Transcript 3 Konsep Error
1
2. Konsep Error
2
Error
Jika â adalah nilai hampiran terhadap nilai sejati a maka selisih â dengan a disebut dengan
error.
ε = a – â
error lebih berarti jika diketahui perbandingan dengan nilai aslinya yang disebut
error relatif
ε
R
= ε / a
atau
ε
R
= ε / a
x 100% Untuk kasus dimana nilai asli sulit didapatkan, sehingga digunakan nilai hampiran hasil iterasi :
ε
RA
= (a
r+1
:
– a
r
) / a
r+1
3
Sumber Utama Error
Round-off Error
– diakibatkan keterbatasan komputer menyimpan detail bilangan riil.
– Panjang bilangan yang melebihi kemampuan media penyimpanan akan dibulatkan (ke atas)
Truncation Error
– – Diakibatkan oleh adanya penghentian komputasi tak hingga menjadi berbatas.
Digunakan hampiran sebagai pengganti formula yang eksak.
4
Angka Penting
Angka yang dapat digunakan secara pasti.
Angka penting akan terlihat dengan pasti jika ditulis dalam notasi ilmiah. Jumlah angka penting terletak pada jumlah digit mantis.
5
Bilangan Floating Point
Formula bilangan floating point :
a = + m x b + p
Dimana :
m
= mantis(riil)
b
= basis
p
= pangkat (bilangan bulat positif) Format standar floating point : – – – Single (32 bit) Double (64 bit) Setiap format terdiri 3 field (sign bit,eksponen bit dan fraction bit)
6
Bilangan Floating Point (Cont.)
Bilangan Floating Point Ternormalisasi – Untuk menyeragamkan penyajian – Agar semua digit mantis merupakan angka penting – Format :
a = + m x b + p = +0.d
1 d 2 d 3 d 4 ..d
n x b + p
dengan syarat 1<
d 1
7
Epsilon Mesin
Setiap komputer memiliki kemampuan menyimpan detail bilangan positif terkecil.
Epsilon mesin ( μ) didefinisikan sebagai bilangan positif terkecil sedemikian sehingga 1 + μ > 1 Gap ( Δx) adalah jarak antara sebuah bilangan floating point dengan bilangan floating point berikutnya, formulanya : Δx = μ x R R adalah bilangan floating point sekarang.
8
Epsilon Mesin (Cont.)
1 Negative overflow 3 Negative underflow 2 Expressible Negative numbers 4 Zero 5 Positive underflow 6 Expressible Positive numbers
-10 99 -10 -100 0 10 -100 Gambar Rentang Bilangan Floating Point 10 99
7 Positive overflow
Pembulatan pada Floating Point
9
Pemenggalan (chopping)
Digit bilangan yang lebih banyak daripada digit mantis komputer akan mengalami pemenggalan a = +0.d
1 d 2 d 3 …d n d n+1 … x 10 +p Dengan n digit mantis pada komputer akan menjadi : fl chop (a) = +0.d
1 d 2 d 3 …d n x 10 +p Contoh : Bilangan π = 0.31415926535897…. x 10 0 Pada komputer dengan mantis 7 bit menjadi fl chop ( π) = 0.3141592 x 10 0 error = 0.000000065… Bilangan biner untuk hasil 1/10 (basis 10) = (0.00011001100110011…) 2 Dinormalkan dan dipenggal dengan mantis 32 bit : fl chop (1/10) ≈ (0.11001100110011001100110011001100 ) 2 maksimum error pemenggalan adalah ∆x .
x 2 -3
10
Pembulatan pada Floating Point (Cont.)
Pembulatan ke digit terdekat (in-rounding) Bilangan basis 10 a = +0.d
1 d 2 d 3 …d n d n+1 … x 10 +p Pembulatan dengan n digit mantis menjadi : fl round (a) = +0.d
1 d 2 d 3 …z x 10 +p Z dalam hal ini : z = d n d n d n d n + 1 + 1 jika d n+1 jika d n+1 jika d n+1 jika d n+1 < 5 > 5 = 5 dan n genap = 5 dan n ganjil Contoh : Bilangan basis 10 π = 0.31415926535897…. x 10 0 fl round ( π) = 0.3141593 x 10 0 Bilangan basis 2 Batas maksimum galat : ∆x /2
11
Pembulatan pada Floating Point (Cont.)
Error mutlak ke digit terdekat : | a – fl(a) | = | +0.d
1 d 2 d 3 …d n d n+1 … x 10 +p - +0.d
1 d 2 d 3 …d n x 10 +p | < ( ½ x 10 –n ) x 10 +p = ( ½ x 10 –n ) x a/m (karena 10 +p = a/m) < 5a x 10 -n
12
Aritmatika Bilangan Floating Point
Teorema pada Aritmatika Bilangan Floating point.
Jika a dan b adalah bilangan floating point maka : i) fl(a + b) = (a + b)(1 + ε 1 ) ii) fl(a – b) = (a – b)(1 + ε 2 ) iii) fl(ab) = (ab)(1 + ε 3 ) iv) fl(a/b) = (a/b)(1 + ε 4 ) Yang dalam hal ini | ε i | < 5 x 10 -n = e, i = 1,2,3,4
13
Aritmatika Bilangan Floating Point (Cont.)
Operasi Penjumlahan & Pengurangan
Harus ada penyamaan pangkat : kiri atau kanan ?
Geser kiri kehilangan bit penting Geser kanan kehilangan lebih sedikit bit penting (error lebih kecil ?) Penjumlahan bilangan kecil ke besar menyebabkan error pembulatan hilang angka penting akibat pergeseran Pengurangan 2 bilangan yang hampir sama menghasilkan bilangan nol pada digit mantis yang paling penting
14
Aritmatika Bilangan Floating Point (Cont.)
Perkalian dan pembagian tidak memerlukan penyamaan pangkat
15
Perambatan Error
Pada suatu proses komputasi yang memiliki error akan menyebabkan penumpukkan error apabila proses tersebut dilakukan secara beruntun.
Menyebabkan hasil yang menyimpang dari sebenarnya kondisi tidak stabil (ketidakstabilan numerik) Kondisi Stabil : error pada hasil antara memiliki pengaruh yang sedikit pada hasil akhir.
Ketidakstabilan matematik : kondisi yang timbul karena hasil perhitungan sangat peka terhadap perubahan kecil data.
16
Ketidakstabilan
Dikatakan tidak stabil jika hasil tidak teliti sebagai akibat metode komputasi yang dipilih.
Contoh : – – –
F(x) =x ( √(x+1)- √ x),
hitung
f(500)
sampai
6
solusi asli =11.174755300747198… angka penting,
F(x) = √(x+1)- √ x
, hitung f(12345) sampai 6 angka penting , solusi asli = 0.00450003262627751
Cari akar-akar polinom penting
x 2 – 40x + 2 = 0
sampai 4 angka –
F(x) = (e x -1- x) / x 2
hitung
f(0.01)
sampai angka 6 penting
17
Kondisi Buruk
Persoalan dikatakan berkondisi buruk bila jawabannya sangat peka terhadap perubahan kecil data atau error pembulatan.
Contoh : – x 2 -4x + 3.999 = 0 akar-akar x 1 = 1.968
= 2.032 dan x 2 – – x 2 x 2 -4x + 4.000 = 0 akar-akar x 1 -4x + 4.001 = 0 = x 2 = 2.000
akar-akarnya imajiner
18
Bilangan Kondisi
Bilangan kondisi didefinisikan sebagai : Bilangan Kondisi = | ε RA [f(
â
)]/ ε RA (
â
)| = |
â f’(a)/f(â)|
Arti bilangan kondisi : – – Bilangan kondisi = 1, galat relatif hampiran fungsi sama dengan galat relatif x Bilangan kondisi >1, galat relatif hampiran diperkuat – Bilangan kondisi <1, galat relatif hampiran diperlemah Kondisi buruk bilangan kondisi besar Kondisi baik bilangan kondisi kecil