Program Studi Teknik Informatika, Fak.

Teknik
Universitas Mataram

2. Konsep Galat (Error)

Galat/Error
 Metode numerik adalah metode pendekatan
 Galat berkaitan dengan seberapa dekat solusi pendekatan
terhadap solusi sejatinya.
 Ketelitian solusi dengan metode numerik sangat bergantung
pada nilai galatnya. Dengan kata lain semakin kecil nilai
galatnya, maka semakin teliti solusi numerik yg didapatkan.
 Ada dua dua hal yang harus dipahami berkaitan dengan galat,
yaitu :
a. Teknik menghitung galat
b. Sumber galat
 Teknik Menghitung Galat

  Misalkan :
=
  nilai yang sebenarnya ( nilai eksak )
x = nilai pendekatan yang dihasilkan dari metode numerik
adalah galat numerik, yang dapat dinyatakan

 Contoh, Diketahui :
=
  2/3
x = 0.6667
Maka

3
 Jenis-Jenis Galat

 Galat
  Mutlak

 Galat Relatif

 Galat Relatif Pendekatan

atau

4
 Contoh:

  
Diketahui =3.333
 Hitunglah:
a) Galat Mutlak
b) Galat Relatif
c) Galat Relatif Pendekatan
a)
= , jadi

5
 Next…

(b) Galat relatif:

 0,000333
R  ^
x 100%  x 100%  0,01%
a (10/3)

(c) Gelat relatif pendekatan:

 0,000333 1
 RA  x 100%  x 100% 
a 3,333 999

6
 Penyelesaian Metode Numerik

  

ar  ar 1
 RA 
ar

7
  

Contoh:
Diketahui : Xr=(-Xr-13 + 3)/6; r =1,2,3,4
Xo= 0,5; єs= 0,00001
Hitung : єRA !
Penyelesaian :
Xo = 0,5 ( X1  X o )
 RA   0,043478   s
X1 = 0,4791667; X1

8
Next…

(X 2  X1 )
X2 = 0,4816638;  RA   0,0051843   s
X2

(X 3  X 2 )
X3 = 0,4813757;  RA   0,0005984   s
X3

(X 4  X 3 )
X4 = 0,4814091;  RA   0,0000693   s
X4

(X 5  X 4 )
 RA   0,0000081   s , berhenti !
X5 = 0,4814052; X5
 Sumber Galat

 Terdapat dua sumber utama, yaitu :

1. Galat pemotongan (truncation error)
2. Galat pembulatan (round-off error)
 Disamping itu juga ada sumber galat lain,
yaitu :
1. Galat eksperimental
2. Galat pemrograman

10
 Galat Pemotongan

 Terjadi ketika fungsi yang komplek didekati

dengan fungsi yang lebih sederhana.
 Contoh:
turunan pertama f(x1), dihampiri dengan formula :
' f ( xi 1 )  f ( xi )
f ( x1 ) 
h
dimana : h = xi+1 - xi

11
 Contoh lain
 Fungsi cos(x) didekati dengan bantuan deret Taylor
di sekitar x0 = 0 sampai pada derajat 6 !
Penyelesaian :
f(x) = cos(x) f’’(x) = - cos(x)
f’(x) = - sin(x) f(3)(x) = sin(x)
 Solusi Pendekatan dari f(x) = cos(x) :
( x  xo ) ' ( x  xo ) 2 '' ( x  xo ) m ( m )
f ( x)  f ( xo )  f ( x0 )  f ( xo )  ....  f ( xo )  ...
1! 2! m!
( x  xo ) ( x  xo ) 2 ( x  xo )3
cos x   cos( xo )  sin( x0 )  cos( xo )  sin( xo )  ...
1! 2! 3!

12
 Maka:
x2 x4 x6 x8 x10
f ( x )  cos( x )  1       ......
2! 4! 6! 8! 10!

Nilai hampiran Galat pemotongan

 Galat pemotongan :
( x  xo ) ( n 1) ( n 1)
Rn ( x)  f (c )
( n  1)!
( x  0) ( 61) ( 61) x7
R6 ( x)  f (c )  cos(c)
13 (6  1)! 7!
 Oleh karena itu

 Nilai Rn yg tepat hampir tdk pernah dapat kita

peroleh, karena kita tdk mengetahui nilai c
sebenarnya terkecuali informasi bahwa c
terletak pada selang tertentu. Karenanya tugas
kita adalah mencari nilai maksimum yg mungkin
dari |Rn| untuk c dalam selang yg diberikan,
yaitu :
( n 1)
(x - x )
Rn ( x)  Maks f ( n 1) (c) x o

xo  c  x (n  1)!
Contoh-1 :

Gunakan deret Taylor orde 4 di sekitar xo=1 untuk

menghampiri ln(0,9) dan berikan taksiran untuk galat
maksimum yang dibuat !
Penyelesaian :
f(x) = ln(x) f(1) = 0

f’(x) = 1/x f’(x) = 1

f’’(x) = -1/x2 f’(x) = -1

f’’’(x) = 2/x3 f’’’’(x) = 2

f(4)(x) = - 6/x4 f(4)(x) = -6

f(5)(x) = 24/x5 f(5)(c) = 24/c5

 Penyelesaian:

 Deret Taylor :
( x  1 )2 ( x  1 )3 ( x  1 )4
ln( x )  ( x  1 )     R5 ( x )
2 3 4
( 0 ,1 )2 ( 0 ,1 )3 ( 0 ,1 )4
ln( 0 ,9 )  0 ,1     R5 ( x )
2 3 4
ln( 0,9 )  0 ,1053583  R5 ( x )

24 (-0,1) 5
R5 (0,9)  Maks 5
x  0,0000034
0 , 9  c 1 c 5!
 Jadi : ln(0,9) = -0,1053583 dengan galat pemotongan <
0,0000034.
Contoh 2 :
1
x2
Hampiri nilai  e dx secara numerik, yaitu : f ( x)  e
x2

dengan deret0 Maclaurin orde 8 !

Penyelesaian :
2
Deret Maclaurin orde 8 dari f ( x)  e x adalah :

x2 x 4 x 6 x8
e  1 x  2
 
2! 3! 4!
1 1
x 4 x 6 x8
0 e dx  0 (1  x  2!  3!  4! )dx
x2 2

x3 x5 x7 x9 x  1 1 1 1 1
 x     1     1,4617724
3 10 42 216 x  0 3 10 42 216
 Galat Pembulatan

 Perhitungan dgn metode numerik hampir

selalu menggunakan bilangan riil. Masalah
timbul bila komputasi numerik dikerjakan
dengan komputer karena semua bilangan riil
tdk dapat disajikan secara tepat di dlm
komputer. Keterbatasan komputer dlm
menyajikan bilangan riil menghasilkan galat
yg disebut galat pembulatan.

18
Contoh :

 1/6 = 0,16666666, kalau 6 digit komputer hanya

menuliskan 0,166667.
Galat pembulatannya = |1/6 – 0,166667| =
0,00000033.
 Kebanyakan komputer digital mempunyai dua
cara penyajian bilangan riil, yaitu :
(a). Bilangan titik tetap (fixed point)
Contoh : 62,358; 0,013; 1,000
…Next

(b). Bilangan titik kambang (floating point)

Contoh : 0,6238 x 103 atau 0,6238E+03
0,1714 x 10-13 atau
0,1714E-13
Digit-digit berarti di dalam format bilangan titik
kambang disebut juga “Angka Bena” (significant
figure).
Angka Signifikan

 Adalah angka bermakna, angka penting atau

angka yg dapat digunakan dgn pasti.
 Contoh :
43.123 memiliki 5 angka signifikan (4,3,1,2,3)
0,1764 memiliki 4 angka signifikan (1,7,6,4)
0,0000012 memiliki 2 angka signifikan (1,2)
278.300 memiliki 6 angka signifikan (2,7,8,3,0,0)
0,0090 memiliki 2 angka signifikan (9,0)
 Galat Total

 Galat akhir atau galat total pada solusi

numerik merupakan jumlah galat
pemotongan dan galat pembulatan.
 Contoh :
(0,2) 2 (0,2) 4
Cos (0,2)  1    0,9800667
2 24

Galat pemotongan Galat pembulatan

22
Kemunculan Galat Pemotongan
 Timbul karena kita menghampiri cos(0,2) s/d
suku orde 4 sedangkan galat pembulatan
timbul karena kita membulatkan nilai
hampiran ke dalam 7 digit bena.
Orde Pendekatan

 Di dalam metode numerik, fungsi f(x) sering

diganti dgn fungsi hampiran yang lebih
sederhana. Satu cara mengungkapkan
tingkat ketelitian penghampiran itu adalah
dengan menggunakan notasi :
O-Besar (Big-Oh).
…Next

 Misal : f(h) dihampiri dgn fungsi p(h).

Jika |f(h)-p(h)| ≤ M|hn|, yg dlm hal ini M adalah
konstanta riil > 0, maka kita katakan bahwa p(h)
menghampiri f(h) dengan orde penghampiran O(hn) dan
ditulis dgn :
f(h) = p(h) + O(hn)
O(hn) juga dapat diartikan sebagai orde galat dari
penghampiran fungsi. Karena h umumnya cukup kecil,
yaitu < 1, maka semakin tinggi nilai n semakin kecil
galat, yg berarti semakin teliti penghampiran fungsinya.
…Next

 Metode yg berorde O(h2) misalnya, lebih teliti drpd

metode yg berorde O(h).
 Untuk metode yg berorde O(h2), jika ukuran h
dijadikan setengah kali semula, maka galatnya
menjadi seperempat kali galat semula.
 Umumnya deret Taylor digunakan untuk menghampiri
fungsi.
Misalkan :
xi+1 = xi + h, i=0,1,2,….. Adalah titik-titik sebesar h,
maka hampiran f(xi+1) dengan deret Taylor di sekitar xi
adalah :
…Next

( xi 1  xi ) ' ( xi 1  xi ) 2 '' ( xi 1  xi ) n ( n )
f ( xi 1 )  f ( xi )  f ( xi )  f ( xi )  ....  f ( xi )  Rn ( xi 1 )
1! 2! n!
h ' h 2 '' hn (n)
f ( xi 1 )  f ( xi )  f ( xi )  f ( xi )  ....  f ( xi )  Rn ( xi 1 )
1! 2! n!
Dalam hal ini :
h ( n 1) ( n 1)
Rn ( xi 1 )  f (t )  O(h n 1 ); xi  t  xi 1
(n  1)!
Jadi, kita dapat menuliskan :
hk k
n
f ( xi 1 )   f ( xi )  O(h n 1 )
k  0 k!
Contoh:

2 3 4
h h h
f ( x)  e x  1  h     O (h 5 )
2! 3! 4!
x 2 x3 x 4 x5
f ( x )  ln( x )  x      O( h 5 )
2 3 4 5
h3 h5
f ( x)  sin( h)  h    O(h 7 )
3! 5!
h2 h4 h6
f ( x )  cos( h )  1     O( h 8 )
2! 4! 6!
Bilangan Floating Point

 Untuk memahami galat pembulatan lebih

rinci, kita perlu mengerti cara penyimpanan
bilangan riil di dalam komputer.
 Format bilangan riil di dalam komputer
berbeda beda bergantung pada piranti keras
dan compiler bahasa pemrogramannya.
 Bilangan riil di dlm komputer umumnya
disajikan dalam format bilangan floating
point.
 Representasi bilangan floating-
point mempunyai tiga bagian:

Menggunakan
1. Mantissa
2. Basis
3. Eksponen

Contoh:
Bilangan Mantissa Basis Eksponen
3 x 106 3 10 6
110 x 28 110 2 8
6132.784 0.6132784 10 4
34.58 0.3458 10 2
30
  Awalnya format Floating Point berbeda antar pabrik computer,
namum saat ini telah terstandar ANSI/IEEE (format IEEE 754).
sedangkan IBM mempunyai standar khusus

 Dua format standar IEEE 754 yaitu presisi tunggal (single precision)
dan presisi ganda (double precision)

S, 1 bit Eksponen, 8 bit Mantissa, 23 bit

Format floating-point presisi tunggal (32 bit)

S, 1 bit Eksponen, 11 bit Mantissa, 52 bit

Format floating-point presisi ganda (64 bit)

31
 Keuntungan Floating Point

1. Jangkauan representasi bilangan floating-point lebih

lebar daripada fixed-point:
Float: -3.4 x 10-38 sampai dengan +3.4 x 10+38  32 Bit dengan presisi 7
digit
Double: -1.7 x 10-308 sampai dengan +1.7 x 10+308  64 Bit dengan
dengan presisi 15 digit
2. Digunakan untuk keperluan bilangan yg sangat besar
atau bilangan yg sangat kecil
3. Representasi bilangan floating-point lebih akurat dalam
operasi aritmetika.

32
 Keuntungan Floating Point

Meningkatkan Presisi atau

mengurangi kesalahan dalam
penyelesaian dengan metode
numerik

33
34