PERTEMUAN 5

METODE NUMERIK
SOLUSI PERSAMAAN NON LINIER

Diana Purwandari, M.Si.

1
 POKOK BAHASAN

 Solusi Persamaan Non Linier

 Metode Bisection
 Metode False Position/Regula Falsi
 Metode Fixed point iteration
 Metode Newton Raphson
 Metode Secant

2
Persamaan Non Linier
 penentuan akar-akar persamaan non
linier.
 Akar sebuah persamaan f(x) =0 adalah
nilai-nilai x yang menyebabkan nilai f(x)
sama dengan nol.
 akar persamaan f(x) adalah titik potong
antara kurva f(x) dan sumbu X.

3
Persamaan Non Linier

4
Persamaan Non Linier
 Penyelesaian persamaan linier mx + c = 0
dimana m dan c adalah konstanta, dapat
dihitung dengan :
mx + c = 0
c
x=-
m
 Penyelesaian persamaan kuadrat ax2 + bx +
c = 0 dapat dihitung dengan menggunakan
rumus ABC.

 b  b 2  4ac
x12 
2a 5
Penyelesaian Persamaan Non
Linier
 Metode Tertutup
 Mencari akar pada range [a,b] tertentu
 Dalam range[a,b] dipastikan terdapat satu akar
 Hasil selalu konvergen  disebut juga metode
konvergen
 Metode Terbuka
 Diperlukan tebakan awal
 xn dipakai untuk menghitung xn+1
 Hasil dapat konvergen atau divergen

6
Metode Tertutup
 Metode Biseksi
 Metode Regula Falsi

7
 Metode Terbuka
 Metode Fixed Point Iteration
 Metode Newton-Raphson
 Metode Secant.

8
Theorema

 Suatu range x=[a,b] mempunyai akar bila f(a) dan f(b)

berlawanan tanda atau memenuhi f(a).f(b)<0
 Theorema di atas dapat dijelaskan dengan grafik-grafik
sebagai berikut:

Karena f(a).f(b)<0 maka pada range

x=[a,b] terdapat akar.

Karena f(a).f(b)>0 maka pada

range x=[a,b] tidak dapat
dikatakan terdapat akar.

9
Metode Biseksi

10
Metode Biseksi

 Fungsi kontinu pada [a,b]

 Akarnya x = p & p  [a,b]
 Untuk setiap iterasi akan membagi 2 interval
yang memuat x = p dan berhenti bila
mencapai suatu bilangan yang berada dalam
toleransi (ditetapkan)
 Hanya ada 1 akar dalam [X0,X1] maka
f(X0)*f(X1)  0
 Titik tengah interval X2=½(X0 + X1)
11
 Metode Biseksi (lanjutan)

 Bila f(X0)*f(X2)  0 maka akar

p  [X0,X2]
 Ulangi iterasi pada interval [X0,X1] yang
baru (dalam hal ini [X0,X2])
 Pada kasus lainnya, yakni bila
f(X0)*f(X2) > 0, maka akar p  [X2,X1]
 Ulangi iterasi pada interval [X0,X1] yang
baru (dalam hal ini [X2,X1])
12
Metode Biseksi (lanjutan)

 Setelah dilakukan n kali iterasi biseksi,

akan diperoleh interval yang lebarnya
(½)n(X1 – X0)
 Bila (½)n(X1 – X0)<t maka akarnya
berselisih kurang dari t terhadap kedua
titik ujung interval kecil (terakhir) tsb.

13
Metode Biseksi (lanjutan)

 Bila diinginkan toleransi kesalahan lebih

kecil dari t, maka diperlukan paling
sedikit 2log(X1 – X0) iterasi biseksi,
kecuali bila akarnya tepat pada ujung
interval.

14
Algoritma Biseksi (1)

INPUT X0 ,X1 ,F(X),T

WHILE [(X1 – X0) T OR F(X0)*F(X1) 0] DO
X2 = (X0 + X1)/2
IF F(X0)*F(X2) >0 THEN
X0 = X2
ELSE
X1 = X2
ENDIF
ENDWHILE
15
Algoritma Biseksi (2)
IF F(X0)=0 THEN
OUTPUT (X0)
ELSE IF F(X1) = 0 THEN
OUTPUT (X1)
ELSE
OUTPUT (X2)
ENDIF

16
KEUNTUNGAN BISEKSI

 Selalu berhasil menemukan akar

(solusi) yang dicari, atau dengan
kata lain selalu konvergen.

17
KELEMAHAN BISEKSI

 Bekerja sangat lambat. Tidak

memandang bahwa sebenarnya
akar atau solusi yang dicari telah
berada dekat sekali dengan X0
ataupun X1.

18
METODE REGULA FALSI
(FALSE POSITION)

19
METODE REGULA FALSI
Metode regula falsi adalah metode
pencarian akar persamaan dengan
memanfaatkan kemiringan dan selisih
tinggi dari dua titik batas range. Metode
regula falsi disebut juga metode
interpolasi linear. Seperti halnya
metode biseksi, metode ini bekerja
secara iterasi dengan melakukan
update range.
20
METODE REGULA FALSI
 Salah satu alternatif untuk
mempercepat perhitungan akar (solusi).
 Tetapkan interval awal [X0 ,X1] yang
memuat akar (solusi).
 Hitung X2 (yang merupakan titik ujung
interval baru) : titik potong garis lurus
dari titik [X0,f(X0)] ke titik [X1,f(X1)]
dengan sumbu X.
21
METODE REGULA FALSI
Solusi akar (atau akar-akar) dengan menggunakan Metode Regula-Falsi
merupakan modifikasi dari Metode Biseksi dengan cara memperhitungkan
‘kesebangunan’ yang dilihat pada kurva berikut:

Gambar 1. Representasi grafis metode Regula-Falsi.

22
 Perhatikan kesebangunan 2 segitiga Pcb dan PQR di atas, sehingga
persamaan berikut dapat digunakan :

sehingga

atau

Persyaratan yang harus dipenuhi : f(a) * f(b) < 0

23
 ALGORITMA

1. Definisikan fungsi f(x)

2. Tentukan batas bawah (x1) dan batas atas (x2)
3. Tentukan toleransi error (e) dan iterasi
maksimum (n)
4. Hitung y1 = f(x1) dan y2 = f(x2)
5. Untuk iterasi I = 1 sampai dengan n atau error
>e :
 x3 = (y2*x1 – y1.x2) /(y2-y1)
 Hitung y3 = f(x3)
 Hitung error = f(x3)
 Jika y3*y1<0 maka x2 = x3 dan y2 = y3, jika tidak x1 = x3
dan y1 = y3
Akar persamaan adalah x3
24
FLOWCHART

25
 PERTEMUAN 6
METODE NUMERIK
SOLUSI PERSAMAAN NON LINIER

Diana Purwandari, M.Si.

26
METODE REGULA FALSI
 Persamaan garis lurus melalui
titik [X0,f(X0)] dan [X1,f(X1)],
yaitu :

x  x0 y  f ( x0 )

x1  x0 f ( x1 )  f ( x0 )
27
 METODE REGULA FALSI
 Garis tersebut berpotongan dengan
sumbu X  Y = 0 dengan titik absisnya
yaitu X2, sehingga diperoleh :

( x1  x0 )
x2  x0  f ( x0 )
f ( x1 )  f ( x0 )
28
METODE REGULA FALSI

 Penetapan interval baru:

bila F(X0)*F(X2) <0 maka

intervalnya menjadi [X0 , X2]

bila F(X0)*F(X2) >0 maka

intervalnya menjadi [X2 , X1]
29
Metode Regula Falsi
 Pengulangan/iterasi mencari X2 dan
interval baru dilakukan berdasarkan
nilai toleransi atau bila akarnya belum
ditemukan
 Sebaiknya nilai toleransi secara relatif
mengacu pada : error aproksimasi

30
ALGORITMA REGULA FALSI
INPUT X0,X1,T,F(X), MAX
I=0; FOUND = false
REPEAT
I=I+1
X2 = X1 -(X1 - X0)*F(X1)/(F(X1)-F(X0))
IF F(X0)*F(X2)<0 THEN
X1 = X2

31
ALGORITMA REGULA FALSI
ELSE
X0 = X 2
ENDIF
IF (|(X2 - X1)/ X1|T OR I=MAX) THEN
FOUND=true
ENDIF
UNTIL (FOUND=true)
OUTPUT (X2)
32
KELEMAHAN REGULA FALSI
 Hanya salah satu titik ujung interval (X0
atau X1) yang bergerak menuju akar
dan yang lainnya selalu tetap untuk
setiap iterasi.
 Sehingga mungkin [X0, X1] masih cukup
besar jaraknya bila menggunakan batas
| X1 - X0|  T padahal X0  X2 atau
X 1  X2
33
 KELEMAHAN Regula falsi

hal tersebut dikenal dengan pendekatan error

mutlak.

diperbaiki dengan pendekatan Error relatif :

x1  x2 x0  x2
T atau T
x1 x0
34
Contoh :

Carilah penyelesaian dari persamaan nonlinear di

bawah ini dengan metode Regula Falsi:
f(x) = x3 + x2 - 3x - 3 = 0

Penyelesaian:
Langkah 1: Menentukan dua titik nilai f(x) awal,
f(x1) dan f(x2) dan harus memenuhi hubungan
f(x1)*f(x2)<0. misalkan nilai x1 = 1 dan x2 = 2.
f(x1)= 13 + 12 - 3(1) – 3 = -4
f(x2)= 23 + 22 - 3(2) – 3 = 3
Di dapat F(x1)*f(x2)<0 maka titik penyelesaian
berada di antara nilai x1 = 1 dan x2 = 2. 35
• Langkah 2: mencari nilai x3 dengan persamaan :

Dan f(x3)= 1.571423 + 1.57142 2 - 3(1.57142) – 3 = -1.3644314869

• Langkah 3: Melakukan Iterasi dengan persamaan pada hasil

langkah 2 nilai f(x3) hasilnya negative, dan untuk memnentukan
nilai x4 harus f(xa)*f(xb)<0 maka yang memenuhi syarat nilai yang
digunakan yaitu x2 dan x3 karena nilai f(x2)*f(x3)<0 maka :

Dan f(x4= 1.705413 + 1.705412 - 3(1.70541) – 3 = -0.247745

36
 Iterasi selanjutnya mencari nilai x5 dan f(x5) dan begitu seterusnya sampai
didapatkan nilai error lebih kecil dari 10-7. Maka dari hasil perhitungan
didapatkan nilai x = 1.7320508074.
dengan nilai errornya f(x)= 2.0008883439E-09

• Tampilan Program

37
Soal :
Buatlah program (pascal) untuk menyelesaikan akar-
akar persamaan non-linier berikut (dengan metode
regula falsi):

1. x4 -x3 +9 x2 - 6x - 5 =0
2. 1 + 2x - cos x=0

38
METODE SEKAN

39
Metode Sekan
 Disebut juga Metode Interpolasi Linear
 Dalam prosesnya tidak dilakukan penjepitan
akar atau dpl.
[X0, X1] tidak harus mengandung akar yang
akan dicari.
 Sehingga f(x0) dan f(x1) bisa bertanda sama
 Untuk mencari X2 , sama dengan metode
REGULA FALSI

40
Metode Sekan (lanjutan)

 Untuk iterasi berikutnya akan diperoleh

interval baru [X0, X1] dengan cara
pergeseran: X0  X1 , X1  X2
 Iterasi berlangsung sampai batas maksimum
(Max.) atau sampai dipenuhinya batas
Toleransi (T):
| (X1 - X2 )/ X1 |≤ T

--------------------------
|
\/
Nilai kesalahan relatif
41
Metode Sekan (lanjutan)

 Proses Pencapaian Akar (Mtd. SEKAN)

 Tambah gambar ! (halaman akhir)

42
Algoritma Sekan
 INPUT X0, X1, T, Max, F(x)
 i=0
 Found = false
 REPEAT
i=i+1
X2 = X1 – (X1 – X0)*F(X1)/(F(X1) – F(X0))
X0 = X1
X1 = X2

43
Algoritma Sekan (lanjutan)

IF | (X0- X1)/ X0|≤ T OR

i = Max THEN
Found = true
ENDIF
 UNTIL (Found = true)
 OUTPUT (X2)

44
45
METODE ITERASI TITIK TETAP

46
METODE ITERASI TITIK TETAP

 Syaratnya:
 f(x) = 0 dapat diubah menjadi bentuk:
x = g(x) (yang tidak unik)
 Cari akar dgn pertidaksamaan rekurens:
Xk+1 = g(Xk); untuk k = 0, 1, 2, 3, …
dgn X0 asumsi awalnya, sehingga diperoleh
barisan X0, X1, X2, X3, … yang diharapkan
konvergen ke akarnya.
 Jika g’(x) ε [a, b] dan g’(x) ≤ k dgn k< 1 Utk setiap
x ε [a, b] , maka titik tetap tersebut tunggal dan
iterasinya akan konvergen menuju akar

47
METODE ITERASI TITIK TETAP (cont’d)

 Dari bentuk x = g(x), berarti akar dari f(x)

tak lain adalah perpotongan antara garis
lurus y = x dan kurva y = g(x).

48
49
CONTOH KASUS

 CONTOH:
f(x) = x – e1/x ;
bentuk x = g(x), yaitu: f(x) = x – e1/x
dapat ditulis: f(x) = 0  x – e1/x = 0
shg didapat x = g(x), antara lain:
a. x = e1/x
b. x = e1/x  ln x = 1/x (ln e)  x = 1/ln x
c. x = e1/x  2x = x + e1/x  x = 1/2(x +
e1/x)
50
CONTOH KASUS (lanjutan)

ambil x0 = 1.5
periksa kekonvergenan iterasi:
a. g’(x) = - (1/x2 ) e1/x
g’(x) = - (1/(1.5)2 ) e1/1.5 = …. ?

51
METODE NEWTON-RAPHSON

52
METODE NEWTON-RAPHSON
 Waktu pencarian akarnya relatif lebih cepat
dibandingkan metode lainnya.
 Memanfaatkan turunan fungsi f(x) pada suatu
titik P [x1, f(x1)]
 Membuat garis singgung pada titik P tsb yg
memotong sumbu x  didapat xi+1
 Sampai ditemukan akarnya (sesuai batas
toleransi/error yg diberikan)

53
Gambar Grafik

54
METODE NEWTON-RAPHSON
(lanjutan)
 Persamaan garis singgung melalui P [X1, f(X1)]
adalah: y – f(X1) = f ’(X1) . (X – X1)
dgn f ’(X1) : gradien garis singgung
 Persamaan tsb memotong sumbun x di titik
(X2, 0) maka akan diperoleh:
0 - f(X1) = f’(X1). (X2– X1)
X2 .f’(X1) - X1.f’(X1) = - f’(X1)
X2 = X1 - f(X1)/ f’(X1)

55
METODE NEWTON-RAPHSON
(lanjutan)

 Secara Rekurens, persamaan tsb dinyatakan

menjadi:
Xi+1= Xi - f(X1)/ f’(X1)
Utk i = 1, 2, 3, …
f’(Xi): turunan pertama f(X) pada x = xi.

56