Persamaan Non Linier

Metode Tabel
Metode
Metode Biseksi
tertutup
Metode Regula Falsi
Metode Iterasi Sederhana
Metode
Metode Newton-Raphson
terbuka
Metode Secant.
 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
(hal. 137-139 Chapra & Canale, edisi terjemahan)
Bila Nilai f(xi) dan f(xu) titik warna biru mempunyai tanda yang sama (nilai
positif diatas sumbu x atau negatif dibawah sumbu x), maka jumlah akar
biasanya merupakan bilangan genap atau tidak ada akar dalam
rentang/inteval batas bawah xi dan batas atas xu
Tidak ada titik
Ada 2 titik
yang merupakan
merupakan
akar pers dlm
akar pers
rentang/interval
xi - xu dlm rentang/
interval xi - xu
 Jumlah Akar
Bila Nilai f(xi) dan f(xu) titik warna biru mempunyai tanda
yang berbeda (positif dan negatif), maka jumlah akar
biasanya merupakan bilangan ganjil.
Ada 1 titik Ada 3 titik
merupakan merupakan
akar pers dlm akar pers dlm
rentang/ rentang/
interval xi - xu interval xi - xu

Titik Akar dr
Persamaan
f(x)

Titik Akar dr
Persamaan
f(x)
 Jumlah Akar
Tetapi ada kasus tertentu dimana suatu fungsi mempunyai
akar berjumlah genap atau fungsi tersebut diskontinu.

Nilai f(xi) dan f(xu) pd titik Fungsi diskonyu, nilai

warna biru berlainan f(xi) dan f(xu) pd titik
tanda, warna biru berlainan
ada 2 titik (jumlah tanda,
genap) merupakan ada 2 titik (jumlah
akar pers dlm genap) merupakan
rentang/ interval xi - akar pers dlm
xu rentang/ interval xi -
xu
Titik Akar dr
Persamaan
f(x)

Titik Akar dr
Persamaan
f(x)
 Pendahuluan
Berapa akar dari suatu f(x) = e-x-x ? Dengan
analitis sulit tetapi masih bisa
diselesaikan dengan metode grafik,
dengan cara: x f(x) =
e-x-x
0 1
0,2 0,6187
0,3 0,4408
Titik Akar dr
Persamaan
f(x)

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 Regula falsi (Interpolasi Linier)

Metode Terbuka
Metode Secant
Metode Newton Raphson
 Metode Tertutup (Akolade)
Bab 4hal. 135 Chapra & Canale edisi Ind

Metode ini sering disebut metode tertutup

(bracketing method) 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 Dengan selang x = 0,25, akarnya
0,7 0,47625 adalah x = 1,25.
0,9 0,3504 Dengan selang x = 0,2, akarnya
adalah x = 1,3. Dengan selang ini
1,1 0,20583 lebih teliti karena menghasilkan f(x)
1,3 0,02070 yang nilainya lebih dekat dengan 0.
1,5 0,23169
 Metode Bisection (Bagi Dua)
Bab 4hal. 141 Chapra-Canale edisi Bhs

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. 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
2. Taksiran pertama akar sebut dengan xr
ditentukan oleh: x i xu
xr
2
 Algoritma Metode Bisection
3. 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.
 Algoritma Metode Bisection
4. Buat taksiran akar baru = xr baru dari
x i xu
xr
2
5. 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 i xu 0,5 1,5
xr 1
2 2
3. f(xr) = 0,28172
f(xi).f(xr) = (0,60128).(0,28172) > 0
maka xi baru = 1
4. x i xu 1 1,5
xr 1,25
2 2
5. 1,25 1 100 % 20 %
a
1,25
 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. x xu 1,25 1,5
xr i 1,375
2 2
5. 1,375 1,25
a 100 % 9,1%
1,375
 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. x i xu 1,25 1,375
xr 1,3125
2 2
5. 1,3125 1,375
a 100 % 4,76 %
1,3125
 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. x i xu 1,3125 1,375
xr 1,34375
2 2
5. 1,34375 1,3125
a 100 % 2,3%
1,34375
 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. x i xu 1,3125 1,34375
xr 1,328125
2 2
5. 1,328125 1,34375
a 100 % 1,176 %
1,328125
 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. x i xu 1,3125 1,328125
xr 1,3203
2 2
5. 1,3203 1,328125
a 100 % 0,59 %
1,3203
 Metode Bisection (Ex.)
Iterasi xr |a| %
1 1 Jika s = 1 %,
2 1,25 20 maka akarnya
3 1,375 9,1 adalah x = 1,3203
4 1,3125 4,76
5 1,34375 2,3
6 1,328125 1,176
7 1,3203 0,59
 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 (Interpolasi Linier)
Bab 4.3 hal. 152 Chapra & Canale

Yang membedakan antara metode Regulafalsi

dan Bisection dalam menentukan sebuah akar
dari suatu fungsi adalah dalam menentukan
besarnya xr.
f xu x i xu
x r xu
f x i f xu

Penentuan pergantian besarnya subinterval

tetap dipengaruhi oleh f(xi).f(xr).
 Metode Regulafalsi (Contoh)
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 (Contoh)
Langkah 1
1. xi = 0,5; xu = 1,5;
f(xi) = f(0,5) = 0,60128; f(xu) = f(1,5) = 0,23169
2.
xr 1,5
0,23169 0,5 1,5 1,2219
0,60128 0,23169
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.
xr 1,5
0,23169 1,2219 1,5 1,3054
0,09941 0,23169
5.
1,3054 1,2219
a 100 % 6,397 %
1,3054
 Metode Regulafalsi (contoh)
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.
xr 1,5
0,23169 1,3054 1,5
1,31716
0,014905 0,23169
1,31716 1,3054
5. a 1,31716
100 % 0,8928 %
 Metode Regulafalsi (Ex.)
Iterasi xr a %
1 1,2219
2 1,3054 6,397
3 1,31716 0,8928

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
Bab 5 hal. 165- Chapra & Canale

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 yang harus dalam
posisi mengapit atau
mengurung akar

a. Metode tertutup b dan c. Metode terbuka

Gambar 5.1 Bab 5 hal. 166 - Chapra & Canale

 Metode Newton-Raphson
Bab 5.2 hal. 173 Chapra-Canale edisi Terjemahan
1. Tentukan harga awal xi.
2. Garis singgung (slope =tangent) pada f(xi) diekstrapolasikan ke
bawah dan berpotongan dgn sumbu x untuk memberikan
sebuah taksiran akar pada xi+1, sehingga xi+1 dirumuskan:

f xi 0
f ' ( xi )
xi xi 1

f x i
x i 1 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

0,23169
2. x i 1 1,5
1,4817
1,3436

1,3436 1,5
3. a 1,3436
100 % 11,64 %
 Metode Newton-Raphson (Ex.)
Langkah 2
1.xi = 1.3436 ; f(xi) = 0,027556
f(xi) = ex 2x f(1.3436) = 1.145617

0,027556
2. x i 1 1,3436 1,319547
1,145617
1,319547 1,3436
3. a 100 % 1,8228 %
1,319547
 Metode Newton-Raphson (Ex.)
Langkah 3
1.xi = 1.319547 ; f(xi) = 0.0085217
f(xi) = ex 2x f(1.319547) = 1.102632

0,0085217
2. x i 1 1,319547 1,319074
1,102632
1,319074 1,319547
3. a 100 % 0,036 %
1,319074
 Metode Newton-Raphson (Ex.)
Iterasi xi+1 a %
1 1.3436 11.64
2 1.319547 1.8228
3 1,319074 0,036

Jadi akar dari f(x) = ex 2 x2 adalah x = 1,319074

 Metode Secant
Bab 5. 3 hal. 180 Chapra-Canale edisi Terjemahan

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
Bab 5. 3 hal. 180 Chapra-Canale edisi Terjemahan
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.
f xi 1 f ( xi )
f ' ( xi )
xi 1 xi

f x i xi 1 x i
x i 1 xi
f x i 1 f xi
 Metode Secant (Ex.)
Prosedur Metode Secant :
1. Ambil dua titik awal, misal x0 dan x1. Ingat bahwa
pengambilan titik awal tidak disyaratkan alias
pengambilan secara sebarang.
2. Setelah itu hitung x2 menggunakan rumus
f x i xi 1 x i
x i 1 xi
f x i 1 f xi
3. Kemudian pada iterasi selanjutnya ambil x1 dan x2
sebagai titik awal dan hitung x3.
4. Kemudian ambil x2 dan x3 sebagai titik awal dan
hitung x4. Begitu seterusnya sampai iterasi yang
diingankan atau sampai mencapai error yang cukup kecil.
 Metode Secant (Ex.)
Hitung salah satu akar dari f(x) = ex 2 x2
dengan tebakan awal 1.4 dan 1.5; s = 1 %
Langkah 1 (awal i=1)
1.xi-1 = 1,4 f(xi-1) = 0,2317 dari f(x) = ex 2 x2
xi = 1.5 ; f(xi) = 0,0952
f x i xi 1 x i
x i 1 xi
f x i 1 f x i

2.
xi 1 1,5
0,2317
. 1,4 1,5
1,3303
0,0952 0,2317
f(xi+1) = 0,0125
1,3303 1,4
3. a 1,3303
100 % 5,24 %
 Metode Secant (Ex.)
Langkah 2
1.xi-1 = 1.4 f(xi-1) = 0,0952
xi = 1,3303 f(xi) = 0,0125

0,0125 1,5 1,3303

2.xi 1 1,3303 0,2317 0,0125 1,3206

3. 1,3206 1,3303 100 % 0,7%

a
1,3206
 Metode Secant (Ex.)
Iterasi xi+1 a %
1 1.3303 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
Contoh :
Tentukan salah satu akar dari 4x3 15x2 + 17x 6 = 0 menggunakan
Metode Secant sampai 9 iterasi.

Penyelesaian :
iterasi 1 :
ambil x0 = -1 dan x1 = 3 (ngambil titik awal ini sebarang saja, tidak ada syarat apapun)
f(-1) = 4(-1)3 15(-1)2 + 17(-1) 6 = -42
f(3) = 4(3)3 15(3)2 + 17(3) 6 = 18
x2 = (3) = 1.8 x x

f x i xi 1 x i
f x i 1 f x i
i 1 i

iterasi 2 :
ambil x1 = 3 dan x2 = 1.8
f(1.8) = 4(1.8)3 15(1.8)2 + 17(1.8) 6 = -0.672
x3 = (1.8) = 1.84319

iterasi 3 :
ambil x2 = 1.8 dan x3 = 1.84319
f(1.84319) = 4(1.84319)3 15(1.84319)2 + 17(1.84319) 6 = -0.57817
x4 = (1.84319) = 2.10932
iterasi 4 :
ambil x3 = 1.84319 dan x4 = 2.10932; f(2.10932) = 4(2.10932)3 15(2.10932)2 + 17(2.10932)
6 = 0.65939; x5 = (2.10932) = 1.96752

iterasi 5 :
ambil x4 = 2.10932 dan x5 = 1.96752; f(1.96752) = 4(1.96752)3 15(1.96752)2 + 17(1.96752)
6=
-0.15303; x6 = (1.96752) = 1.99423

iterasi 6 :
ambil x5 = 1.96752 dan x6 = 1.99423
f(1.99423) = 4(1.99423)3 15(1.99423)2 + 17(1.99423) 6 = -0.02854
x7 = (1.99423) = 2.00036

iterasi 7 :
ambil x6 = 1.99423 dan x7 = 2.00036; f(2.00036) = 4(2.00036)3 15(2.00036)2 + 17(2.00036)
6 = 0.00178 , x8 = (2.00036) = 2.00000

iterasi 8 :
ambil x7 = 2.00036 dan x8 = 1.999996; f(1.999996) = 4(1.999996)3 15(1.999996)2 +
17(1.999996) 6 = -0.0002; x9 = (1.999996) = 2.0000
iterasi 9 : ambil x8 = 1.999996 dan x9 = 2.00000
f(2.00000) = 4(2.00000)3 15(2.00000 )2 + 17(2.00000) 6 = 0.00000
x10 = (2.00000) = 0.00000

n xn-1 xn xn+1 f(xn-1) f(xn) f(xn+1)

1 -1 3 1.8 -42 18 -0.672

2 3 1.8 1.84319 18 -0.672 -0.57817
3 1.8 1.84319 2.10932 -0.672 -0.57817 0.65939
4 1.84319 2.10932 1.96752 -0.57817 0.65939 -0.15303
5 2.10932 1.96752 1.99423 0.65939 -0.15303 -0.02854
6 1.96752 1.99423 2.00036 -0.15303 -0.02854 0.00178
7 1.99423 2.00036 2.00000 -0.02854 0.00178 -0.00002
8 2.00036 2.00000 2.00000 0.00178 -0.00002 0.00000
9 2.00000 2.00000 2.00000 -0.00002 0.00000 0.00000

Jadi salah satu akar dari 4x3 15x2 + 17x 6= 0 adalah 2

 Persamaan Non Linier
penentuan akar-akar persamaan non linier.
Akar sebuah persamaan f(x) =0 adalah nilai-nilai x
yang menyebabkan nilai f(x) sama dengan nol.
akar persamaan f(x) adalah titik potong antara
kurva f(x) dan sumbu X.
Kurva f(x)

Sumbu x

akar persamaan f(x)

 Persamaan Non Linier
Penyelesaian persamaan linier mx + c = 0 dimana m
dan c adalah konstanta, dapat dihitung dengan :
mx + c = 0
x=- c
m
Penyelesaian persamaan kuadrat ax2 + bx + c = 0
dapat dihitung dengan menggunakan rumus ABC.

b b 2 4ac
x12
2a
Penyelesaian Persamaan Non Linier
Metode Tertutup
Mencari akar pada range [a,b] tertentu
Dalam range[a,b] dipastikan terdapat satu akar
Hasil selalu konvergen disebut juga metode konvergen

Metode Terbuka
Diperlukan tebakan awal
xn dipakai untuk menghitung xn+1
Hasil dapat konvergen atau divergen
 Theorema
Suatu range x=[a,b] mempunyai akar bila f(a) dan f(b)
berlawanan tanda atau memenuhi f(a).f(b)<0
Theorema di atas dapat dijelaskan dengan grafik-grafik sebagai
berikut:

Karena f(a).f(b)<0 maka pada range

x=[a,b] terdapat akar.

Karena f(a).f(b)>0 maka pada range

x=[a,b] tidak dapat dikatakan terdapat
akar.
 Metode Table
Metode Table atau pembagian
X f(x)
area.
x0=a f(a)
x1 f(x1)
Dimana untuk x di antara a dan
b dibagi sebanyak N bagian dan x2 f(x2)
pada masing-masing bagian x3 f(x3)
dihitung nilai f(x) sehingga
diperoleh tabel :
xn=b f(b)
Metode Table
 Contoh
Selesaikan persamaan : x+ex = 0 X f(x)
dengan range x = -1,0 -0,63212
1,0 -0,9 -0,49343
-0,8 -0,35067
Untuk mendapatkan -0,7 -0,20341
penyelesaian dari persamaan di -0,6 -0,05119
atas range x = -0,5 0,10653
dibagi menjadi 10 bagian -0,4 0,27032
1,0
sehingga diperoleh : -0,3 0,44082
-0,2 0,61873
-0,1 0,80484
0,0 1,00000
 Contoh
Dari table diperoleh penyelesaian berada di antara
0,6 dan 0,5 dengan nilai f(x) masing-masing -0,0512
dan 0,1065, sehingga dapat diambil keputusan
penyelesaiannya di x=-0,6.

Bila pada range x =

0,6,0,5
dibagi 10 maka diperoleh f(x) terdekat dengan nol
pada x = -0,57 dengan F(x) = 0,00447
 Kelemahan Metode Table
Metode table ini secara umum sulit mendapatkan
penyelesaian dengan error yang kecil, karena itu
metode ini tidak digunakan dalam penyelesaian
persamaan non linier
Tetapi metode ini digunakan sebagai taksiran awal
mengetahui area penyelesaian yang benar sebelum
menggunakan metode yang lebih baik dalam
menentukan penyelesaian.
 Metode Biseksi
Ide awal metode ini adalah metode table, dimana
area dibagi menjadi N bagian.

Hanya saja metode biseksi ini membagi range

menjadi 2 bagian, dari dua bagian ini dipilih bagian
mana yang mengandung dan bagian yang tidak
mengandung akar dibuang.Hal ini dilakukan
berulang-ulang hingga diperoleh akar persamaan.
 Metode Biseksi
Untuk menggunakan metode biseksi, terlebih dahulu ditentukan batas bawah (a) dan batas
atas (b).Kemudian dihitung nilai tengah :
a b
x=
2
Dari nilai x ini perlu dilakukan pengecekan keberadaan akar. Secara matematik, suatu range
terdapat akar persamaan bila f(a) dan f(b) berlawanan tanda atau dituliskan :
f(a) . f(b) < 0

Setelah diketahui dibagian mana terdapat akar, maka batas bawah dan batas atas di
perbaharui sesuai dengan range dari bagian yang mempunyai akar.
Algoritma Biseksi
 Contoh Soal
Selesaikan persamaan xe-x+1 = 0, dengan
menggunakan range x=[-1,0], maka diperoleh tabel
biseksi sebagai berikut :
 Contoh Soal
a b
Dimana x = 2

Pada iterasi ke 10 diperoleh x = -0.56738 dan

f(x) = -0.00066

Untuk menghentikan iterasi, dapat dilakukan dengan

menggunakan toleransi error atau iterasi maksimum.
Catatan :
Dengan menggunakan metode biseksi dengan tolerasi
error 0.001 dibutuhkan 10 iterasi, semakin teliti (kecil
toleransi errorny) maka semakin besar jumlah iterasi yang
dibutuhkan.
 Metode Regula Falsi
metode pencarian akar persamaan dengan memanfaatkan
kemiringan dan selisih tinggi dari dua titik batas range.

Dua titik a dan b pada fungsi f(x) digunakan untuk

mengestimasi posisi c dari akar interpolasi linier.

Dikenal dengan metode False Position

Metode Regula Falsi
 Metode Regula Falsi
f (b) f (a ) f (b) 0

ba bx

f (b)(b a)
x b
f (b) f (a)

af (b) bf (a)
x
f (b) f (a)
Algoritma Metode Regula Falsi
 Contoh Soal
Selesaikan persamaan xe-x+1=0 pada range x= [0,-1]
 Contoh Soal

Akar persamaan diperoleh di x=-0.56741 dengan

kesalahan =0,00074
 Metode Iterasi Sederhana
Metode iterasi sederhana adalah metode yang
memisahkan x dengan sebagian x yang lain sehingga
diperoleh : x = g(x).
Contoh :
x ex = 0 ubah
x = ex atau g(x) = ex
g(x) inilah yang menjadi dasar iterasi pada metode
iterasi sederhana ini
Metode Iterasi Sederhana
 Contoh :
Carilah akar pers f(x) = x2-2x-3
x2-2x-3 = 0
X2 = 2x + 3 x 2x 3
Tebakan awal = 4
E = 0.00001
Hasil = 3 xn1 2 xn 3
 Contoh :
x2-2x-3 = 0
X(x-2) = 3
X = 3 /(x-2)
Tebakan awal = 4
E = 0.00001
Hasil = -1
 Contoh :

x2-2x-3 = 0
X = (x2-3)/2
Tebakan awal = 4
E = 0.00001
Hasil divergen
 Syarat Konvergensi
Pada range I = [s-h, s+h] dengan s titik tetap
Jika 0<g(x)<1 untuk setiap x I iterasi konvergen
monoton.
Jika -1<g(x)<0 untuk setiap x I iterasi konvergen
berosilasi.
Jika g(x)>1 untuk setiap x I, maka iterasi divergen
monoton.
Jika g(x)<-1 untuk setiap x I, maka iterasi divergen
berosilasi.
 3
x r 1 2 x r 3 x r 1
( x r 2)
g ( x) 2 x r 3 3
g ( x)
g ' ( x)
1 ( x 2)
2 2 xr 3 3
g ' ( x)
Tebakan awal 4 ( x 2) 2
G(4) = 0.1508 < 1
Konvergen Monoton

( x 2 3) Tebakan awal 4
g ( x)
2 G(4) = |-0.75| < 1
g ' ( x) x Konvergen Berisolasi

Tebakan awal 4
G(4) = 4 > 1
Divergen Monoton
 Latihan Soal
Apa yang terjadi dengan pemilihan x0 pada pencarian
akar persamaan :
X3 + 6x 3 = 0
Dengan x
xr 3
3

x r 1
6

Cari akar persamaan dengan x0 = 0.5

X0 = 1.5, x0 = 2.2, x0 = 2.7
Contoh :
 Metode Newton Raphson
metode pendekatan yang menggunakan satu titik
awal dan mendekatinya dengan memperhatikan
slope atau gradien pada titik tersebut. Titik
pendekatan ke n+1 dituliskan dengan :

F xn
Xn+1 = xn -
F 1 xn
Algoritma Metode Newton Raphson
1. Definisikan fungsi f(x) dan f1(x)
2. Tentukan toleransi error (e) dan iterasi maksimum (n)
3. Tentukan nilai pendekatan awal x0
4. Hitung f(x0) dan f (x0)
5. Untuk iterasi I = 1 s/d n atau |f(xi)|> e
Hitung f(xi) dan f1(xi)
f xi
xi 1 xi 1
f xi

6. Akar persamaan adalah nilai xi yang terakhir diperoleh.

 Contoh Soal
Selesaikan persamaan x - e-x = 0 dengan titik pendekatan awal x0 =0
f(x) = x - e-x f(x)=1+e-x
f(x0) = 0 - e-0 = -1
f(x0) = 1 + e-0 = 2 f x0 1
x1 x0 0 0,5
f x0
1
2
f(x1) = -0,106631 dan f1(x1) = 1,60653
f x1 0,106531
x2 = x1 0,5 0,566311
f 1 x1 1,60653

f(x2) = -0,00130451 dan f1(x2) = 1,56762

f x 0,00130451
x 2 1 2 0,566311 0,567143
x3 = f x2 1,56762

f(x3) = -1,96.10-7. Suatu bilangan yang sangat kecil. Sehingga akar

persamaan x = 0,567143.
 Contoh
x - e-x = 0 x0 =0, e = 0.00001

x + e-x cos x -2 = 0 x0=1

f(x) = x + e-x cos x - 2
f(x) = 1 e-x cos x e-x sin x
 akar persamaan f(x)

f(x) = x + e-x cos x - 2

Permasalahan pada pemakaian metode newton raphson
Metode ini tidak dapat
digunakan ketika titik
pendekatannya berada pada
titik ekstrim atau titik puncak,
karena pada titik ini nilai F1(x) =
0 sehingga nilai penyebut dariF x
F x
sama dengan nol, secara grafis 1

dapat dilihat seperti pada

gambar.

Bila titik pendekatan berada

pada titik puncak, maka titik
selanjutnya akan berada di
tak berhingga.
 Permasalahan pada pemakaian metode newton
raphson
Metode ini menjadi sulit atau lama
mendapatkan penyelesaian ketika
titik pendekatannya berada di antara
dua titik stasioner.

Bila titik pendekatan berada pada

dua tiitik puncak akan dapat
mengakibatkan hilangnya
penyelesaian (divergensi). Hal ini
disebabkan titik selanjutnya berada
pada salah satu titik puncak atau
arah pendekatannya berbeda.
Hasil Tidak Konvergen
 Penyelesaian Permasalahan pada pemakaian
metode newton raphson
1. Bila titik pendekatan berada pada titik puncak maka titik
pendekatan tersebut harus di geser sedikit, xi = xi

dimana adalah konstanta yang ditentukan dengan
demikian xi 0raphson tetap
dan metode Fnewton
1

dapat berjalan.

2. Untuk menghindari titik-titik pendekatan yang berada

jauh, sebaiknya pemakaian metode newton raphson ini
didahului oleh metode tabel, sehingga dapat di jamin
konvergensi dari metode newton raphson.
 Contoh Soal
x . e-x + cos(2x) = 0 x0 = 0,176281
f(x) = x . e-x + cos(2x)
f1(x) = (1-x) e-x 2 sin (2x)
F(x0) = 1,086282
F1(x0) = -0,000015

X = 71365,2
padahal dalam range 0
sampai dengan 1 terdapat
akar di sekitar 0.5 s/d 1.
Adanya puncak-puncak kurva

f(x) = x . e-x + cos(2x)

Tititk-titik posisi akar-akar persamaan f(x)

 Contoh Soal
Untuk menghindari hal ini sebaiknya digunakan grafik atau tabel
sehingga dapat diperoleh pendekatan awal yang baik. Digunakan
pendekatan awal x0=0.5

x
 Contoh Soal
Hasil dari penyelesaian persamaan
x * exp(-x) + cos(2x) = 0 pada range [0,5]
 Contoh
Hitunglah akar f ( x) e x 5x 2 dengan metode Newthon Raphson.
Gunakan e=0.00001. Tebakan awal akar x0 = 1

Penyelesaian

f ( x) e x 5 x 2 f ' ( x) e x 10 x
Prosedur iterasi Newthon Raphson e x 5x 2
xr 1 xr x
e 10 x

0 1 -2.28172
1 0.686651 -0.370399
2 0.610741 -0.0232286
3 0.605296 -0.000121011
4 0.605267 -3.35649e-009
Akar terletak di x = 0.605267
Akar terletak di x = 0.605267

f ( x) e x 5 x 2

e x 5x 2
xr 1 xr x
e 10 x
 Metode Secant
Metode Newton Raphson memerlukan perhitungan
turunan fungsi f(x).
Tidak semua fungsi mudah dicari turunannya
terutama fungsi yang bentuknya rumit.
Turunan fungsi dapat dihilangkan dengan cara
menggantinya dengan bentuk lain yang ekivalen
Modifikasi metode Newton Raphson dinamakan
metode Secant.
 Metode Newton-Raphson
y f ( xr ) f ( xr 1 )
f ' ( x)
x xr xr 1
f ( xr )
xr 1 xr
f ' ( xr )
x r 1
f ( xr )( xr xr 1 )
xr 1 xr
f ( xr ) f ( xr 1 )

x r 1 xr
 Algoritma Metode Secant :
Definisikan fungsi F(x)

Definisikan torelansi error (e) dan iterasi maksimum (n)

Masukkan dua nilai pendekatan awal yang di antaranya terdapat akar

yaitu x0 dan x1, sebaiknya gunakan metode tabel atau grafis untuk
menjamin titik pendakatannya adalah titik pendekatan yang
konvergensinya pada akar persamaan yang diharapkan.

Hitung F(x0) dan F(x1) sebagai y0 dan y1

Untuk iterasi I = 1 s/d n atau |F(xi)| x x y xi xi 1

i 1
yi yi 1
i i

hitung yi+1 = F(xi+1)

Akar persamaan adalah nilai x yang terakhir.

 Contoh Soal
Penyelesaian
x2 (x + 1) e-x = 0 ?
 Contoh Kasus Penyelesaian Persamaan
Non Linier
Penentuan nilai maksimal dan minimal fungsi non
linier
Perhitungan nilai konstanta pada matrik dan
determinan, yang biasanya muncul dalam
permasalahan sistem linier, bisa digunakan untuk
menghitung nilai eigen
Penentuan titik potong beberapa fungsi non linier,
yang banyak digunakan untuk keperluan
perhitungan-perhitungan secara grafis.
Penentuan Nilai Maksimal dan Minimal Fungsi
Non Linier
nilai maksimal dan minimal dari f(x)
memenuhi f(x)=0.
g(x)=f(x) g(x)=0
Menentukan nilai maksimal atau minimal
f(x)
 Contoh Soal
Tentukan nilai minimal dari f(x) = x2-(x+1)e-2x+1
2
x**2-(x+1)*exp(-2*x)+1

1.5

0.5

-0.5
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

nilai minimal terletak antara 0.4 dan 0.2

Menghitung Titik Potong 2 Buah
Kurva
y
y=g(x)

f(x) = g(x)
p atau
f(x) g(x) = 0

y=f(x)
 Contoh Soal
Tentukan titik potong y=2x3-x dan y=e-x
3
2*x**3-x
exp(-x)
2.5

1.5

0.5

-0.5

-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

akar terletak di antara 0.8 dan 1

 Soal (1)
Tahun 1225 Leonardo da Pisa mencari akar persamaan
F(x) = x3 + 2x2 + 10x 20 = 0
Dan menemukan x = 1.368808107.
Tidak seorangpun yang mengetahui cara Leonardo
menemukan nilai ini. Sekarang rahasia ini dapat dipecahkan
dengan metode iterasi sederhana.
Carilah salah satu dari kemungkinan x = g(x). Lalu dengan
memberikan sembarang input awal, tentukan x=g(x) yang
mana yang menghasilkan akar persamaan yang ditemukan
Leonardo itu.
 Soal (2)
Hitung akar 27 dan akar 50 dengan biseksi dan regula falsi !
Bandingkan ke dua metode tersebut ! Mana yang lebih cepat ?
Catat hasil uji coba

a b N e Iterasi
Biseksi
Iterasi
Regula Falsi
0.1
0.01
0.001
0.0001

Tentukan nilai puncak pada kurva y = x2 + e-2xsin(x) pada

range x=[0,10]
Dengan metode newthon raphson
 Soal (3)
Tentukan nilai puncak pada kurva y = x2 + e-
2xsin(x) pada range x=[0,10]

Dengan metode newthon raphson