2. Akar-akar Persamaan
Download
Report
Transcript 2. Akar-akar Persamaan
METODE NUMERIK
AKAR-AKAR PERSAMAAN
Pendahuluan
Akar-akar suatu persamaan dari suatu fungsi
x sebenarnya adalah harga x yang membuat
f(x) = 0.
Sebelum kemajuan komputer, menyelesaikan
suatu akar persamaan menggunakan metode
analitis dan grafik.
Analitis f(x) = x2 - 4x x2 - 4x = 0
x(x-4) = 0
x1 = 0 atau x2 = 4
Jumlah Akar
Bila f(xi) dan f(xu) mempunyai tanda yang
sama, maka jumlah akar biasanya
merupakan bilangan genap.
Jumlah Akar
Bila f(xi) dan f(xu) mempunyai tanda yang
berbeda, maka jumlah akar biasanya
merupakan bilangan ganjil.
Jumlah Akar
Meskipun generalisasi ini biasanya benar,
tetapi ada kasus tertentu dimana suatu fungsi
mempunyai akar kembar atau fungsi tersebut
diskontinu.
Pendahuluan
Berapa akar dari suatu f(x) = e-x-x ?
Dengan analitis sulit tetapi masih
bisa diselesaikan dengan metode
grafik, dengan cara:
x
0
0,2
0,3
f(x)
1
0,6187
0,4408
1
-0,632
Metode Pendekatan Mencari
Akar Persamaan
Metode Tertutup (Metode Akolade)
Metode Grafik (selang bisa ditentukan lebih kecil
dari manual)
Metode Bisection (Metode bagi dua)
Metode Regulafalsi (Interpolasi Linier)
Metode Terbuka
Metode Secant
Metode Newton Raphson
Metode Tertutup (Akolade)
Metode ini sering disebut metode
terkurung/tertutup karena membutuhkan dua
tebakan awal untuk menentukan akar suatu
f(x).
Dua tebakan harus mengapit akarnya, berarti
harus ditentukan sebelum akar dan setelah
akar
Dalam metode akolade, grafik fungsi harus
digambar secara kasar.
Metode Grafik
Metode paling sederhana untuk memperoleh
tafsiran akar suatu f(x) dengan membuat
grafik dari fungsi tersebut dan kemudian
mengamati berapa nilai x yang menyebabkan
f(x) berharga 0.
Jika selang dari tiap perubahan nilai x
ditentukan semakin kecil, maka akan
menghasilkan nilai yang semakin teliti.
Metode Grafik (Ex.)
Ingin dicari suatu akar dari f(x) = ex - 2 - x2
Tebakan awal x0 = 0,5 dan x1 = 1,5 dan selangnya
(x) = 0,5
x
f(x)
0,5 0,60128
1 0,28172
1,5
0,23169
Metode Grafik (Ex.)
Tebakan awal x0 = 0,5 dan x1 = 1,5 dan
selangnya (x) = 0,25
x
f(x)
0,5 0,60128
0,75 0,4455
1 0,28172
1,25 0,07216
1,5
0,23169
Metode Grafik (Ex.)
Tebakan awal x0 = 0,5 dan x1 = 1,5 dan
selangnya (x) = 0,2
x
f(x)
0,5 0,60128
0,7 0,47625
0,9 0,3504
1,1 0,20583
1,3 0,02070
1,5
0,23169
Dengan selang x = 0,25, akarnya
adalah x = 1,25.
Dengan selang x = 0,2, akarnya
adalah x = 1,3. Dengan selang ini
lebih teliti karena menghasilkan f(x)
yang nilainya lebih dekat dengan 0.
Metode Bisection (Bagi Dua)
Syarat: f(x) real/nyata dan kontinu dalam
interval xi s/d xu, dimana f(xi) dan f(xu)
berbeda tanda sehingga f(xi).f(xu) < 0
Metode ini digunakan untuk menentukan
salah satu akar dari f(x).
Dasar dari metode bagi 2 adalah metode
carian inkremental.
Metode Carian Inkremental
Proses dimulai dengan menentukan sebuah interval
dimana fungsi tersebut bertukar tanda. kemudian
penempatan perubahan tanda dari akar ditandai
lebih teliti dengan cara membagi interval tersebut
menjadi sejumlah subinterval (pada metode bagi 2,
pencarian subintervalnya dengan cara membagi
dua). Setiap subinterval dicari untuk menempatkan
perubahan tanda. Proses tersebut diulangi dengan
subinterval yang semakin lama semakin kecil hingga
dicapai suatu proses konvergensi
Algoritma Metode Bisection
1.
2.
Pilih harga xi yaitu harga x yang terendah
dan xu yaitu harga x yang tertinggi, agar
fungsi berubah tanda sepanjang interval
tersebut sehingga f(xi).f(xu) < 0
Taksiran pertama akar sebut dengan xr
ditentukan oleh:
x i xu
xr
2
Algoritma Metode Bisection
Evaluasi harga xr untuk menentukan
subinterval mana yang akan memuat harga
akar dengan cara sebagai berikut
3.
Jika f(xi).f(xr) < 0, akar terletak pada subinterval
pertama, maka xu baru = xr.
Jika f(xi).f(xr) > 0, akar terletak pada subinterval
kedua, maka xi baru = xr.
Jika f(xi).f(xr) = 0, maka proses komputasi
berhenti dan akarnya = xr.
Algoritma Metode Bisection
4.
5.
Buat taksiran akar baru = xr baru dari
x i xu
xr
2
Putuskan apakah taksiran baru cukup
akurat dengan kebutuhan yaitu biasanya |a|
|s| yang ditentukan. Jika ya hentikan
komputasi, jika tidak kembali lagi ke
evaluasi.
Metode Bisection (Ex.)
f(x) = ex – 2 – x2, cari akarnya dengan
metode bisection dimana xi = 0.5; xu = 1.5;
s = 1%
Metode Bisection (Ex.)
Langkah 1:
1. xi = 0,5; xu = 1,5; f(xi) = 0,60128; f(xu) = 0,23169
2. x xi xu 0,5 1,5 1
r
2
2
3. f(xr) = 0,28172
f(xi).f(xr) = (0,60128).(0,28172) > 0
maka xi baru = 1
4.
xi xu 1 1,5
xr
2
2
1,2 5
5. 1,2 5 1 1 0 0% 2 0%
a
1,2 5
Metode Bisection (Ex.)
Langkah 2:
3. f(xr) = f(1,25) = 0,07216
f(xi).f(xr) = (0,28172).(0,07216) > 0
maka xi baru = 1,25
xi xu 1,2 5 1,5
4.
xr
1,3 7 5
2
2
5.
1,3 7 5 1,2 5
a
1 0 0% 9,1%
1,3 7 5
Metode Bisection (Ex.)
Langkah 3:
3. f(xr) = f(1,375) = 0,06445
f(xi).f(xr) = (0,07216).(0,06445) < 0
maka xu baru = 1,375
xi xu 1,2 5 1,3 7 5
4.
xr
5.
a
2
2
1,3 1 2 5
1,3 1 2 5 1,3 7 5
1 0 0% 4,7 6%
1,3 1 2 5
Metode Bisection (Ex.)
Langkah 4:
3. f(xr) = f(1,3125) = 0,0072
f(xi).f(xr) = (0,07216).(0,0072) > 0
maka xi baru = 1,3125
4.
xi xu 1,3 1 2 5 1,3 7 5
xr
5.
a
2
2
1,3 4 3 7 5
1,3 4 3 7 5 1,3 1 2 5
1 0 0% 2,3%
1,3 4 3 7 5
Metode Bisection (Ex.)
Langkah 5:
3. f(xr) = f(1,3125) = 0,0072
f(xi).f(xr) = (0,0072).(0,0277) > 0
maka xi baru = 1,34375
4.
xi xu 1,3 1 2 5 1,3 4 3 7 5
xr
1,3 2 8 1 2 5
2
2
5.
1,3 2 8 1 2 5
1,3 4 3 7 5
a
1 0 0% 1,1 7 6%
1,3 2 8 1 2 5
Metode Bisection (Ex.)
Langkah 6:
3. f(xr) = f(1,328125) = 0,010
f(xi).f(xr) = (0,0072).(0,010) < 0
maka xu baru = 1,328125
4.
xi xu 1,3 1 2 5 1 ,3 2 8 1 2 5
xr
1,3 2 0 3
2
2
5.
1,3 2 0 3 1,3 2 8 1 2 5
a
1 0 0% 0,5 9%
1,3 2 0 3
Metode Bisection (Ex.)
Iterasi
xr
|a| %
20
1
2
1
1,25
3
4
5
1,375
1,3125
1,34375
6
7
1,328125 1,176
1,3203
0,59
9,1
4,76
2,3
Jika s = 1 %,
maka akarnya
adalah x = 1,3203
Metode Bisection
Kelemahan:
Membagi interval dengan subinterval dengan
membagi 2 tanpa ada perhitungan mengenai f(xi)
dan f(xu) yang mana sebenarnya yang lebih
mendekati akarnya
Metode Regulafalsi
Yang membedakan antara metode
Regulafalsi dan Bisection dalam menentukan
sebuah akar dari suatu fungsi adalah dalam
menentukan besarnya xr.
f x u x i x u
x r xu
f x i f x u
Penentuan pergantian besarnya subinterval
tetap dipengaruhi oleh f(xi).f(xr).
Metode Regulafalsi (Ex.)
Tentukan salah satu akar dari metode
Regulafalsi dalam suatu fungsi f(x) = ex – 2 –
x2, dimana xi = 0,5; xu = 1,5; s = 1% !
Metode Regulafalsi (Ex.)
Langkah 1
1. xi = 0,5; xu = 1,5;
f(xi) = f(0,5) = 0,60128; f(xu) = f(1,5) = 0,23169
2.
0,2 3 1 6 90,5 1,5
xr 1,5
0,6 0 1 2 8 0,2 3 1 6 9
1,2 2 1 9
3. f(xr) = f(1,2219) = 0,0994
f(xi).f(xr) = (0,60128).(0,09941) > 0
maka xi baru = 1,2219; f(xi) = 0,09941
0,2 3 1 6 91,2 2 1 9 1,5
4.
xr 1,5
5.
a
0,0 9 9 4 1 0,2 3 1 6 9
1,3 0 5 4
1,3 0 5 4 1,2 2 1 9
1 0 0% 6,3 9 7%
1,3 0 5 4
Metode Regulafalsi (Ex.)
Langkah 2:
3. f(xr) = f(1,3054) = 0,014905
f(xi).f(xr) = (0,09941).(0,014905) > 0
maka xi baru = 1,3054; f(xi) = 0,014905
4.
0,2 3 1 6 9
1,3 0 5 4 1,5
xr 1,5
1,3 1 7 1 6
0,0 1 4 9 05 0,2 3 1 6 9
5.
a
1,3 1 7 1 6 1,3 0 5 4
1 0 0% 0,8 9 2 8%
1,3 1 7 1 6
Metode Regulafalsi (Ex.)
a %
1,3054 6,397
1,31716 0,8928
Iterasi
xr
1
1,2219
2
3
Dari hasil ini ternyata metode Regulafalsi lebih cepat
konvergen, daripada Bisection, tetapi belum tentu teliti. Hal
ini dibuktikan dengan a dari kedua metode. Untuk xr =
1,3203; a = 0,59 pada metode Bisection, sedangkan pada
metode Regulafalsi xr = 1,31716; a = 0,8928 (a Bisection <
a Regulafalsi)
Metode Terbuka
Hanya membutuhkan sebuah harga tunggal
dari x untuk harga awalnya atau 2 harga x
tetapi tidak perlu harus mengurung akar.
Metode ini berbeda dengan metode tertutup
yang memerlukan 2 harga awal dan harus
dalam posisi mengapit atau mengurung akar
Metode Newton-Raphson
1.
2.
Tentukan harga awal xi.
Garis singgung terhadap f(xi) akan
diekstrapolasikan ke bawah pada sumbu x
untuk memberikan sebuah taksiran akar
pada xi+1, sehingga xi+1 dirumuskan:
x i 1
f x i
xi
f x i
Kelemahan Newton -Raphson
Harus menentukan turunan dari f(x)
Karena kita menentukan titik awal hanya 1,
maka sering didapatkan/ditemukan akar yang
divergen. Hal ini disebabkan karena
Dalam menentukan xi yang sembarang ternyata
dekat dengan titik belok sehingga f(xi) dekat
dengan 0, akibatnya
f x i
x i 1 x i
f x i
menjadi tidak terhingga/tak tentu sehingga xi+1
semakin menjauhi akar yang sebenarnya
Kelemahan Newton -Raphson
Kalau xi dekat dengan titik ekstrim/puncak maka
turunannya dekat dengan 0, akibatnya xi+1 akan
semakin menjauhi akar sebenarnya
Kadangkadang fungsi tersebut tidak punya akar
tetapi ada penentuan harga awal, sehingga
sampai kapanpun tidak akan pernah ditemukan
akarnya.
Saran
Disarankan sebelum menentukan titik awal
dilakukan sketsa grafik terlebih dahulu.
Konvergen kesalahan semakin lama semakin
kecil
Divergen kesalahan semakin lama semakin
besar
Metode Newton-Raphson (Ex.)
Hitung salah satu akar dari f(x) = ex – 2 – x2
pada titik awal 1,5; s = 1 %
Metode Newton-Raphson (Ex.)
Langkah 1
1. xi = 1.5 ; f(xi) = 0,23169
f’(xi) = ex – 2x f’(1.5) = 1.4817
2. x i 1
0,2 3 1 6 9
1,5
1,3 4 3 6
1,4 8 1 7
1,3 4 3 6 1,5
1 0 0% 1 1,6 4%
3. a
1,3 4 3 6
Metode Newton-Raphson (Ex.)
Langkah 2
1. xi = 1.3436 ; f(xi) = 0,027556
f’(xi) = ex – 2x f’(1.3436) = 1.145617
2. x i 1
0,0 2 7 5 5 6
1,3 4 3 6
1,3 1 9 5 4 7
1,1 4 5 6 1 7
3. a 1,3 1 9 5 4 7 1,3 4 3 6 1 0 0% 1,8 2 2 8%
1,3 1 9 5 4 7
Metode Newton-Raphson (Ex.)
Langkah 3
1. xi = 1.319547 ; f(xi) = 0.0085217
f’(xi) = ex – 2x f’(1.319547) = 1.102632
2. x i 1 1,3 1 9 5 4 7
0,0 0 8 5 2 1 7
1,3 1 9 0 7 4
1,1 0 2 6 3 2
1,3 1 9 5 4 7
3. a 1,3 1 9 0 7 4
1 0 0% 0,0 3 6%
1,3 1 9 0 7 4
Metode Newton-Raphson (Ex.)
Iterasi
1
2
3
xi+1
1.3436
a %
11.64
1.319547 1.8228
1,319074 0,036
Jadi akar dari f(x) = ex – 2 – x2 adalah x = 1,319074
Metode Secant
Kelemahan dari metode Newton Raphson
adalah evaluasi nilai turunan dari f(x), karena
tidak semua f(x) mudah dicari turunannya.
Suatu saat mungkin saja ditemukan suatu
fungsi yang sukar dicari turunannya. Untuk
menghindari hal tersebut diperkenalkan
metode Secant.
Metode Secant
Metode Secant memerlukan 2 tebakan awal
yang tidak harus mengurung/ mengapit akar
Yang membedakan antara metode Secant
dan Newton-Raphson dalam menentukan
sebuah akar dari suatu fungsi adalah dalam
menentukan besarnya xi+1.
x i 1
f x i x i 1 x i
xi
f x i 1 f x i
Metode Secant (Ex.)
Hitung salah satu akar dari f(x) = ex – 2 – x2
dengan tebakan awal 1.4 dan 1.5; s = 1 %
Metode Secant (Ex.)
Langkah 1
1. xi-1 = 1,5 f(xi-1) = 0,2317
xi = 1.5 ; f(xi) = 0,2317
2.
0,2 3 1 7 1,4 1,5
xi 1 1,5
1,3 3 0 3
0,0 9 5 2 0,2 3 1 7
f(xi+1) = 0,0125
3. a 1,3 3 0 3 1,4 1 0 0% 5,2 4%
1,3 3 0 3
Metode Secant (Ex.)
Langkah 1
1. xi-1 = 1.4 f(xi-1) = 0,0952
xi = 1,3303 f(xi) = 0,0125
0,0 1 2 5 1,5 1,3 3 0 3
1,3 2 0 6
2. xi 1 1,3 3 0 3
0,2 3 1 7 0,0 1 2 5
3.
1,3 2 0 6 1,3 3 0 3
a
1 0 0% 0,7%
1,3 2 0 6
Metode Secant (Ex.)
Iterasi
1
xi+1
1.3303
a %
5.24
2
1.3206
0.7
Jika dibandingkan dengan Newton Raphson dengan
akar = 1,3191 dan a = 0,03%, maka metode Secant
lebih cepat, tapi tingkat kesalahannya lebih besar