EE + MMT ENGINEERING

Representasi Floating Point & Aritmatika Floating-Point

(Tugas 1)
Oleh Welcome to Muaz Afra's Blog September 30, 2017

Bilangan Floating Point

Notasi floating-point dapat digunakan untuk merepresentasikan baik bilangan yang

sangat besar (|N| » 0), bilangan yang sangat kecil atau dekat dengan nol (|N| « 1), maupun
bilangan yang terdiri dari keduanya. Floating-point membuat proses operasi aritmatika menjadi
relatif lebih mudah. Floating-point merepresentasi bilangan nyata dalam bentuk persamaan:

N = m × Re

Dimana:

m merupakan bagian bilangan pecahan yang biasa disebut significand atau mantissa
e adalah bagian bilangan bulat yang biasa disebut exponent
R merupakan basis dari suatu sistem bilangan

Bagian bilangan pecahan m merupakan p-digit bilangan dengan bentuk (±d.dddd ... dd), dimana
semua digit d adalah bilangan bulat antara 0 dan R-1. Jika digit terdepan (sebelak kiri) dari m
bukan angka nol, maka bilangan ini dapat dikatakan sebagai normalized.

Format Bilangan Floating-Point

Format bilangan floating-point biner telah distandarkan oleh IEEE 754-2008 (atau ISO/IEC/IEEE
60559:2011), yaitu meliputi format 16-bit (half), 32-bit (single-precision), 64-bit (double-
precision), 80-bit (double-extended) dan 128-bit (quad-precision). Pada artikel ini hanya akan
dibahas tentang format dasar, yaitu 32-bit dan 64-bit.

1. Bilangan Floating-Point 32-bit (single-precision)

Bilangan floating-point 32-bit tersusun atas:
• 1 bit tanda (S)
• 8 bit eksponen (E)
• 23 bit mantisa (M)

Bit tanda (S) menyatakan bilangan positif jika S = 0 dan negatif jika S = 1. Field eksponen adalah
basis 2. Nilai eksponen bisa negatif atau positif untuk menyatakan bilangan yang sangat kecil
atau sangat besar. Format eksponen yang digunakan adalah excess-127. Nilai 127 ditambahkan
dari nilai eksponen sebenarnya (Exp), yaitu Exp = E − 127.Dengan excess-127, nilai E akan selalu
positif dengan jangkauan 0 sampai 255.

Nilai ekstrem adalah untuk E = 0 dan E = 255:

E = 0 menyatakan bilangan NOL (jika M = 0) dan subnormal (jika M ≠ 0)
E = 255 menyatakan bilangan TAK TERHINGGA (jika M = 0) dan NAN/not-a-number (jika M ≠ 0)
Nilai normal adalah 1 ≤ E ≤ 254 yang menunjukkan nilai eksponen sebenarnya dari -126 sampai
127. Contoh: Emin(1) = −126, E(50) = −77, dan Emax(254) = 127.

Tabel nilai eksponen di format floating-point 32-bit

Eksponen (E) Mantissa = 0 Mantissa ≠ 0 Persamaan

0 0, -0 Subnormal (−1)S × 0.bit signifikan × 2−126

1-254 Nilai ternormalisasi (−1)S × 0.bit signifikan × 2E−127

Bukan bilangan
255 ∞
(NAN=not-a-number)

Saat nilai mantissa (M) dinormalisasi, most significant bit (MSB) selalu 1. Namun, bit MSB ini
tidak perlu disertakan secara eksplisit di field mantisa (Tabel diatas). Nilai mantissa yang
sebenarnya adalah 1.M, sehingga nilai bilangan floating-pointnya menjadi:
Di bilangan subnormal, nilai mantissa sebenarnya adalah 0.M, sehingga bilangan floating-
pointnya menjadi:

Dengan mantissa 23 bit ini ditambah 1 bit implisit, total presisi dari representasi floating-point
32-bit ini adalah 24 bit atau sekitar 7 digit desimal (yaitu 24 × log10(2) = 7,225). Dalam bahasa
pemrograman, suatu bilangan single-precision ini dideklarasikan dengan tipe data float (C, C++,
Java) atau single (Pascal, VB, MATLAB).

2. Bilangan Floating-Point 64-bit (double-precision)

Bilangan floating-point 64-bit tersusun atas:

• 1 bit tanda (S)
• 11 bit eksponen (E)
• 52 bit mantisa (M)

Seperti halnya dengan bilangan single-precission, bit tanda (S) menyatakan bilangan positif jika S
= 0 dan negatif jika S = 1. Field eksponen adalah basis 2. Nilai eksponen bisa negatif atau positif
untuk menyatakan bilangan yang sangat kecil atau sangat besar. Format eksponen yang
digunakan adalah excess-1023. Nilai 1023 ditambahkan dari nilai eksponen sebenarnya (Exp),
yaitu Exp = E − 1023.Dengan excess-1023, nilai E akan selalu positif dengan jangkauan 0 sampai
2047.

Nilai ekstrem adalah untuk E = 0 dan E = 2047:

E = 0 menyatakan bilangan NOL (jika M = 0) dan subnormal (jika M ≠ 0)
E = 255 menyatakan bilangan TAK TERHINGGA (jika M = 0) dan NAN/not-a-number (jika M ≠ 0)
Nilai normal adalah 1 ≤ E ≤ 2047 yang menunjukkan nilai eksponen sebenarnya dari -1022
sampai 1023. Contoh: Emin(1) = −1022, E(100) = −923, dan Emax(254) = 1023.

Tabel nilai eksponen di format floating-point 64-bit

Eksponen (E) Mantissa = 0 Mantissa ≠ 0 Persamaan

0 0, -0 Subnormal (−1)S × 0.bit signifikan × 2−1022

1-2046 Nilai ternormalisasi (−1)S × 0.bit signifikan × 2E−1023

Bukan bilangan
2047 ∞
(NAN=not-a-number)

Nilai mantisa (M) dinormalisasi, yang berarti most significant bit (MSB) selalu 1. Bit MSB ini tidak
perlu disertakan secara eksplisit di field mantisa. Nilai mantisa sebenarnya adalah 1.M, sehingga
nilai bilangan floating-pointnya menjadi:

Dengan mantissa 52 bit ini ditambah 1 bit implisit, total presisi dari representasi floating-point
32-bit ini adalah 53 bit atau sekitar 16 digit desimal (yaitu 53 × log10(2) = 15.955). Dalam
pemrograman, suatu bilangan double-precision ini dideklarasikan dengan tipe data double (C,
C++, Java).

• REPRESENTASI BILANGAN FIXED-POINT

Utk representasi bilangan fixed-point diperlukan :

a. lokasi atau register penyimpanan computer yg ukurannya memadai utk

menyimpan seluruh digit bilangan

b. kemungkinan utk menjaga track tempat beradanya point tersebut

contoh:

contoh desimal utk representasi 5 digit. Jika diasumsikan posisi point adalah :

Maka :
 0 1 3 7 5 Merepresentasikan 13.75

3 klasifikasi dasar representasi fixed-point

a. representasi mid-point

dimana terdapat digit baik sebelum dan sesudah point tersebut

b. representasi integer

dimana tidak terdapat digit setelah point desimal

c. representasi pecahan

dimana tidak ada digit sebelum point desimal

• REPRESENTASI BILANGAN FLOATING-POINT

Utk merepresentasikan floating-point diperlukan :

a. lokasi atau register penyimpanan computer dgn ukuran memadai utk menyimpan
semua digit signifikan dari bilangan tersebut

b. ruang penyimpanan tambahan utk menyimpan posisi ppoint tersebut, ruang

tambahan ini biasanya berada di dalam lokasi yg sama atau terpisah.

Contoh :

• Desimal dgn mantisa 5 digit dan eksponen 3 digit

Mantissa Eksponen

1 3 7 5 0 0 0 2 .13750*102 = 1.375

3 8 6 2 4 0 0 3 .38624*103 = 386.24

• Biner dgn 12 bit dan komplemen duaan utk nilai negatifnya

mantissa eksponen

Sign fraction

0 1 1 0 1 1 1 0 0 1 0 0 .1101112*24= 1101.112= 13.7510

1 0 0 1 0 0 1 0 0 1 0 0 -.110112*24 = -1101.112 = -13.7510

Bentuk umum n = f . re

Dimana :

n : bilangan

f : mantissa, pecahan yg kadang-kadang disebut argument

R : radiks atau base

e : exponent, merupakan integer yg kadang-kadang

disebutcharacteristic

• MEMBANDINGKAN FIXED-POINT DAN FLOATING-POINT

1. komputer dapat menjalankan aritmatika fixed-point lebih cepat daripada

aritmatika floating-point.

2. representasi fixed-point membatasi jangkauan dan skala bilangan yg sedang

direpresentasikan.

3. representasi floating-point memberikan fleksibilitas yg lebih besar dalam

jangkauan dan skalanya, ini biasanya mengurangi kecepata.

• ARITMATIKA FIXED-POINT

Register 8 bit menyangga bilangan dalam bentuk komplemen duaan dgn bit
paling kiri sebagai bit sign. Bilangan positif dan negatif maksimum dan minimum
direpresentasikan.Disini bisa diperoleh keakuratan 7 bit.

Contoh : Representasi integer

Sign bit Representasi Value keterangan

0 1 1 1 1 1 1 1 27 – 1 = 127 Maksimum positif

1 0 0 0 0 0 0 1 -27 = .128 Most negatif

OVERFLOW DAN UNDERFLOW

OVERFLOW :

hasil operasi aritmatika terlalu besar utk disimpan dalam lokasi yg dialokasikan
untuknya.
UNDERFLOW : Hasil tersebut terlalu kecil utk disimpan dalam lokasi yg dialokasikan
untuknya.

MENDETEKSI OVERFLOW

a. menggunakan bit ekstra yyg ditambahkan ke bagian kiri dari bit sign.

i. Bit ekstra di set ke nilai yg sama seperti bit sign sebelum penambahan
/pengurangan

ii. Bilangan yg telah dimodifikasi ditambahkan/dikurangi

iii. Jika bit ekstra dan bit sign berbeda setelah operasi, maka telah terjadi
overflow

b. Metode lain, dimana tidak menggunakan bit ekstra

i. Menggunakan ADD jika sign berbeda, dan SUBSTRACT jika signnya sama,
maka overflow tidak terjadi

ii. Utk A + B jika sign(A) = sign(B) maka hasilnya berupa sign(A) Utk A -
B jika sign(A) ≠ sign(B) maka hasilnya sign(A) Sign yg salah
menunjukkan overflow

Contoh :

a Ekstra bit Sign bit Binary SUM Nilai desimal

0 0 1 1 0 0 12

0 0 0 0 1 1 3

0 0 1 1 1 1 15

0 0 Bit samaÆ tidak overflow

b Ekstra bit Sign bit Binary SUM Nilai desimal

0 0 1 1 0 0 12

0 0 0 1 1 0 6

0 1 0 0 1 0 18

0 ≠ 1 Bit berbeda Æoverflow

 PRESISI GANDA

Salah satu cara mengurangi overflow dgn meningkatkan panjang penyimpanan yg

dialokasikan utk setiap representasi bilangan. Jika 1 lokasi dalam memori panjangnya tidak
cukup maka 2 lokasi yg bersebelahan dapat digunakan. Bilangan yg disimpan dgn cara ini
disebut double precision number atau double length number

ARITMATIKA PRESISI GANDA

Aritmatika yg menggunakan bilangan presisi ganda. Lebih lamban namun sering

digunakan karena mesin dgn word yg lebih panjang lebiih mahal.

Aritmatika Floating Point

Dalam komputasi , floating point aritmatika adalah aritmatika dengan menggunakan
representasi rumus bilangan real sebagai perkiraan sehingga dapat mendukung trade-off antara
range dan precision . Untuk alasan ini, perhitungan floating-point sering ditemukan pada sistem
yang mencakup bilangan real sangat kecil dan sangat besar , yang memerlukan waktu
pemrosesan yang cepat. Angka adalah, secara umum, mewakili kira-kira sejumlah digit
signifikan ( signifikan ) dan diskalakan menggunakan eksponendi beberapa tempat tetap; Dasar
penskalaan biasanya dua, sepuluh, atau enam belas. Sebuah nomor yang dapat diwakili persis
adalah dari bentuk berikut:

Dimana significand adalah bilangan bulat (yaitu, dalam Z ), basa adalah bilangan bulat
yang lebih besar dari atau sama dengan dua, dan eksponen juga merupakan bilangan
bulat. Sebagai contoh:

Istilah floating point mengacu pada fakta bahwa titik radix nomor ( titik desimal , atau
lebih umum di komputer, titik biner ) dapat "mengapung"; Artinya, tempat itu bisa ditempatkan
di manapun relatif terhadap digit angka yang signifikan . Posisi ini ditunjukkan sebagai
komponen eksponen, dan dengan demikian representasi floating-point dapat dianggap sebagai
semacam notasi ilmiah .

Sistem floating-point dapat digunakan untuk mewakili, dengan jumlah digit tetap,
jumlah pesanan yang berbeda besarnya : misalnya jarak antara galaksi atau diameter inti
atomdapat dinyatakan dengan satuan panjang yang sama. Hasil dari rentang dinamis ini adalah
bahwa angka yang dapat diwakili tidak seragam spasi; Perbedaan antara dua bilangan
representatif yang berurutan tumbuh dengan skala yang dipilih. [1]

Selama bertahun-tahun, berbagai representasi floating-point telah digunakan di

komputer. Namun, sejak tahun 1990an, representasi yang paling sering ditemui adalah yang
didefinisikan oleh Standar IEEE 754 .
 Kecepatan operasi floating-point, yang biasa diukur dari segi FLOPS , merupakan
karakteristik penting dari sebuah sistem komputer , terutama untuk aplikasi yang melibatkan
perhitungan matematika intensif.

Sebuah unit floating-point (FPU, bahasa sehari-hari math coprocessor) adalah bagian
dari sistem komputer yang dirancang khusus untuk melaksanakan operasi pada angka floating-
point.

Nomor floating-point

Sebuah representasi nomor menentukan beberapa cara pengkodean angka, biasanya sebagai
string digit.

Ada beberapa mekanisme dimana string digit dapat mewakili angka. Dalam notasi
matematika umum, string digit dapat berupa panjang apapun, dan lokasi titik radix ditunjukkan
dengan menempatkan karakter "titik" eksplisit (titik atau koma) di sana. Jika titik radix tidak
ditentukan, maka string secara implisit mewakili bilangan bulat dan titik radix yang tidak
berdetak akan berada di luar ujung kanan senar, di samping digit paling tidak
signifikan. Dalam sistem fixed-point , posisi dalam string ditentukan untuk titik radix. Jadi skema
fixed-point mungkin menggunakan string 8 digit desimal dengan titik desimal di tengah, di mana
"00012345" akan mewakili 0001.2345.

Dalam notasi ilmiah , nomor yang diberikan diskalakan dengan kekuatan 10 , sehingga
berada dalam kisaran tertentu - biasanya antara 1 dan 10, dengan titik radix muncul segera
setelah digit pertama. Faktor penskalaan, sebagai kekuatan sepuluh, kemudian ditunjukkan
secara terpisah di akhir nomor. Sebagai contoh, periode orbit Jupiter bulan
's Io adalah 152 853 ,5047 detik, nilai yang akan direpresentasikan dalam standar-bentuk notasi
ilmiah sebagai 1,528 535 047 × 10 5 detik.

Representasi floating-point serupa dalam konsep notasi ilmiah. Logikanya, bilangan floating-
point terdiri dari:

· String digit yang ditandatangani (berarti negatif atau tidak negatif) dengan panjang
tertentu dalam basis tertentu (atau radix ). String digit ini disebut
sebagai significand , mantissa , atau koefisien . Panjang significand
menentukan ketepatan angka mana yang dapat diwakili. Posisi titik radix diasumsikan selalu
berada di suatu tempat dalam signifikansi-seringkali hanya setelah atau sesaat sebelum digit
yang paling signifikan, atau di sebelah kanan digit paling kanan (paling tidak
signifikan). Artikel ini umumnya mengikuti konvensi bahwa titik radix diset tepat setelah
digit paling kiri (paling kiri).

· Sebuah eksponen integer yang ditandatangani (juga disebut sebagai karakteristik ,

atau skala ), yang memodifikasi besarnya angka tersebut.

Untuk mendapatkan nilai bilangan floating-point, maka significand dikalikan

dengan basis yang diangkat ke kekuatan eksponen , setara dengan menggeser titik radix dari
posisi tersiratnya oleh sejumlah tempat yang sama dengan nilai eksponen-ke kanan jika
eksponennya positif atau ke kiri jika eksponennya negatif.

Menggunakan basis-10 (akrab desimal notasi) sebagai contoh, jumlah 152 853 0,5047 ,
yang memiliki sepuluh angka desimal presisi, diwakili sebagai significand 1528535047 bersama-
sama dengan 5 sebagai eksponen. Untuk menentukan nilai sebenarnya, titik desimal
ditempatkan setelah digit pertama dari significand dan hasilnya dikalikan dengan 10 5untuk
memberikan 1,528 535 047 × 10 5 , atau 152 853, 5047 . Dalam menyimpan nomor semacam itu,
basis (10) tidak perlu disimpan, karena akan sama untuk keseluruhan rentang angka yang
didukung, dan dengan demikian dapat disimpulkan.

Secara simbolis, nilai akhir ini adalah:

dimana 8 adalah significand (mengabaikan titik desimal tersirat), p adalah ketepatan (jumlah
digit di significand), b adalah dasar (dalam contoh kita, ini adalah nomor sepuluh ), dan e adalah
eksponen

Secara historis, beberapa basis bilangan telah digunakan untuk mewakili bilangan
floating-point, dengan basis dua ( biner ) menjadi yang paling umum, diikuti oleh basis sepuluh
(desimal), dan varietas lainnya yang kurang umum, seperti dasar enam belas ( notasi
heksadesimal ), dan bahkan basis tiga (lihat Setun ).

Angka floating-point adalah bilangan rasional , karena dapat digambarkan sebagai satu
bilangan bulat dibagi oleh yang lain; misalnya 1,45 × 10 3 adalah (145/100) * 1000
atau 145 000 /100. Dasar menentukan fraksi yang dapat diwakili; Misalnya, 1/5 tidak dapat
diwakili persis seperti bilangan floating-point menggunakan basis biner, tapi 1/5 dapat diwakili
persis dengan menggunakan basis desimal ( 0,2 , atau 2 × 10 -1 ). Namun, 1/3 tidak dapat diwakili
persis dengan biner (0,010101 ...) atau desimal (0,333 ...), namun di basis 3 , ini sepele (0,1 atau
1 × 3 -1). Peristiwa dimana ekspansi tak terbatas terjadi bergantung pada basis dan faktor
utamanya , seperti yang dijelaskan dalam artikel Notasi Pos .

Cara di mana yang penting dan (termasuk tanda) dan eksponennya disimpan di
komputer bergantung pada implementasi. Format IEEE yang umum dijelaskan secara rinci di lain
waktu dan di tempat lain, namun sebagai contoh, dalam representasi floating-point presisi
tunggal (32-bit) biner, p = 24, dan begitu significand adalah string 24 bit . Misalnya, jumlah π 's
pertama 33 bit adalah:

11001001 00001111 1101101 0 101000100

Jika bit paling kiri dianggap sebagai bit ke-1, maka bit 24 adalah nol dan bit ke-25 adalah
1; Dengan demikian, dalam pembulatan menjadi 24 bit, mari kita atribut ke bit 24 nilai 25,
menghasilkan:

11001001 00001111 1101101 1

 Bila ini disimpan menggunakan pengkodean IEEE 754, ini menjadi
significand 8 dengan e=1 (dimana 8diasumsikan memiliki titik biner di sebelah kanan bit
pertama) setelah penyesuaian kiri (atau normalisasi ) selama titik nol yang mengarah atau
tertinggal terpotong harus ada, yang tidak perlu dalam kasus ini; Sebagai akibat dari normalisasi
ini, bit pertama dari unsigned biner non-nol selalu 1, jadi tidak perlu disimpan, menghemat satu
bit penyimpanan.

Alternatif untuk bilangan floating-point

Representasi floating-point sejauh ini merupakan cara yang paling umum untuk mewakili
komputer sebagai aproksimasi bilangan real. Namun, ada alternatifnya:

a. Representasi fixed-point menggunakan operasi perangkat keras integer yang

dikendalikan oleh implementasi perangkat lunak dari konvensi tertentu mengenai
lokasi titik biner atau desimal, misalnya 6 bit atau digit dari kanan. Perangkat keras
untuk memanipulasi representasi ini lebih murah daripada floating point, dan dapat
digunakan untuk melakukan operasi bilangan bulat normal juga. Titik tetap biner
biasanya digunakan pada aplikasi tujuan khusus pada prosesor tersemat yang hanya
bisa melakukan aritmatika bilangan bulat, namun titik desimal tetap sama pada aplikasi
komersial.

b. Binary-coded decimal (BCD) adalah pengkodean untuk angka desimal di mana setiap
digit diwakili oleh urutan binernya sendiri. Hal ini dimungkinkan untuk menerapkan
sistem floating-point dengan pengkodean BCD.

c. Sistem bilangan logaritma mewakili bilangan real dengan logaritma nilai absolut dan
sedikit tanda. Distribusi nilai sama dengan floating point, namun kurva value-to-
representation ( yaitu grafik fungsi logaritma) mulus (kecuali pada 0). Sebaliknya untuk
aritmatika floating-point, dalam multiplikasi sistem bilangan logaritmik, pembagian dan
eksponenasi mudah diterapkan, namun penambahan dan pengurangannya
rumit. The Indeks tingkat aritmatika dari Clenshaw, Olver, dan Turner adalah skema
didasarkan pada representasi logaritma umum.

d. Bila presisi yang lebih tinggi diinginkan, aritmatika floating-point dapat

diimplementasikan (biasanya dalam perangkat lunak) dengan variabel-length
significands (dan kadang-kadang eksponen) yang berukuran tergantung pada
kebutuhan aktual dan tergantung bagaimana perhitungannya berjalan. Ini
disebut arbitrary-precision floating-point arithmetic.

e. Beberapa angka ( misal 1/3 dan 1/10) tidak dapat diwakili persis dalam biner floating-
point, tidak masalah presisinya. Paket perangkat lunak yang melakukan aritmatika
rasionalmewakili bilangan sebagai pecahan dengan bilangan bulat dan penyebut
integral, dan karenanya dapat mewakili bilangan rasional apa pun. Paket seperti itu
umumnya perlu menggunakan aritmatika " bignum " untuk bilangan bulat masing-
masing.
 f. Sistem aljabar komputer seperti Mathematica dan Maxima sering menangani bilangan
irasional atau dengan cara yang benar-benar "formal", tanpa berurusan dengan
pengkodean spesifik dari makna dan. Program semacam itu dapat mengevaluasi
ungkapan seperti sin (3x)“ tepatnya, karena diprogram untuk memproses matematika
yang mendasarinya secara langsung, daripada menggunakan nilai perkiraan untuk
setiap perhitungan perantara.

• ARITMATIKA FLOATING-POINT

Bentuk standar :

Contoh : 0.125 * 102

Bentuk standar utk bilangan floating point biner :

Jangkaun utk mantissa f adalah 0.5 < f < 1 dan -1 < f < -0.5

Normalisasi :

a. geser mantissa n bit ke kiri atau ke kanan menurut keperluan

b. jika digeser ke kiri, kurangkan n dari eksponennya

c. jika digeser ke kanan, tambahkan n dari eksponennya

contoh :

a. mengurangkan1/2 dgn 5/8 dapat menimbulkan representasi 1/8

Mantissa Eksponent Komentar

0 0 0 1 0 0 0 1/8 not in standar form

0 1 0 0 1 1 0 Mantissa shifted 2 places left so 2 substracted

from

b. menambahkan 5/8 ke 7/8 dapat menimbulkan representasi 1 ½

Mantissa Eksponent Komentar

0 1 0 0 0 0 0 1 ½ not in standar form

0 1 1 0 0 0 1 Mantissa shifted 1 places right so 1 added to

eksponen
 Jangkauan representasi floating-point bentuk standar :

representasi floating-point

i. bilangan paling positif terjadi dgn mantissa positif terbesar dan eksponen
positif terbesar

ii. bilangan positif terkecil terjadi dgn mantissa positif terkecil dan eksponen
negatif terbesar

iii. bilangan negatif terkecil terjadi dgn mantissa negatif paling kecil dan
eksponen negatif terbesar

iv. bilangan negatif terbesar terjadi dgn mantissa negatif terbesar dan eksponen
positif terbesar

Perkalian dan pembagian bilangan floating-point

a. perkalian

i. kalikan mantissa

ii. tambahkan eksponen

iii. normalisasi

contoh :

(0.12 * 102) * (0.253 * 102)

(0.12 * 0.253) * 102+3 = 0.300 * 104

b. pembagian

i. bagi mantissa

ii. kurangi eksponen

iii. normalisasi

contoh :

(0.156 * 103) * (0.12 * 102)

(0.156 * 0.12) * 103-2 = 0.130 * 102

Daftar Pustaka
 ftp://ftp.itb.ac.id/pub/ISO-IMAGES/linux/filenya-putu.../lec04-floating_point.pdf
nurfajria.staff.gunadarma.ac.id/Downloads/files/34088/aritmatika+fixed-point.pdf

https://en.wikipedia.org/wiki/Floating-point_arithmetic

BERBAGI

Komentar

1.
Lady Mia19 November 2018 09.46

KABAR BAIK!!!

Nama saya Aris Mia, saya ingin menggunakan media ini untuk mengingatkan semua
pencari pinjaman sangat berhati-hati, karena ada penipuan di mana-mana, mereka akan
mengirim dokumen perjanjian palsu untuk Anda dan mereka akan mengatakan tidak
ada pembayaran dimuka, tetapi mereka adalah orang-orang iseng, karena mereka
kemudian akan meminta untuk pembayaran biaya lisensi dan biaya transfer, sehingga
hati-hati dari mereka penipuan Perusahaan Pinjaman.

Beberapa bulan yang lalu saya tegang finansial dan putus asa, saya telah tertipu oleh
beberapa pemberi pinjaman online. Saya hampir kehilangan harapan sampai Tuhan
digunakan teman saya yang merujuk saya ke pemberi pinjaman sangat handal disebut
Ibu Cynthia, yang meminjamkan pinjaman tanpa jaminan dari Rp800,000,000 (800
juta) dalam waktu kurang dari 24 jam tanpa tekanan atau stres dan tingkat bunga hanya
2%.

Saya sangat terkejut ketika saya memeriksa saldo rekening bank saya dan menemukan
bahwa jumlah yang saya diterapkan, telah dikirim langsung ke rekening bank saya
tanpa penundaan.

Karena saya berjanji bahwa saya akan membagikan kabar baik, sehingga orang bisa
mendapatkan pinjaman mudah tanpa stres. Jadi, jika Anda membutuhkan pinjaman
apapun, silahkan menghubungi dia melalui email nyata:
 cynthiajohnsonloancompany@gmail.com dan oleh kasih karunia Allah ia tidak akan
pernah mengecewakan Anda dalam mendapatkan pinjaman jika Anda menuruti
perintahnya.

Anda juga dapat menghubungi saya di email saya: ladymia383@gmail.com dan Sety
yang memperkenalkan dan bercerita tentang Ibu Cynthia, dia juga mendapat pinjaman
baru dari Ibu Cynthia, Anda juga dapat menghubungi dia melalui email-nya:
arissetymin@gmail.com sekarang, semua akan saya lakukan adalah mencoba untuk
memenuhi pembayaran pinjaman saya bahwa saya kirim langsung ke rekening mereka
bulanan.

Sebuah kata yang cukup untuk bijaksana.

BALAS

Posting Komentar

Postingan populer dari blog ini

Kalkulator Mekanik & Energi Alternatif (TUGAS 3 +

Tambahan)
Oleh Welcome to Muaz Afra's Blog Januari 02, 2018

KALKULATOR MEKANIK

Kalkulator merupakan suatu alat portable kecil dan umumnya tidak mahal yang berfungsi sebagai

suatu alat hitung operasi aritmatika sederhana maupun kompleks. Kalkulator modern jaman

sekarang lebih portable atau mudah dibawa dibandingkan komputer. Namun, PDA dan smartphone

setara dengan ukuran kalkulator dan kemungkinan akan menggantikan fungsi kalkulator.
BERBAGI
POSTING KOMENTAR

BACA SELENGKAPNYA

Kendali Mikroprogrammed (Tugas 2)

Oleh Welcome to Muaz Afra's Blog November 03, 2017

KENDALI MIKROPROGRAMMED

Istilah program-mikro pertama kali diungkapkan oleh M.V Wilkes pada awal tahun 1950-an ketika dia

mengajukan suatu pendekatan baru untuk mengendalikan perancangan unit. Ide ini menarik

perhatian banyak ahli dan insinyur komputer pada saat itu, walaupun hal itu tampak tidak realistis

karena adanya persyaratan untuk memori kendali yang sangat cepat dan relatif tidak mahal. Situasi

ini berubah secara dramatis dengan adanya pengumuman keluarga komputer IBM System/360 pada

bulan April 1964. Seluruh model terbesar menyertakan memori kontrol yang cepat dan tidak mahal

dan merupakan microprogrammed. Sejak itu, pemrograman mikro menjadi hal yang umum sejalan

dengan peningkatan kecepatan dan penurunan harga memori kontrol.

A. Unit Kendali Unit kendali (bahasa Inggris: Control Unit - CU) adalah salah satu bagian

dari CPU yang bertugas untuk memberikan arahan/kendali/ kontrol terhadap operasi yang dilakukan

di bagian ALU (Arithmetic Logical Unit) di dalam CPU tersebut. O…

BERBAGI
POSTING KOMENTAR

BACA SELENGKAPNYA
 Kontributor

UNKNOWN

WELCOME TO MUAZ AFRA'S BLOG

Arsip

Wikipedia

Hasil penelusuran

Diberdayakan oleh Blogger