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

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

Definisi 5 (Iterasi Newton -.. Mathews... 79). 1992: 77) Misalkan x 0 . 2.2. untuk n = 0.2. kuadratik.Raphson) (Atkinson. x 2 . yakni f '(x n ) dan tentukan persamaan garis singgungnya. PENURUNAN RUMUS ITERASI NEWTON – RAPHSON Iterasi Newton – Raphson berawal dari sebuah hampiran awal untuk akar r . 1993: 84. Metode Newton dapat dipandang sebagai contoh khusus metode Titik-Tetap (Conte & de Boor.2.xn .. dan kubik. Misalkan x n adalah hampiran awal pada langkah ke-n. 3. …. Selanjutnya. kekonvergenanya berturut-turut disebut linier. f '(x n ) f (x ) f '(x ) (3) disebut barisan iterasi Newton. 1992: 45) Misalkan g adalah suatu fungsi. Mathews. f (xn )) ..Analisis dan Implementasi Metode . untuk m = 1..xn ) + f (xn ) . maka m disebut derajad kekonvergenan barisan tersebut dan C disebut konstanta galat asimptotik.. f '(x n ) (5) Langkah-langkah tersebut diperlihatkan pada Gambar 1.1. 1993: 87.. 1992: 72) Misalkan fungsi iterasi (2) f mempunyai turunan pertama f ' . Barisan x 0 . suatu barisan yang konvergen ke r dan misalkan en = r .. Bilangan x pada domain g dikatakan merupakan titik tetap g jika memenuhi x = g(x ) . yakni y = f '(xn )(x . iterasi xn + 1 = g(xn ). sedemikian hingga n® ¥ lim | en + 1 | | en |m = C.. yakni xn + 1 = xn - f (x n ) . Hampiran berikutnya adalah absis titik potong garis singgung tersebut dengan sumbu-x. x1. Mathews. M-181 . 3. 1981. Definisi 4 (Titik Tetap Fungsi & Iterasi Titik Tetap) (Atkinson.1. x 2 . disebut iterasi titik tetap. Hitung gradien garis singgung terhadap kurva y = f (x ) di titik (xn . 2. 1.. Fungsi g yang didefinisikan sebagai g(x ) = x disebut fungsi iterasi Newton – Raphson. Khususnya. yang diperoleh dari xn+ 1 = xn f (x n ) . Apabila terdapat sebuah bilangan m dan sebuah konstanta C ¹ 0 .. 1993: 69. kemudian menghitung hampiran selanjutnya dengan cara sebagai berikut.. x1. (Sahid) Definisi 3 (Derajad Kekonvergenan) (Atkinson. Dari (4) terlihat bahwa. n = 0. 1. (4) Terdapat hubungan antara akar persamaan f (x ) = 0 dan titik tetap fungsi g . maka r = g(r ) . n=0. jika f (r ) = 0 ..

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

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

karena f . yakni r . Bukti: Perhatikan ekspansi g(x n ) di sekitar r .1) (r ) = 0.xn + 1 (r .1) (xn . maka g ' juga kontinyu. maka iterasi Titik Tetap tersebut memiliki derajad kekonvergenan m .r )g '(r ) + g "(r ) + . Bagaimanakah jika g '(r ) = 0 ? Dalam hal ini iterasi Titik Tetap akan mempunyai tingkat kekonvegenan yang lebih tinggi. sehingga diperoleh xn + 1 (x n ..d. dan g (m ) (r ) ¹ 0. Telah diasumsikan bahwa f kontinyu. Jika fungsi g(x ) memenuhi g '(r ) = g "(r ) = . ▄ Berikut ditinjau kekonvergenan iterasi Newton – Raphson (5). Misalkan f memiliki setidaknya dua turunan pertama yang kontinyu pada suatu interval I yang memuat akar r . yakni (xn . + g (r ) + g (cn ) 2 (m . f ' . dapat dicari suatu interval Id = [r .Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Hasil (12) menunjukkan bahwa iterasi Titik Tetap memiliki kekonvergenan linier.1)! m! (13) dengan cn adalah suatu nilai antara xn dan r . sedemikian hingga |g'(x)|<1 untuk semua x Î Id . dapat diketahui bahwa m suku pertama pada ruas kanan persamaan (13) bernilai nol. sebagaimana dinyatakan dalam Akibat berikut ini.r )m . f (r )) bukan merupakan titik singgung kurva y = f (x ) pada sumbu-x. [f '(x )]2 [f '(x )]2 (16) f (r )f "(r ) = 0.r )m (m ) = g(x n ) = r + g (cn ). Dengan kata lain. m ³ 1. Oleh karena g '(r ) = 0.r ) lim r . m! (14) g (m ) (cn ) = .r )m m! n® ¥ (x n + 1 . Jadi. Dari hipotesis mengenai fungsi g(x ) . mengingat f (r ) = 0..x n )m = g (m ) (r ) . yakni f'(r) ¹ 0.1 (m . m! (15) yang berarti bahwa iterasi Titik Tetap memiliki derajad kekonvergenan m.r )m (m ) g(xn ) = g(r ) + (xn . maka menurut Teorema Nilai Antara. dan f " kontinyu. = g (m. Pertama akan ditinjau kasus r merupakan akar sederhana. r + d] dengan d>0.r )2 (xn .. sehingga (x n . titik (0.f (x )f "(x ) f (x )f "(x ) = . Sekarang akan dipandang iterasi Newton (5) sebagai iterasi titik tetap terhadap fungsi g : M-184 . [f '(r )]2 Selanjutnya.. Dari definisi fungsi iterasi Newton – Raphson (4) diperoleh g '(x ) = 1 sehingga g '(r ) = f '(x )f '(x ) . Akibat 2 (Kekonvergenan Tingkat Tinggi Iterasi Titik Tetap) Misalkan iterasi Titik Tetap (2) konvergen ke titik tetap fungsi g(x ) .

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

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

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

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

1993: 95) f (x ) = (x . syarat-syarat tersebut hanyalah merupakan syarat cukup. (Conte & de Boor.1)(e x . 3.m). dan nilai fungsi. 6.25.x . Untuk mengetahui pe-rilaku fungsi di sekitar hampiran awal. Pemilihan hampiran awal dan nilai batas toleransi dapat mempengaruhi konvergensi iterasi. M-189 . 8.. Untuk menghindari pembagian dengan nol pada perhitungan galat relatif tersebut digunakan nilai eps ( = 2. 78)  akar tripel f (x ) = (x . semua eksperimen menggunakan batas toleransi 10. f (x ) = x 6 . Di sinilah perlunya dilakukan eksperimen (perhitungan secara numerik) dengan menggunakan program-program yang telah disusun.10. Dalam hal ini.  akar dobel f (x ) = e. Fungsi dapat dituliskan dalam bentuk ekspresi (rumus) atau variabel yang menyimpan ekspresi tersebut.3 (Conte & de Boor.m. 1992: 79.2. Untuk perbandingan juga disusun program yang mengimplementasikan metode NR termodifikasi (mnrsym. 5.m.1 . IMPLEMENTASI METODE NEWTON-RAPHSON Program MATLAB yang mengimplementasikan metode NR. program akan menggunakan nilai-nilai default. telah di-susun oleh peneliti. (Mathews. derajad akar (khusus dan wajib untuk program mnrsym. 1981: 105.15 . sehingga pemakaian hampiran awal yang tidak memenuhi syarat-syarat pada Teorema 2 maupun Teorema 3 boleh jadi akan menghasilkan iterasi yang konvergen. 1993: 67. yang pada MATLAB merupakan nilai keakuratan relatif titik mengambang (floating point relative accuaracy). yang dapat ditampilkan dengan menuliskan perintah help nama_program.Analisis dan Implementasi Metode .x . (Atkinson. (Sahid) diketahui. Pemakaian hampiran awal sebarang tidak menjamin kekonvergenan iterasi Newton. hampiran awal dapat dipilih berdasarkan Teorema 2. program nrsym.sin(x ) .15 dan maksimum iterasi N = 50 .2.1 (Atkinson.2204x10-16 ).1)3 (Atkinson. serta parameter untuk menentukan format tampilan hasil. hampiran awal (opsional).50 .Bx cos(x ). Untuk kasus akar ganda juga disajikan hasil komputasi dengan metode NR termodifikasi. Petunjuk selengkapnya sudah dituliskan di dalam program. 88)  NR divergen Berikut disajikan beberapa tabel hasil eksperimen dengan metode NR pada fungsi-fungsi di atas. 1993: 63. tidak merupakan syarat perlu. Apabila masukan opsional tidak diberikan. Akan tetapi. Hasil-hasil Eksperimen Eksperimen komputasi dengan menggunakan program-program yang telah disusun dilakukan pada fungsi-fungsi di bawah ini. 1993: 77) f (x ) = (x . yakni hampiran awal x 0 = 0 .x .m) untuk akar ganda.1) . Eksperimen juga dapat digunakan untuk memverifikasi hasil-hasil analisis di atas.1)3 (x . 1. 1981: 106) f (x ) = x + e. karena program akan menghitung sendiri turunan fungsi yang diberikan. Jika tidak dicantumkan. Pada program-program MATLAB tersebut digunakan kriteria selisih kedua hampiran terakhir. batas toleransi d = 10. 80) 2. Penggunaan program-program MATLAB tersebut memerlukan masukan berupa fungsi (harus).1) . Di depan sudah diuraikan beberapa syarat cukup untuk menentukan hampiran awal agar iterasi Newton. f (x ) = e x . Atkinson. 4. 1993: 67) f (x ) = xe. batas toleranasi galat (opsional). hampiran galat relatif iterasi terakhir.5. selain melakukan iterasi juga menghasilkan gambar kurva fungsi dan turunannya. 7.1.. (Atkinson.m dan mnrsym. dan maksimum iterasi dilakukan (opsional). Pada kedua program tidak diperlukan masukan turunan fungsi. yakni nrsym. 2 B = 1.

25 0.8366.406 < x 0 < 1.8 Konvergen ke 1.25 0 0 1 -0. Jadi. kurva y = x + e.5 -0.3 0.d1 atau | x 0 .4060599257989e-007 1. Iterasi NR lengkap untuk x 6 .xn.778.014 < x 0 < 1.1 0 1 -0.1347241384015194926054460545065 » 1.0115791393235981 -0. Jika g(x ) = f (x )f "(x ) .32640201009749875 -0.1 .032950424213666 0. jika 2 hal ini tidak berarti bahwa untuk hampiran awal di luar interval-interval tersebut iterasinya pasti tidak konvergen.Bx cos(x ) = 0 ex .1.778089761192171 -0.r |< r .4521717162097e-013 2. Untuk semua nilai M-190 . jika | x 0 . dan r2 = 1.1 = 0 Iterasi 0 1 2 3 4 5 6 7 8 xn 0 -1 -0.000768013750394037 4.0671910066833093 -0.778089598678601 0.0986122886681098 gagal 1.x .d2 .792 . maka iterasi Newton akan konvergen. maka | g(x ) |< 1 untuk x < d atau x > d2 dengan 1 [ f '(x )]2 d1 = 0.3 -0.5 0 0 0 -0. Namum kasus ini.x .38414468140916746824964645853990 » 0.778089598678601 f (x n ) -1 1 0.404911548209309 Gagal (berputar-putar) -0.22044604925031e-016 -1.11022302462516e-016 0 Tabel 2 Iterasi NR untuk ex .0986122886681098 x0 0 0. | g(x ) |< 1 untuk x > ln(3/2) .0986122886681098 1.778089598678655 -0. 1.135.32640201009749875 -0.35620693085042e-014 -8. yakni r1 = -0.ln(3/2) atau 25 50 0.253712313746823 0. semakin kecil interval tersebut.789951850459548 -0.36237720893951e-014 1.r1 |< r1 . Pada iterasi ke 6 8 4 7 9 50 6 5 9 50 50 50 7 6 - Kurva y = x 6 .11022302462516e-016 xn .5 -0.778089598678601 -0.58840177650099634 -0.7 dan hampir tegak pada interval x>1 dan x<-1.8366].014.1 hampir datar (gradiennya mendekati nol) di sekitar x= 0.3 = 0 dan x + e.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Tabel 1.0118622517809468 0.3 = 0 x + e.xn.3 = 0 mempunyai penyelesaian (akar) r = ln(3) » 1.384 d2 =1.000282949943779022 -1. Dalam hal ini.0137368367302129894266430165240 » 1.r2 |< r2 .5 Konvergen ke -0.7 1. maka iterasinya akan konvergen.18991885451312e-017 2 r .221910401321399 0. yakni .Bx cos(x ) berupa garis lurus dengan gradien 1 di luar interval [-1.256 .77837271113595 -0.0986122886681098 1.0986122886681098 1.513732724126289 -0.588401776500996 -0.32640201009749875 Gagal (berputar-putar) Gagal (berputar-putar) Gagal (berputar-putar) -0.5 1.384 atau 1.142857142857143 -0. Semakin besar nilai B.62513516092177e-007 -5.0986122886681098 1.857142857142857 -0.940 < x 0 < 0.77808959867860109788068230965929 » -0.6251356971253e-007 5.0986122886681096 1.0790532584642561 0. Untuk kasus B=1.183291333294485 -0.0986. Persamaan x 6 . Dalam | x 0 .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. -0.000283112457348689 1.183291333294485 Gagal (berputar-putar) 2 5 10 Persamaan ex .588401776500996 -0.x .1 = 0 mempunyai dua buah akar nyata.

5 1.0963639324106462 9. Jadi jika x 0 pada interval-interval tersebut.1)(e x . -1.5 5 Konvergen ke Gagal (sangat lambat) 1.6 1 2 1.1) = 0 x0 0 -1 2 -2 Metode NR Konvergen ke 0.1000000000000016 1.sin(x ) = 0 x0 0 0.0963639324106462 3.1000000000000001 1.1)3 (x .6330 . | g(x ) |< 1 Iterasi ke 5 3 5 500 6 4 6 7 *) gradien kurva di titik tsb. Sudah tentu semakin jauh hampiran awal dari akar tersebut.5220 < x < -0.1 adalah akar sederhana. iterasinya akan konvergen.6962 . atau x > 0.99999999986231403 Gagal (titik belok kurva) 1.3264 . sehingga iterasinya akan konvergen berapapun hampiran awal. Iterasi Newton cukup lambat. iterasi NR konvergen apabila x 0 pada interval-interval tersebut. Persamaan (x .1.75 3 4 5 Konvergen ke 0. semakin lambat iterasi akan konvergen.sin(x ) = 0 (x .58853274398186106 0.58853274398186106 0.. asalakan berhingga.0000000000000013 1.1)3 = 0 (Metode NR) Iterasi ke 5 4 5 6 500 500 6 500 x0 0 1 1.1)(e x .1000000000000001 2.1)3 = 0 (x . iterasinya dilaporkan belum konvergen M-191 .21237390820801 3. (Sahid) B.1.1 .2.0000000001548968 1.0999999999999983 2. Dengan menggunakan rumus Newton termodifikasi.1) = 0 dan e. Tabel 3 Iterasi NR dan Modifikasi NR untuk (x . Gradien di titik (0.1000000000000016 2. Dari hasil perhitungan diperoleh.25 .2.1000000000000001 1. yang merupakan akar dobel.1000000000000001 1.x .x .0000000000000009 0. yang berderajad 3.. Tabel 4 Iterasi NR dan Modifikasi NR untuk (x .1000000000000001 Konvergen ke 1.1)3 = 0 mempunyai akar r = 1 . berapapun hampiran awal x 0 yang dipakai (asalkan berhingga). 0.0136634176769942859495731140617.0000000001631835 Iterasi ke 50 81 82 87 56 54 59 1e-10 Persamaan (x .1) = 0 mempunyai r=1.1) semakin besar nilai B.132741228730506 * 182.6863365823230057140504268859383 atau x> 2.32640201009749872199953005910687 » -0. -0.1000000000000001 1.1) = 0 dan (x .Analisis dan Implementasi Metode . r=2.1904 < x < 0. Semakin besar nilai B. iterasinya akan konvergen ke akar tersebut pada iterasi ke-1.99999999999999956 0.1000000000000001 Gagal (berputar-putar) Gagal (berputar-putar) 1.1 .1)(e x .1 adalah akar berderajad tiga.7 5 3 2 -3 5 Konvergen ke 1.0999999999999981 1. meskipun iterasi NR termodifikasi belum tentu konvergen (khususnya jika hampiran awal lebih dekat ke akar sederhana).000000000000002 0. akarnya semakin mendekati nol dari kiri.0999999999999985 1. Untuk kasus B=10 akarnya adalah r = -0. Jadi.0000000000000018 1.2.4246972547385219 Persamaan (x .99999999999999944 Iterasi ke 50 50 51 50 Modifikasi NR Konvergen Iterasi ke ke 1 5 1 6 1 5 1 7 e. Untuk kasus ini berlaku untuk semua x riel.1) sama dengan 1.1)3 (x . kurva melengkung ke atas dan menceng ke kanan di dalam interval yang sesuai dengan titik balik semakin mendekati ke (0.5 5 0 1 1.25 1. Dari hasil perhitungan diperoleh bahwa | g(x ) |< 1 jika x<1.1. | g(x ) |< 1 jika x < -0. Hal ini dikarenakan rumus iterasi Newton termodifikasi adalah x n = 1 .116746 .58853274398186106 25.1) = 0 mempunyai sebuah akar r=1.1 .1000000000000001 Gagal (berputar-putar) d 1e-15 x0 0 1.1) = 0 Metode NR Modifikasi NR Iterasi ke 85 78 81 79 8 6 89 11 (x .99999999999999933 1.1)3 (x .

1. Di dekat akar sederhana. Metode NR tidak akan konvergen jika: M-192 . mendekati –sin(x).35 0 0.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Fungsi f (x ) = e. Tabel 5 Iterasi NR untuk xe. sehingga tidak perlu dihitung secara manual. Metode NR konvergen secara kuadratik. akarnya semakin ke kanan semakin mendekati kelipatan pi.5 0 -2 0 0. Syarat cukup namun tidak perlu agar metode NR konvergen dinyatakan pada Teorema 2 dan Teorema 3. telah dapat disusun program Matlab yang dapat melakukan secara simbolik perhitungan turunan fungsi. KESIMPULAN DAN SARAN Berikut adalah beberapa kesimpulan yang diperoleh dari penyelidikan metode NR.sin(x ) semakin lama semakin periodik. yakni jika terjadi f '(x ) = 0 . 3.3 0 -3 0 Pada iterasi ke 50 6 8 9 7 7 11 Untuk fungsi ini. 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. Hal ini yang biasanya tidak ditemukan pada implementasi NR yang ada pada beberapa literatur. sehingga iterasinya akan konvergen jika hampiran awalnya pada interval tersebut. Meskipun metode NR memerlukan perhitungan nilai turunan fungsi.x = 0 x0 Konvergen ke 1 Gagal (titik balik kurva) 2 Gagal (menjauh ke kanan) 0.x . cacah digit akurat menjadi dua kali lipat pada setiap langkah. (a) (b) Gambar 4 Situlasi penyebab kegagalan iterais Newton-Raphson 5. 2. | g(x ) |< 1 jika x<0. 4.2 0 0.3718.

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

second edition.N. & Carl de Boor (1981). & Patrick O. n= 0. % 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). AddisonWisley Pub.f=exp(x)-sin(x). New York.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 . else if (isvarname(f)) % cek format masukan fungsi help nrsym.tabel) %---------------------------------------------------------------------% nrsym. Schaum's Outline Series Theory and Problems of Numerical Analysis. G. % f='cos(x)'.delta. Prentice-Hall. Ian & Colin Judd (1987). second edition. Singapore. % Set nilai-nilai parameter M-194 . Inc. and Engineering. 1. Wheatly (1994).delta. Englewood Cliffs. Mathews. New York. % nrsym('x^2*sin(x^2)-exp(x)').50). Numerical Analysis. Numerical Methods with MATLAB. N=50.. Chapman and Hall. McGraw-Hill Book Company. LAMPIRAN A.1. Kendal (1993). An Algorithmic Approach. Conte. John H (1992). Numerical Methods for Mathematics. Curtis F. 2/ed.N)..1e-15.50). 5th edition.x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin==0 error('Anda harus menuliskan fungsinya!'). Boston. nrsym(f. % f'(x_n) % Contoh-contoh pemakaian: % nrsym('x^6-x-1'.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 DAFTAR PUSTAKA Atkinson. Singapore. 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 .1. x0=0. . McGraw-Hill Book Company.epsilon.1) % hasil = nrsym('cos(x)'. PWS Publishing Company. Singapore Gerald.N.J (1997). Co.1e-15.x0. John Wiley & Sons. Applied Numerical Analysis. Numerical Methods.delta. Hemisphere Publishing Company. % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi. Volkov. E. % syms x. Program Iterasi Newton – Raphson function hasil = nrsym(f. A (1990). New York. Elementar Numerical Analysis. Elementary Numerical Analysis.------.. A Resource for Scientiests and Engineers. Francis (1989). Science. Samuel D. Borse.1. % Tampilkan petunjuk jika masukan berupa nama fungsi! error('Perhatikan petunjuk di atas!') % Program terhenti! end if nargin<2. 2. nrsym(f. 3rd edition.0. Singapore Jacques.x0. Scheid. delta=1e-15.

N. ymax=min(25.'YLim'.x0+2]). % hitung nilai f'(x0) if df0==0. % hampiran galat relatif hasil=[hasil. N=50. hold off.'Color'. else disp(num2str(hasil. (Sahid) else if nargin<3.fx. ezplot(df.--------.15g\t%0. % jika tidak diberikan else if nargin<4.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 .Analisis dan Implementasi Metode . Program Iterasi Newton Termodifikasi untuk Akar Ganda function hasil = mnrsym(f. % f'(x_n) % Contoh-contoh pemakaian: % mnrsym('(x-1)^3*(3*x+2)'. r=hasil(iterasi+1.x0). % plot f(x) dengan garis mulus set(gca.x0.'lineStyle'.fx.end. % hitung fungsi turunan ( f') y1=subs(f.15g\t%0.x0.18)). dx=x0.tabel) %---------------------------------------------------------------------% mnrsym.2).. else dx = fx/df0. % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0. % hitung f(x) err = abs(dx).dx]].'Type'. 1.grid on. end x = x0 . else disp(num2str(hasil. disp(num2str(hasil(iterasi-4:iterasi+1. fx= subs(f.num2str(x0).x0.end error(['Stop.end df=diff(f). % hampiran berikutnya. % atau tampilkan hasil dengan format tabel end break else if iterasi==N..max(abs(y1). % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps). % hitung f(x0) hasil=[iterasi.15g\n'. iterasi=k. for k=1:N.15g\t%0.':') ezplot(f.x).[ymin ymax]) % set batas-batas y yang sesuai iterasi=0. if ((err<delta|relerr<delta) & abs(fx)<delta)|fx==0.:).N. ymin=-min(5. bertemu garis singgung mendatar di x= '. % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:'). 2. disp('Berikut adalah hasil 6 iterasi terakhir:').abs(y2))).:).dx].delta.1) M-195 . df0 = subs(df. dengan menambah maksimum iterasi! ') end end end B.end.delta. % iterasi harus dihentikan jika f'(x0)=0 if k>5.[x0-2.[0 0 1]).[x0-2. delta=1e-15. % simpan hasilnya x0=x.abs(y2))).epsilon..17)).x0). x fx = subs(f.'line'.x0-2).x.[k. % akar yang diperoleh if (nargin==6 & tabel==1).dx.y2=subs(f.18)).x0+2).3. end.hasil'). N=50.min(abs(y1).x0+2]).18)).m.'!']). disp(num2str(hasil(k-5:k.hold on % plot f'(x) dengan garis putus-putus set(findobj(gca. disp('Iterasi mungkin tidak konvergen!'). error('Cobalah ulangi. n= 0. ..

df0 = subs(df.x0). % syms x.'lineStyle'. end x = x0 .Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 % hasil = mnrsym('cos(x)'.[k. % hitung fungsi turunan ( f') y1=subs(f. hold off. % simpan hasilnya x0=x.2. % hitung f(x) err = abs(dx). % hampiran berikutnya.:). % hitung f(x0) hasil=[iterasi.[0 0 1]).x0+2]). x0=0. for k=1:N. end if nargin<3.2. % jika tidak diberikan else if nargin<5.fx.1.1e-15. % hitung nilai f'(x0) if df0==0.dx]].num2str(x0). mnrsym(f. % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi.delta. % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps). dx=x0. N=50.N). N=50.x0+2).1. fx= subs(f.end df=diff(f). % 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!').17)). if ((err<delta|relerr<delta)& abs(fx)<delta)|fx==0.end. x fx = subs(f.grid on.dx. else disp(num2str(hasil.'Type'.'line'.min(abs(y1).y2=subs(f.hold on % plot f'(x) dengan garis putus-putus set(findobj(gca.end.[ymin ymax]) % set batas-batas y yang sesuai iterasi=0.'!']). bertemu garis singgung mendatar di x = '.x0-2).x0.fx. delta=1e-15.abs(y2))). end.x0+2]).[x0-2.[x0-2. ymin=-min(5. ymax=min(25.18)).x).x0).':') ezplot(f. % mnrsym('x^2-4*x+4'. % plot f(x) dengan garis mulus set(gca. % Set nilai-nilai parameter else if nargin<4.x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin<=1 error('Anda harus menuliskan fungsi dan derajad akarnya!').end error(['Stop. iterasi=k. % hampiran galat relatif hasil=[hasil.abs(y2))). delta=1e-15.'YLim'. % 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). ezplot(df. else dx = m*fx/df0.2.dx]. N=50.50). else if (isvarname(f)) % cek format masukan fungsi help nrsym.1.'Color'.2). 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 . % f='cos(x)'. disp(num2str(hasil(k-5:k.1e-15.f=(x-1)*(exp(x-1)-1).0.x. mnrsym(f. % iterasi harus dihentikan jika f'(x0)=0 if k>5.max(abs(y1). M-196 .50).

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

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.