Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003

ANALISIS DAN IMPLEMENTASI METODE NEWTON - RAPHSON (ANALYSIS AND IMPLEMENTATION OF NEWTON – RAPHSON METHOD)
Sahid Jurusan Pendidikan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta Abstrak
Metode Newton (lengkapnya Newton—Raphson, disingkat NR) merupakan salah satu metode terpopuler untuk menghampiri penyelesaian persamaan f (x ) = 0 secara iteratif. Metode NR menggunakan sebuah hampiran awal dan nilai turunan padanya untuk mendapatkan hampiran berikutnya. Di dalam metode ini kurva fungsi yang bersangkutan dihampiri dengan garis singgung kurva di titik yang sudah diperoleh. Hasil analisis dan eksperimen memperlihatkan bahwa kekonvergenan metode NR bersifat kua-dratik (derajad kekonvergenannya 2) ke akar sederhana. Untuk akar ganda, metode NR mempunyai derajad kekonvergenan linier, dan dapat ditingkatkan menjadi kuadratik dengan menggunakan modifikasi rumus iterasinya. Akan tetapi modifikasi rumus iterasi NR memerlukan informasi derajad akar atau perhitungan turunan yang lebih tinggi (untuk mengetahui derajad akarnya). Meskipun metode NR memerlukan perhitungan turunan fungsi, dengan program Matlab untuk masukan cukup digunakan rumus fungsinya dan Matlab dapat menghitung turunan fungsinya. Hal ini dilakukan dengan perhitungan simbolik. Program Matlab yang disusun berbeda dengan program-program implementasi metode NR yang ditemukan di dalam berbagai literatur, yang biasanya masih memerlukan masukan fungsi turunan. Pemilihan hampiran awal dan batas toleransi sangat menentukan kekonvergenan metode NR. Selain itu, kekonvergenan iterasi juga dipengaruhi oleh perilaku fungsi di sekitar hampiran awal dan di sekitar akar. Apabila fungsi yang bersangkutan memiliki beberapa akar, pemakaian metode NR secara berulanga-ulang dengan pemilihan hampiran awal yang sesuai dapat digunakan untuk mendapatkan hampiran akar-akar sebuah persamaan f (x ) = 0 . Kata Kunci: akar persamaan, metode Newton, hampiran, konvergensi, Matlab

Abstract
The Newton—Raphson (NR) method is one of the most popular numerical (iterative) methods for finding the approximation of the solution of equation of f (x ) = 0 . The method uses an initial approximation dan the derivative of the function at the initial point to get the next approximation. This method approximates the function curve with its tangents. The analysis and experiment shows that the method converges quadratically to simple roots and converges linearly to multiple roots. However, this linear convergence can be speed up by using the modified NR formulas, though this modification requires further information about the root’s degree and calculations of higher derivatives. Although the NR method requires calculations of derivatives, the implementation of the method using Matlab can be simplified so that derivatives do not need to be inputed. This is done by using symbolic calculation programmed in the Matlab codes. The choise of initial approximations and the error limits do affect s the convergence of the NR method. Also, the iteration are very dependent of the function behaviour arround its roots. By using different initial approximations, the method can be used to find different roots (if not single root) of equation f (x ) = 0 . Keywords: equation root, Newton method, approximation, convergence, Matlab

PENDAHULUAN Salah satu masalah yang sering ditemui di dalam matematika dan sains serta teknik adalah mencari akar persamaan, yakni mencari nilai-nilai x yang memenuhi f (x ) = 0 (Borse, 1997: 151). Permasalahan ini dapat muncul dari masalah-masalah lain dalam matematika, mi-salnya mencari nilainilai eigen suatu matriks, menghitung titik potong sebuah kurva dengan sumbu-sumbu koordinat, mencari titik potong dua buah kurva, dan lain-lain.
M-179

Contoh-contoh komputasi numerik dengan program Matlab diterapkan pada beberapa tipe fungsi. DASAR TEORI Pembahasan metode numerik untuk mencari hampiran akar persamaan memerlukan beberapa pengertian dasar sebagai berikut. Di antara berbagai metode untuk menyelesaikan persamaan f (x ) = 0 adalah metode Newton (lengkapnya Newton—Raphson. fungsi trigonometri. perlu dicari software yang sesuai untuk mengimplementasikan metode Newton yang tidak memerlukan perhitungan turunan fungsi secara manual. Volkov. 1989: 1. Untuk m = 2 . dan tidak ada metode eksak yang dapat digunakan untuk menyelesaikannya (Jacques & Judd. Jika terdapat bilangan asli m dan fungsi kontinyu h(x ) dengan h(r ) ¹ 0 . setidaknya pada interval yang sedang menjadi perhatian. dan (2) memerlukan perhitungan turunan fungsi f (x ) dalam setiap iterasi. Jika m = 1 . 1990:9). = f (m. sedemikian hingga f (x ) dapat dinyatakan sebagai 2 f (x ) = (x . dst. maka r disebut akar sederhana. M-180 . maka r disebut akar ganda.. Scheid. maka r disebut akar dobel. sekalipun perhitungan dilakukan dengan kalkulator atau komputer. Pembuat Nol Fungsi) (Mathews. Definisi 2 (Derajad Akar Persamaan) (Atkinson. r sering dikatan sebagai akar f . Definisi 1 (Akar Persamaan. 1993: 94. selanjutnya disingkat NR). Ciri kedua metode Newton tersebut berkaitan dengan fakta bahwa hampir-an berikutnya diperoleh dengan cara menarik garis singgung kurva y = f (x ) pada titik yang mempunyai absis hampiran sebelumnya hingga memotong sumbu-x. Matlab dapat digunakan untuk tujuan ini. Metode NR memiliki ciri-ciri: (1) memerlukan sebuah hampiran awal. Hal ini tidak selalu mudah jika dilakukan secara manual. Jika m > 1 .1)(r ) = 0. Mathews.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Kebanyakan fungsi yang harus dicari akarnya tidak selalu berbentuk fungsi sederhana atau suku banyak. Semua fungsi yang dibahas dalam penelitian ini adalah fungsi kontinyu. atau juga disebut pembuat nol fungsi f (x ) .r )m h(x ). maka (1) f (r ) = f '(r ) = . fungsi eksponensial. seperti f (x ) = (x + 1)2 e x .1 . 1987:1-2. Sebagai alternatif penyelesaian persamaanpersamaan demikian adalah pemakaian metode numerik untuk mendapatkan hampiran akar-akarnya. Apabila tidak menimbulkan kerancuan. Dari (1) terlihat bahwa jika r pembuat nol f (x ) yang berderajad m . Metode NR yang dikaji dalam penelitian ini dibatasi untuk fungsi-fungsi satu variabel. Dengan menggunakan metode numerik. semua permasalahan numerik yang rumit dapat diselesaikan dengan hanya menggunakan operasi-operasi aritmetika sederhana dan logika serta menggunakan prosedur yang dapat dikerjakan oleh komputer (Jacques & Judd.2 . Titik potong garis singgung tersebut dengan sumbu-x merupakan hampiran berikutnya. maka r disebut akar berderajad m . Proses berlanjut sampai hampiran yang diperoleh memenuhi syarat keakuratan yang ditentukan. dan kombinasinya. yakni fungsi polinomial nonlinier. Analisis metode NR meliputi kekonvergenan pada akar sederhana dan akar ganda. dan f m (r ) ¹ 0. Setiap bilangan r pada domain f yang meme-nuhi f (r ) = 0 disebut akar persamaan f (x ) = 0 . terutama untuk fungsi-fungsi tertentu. 1992: 55) Misalkan f adalah suatu fungsi kontinyu. Salah satu kendala dalam pemakaian metode Newton adalah keharusan menghitung nilai turunan fungsi. 1987: 43).. Oleh karena itu. 1992: 76) Misalkan r adalah akar persamaan f (x ) = 0 .

kuadratik. M-181 . 3.Raphson) (Atkinson. x 2 . sedemikian hingga n® ¥ lim | en + 1 | | en |m = C. Dari (4) terlihat bahwa.. 1993: 87. Mathews.xn .. Mathews. Definisi 4 (Titik Tetap Fungsi & Iterasi Titik Tetap) (Atkinson.. dan kubik.. 1. Metode Newton dapat dipandang sebagai contoh khusus metode Titik-Tetap (Conte & de Boor. 2. 1992: 77) Misalkan x 0 . x 2 . f (xn )) . f '(x n ) (5) Langkah-langkah tersebut diperlihatkan pada Gambar 1. Khususnya. Barisan x 0 . 1993: 84. jika f (r ) = 0 . disebut iterasi titik tetap. 1.. yakni f '(x n ) dan tentukan persamaan garis singgungnya... maka r = g(r ) . Fungsi g yang didefinisikan sebagai g(x ) = x disebut fungsi iterasi Newton – Raphson. kekonvergenanya berturut-turut disebut linier. 1992: 72) Misalkan fungsi iterasi (2) f mempunyai turunan pertama f ' .1.2. Mathews. untuk n = 0. Definisi 5 (Iterasi Newton -.. 2.. Apabila terdapat sebuah bilangan m dan sebuah konstanta C ¹ 0 .. x1. n=0. …. f '(x n ) f (x ) f '(x ) (3) disebut barisan iterasi Newton. suatu barisan yang konvergen ke r dan misalkan en = r .1. iterasi xn + 1 = g(xn ). PENURUNAN RUMUS ITERASI NEWTON – RAPHSON Iterasi Newton – Raphson berawal dari sebuah hampiran awal untuk akar r . maka m disebut derajad kekonvergenan barisan tersebut dan C disebut konstanta galat asimptotik. 1992: 45) Misalkan g adalah suatu fungsi.2. kemudian menghitung hampiran selanjutnya dengan cara sebagai berikut.. x1. Bilangan x pada domain g dikatakan merupakan titik tetap g jika memenuhi x = g(x ) . (Sahid) Definisi 3 (Derajad Kekonvergenan) (Atkinson. yang diperoleh dari xn+ 1 = xn f (x n ) . Selanjutnya..2. n = 0. Hampiran berikutnya adalah absis titik potong garis singgung tersebut dengan sumbu-x. 79). 1981.xn ) + f (xn ) .Analisis dan Implementasi Metode .. (4) Terdapat hubungan antara akar persamaan f (x ) = 0 dan titik tetap fungsi g . Misalkan x n adalah hampiran awal pada langkah ke-n. 3. 1993: 69. yakni y = f '(xn )(x . Hitung gradien garis singgung terhadap kurva y = f (x ) di titik (xn . untuk m = 1.. yakni xn + 1 = xn - f (x n ) .

85) a Misalkan g(x ) dan g '(x ) kontinyu pada interval [ . Dalam hal ini. 1993: 84 .b ]Þ a £ g(x ) £ b. f (xn )) . dan meng-abaikan suku ke-3 dan seterusnya pada ruas kanan (6). (6) 2 dengan mengasumsikan x n dan hampiran berikutnya.x n ). yang digunakan dalam pembuktian selanjutnya.xn + 1 » g '(r )(r .b ] yang memenuhi r = g(r ) . yakni: 1 (x .x n £ l n 1. ANALISIS KEKONVERGENAN METODE NEWTON – RAPHSON Sebelum membahas kekonvergenan iterasi Newton – Raphson. a£ x £ b (8) maka: a Terdapat sebuah akar tunggal r Î [ .. Jadi pada prinsipnya sama dengan pendekatan f (x ) = f (x n ) + (x .x n )f '(x n ) + geometris sebelumnya. sehingga untuk x n yang cukup dekat dengan r berlaku r . Iterasi Newton .b ]. misalkan (7) l = Max g '(x ) < 1. x n cukup dekat ke akar r . fungsi f (x ) telah dihampiri oleh garis singgung di titik (xn . a Selanjutnya. Teorema 1 (Pemetaan Konstraksi) (Atkinson. berikut akan ditinjau sebuah teorema mengenai iterasi titik tetap..Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Gambar 1.xn + 1 r . akan diperoleh (5).x n )2 f "(x n ) + . iterasi titik tetap (2) konvergen ke r .l x 0 .x1 Lim n® ¥ r .xn = g '(r ) .Raphson Rumus iterasi (5) juga dapat diturunkan dari deret Taylor f (x ) di sekitar x n . a Untuk setiap hampiran awal x 0 Î [ . Untuk setiap n ³ 2 berlaku r . (9) Bukti: M-182 .b ] dan memenuhi x Î [ .

x 0 + x1 .x 0 .x 0 £ x 1 . Karena g(x ) kontinyu pada [ .x 0 .b ]. maka menurut Teorema Nilai Rata-rata terdapat c antara a dan b yang memenuhi g '(c) = g(r2 ) . £ l r .b ].xn + 1 £ l r .d.x1 . untuk setiap hampiran awal x 0 Î [ . (10) untuk suatu nilai cn antara r dan x n .g(x n ) = g '(cn )(r .l x 0 . untuk n ³ 0 berlaku r . maka ruas kanan (11) konvergen ke 0. £ l n+ 1 r . Hal ini bertentangan dengan hipotesis (8). Jika g '(r ) < 1 .x 0 . Dengan menggunakan ketidaksamaan segitiga dan (11).l 1 l n 1.d ] yang memuat titik tetap r . Selanjutnya. iterasi (2) konvergen ke r ... maka demikian a pula cn . diperoleh r . dengan menggunakan Teorema Nilai a Rata-rata. a andaikan terdapat dua buah nilai r1 dan r2 yang memenuhi r1 = g(r1 ) dan r2 = g(r2 ) . karena r dan x n pada [ . Selanjutnya. a Dari (7) . yang berakibat x n konvergen ke r . Akibat berikut memberikan syarat yang lebih mudah daripada syarat pada Teorema 1 untuk menjamin kekonvergenan iterasi (2). 1.x0 . M-183 .xn = g '(r ) .d ].1 £ .r1 = 1.▄ (12) Dari hipotesis (8) dapat diketahui bahwa g '(r ) < 1 . sehingga menurut Teorema Nilai Antara terdapat r Î [ .x n ).l ) r . sehingga dari (8) diketahui bahwa. maka f (x ) juga kontinyu a pada interval tersebut. (Sahid) Definisikan fungsi f (x ) = x . Akibat 1 (Syarat Kekonvergenan Iterasi Titik Tetap) Misalkan g(x ) dan g '(x ) c kontinyu pada interval [ .b ] yang memenuhi f (r ) = 0 atau r = g(r ) .x1 + x1 .g(x ). r + d] Í [c.xn £ l 2 r .g(r1 ) r2 . diperoleh Lim n® ¥ r . maka terdapat bilangan d > 0 sedemikian hingga untuk setiap hampiran awal x 0 Î Id = [r .. nilai-nilai x n yang dihasilkan oleh iterasi titik tetap (2) juga terletak pada interval [ . diperoleh r ..r1 r2 .x 0 £ r .x n .xn + 1 = g(r ) .Analisis dan Implementasi Metode . Kondisi ini sangat erat kaitannya dengan kekonvegenan iterasi Titik Tetap (2). dari (7) berlaku f (a ) £ 0 dan f (b) ³ 0 .r1 = r2 . (1 .b ]. Akan tetapi. Selanjutnya.b ]. sehingga . r .x n £ 1 x . dari (10). Oleh karena x n konvergen ke r dan cn antara r dan x n maka cn juga konvergen ke r .x0 (11) Karena l < 1 .x0 £ sehingga r .xn + 1 r .

= g (m. m ³ 1.f (x )f "(x ) f (x )f "(x ) = .x n )m = g (m ) (r ) . yakni (xn . yakni r . maka g ' juga kontinyu.r ) lim r . mengingat f (r ) = 0. yakni f'(r) ¹ 0. ▄ Berikut ditinjau kekonvergenan iterasi Newton – Raphson (5).Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Hasil (12) menunjukkan bahwa iterasi Titik Tetap memiliki kekonvergenan linier. titik (0.. Dari definisi fungsi iterasi Newton – Raphson (4) diperoleh g '(x ) = 1 sehingga g '(r ) = f '(x )f '(x ) . m! (15) yang berarti bahwa iterasi Titik Tetap memiliki derajad kekonvergenan m. Bukti: Perhatikan ekspansi g(x n ) di sekitar r . maka iterasi Titik Tetap tersebut memiliki derajad kekonvergenan m . Misalkan f memiliki setidaknya dua turunan pertama yang kontinyu pada suatu interval I yang memuat akar r . Pertama akan ditinjau kasus r merupakan akar sederhana. Telah diasumsikan bahwa f kontinyu.r )m . sebagaimana dinyatakan dalam Akibat berikut ini.1) (r ) = 0.r )m (m ) = g(x n ) = r + g (cn ).xn + 1 (r . sehingga (x n . Dari hipotesis mengenai fungsi g(x ) . Jika fungsi g(x ) memenuhi g '(r ) = g "(r ) = .d.r )m (m ) g(xn ) = g(r ) + (xn . sedemikian hingga |g'(x)|<1 untuk semua x Î Id . dapat diketahui bahwa m suku pertama pada ruas kanan persamaan (13) bernilai nol. dan f " kontinyu. dan g (m ) (r ) ¹ 0. Dengan kata lain. karena f . f (r )) bukan merupakan titik singgung kurva y = f (x ) pada sumbu-x.1) (xn . [f '(r )]2 Selanjutnya..r )m m! n® ¥ (x n + 1 . m! (14) g (m ) (cn ) = . dapat dicari suatu interval Id = [r . + g (r ) + g (cn ) 2 (m .. Akibat 2 (Kekonvergenan Tingkat Tinggi Iterasi Titik Tetap) Misalkan iterasi Titik Tetap (2) konvergen ke titik tetap fungsi g(x ) .r )g '(r ) + g "(r ) + . maka menurut Teorema Nilai Antara. f ' . Sekarang akan dipandang iterasi Newton (5) sebagai iterasi titik tetap terhadap fungsi g : M-184 .1)! m! (13) dengan cn adalah suatu nilai antara xn dan r .1 (m . Oleh karena g '(r ) = 0. sehingga diperoleh xn + 1 (x n . Jadi. r + d] dengan d>0. Bagaimanakah jika g '(r ) = 0 ? Dalam hal ini iterasi Titik Tetap akan mempunyai tingkat kekonvegenan yang lebih tinggi. [f '(x )]2 [f '(x )]2 (16) f (r )f "(r ) = 0..r )2 (xn .

Teorema berikut memberikan alternatif lain untuk menentukan hampiran awal yang menjamin konvergensi iterasi Newton (Conte & de Boor. tidak perlu lagi digunakan metode numerik!). di mana f(r)=0 . Gambar 2: Kekonvergenan Iterasi Titik Tetap Bilangan d dapat dipilih sedemikian hingga g '(x ) = f (x )f "(x ) < 1. (Sahid) x n + 1 = g(x n ) = x n - f (x n ) dengan x n Î Id .. Teorema 3 (Syarat Kekonvergenan Iterasi Newton – Raphson) M-185 . Teorema 2 (Syarat Kekonvergenan Iterasi Newton – Raphson) Misalkan f memiliki setidaknya dua turunan pertama yang kontinyu pada suatu interval I yang memuat akar sederhana r . dalam praktek untuk menjamin kekonvergenan iterasi (17) dapat dicari hampiran awal x 0 pada sebuah interval terkecil I yang memuat r (dapat diperkirakan dengan menggambar kurva y = f (x ) ) yang memenuhi Max | g '(x ) |< 1 . nilai r mungkin tidak diketahui (sebab jika sudah diketahui.Analisis dan Implementasi Metode . Hasil di atas dapat disimpulkan ke dalam teorema sebagai berikut. r + d]. maka terdapat suatu interval Id = [r . sedemikian hingga barisan {x n }¥ yang dihasilkan oleh iterasi 0 (17) konvergen ke r apabila x 0 Î Id . Jika f'(r) ¹ 0 . [ f '(x )]2 (18) Akan tetapi.. maka berdasarkan Akibat 1.d. 1981: 104 – 1-5).d. Oleh karena itu. f '(x n ) (17) Oleh karena |g'(x)|<1 untuk semua x Î Id . " x Î Id = [r . barisan {x n }¥ yang 0 dihasilkan oleh iterasi (17) konvergen ke r apabila x 0 Î Id . r + d] dengan d>0. Secara visual hal ini dapat xÎ I diperlihatkan pada Gambar 2.

b] (kurva Gambar 3). f (x ) f (a) < 0.b ] .a dan < b. f "(x ) ³ 0 a x0 r x1 x2 b x Gambar 3 Iterasi Newton untuk fungsi cekung dengan turunan monoton Tanpa kehilangan sifat umum. b] (Teorema Nilai Antara). kedua titik potong berada pada interval [a.b ]. Akibatnya. b] kurva y = f (x ) bersifat cekung ke atas atau ke bawah dan juga. maka keempat syarat di atas dipenuhi pada interval [a. sehingga r £ x1 < x 0 dan iterasinya akan konvergen secara menurun ke r . Dengan demikian. b]. misalkan f (a ) < 0 y = f (x ) bersifat cekung menghadap ke atas.b ] (iv) | f (a ) | | f (b) | < b .f(a)) dengan sumbu-x berada di kanan a dan titik potong garis singgung kurva di (b. f '(x ) > 0. | f '(a ) | | f '(b) | maka iterasi Newton akan konvergen secara tunggal ke akar r Î [a. x Î [a.f(b)) dengan sumbu-x berada di kiri b. Karena syarat (iv). x 0 ]. b]. jika r < x 0 £ b . untuk setiap hampiran awal x 0 Î [a. syarat (ii) berarti f '(x ) monoton positif atau monoton negatif (jadi f (x ) monoton naik atau monoton turun) pada [a. Syarat (iii) menyatakan bahwa pada [a.b ] (iii) f "(x ) £ 0 atau f "(x ) ³ 0 untuk semua x Î [a. seperti pada Newton dan f "(x ) ³ 0 pada [a.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Jika kedua turunan pertama f (x ) kontinyu pada interval berhingga [a. b] (Teorema Nilai Rata-rata). b] dan f (x ) memenuhi syarat-syarat: (i) f (a )f (b) < 0 (ii) f '(x ) ¹ 0. M-186 . b].a. Dari iterasi x1 = x 0 (i) f (x 0 ) f '(x 0 ) . Bersama syarat (ii) dijamin adanya akar tunggal pada [a. iterasi Newton akan menghasilkan barisan hampiran pada [a. di mana f(r)=0 . titik potong garis singgung kurva di (a. Syarat (i) menjamin adanya akar pada [a.

maka r < x1 £ b ..1)h 2 (x ) . (22) yang memuat r dan hampiran awal yang menjamin iterasi: m.Analisis dan Implementasi Metode . Selanjutnya ditinjau kasus akar ganda. ANALISIS GALAT METODE NEWTON . Dengan demikian didapatkan lim n® ¥ En + 1 E 2 n = f "(r ) = C. dari (23) dapat diturunkan galat iterasi M-187 . 2f '(r ) (20) Persamaan (20) menyatakan bahwa kekonvergenan iterasi Newton ke akar sederhana bersifat kuadratik. misalkan En menyatakan galat hampiran Newton pada iterasi ke-n. (Sahid) (ii) jika a £ x 0 < r . karena m > 1 . Untuk kasus-kasus f (a) dan f"(x) yang lain dapat diturunkan secara serupa. f '(x ) = (x .r )h '(x ) .r )2 h(x )h "(x ) 2 [mh(x ) + (x . Oleh karena f'(r) ¹ 0 dan f ' kontinyu. Oleh karena f(r)=0 dan f(x n ) ¹ 0 . Selanjutnya.r )h '(x ) (21) g '(x ) = sehingga g '(r ) = m(m .r )m h(x ) dengan h adalah fungsi kontinyu yang bersifat h(r ) ¹ 0 .r )h '(x )] mh .r )h '(x )] . maka xn ® r dan cn ® r jika n ® ¥ .(x . Oleh karena itu.m(x .1 [ (x ) + (x .r )h '(x n ) (23) konvergen ke r . sehingga dengan menggunakan Teorema Taylor diperoleh f (r ) = f (x n ) + En f '(x n ) + 1 2 En f "(cn ) 2 dengan cn terletak antara x n dan r . mh(x ) + (x .x n + 1 = ê ê2f '(x n ) ú n ë û (19) Apabila iterasi (17) konvergen.(x . dari definisi (4) diperoleh g(x ) = x sehingga (x .r )m. misalkan f(x n ) ¹ 0 . yakni En = r . Selanjutnya.r )h(x ) .r )h(x n ) mh(x n ) + (x n .. Jika r adalah akar ganda berderajad m > 1 .x n .1 < 1 . maka dari rumus ite-rasi (17) diperoleh é f "(cn )ù 2 úE . Demikian pula. En + 1 = r . maka f'(x) ¹ 0 untuk nilai-nilai x n yang dekat dengan r .RAPHSON Dengan menggunakan hipotesis tentang gungsi f dan akar sederhana r pada bagian DASAR TEORI. Berdasarkan Akibat 1 dapat dicari suatu interval m x n + 1 = g(x n ) = x n - (x n .r )h(x ) . sehingga iterasi berikutnya persis seperti kasus (i). maka f (x ) dapat dinyatakan sebagai f (x ) = (x .

Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 En + 1 = En + atau í (m . maka kekonvergenan tersebut bersifat linier.1)h(x n ) .x 0 ) < 1 .x0 < 2f '(r ) 1 = . maka x 0 harus dipilih cukup dekat dengan r .En h '(x n ) ï ï ï î þ (25) Jika x n konvergen ke r . maka jika demikian nilai l juga tidak M-188 .f "(r ) . 2f '(r ) Jika r akar ganda berderajad m > 1 .En h(x n ) ï. n® ¥ En m Selanjutnya akan ditinjau alternatif lain pemilihan hampiran awal x 0 yang sesuai untuk men- jamin kekonvergenan iterasi Newton – Raphson. l ë û 2n (27) Agar xn ® r atau (r . dengan l = asumsi semua x n dekat dengan r .xn ) ® 0 . oleh karena r mungkin tidak diketahui. = ï ì ý ï mh(x n ) . Dengan 2f '(r ) n ³ 0.x n ) » é (r .1)h(x n ) .En h '(x n )ü ï ï ï.x n . yakni lim = f "(r ) . Akan tetapi. maka kekonvergenan tersebut bersifat kuadratik. Persamaan pada (26) sesuai dengan hasil (12). mengingat f'(r) ¹ 0 . l f "(r ) (28) Jadi. Teorema 4 (Laju Kekonvergenan Iterasi Newton – Raphson) Misalkan barisan barisan {x n }¥ yang dihasilkan oleh iterasi (5) konvergen ke r . Jika n® ¥ r En + 1 2 En akar sederhana. maka hampiran awal x 0 harus dipilih yang memenuhi (28). syaratnya adalah l (r . yakni En = r . secara induktif diperoleh . agar iterasi (5) konvergen ke akar sederhana r .En h '(x n ) ï ï î þ En + 1 En n® ¥ (24) í (m . atau r . = En ï ì ý ï mh(x n ) . 0 Misalkan En menyatakan galat hampiran Newton pada iterasi ke-n. di mana f(r)=0 . maka lim En = 0. yakni E m.En h '(x n ) ï mh(x n ) . dari (19) dapat diperoleh hubungan r . jika nilai mutlak l cukup besar.x 0 )ù .xn + 1 » l (r . Untuk kasus akar sederhana.1 lim n + 1 = .En h '(x n )ü ï ï . l (r . Terlihat. sehingga n® ¥ lim En + 1 En = m.1 m (26) mengingat h(r ) ¹ 0 . Dari (26) diketahui bahwa kekonvergenan iterasi Newton – Raphson ke akar ganda bersifat linier.xn )2 untuk nilai-nilai x n yang dekat dengan r . Hasil-hasil di atas dapat dirangkum dalam teorema sebagai berikut.

hampiran awal (opsional). sehingga pemakaian hampiran awal yang tidak memenuhi syarat-syarat pada Teorema 2 maupun Teorema 3 boleh jadi akan menghasilkan iterasi yang konvergen. Di depan sudah diuraikan beberapa syarat cukup untuk menentukan hampiran awal agar iterasi Newton. dan maksimum iterasi dilakukan (opsional). 1981: 105.1 (Atkinson. Apabila masukan opsional tidak diberikan.. 3. 1993: 67.Analisis dan Implementasi Metode .m. Untuk kasus akar ganda juga disajikan hasil komputasi dengan metode NR termodifikasi. Atkinson.x .1)(e x . Akan tetapi. 2 B = 1.10. M-189 . Dalam hal ini.sin(x ) ..50 . (Mathews. 5. batas toleransi d = 10. 1993: 63.1)3 (x . Hasil-hasil Eksperimen Eksperimen komputasi dengan menggunakan program-program yang telah disusun dilakukan pada fungsi-fungsi di bawah ini. 1981: 106) f (x ) = x + e.  akar dobel f (x ) = e.15 dan maksimum iterasi N = 50 .2. 4. Petunjuk selengkapnya sudah dituliskan di dalam program.1) .m). dan nilai fungsi. 1993: 67) f (x ) = xe. Pemakaian hampiran awal sebarang tidak menjamin kekonvergenan iterasi Newton.3 (Conte & de Boor.2. program nrsym. 1992: 79. 78)  akar tripel f (x ) = (x . telah di-susun oleh peneliti.1)3 (Atkinson. f (x ) = x 6 . Penggunaan program-program MATLAB tersebut memerlukan masukan berupa fungsi (harus).Bx cos(x ). 6.1 . 1993: 77) f (x ) = (x . selain melakukan iterasi juga menghasilkan gambar kurva fungsi dan turunannya. (Sahid) diketahui. Untuk menghindari pembagian dengan nol pada perhitungan galat relatif tersebut digunakan nilai eps ( = 2.5.1. 88)  NR divergen Berikut disajikan beberapa tabel hasil eksperimen dengan metode NR pada fungsi-fungsi di atas. 8. 1. karena program akan menghitung sendiri turunan fungsi yang diberikan.m. Di sinilah perlunya dilakukan eksperimen (perhitungan secara numerik) dengan menggunakan program-program yang telah disusun.x . IMPLEMENTASI METODE NEWTON-RAPHSON Program MATLAB yang mengimplementasikan metode NR. batas toleranasi galat (opsional). tidak merupakan syarat perlu. f (x ) = e x . yakni hampiran awal x 0 = 0 . program akan menggunakan nilai-nilai default.2204x10-16 ). Jika tidak dicantumkan. 1993: 95) f (x ) = (x . hampiran galat relatif iterasi terakhir. (Conte & de Boor. derajad akar (khusus dan wajib untuk program mnrsym. semua eksperimen menggunakan batas toleransi 10. yang pada MATLAB merupakan nilai keakuratan relatif titik mengambang (floating point relative accuaracy). Pada program-program MATLAB tersebut digunakan kriteria selisih kedua hampiran terakhir. serta parameter untuk menentukan format tampilan hasil. (Atkinson. Pada kedua program tidak diperlukan masukan turunan fungsi.25. Fungsi dapat dituliskan dalam bentuk ekspresi (rumus) atau variabel yang menyimpan ekspresi tersebut. 7. hampiran awal dapat dipilih berdasarkan Teorema 2. (Atkinson. syarat-syarat tersebut hanyalah merupakan syarat cukup.1) . yakni nrsym. Untuk mengetahui pe-rilaku fungsi di sekitar hampiran awal.15 .m) untuk akar ganda.m dan mnrsym. 80) 2. yang dapat ditampilkan dengan menuliskan perintah help nama_program. Pemilihan hampiran awal dan nilai batas toleransi dapat mempengaruhi konvergensi iterasi. Eksperimen juga dapat digunakan untuk memverifikasi hasil-hasil analisis di atas.x . Untuk perbandingan juga disusun program yang mengimplementasikan metode NR termodifikasi (mnrsym.

62513516092177e-007 -5.221910401321399 0.513732724126289 -0.8366.778089598678601 f (x n ) -1 1 0.25 0.778089761192171 -0.0986122886681098 gagal 1.Bx cos(x ) = 0 Pada iterasi ke 7 5 14 50 11 6 6 5 B 1 2 x0 0 1 10 -3 -1 0. semakin kecil interval tersebut.940 < x 0 < 0.778089598678601 -0.36237720893951e-014 1.4521717162097e-013 2. maka iterasi Newton akan konvergen.253712313746823 0.8366].0986122886681098 1. Jika g(x ) = f (x )f "(x ) .0986122886681098 1. Namum kasus ini.0986122886681098 1.xn.1 . -0. dan r2 = 1. maka | g(x ) |< 1 untuk x < d atau x > d2 dengan 1 [ f '(x )]2 d1 = 0.0115791393235981 -0.r |< r .35620693085042e-014 -8.1 0 1 -0. jika 2 hal ini tidak berarti bahwa untuk hampiran awal di luar interval-interval tersebut iterasinya pasti tidak konvergen.0986122886681098 x0 0 0.0986122886681096 1.7 dan hampir tegak pada interval x>1 dan x<-1.25 0 0 1 -0.000768013750394037 4.11022302462516e-016 xn .x . Iterasi NR lengkap untuk x 6 .404911548209309 Gagal (berputar-putar) -0. jika | x 0 .77837271113595 -0. 1.3 0. | g(x ) |< 1 untuk x > ln(3/2) .x .32640201009749875 -0.778089598678601 0.0986122886681098 1.000283112457348689 1.5 0 0 0 -0.18991885451312e-017 2 r .1 = 0 Iterasi 0 1 2 3 4 5 6 7 8 xn 0 -1 -0. yakni .32640201009749875 Gagal (berputar-putar) Gagal (berputar-putar) Gagal (berputar-putar) -0.0986.014.r2 |< r2 .d1 atau | x 0 .22044604925031e-016 -1. Dalam | x 0 .3 = 0 x + e.384 d2 =1.1 = 0 mempunyai dua buah akar nyata.588401776500996 -0.xn.6251356971253e-007 5. Persamaan x 6 .11022302462516e-016 0 Tabel 2 Iterasi NR untuk ex . yakni r1 = -0.5 -0. Pada iterasi ke 6 8 4 7 9 50 6 5 9 50 50 50 7 6 - Kurva y = x 6 .58840177650099634 -0.3 -0.0671910066833093 -0.014 < x 0 < 1.38414468140916746824964645853990 » 0.142857142857143 -0.0118622517809468 0.588401776500996 -0.ln(3/2) atau 25 50 0.d2 .5 -0.778. Dalam hal ini.183291333294485 Gagal (berputar-putar) 2 5 10 Persamaan ex .5 Konvergen ke -0.778089598678655 -0.789951850459548 -0.1. Semakin besar nilai B.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Tabel 1. kurva y = x + e.0137368367302129894266430165240 » 1.7 1.1347241384015194926054460545065 » 1.32640201009749875 -0.857142857142857 -0.3 = 0 mempunyai penyelesaian (akar) r = ln(3) » 1.384 atau 1. Jadi. Untuk kasus B=1.406 < x 0 < 1.256 .032950424213666 0.000282949943779022 -1.1 hampir datar (gradiennya mendekati nol) di sekitar x= 0.r1 |< r1 .183291333294485 -0.4060599257989e-007 1. Untuk semua nilai M-190 .Bx cos(x ) berupa garis lurus dengan gradien 1 di luar interval [-1.792 .77808959867860109788068230965929 » -0.0790532584642561 0. maka iterasinya akan konvergen.Bx cos(x ) = 0 ex .8 Konvergen ke 1.5 1.135.3 = 0 dan x + e.x .

132741228730506 * 182.99999999999999956 0.1000000000000001 1.1) = 0 mempunyai r=1.1) = 0 mempunyai sebuah akar r=1. asalakan berhingga.sin(x ) = 0 (x . Jadi.0999999999999985 1. akarnya semakin mendekati nol dari kiri. Jadi jika x 0 pada interval-interval tersebut. Persamaan (x .5 5 0 1 1.1 . r=2. 0. Gradien di titik (0. Dari hasil perhitungan diperoleh bahwa | g(x ) |< 1 jika x<1.Analisis dan Implementasi Metode .25 .21237390820801 3.6863365823230057140504268859383 atau x> 2.1000000000000001 Konvergen ke 1.75 3 4 5 Konvergen ke 0.5 1.1000000000000001 1.1)(e x .1)3 = 0 mempunyai akar r = 1 .1904 < x < 0.1) semakin besar nilai B.1)(e x . atau x > 0.x .1) = 0 Metode NR Modifikasi NR Iterasi ke 85 78 81 79 8 6 89 11 (x .3264 .6962 .0000000000000009 0.1000000000000001 Gagal (berputar-putar) Gagal (berputar-putar) 1.4246972547385219 Persamaan (x . Tabel 4 Iterasi NR dan Modifikasi NR untuk (x . Tabel 3 Iterasi NR dan Modifikasi NR untuk (x .99999999999999944 Iterasi ke 50 50 51 50 Modifikasi NR Konvergen Iterasi ke ke 1 5 1 6 1 5 1 7 e. | g(x ) |< 1 jika x < -0.1000000000000016 2.1) = 0 dan (x . Sudah tentu semakin jauh hampiran awal dari akar tersebut. meskipun iterasi NR termodifikasi belum tentu konvergen (khususnya jika hampiran awal lebih dekat ke akar sederhana). iterasinya akan konvergen.1 adalah akar berderajad tiga.1 adalah akar sederhana.0000000000000013 1. Untuk kasus ini berlaku untuk semua x riel.1000000000000001 1.1)3 (x .000000000000002 0.5 5 Konvergen ke Gagal (sangat lambat) 1. Dari hasil perhitungan diperoleh.1)3 = 0 (x .1)3 (x .58853274398186106 25.6 1 2 1.1000000000000001 1.0999999999999983 2.32640201009749872199953005910687 » -0. Untuk kasus B=10 akarnya adalah r = -0. iterasinya akan konvergen ke akar tersebut pada iterasi ke-1. berapapun hampiran awal x 0 yang dipakai (asalkan berhingga).2.0963639324106462 9.0136634176769942859495731140617. Semakin besar nilai B.1000000000000001 2. -1.0999999999999981 1.99999999986231403 Gagal (titik belok kurva) 1. -0.0000000000000018 1.1) = 0 dan e.0963639324106462 3.1)3 = 0 (Metode NR) Iterasi ke 5 4 5 6 500 500 6 500 x0 0 1 1. (Sahid) B.. iterasi NR konvergen apabila x 0 pada interval-interval tersebut.0000000001548968 1.58853274398186106 0. | g(x ) |< 1 Iterasi ke 5 3 5 500 6 4 6 7 *) gradien kurva di titik tsb.1000000000000016 1. semakin lambat iterasi akan konvergen.25 1.1 . yang merupakan akar dobel..6330 .1)3 (x .116746 .1.1. sehingga iterasinya akan konvergen berapapun hampiran awal. kurva melengkung ke atas dan menceng ke kanan di dalam interval yang sesuai dengan titik balik semakin mendekati ke (0.1000000000000001 Gagal (berputar-putar) d 1e-15 x0 0 1.1)(e x .1. Hal ini dikarenakan rumus iterasi Newton termodifikasi adalah x n = 1 .sin(x ) = 0 x0 0 0.1) = 0 x0 0 -1 2 -2 Metode NR Konvergen ke 0.58853274398186106 0.7 5 3 2 -3 5 Konvergen ke 1. yang berderajad 3. Iterasi Newton cukup lambat.1 . iterasinya dilaporkan belum konvergen M-191 . Dengan menggunakan rumus Newton termodifikasi.2.1) sama dengan 1.99999999999999933 1.0000000001631835 Iterasi ke 50 81 82 87 56 54 59 1e-10 Persamaan (x .x .5220 < x < -0.2.

Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Fungsi f (x ) = e. Syarat cukup namun tidak perlu agar metode NR konvergen dinyatakan pada Teorema 2 dan Teorema 3. Metode NR konvergen secara kuadratik.3 0 -3 0 Pada iterasi ke 50 6 8 9 7 7 11 Untuk fungsi ini. 2. 1. Di dekat akar sederhana. akarnya semakin ke kanan semakin mendekati kelipatan pi. Hal ini yang biasanya tidak ditemukan pada implementasi NR yang ada pada beberapa literatur. cacah digit akurat menjadi dua kali lipat pada setiap langkah. sehingga tidak perlu dihitung secara manual. yakni jika terjadi f '(x ) = 0 . | g(x ) |< 1 jika x<0. mendekati –sin(x).x = 0 x0 Konvergen ke 1 Gagal (titik balik kurva) 2 Gagal (menjauh ke kanan) 0. 3. Tabel 5 Iterasi NR untuk xe. KESIMPULAN DAN SARAN Berikut adalah beberapa kesimpulan yang diperoleh dari penyelidikan metode NR.sin(x ) semakin lama semakin periodik. telah dapat disusun program Matlab yang dapat melakukan secara simbolik perhitungan turunan fungsi.x . sehingga iterasinya akan konvergen jika hampiran awalnya pada interval tersebut.2 0 0. (a) (b) Gambar 4 Situlasi penyebab kegagalan iterais Newton-Raphson 5.35 0 0.5 0 -2 0 0. Metode NR mungkin tidak stabil jika dimulai dari titik yang jauh dari akar yang hendak dicari dan metode NR akan konvergen secara lambat atau mungkin gagal jika kurva fungsinya hampir datar di sekitar akar atau titik-titik belok / balik. 4. Meskipun metode NR memerlukan perhitungan nilai turunan fungsi.3718. Metode NR tidak akan konvergen jika: M-192 .

iterasinya berputar-putar (Gambar 4 (b)). 6. x0=2. Laju kekonvergenan tidak dijamin jika hampiran tidak dekat ke akar. (Sahid) Hampiran awal berupa titik ekstrim fungsi – iterasinya menjauh dari akar (Gambar 4 (a) ). Mudah diimplementasikan. maka penelitian ini dapat diteruskan ke fungsi-fungsi dua atau tiga variabel. 2. Sangat efisien jika dipakai untuk mencari akar polinomial. yang belum tentu dapat diketahui di awal. Metode NR cukup lambat konvergen jika: a. |g'(x)|>=1. Permasalahan lain yang menarik adalah aplikasi metode NR secara khusus untuk menghampiri akar-akar kompleks polinomial. Masalah-masalah yang mungkin timbul pada pemakaian metode NR: Kurva mendekati sumbu-x pada interval yang cukup lebar di sekitar akar ganda. a. Setelah dekat ke akar digunakan metode NR untuk mempercepat iterasi dan memperoleh hampiran yang lebih akurat Oleh karena penelitian ini hanya dibatasi pada fungsi-fungsi satu variabel.Analisis dan Implementasi Metode . Hal ini dikarenakan pemilihan hampiran awal pada metode ini sangat berpengaruh terhadap kekonvergenannya. Untuk menjamin kekonvergenan metode NR dapat dipakai metode hibrida (metode campuran). Contoh: f(x)=xe-x. c. Fungsinya monoton turun positif di sebalah kanan/kiri akar atau monoton naik negatif di sebelah kanan/kiri akar. laju kekonvergenan bersifat kuadratik jika hampiran dekat ke akar (sederhana). Akar merupakan titik ekstrim (maksimum/minimum lokal). Memerlukan pengethuan tentang derajad akar. Dapat dimodifikasi untuk mendapatkan laju kekonvergenan kuadratik ke akar ganda. M-193 . Kurva fungsinya naik turun. Akar kompleks. Hampiran awal cukup jauh dari akar. Kelemahan Pemilihan hampiran awal mungkin tidak dapat dilakukan secara sebarang. Iterasi dimulai dengan metode stabil (misalnya metode Bagi Dua atau metode Posisi Palsu). 5. Kajian metode NR pada fungsi-fungsi multivariabel merupakan tantangan yang menarik untuk dikaji lebih lanjut. Masalah ini lebih rumit daripada masalah pencarian akar fungsi satu variabel. yakni: 1. 6. 1. 7. g(x)=x-f(x)/f'(x) akan menyebabkan ietrasinya manjauh dari akar secara berputar-putar. Pemilihan kriteria penghentian iterasi tidak jelas. 3. Garis singgung kurva di titik awal sejajar dengan kurva pada arah perpotongannya dengan sumbux. 2. Metode NR mungkin konvergen secara pelan. Tabel 6 Kekuatan dan kelemahan metode NR Kekuatan Rumus iterasi dapat diperoleh dari deret Taylor maupun pendekatan grafis (garis singgung). Ada kemungkinan laju kekonvergenan lebih cepat daripada kuadratik. digunakan untuk menghampiri akar ganda. Memerlukan perhitungan nilai fungsi dan turunannya pada setiap iterasi. kurvanya "landai" di sekitar akar. Ringkasan kekuatan dan kelemahan metode Newton-Raphson disajikan pada tabel berikut ini. b. Metode NR mungkin tidak konvergen.. 4.. Saran-saran Baik metode NR sebaiknya tidak dipakai secara mandiri. Iterasi berputar-putar 7. b. Galat hampiran dapat diestimasi. Secara lokal.

x0.1e-15. & Patrick O.1. Englewood Cliffs.50).delta. John Wiley & Sons.x0. N=50. dengan kolom: % 1: iterasi -> nomor urut iterasi % 2: x -> nilai-nilai hampiran % 3: fx -> nilai-nilai f(x) % 4: galatx -> selisih dua hampiran berturut-turut = x_n . Wheatly (1994). n= 0. % Tampilkan petunjuk jika masukan berupa nama fungsi! error('Perhatikan petunjuk di atas!') % Program terhenti! end if nargin<2. 3rd edition.f=exp(x)-sin(x). Numerical Methods for Mathematics. Borse. % f='cos(x)'. E. John H (1992). & Carl de Boor (1981). A Resource for Scientiests and Engineers. Program Iterasi Newton – Raphson function hasil = nrsym(f. % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi. Francis (1989). Numerical Analysis. G. Boston. Numerical Methods. Singapore. % nrsym('x^2*sin(x^2)-exp(x)').1) % hasil = nrsym('cos(x)'. Curtis F. Ian & Colin Judd (1987). An Algorithmic Approach. % Input: % f : ekspresi atau variabel simbolik yang mendefinisikan f(x) % x0 : hampiran awal % delta : batas toleransi kekonvergenan hampiran r % N : maksimum iterasi % tabel : format tampilan hasil (1=pakai tab -> tabel pada MS Word). McGraw-Hill Book Company. Hemisphere Publishing Company. second edition. LAMPIRAN A. second edition. Conte. 2/ed. McGraw-Hill Book Company. nrsym(f. Singapore Gerald.. Elementar Numerical Analysis. Applied Numerical Analysis.delta. Co. and Engineering. Prentice-Hall. New York. % Set nilai-nilai parameter M-194 .N. 1. delta=1e-15.tabel) %---------------------------------------------------------------------% nrsym.1e-15. 2.epsilon. Volkov. Scheid.delta. Schaum's Outline Series Theory and Problems of Numerical Analysis. PWS Publishing Company. Kendal (1993).. x0=0. % f'(x_n) % Contoh-contoh pemakaian: % nrsym('x^6-x-1'.J (1997). Numerical Methods with MATLAB. Samuel D. AddisonWisley Pub.N.------. Mathews.1. Chapman and Hall. 5th edition.N). Inc.0. Elementary Numerical Analysis.50). Science. A (1990).1. % syms x. nrsym(f. New York. else if (isvarname(f)) % cek format masukan fungsi help nrsym.x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin==0 error('Anda harus menuliskan fungsinya!'). Singapore Jacques. .m (Newton-Raphson) ditulis oleh Sahid (c) 2002-3 % Iterasi Newton-Raphson untuk menghampiri akar persamaan f(x)=0 % f(x_n) % x_{n+1} = x_n . New York.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 DAFTAR PUSTAKA Atkinson. Singapore..

Analisis dan Implementasi Metode . % plot f(x) dengan garis mulus set(gca. % iterasi harus dihentikan jika f'(x0)=0 if k>5.num2str(x0). % hitung nilai f'(x0) if df0==0.x0+2]).18)).x0+2). error('Cobalah ulangi.end.grid on.[0 0 1]). % f'(x_n) % Contoh-contoh pemakaian: % mnrsym('(x-1)^3*(3*x+2)'. else disp(num2str(hasil.end error(['Stop.x0.end.end df=diff(f). % hampiran berikutnya. % hitung f(x0) hasil=[iterasi.1) M-195 . % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:').'Color'.x0.':') ezplot(f.. fx= subs(f. iterasi=k. % akar yang diperoleh if (nargin==6 & tabel==1). disp(num2str(hasil(k-5:k.. % hampiran galat relatif hasil=[hasil.x0-2).[x0-2.17)).x0+2]).[k.'line'. 1.3.x0).epsilon. disp('Berikut adalah hasil 6 iterasi terakhir:'). disp(num2str(hasil(iterasi-4:iterasi+1. % hitung fungsi turunan ( f') y1=subs(f. .2).'lineStyle'.--------. hold off. n= 0.fx. ymin=-min(5.min(abs(y1).x.[x0-2.tabel) %---------------------------------------------------------------------% mnrsym. for k=1:N.15g\t%0. r=hasil(iterasi+1.m. (Sahid) else if nargin<3.delta.:). end. dx=x0.N.fx.dx. else dx = fx/df0. Program Iterasi Newton Termodifikasi untuk Akar Ganda function hasil = mnrsym(f.N.max(abs(y1). 2.delta. disp('Iterasi mungkin tidak konvergen!').18)).'YLim'. else disp(num2str(hasil. % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0. if ((err<delta|relerr<delta) & abs(fx)<delta)|fx==0.'!']). % atau tampilkan hasil dengan format tabel end break else if iterasi==N. ymax=min(25.x0).15g\n'.15g\t%0. % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps). x fx = subs(f.'Type'.15g\t%0.x0.[ymin ymax]) % set batas-batas y yang sesuai iterasi=0. delta=1e-15. N=50.. % simpan hasilnya x0=x.. N=50.m (Modified Newton-Raphson) ditulis oleh Sahid (c) 2002-3 % Iterasi Newton-Raphson termodifikasi untuk akar berderajad m dari f(x)=0 % m*f(x_n) % x_{n+1} = x_n . df0 = subs(df. % hitung f(x) err = abs(dx).:).hasil'). ezplot(df. % jika tidak diberikan else if nargin<4.dx]. bertemu garis singgung mendatar di x= '.18)). dengan menambah maksimum iterasi! ') end end end B.hold on % plot f'(x) dengan garis putus-putus set(findobj(gca.y2=subs(f.abs(y2))). end x = x0 .dx]].abs(y2))).x).

% iterasi harus dihentikan jika f'(x0)=0 if k>5.'YLim'. dengan kolom: % 1: iterasi -> nomor urut iterasi % 2: x -> nilai-nilai hampiran % 3: fx -> nilai-nilai f(x) % 4: galatx -> selisih dua hampiran berturut-turut = x_n . disp(num2str(hasil(k-5:k. % hampiran berikutnya. % simpan hasilnya x0=x.50). x fx = subs(f.abs(y2))).2).'Color'. mnrsym(f.x0+2]). % hitung f(x0) hasil=[iterasi.2.x0-2). x0=0.x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin<=1 error('Anda harus menuliskan fungsi dan derajad akarnya!').'!']). for k=1:N.grid on.[ymin ymax]) % set batas-batas y yang sesuai iterasi=0.[x0-2.2.18)).1. end x = x0 . % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps). % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi. end. N=50.1e-15.x0). ezplot(df.x0+2).[0 0 1]).hold on % plot f'(x) dengan garis putus-putus set(findobj(gca.x0. ymin=-min(5. % Set nilai-nilai parameter else if nargin<4.delta.1e-15. % Input: % f : ekspresi atau variabel simbolik yang mendefinisikan f(x) % m : derajad akar yang dicari % x0 : hampiran awal % delta : batas toleransi kekonvergenan hampiran r % N : maksimum iterasi % tabel : format tampilan hasil (1=pakai tab -> tabel pada MS Word).'line'.[k. % Tampilkan petunjuk jika masukan berupa nama fungsi! error('Perhatikan petunjuk di atas!') % Program terhenti! end if m<=0|fix(m)~=m error('Salah menuliskan derajad akar!').num2str(x0).:).50). if ((err<delta|relerr<delta)& abs(fx)<delta)|fx==0.abs(y2))).N). fx= subs(f.end error(['Stop.x.end. mnrsym(f.f=(x-1)*(exp(x-1)-1). % f='cos(x)'.end. % hitung fungsi turunan ( f') y1=subs(f. bertemu garis singgung mendatar di x = '. iterasi=k.x0).2.fx.x0+2]). % jika tidak diberikan else if nargin<5.end df=diff(f). hold off.y2=subs(f. else disp(num2str(hasil. else dx = m*fx/df0.dx].17)).0.'Type'. delta=1e-15. N=50.dx.fx. N=50.'lineStyle'.x).[x0-2.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 % hasil = mnrsym('cos(x)'.1.':') ezplot(f. % syms x.min(abs(y1). end if nargin<3. % mnrsym('x^2-4*x+4'.1. delta=1e-15. df0 = subs(df. dx=x0. % hitung nilai f'(x0) if df0==0. % plot f(x) dengan garis mulus set(gca. % hampiran galat relatif hasil=[hasil. ymax=min(25. M-196 .dx]]. else if (isvarname(f)) % cek format masukan fungsi help nrsym. % hitung f(x) err = abs(dx).max(abs(y1).

2). dengan menambah maksimum iterasi! ') end end end M-197 . else disp(num2str(hasil. % atau tampilkan hasil dengan format tabel end break else if iterasi==N. error('Cobalah ulangi.. disp('Berikut adalah hasil 6 iterasi terakhir:'). (Sahid) % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:').:). % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0.15g\t%0. disp('Iterasi mungkin tidak konvergen!').15g\t%0..18)).15g\n'.Analisis dan Implementasi Metode .hasil').2). % akar yang diperoleh hasil(:. % kolom galat hampiran if (nargin==6 & tabel==1). disp(num2str(hasil(iterasi-4:iterasi+1.15g\t%0.18)).5)=r-hasil(:. r=hasil(iterasi+1.

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.