org
ISSN (e): 2250-3021, ISSN (p): 2278-8719
Vol. 04, Issue 04 (April. 2014), ||V1|| PP 01-07
Kata kunci: - Konvergensi, Roots, Algoritma, Iterasi, metode Bisection, metode Newton-
Raphson, Secant metode dan fungsi.
l. PENDAHULUAN
Masalah pencarian akar adalah masalah menemukan akar persamaan f(x)=0, dimana f(x) adalah
fungsi variabel tunggal, x . Membiarkan f(x) menjadi fungsi, kami tertarik untuk mencari x=....
seperti itu bahwa f(...)=0 . Nomor ... disebut akar atau nol dari f(x). f(x) mungkin aljabar,
trigonometri atau fungsi transendental.
Masalah pencarian akar adalah salah satu masalah komputasi yang paling relevan. Itu muncul
dalam berbagai macam aplikasi praktis dalam Fisika, Kimia, Biosains, Teknik, dll. Faktanya,
Penentuan setiap yang tidak dikenal muncul secara implisit dalam formula ilmiah atau teknik,
memunculkan masalah pencarian akar [1]. Situasi yang relevan dalam Fisika di mana masalah
seperti itu perlu dipecahkan termasuk menemukan posisi kesetimbangan suatu objek, permukaan
potensial suatu medan dan tingkat energi terkuantisasi yang terkurung struktur [2]. Metode
pencarian akar yang umum meliputi: Bisection, Newton-Raphson, False position, Secant metode
dll. Metode yang berbeda bertemu ke akar pada tingkat yang berbeda. Artinya,beberapa metode
lebih cepat masuk konvergen ke root daripada yang lain. Tingkat konvergensi bisa linier,
kuadratik atau sebaliknya. Semakin tinggi urutannya, semakin cepat konvergen metode [3].
Penelitian ini membandingkan tingkat kinerja (konvergensi) dari Bisection, Newton-Raphson
dan Secant sebagai metode pencarian akar.
Jelas, metode Newton-Raphson mungkin konvergen lebih cepat daripada metode lain tetapi
ketika kita membandingkan kinerja, perlu untuk mempertimbangkan biaya dan kecepatan
konvergensi. Algoritma yang konvergen dengan cepat tetapi membutuhkan beberapa detik per
iterasi mungkin membutuhkan lebih banyak waktu secara keseluruhan daripada algoritma yang
menyatu lebih lambat, tetapi hanya membutuhkan beberapa milidetik per iterasi [4]. Metode
garis potong hanya memerlukan satu evaluasi fungsi per iterasi, karena nilai f(xn-1) dapat
disimpan dari iterasi sebelumnya [1,4]. Metode Newton, pada sisi lain, membutuhkan satu
fungsi dan evaluasi turunan per iterasi. Seringkali sulit untuk memperkirakan biaya evaluasi
turunan secara umum (jika memungkinkan) [1, 4-5]. Tampaknya aman, menganggap bahwa
banyak kasus, mengevaluasi derivatif setidaknya sama berbahayanya dengan mengevaluasi
fungsi [4]. Dengan demikian, kita dapat memperkirakan bahwa Iterasi Newton membutuhkan
dua fungsi evaluasi per iterasi. Perbedaan dalam biaya ini berarti bahwa kita dapat berlari dua
iterasi dari metode garis potong dalam waktu yang sama akan diperlukan untuk menjalankan satu
iterasi dari metode Newton. Dalam membandingkan laju konvergensi metode Bisection, Newton
dan Secant, [4] digunakan bahasa pemrograman C++ untuk menghitung akar pangkat tiga dari 1
hingga 25, menggunakan tiga metode. Mereka mengamati bahwa laju konvergensi adalah
sebagai berikut: Metode Bisection <Metode Newton <Metode garis potong. Mereka
menyimpulkan bahwa metode Newton adalah 7,678622465 kali lebih baik daripada metode
Bisection sedangkan metode Secant adalah 1,389482397 kali lebih baik daripada metode
Newton.
II. METODE
Metode Bisection :
Diberi fungsi f(x)= 0 , kontinyu pada interval tertutup [a, b] , seperti f(a)f(b)= 0, lalu, fungsinya
f(x)=0 setidaknya memiliki akar atau nol dalam interval [a, b] . Metode panggilan untuk
mengurangi separuh sub interval dari [a, b] mengandung akar. Akar selalu konvergen, meskipun
sangat lambat dalam konvergensi [5].
Output: Perkiraan dari akar f(x) = 0 di [ao, bo] , untuk k=0,1,2, ...lakukan sampai puas.
Akhir
Berikut ini adalah kriteria berhenti seperti yang disarankan oleh [1]: Biarkan ...... menjadi
toleransi kesalahan, yaitu kami ingin dapatkan akar dengan kesalahan paling banyak...... . Lalu,
terima x=Ck sebagai akar dari f(x)=0 . Jika ada kriteria berikut dipenuhi:
(i) | f(Ck)| <=.... (yaitu nilai fungsional kurang dari atau sama dengan toleransi).
(ii)............ (Yaitu perubahan relatif kurang dari atau sama dengan toleransi).
(iii).......... (yaitu panjang interval setelah k iterasi kurang dari atau sama dengan toleransi).
(iv) Jumlah iterasi k lebih dari atau sama dengan angka yang telah ditentukan, katakan N.
Teorema 1: Jumlah iterasi, N diperlukan dalam metode Bisection untuk mendapatkan akurasi
diberikan oleh:
.............
Bukti: Biarkan panjang interval setelah N iterasi menjadi......... Jadi untuk mendapatkan akurasi
dari..... .Itu adalah
,..,.........
Catatan: Karena jumlah iterasi, N yang diperlukan untuk mencapai akurasi tertentu tergantung
pada panjang awal dari Interval yang mengandung akar, diinginkan untuk memilih interval awal
[ao,bo] sekecil mungkin.
Metode Newton-Raphson menemukan kemiringan (garis singgung) fungsi pada titik dan
penggunaan saat ini nol dari garis singgung sebagai titik referensi berikutnya. Proses ini diulangi
sampai akar [5-7]. Metode itu mungkin adalah teknik yang paling populer untuk menyelesaikan
persamaan nonlinier karena kuadratiknya tingkat konvergensi. Tapi kadang-kadang teredam jika
tebakan awal yang buruk digunakan [8-9]. Namun disarankan, bahwa metode Newton kadang-
kadang harus dimulai dengan iterasi Picard untuk meningkatkan tebakan awal [9]. Metode
Newton Raphson jauh lebih efisien daripada metode Bisection. Namun, itu membutuhkan
perhitungan turunan dari suatu fungsi sebagai titik referensi yang tidak selalu mudah atau salah
satu turunannya tidak ada di semua atau itu tidak bisa dinyatakan dalam fungsi dasar [6,7-8].
Selain itu, garis singgung sering menembak liar dan kadang-kadang bisa terjebak dalam satu
lingkaran [6]. Fungsinya, f(x)=0 dapat diperluas di lingkungan akar Xo melalui Taylor ekspansi:
untuk akar pada langkah ke-n dan nilai perkiraan dari langkah selanjutnya xk+1 dapat diturunkan
dari
.......
Input: f (x) –fungsi yang diberikan, xo – perkiraan awal, ......- toleransi kesalahan dan N -
maksimum jumlah iterasi.
• Hitung ...., untuk k = 0,1,2, ... lakukan sampai konvergensi atau kegagalan.
• Akhir.
Dikatakan dalam [1], bahwa jika tidak ada kriteria di atas yang dipenuhi, dalam yang telah
ditentukan, katakan,N, iterasi, maka metode telah gagal setelah jumlah iterasi yang ditentukan.
Dalam hal ini, seseorang dapat mencoba metode lagi dengan xo berbeda. Sementara itu, pilihan
xo yang bijaksana terkadang dapat diperoleh dengan menggambar grafik f (x), jika
memungkinkan. Namun, tampaknya tidak ada pedoman yang jelas tentang bagaimana memilih
suatu hak titik awal, xo yang menjamin konvergensi metode Newton-Raphson ke akar yang di
inginkan.
Seperti yang telah kita perhatikan, kemunduran utama dari metode Newton-Raphson adalah
persyaratan untuk menemukan nilai turunan dari f (x) di setiap iterasi. Ada beberapa fungsi yang
sangat sulit (jika bukan tidak mungkin) atau memakan waktu. Jalan keluar dari ini, menurut [1]
adalah untuk memperkirakan turunan dengan mengetahui nilai-nilai fungsi pada saat itu dan
perkiraan sebelumnya. Penuh arti f(Xk-1) , kita bisa perkirakan f '(x) sebagai..... * Menempatkan
* ke dalam iterasi Newton, kita memiliki: ..**
Memasukkan: f (x) -fungsi yang diberikan,Xo,X1 - dua perkiraan awal dari akar, ...- toleransi
kesalahan dan N –Jumlah iterasi maksimum.
Output: Perkiraan solusi yang tepat ... atau pesan kegagalan, untuk k = 1,2, ... lakukan sampai
konvergens atau sebaliknya.
• Hitung.. dan
• Tes untuk konvergensi atau jumlah iterasi maksimum: Jika ...atau k> N, berhenti.
Lim....
Jadi, jika...., konvergensi linier. Jika...., konvergensi adalah kuadratik, dan sebagainya.
Nomor ...disebut faktor konvergensi. Berdasarkan definisi ini, kami menunjukkan tingkat
konvergensi Newton dan Secant metode pencarian akar. Sementara itu, kita tidak boleh
membatasi untuk menunjukkan bahwa dari metode Bisection, sekuel dari fakta itu banyak
literatur yang dikonsultasikan setuju bahwa metode Bisection akan selalu bertemu, dan memiliki
paling sedikit tingkat konvergensi. Juga dipertahankan bahwa konvergen secara linear [1-7].
Misalkan fungsi f (x) memiliki turunan kontinu dari urutan hingga (n + 1) dalam interval [a, b],
dan p adalah titik dalam interval ini. Kemudian, untuk setiap x dalam interval ini, ada angka, c
antara p dan x sedemikian rupa
...
Rn(x)=...
Mari kita pilih interval kecil di sekitar akar x=... Kemudian, untuk setiap x dalam interval ini,
kita miliki oleh Taylor teorema pesanan 1, perluasan fungsi berikut g (x):
dimana ..... terletak di antara x dan.... . Sekarang untuk metode Newton, kita telah melihatnya
g'(..)...
......
..
Itu adalah
..
Atau ..
lim...
Iterasi Xk dari metode garis potong menyatu ke akar dari f (x), jika nilai awal Xo,X1 , cukup
dekat ke akar. Urutan konvergensi adalah α di mana ...adalah rasio emas. Secara khusus,
konvergensi adalah superlinear, tetapi tidak cukup kuadratik. Hasil ini hanya berlaku dalam
beberapa kondisi teknis, yaitu bahwa f (x) menjadi dua kali terus menerus dapat dibedakan dan
akar yang dimaksud menjadi sederhana. Itu dengan multiplisitas 1. Jika nilai awal tidak cukup
dekat dengan akar, maka tidak ada jaminan bahwa metode Secant konvergen [7].
Metode Bisection, Newton-Raphson dan Secant diterapkan pada fungsi variabel tunggal:
f (x)= x- cosx pada [0,1], menggunakan perangkat lunak, Mathematica 9.0. Hasilnya disajikan
pada Tabel 1 hingga 3.
Table 1.
..
Tabel 1 menunjukkan data iterasi yang diperoleh untuk metode Bisection dengan bantuan
Mathematica 9.0. Diamati bahwa pada Tabel 1 yang menggunakan metode Bisection, fungsi, f
(x) = x-cosx = 0 pada interval [0,1] konvergen ke 0,7390851332151607 pada iterasi 52 detik
dengan tingkat kesalahan 0,000000.
Table 2 mengungkapkan bahwa dengan xo = 0,5, fungsi konvergen ke 0,739085 iterasi ke-8
dengan kesalahan 0,000000.
Dari Table 3 kami perhatikan bahwa fungsi konvergen ke 0,739085 setelah iterasi ke-6 dengan
kesalahan 0,000000
Membandingkan hasil dari tiga metode yang diselidiki, kami mengamati bahwa tingkat
konvergensi metode adalah sebagai berikut: Metode garis potong> Metode Newton-Raphson>
metode Bisection. Ini sejalan dengan temuan [4]. Membandingkan metode Newton-Raphson
dan metode Secant, kami perhatikan bahwa secara teoritis, metode Newton dapat konvergen
lebih cepat daripada metode Secant (urutan 2 berlawanan α = 1,6 untuk Garis Potong). Namun,
metode Newton mensyaratkan evaluasi fungsi f (x) dan turunannya pada setiap iterasi sedangkan
metode Secant hanya membutuhkan evaluasi f (x). Karenanya, metode Secant mungkin kadang-
kadang lebih cepat dalam praktiknya seperti dalam kasus penelitian kami. (lihat Tabel 2 dan 3).
Dalam Ref. [10-11], itu diperdebatkan bahwa jika kita mengasumsikan bahwa mengevaluasi f
(x) membutuhkan waktu sebanyak mengevaluasi turunannya, dan kita mengabaikan semua biaya
yang lain , kita bisa melakukan dua iterasi Secant (mengurangi logaritma kesalahan dengan
faktor α2 = 2.6) untuk biaya yang sama sebagai salah satu iterasi dari metode Newton-Raphson
(mengurangi logaritma kesalahan oleh faktor 2). Jadi, tentang ini tempat juga, kami dapat
mengklaim bahwa metode Secant lebih cepat daripada metode Newton dalam hal tingkat
konvergensi.
V. KESIMPULAN
Berdasarkan hasil dan diskusi kami, kami sekarang menyimpulkan bahwa metode Secant adalah
yang paling formal efektif dari metode yang kami pertimbangkan di sini dalam penelitian ini. Ini
adalah sekuel dari fakta bahwa ia memiliki konvergen Tingkat dekat dengan metode Newton-
Raphson, tetapi hanya membutuhkan evaluasi fungsi tunggal per iterasi. Kita juga
menyimpulkan bahwa meskipun konvergensi Bisection pasti, laju konvergensi terlalu lambat dan
seperti itu cukup sulit untuk digunakan untuk sistem persamaan.