Menentukan Akar

Persamaan (1)

Topik: Metode Bagi Dua

(Bisection)
Metode Posisi Palsu
(Regula Falsi)

10/15/20 1
 Akar
Jika diberikan f(x), fungsi dari x, dan akan
dicari α sedemikian sehingga
f(α) = 0

α disebut akar (root) dari persamaan f(x)

= 0, atau pembuat nol (zero) dari fungsi
f(x).

2
 Contoh: Bunga Majemuk
Misalnya anda akan membeli barang elektronik dari sebuah
toko dengan pilihan pembayaran: kontan sebesar Rp.12jt
atau cicilan sebesar Rp.1,065jt selama 12 bulan. Berapa
besar bunga yang diberlakukan?

Dari rumus bunga majemuk:

A: cicilan bulanan
x(1  x) n
A P P: Nilai cash
(1  x) n  1 x: bunga cicilan
n: periode waktu
Untuk menentukan bunga cicilan, x, kita harus mencari akar
persamaan x
(1  x 12
12 )
1,065  12,000
12
(1  12x )12  1
3
Menentukan Akar secara Grafik

 Tidak akurat
 Tapi, grafik dapat
memberikan informasi
tentang fungsi
• Akar ganda?
• Kontinu?
• dll.

4
Untuk menentukan akar terdapat beberapa
metode:

A. Metode Pengurungan
A.1. Metode Biseksi-Bagi Dua (Bisection
Method)
A.2. Metode Regula Falsi (False-position –
Posisi Palsu)
B. Metode Terbuka
B.1. Iterasi Titik Tetap
B.2. Metode Newton Raphson
B.3. Metode Secant (tali busur)

5
 Metode Kurung
Teorema: Jika sebuh fungsi
f(x) kontinu dalam selang
[a, b] dan f(a)f(b) < 0, maka
persamaan f(x) = 0
memiliki paling sedikit satu
akar riil dalam selang buka
(a, b).

6
Perhatikan!
• f(a)f(b) > 0 berakibat tidak ada
akar atau banyaknya akar
genap
– [gambar (a) dan (c)]

• f(a)f(b) < 0 berakibat bayaknya

akar ganjil
– [gambar (b) dan (d)]

7
Kasus khusus
• Banyak akar
– Akar berimpit di satu titik.
– Contoh: f(x) = (x-1)(x-1)(x-2)
has a multiple root at x=1.

• Fungsi diskontinu dalam

selang

8
 Algoritma Metode Pengurungan Akar
Step 1: Pilih 2 titik xl and xu sedemikian sehingga f(xl)f(xu) < 0

Step 2: Perkirakan akar xr (note: xl < xr < xu)

Step 3: Tentukan pada subinterval mana akar berada:

jika f(xl)f(xr) < 0 // akar berada pada subinterval kiri
ubah xu ke xr dan kembali ke step 2

jika f(xl)f(xr) > 0 // akar berada pada subinterval kanan

ubah xl ke xr dan kembali ke step 2

jika f(xl)f(xr) = 0
xr adalah akar
9
 Bagaimaana memilih xr pada
Step 2?
1. Metode Bisection
Menebak tanpa memperhatikan karakteristik
f(x) dalam (xl, xu)

2. Metode False Position (Regula Falsi)

Menggunakan “slope rata-rata" untuk
memprediksi lokasi akar

10
 Dasar Metode Bagi Dua
Teorema: Sebuah persamaan f(x)=0, dimana f(x)
sebuah fungsi riil yang kontinu, memiliki
paling sedikit satu akar antara xl dan xu jika
f(xl)f(x)f(xu) < 0.

x
x
xu

11 10/15/20
 Teorema
Jika fungsi f(x) dalam f(x)=0 tidak berubah tanda antara dua titik, maka
akar mungkin masih terdapat di anatar kedua titik tersebut

f(x)

x x
xu

12 10/15/20
 Teorema
Jika fungsi f(x) dalam f(x)=0 tidak berubah tanda antara dua titik,
maka mungkin tidak terdapat akar di antara kedua titik tersebut.

f(x)
f(x)

x xu
x x
x xu

13 10/15/20
 Teorema
Jika fungsi f(x) dalam f(x)=0 berubah tanda antara dua
titik, maka mungkin terdapat lebih dari satu akar di antara
kedua titik tersebut
f(x)

xu
x
x

14 10/15/20
 Algoritma untuk Metode Bagi Dua

15 10/15/20
 Input
 Fungsi f(x)
 Tebakan awal xl dan xu
 Error maksimum
 Iterasi maksimum

16 10/15/20
 Output
 Akar persamaan

17 10/15/20
 Langkah 1
 Pilih x dan xu sebagai dua tebakan awal untuk akar
sedemikian sehingga f(x) f(xu) < 0, atau dengan kata lain,
f(x) berubah tanda antara x dan xu.
f(x)

x
x
xu

18 10/15/20
 Langkah 2
Perkirakan akar, xm dari persamaan f (x) = 0 sebagai
titik tengah antara x dan xu sebagai
f(x)

x  xu
xm =
2

x
x
xu

19 10/15/20
 Langkah 3
Lakukan pmeriksaan dengan cara
f(x)
Jika f(x) f(xm) < 0, maka akar terletak
antara x dan xm; akibatnya x = x
; xu = xm.

Jika f(x ) f(xm) > 0, maka akar

terletak antara xm dan xu;
x xm akibatnya x = xm; xu = xu.
x
xu

Jika f(x) f(xm) = 0; maka akarnya

adalah xm. Hentikan algortima.

20 10/15/20
 Step 4
Titik tengah
x  xu
xm =
2
Pendekatan Galat
x baru  x lama
m
a  m
baru
100
x m

xmlama  estimasi akar sebelumnya

xmbaru  estimasi akar sekarang

21 10/15/20
 Langkah 5

Periksa jika galat Ya Stop

kurang dari yang
toleransi ditetapkan
atau jika nilai iterasi
maksimum tercapai Tdk Gunakan tebakan
baru untuk batas
kiri/kanan dari
Langkah 3,
kembali ke
Langkah 2.
22 10/15/20
 Contoh
Tentukan akar

f ( x )  x 3  0.165x 2  3.993  10 4  0

23 10/15/20
 Grafik fungsi f(x)
f  x   x -0.165x +3.993x10
3 2 -4

24 10/15/20
 Periksa jika batas valid
Pilih batas

x  0.00
xu  0.11
f  0.0  3.993x10  4
f  0.11  2.662x10  4

25 10/15/20
 Iterasi #1
x  0, xu  0.11
0  0.11
xm   0.055
2
f  0  3.993x10 4
f  0.11  2.662 x10  4
f  0.055  6.655x10 5

x  0.055
xu  0.11
26 10/15/20
 Iterasi #2
x  0.055, xu  0.11
0.055  0.11
xm   0.0825
2
a  33.33%

f  0.055  6.655x10 5
f  0.11  2.662x10  4
f  0.0825  1.62216x10  4
x  0.055, xu  0.0825

27 10/15/20
 Iterasi #3
x  0.055, xu  0.0825
0.055  0.0825
xm   0.06875
2

a  20%
f  0.055  6.655x10 5
f  0.0825  1.62216 x10  4
f  0.06875  5.5632 x10 5

28 10/15/20
 Konvergensi
Tabel 1: Akar f(x)=0 sebagi fungsi dari banyaknya
interasi untuk Metode Bisection
Iteration x xu xm a % f(xm)

1 0.00000 0.11 0.055 ---------- 6.655x10-5

2 0.055 0.11 0.0825 33.33 -1.6222x10-4
3 0.055 0.0825 0.06875 20.00 -5.5632x10-5
4 0.055 0.06875 0.06188 11.11 4.4843x10-6
5 0.06188 0.06875 0.06531 5.263 -2.5939x10-5
6 0.06188 0.06531 0.06359 2.702 -1.0804x10-5
7 0.06188 0.06359 0.06273 1.369 -3.1768x10-6
8 0.06188 0.06273 0.0623 0.6896 6.4973x10-7
9 0.0623 0.06273 0.06252 0.3436 -1.2646x10-6
10 0.0623 0.06252 0.06241 0.1721 -3.0767x10-7
29 10/15/20
 Table 1 Cont.
Hence the number of significant digits at least correct is given by the
largest value or m for which
a  0.5 10 2 m
0.1721  0.5 10 2 m
0.3442  10 2 m
log 0.3442   2  m
m  2  log 0.3442   2.463
So
m2
The number of significant digits at least correct in the estimated root
of 0.06241 at the end of the 10th iteration is 2.
31 http://numericalmethods.eng.usf.edu
 Kunggulan Metode
 Selalu konvergen
 Dijamin selalu ada bagi dua untuk akar
yang dikurung.

32 10/15/20
 Kelemahan
Konvergensi lambat

33 10/15/20
 Kelamahan (lanj.)
 Jika salah satu tebakan awal terlalu
dekat ke akar maka konvergensi akan
lebih lambat

34 10/15/20
 Kelamahan (lanj.)
 Jika sebuah fungsi f(x) menyentuh
sumbu-x maka tebakan awal tidak dapat
ditentukan
f(x)

f  x  x 2

35 10/15/20
 Kelemahan (lanj.)
 Fungsi berubah tanda tapi akar tidak ada

1
f(x)
f  x 
x
x

36 10/15/20
 Batas Error
Akar sebenarnya, α, terletak antara xl dan xu.

xl xr xu

Misal xr(n) melambangkan xr pada iterasi ke- n

Setalah iterasi 1, solusinya, xr(1), dengan akurasi

1 (1)
xu  xl(1)
2

xl(1) xr(1) xu(1)

37
 Batas Error
Misal akarnya terletak pada subinterval bawah

xl(2) xr(2) xu(2) xu(1)

Setelah iterasi ke-2, solusinya, xr(2), memiliki

akurasi sebesar
1 ( 2) 1 (1)
xu  xl  2 xu  xl(1)
( 2)

2 2

38
 Batas Error
Secara umum, setelah iterasi ke-n, solusinya, xr(n),
dengan akurasi sebesar
1 (n) 1 ( n 1) ( n 1) 1 (1)
xu  xl  2 xu  xl
( n)
 ...  n xu  xl(1)
2 2 2
Jika kita ingin error absolutnya tidak lebih dari Eα
maka 1 (1)
n
xu  xl
(1)
 E
2
xu(1)  xl(1)
 n  log 2 ( )
E

39
 Implementasi program
 Dalam excel
 Dalam VBA
 Dalam Pascal
 Dalam MATLAB

40 10/15/20
 A.2. Metode Regula Falsi
 Dikenal juga dengan metode posisi palsu, atau
metode interpolation linier.
 Tidak seperti Metode bisection yang membagi dua
interval, regula falsi menginterpolasi f(xu) dan f(xl)
dengan sebuah garis lurus dan perpotongan garis
ini dengan sumbu-x digunakan sebagai posisi
pencarian baru.
 Kemiringan garis yang menghubungkan f(xu) dan
f(xl) ditentukan

41
 f ( xu ) f ( xl ) f ( xu )( xl  xu )
  xr  xu 
xu  xr xl  xr f ( xl )  f ( xu )
42
 False-position vs Bisection
 False position secara umum lebih baik
daripada metode bisection.
 Kasus khusus:
• (Usually) When the deviation of f'(x) is high and
the end points of the interval are selected poorly.
• For example,
f ( x)  x10  1
with xl  0, xu  1.3

43
Bisection Method (Konvergen lebih cepat)
Iterasi xl xu xr εa (%) εt (%)
1 0 1.3 0.65 35
2 0.65 1.3 0.975 33.3 25
3 0.975 1.3 1.1375 14.3 13.8
4 0.975 1.1375 1.05625 7.7 5.6
5 0.975 1.05625 1.015625 4.0 1.6

False-position Method
Iterasi xl xu xr εa (%) εt (%)
1 0 1.3 0.09430 90.6
2 0.09430 1.3 0.18176 48.1 81.8
3 0.18176 1.3 0.26287 30.9 73.7
4 0.26287 1.3 0.33811 22.3 66.2
5 0.33811 1.3 0.40788 17.1 59.2
44
f ( x)  x10  1
with xl  0, xu  1.3

45
 Implementasi dalam Excel

46 10/15/20