OLEH :
1. FIRMAN YUSRI (18030059)
2. TRI SANTI NURUL HAYATULLAH (20030059)
3. UTARI MUTIA PUTRI (20030019)
4. WIRDATUL HASANAH (20030020)
5. YEPSI SUSANTI (20030022)
DOSEN PENGAMPU :
RARA SANDHY WINANDA, S.Pd, M.Sc
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI PADANG
2023
DAFTAR ISI
1
BAB I
PENDAHULUAN
A. Latar Belakang
Dalam bidang sains, teknik dan ekonomi sering kali melibatkan permasalahan
matematika. Permasalahan matematika sering dijumpai dalam bentuk persamaan-
persamaan nonlinear. Persamaan nonlinear berupa fungsi-fungsi 𝑓(𝑥) dapat berbentuk
persamaan aljabar, persamaan polinomial, persamaan trigonometri, dan persamaan
transendental. Nilai-nilai 𝑥 yang memenuhi disebut akar persamaan. Dalam mencari akar-
akar persamaan tersebut berarti membuat persamaan itu menjadi nol, yakni 𝑓(𝑥) = 0.
Masalah menemukan akar dari suatu persamaan nonlinear merupakan masalah yang sering
muncul dalam berbagai disiplin ilmu. Dalam kenyataannya, menentukan akar-akar
persamaan nonlinear yang rumit tentunya akan kesulitan apabila dikerjakan dengan
menggunakan metode analitik sehingga metode numerik menjadi solusi dalam
permasalahan ini.
Metode numerik adalah teknik yang digunakan untuk memformulasikan
permasalahan matematika dengan menggunakan operasi perhitungan aritmatika biasa.
Metode berarti cara, sedangkan numerik berarti angka. Dengan demikian secara harfiah
arti dari metode numerik adalah cara berhitung dengan menggunakan angka-angka. Solusi
yang didapat dari metode numerik berupa solusi hampiran (approximation) atau disebut
juga dengan solusi pendekatan. Meskipun hasil yang didapat berupa solusi hampiran,
solusi ini dapat dibuat seteliti mungkin sesuai yang kita inginkan. Solusi hampiran berbeda
dengan solusi eksak, dengan demikian ada selisih antara keduanya. Selisih ini sering
disebut dengan error atau galat.
Metode Newton merupakan salah satu teknik untuk menyelesaikan persamaan
nonlinear. Metode ini sangat mudah untuk diimplementasikdan dan sering konvergen
dengan cepat, bila iterasi dimulai cukup dekat dengan akar yang diinginkan. Metode
Newton digunakan untuk mencari hampiran atau pendekatan terhadap akar fungsi real
pada persamaan nonlinear. Penentuan akar-akar persamaan merupakan salah satu
persoalan yang terdapat dalam persamaan nonlinear. Jika fungsi 𝑓(𝑥) mempunyai lebih
dari satu akar, maka akar yang ditemukan dengan metode Newton bergantung pada nilai
awal.
2
B. Rumusan Masalah
Berdasarkan latar belakang di atas, rumusan masalah yang dibahas pada project akhir
ini adalah Bagaimana menentukan akar-akar persamaan dari suatu sistem persamaan
nonlinear dengan menggunakan Metode Newton?
C. Tujuan
Berdasarkan rumusan masalah yang telah diuraikan, maka tujuan dari penulisan
project akhir ini adalah Memperoleh akar-akar dari suatu sistem persamaan nonlinear
dengan menggunakan Metode Newton.
3
BAB II
KAJIAN TEORI
B. Metode Newton-Raphson
Metode Newton-Raphson atau yang dikenal dengan Metode Newton merupakan
metode yang paling terkenal dan paling banyak digunakan dalam sains dan rekayasa.
Metode Newton sering digunakan sebab metode ini memiliki konvergensi paling cepat jika
dibandingkan dengan metode numerik lainnya. Dalam menyelesaikan permasalahan
matematika, metode Newton membutuhkan satu titik awal sebagai tebakan awal. Metode
ini mengalami kegagalan apabila pemilihan titik awalnya memberikan nilai turunannya
nol.
Ada banyak cara untuk mendapatkan metode Newton, secara garis besar pendekatan
geometris. Ide dasar di balik metode Newton didapatkan dari kekonvergenan barisan titik-
titik potong antara garis singgung kurva dan sumbu-𝑥. Perhatikan gambar berikut ini:
4
Gambar 1. Kurva Metode Newton-Raphson
5
𝑓(𝑥 )
dengan 𝑦𝑛 = 𝑥𝑛 + 𝑓′ (𝑥𝑛 ), untuk 𝑓 ′ (𝑥𝑛 ) ≠ 0.
𝑛
dengan
𝑓(𝑥𝑛 )
𝑦𝑛 = 𝑥𝑛 +
𝑓 ′ (𝑥𝑛 )
∗
Karena persamaan (6) memuat 𝑥𝑛+1 pada bagian 𝑓′, maka dapat dimisalkan nilai dari 𝑥𝑛+1
dapat diperoleh dengan metode Newton yaitu:
∗
𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
𝑓 ′ (𝑥𝑛 )
Sehingga,
∗
𝑥𝑛+1 + 𝑦𝑛 𝑥𝑛+1 + 𝑦𝑛
= ′
2 𝑓 (𝑥𝑛 )
𝑓(𝑥𝑛 )
𝑥𝑛 − + 𝑦𝑛
𝑓 ′ (𝑥𝑛 )
=
2
= 𝑥𝑛
Jadi Persamaan (6) dapat disederhanakan menjadi dua langkah yaitu:
𝑓(𝑥𝑛 )
𝑦𝑛 = 𝑥𝑛 + (7)
𝑓 ′ (𝑥𝑛 )
𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑦𝑛 − (8)
𝑓 ′(𝑥𝑛)
6
Pada persamaan non linear 𝑓(𝑥) = 0, metode Newton memerlukan turunan dari fungsi
𝑓(𝑥) yaitu 𝑓 ′ (𝑥) untuk setiap iterasinya. Sedangkan untuk menyelesaikan persoalan
sistem persamaan nonlinear, metode Newton memerlukan matriks Jacobian 𝐽(𝑥) untuk
setiap iterasinya. Matriks Jacobian tersebut digunakan sebagai pengganti turunan fungsi
𝑓(𝑥). Sehingga untuk menyelesaikan sistem persamaan nonlinear dengan metode Newton
adalah:
𝑦𝑛 = 𝑥𝑛 + 𝐽−1 (𝑥𝑛 )𝑓(𝑥𝑛 ) (9)
𝑥𝑛+1 = 𝑦𝑛 − 𝐽−1 (𝑥𝑛 )𝑓(𝑥𝑛 ) (10)
7
BAB III
METODE PENELITIAN
8
BAB IV
PEMBAHASAN
Untuk menguji efisiensi strategi yang diusulkan, akan dilakukan evaluasi terhadap
beberapa contoh dengan nilai galat toleransi yang diberikan adalah 10−15 yang bertujuan untuk
menunjukkan kefektifan persamaan tersebut. Sistem persamaan nonlinear yang digunakan
adalah sebagai berikut:
Contoh 1
𝑓1 (𝑥, 𝑦) = 2𝑥 2 + 𝑦 2 − 7 = 0
𝐹1 (𝑋) = { (11)
𝑓2 (𝑥, 𝑦) = 𝑥 2 − 5𝑦 + 2 = 0
Dengan nilai awal (𝑥0 , 𝑦0 ) = (1,1) dan galat toleransi 𝐸𝛿 = 10−15 , akan ditentukan
penyelesaian dari persamaan di atas.
Penyelesaian:
Untuk menemukan akar-akar sistem persamaan nonlinear dapat menggunakan cara 𝑓(𝑥) = 0.
𝑓1 (𝑥, 𝑦) = 2𝑥 2 + 𝑦 2 − 7 = 0
𝑓2 (𝑥, 𝑦) = 𝑥 2 − 5𝑦 + 2 = 0 ⟺ 𝑥 2 = 5𝑦 − 2
2(5𝑦 − 2) + 𝑦 2 − 7 = 0
10𝑦 − 4 + 𝑦 2 − 7 = 0
𝑦 2 + 10 − 11 = 0
(𝑦 + 1)(𝑦 − 1) = 0
𝑦 = −1, 𝑦 = 1
➢ Untuk 𝑦 = −1
𝑓2 (𝑥, 𝑦) = 𝑥 2 − 5𝑦 + 2 = 0 ⟺ 𝑥 2 = 5𝑦 − 2
𝑥 2 = 5(−1) − 2
𝑥 2 = −7
𝑥 = √−7
𝑥 = 𝑖 √7
9
Maka didapatkan (𝑥, 𝑦) = (𝑖√7, −1). Lalu substitusikan ke persamaan 𝑓1 (𝑥, 𝑦) untuk
membuktikan bahwa 𝑓1 (𝑥, 𝑦) = 0. Setelah diuji ternyata nilai ini tidak memenuhi
𝑓1 (𝑥, 𝑦) = 0.
➢ Untuk 𝑦 = 1
𝑓2 (𝑥, 𝑦) = 𝑥 2 − 5𝑦 + 2 = 0 ⟺ 𝑥 2 = 5𝑦 − 2
𝑥 2 = 5(1) − 2
𝑥2 = 3
𝑥 = 1,73205080
Maka didapatkan (𝑥, 𝑦) = (1,73205080; 1). Lalu substitusikan ke persamaan 𝑓1 (𝑥, 𝑦)
untuk membuktikan bahwa 𝑓1 (𝑥, 𝑦) = 0. Setelah diuji ternyata nilai ini memenuhi
𝑓(𝑥, 𝑦) = 0.
Maka akar-akar persamaan untuk persamaan (11) adalah (𝑥, 𝑦) = (1,73205080; 1). Dapat kita
lihat bahwa untuk menentukan akar-akar sistem persamaan nonlinear dengan cara ini akan
mengalami kesulitan jika salah dalam pemfaktoran, oleh kerena itu kita dapat menggunakan
metode Newton untuk menemukan akar-akar sistem persamaan nonliner.
Menentukan nilai iterasi pertama (𝑋1 ) pada persamaan (11) dengan modifikasi metode Newton
adalah sebagai berikut:
Iterasi pertama
5. Nilai 𝑌0 = [46] disubstitusikan ke dalam persamaan (11) untuk mendapatkan nilai 𝐹(𝑌0 ),
sebagai berikut:
2(0)2 + (1)2 − 7
𝐹(𝑌0 ) = [ ]
(0)2 − 5(1) + 2
−6
=[ ]
−3
6. Hasil 𝐹(𝑌0 ) digunakan untuk mendapatkan nilai 𝑋1 sehingga iterasi pertama untuk
persamaan (11) diperoleh sebagai berikut:
𝑋1 = 𝑌0 − 𝐽−1 (𝑋0 )𝐹(𝑌0 )
1 −5 −2 −6
= [01] − −24 [ ][ ]
−2 4 −3
= [1,5
1
]
Setelah diperoleh nilai 𝑋1 , Langkah selanjutnya yaitu mencari nilai galat dari Persaman (11).
Pada penelitian ini galat ditentukan menggunakan galat iterasi dan norm galat.
11
𝐸1 = 𝑋1 − 𝑋0
= [1.5
1
] - [11]
= [0.5
0
]
2. Setelah galat iterasi diperoleh maka Langkah selanjutnya adalah mencari nilai norm
galat.
‖𝐸1 ‖ = √(𝑥1 − 𝑥0 )2 + (𝑦1 − 𝑦0 )2
= √(0.5)2 + (0)2
= 0.5
Karena nilai norm galat pertama ‖𝐸1 ‖ > 𝐸𝛿 maka iterasi dilanjutkan.
Iterasi 2
1,5 −1,5
𝑋1 = [ ] maka 𝐹(𝑋1 ) = [ ]
1 −0,75
Diperoleh matriks Jacobiannya adalah
6 2
𝐽(𝑋1 ) = [ ]
3 −5
det(𝐽(𝑋1 ) = −30 − 6
= −36
−5 −2
𝑎𝑑𝑗(𝐽(𝑋1 )) = [ ]
−3 6
1 −5 −2
𝐽−1 (𝑋1 ) = −36 [ ]
−3 6
12
1,729167
=[ ]
1
𝐸2 = 𝑋2 − 𝑋1
1,729167 1,5
=[ ]−[ ]
1 1
= 0,229167
‖𝐸2 ‖ = 0,229167
Iterasi 3
1,729167 −0,01996297
𝑋2 = [ ] maka 𝐹(𝑋2 ) = [ ]
1 −0,00998148
6,916668 2
𝐽(𝑋2 ) = [ ]
3,458334 −5
det(𝐽(𝑋2 )) = −41,500008
−5 −2
𝑎𝑑𝑗(𝐽(𝑋2 )) = [ ]
3,458334 6,916668
1 −5 −2
𝐽−1 (𝑋2 ) = −41,500008 [ ]
3,458334 6,916668
𝐸3 = 𝑋3 − 𝑋2
13
1,7320508 1,729167
=[ ]−[ ]
1 1
= 0,0028838
‖𝐸3 ‖ = 0,0028838
Iterasi 4
1,7320508 −0,00000005
𝑋3 = [ ] 𝐹(𝑋3 ) = [ ]
1 −0,00000002
6,9282032 2
𝐽(𝑋3 ) = [ ]
3,4641016 −5
det(𝐽(𝑋3 )) = −41,5692192
−5 −2
𝑎𝑑𝑗(𝐽(𝑋3 )) = [ ]
3,4641016 6,9282032
1 −5 −2
𝐽−1 (𝑋3 ) = −41,5692192 [ ]
3,4641016 6,9282032
𝐸3 = 𝑋4 − 𝑋3
1,73205080 1,7320508
=[ ]−[ ]
1 1
=0
14
Karena telah didapatkan ‖𝐸1 ‖ < 𝐸𝛿 . Maka Iterasi Berhenti.
Adapun hasil semua iterasi dapat dilihat pada Tabel 1 berikut ini:
𝑋𝑛
Itrasi ke_𝑛 ‖𝐸𝑛 ‖
𝑥 𝑦
1 1,5 1 0,5
2 1,729167 1 0,229167
3 1,7320508 1 0,0028838
4 1,73205080 1 0
Tabel 1 menunjukkan hasil semua iterasi dari solusi sistem persamaan nonlinear pada
Persamaan (11) dengan iterasi sebanyak empat kali dengan solusi akhir yang didapat yaitu
untuk 𝑥 = 1,73205080 dan 𝑦 = 1.
Hasil Mathlab
Plot
15
Contoh 2
𝑓1 (𝑥, 𝑦) = 𝑥 2 − 10𝑥 + 𝑦 2 + 8 = 0
F2 (X) = { (12)
𝑓2 (𝑥, 𝑦) = 𝑥𝑦 2 + 𝑥 − 10𝑦 + 8 = 0
Dengan nilai awal (𝑥0 , 𝑦0 ) = (0,0) dengan galat toleransi 𝐸𝛿 = 10−15 , akan ditentukan
penyelesaian dari persamaan di atas
Penyelesaian:
Untuk menemukan akar-akar sistem persamaan nonlinear dapat menggunakan cara 𝑓(𝑥) = 0.
𝑓1 (𝑥, 𝑦) = 𝑥 2 − 10𝑥 + 𝑦 2 + 8 = 0
𝑓2 (𝑥, 𝑦) = 𝑥𝑦 2 + 𝑥 − 10𝑦 + 8 = 0 ⟺ 𝑥(𝑦 2 + 1) − 10𝑦 + 8 = 0
⟺ 𝑥(𝑦 2 + 1) = 10𝑦 − 8
10𝑦 − 8
⟺𝑥=
𝑦2 + 1
10𝑦 − 8 2 10𝑦 − 8
( 2 ) − 10 ( 2 ) + 𝑦2 + 8 = 0
𝑦 +1 𝑦 +1
𝑦 = 1, 𝑦 = 3,02046
➢ Untuk 𝑦 = 1
𝑓2 (𝑥, 𝑦) = 𝑥𝑦 2 + 𝑥 − 10𝑦 + 8 = 0 ⟺ 𝑥(𝑦 2 + 1) − 10𝑦 + 8 = 0
⟺ 𝑥(𝑦 2 + 1) = 10𝑦 − 8
10𝑦 − 8
⟺𝑥=
𝑦2 + 1
10(1)−8
𝑥= (1)2 +1
𝑥=1
Maka didapatkan (𝑥, 𝑦) = (1,1). Lalu substitusikan ke persamaan 𝑓1 (𝑥, 𝑦) = 0 untuk
membuktikan bahwa 𝑓1 (𝑥, 𝑦) = 0. Setelah diuji ternyata nilai ini memenuhi 𝑓1 (𝑥, 𝑦) =
0.
➢ Untuk 𝑦 = 3,02046
16
𝑓2 (𝑥, 𝑦) = 𝑥𝑦 2 + 𝑥 − 10𝑦 + 8 = 0 ⟺ 𝑥(𝑦 2 + 1) − 10𝑦 + 8 = 0
⟺ 𝑥(𝑦 2 + 1) = 10𝑦 − 8
10𝑦 − 8
⟺𝑥=
𝑦2 + 1
10(3,02046)−8
𝑥= (3,02046)2 +1
𝑥 = 2,19343
Maka didapatkan (𝑥, 𝑦) = (2,19343; 3,02056). Lalu substitusikan ke persamaan
𝑓1 (𝑥, 𝑦) = 0 untuk membuktikan bahwa 𝑓1 (𝑥, 𝑦) = 0. Setelah diuji ternyata nilai ini
tidak memenuhi 𝑓1 (𝑥, 𝑦) = 0.
Maka akar-akar persamaan untuk persamaan (12) adalah (𝑥, 𝑦) = (1,1). Dapat kita lihat bahwa
untuk menentukan akar-akar sistem persamaan nonlinear dengan cara ini akan mengalami
kesulitan jika salah dalam pemfaktoran, oleh kerena itu kita dapat menggunakan metode
Newton untuk menemukan akar-akar sistem persamaan nonliner.
Iterasi pertama
0 8
Nilai awal 𝑥0 = [ ] , 𝐹 (𝑥0 ) = [ ]
0 8
2𝑥 − 10 2𝑦
J (𝑥) = [ 2 ]
𝑦 + 1 2𝑥𝑦 − 10
−10 0
J(𝑥0 ) = [ ]
1 −10
−10 0
adj (J(𝑥0 )) = [ ]
1 −10
1 −10 0
J-1 (𝑥0 ) = 100 [ ]
1 −10
0 1 −10 0 8
=[ ]+ [ ][ ]
0 100 1 −10 8
−0,8
=[ ]
−0,88
17
17,4144
F(𝑦0 ) = [ ]
15,38048
0,94144
=[ ]
0,832192
𝐸1 = 𝑥1 − 𝑥0
0,94144 0
=[ ]- [ ]
0,832192 0
0,94144
=[ ]
0,832192
= 1,25652409
Iterasi kedua
0,94144
𝑥1 = [ ]
0,832192
0,16445279
𝐹 (𝑥1 ) = [ ]
1,27150817
−8,11712 1,664384
𝐽 (𝑥1 ) = [ ]
1,69254352 −8,43308232
−8,43308232 −1,664384
adj (J(𝑥1 )) = [ ]
1,69254352 −8,11712
1 −8,43308232 −1,664384
J-1 (𝑥1 ) = 65,6352988 [ ]
1,69254352 −8,11712
18
0,88806747
=[ ]
0,67070377
0,35783267
F(𝑦1 ) = [ ]
2,58052119
0,99948024
=[ ]
0,99906439
𝐸2 = 𝑥2 − 𝑥1
0,99948024 0,94144
=[ ]- [ ]
0,99906439 0,832192
0,05804024
=[ ]
0,16687239
= 0,17667785
Iterasi ketiga
0,99948024
𝑥2 = [ ]
0,99906439
0,002288
𝐹 (𝑥2 ) = [ ]
0,0064472
−8,00103952 1,99812878
𝐽 (𝑥2 ) = [ ]
1,99812965 −8,00290976
−8,00290976 −1,99812878
adj (J(𝑥2 )) = [ ]
−1,99812965 −8,00103952
1 −8,00290976 −1,99812878
J-1 (𝑥2 ) = 60,0390769 [ ]
−1,99812965 −8,00103952
19
0,99948024 1 −8,00290976 −1,99812878 0,002288
=[ ]+ [ ][ ]
0,99906439 60,0390769 −1,99812965 −8,00103952 0,0064472
0,99896069
=[ ]
0,99812906
0,00457718
𝐹(𝑦2 )= [ ]
0,01289628
1
=[ ]
1
𝐸3 = 𝑥3 − 𝑥2
1 0,99948024
=[ ]− [ ]
1 0,99906439
0,00051976
=[ ]
0,00093561
= 0,00107028
Iterasi keempat
1
𝑥3 = [ ]
1
0
𝐹 (𝑥3 ) = [ ]
0
−8 2
𝐽 (𝑥3 ) = [ ]
2 −8
−8 −2
adj (J(𝑥3 )) = [ ]
−2 −8
1 −8 −2
J-1 (𝑥3 ) = 60 [ ]
−2 −8
20
𝑦3 = 𝑥3 + 𝐽−1 (𝑥3 )𝐹(𝑥3 )
1 1 −8 −2 0
= [ ]+ [ ][ ]
1 60 −2 −8 0
1
=[ ]
1
0
𝐹(𝑦3 )= [ ]
0
1 1 −8 −2 0
=[ ]− [ ][ ]
1 60 −2 −8 0
1
=[ ]
1
𝐸4 = 𝑥4 − 𝑥3
1 1
=[ ]− [ ]
1 1
0
=[ ]
0
=0
Adapun hasil semua iterasi dapat dilihat pada Tabel 2 berikut ini:
𝑿𝒏 ‖𝐄𝐧 ‖
Iterasi ke-n x y
1 0,94144 0,832192 1,25652409
2 0,99948024 0,99906439 0,17667785
3 1 1 0,00107028
4 1 1 0
21
Tabel 2 menunjukkan hasil semua iterasi dari solusi sistem persamaan nonlinear pada
persamaan di atas dengan iterasi sebanyak empat kali dengan solusi akhir yang didapat yaitu
untuk 𝑥 = 1 dan 𝑦 = 1.
Hasil Mathlab
Plot
Titik ekuilibrium dan akar persamaan nonlinear memiliki perbedaan dalam konteks
penggunaan dan interpretasi.
Titik Ekuilibrium: Suatu fungsi atau sistem yang tidak berubah, artinya turunan fungsi
tersebut nol. Dalam konteks sistem dinamis atau persamaan diferensial, titik ekuilibrium
adalah keadaan di mana tidak ada perubahan dalam sistem seiring waktu. Contoh: Dalam
sistem persamaan diferensial, titik ekuilibrium adalah solusi di mana laju perubahan nol.
22
Akar Persamaan Nonlinear: Nilai-nilai dari variabel yang memenuhi persamaan,
membuat persamaan menjadi nol. Akar persamaan adalah solusi dari persamaan yang
membuatnya sama dengan nol. Contoh: Dalam persamaan nonlinear 𝑓(𝑥) = 0, akar
adalah nilai 𝑥 yang memenuhi persamaan tersebut.
Dalam beberapa kasus, titik ekuilibrium dan akar persamaan nonlinear dapat menjadi konsep
yang terkait, terutama jika kita menganggap fungsi atau sistem yang melibatkan persamaan
nonlinear sebagai sistem dinamis di mana titik ekuilibrium adalah nilai-nilai di mana sistem
tidak berubah seiring waktu. Namun, secara umum, titik ekuilibrium adalah konsep yang lebih
luas, sedangkan akar persamaan lebih spesifik pada nilai-nilai yang membuat persamaan
nonlinier menjadi nol.
23
KESIMPULAN
𝑓1 (𝑥, 𝑦) = 2𝑥 2 + 𝑦 2 − 7 = 0
Pada sistem persamaan pertama 𝐹1 (𝑋) = {
𝑓2 (𝑥, 𝑦) = 𝑥 2 − 5𝑦 + 2 = 0
Berhasil menghasilkan solusi akhir (x, y) = (1.73205080, 1) setelah 4 iterasi. Hasil ini
memenuhi persamaan nonlinear dengan galat iterasi yang konvergen hingga mencapai galat
nol. Penelitian ini juga mencatat bahwa penggunaan metode Newton raphson pada sistem
persamaan nonlinear memberikan keuntungan dalam menemukan solusi yang mungkin sulit
dicapai dengan metode pemfaktoran.
𝑓 (𝑥, 𝑦) = 𝑥 2 − 10𝑥 + 𝑦 2 + 8 = 0
Pada sistem persamaan kedua F2 (X) = { 1
𝑓2 (𝑥, 𝑦) = 𝑥𝑦 2 + 𝑥 − 10𝑦 + 8 = 0
Menghasilkan solusi akhir (x, y) = (1, 1) setelah 4 iterasi. Meskipun nilai awal yang
diberikan memungkinkan untuk beberapa solusi yang memenuhi persamaan, metode ini
berhasil mengarah pada solusi yang benar.
Penelitian ini mencatat bahwa penggunaan metode Newton raphson pada sistem
persamaan nonlinear memberikan keuntungan dalam menemukan solusi yang mungkin sulit
dicapai dengan metode pemfaktoran. Namun, perlu dicatat bahwa metode ini juga memerlukan
langkah-langkah yang hati-hati dalam menghitung matriks Jacobian dan inversnya, serta
memerlukan ketelitian terhadap konvergensi iterasi. Dengan demikian, penelitian ini
memberikan gambaran tentang keefektifan metode iterasi Newton dalam menemukan solusi
pada sistem persamaan nonlinear, terutama ketika pemfaktoran menjadi masalah yang
kompleks.
24
DAFTAR PUSTAKA
Alshehri, Mohammed dkk. 2023. An inexact semismooth Newton method with application to
adaptive randomized sketching for dynamic optimization. Finite Elements in Analysis
& Design.
Rahayu, Yuli dkk. 2020. Modifikasi Metode Newton dengan Konvergensi Orde Tiga untuk
Menyelesaikan Sistem Persamaan Nonlinear. Bimaster.
Ramos, Higinio dan J. Vigo-Aguiar. 2015. The application of Newton’s method in vector form
for solving nonlinear scalar equations where the classical Newton method fails. Journal
of Computational and Applied Mathematics.
Roberts, Gereth E., dan Jeremy Horgan-Kobelski. 2003. Newton’s versus Halley’s Method: A
Dynamical Systems Approach.
Singh, Manoj K. dan Ioannis K. Argyros. 2022. The Dynamics od a Continuous Newton-like
Method. MDPI.
25