan tan x bahwa sebuah akar terletak dekat ke .
31
x o=
2
Tuliskan persamaan itu dalam bentuk x = x + arc tan x (mengapa?)
6. Hitunglah dengan menggunakan iterasi seperti dalam contoh sebelumnya dengan
√7
memulai dari dan menghitung . Hituglah galat, dengan menggunakan
x 0=2 x1 , x2 , x3 √7
=2.645751.
7. rancang suatu iterasi Newton untuk akar pangkat tiga. Hitung , dengan memulai dari
3
√7
dan melakukan 3 langkah.
x 0=2
8. Rancang suatu iterasi Newton untuk akar pangkat ke-k. suatu bilangan positif C. terapkan
metode Newton pada persamaan-persamaan berikut, mulai dari yang diberikan dan melakukan
x0
3 langkah.
9.
4
x −5 x+ 3=0 ; x o =2
10.
4 3
x −x −2 x−34=0 ; x o =3
11.
x 3−3 . 9 x 2 +4 .79 x−1 .881=0 ; x o =1
12.
sin x =cot an x ; x o =1
13.
−x
e =t an x ; x o =1
14. Perlihatkan bahwa persamaan dalam soal 9 dapat dituliskan . Selesaikan dengan
x +3
x=
5
menggunakan iterasi sebanyak 4 langkah, dengan memulai dari . Dalam selang j, dimana
x 0=1
kondisi sifat konvergensi metode titik tetap terpenuhi?
15. Selesaikan soal 12 menggunakan metode Newton (melakukan 4 langkah) dengan .
x 0=1
16. Akar-akar persamaan soal 11 adalah 0.9, 1.1 dan 1.9.
Walaupun terletak dekat 0.9, 1.1 dan 1.9, metode Newton tidak menghasilkan satupun
x 0=1
akar-akar ini. Mengapa?
Pilihlah lain sedemikian sehingga metode menghasilkan hampiran untuk akar 1.1.
x0
Carilah semua akar real dari persamaan-persamaan berikut menggunakan metode Newton.
17.
x
sin x=
2
18.
ln x=1−2 x
19.
cos x=√ x

22
Menggunakan dan yang diberikan, selesaikan dengan cara menerapkan metode Secant
x0 x1
20.
Cos x=x ; x 0 =0 .5 dan x 1 =1
21.
−x
e =tan x ; x 0 =1 dan x1 =0 . 7
22.
Sin x =cot an x ; x 0 =1 dan x 1=0. 5
23.
x+ln x=2 ; x 0 =1 dan x 1=2
Selesaikan persamaan-persamaan berikut dengan menerapkan metode bagi dua (lakukan 5 iterasi) dan
gunakan a dan b yang diberikan :
24.
e−x =ln x ; a=1 dan b=2
25.
x 2=ln x+3 ; a=1 dan b=2
26.
x 3 +2 x 2 +6 x=10 ; a=1. 7 dan b=1. 8
27.
e x +x 4 +x=2 ; a=0 dan b=1
28.
cos x +1−x =0 ; a=0. 8 dan b=1. 6
29. Apa yang terjadi jika metode bagi dua diterapkan pada fungsi
1
f ( x )=
x−2
a. Pada selang [3.7]?
b. Pada selang [1.7]?
Selesaikan persamaan-persamaan berikut menggunakan posisi palsu, mulai dengan a0 dan b0 yang
diberikan (lakukan hingga 4 iterasi)
30.
x 2−10 x +23=0 ; [ a0 , b 0 ] =[ 6 . 0 ; 6 . 8 ]
31.
ln x−5+ x=0 ; [ a0 , b 0 ] =[ 3 . 2 ;4 . 0 ]
32.
cos x +1=x ; [ a0 ,b 0 ]=[ 0 .8 ;1 .6 ]
33.
e x −2−x=0 ; [ a0 , b 0 ] =[−2 . 4 ;−1. 6 ]

23