Laporan Praktikum Modul 2

MODUL 02 - 2019
AKAR PERSAMAAN NONLINEAR

Anastasia Martha Kenek Udak
90218003
anastasiaudak27@gmail.com
Praktikum : 13 Februari 2019

Pengumpulan : 19 Februari 2019
Asisten : Muhammad Nashih Amien (10214011)
: Prian Jaya (10214015)
: Naufal Ismail K. (10214051)
: Rifqi Alfi Muhani (10214068)
Abstrak
Praktikum modul 2 dengan topik akar persamaan non-liniear ini bertujuan menggunakan metode
Bisection dan Newton-Raphson dalam mencari solusi akar persamaan non-linear. Metode dalam
praktikum ini menggunakan pemograman VBA Excel dengan menjalankan source code yang telah
dibuat di bagian visual basi. Hasil yang diperoleh dari praktikum ini adalah nilai solusi akar dari suatu
persamaan, nilai eror solusi akarm dan jumlah iterasi. Hasil yang diperoleh adalah semakin kecil nilai
toleransi yang digunakan maka nilai solusi akarnya semakin kecil dan jumlah jumlah iterasinya
semakin banyak. Jumlah iterasi yang dilakukan pada metode Newton-Raphson tidak bisa dibandingkan
dengan metode Bisection karena pada metode Bisection tidak dilakukan perhitungan jumlah iterasi.
Kesimpulan dari praktikum ini adalah metode Bisection dan Newton-Raphson dapat digunakan untuk
mencari solusi akar dari suatu persamaan non-linear dimana hasil solusi akar yang diperoleh memiliki
nilai yang sama dengan solusi akar dari metode analitik dan semakin kecil batas toleransi yang
digunakan maka nilai solusi akar semakin kecil dan jumlah iterasinya semakin banyak
Kata kunci: Akar Persamaan Linear, Batas Toleransi, Bisection, Iterasi, Newton Raphson.
1. TUJUAN
a. Menggunakan metode Bisection dan Newton-Raphson dalam mencari solusi akar persamaan
non-linear.
b. Menentukan pengaruh batas toleransi terhadap nilai solusi akar dan jumlah iterasi yang
dihasilkan.
2. DASAR TEORI
2.1 Metode Bisection
Metode bisection merupakan metode untuk menentukan solusi dari sebuah persamaan f(x) =
0 dengan prinsip pencarian solusi berdasarkan dua input sebarang. Jika suatu fungsi f(x) kontinu
pada rentang nilai a sampai b, dengan kata lain dalam interval [a.b], dan kedua nilai tersebut
memenuhi f(a)f(b) < 0, maka menurut metode bisection terdapat sebuah nilai pada rentang
tersebut yang membuat fungsi tersebut bernilai 0. Perhatikan gambar berikut.
Gambar 1. Ilustrasi Metode Bisection

Langkah-langkah dalam menggunakan metode ini adalah sebagai berikut:
1. Tentukan selang [a, b] dan toleransi (nilai toleransi selang yang mengurung akar)
2. Cek apakah memenuhi syarat f(a).f(b) < 0, jika tidak maka cari selang [a,b] yang lain
3. Jika syarat f(a).f(b) < 0 sudah terpenuhi maka cari nilai c dengan cara:
𝑎+𝑏
𝑐= (1)
2
4. Kemudian cari nilai f(c)

5. Setelah itu lakukan pengujian selang dengan syarat seperti berikut:
f(a).f(c) > 0 maka akar berada pada selang [c,b]
f(a).f(c) = 0 maka akar = c
f(a).f(c) < 0 maka akar berada pada selang [a,c]
6. Setelah melakukan pengujian selang dengan syarat di atas, maka didapat selang baru sesuai
dengan syarat yang terpenuhi.
7. Kemudian cek apakah |a-b| < toleransi
8. Jika ya maka nilai akar adalah (a-b)/2
9. Jika tidak maka kembali ke langkah nomor 3.
2.2 Metode Newton-Rahpson

Metode Newton-Raphson menggunakan satu input sebarang awal, katankanlah 𝑥𝑛 . Tebakan
tersebut kemudian dibuat garis yang menyinggung nilai f (𝑥𝑛 ) pada fungsi f(𝑥). Perhatikan gambar
berikut.
Gambar 2. Ilustrasi Metode Newton-Raphson
Garis singgung tersebut akan memotong sumbu-x pada titik 𝑥𝑛+1 . Berdasarkan gambar 2, nilai dari
fungsi f (𝑥𝑛+1) lebih dekat menuju 0 dibandingkan dengan f(𝑥𝑛 ). Maka dari itu, 𝑥𝑛+1 dijadikan
input berikutnya untuk menentukan garis singgung yang menyinggung titik f(𝑥𝑛+1 ) dan
seterusnya. Rumusan dalam pencarian nilai 𝑥𝑛+1 dinyatakan oleh formulasi Newton-Rapshon,
yaitu:
𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 − (2)
𝑓′(𝑥𝑛 )
Rumusan tersebut terus dilakukan hingga didapat nilai 𝑥𝑛+1 yang membuat f(𝑥𝑛+1 ) bernilai
mendekati 0, atau lebih kecil dari batas toleransi yang ditentukan.
3. DATA
Batas toleransi : 10−1
f(x) : a) 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0
b) 𝑥 + 𝑒 𝑥 = 0
c) cos(𝑥 2 ) − 𝑥 3 = 0
3.2 Metode Newton-Raphson
Batas toleransi : 10−1 , 10−2 , 10−3 , 10−4 , 10−5
f(x) : a) 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0
b) 𝑥 + 𝑒 𝑥 = 0
c) cos(𝑥 2 ) − 𝑥 3 = 0
d) ln 2𝑥 − log 3𝑥 = 0
e) 2𝑥 − |𝑥| = 0
4. PENGOLAHAN DATA
1) f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0
 Source Code
Function f(x)
f = (x ^ 3) - (7 * x ^ 2) - (10 * x) + 16
End Function
Sub Akar()
Dim a, b, e, Xm, i As Double
Cells(2, 1) = "e"
Cells(3, 1) = "a"
Cells(3, 2) = "b"
Cells(3, 3) = "Xm"
Cells(3, 4) = "Solusi"
e = InputBox("Masukkan nilai batas toleransi")
a = InputBox("Masukkan nilai a")
b = InputBox("Masukkan nilai b")
i = 0
Cells(1, 1) = "Program Mencari Akar"

Cells(2, 2) = e
Cells(4, 1) = a
Cells(4, 2) = b
Cells(4, 3) = Xm
If f(a) = 0 Then
Cells(4, 4) = a
ElseIf f(b) = 0 Then
Cells(4, 4) = b
Else
Do While f(a) * f(b) > 0
Loop
Xm = (a + b) / 2
Do While Abs(f(Xm)) > e
i = i + 1
If f(a) * f(Xm) < 0 Then
b = Xm
ElseIf f(b) * f(Xm) < 0 Then
a = Xm
End If
If i = 100 Then
Exit Do
End If
Xm = (a + b) / 2
Loop
Cells(4, 3) = Xm
End If
End Sub
 Screenshoot tampilan program
Gambar 3. Tampilan Metode Bisection (1) untuk f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0
Gambar 4. Tampilan Metode Bisection (2) untuk f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0
2) f(x) = 𝑥 + 𝑒 𝑥 = 0
 Source Code
Function f2(x)
f = x + Exp(x)
End Function
Sub akar2()
Cells(7, 1) = "e"
Cells(8, 1) = "a"
Cells(8, 2) = "b"
Cells(8, 3) = "Xm"
i = 0

Cells(7, 2) = e
Cells(9, 1) = a
Cells(9, 2) = b
Cells(9, 3) = Xm
If f(a) = 0 Then
Cells(9, 4) = a
Cells(9, 4) = b
Else
Loop
Xm = (a + b) / 2
i = i + 1
b = Xm
a = Xm
End If
If i = 100 Then
Exit Do
End If
Xm = (a + b) / 2
Loop
Cells(9, 3) = Xm
End If
End Sub
 Screenshoot Tampilan Program
Gambar 5. Tampilan Metode Bisection (1) untuk f(x) = 𝑥 + 𝑒 𝑥 = 0
Gambar 6. Tampilan Metode Bisection (2) untuk f(x) = 𝑥 + 𝑒 𝑥 = 0

3) f(x) = cos(𝑥 ) − 𝑥 3 = 0
2
 Source Code
Function f3(x)
f = Cos(x ^ 2) - x ^ 3
End Function
Sub akar3()
Cells(12, 1) = "e"
Cells(13, 1) = "a"
Cells(13, 2) = "b"
Cells(13, 3) = "Xm"
i = 0

Cells(12, 2) = e
Cells(14, 1) = a
Cells(14, 2) = b
Cells(14, 3) = Xm
If f(a) = 0 Then
Cells(14, 4) = a
Cells(14, 4) = b
Else
Loop
Xm = (a + b) / 2
i = i + 1
b = Xm
a = Xm
End If
If i = 100 Then
Exit Do
End If
Xm = (a + b) / 2
Loop
Cells(14, 3) = Xm
End If
End Sub
Gambar 7. Tampilan Metode Bisection (1) untuk f(x) = cos(𝑥 2 ) − 𝑥 3 = 0

Gambar 8. Tampilan Metode Bisection (2) untuk f(x) = cos(𝑥 2 ) − 𝑥 3 = 0
4.2 Metode Newton-Raphson
1) f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0
 Source Code
Sub NewtonRaphson()
Dim i As Integer
Dim err As Double, x0 As Double, tol As Double
tol = InputBox("Masukkan Nilai Toleransi")
x0 = InputBox("Masukkan Nilai x0")
MsgBox "Akar f(x) adalah: " & NR(i, err, tol, x0)
MsgBox "Error akar adalah: " & err
MsgBox "Jumlah iterasi adalah: " & i
End Sub
Function f(x)
f = (x ^ 3) - (7 * x ^ 2) - (10 * x) + 16
End Function
Function df(x)
df = (3 * x ^ 2) - (14 * x) - 10
End Function
Function NR(i, err, tol, x0)
Dim x As Double, x_old As Double
i = 0
x = x0
Do While Abs(f(x)) > tol
x_old = x
x = x - f(x) / df(x)
i = i + 1
If (x <> 1) Then
err = Abs((x - x_old) / x) * 100
End If
If err < tol Then Exit Do
Loop
NR = x
End Function
Gambar 9. Tampilan Metode Newton-Raphson (1) untuk f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0


2) f(x) = 𝑥 + 𝑒 𝑥 = 0
 Source Code
Sub NewtonRaphson2()
Dim i As Integer
End Sub
Function f(x)
f = x + Exp(x)
End Function
Function df(x)
df = 1 + Exp(x)
End Function
i = 0
x = x0
x_old = x
x = x - f(x) / df(x)
i = i + 1
If (x <> 1) Then
err = Abs((x - x_old) / x) * 100
End If
Loop
NR = x
End Function
 Screenshot Tampilan Program
Gambar 14. Tampilan Metode Newton-Raphson (1) untuk f(x) = 𝑥 + 𝑒 𝑥 = 0


3) f(x) = cos(𝑥 2 ) − 𝑥 3 = 0
 Source Code
Dim i As Integer
End Sub
Function f(x)
f = Cos(x ^ 2) - (x ^ 3)
End Function
Function df(x)
df = -2 * x * Sin(x ^ 2) - (3 * x ^ 2)
End Function
i = 0
x = x0
x_old = x
x = x - f(x) / df(x)
i = i + 1
If (x <> 1) Then
err = Abs((x - x_old) / x) * 100
End If
Loop
NR = x
End Function
Gambar 19. Tampilan Metode Newton-Raphson (1) untuk f(x) = cos(𝑥 2 ) − 𝑥 3 = 0

4) f(x) = ln 2𝑥 − log 3𝑥 = 0
 Source Code
Dim i As Integer
End Sub
Function f(x)
f = Log(2 * x) - (Log(3 * x) / Log(10))
End Function
Function df(x)
df = (1 / x) - (1 / (x * Log(10)))
End Function
i = 0
x = x0
x_old = x
x = x - f(x) / df(x)
i = i + 1
If (x <> 1) Then
err = Abs((x - x_old) / x) * 100
End If
Loop
NR = x
End Function
Gambar 24. Tampilan Metode Newton-Raphson (1) untuk f(x) = ln 2𝑥 − log 3𝑥 = 0


𝑥
5) f(x) = 2 − |𝑥| = 0
 Source Code
Dim i As Integer
End Sub
Function f(x)
f = (2 ^ x) - Abs(x)
End Function
Function df(x)
df = (Log(2) * 2 ^ 2) - (x / (Abs(x)))
End Function
i = 0
x = x0
x_old = x
x = x - f(x) / df(x)
i = i + 1
If (x <> 1) Then
err = Abs((x - x_old) / x) * 100
End If
Loop
NR = x
End Function
Gambar 29. Tampilan Metode Newton-Raphson (1) untuk f(x) =2𝑥 − |𝑥| = 0
Tabel 1. Hasil Keluaran Akar f(x) untuk Metode Bisection

f(x) Tol a b Akar f(x)
3 3
𝑥 − 7𝑥 − 10𝑥 + 16 = 0 -2
0,01 -2 1
𝑥
𝑥+𝑒 =0
0,01 -2 1 -2
2 3
cos(𝑥 ) − 𝑥 = 0 1
0,01 0 1
Tabel 2. Hasil Keluaran Akar f(x) untuk Metode Newton-Raphson

f(x) Tol x0 Akar f(x) Err ∑ Iterasi
3 3
𝑥 − 7𝑥 − 10𝑥 + 16 = 0 0,1 7 8.0002377960671 0,390419034149853 3
0,01 7 8,00000001373163 2,97227918824552E-03 4
0,001 7 8,00000001373163 2,97227918824552E-03 4
0,0001 7 8,00000001373163 2,97227918824552E-03 4
0,00001 7 8,00000001373163 2,97227918824552E-03 4
𝑥 + 𝑒𝑥 = 0 0,1 2 -0,519306683738349 83,7716396231094 3
0,01 2 -0,566723223197621 8,36678955764937 4
0,001 2 -0,566723223197621 8,36678955764937 4
0,0001 2 -0.56714325847623 7,40615836176687E-02 5
0,00001 2 -0.56714325847623 7,40615836176687E-02 5
cos(𝑥 2 ) − 𝑥 3 = 0 0,1 -0,5 0,890585280959786 3,61040536104202 4
0,01 -0,5 0,890585280959786 3,61040536104202 4
0,001 -0,5 0,889283170880115 0,146422435767157 5
0,0001 -0,5 0,889283170880115 0,146422435767157 5
0,00001 -0,5 0,889283170880115 0,146422435767157 5
ln 2𝑥 − log 3𝑥 = 0 0,1 1,7 0,59984489456745 37,4183324465826 3
0,01 1,7 0,677353395282682 11,4428452348548 4
0,001 1,7 0,682563740999701 0,763349326084618 5
0,0001 1,7 0,682563740999701 0,763349326084618 5
0,00001 1,7 0,682583831726943 2,94333476838997E-03 6
2𝑥 − |𝑥| = 0 0,1 -0,5 -0,588245578500871 5,66902503211318 2
0,01 -0,5 -0,63648675400144 0,45864292916531 7
0,001 -0,5 -0,640504675944148 6,59839418736654E-02 11
0,0001 -0,5 -0,641124790222015 5,89869514755858E-03 16
0,00001 -0,5 -0,641180288685466 5,27919104326712E-04 21
5. ANALISIS
a) Dari hasil perhitungan akar f(x) secara analitik untuk persamaan f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0
diperoleh akar-akar persamaan x yaitu -2, 1, dan 8. Sedangkan dari hasil percobaan metode Bisection
diperoleh akar persamaan x yaitu -2 untuk toleransi 0,01 dan dari hasil porcobaan Newton-Raphson
diperoleh akar persamaan x yaitu 8.0002377960671 untuk toleransi 0,1 serta 8,00000001373163
untuk toleransi 0,01; 0,001; 0,0001; 0,00001. Dari hasil ini terlihat bahwa akar x hasil percobaan
memiliki nilai yang sama dengan akar x hasil perhitungan secara analitik.
b) Analisis perbandingan jumlah iterasi dari kedua metode tidak dapat dilakukan karena pada
pecobaan dengan metode Bisection tidak dilakukan perhitungan jumlah iterasi.
c) Tidak semua persamaan pada tugas praktikum tidak bisa dicari solusi akar secara analitik.
Untuk persamaan polinomial derajad dua dapat diselesaikan dengan rumus persamaan
kuadrat, untuk persamaan polinomial derajad tiga atau empat, rumus-rumus yang ada sangat
kompleks dan jarang sekali digunakan. Sedangkan untuk persamaan dengan derajad yang
lebih tinggi atau persamaan-persamaan yang mengandung ln, log, trigonometri (sin, cos, tan,
dsb) tidak ada rumus yang dapat digunakan untuk menyelesaikannya.
d) Pengarus batas toleransi terhadap solusi akar yang didapatkan adalah semakin kecil batas toleransi
yang digunakan maka semakin kecil solusi nilai akar yang diperoleh. Hal dapat dibuktikan dengan
hasil pada tabel 2.
e) Pada saat input tebakan secara acak (baik bisection maupun Newton-Raphson) kesalahan input dapat
terjadi sehingga solusi tidak dapat ditemukan. Hal ini bisa disebabkan karena kesalahan logika saat
mengetikkan kode, seperti kesalahan menulis nama dan tipe variabel, lupa mengetikkan perintah
perulangan dan syarat kondisi tertentu yang harus dipenuhi.
6. KESIMPULAN
a) Metode Bisection dan Newton-Raphson dapat digunakan untuk mencari solusi akar dari suatu
persamaan non-linear dimana hasil solusi akar yang diperoleh memiliki nilai yang sama dengan
solusi akar dari metode analitik.
b) Semakin kecil batas toleransi yang digunakan maka nilai solusi akar semakin kecil dan jumlah
iterasinya semakin banyak.
7. REFERENSI
[1] NN. 2019. Modul-02 2019: Akar Persamaan Nonlinear. Bandung: Institut Teknologi Bandung.
[2] Paulus, Erick, dkk. 2018. Perangkat Komputasi Numerik Scilab Berbasis Open Source:
Algoritma dan Penerapannya. Yogyakarta: Deepublish.

Laporan Praktikum Modul 2

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Praktikum Modul 2

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL 02 - 2019

AKAR PERSAMAAN NONLINEAR

Praktikum : 13 Februari 2019

Gambar 1. Ilustrasi Metode Bisection

4. Kemudian cari nilai f(c)

2.2 Metode Newton-Rahpson

Gambar 2. Ilustrasi Metode Newton-Raphson

Cells(1, 1) = "Program Mencari Akar"

Gambar 3. Tampilan Metode Bisection (1) untuk f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0

Gambar 4. Tampilan Metode Bisection (2) untuk f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0

Cells(6, 1) = "Program Mencari Akar"

Gambar 5. Tampilan Metode Bisection (1) untuk f(x) = 𝑥 + 𝑒 𝑥 = 0

Gambar 6. Tampilan Metode Bisection (2) untuk f(x) = 𝑥 + 𝑒 𝑥 = 0

Cells(11, 1) = "Program Mencari Akar"

Gambar 7. Tampilan Metode Bisection (1) untuk f(x) = cos(𝑥 2 ) − 𝑥 3 = 0

Gambar 9. Tampilan Metode Newton-Raphson (1) untuk f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0

Gambar 11. Tampilan Metode Newton-Raphson (3) untuk f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0

Gambar 12. Tampilan Metode Newton-Raphson (4) untuk f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0

Gambar 13. Tampilan Metode Newton-Raphson (5) untuk f(x) = 𝑥 3 − 7𝑥 3 − 10𝑥 + 16 = 0

 Screenshot Tampilan Program

Gambar 14. Tampilan Metode Newton-Raphson (1) untuk f(x) = 𝑥 + 𝑒 𝑥 = 0

Gambar 15. Tampilan Metode Newton-Raphson (2) untuk f(x) = 𝑥 + 𝑒 𝑥 = 0

Gambar 16. Tampilan Metode Newton-Raphson (3) untuk f(x) = 𝑥 + 𝑒 𝑥 = 0

Gambar 18. Tampilan Metode Newton-Raphson (5) untuk f(x) = 𝑥 + 𝑒 𝑥 = 0

Gambar 19. Tampilan Metode Newton-Raphson (1) untuk f(x) = cos(𝑥 2 ) − 𝑥 3 = 0

Gambar 20. Tampilan Metode Newton-Raphson (2) untuk f(x) = cos(𝑥 2 ) − 𝑥 3 = 0

Gambar 21. Tampilan Metode Newton-Raphson (3) untuk f(x) = cos(𝑥 2 ) − 𝑥 3 = 0

Gambar 22. Tampilan Metode Newton-Raphson (4) untuk f(x) = cos(𝑥 2 ) − 𝑥 3 = 0

Gambar 23. Tampilan Metode Newton-Raphson (5) untuk f(x) = cos(𝑥 2 ) − 𝑥 3 = 0

Gambar 24. Tampilan Metode Newton-Raphson (1) untuk f(x) = ln 2𝑥 − log 3𝑥 = 0

Gambar 26. Tampilan Metode Newton-Raphson (3) untuk f(x) = ln 2𝑥 − log 3𝑥 = 0

Gambar 27. Tampilan Metode Newton-Raphson (4) untuk f(x) = ln 2𝑥 − log 3𝑥 = 0

Gambar 28. Tampilan Metode Newton-Raphson (5) untuk f(x) = ln 2𝑥 − log 3𝑥 = 0

Tabel 1. Hasil Keluaran Akar f(x) untuk Metode Bisection

Tabel 2. Hasil Keluaran Akar f(x) untuk Metode Newton-Raphson

Anda mungkin juga menyukai