Departemen Teknik Mesin & Industri

Fakultas Teknik - Universitas Gadjah Mada

Metode Numerik
6c. Akar Persamaan – Metoda Terbuka

Ir. Heru Santoso B. Rochardjo, M. Eng., Ph.D.

Open Method –
Metode terbuka  satu dugaan
 Bracketting method : dua dugaan
mengapit akar
 Satu dugaan : - bisa menemukan
akar, bisa tidak, tergantung nilai
awal, 𝑥𝑖 .
 Hitungan dimulai dari 𝑥𝑖 , akan
menemukan nilai 𝑥𝑖+1 , 𝑥𝑖+2 … …
 Yang akan dibahas :
 Metode Iterasi sederhana satu titik
 Metode Newton-Raphson
 Metode Secant
a. Metode Iterasi satu titik tetap

 Iterasi : pengulangan proses perhitungan hingga mencapai nilai yang dituju

 Open Method, melakukan perkiraan akar dengan Rumus (formula).
 Caranya : mengubah persamaan 𝑓 𝑥 = 0, sedemikian sehinga 𝑥 ada di sebelah kira
tanda sama dengan (=).
𝑓 𝑥 = 0 diubah menjadi  𝑥 = 𝑔 𝑥
 Perubahan ini bisa dilakukan dengan manipulasi aljabar, atau hanya sekedar
menambahkan 𝑥 pada kedua sisi
Contoh :
1
 Persamaan 𝑥 2 − 2𝑥 + 3 = 0, dengan mudah bisa diubah menjadi 𝑥 = (𝑥 2 + 3)
2

 Persamaan s𝑖𝑛 𝑥 = 0 bisa diubah menjadi 𝑥 = s𝑖𝑛 𝑥 + 𝑥

 Contoh variasi g(x) untuk fungsi yang
4 sama

f ( x)  x  x  2
2
x0
g ( x)  x  2
2

or
g ( x)  x  2
or
2
g ( x)  1 
x

by Lale Yurttas,
Chapter 6 Texas A&M
University
 Dengan persamaan ini, maka bisa digunakan untuk memprediksi nilai 𝑥 yang baru (𝑥𝑖+1)
berdasarkan nilai 𝑥 yang lama (𝑥𝑖 ) , atau :

𝑥0 = 𝑛𝑖𝑙𝑎𝑖 𝑎𝑤𝑎𝑙
𝑥1 = 𝑔 𝑥0
𝑥2 = 𝑔 𝑥1
…..
𝑥𝑖+1 = 𝑔(𝑥𝑖 )
 Iterasi dilakukan terus menerus sampai nilai error < nilai yang ditentukan.
 Error dihitung dengan persamaan :
Contoh :

Gunakan simple fixed-point iteration untuk mencari akar dari 𝑓 𝑥 = 𝑒 −𝑥 − 𝑥

Jawab :
 Fungsi bisa diubah secara langsung menjadi : 𝑥 = 𝑒 −𝑥 , sehingga 𝑥𝑖+1 = 𝑒 −𝑥𝑖
 Dimulai dengan nilai awal 𝑥𝑜 = 0, maka table iterasinya adalah :

 Bisa dilihat, bahwa nilai error semakin

lama semakin kecil, menuju ke akar
yang sebenarnya.
Kondisi ini disebut konvergen
 Jika error semakin besar, maka
akar tidak akan ketemu.
Kondisi ini disebut divergen
 Akar yang sebenarnya = 0.56714329
Konvergen

 Bisa dilihat dari table bahwa nilai error turun 0.5 sampai 0.6 kalinya dari error iterasi
sebelumnya. Kondisi ini disebut konvergen linier yang merupakan sifat iterasi fixed-point.
 Persamaan 𝑒 −𝑥 − 𝑥 = 0, Bisa dianggap
sebagai perpotongan dua garis
𝑓1 𝑥 = 𝑦1 = 𝑥 dan 𝑓2 𝑥 = 𝑦2 = 𝑒 −𝑥
Maka nilai titik potong 𝑥 adalah akar
dari persamaan 𝑒 −𝑥 − 𝑥 = 0
Konvergen dan divergen

 Misalnya suatu persamaan 𝑔(𝑥) − 𝑥 = 0 maka

akarnya adalah titik potong antara garis y1 = 𝑥
dengan garis 𝑦2 = 𝑔 𝑥 .
 Ada 2 kemungkinan :
konvergen  akar menuju ke satu nilai, atau error
semakin kecil
divergen  error semakin besar, nilai akar semakin jauh
dari titik akar 𝑔′(𝑥0 ) < 1 𝑔′(𝑥0 ) < 1

Fixed Point akan konvergen jika 𝑔′(𝑥0 ) < 1

 Jika divergen ?
Ganti nilai awal 𝑥0 sehingga 𝑔′(𝑥0 ) < 1
 Jika tidak ada?  ganti g(x)
 Jika tetap tidak ada? pakai metode lain!
𝑔′(𝑥0 ) > 1 𝑔′(𝑥0 ) > 1
Fixed point iteration dengan excel

f(x)=e^(-x)-x ea Ea
x0 100
x1 3.72008E-44 2.68812E+47 100
x2 1 100 1
x3 0.367879441 171.8281828 0.632121
x4 0.692200628 46.85363946 0.324321
x5 0.500473501 38.30914659 0.191727
x6 0.606243535 17.44678968 0.10577
x7 0.545395786 11.15662253 0.060848
x8 0.579612336 5.903350814 0.034217
x9 0.560115461 3.48086698 0.019497
x10 0.571143115 1.930803931 0.011028
x11 0.564879347 1.108868242 0.006264
x12 0.568428725 0.624419119 0.003549
x13 0.566414733 0.355568414 0.002014
b. Metode Newton Raphson

Nilai awal : 𝑥 𝑖

Nilai setelah iterasi berikutnya : 𝑥𝑖+1

Contoh :
Kriteria berhentinya metode N-R

 Berhentinya iterasi, tidak selalu bisa dilakukan dengan menggunakan 𝜀𝑎

Ini terjadi jika iterasi konvergensi lambat, nilai 𝜀𝑎 bisa lebih kecil dari 𝜀𝑠 .
Karena itu berhentinya iterasi dilakukan juga dengan memeriksa apakah nilai fungsi
𝑓 𝑥𝑖+1 ≅ 0, 𝑎𝑡𝑎𝑢 < 𝑑𝑎𝑟𝑖 𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢
Kelemahan metode N-R

 Hasilnya konvergen ke nilai akar = 1, tetapi

lama sekali.
Kasus-kasus
N-R tidak cocok
Algoritma metode N-R

0. Buat persamaan yang meripakan diferensial pertama dari f(x)

1. Tentukan nilai awal, 𝑥 𝑖

2. Hitung 𝑥𝑖+1 :

3. Periksa nilai 𝜀𝑎 dan 𝐸𝑎 apakah sudah cukup kecil. Jika sudah, selesai.
4. Jika belum, ganti 𝑥𝑖 dengan 𝑥𝑖+1 .
5. Kembali ke 2.
6. Selesai.
Metode Secant

 Kelemahan metode N-R adalah kita harus mencari 𝑓 ′ 𝑥 .

 Metode Secant mengganti 𝑓 ′ 𝑥 dengan pendekatan dengan backward finite
difference :

 Sehingga rumusan iterasi berikutnya menjadi :

Dengan demikian, diperlukan dua nilai awal

Contoh :
Perbedaan antara metode Secant dan False
position
 Dua-duanya memerlukan 2 nilai awal
 False position :
 nilai awal harus mengapit akar
 Nilai yang baru dipilih yang masih mengapit akar
 Karena itu maka akan selalu konvergen
 Metode secant :
 Pemilihan dua dugaan bebas, tidak harus mengapit akar
 menggunakan nilai lama dari 𝑥 , sehingga, kadang-kadang tidak konvergen
Contoh :

 Metode Secant :
Perbandingan metode
Bisection, False Position,
N-R dan Secant :
Algoritma metode secant

1. Tentukan 2 nilai awal : 𝑥𝑖−1 dan 𝑥𝑖

2. Hitung 𝑥𝑖+1:

3. Cek apakah 𝜀𝑎 < 𝜀𝑠 , jika sudah, selesai

4. Jika belum, Ganti 𝑥𝑖−1 dengan 𝑥𝑖 dan 𝑥𝑖 dengan 𝑥𝑖+1
5. Kembali ke 2, atau stop.
6. Selesai
Modifikasi metode secant

 Tidak menentukan dua nilai awal, tetapi cukup satu 𝑥𝑖 saja, sedangkan 𝑥𝑖−1 diganti
dengan 𝑥𝑖 yang digeser sedikit, sebesar 𝛿, di mana 𝛿 nilai yang kecil

 Sehingga rumusan turunan pertama menjadi :

dimana

 Maka nilai pada iterasi berikutnya adalah :

 Pemilihan nilai 𝛿, harus hati2, jika terlalu kecil bisa terhapus karena masalah pembulatan
(round off error), tetapi jika terlalu besar bisa lama, atau malah divergen.
 Pemilihan nilai 𝛿, yang tepat akan sangat menguntungkan.
Contoh :
Fungsi dengan akar yang banyak
(multiple roots)
 Terjadi jika kurva menyinggung sumbu x
 Double root :
atau :
 Triple root :
atau :

Jadi pada titik tersebut, tidak hanya 𝑓 𝑥 , tetapi juga 𝑓′ 𝑥 , dan

bisa juga 𝑓" 𝑥 . yang sama dengan NOL
Cara menyelesaikan multiple roots

 Usulan penyelesaian oleh

 Maka didapatkan rumusan metode Newton Raphson yang dimodofikasi menjadi :

Contoh :