7 Open Methods

Wiwin W.
/Anum/S-1/TMs/UNJANI 03/23/2021
7. OPEN METHODS
1
Wiwin W./Anum/S-1/TMs/UNJANI 03/23/2021
7.1 SIMPLE FIXED-POINT ITERATION
Adalah metode mencari akar dari suatu fungsi dengan mengatur ulang
suatu fungsi yang berharga 0, f(x) = 0, dan memindahkan variabel x di
bagian kiri persamaan:
x = g(x)...............7.1
Contoh-1:
x2 – 2x + 3 = 0
Atur ulang persamaan tersebut kedalam persamaan 7.1 menjadi:
x = g(x)
2x = x2 + 3
2
Contoh-2:
sin x = 0
Supaya dapat dimasukkan ke pers. 7.1,
tambahkan x dikedua ruas sbb:
x = g(x)
x = sin x + x
3
Persamaan 7.1 dapat kita ubah kedalam bentuk

persamaan aritmetika agar dapat dilakukan iterasi
untuk mendapatkan estimasi dari suatu akar.
x = g(x)
xi+1 = g(xi) ……………..7.2
Sehingga dapat pula dihitung persen approximasi
errornya:
4
CONTOH 7.1 SIMPLE FIXED-POINT ITERATION
Gunakan simple fixed-iteration untuk mencari

akar dari persamaan:
Solusi:
5
Iterasi dimulai dari x0 = 0, seperti berikut:

i Xi a (%) t (%)
0 0 100.0
1 1.000000 100.0 76.3
2 0.367879 171.8 35.1
3 0.692201 46.9 22.1
4 0.500473 38.3 11.8
5 0.606244 17.4 6.89
6 0.545396 11.2 3.83
7 0.579612 5.90 2.20
8 0.560115 3.48 1.24
9 0.571143 1.93 0.705
10 0.564879 1.11 0.399
Dari hasil iterasi didapat harga estimasi yang mendekati

nilai akar yang sebenarnya yaitu 0.56714329.
6
7.1.1 CONVERGENCE
Dari contoh 7.1 terlihat bahwa persen relative

error pada tiap iterasi-nya proporsional 0.5-0.6-
nya dari tiap iterasi. Ke-
proporsionalan/keteraturan ini disebut sebagai
linear convergence.
Linear convergence merupakan karakteristik dari
fixed-point iteration.
7
Pencarian akar dengan cara convergen adalah dengan membagi

suatu fungsi kedalam 2 fungsi:
x = g(x)
f1(x) = f2(x)
Sehingga:
y1 = f1(x)……………..7.3
dan
y2 = f2(x)………………7.4
Kemudian ke-2 persamaan diplot kedalam grafik, perpotongan
ke-2 grafik tersebut merupakan akar yang dicari dari f(x) = 0.
8
CONTOH 7.2 THE TWO-CURVE GRAPHICAL METHOD
Pisahkan persamaan berikut

menjadi dua buah persamaan, dan gambarkan
untuk mendapatkan nilai akarnya.
Solusi:
9
Sehingga,
Subsititusikan menjadi:
Sehingga:
10
x y1 y2
0.0 0.0 1.000
0.2 0.2 0.819
0.4 0.4 0.670
0.6 0.6 0.549
0.8 0.8 0.449
1.0 1.0 0.368
Dari gambar akan diperoleh

Grafik saling berpotongan
Dengan harga approximasi
Pada x = 0.57. 11
PERDEDAAN CONVERGENCE & DIVERGENCE

Convergence Divergence
Estimasi dari hasil Estimasi dari hasil
approximasinya mendekati approximasinya menjauhi
akar yang dicari. akar yang dicari.
12
CONCLUSION
 Fixed-point iteration converges if
g ( x) 1 (slope of the line f(x)  x)

 When the method converges, the error is roughly
proportional to or less than the error of the previous
step, therefore it is called “linearly convergent.”
13
7.2 THE NEWTON-RAPHSON METHOD
14
Jika xi adalah initial guess, maka slope (garis

singgung) pada titik tersebut diperoleh
berdasarkan pada:
f ( xi )  0
f ' ( xi ) 
xi  xi 1
atau diturunkan menjadi:
15
f ( xi )
f ' ( xi ) 
xi  xi 1
f ' ( xi ).( xi  xi 1 )  f ( xi )
f ( xi )
( xi  xi 1 ) 
f ' ( xi )
f ( xi )
xi 1  xi  ……7.2.1
f ' ( xi )
Newton-Raphson formula
16
CONTOH 7.3:
Gunakan metode Newton-Raphson untuk

mengestimasi akar dari f(x) = e-x – x, dengan
inisial guess x0 = 0.
Solusi:
Cari turunan pertama dari fungsi:
17
Kemudian masukkan ke dalam persamaan

Newton-Raphson:
18
Dengan inisial guess x0 = 0, didapat:

i xi f(xi)=e-xi-xi f’(xi)=-e-xi-1 xi+1 et (%)
0 0 1 -2 0.5 0.118388583
1 0.5 0.10653066 -1.60653066 0.566311003 0.001467508
2 0.566311003 0.00130451 -1.56761551 0.567143165 2.21064E-07
3 0.567143165 1.9648E-07 -1.56714336 0.56714329 5.08968E-15
4 0.56714329 4.44089E-15 -1.56714329 0.56714329 0
Dihasilkan pendekatan yang convergence pada akar

yang sebenarnya. True percent relative errornya turun
dengan drastis jika dibandingkan dengan simple fixed-
point iteration.
19
CONTOH KASUS NEWTON RHAPSON YANG DIVERGENCE:
20
7.3 THE SECANT METHOD
Metode ini digunakan untuk memecahkan

permasalahan turunan yang sulit untuk
diselesaikan dengan metode lainnya. Bentuk
dasar dari metode ini adalah persamaan pada
pendekatan backward finite divided difference,
seperti pada Figure 6.7:
f ( xi 1 )  f ( xi )
f ' ( xi ) 
xi  1  xi
……7.3.1
21
22
Approximasinya dengan memasukkan pers.7.3.1

ke pers. 7.2.1:
f ( xi 1 )  f ( xi )
f ' ( xi ) 
xi  1  xi
f ( xi )
xi 1  xi 
f ' ( xi )
f ( xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
xi 1  xi
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
The Secant Method 23
CONTOH: THE SECANT METHOD
Gunakan the secant method untuk mengestimasi

akar dari f(x) = e-x-x. Dimulai dengan initial
estimasinya x-1 = 0 dan x0 = 1.
Diketahui juga nilai akar yang sebenarnya adalah
0.56714329…
24
Solusi:
Iterasi-1:
x-1 = 0 f(x-1) = e-x-x
= e-0-0
= 1.00000
x0 = 1 f(x0) = e-x-x
= e-1-1
= -0.63212
25
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
f ( x0 )( x1  x 0)
x1  x 0 
f ( x1 )  f ( x 0)
 0.63212(0  1)
x1  1   0.61270
1  (0.63212)
t = 8.0 %
26
Iterasi-2:
x0 = 1 f(x0) = e-x-x
= e-1-1
= -0.63212
x1 = 0.61270 f(x1) = e-x-x

= e-0.61270-0.61270
= -0.07081
27
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
f ( x1 )( x 0  x1)
x 2  x1 
f ( x0 )  f ( x1)
 0.07081(1  0.61270)
x2  0.61270   0.56384
 0.63212  (0.07081)
t = 0.58 %
28
Iterasi-3:
x1 = 0.61270 f(x1) = e-x-x
= e-0.61270-0.61270
= -0.07081
x2 = 0.56384 f(x2) = e-x-x

= e-0.56384-0.56384
= 0.00518
29
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
f ( x 2)( x1  x 2)
x3  x 2 
f ( x1)  f ( x 2)
0.00518(0.61270  0.56384)
x 3  0.56384   0.56717
 0.07081  0.00518
t = 0.0048 %
30
7.3.1 PERBEDAAN THE SECANT & FALSE- POSITION

METHODS
31
CONTOH MEMBANDINGKAN KEKONVERGENAN ANTARA THE

SECANT & FALSE-POSITION METHODS
Gunakan the false-position & secant methods

untuk mengestimasi akar persamaan
f(x) = ln x. Perhitungan dimulai dengan batas
bawah xl = xi-1 = 0.5 & batas atas xu = xi = 5.0.
32
Solusi: Wiwin W./Anum/S-1/TMs/UNJANI 03/23/2021
The False-Position Method (Convergence):
The Secant Method (Divergence):
33
34
7.3.2 MODIFIED SECANT METHOD
Persamaan awal sbb:
Kemudian disubstitusikan ke persamaan 7.2.1,

sehingga persamaannya menjadi:
35
CONTOH MODIFIED SECANT METHOD:
36
37
7.4 BRENT’S METHOD

(INVERSE QUADRATIC INTERPOLATION)
 Oleh Richard Brent (1973)

 Dasarnya dari Algoritma Theodorus Dekker
(1969)
38
 Dari 3 titik yang diketahui:
 Dibuat pers. (6.9):
39
 Akar pers. , dengan y=0, diperoleh dengan

pers. (6.10) berikut:
40
CONTOH:
41
42
7.5 MULTIPLE ROOTS

Adalah akar persamaan yang berimpit.
atau atau
43
Akar pers. dapat dicari dengan mempergunakan:
44
CONTOH:
45
46
47

7 Open Methods

Diunggah oleh

Informasi Dokumen

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

7 Open Methods

Diunggah oleh

Hak Cipta:

Format Tersedia

Wiwin W.

7.1 SIMPLE FIXED-POINT ITERATION

Persamaan 7.1 dapat kita ubah kedalam bentuk

CONTOH 7.1 SIMPLE FIXED-POINT ITERATION

Gunakan simple fixed-iteration untuk mencari

Iterasi dimulai dari x0 = 0, seperti berikut:

Dari hasil iterasi didapat harga estimasi yang mendekati

Dari contoh 7.1 terlihat bahwa persen relative

Pencarian akar dengan cara convergen adalah dengan membagi

CONTOH 7.2 THE TWO-CURVE GRAPHICAL METHOD

Pisahkan persamaan berikut

Dari gambar akan diperoleh

PERDEDAAN CONVERGENCE & DIVERGENCE

g ( x) 1 (slope of the line f(x)  x)

7.2 THE NEWTON-RAPHSON METHOD

Jika xi adalah initial guess, maka slope (garis

Gunakan metode Newton-Raphson untuk

Kemudian masukkan ke dalam persamaan

Dengan inisial guess x0 = 0, didapat:

1 0.5 0.10653066 -1.60653066 0.566311003 0.001467508

2 0.566311003 0.00130451 -1.56761551 0.567143165 2.21064E-07

3 0.567143165 1.9648E-07 -1.56714336 0.56714329 5.08968E-15

4 0.56714329 4.44089E-15 -1.56714329 0.56714329 0

Dihasilkan pendekatan yang convergence pada akar

CONTOH KASUS NEWTON RHAPSON YANG DIVERGENCE:

7.3 THE SECANT METHOD

Metode ini digunakan untuk memecahkan

Approximasinya dengan memasukkan pers.7.3.1

CONTOH: THE SECANT METHOD

Gunakan the secant method untuk mengestimasi

x1 = 0.61270 f(x1) = e-x-x

x2 = 0.56384 f(x2) = e-x-x

7.3.1 PERBEDAAN THE SECANT & FALSE- POSITION

CONTOH MEMBANDINGKAN KEKONVERGENAN ANTARA THE

Gunakan the false-position & secant methods

The False-Position Method (Convergence):

The Secant Method (Divergence):

7.3.2 MODIFIED SECANT METHOD

Persamaan awal sbb:

Kemudian disubstitusikan ke persamaan 7.2.1,

CONTOH MODIFIED SECANT METHOD:

7.4 BRENT’S METHOD

 Oleh Richard Brent (1973)

 Dari 3 titik yang diketahui:

 Dibuat pers. (6.9):

 Akar pers. , dengan y=0, diperoleh dengan

7.5 MULTIPLE ROOTS

Akar pers. dapat dicari dengan mempergunakan:

Anda mungkin juga menyukai