1 / 47

METODE NUMERIK

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.

dacia
Télécharger la présentation

METODE NUMERIK

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. METODE NUMERIK AKAR-AKAR PERSAMAAN

  2. 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

  3. Jumlah Akar • Bila f(xi) dan f(xu) mempunyai tanda yang sama, maka jumlah akar biasanya merupakan bilangan genap.

  4. Jumlah Akar • Bila f(xi) dan f(xu) mempunyai tanda yang berbeda, maka jumlah akar biasanya merupakan bilangan ganjil.

  5. Jumlah Akar • Meskipun generalisasi ini biasanya benar, tetapi ada kasus tertentu dimana suatu fungsi mempunyai akar kembar atau fungsi tersebut diskontinu.

  6. Pendahuluan • Berapa akar dari suatu f(x) = e-x-x ? Dengan analitis sulit tetapi masih bisa diselesaikan dengan metode grafik, dengan cara:

  7. 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

  8. 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.

  9. 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.

  10. 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

  11. Metode Grafik (Ex.) • Tebakan awal x0 = 0,5 dan x1 = 1,5 dan selangnya (x) = 0,25

  12. Metode Grafik (Ex.) • Tebakan awal x0 = 0,5 dan x1 = 1,5 dan selangnya (x) = 0,2 • 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.

  13. 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.

  14. 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

  15. Algoritma Metode Bisection • 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:

  16. Algoritma Metode Bisection • Evaluasi harga xr untuk menentukan subinterval mana yang akan memuat harga akar dengan cara sebagai berikut • 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.

  17. Algoritma Metode Bisection • Buat taksiran akar baru = xr baru dari • Putuskan apakah taksiran baru cukup akurat dengan kebutuhan yaitu biasanya |a|  |s| yang ditentukan. Jika ya hentikan komputasi, jika tidak kembali lagi ke evaluasi.

  18. Metode Bisection (Ex.) • f(x) = ex – 2 – x2, cari akarnya dengan metode bisection dimana xi = 0.5; xu = 1.5; s = 1%

  19. Metode Bisection (Ex.) • Langkah 1: 1. xi = 0,5; xu = 1,5; f(xi) = 0,60128; f(xu) = 0,23169 2. 3. f(xr) = 0,28172 f(xi).f(xr) = (0,60128).(0,28172) > 0 maka xi baru = 1 4. 5.

  20. 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 4. 5.

  21. 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 4. 5.

  22. 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. 5.

  23. 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. 5.

  24. 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. 5.

  25. Metode Bisection (Ex.) Jika s = 1 %, maka akarnya adalah x = 1,3203

  26. 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

  27. Metode Regulafalsi • Yang membedakan antara metode Regulafalsi dan Bisection dalam menentukan sebuah akar dari suatu fungsi adalah dalam menentukan besarnya xr. • Penentuan pergantian besarnya subinterval tetap dipengaruhi oleh f(xi).f(xr).

  28. 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% !

  29. 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. 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 4. 5.

  30. 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. 5.

  31. Metode Regulafalsi (Ex.) 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)

  32. 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

  33. Metode Newton-Raphson • 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:

  34. 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 menjadi tidak terhingga/tak tentu sehingga xi+1 semakin menjauhi akar yang sebenarnya

  35. Kelemahan Newton -Raphson • Kalau xi dekat dengan titik ekstrim/puncak maka turunannya dekat dengan 0, akibatnya xi+1 akan semakin menjauhi akar sebenarnya • Kadangkadang fungsi tersebut tidak punya akar tetapi ada penentuan harga awal, sehingga sampai kapanpun tidak akan pernah ditemukan akarnya.

  36. Saran • Disarankan sebelum menentukan titik awal dilakukan sketsa grafik terlebih dahulu. • Konvergen  kesalahan semakin lama semakin kecil • Divergen  kesalahan semakin lama semakin besar

  37. Metode Newton-Raphson (Ex.) • Hitung salah satu akar dari f(x) = ex – 2 – x2 pada titik awal 1,5; s = 1 %

  38. Metode Newton-Raphson (Ex.) • Langkah 1 1. xi = 1.5 ; f(xi) = 0,23169 f’(xi) = ex – 2x  f’(1.5) = 1.4817 2. 3.

  39. Metode Newton-Raphson (Ex.) • Langkah 2 1. xi = 1.3436 ; f(xi) = 0,027556 f’(xi) = ex – 2x  f’(1.3436) = 1.145617 2. 3.

  40. Metode Newton-Raphson (Ex.) • Langkah 3 1. xi = 1.319547 ; f(xi) = 0.0085217 f’(xi) = ex – 2x  f’(1.319547) = 1.102632 2. 3.

  41. Metode Newton-Raphson (Ex.) Jadi akar dari f(x) = ex – 2 – x2 adalah x = 1,319074

  42. 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.

  43. 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.

  44. Metode Secant (Ex.) • Hitung salah satu akar dari f(x) = ex – 2 – x2 dengan tebakan awal 1.4 dan 1.5; s = 1 %

  45. Metode Secant (Ex.) • Langkah 1 1. xi-1 = 1,5  f(xi-1) = 0,2317 xi = 1.5 ; f(xi) = 0,2317 2. f(xi+1) = 0,0125 3.

  46. Metode Secant (Ex.) • Langkah 1 1. xi-1 = 1.4  f(xi-1) = 0,0952 xi = 1,3303  f(xi) = 0,0125 2. 3.

  47. Metode Secant (Ex.) Jika dibandingkan dengan Newton Raphson dengan akar = 1,3191 dan a = 0,03%, maka metode Secant lebih cepat, tapi tingkat kesalahannya lebih besar

More Related