LAPORAN PRAKTIKUM KOMPUTASI PROSES

BAB III AKAR PERSAMAAN NON LINEAR

Disusun Oleh:

Nama : Erine Erika

NIM 19521109

Kelas/Hari : A/Senin

Asisten : 1. Apri Wahyudi

2. Bayu Setiawan

3. Diyas Aledya Yahya

4. Isna Tita Safira

5. Lutfiyah Nur Kamaliya

6. Luthfi Nabila Nur Afifah

7. Muh. Reskiawan

8. Nabira Amethysta

LABORATORIUM KOMPUTASI

PROSES JURUSAN TEKNIK KIMIA

FAKULTAS TEKNOLOGI

INDUSTRI UNIVERSITAS ISLAM

INDONESIA 2021
 BAB I

PENDAHULUAN

1.1 TUJUAN
Agar mahasiswa dapat mencari akar persamaan non linear menggunakan
penyelesaian numerik.
1.2 DASAR TEORI
Sistem persamaan non linear merupakan kumpulan dari beberapa
persamaan nonlinear dengan fungsi tujuannya sama atau Bersama dengan
fungsi kendala berbentuk non linear, yaitu pangkat dari variabelnya lebih dari
satu. Sistem persamaan non linear digunakan untuk menghitung akar
persamaan non linear menggunakan satu variable x, f(x), atau secara umum
dituliskan dengan formula f(x)=0. Ada banyak macam metode numerik untuk
menyelesaikan sistem persamaan nonlinear diantaranya metode metode
Bisection, metode Newton-Raphson, metode tools roots, metode tools fzero,
metode tools fminsearch, metode fsolve.
1. Metode Bisection
Metode bisection disebut juga membagi interval, metode ini
melalui proses iterasi untuk mendapatkan akar persamaannya.
Setelah diketahui bagian mana terdapat akar, maka batas bawah
dan batas atas diperbarui sesuai dengan range dari bagian yang
mempunyai akar. Asumsi awal yang harus diambil adalah
“menebak” interval awal [a, b] dimana f(x)
adalah kontinu padanya, demikian pula harus terletak “mengapit”
(secara intiutif) nilai akar 𝛼. Dalam matlab, algoritma untuk
metode Bisection dapat ditulis dalam M-file sebagai berikut.

function root= biseksi(func,a,b,tol)

% menggunakan metode biseksi utk menentukan akar
persamaan
% input:
% func=nama fungsi persamaan
% a= tebakan awal pertama
% b = tebakan awal kedua
% tol = toleransi
 while abs((a-b)/a)>1e-6
fa=feval(func,a);
fb=feval(func,b);
if fa*fb>0
error('input tebakan a & b baru')
end
m=(a+b)/2;
fm=feval(func,m);
if fm*fa>0;
a=m;
else
b=m;
end
end
x=(a+b)/2;
root=x
Algoritma metode bisection:
1) Menentukan nilai tebakan awal Xa dan Xb dan toleransinya
2) Menghitung nilai f(Xa) dan f(Xb)
3) Syarat:
Jika f(Xa)*f(Xb) < 0, maka syarat terpenuhi
Jika tidak, maka menentukan Xa dan Xb baru
4) Menghitung Xm = (Xa+Xb)/2
5) Menghitung f(Xm)
6) Syarat:
Jika f(Xa)*f(Xm)>0 terpenuhi, maka Xa diganti Xm
Jika f(Xa)*f(Xm)>0 tidak terpenuhi, maka Xb diganti Xm
7) Menghitung kriteria iterasi |(𝑎 − 𝑏)/𝑎| > toleransi.
8) Menghitung hasil akar kuadrat x-(a+b)/2

2. Metode Newton-Raphson
Metode Newton-Raphson merupakan metode yang paling
sering digunakan dintara metode-metode pencarian akar persamaan
yang lain. Metode ini sederhana, namun cukup handal dalam
mendapatkan akar persamaan nonlinier, dengan catatan terkaan
awal yang diberikan cukup dekat. Algoritma Newton Raphson :
1) Menentukan nilai x dan 𝜀
2) Menghitung nilai f(𝑋𝑜𝑙𝑑)
 3) Menghitung )=
𝑓((𝑋𝑜𝑙𝑑+𝗌)−f((𝑋𝑜𝑙𝑑−𝗌)
2𝗌
nilaif’(𝑋𝑜𝑙𝑑
4) Menghitung
𝑋𝑛𝑒𝑤 = 𝑋𝑜𝑙𝑑 − ( 𝑓(𝑋𝑜𝑙𝑑) )
𝑓′(𝑋𝑜𝑙𝑑)

Catatan: iterasi dihentikan apabila 𝑋𝑜𝑙𝑑 ≈ 𝑋𝑛𝑒𝑤 atau f((𝑋𝑜𝑙𝑑)≈0.

Dalam matlab, algoritma untuk metode Newton Raphson dapat
ditulis dalam M file sebagai berikut:

function root = newtraph(func,xr,es,maxit)

% Menggunakan metode Newton Raphson untuk
menentukan akar
% Input:
% func = nama fungsi atau persamaan
% xr = tebakan awal
% es = (opsional) kriteria menghentikan iterasi (%)
% maxit = (opsional) jumlah iterasi maksimum
% Output:
% root = akar persamaan
if nargin<4, maxit = 50; end
%jika maxit tidak ada maka ditentukan 50
if nargin<3, es = 0.001; end
%jika es tidak ada maka ditentukan 0.001
% Newton Raphson
iter = 0;
dfunc = (feval(func,(xr+es))-feval(func,(xr-
es)))/(2*es);
while(1)
xrold = xr;
xr = xr - func(xr)/dfunc;
iter = iter + 1;
if xr ~= 0, ea = abs((xr - xrold)/xr)*100; end
if ea <= es || iter >= maxit, break, end
end
root = xr;

3. Metode Tools Roots

Untuk menentukan akar-akar persamaan akar-akar
polynomial dalam matlab dapat menggunakan command r =
roots(p) dimana p adalah vector koefisien polynomial. Keunggulan
metode ini yaitu seluruh akar dapat diketahui ddengan hanya sekali
menjalankan rutin dan tidak membutuhkan tebakan mula,
sedangkan kelemahannya yaitu hanya untuk persamaan kuadrat
 dan polynomial. Sebagai contoh, untuk menentukan akar
persamaan.
𝑝(𝑥) = 𝑥5 + 8,5𝑥4 + 10𝑥3 − 37,5𝑥2 − 36𝑥 + 54
kita dapat menuliskan command berikut ini dalam matlab

p = [1 8.5 10 -37.5 -36 54];

r = roots (p)

r =

-6.0000
-3.0000
-2.0000
1.5000
1.0000

4. Metode tools fzero

Metode fzero adalah function yang digunakan untuk
menghitung persamaan non linear umum. Dalam metode ini
terdapat 2 cara yang bisa digunakan, pertama yaitu cara dengan
menuliskan di bagian jendela command, dan yang kedua cara
dengan menulsikan dalam bentuk m function. Contoh
menyelesaikan persamaan sin x dengan menggunakan metode tools
fzero sebagai berikut
fun = @(x)sin(x);
x0 = 3;
x = fzero(fun,x0)

x =

3.1416
[x,residual] = fzero(fun,x0)

x =

3.1416

residual =

1.2246e-16
Jika fun dituliskan dalam bentuk M-function, kita dapat
menuliskan di dalam file dan menyimpannya dengan nama fun.m
5. Metode Tools Fminsearch
Penggunaan metode fminsearch untuk menyelesaikan
persamaan nonlinear tunggal dengan dua atau lebih variable, dengan
hasil akar minimum dan optimal agar f(x) persamaan non linear sama
dengan nol. Sebagai contoh untuk menentukan akar persamaan
𝑓(𝑥) = 100(𝑦 − 𝑥2)2 + (1 − 𝑥)2
Maka ditulis pada command window seperti ini dimana x=x(1) dan
y=x(2):
y = @(x)100*(x(2)-x(1)^2)^2+(1-x(1))^2;
x0 = [0,0];
x = fminsearch(y,x0)

x =

1.0000 1.0000

6. Metode fsolve
Menggunakan fsolve untuk menyelesaikan system persamaan
nonlinear dengan dua variable atau lebih. Penggunaan command ini
sama dengan fzero, akan tetapi system persamaannya harus
didefinisikan terlebih dahulu menggunakan m-function. Beberapa
aturan untuk menggunakan fsolve adalah:
X = fsolve(fun,x0)
X = fxolve(fun,x0,options)
Untuk dapat menjelaskan hal ini perhatikan contoh berikut ini
𝑥2 − 3𝑦 + 2 = 0
𝑥3 − 4𝑥2 − 𝑥𝑦 + 1 = 0
Kita dapat mendefinisikan M-function dengan nama fun2, dimana x =
x(1) dan y = x(2) maka hasilnya
function F = fun2(x)
F(1) = x(1)^2-3*x(2)+2
F(2) = x(1)^3-4*x(2)^2-x(1)*x(2)+1
end
 >> x0 = [0, 0];
>> [x, residual] = fsolve(@fun2, x0)

23

x=

-0.1663 0.5711

residual =

0.3144 -0.2142

BAB II

PERSOALAN DAN PENYELESAIAN

2.1 LATIHAN

1. Tentukan akar-akar dari persamaan non linear di bawah ini dengan

menggunakan metode Roots.
𝑃 = 𝑥7 + 82𝑥5 + 3𝑥3 − 14.5𝑥2 + 𝑥

Jawaban:
p = [1 0 82 0 3 -14.5 1];
r = roots(p)

r =

0.0011 + 9.0534i
0.0011 - 9.0534i
-0.2919 + 0.5049i
-0.2919 - 0.5049i
0.5115 + 0.0000i
0.0701 + 0.0000i
2. Buktikan bahwa persaaman di atas memiliki akar persamaan diantara 1,4
dan 1,5 (metode biseksi)!
7
3𝑥3 − + 2, 𝑥 > 0
𝑥
Jawaban:

func=@(x)x^3-(7/x)+2;
a=1.4;
b=1.5;
tol=0.001;
root = biseksi(func,a,b,tol)

root =

1.4270

root =

1.4270

3. Tentukan akar-akar dari persamaan non linear dibawah ini dengan

menggunakan metode fsolve:
𝑥0 = (1,3)
𝐹(1) = 𝑥2 + 5𝑥𝑦 = 88
𝐹(2) = 𝑦 + 7𝑥𝑦2 = 81
Jawaban:

>> y=@(x) [x(1)^2 + 5*x(1)*x(2) - 88; x(2) +

7*x(1)*x(2)^2 - 81]

y =

function_handle with value:

@(x)[x(1)^2+5*x(1)*x(2)-88;x(2)+7*x(1)*x(2)^2-81]

>> [x,residual]=fsolve(y,[1 3])

Equation solved.

fsolve completed because the vector of function values

is near zero
 as measured by the value of the function tolerance,
and
the problem appears regular as measured by the
gradient.

<stopping criteria details>

x =

6.6664 1.3068

residual =

1.0e-13 *
0.2842 0

4. Tentukan akar dari persamaan non linier di bawah ini dengan

menggunakan metode Newton Raphson. Dengan x0=7 , y = x sin x - 3𝑥2 +
3x – 1.
Jawaban:

y = @(x) x*sin(x)-3*x^2+3*x-1;
x0 = 7;
newtraph(y,x0)

ans =

19

ans =

0.9565

5. Persamaan berikut ini menunjukkan konsentrasi suatu bahan kimia di

dalam reactor berpengaduk:

𝑐 = 𝑐𝑖𝑛(1 − 𝑒−0,04𝑡) + 𝑐0𝑒−0,04𝑡

jika diketahui konsentrasi awal c 0 = 4 dan konsentrasi masuk c in = 10,
dengan menggunakan matlab hitunglah waktu yang diperlukan pada saat
konsentrasi bahan didalam reaktor (c) menjadi 93 persen dari konsentrasi
masuk (c in ).
 Jawaban:

y=@(t)10*(1-exp(-0.04*t))+4*exp(-0.04*t)-9.3;
xr=3;
newtraph(y,xr)

ans =

19

ans =

53.6953

6. Tentukan akar-akar dan eror dari persamaan non linear dibawah ini dengan
menggunakan metode fminsearch, 𝑦 = 200(𝑥3 − 𝑦2)2 − 𝑥5; x = x1,
y=x2, x0=(0,0)
Jawaban:

y=@(x) 200*(x(1)^3 - x(2)^2)^2 - x(1)^5

y =

function_handle with value:

@(x)200*(x(1)^3-x(2)^2)^2-x(1)^5

x0=[0,0]

x0 =

0 0

[x,residual]=fminsearch(y,x0)

x =

0.0042 -0.0000

residual =

-2.1055e-13

2.2 TUGAS
1. Diketahui sebuah persamaan kapasitas panas sebagai berikut:
15,04 𝑘𝑗
𝐶𝑝 = 0,716 − 4,257. 10−6𝑇 − [
] 𝑑𝑎𝑛 𝑇 𝑑𝑎𝑙𝑎𝑚 𝐾
√ 𝑇 𝑘𝑔. 𝐾
Tentukan temperatur pada saat Cp = 1 kJ/kg.K menggunakan metode
Newton Raphson (xr = 100) dan Biseksi (clue: menentukan nilai batas atas
dan bawah menyesuaikan rentangnya dengan hasil yang di dapat dari
metode Newton Raphson) !
Jawaban:
Metode Newton Rhapson
>> y=@(T)0.716-(4.257*10^(-6))*T+(15.04/sqrt(T))-1;
>> xr=100;
>> newtraph(y,xr)

ans =

1.5453e+03

Metode Biseksi
>> func=@(T)0.716-(4.257*10^(-6))*T+(15.04/sqrt(T))-1;
>> a=1.5;
>> b=1.5;
>> tol=0.001;
>> root=biseksi(func,a,b,tol)

root =

1.5000

root =
 1.5000
2. Distilat (berupa campuran uap) dari proses dari proses distilasi dengan
fraksi mol benzene (1) = 0,5 ; toluene (2) = 0,25 dan ortho-xylene (3) =
0,25 dikeluarkan melalui kondensor yang beroperasi pada tekanan 760
mmHg. Di dalam kondensor parsial terjadi kesetimbangan antara uap dan
cairannya sehingga berlaku persamaan berikut:
𝑥𝑖𝑃𝑖0 = 𝑦𝑖𝑃𝑖
Dan untuk Pi diperkirakan dengan persamaan Antoine:
𝐵
𝐿𝑜𝑔(𝑃𝑖) = 𝐴 −
𝑇+𝐶
Perkirakanlah Suhu Operasi pada kondensor dalam OC menggunakan
metode fzero, dengan data konstanta sebagai berikut:

A(1) = 6,90565

B(1) = 1211,033

C(1) = 220,790

(Untuk Antoine Coefficient toluene dan ortho-xylene silahkan dicari

sendiri! ). Konstanta-konstanta tersebut berlaku untuk Pi dalam mmHg dan
T dalam Celsius
Jawaban:
>> A=6.90565+7.1362+7.14914;
>> B=1211.033+1457.29+1566.59;
>> C=220.790+231.827+222.596;
>> fun=@(T)A-B/(T+C)-log10(760);
>> T0=25;
>> T=fzero(fun,T0)

T=

-443.9256
3. Tentukan akar-akar dari persamaan non linear dibawah ini menggunakan
metode yang telah diajarkan pada modul 3, dengan x0 = (2,1)!
𝐹(1) = 𝑥𝑦 − 5𝑦 = −4
𝐹(2) = 𝑥3 − 𝑦2 = 21
Jawaban:
>> x0=[2,1];
>> [x,residual]=fsolve(@fun,x0)

Equation solved.

fsolve completed because the vector of function values is near zero

as measured by the value of the function tolerance, and
the problem appears regular as measured by the gradient.

<stopping criteria details>

x=

2.9109 1.9147

residual =

1.0e-13 *

-0.0089 -0.4619

4. Tentukan akar-akar dari persamaan non linier di bawah ini menggunakan

metode roots!
528
(𝑥2 + 6)(𝑥2 − 8) =
𝑥
 Jawaban:
𝑃 = 𝑥5 − 2𝑥3 − 48𝑥 − 528
>> p = [1 0 -2 0 -48 -528];
>> z = roots(p)

z=

3.8301 + 0.0000i
0.9463 + 3.3641i
0.9463 - 3.3641i
-2.8614 + 1.7609i
-2.8614 - 1.7609i

BAB III

PENUTUP

3.1 KESIMPULAN

1. Kualitatif
a. Sistem persamaan non linear merupakan kumpulan dari beberapa
persamaan nonlinear dengan fungsi tujuannya sama atau Bersama
dengan fungsi kendala berbentuk non linear, yaitu pangkat dari
variabelnya lebih dari satu.
b. Metode yang digunakan untuk menyelesaikan sistem persamaan
non linear pada matlab antara lain:
1) Metode Newton Raphson
2) Metode Biseksi
3) Metode Tools Roots
4) Metode Tools fzero
5) Metode fminsearch
6) Metode fsolve
2. Kuantitatif
a. Pada latihan nomor 1, menggunakan metode Tools Roots
didapatkan nilai r sebesar:
r=
0.0011 + 9.0534i
0.0011 - 9.0534i
-0.2919 + 0.5049i
-0.2919 - 0.5049i
0.5115 + 0.0000i
0.0701 + 0.0000i
b. Pada Latihan nomor 2, dengan mengunakan metode biseksi
didapatkan hasil 1.4270
c. Pada Latihan nomor 3, dengan menggunakan metode fsolve
didapatkan akar-akar persamaan non linear sebesar:

x=

6.6664 1.3068

residual =

1.0e-13 *

0.2842 0

d. Pada Latihan nomor 4, dengan menggunakan metode Newton

Raphson didapatkan hasilnya sebesar 0.9565
e. Pada Latihan nomor 5, dengan menggunkan metode Newton
Raphson didapatkan hasilnya sebesar 53.6953
f. Pada Latihan nomor 6, dengan menggunakan metode fminsearch
didapatkan hasilnya sebesar
x=
0.0042 -0.0000
residual =
 -2.1055e-13
g. Pada tugas nomor 1, pada metode newton Raphson 1.5453e+03,
dan pada metode biseksi 1.5000.
h. Pada tugas nomor 2, dengan menggunakan metode fsolve
didapatkan hasilnya sebesar -443.9256.
i. Pada tugas nomor 3, dengan menggunakan metode fsolve
didaptkan hasilnya sebesar,
x=
2.9109 1.9147

residual =
1.0e-13 *
-0.0089 -0.4619
j. Pada tugas nomor 4, dengan menggunakan metode roots
didapatkan hasilnya sebesar
z=
3.8301 + 0.0000i
0.9463 + 3.3641i
0.9463 - 3.3641i
-2.8614 + 1.7609i
-2.8614 - 1.7609i

3.2 SARAN

1. Diharapkan penjelasan yang diberikan dalam praktikum lebih lengkap dan

terperinci sehingga praktikan dapat memahami dengan baik.
2. Diharapkan pada saat penjelasan praktikum, aslab dapat memberikan lebih
banyak bentuk contoh-contoh soalnya dan sesuai dengan Latihan dan tugas
yang diberikan.
 DAFTAR PUSTAKA

Rustamaji, Heri. 2017. Pengantar komputasi teknik kimia dengan matlab

dan Simulink. Bandar lampung :Aura CV. Anugrah Utama

KurniawanTeguh. 2006. Komputasi Sutan Agung Tirtayasa.