FLOATING POINT DAN FIXED

POINT

Kelompok : Abiyoso Wahyu Rahardjo

: Sulistyo Aji Wibowo
Floating-point

Floating-point atau bilangan titik mengambang, adalah sebuah format bilangan yang
dapat digunakan untuk merepresentasikan sebuah nilai yang sangat besar atau sangat
kecil. Bilangan ini direpresentasikan menjadi dua bagian, yakni bagian mantisa dan
bagian eksponen (E). Bagian mantisa menentukan digit dalam angka tersebut,
sementara eksponen menentukan nilai berapa besar pangkat pada bagian mantisa
tersebut (pada posisi titik desimal).
Representasi Floating Point

Untuk menuliskan bilangan floating point (bilangan pecahan) dilakukan dengan

menuliskan dalam bentuk exponensial. Sehingga bilangan tersebut memiliki
bilangan dasar, bilangan pemangkat dan basis bilangan tersebut

Penulisan Notasi Ilmiah

Contoh ; pada bil. Desimal
976.000.000.000.000 ditulis 9,76 x 1014
0,00000000000976 ditulis 9,76 x 10-12
Representasi Floating-Point terdiri dari empat bagian:
Sign (S)
Mantissa atau koefisien (M)
Radix atau base eksponen (R)
Eksponen (E)

FORMAT FLOATING-POINT (IEEE) Ada 2 :

Single Precision (presisi tunggal) 32 bit terdiri dari : 1 bit sign, 8 bit eksponen, dan 23 bit
mantissa.
Double Precision (presisi ganda) 64 bit terdiri dari: 1 bit sign, 11 bit eksponen, dan 52 bit
mantissa.
Representasi Floating-Point
Menyatakan suatu bilangan yang sangat besar/sangat kecil dengan
menggeser titik desimal secara dinamis ke tempat yang sesuai dan
menggunakan eksponen 10 untuk menjaga titik desimal itu.
Sehingga range bilangan yang sangat besar dan sangat kecil
untuk direpresentasikan hanya dengan beberapa digit saja.
Dinyatakan dengan notasi a = (m,e) ,
dimana :
r = radiks
a= m x r e m = mantissa
e = eksponen
Contoh : Tunjukkan bilangan-bilangan berikut ini dalam notasi
floating point : a. (45.382)10 0.45382 x 102 = (0.45382,2)
b. (-21,35)8 -2135,0 x 8 -2= (-2135.0,-2)
 Representasi :

S * B E

Tanda : + atau
Signifikan (S) disebut juga mantissa

Eksponen (E)

Base (B)
Macammacam bentuk bilangan floating point

Untuk mempermudah operasi bilangan floating point dan menambah tingkat

presisinya, maka bilangan tersebut dibuat dalam bentuk ternormalisasi (normalized
forms). Suatu bilangan floating point telah ternormalisasi jika most significant bit (MSB)
dari mantissanya adalah 1.
untuk bilangan floating point bukan no l yang ternormalisasi memiliki bentuk
(1) S * (1.m) * 2 e128

Aritmatika Floating Point Penjumlahan / Pengurangan

Hal yang sulit dari penjumlahan dua bilangan exponent adalah jika bilanganbilangan
tersebut memiliki bentuk exponensial yang berbeda. Untuk memecahkannya, maka
sebelum di tambahkan bilangan exponensialnya harus disetarakan terlebih dahulu,
atau bilangan dengan nilai exponent lebih kecil disamakan dulu ke bilangan exponent
yang sama dengan bilangan lain.
Langkah langkah yang dilakukan untuk menambah/mengurangkan dua bilangan
floating point :

1. Bandingkan kedua bilangan, dan ubah ke bentuk yang sesuai pada bilangan
dengan nilai exponensial lebih kecil
2. Lakukan operasi penjumlahan / pengurangan
3. Lakukan normalisasi dengan menggeser nilai mantissa dan mengatur nilai
exponensialnya
Perkalian
Perkalian dari dua bilangan floating point dengan bentuk X = mx* 2a dan Y =
mx*2bsetara dengan X * Y = (mx * my) * 2a+b
Algoritma umum untuk perkalian dari bilangan floating point terdiri dari tiga
langkah:
1. Hitung hasil exponensial dengan menjumlahkan nilai exponent dari kedua
bilangan
2. Kalikan kedua bilangan mantissa
3. Normalisasi hasil akhir
 Pembagian
Pembagian dari dua bilangan floating point dengan bentuk X = mx * 2a dan
Y = mx* 2b setara dengan X / Y = (mx / my) * 2a b
Algoritma umum untuk pembagian dari bilangan floating point terdiri dari tiga
langkah :
1. Hitung hasil exponensial dengan mengurangkan nilai exponent dari kedua
bilangan
2. Bagi kedua bilangan mantissa
3. Normalisasi hasil akhir
 Exponensial
Penulisan bilangan floating point dengan cara
exponensial dapat menyebabkan adanya
kemungkinan sebuah bilangan ditulis dengan cara
yang bermacam-macam
 Standarisasi untuk penulisan bilangan

Normalisasi bentuknya adalah #

Bit pertama significand selalu 1 sehingga tidak perlu

disimpan (implisit) dalam field significand.
Dan b adalah bilangan biner (1 atau 0).
Untuk keperluan yang luas, maka diadakan standar bagi
representasi bilangan floating point ini, yaitu standard IEEE
754. Standar ini juga mendefinisikan operasi aritmetikanya
 Format dari standar IEEE 754 tahun 1985

Sign bit, Eksponen+bias, signifikan

format floating point 32 bit :

0 1 8 9 31

Pada 64 bit:
-1 -||--- 11 bit------| |--------52 bit-----------|
 Format penulisan menurut standar IEEE 754

Pada format tunggal, bit paling kiri digunakan untuk representasi tanda 0
jika positif dan 1 jika negatif, sedangkan 8 bit berikutnya adalah pangkat
(exponen) yang direpresentasikan dalam bentuk bias.

Bagian 23 bit terakhir digunakan untuk menunjukkan bit dari bilangan

fraction nya
Contoh konversi bilangan ke format
floating point IEEE
Pada penulisan SIGNIFIKAN yang ditulis setelah tanda koma,
1,xxxxx
ditulis xxxxx nya saja

Karena bit 1 adalah implied one-bit.

Contoh konversi bilangan ke format
floating point IEEE
 REPRESENTASI FIXED POINT
Untuk representasi bilangan fixed-point diperlukan :
a. lokasi atau register penyimpanan komputer yang ukurannya memadai
untuk menyimpan seluruh digit bilangan
b. kemampuan untuk menjaga track tempat beradanya point tersebut.
Contoh : Contoh desimal untuk representasi 5 digit
jika diasumsikan posisi point adalah

maka 0 1 3 7 5 merepresentasikan 13.75

Tiga klasifikasi dasar representasi fixed-
point

a. representasi mid-point : dimana terdapat digit baik sebelum dan sesudah point tersebut.

b. representasi integer : dimana tidak terdapat digit setelah point desimal

c. representasi pecahan : dimana tidak ada digit sebelum point desimal

 REPRESENTASI FIXED POINT
Radiks point/binary point tetap dan diasumsikan akan berada di sebelah kanan dari digit yang
paling kanan.
1. Representasi Sign-Magnitude/Nilai tanda
Untuk merepresentasikan bilangan integer negatif dan positif. Dengan menggunakan MSB
sebagai bit tanda 0 = positif, 1 = negative
Contoh :
Sign-Magnitude +9 dalam 8 bit = 00001001
Sign-Magnitude 4 dalam 4 bit = 1100
Magnitude dari bilangan positif dan negatif sama yang membedakan hanya MSB saja.

2. Representasi Komplemen-1
Untuk mendapat komplemen-1 maka bilangan nol diubah menjadi satu dan satu menjadi nol.
3. Representasi Komplemen-2

Langkah-langkah Pengubahan bilangan desimal bertanda ke bilangan komplemen(8bit):

Tentukan bit tanda/MSB ? 0 = positif, 1 = neg.
Ubah desimal ke biner (7-bit)
Ubah ke kompl-1 (setiap 0 diubah ke 1 dan setiap 1 diubah ke 0)
Ubah ke kompl-2 (tambahkan +1 ke kompl-1 untuk mendapat bil. kompl-2)
Gabung menjadi satu yaitu MSB sebagai tanda bit dan 7-bit sebagai besarannya.

Langkah-langkah Pengubahan bil. kompl-2 (8-bit) ke bil. Desimal bertanda :

Tentukan bit tanda/MSB
Ubah 7-bit kompl-2 tersebut ke kompl-1
Ditambah +1 ke kompl-1
Ubah biner ke decimal
Aritmatika fixed-point

Register 8 bit menyangga bilangan dalam bentuk komplemen duaan dengan bit paling
kiri sebagai bit sign. Bilangan positif dan negatif maksimum dan minimum
direpresentasikan. Disini bisa diperoleh keakuratan tujuh bit.
Contoh reptesentasi integer :

Sign bit representation value comment

0 1 1 1 1 1 1 1 27 1 = 127 max positive
1 0 0 0 0 0 0 1 -27 = - 128 most negative
Overflow dan underflow
overflow : hasil operasi aritmatika terlalu besar untuk disimpan dalam lokasi yang
dialokasikan untuknya
underflow : hasil tersebut terlalu kecil untuk disimpan dalam lokasi yang dialokasikan
untuknya

Mendeteksi overflow
menggunakan bit ekstra yang ditambahkan ke bagian kiri dari bbit sign.
bit ekstra di set ke nilai yang sama seperti bit sign sebelum penambahan ataau
pengurangan
bilangan yang telah dimodifikasi ditambahkan atau dikurangi
jika bit ekstra dan bit sign berbeda setelah operasi, maka telaah terjadi overflow
Metode lain, dimana tidak meggunakaan bit ekstra :
menggunakan ADD jika signnya berbeda, dan SUBSTRACT jika signnya sama, maka overflow tidak terjadi
untuk A + B jika sign (A) = sign (B) maka hasilnya berupa sign (A)
untuk A B jika sign (A) = sign (B) maka hasilnya sign (A)
sign yang salah menunjukkan overflow
Contoh :
a. extra bit sign bit binary SUM decimal value
0 0 1 1 0 0 12
0 0 0 0 1 1 3
0 0 1 1 1 1 15
0 = 0 bit the same : no overflow
b. extra bit sign bit binary SUM decimal value
0 0 1 1 0 0 12
0 0 0 1 1 0 6
0 1 0 0 1 0 18
0 = 1 bit differ : overflow
 Presisi ganda:
Salah satu cara mengurangi overflow dengan meningkatkan panjang
penyimpanan yang dialokasikan utnuk setiap representasi bilangan. Jika satu
lokasi dalam memori pamjangnya tidak cukup maka dua lokasi yang
bersebelahan dapat digunakan. Bilangan yang disimpan dengan cara ini disebut
double precision number atau double length number.

Aritmatika presisi ganda :

Aritmatika yanag menggunakan bilangan presisi ganda. Lebih lamban namun
sering digunakan karena mesin dengan word yang lebih panjang lebih mahal.
Perbedaan Fixed Point Dengan Floating Point
Fixed Point Numbers
1. Untuk representasikan bilangan fixed point
diperlukan :
a. lokasi atau register penyimpanan komputer yang
ukurannya memadai untuk menyimpan seluruh digit
bilangan.
b. kemungkinan untuk menjaga track tempat
beradanya point tersebut.
2. Komputer dapat menjalankan aritmatika fixed
point lebih cepat.
3. Representasi fixed point membatasi jangkauan
dan skala bilangan yang sedang direpresentasikan.
Floating Point Numbers
1. Untuk merepresentasikan bilangan floating point
diperlukan :
a. lokasi atau register penyimpanan komputer yang
ukurannya memadai untuk menyimpan semua digit
signifikan dari bilangan tersebut.
b. ruang penyimpanan tambahan untuk menyimpan
posisi point tersebut, ruang tambahan ini biasanya
berada dalam satu lokasi yang sama atau terpisah.
2. Komputer lebih lambat menjalankan aritmatika
floating point.
3. Representasi floating point memberikan
fleksibilitas yang lebih besar dalam jangkauan dan
skalanya, hal ini akan mengurangi kecepatan.
Referensi :

1. Riyanto Sigit, ST., MKom , Nur Rosyid Mubtadai, SKom , Setiawardhana, ST,
Hero Yudo Martono, ST , ITS
2. Dr. Wahyu Kusuma, staffsite.gunadarma.ac.id
3. Soepono Soeparlan, 1995,Pengantar Organisasi Sistem Komputer, Diktat
Gunadarma.
4. Roger L Tokheim, Prinsip-prinsip Digital, seri Buku Schaum