MATERI

Akar-akar Persamaan
Metode Akolade
Metode Grafik
Metode Bagi Dua
Metode Posisi Salah
Metode Terbuka
Iterasi Satu Titik Sederhana
Metode Newton-Raphson
Metode Secant
Akar Ganda
Sistem Persamaan Aljabar Linier
Metode Crammer
Metode Gaus
Regresi & interpolasi
Optimasi
Akar-akar Persamaan
Akar-akar Persamaan

Tujuan :
To understand why we as scientists are interested in
finding the roots of algebraic equations
•To understand the difference between Open
( metode terbuka ) and Bracketing methods ( Metode
Akolade ) & to know why and when we would choose
to apply one method over another
To be able to implement your own root finding tools
Dasar
Persamaan Matematika f(x) = 0
Polinomial atau suku banyak secara umum dinyatakan
sbb :
a o  a1 x  a 2 x  a3 x  ...  a N x  0.........(1)
2 3 N

dengan ai adalah kontanta.

 
Akar dari sebuah persamaan adalah harga x
yang membuat nilai f(x) = 0.
Contoh kasus :
Y F(x)

X
0
Akar II
Akar I

Pada x1 nilai f(x) =y1 = 0

Pada x2 nilai f(x) =y2 = 0
 
** Kesimpulan : x1 dan x2 adalah akar - akar dari persamaan f(x)
Note :
Khusus untuk polinomial berderajat dua , sebagai
alternatif bahwa pencarian akar polinomial dapat
dicari dengan rumus kuadratik
Jumlah akar dari suatu polinomial adalah sama
dengan derajat dari polinomial.
Ide dasar pencarian akar:
1) jika f(x1) dan f(x2) berlawanan tanda maka
f(x1) x f(x2) < 0 berarti interval antara x1 dengan x2
terdapat jumlah ganjil dari akar
f(x1)
f(x2)
x1
x2
x2 x1

f(x1)
f(x2)

Contoh (a) dan (b) memenuhi f(x1) x f(x2) < 0

Pada (a) ada 1 akar antara interval x 1 dan x2
Pada (b) ada 3 akar antara interval x1 dan x2
2) Jika f(x1) dan f(x2) sama tanda maka f(x1) x f(x2) > 0
berarti interval antara x1 dan x2 terdapat jumlah
genap dari akar atau tidak ada akar.
f(x1)

f(x2)

x1 x2 x1 x2

Contoh (a) dan (b) memenuhi f(x1) x f(x2) > 0

Pada (a) tidak ada akar antara interval x1 dan x2
Pada (b) terdapat 4 akar antara interval x1 dan x2
3). Jika f(x1) x f(x2) = 0 berarti x1 atau x2 merupakan
akar.

Konsep di atas menjadi ide bagi metode numerik

Akolade untuk memeriksa apakah dalam interval
yang akan diperiksa terdapat akar atau tidak.
Kenapa pake metode numerik
Persamaan eksplisit
y −mx+b = 0
the unknown is specified explicitly in terms of the other
variables & parameters
Persamaan implisit

The desired variable can not be isolated on the LHS of an

equation
Numerical methods must be applied to obtain roots of
implicit equations
METODE GRAFIS
 METODE GRAFIS (GRAPHICAL METHOD)

Metode yang sederhana untuk memperoleh taksiran

atas akar persamaan f (x) = 0 adalah membuat gambar
grafik fungsi dan mengamati di mana ia memotong
sumbu x. Titik ini, yang mewakili nilai x untuk mana f (x)
= 0, memberikan aproksimasi (hampiran) kasar dari
akar.
Nilai praktis dari teknik-teknik grafis sangat terbatas
karena kurang tepat. Namun, metode grafis dapat di
manfaakan untuk memperoleh taksiran kasar dari akar.
Taksiran-taksiran ini dapat diterapkan sebagai terkaan
awal untuk metode numerik yang di bahas di sini dan
bab berikutnya. Misalnya perangkat lunak komputer
TOOLKIT Elektronik yang menyertai naskah ini
memperbolehkan anda untuk menggambarkan fungsi
pada suatu rentang tertentu. Gambaran ini dapat
digunakan untuk memilih terkaan yang mengurung
akar sebelum mengimplementasikan metode numerik.
Pilihan penggambaran akan sangat meningkatkan
kegunaan perangkat lunak tersebut.
Selain menyediakan terkaan kasar untuk
akar, taksiran grafis merupakan sarana
yang penting untuk memahami sifat-sifat
fungsi dan mengantisipasi kesukaran-
kesukaran yang tersembunyi dari metode-
metode numerik
F (x)

x
(a)
F (x)

x
(b)
F (x)

x
(c)
F (x)

x
(d)
(x i) (x ii)
GAMBAR 1. Ilustrasi sejumlah cara
umum bahwa suatu akar mungkin terjadi
dalam selang yang di tentukan oleh batas
bawah xi dan batas atas xu. Bagian (a)
dan (c) menunjukan bahwa jika f(xi) dan
f(xu) keduanya bertanda sama, maka di
dalam selang tidak akan terdapat akar
sebanyak bilangan genap. Bagian (b) dan
(d) menunjukkan bahwa jika fungsi
berbeda pada tanda titik-titik ujung, maka
dalam selang akan terdapat akar
sebanyak bilangan ganjil.
Bisection Method
Utilize the notion that the function must change signs
on either side of the root.
Metode Bisection (metode bagi dua) membagi interval
(antara x1 dan x2) dimana diperkirakan terdapat
sebuah akar, menjadi 2 subinterval yang sama besar.
Akar tsb dicari dalam salah satu subinterval dan
Interval tidak boleh terlalu lebar. Mengapa ?
Useful background for this topic includes:
 Iteration ( Perulangan )
 Bracketing (untuk mendeklarasikan
tipe array [] Tanda Kurung)
Algoritma metode Bisection :
Langkah 1 : Pilih taksiran nilai a sebagai batas bawah
interval dan taksiran nilai b sebagai batas atas
interval.
Jika terpenuhi kondisi :
f(a) x f(b) < 0 maka ada akar dalam interval.
Selanjutnya ke langkah 2.
f(a) x f(b) > 0 maka tidak ada akar dalam interval.
Geser posisi interval.
f(a ) x f(b) = 0 maka a atau b , salah satu merupakan
akar.
Langkah 2 : Taksiran akar yang pertama x’ dimana

ab
x
2
Langkah 3: Evaluasi keberadaan akar, apakah dalam
subinterval pertama (antara a dan x) atau dalam
subinterval kedua (antara x dan b).
Jika diperoleh
a) f(a) × f(x) < 0 : akar berada dalam subinterval
pertama maka b= x. Selanjutnya ke langkah 4.
b) f(a) × f(x) > 0 : akar berada dalam subinterval kedua
maka a = x’ Selanjutnya ke langkah 4.
 c) f(a) × f(x) = 0 : x adalah akar
Langkah 4 : Kembali ke langkah 2 dan proses hingga
langkah 3.
Pseudocode f(x) = x2 - 3. εabs = 0.01
iter = 0 %initialize iteration counter
While ea>es and iter <= imax
xrold = xr
xr = (xl + xu)/2 % Estimate new root
iter = iter + 1 % increment iteration counter
if xr ≠ 0 then
ea = abs((xr – xrold)/xr)*100 % calculate approx. rel. error
endif
test = f(xl)*f(xr) % good spot to use a Matlab function
if test < 0 then
xu = xr
else if test > 0 then
xl = xr
else
ea = 0
endif
end while loop
Bisect = xr
Consider finding the root of f(x) = x2 - 3. Let εstep = 0.01, εabs = 0.01 and start with the
interval [1, 2].

a b f(a) f(b) x= (a + b)/2 f(x) Galat

1.0 2.0 -2.0 1.0 1.5 -0.75 0.5
1.5 2.0 -0.75 1.0 1.75 0.062 0.25
1.5 1.75 -0.75 0.0625 1.625 -0.359 0.125
1.625 1.75 -0.3594 0.0625 1.6875 -0.1523 0.0625
1.6875 1.75 -0.1523 0.0625 1.7188 -0.0457 0.0313
1.7188 1.75 -0.0457 0.0625 1.7344 0.0081 0.0156
1.71988 1.7344 -0.0457 0.0081 1.7266 -0.0189 0.0078

Thus, with the seventh iteration, we note that the final interval, [1.7266, 1.7344],
has a width less than 0.01 and |f(1.7344)| < 0.01, and therefore we chose b =
1.7344 to be our approximation of the root.
Consider finding the root of f(x) = e-x(3.2 sin(x) - 0.5 cos(x)) on the interval [3, 4], this
time with εstep = 0.001, εabs = 0.001.
a b f(a) f(b) x = (a + b)/2 F(x) Galat

3.0 4.0 0.047127 -0.038372 3.5 -0.019757 0.5

3.0 3.5 0.047127 -0.019757 3.25 0.0058479 0.25

3.25 3.5 0.0058479 -0.019757 3.375 -0.0086808 0.125

3.25 3.375 0.0058479 -0.0086808 3.3125 -0.0018773 0.0625

3.25 3.3125 0.0058479 -0.0018773 3.2812 0.0018739 0.0313

3.2812 3.3125 0.0018739 -0.0018773 3.2968 -0.000024791 0.0156

3.2812 3.2968 0.0018739 -0.000024791 3.289 0.00091736 0.0078

3.289 3.2968 0.00091736 -0.000024791 3.2929 0.00044352 0.0039

3.2929 3.2968 0.00044352 -0.000024791 3.2948 0.00021466 0.002

3.2948 3.2968 0.00021466 -0.000024791 3.2958 0.000094077 0.001

3.2958 3.2968 0.000094077 -0.000024791 3.2963 0.000034799 0.0005

Thus, after the 11th iteration, we note that the final interval, [3.2958, 3.2968] has a
width less than 0.001 and |f(3.2968)| < 0.001 and therefore we chose b = 3.2968
to be our approximation of the root.
Ketentuan program komputasi
Kriteria terminasi dalam metode bisection menggunakan
pendekatan kesalahan aproksimasi, yang ditentukan
dengan memakai penaksiran kesalahan: Galat = | x-a|

Pada akhir komputasi, akar yang diperoleh sebaiknya

dimasukkan kembali dalam fungsi untuk menghitung
apakah hasilnya mendekati nol. Pengecekan ini penting
untuk mengantisipasi kejadian konvergensi berosilasi atau
kejadian yang menyebabkan harga kecil padahal
penyelesaian masih jauh dari akar.
Program harus mempunyai input batasan jumlah iterasi
sehingga pada kejadian osilasi, konvergensi perlahan atau
penyelesaian divergensi program tetap dapat berhenti