P. 1
A. Metode_Newton-Raphson

A. Metode_Newton-Raphson

|Views: 312|Likes:
Published by Yunita Selonika
Metode_Newton-Raphson merupakan salah satu metode persamaan non linear dengan metode terbuka.
metode pendekatan yang menggunakan satu titik awal dan mendekatinya dengan memperhatikan slope.
Metode_Newton-Raphson merupakan salah satu metode persamaan non linear dengan metode terbuka.
metode pendekatan yang menggunakan satu titik awal dan mendekatinya dengan memperhatikan slope.

More info:

Categories:Types, School Work
Published by: Yunita Selonika on Mar 14, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

03/17/2015

pdf

text

original

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: 55) Misalkan f adalah suatu fungsi kontinyu. terutama untuk fungsi-fungsi tertentu. Contoh-contoh komputasi numerik dengan program Matlab diterapkan pada beberapa tipe fungsi. dan tidak ada metode eksak yang dapat digunakan untuk menyelesaikannya (Jacques & Judd. maka r disebut akar dobel. atau juga disebut pembuat nol fungsi f (x ) . Hal ini tidak selalu mudah jika dilakukan secara manual. Analisis metode NR meliputi kekonvergenan pada akar sederhana dan akar ganda. Titik potong garis singgung tersebut dengan sumbu-x merupakan hampiran berikutnya. Metode NR memiliki ciri-ciri: (1) memerlukan sebuah hampiran awal. 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. dan kombinasinya. Matlab dapat digunakan untuk tujuan ini.. fungsi trigonometri. M-180 . sedemikian hingga f (x ) dapat dinyatakan sebagai 2 f (x ) = (x . DASAR TEORI Pembahasan metode numerik untuk mencari hampiran akar persamaan memerlukan beberapa pengertian dasar sebagai berikut. Dengan menggunakan metode numerik. 1990:9). Proses berlanjut sampai hampiran yang diperoleh memenuhi syarat keakuratan yang ditentukan. Jika terdapat bilangan asli m dan fungsi kontinyu h(x ) dengan h(r ) ¹ 0 . Volkov.2 . Definisi 2 (Derajad Akar Persamaan) (Atkinson. r sering dikatan sebagai akar f . 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.1)(r ) = 0. selanjutnya disingkat NR). 1992: 76) Misalkan r adalah akar persamaan f (x ) = 0 . Salah satu kendala dalam pemakaian metode Newton adalah keharusan menghitung nilai turunan fungsi. 1993: 94. Untuk m = 2 . Scheid. maka r disebut akar sederhana. dan (2) memerlukan perhitungan turunan fungsi f (x ) dalam setiap iterasi. Jika m > 1 . maka (1) f (r ) = f '(r ) = . Dari (1) terlihat bahwa jika r pembuat nol f (x ) yang berderajad m . Apabila tidak menimbulkan kerancuan. yakni fungsi polinomial nonlinier. Sebagai alternatif penyelesaian persamaanpersamaan demikian adalah pemakaian metode numerik untuk mendapatkan hampiran akar-akarnya. Di antara berbagai metode untuk menyelesaikan persamaan f (x ) = 0 adalah metode Newton (lengkapnya Newton—Raphson. sekalipun perhitungan dilakukan dengan kalkulator atau komputer. setidaknya pada interval yang sedang menjadi perhatian. perlu dicari software yang sesuai untuk mengimplementasikan metode Newton yang tidak memerlukan perhitungan turunan fungsi secara manual. Pembuat Nol Fungsi) (Mathews. 1987: 43). dan f m (r ) ¹ 0. fungsi eksponensial. maka r disebut akar ganda. Definisi 1 (Akar Persamaan. 1989: 1.1 . 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. 1987:1-2. Semua fungsi yang dibahas dalam penelitian ini adalah fungsi kontinyu. Metode NR yang dikaji dalam penelitian ini dibatasi untuk fungsi-fungsi satu variabel. maka r disebut akar berderajad m . = f (m. dst. Oleh karena itu. seperti f (x ) = (x + 1)2 e x .r )m h(x ). Setiap bilangan r pada domain f yang meme-nuhi f (r ) = 0 disebut akar persamaan f (x ) = 0 .. Jika m = 1 .

Hitung gradien garis singgung terhadap kurva y = f (x ) di titik (xn . x 2 .. Fungsi g yang didefinisikan sebagai g(x ) = x disebut fungsi iterasi Newton – Raphson. PENURUNAN RUMUS ITERASI NEWTON – RAPHSON Iterasi Newton – Raphson berawal dari sebuah hampiran awal untuk akar r . (4) Terdapat hubungan antara akar persamaan f (x ) = 0 dan titik tetap fungsi g . 1. Mathews. kuadratik. 3. yakni f '(x n ) dan tentukan persamaan garis singgungnya. …. f '(x n ) (5) Langkah-langkah tersebut diperlihatkan pada Gambar 1.1.2.Analisis dan Implementasi Metode . Mathews. 1992: 77) Misalkan x 0 . n=0. yakni y = f '(xn )(x .. maka r = g(r ) . 1993: 84. f (xn )) . Apabila terdapat sebuah bilangan m dan sebuah konstanta C ¹ 0 . iterasi xn + 1 = g(xn ). Barisan x 0 .1.. 1. 1993: 87. Definisi 4 (Titik Tetap Fungsi & Iterasi Titik Tetap) (Atkinson. Bilangan x pada domain g dikatakan merupakan titik tetap g jika memenuhi x = g(x ) . 1992: 45) Misalkan g adalah suatu fungsi. Mathews.. kekonvergenanya berturut-turut disebut linier. Khususnya.2. x1..xn . disebut iterasi titik tetap. x 2 . Selanjutnya. 1981.. sedemikian hingga n® ¥ lim | en + 1 | | en |m = C. Misalkan x n adalah hampiran awal pada langkah ke-n. Dari (4) terlihat bahwa. n = 0. kemudian menghitung hampiran selanjutnya dengan cara sebagai berikut. maka m disebut derajad kekonvergenan barisan tersebut dan C disebut konstanta galat asimptotik.. untuk m = 1. 1992: 72) Misalkan fungsi iterasi (2) f mempunyai turunan pertama f ' . 79).xn ) + f (xn ) . yang diperoleh dari xn+ 1 = xn f (x n ) . jika f (r ) = 0 .2. Metode Newton dapat dipandang sebagai contoh khusus metode Titik-Tetap (Conte & de Boor. Hampiran berikutnya adalah absis titik potong garis singgung tersebut dengan sumbu-x. (Sahid) Definisi 3 (Derajad Kekonvergenan) (Atkinson. Definisi 5 (Iterasi Newton -. f '(x n ) f (x ) f '(x ) (3) disebut barisan iterasi Newton. yakni xn + 1 = xn - f (x n ) . untuk n = 0.. 2.. x1.... 3.. M-181 .Raphson) (Atkinson. suatu barisan yang konvergen ke r dan misalkan en = r . dan kubik. 2. 1993: 69..

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

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

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

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

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

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

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

m dan mnrsym. telah di-susun oleh peneliti. Hasil-hasil Eksperimen Eksperimen komputasi dengan menggunakan program-program yang telah disusun dilakukan pada fungsi-fungsi di bawah ini.m). batas toleranasi galat (opsional). serta parameter untuk menentukan format tampilan hasil.. Dalam hal ini. hampiran awal (opsional).15 . syarat-syarat tersebut hanyalah merupakan syarat cukup. 78)  akar tripel f (x ) = (x . hampiran awal dapat dipilih berdasarkan Teorema 2.5. semua eksperimen menggunakan batas toleransi 10.x . Untuk mengetahui pe-rilaku fungsi di sekitar hampiran awal. Atkinson.25. sehingga pemakaian hampiran awal yang tidak memenuhi syarat-syarat pada Teorema 2 maupun Teorema 3 boleh jadi akan menghasilkan iterasi yang konvergen. 80) 2.1) . Jika tidak dicantumkan. Untuk perbandingan juga disusun program yang mengimplementasikan metode NR termodifikasi (mnrsym. derajad akar (khusus dan wajib untuk program mnrsym. 1981: 105. (Atkinson. 1.  akar dobel f (x ) = e.2.x .1) . 1981: 106) f (x ) = x + e.x . f (x ) = e x . 1992: 79. yang pada MATLAB merupakan nilai keakuratan relatif titik mengambang (floating point relative accuaracy).1)3 (x .. Fungsi dapat dituliskan dalam bentuk ekspresi (rumus) atau variabel yang menyimpan ekspresi tersebut. (Atkinson. tidak merupakan syarat perlu.m. 1993: 63.m. Di sinilah perlunya dilakukan eksperimen (perhitungan secara numerik) dengan menggunakan program-program yang telah disusun.3 (Conte & de Boor. (Mathews. 8. 1993: 67. yakni nrsym. 88)  NR divergen Berikut disajikan beberapa tabel hasil eksperimen dengan metode NR pada fungsi-fungsi di atas. Pada program-program MATLAB tersebut digunakan kriteria selisih kedua hampiran terakhir.sin(x ) .1)3 (Atkinson. batas toleransi d = 10. karena program akan menghitung sendiri turunan fungsi yang diberikan. IMPLEMENTASI METODE NEWTON-RAPHSON Program MATLAB yang mengimplementasikan metode NR. yang dapat ditampilkan dengan menuliskan perintah help nama_program. 6. Akan tetapi. Apabila masukan opsional tidak diberikan.15 dan maksimum iterasi N = 50 . yakni hampiran awal x 0 = 0 .2204x10-16 ). 4. 1993: 67) f (x ) = xe.m) untuk akar ganda. hampiran galat relatif iterasi terakhir. Petunjuk selengkapnya sudah dituliskan di dalam program. 1993: 95) f (x ) = (x . dan nilai fungsi. Untuk menghindari pembagian dengan nol pada perhitungan galat relatif tersebut digunakan nilai eps ( = 2.10.1)(e x . 3. Pada kedua program tidak diperlukan masukan turunan fungsi.2. dan maksimum iterasi dilakukan (opsional). Eksperimen juga dapat digunakan untuk memverifikasi hasil-hasil analisis di atas.1.Analisis dan Implementasi Metode . program nrsym. Penggunaan program-program MATLAB tersebut memerlukan masukan berupa fungsi (harus).Bx cos(x ). Pemilihan hampiran awal dan nilai batas toleransi dapat mempengaruhi konvergensi iterasi. (Sahid) diketahui. program akan menggunakan nilai-nilai default. Pemakaian hampiran awal sebarang tidak menjamin kekonvergenan iterasi Newton. selain melakukan iterasi juga menghasilkan gambar kurva fungsi dan turunannya. (Conte & de Boor. 1993: 77) f (x ) = (x . 5.50 . Di depan sudah diuraikan beberapa syarat cukup untuk menentukan hampiran awal agar iterasi Newton.1 (Atkinson. Untuk kasus akar ganda juga disajikan hasil komputasi dengan metode NR termodifikasi. f (x ) = x 6 . 2 B = 1.1 . 7. M-189 .

0986122886681096 1. -0.384 d2 =1.588401776500996 -0.789951850459548 -0.778089598678601 0.513732724126289 -0.x .253712313746823 0.940 < x 0 < 0.d2 . Dalam | x 0 .r2 |< r2 .778089598678601 f (x n ) -1 1 0.183291333294485 -0.256 .0986122886681098 1.11022302462516e-016 xn .Bx cos(x ) berupa garis lurus dengan gradien 1 di luar interval [-1. Jadi.1 0 1 -0.32640201009749875 -0.0986122886681098 x0 0 0.0986122886681098 gagal 1.r1 |< r1 .221910401321399 0.x .8366]. kurva y = x + e.77837271113595 -0.22044604925031e-016 -1.8 Konvergen ke 1.000283112457348689 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 0.014.62513516092177e-007 -5.032950424213666 0.014 < x 0 < 1.58840177650099634 -0.0986122886681098 1.5 1.588401776500996 -0.25 0. Untuk semua nilai M-190 .3 = 0 mempunyai penyelesaian (akar) r = ln(3) » 1.3 = 0 x + e.857142857142857 -0.1 = 0 Iterasi 0 1 2 3 4 5 6 7 8 xn 0 -1 -0.38414468140916746824964645853990 » 0.1 = 0 mempunyai dua buah akar nyata.0137368367302129894266430165240 » 1.6251356971253e-007 5. Dalam hal ini.1.0118622517809468 0.1 . Untuk kasus B=1.5 Konvergen ke -0.778089598678601 -0.142857142857143 -0.135.778.xn.183291333294485 Gagal (berputar-putar) 2 5 10 Persamaan ex . jika 2 hal ini tidak berarti bahwa untuk hampiran awal di luar interval-interval tersebut iterasinya pasti tidak konvergen. maka iterasinya akan konvergen. dan r2 = 1. yakni r1 = -0.Bx cos(x ) = 0 ex . Semakin besar nilai B. semakin kecil interval tersebut.3 = 0 dan x + e.7 dan hampir tegak pada interval x>1 dan x<-1.36237720893951e-014 1. 1.0986.ln(3/2) atau 25 50 0.4521717162097e-013 2. Persamaan x 6 . Jika g(x ) = f (x )f "(x ) .d1 atau | x 0 .3 -0.25 0 0 1 -0.8366.35620693085042e-014 -8.5 0 0 0 -0.32640201009749875 Gagal (berputar-putar) Gagal (berputar-putar) Gagal (berputar-putar) -0.5 -0. Iterasi NR lengkap untuk x 6 . Namum kasus ini.384 atau 1.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Tabel 1. maka | g(x ) |< 1 untuk x < d atau x > d2 dengan 1 [ f '(x )]2 d1 = 0.0671910066833093 -0.0986122886681098 1.0115791393235981 -0.792 .77808959867860109788068230965929 » -0.xn.4060599257989e-007 1. yakni .7 1.406 < x 0 < 1.r |< r . | g(x ) |< 1 untuk x > ln(3/2) .18991885451312e-017 2 r .778089761192171 -0.000768013750394037 4.778089598678655 -0.1 hampir datar (gradiennya mendekati nol) di sekitar x= 0.3 0. jika | x 0 .0790532584642561 0.11022302462516e-016 0 Tabel 2 Iterasi NR untuk ex .x .32640201009749875 -0.0986122886681098 1. maka iterasi Newton akan konvergen.404911548209309 Gagal (berputar-putar) -0.5 -0. Pada iterasi ke 6 8 4 7 9 50 6 5 9 50 50 50 7 6 - Kurva y = x 6 .000282949943779022 -1.1347241384015194926054460545065 » 1.

atau x > 0. Jadi jika x 0 pada interval-interval tersebut.7 5 3 2 -3 5 Konvergen ke 1.0963639324106462 9.0000000000000018 1.58853274398186106 25.2.1)(e x .1) semakin besar nilai B. Tabel 4 Iterasi NR dan Modifikasi NR untuk (x . Hal ini dikarenakan rumus iterasi Newton termodifikasi adalah x n = 1 .4246972547385219 Persamaan (x .sin(x ) = 0 (x .1) = 0 dan e.5 1.5 5 Konvergen ke Gagal (sangat lambat) 1.1)(e x .1 adalah akar berderajad tiga.1) = 0 mempunyai r=1. iterasinya dilaporkan belum konvergen M-191 .21237390820801 3.1)3 = 0 mempunyai akar r = 1 . iterasi NR konvergen apabila x 0 pada interval-interval tersebut. asalakan berhingga.1) = 0 Metode NR Modifikasi NR Iterasi ke 85 78 81 79 8 6 89 11 (x .1000000000000016 1. kurva melengkung ke atas dan menceng ke kanan di dalam interval yang sesuai dengan titik balik semakin mendekati ke (0. | g(x ) |< 1 jika x < -0.1000000000000016 2.Analisis dan Implementasi Metode . Tabel 3 Iterasi NR dan Modifikasi NR untuk (x . semakin lambat iterasi akan konvergen.2.6330 .1. Semakin besar nilai B. iterasinya akan konvergen ke akar tersebut pada iterasi ke-1. sehingga iterasinya akan konvergen berapapun hampiran awal.0000000001631835 Iterasi ke 50 81 82 87 56 54 59 1e-10 Persamaan (x . yang berderajad 3. -0.1904 < x < 0.1. yang merupakan akar dobel.x .1)3 = 0 (Metode NR) Iterasi ke 5 4 5 6 500 500 6 500 x0 0 1 1. Gradien di titik (0.1) = 0 mempunyai sebuah akar r=1.1000000000000001 1.6863365823230057140504268859383 atau x> 2. Persamaan (x .5 5 0 1 1.0000000001548968 1.1)(e x .99999999999999956 0.25 .25 1. Dari hasil perhitungan diperoleh.1)3 (x .2.1)3 (x .32640201009749872199953005910687 » -0.0000000000000013 1.1.6 1 2 1.0000000000000009 0.1)3 = 0 (x .1) sama dengan 1.116746 .1 . Sudah tentu semakin jauh hampiran awal dari akar tersebut.0999999999999981 1. 0.000000000000002 0..58853274398186106 0. berapapun hampiran awal x 0 yang dipakai (asalkan berhingga).1000000000000001 1. (Sahid) B.1) = 0 dan (x . Untuk kasus ini berlaku untuk semua x riel.1) = 0 x0 0 -1 2 -2 Metode NR Konvergen ke 0.1000000000000001 1.6962 .1000000000000001 Gagal (berputar-putar) Gagal (berputar-putar) 1. iterasinya akan konvergen.1 ..75 3 4 5 Konvergen ke 0.132741228730506 * 182.5220 < x < -0.0136634176769942859495731140617.sin(x ) = 0 x0 0 0.1 .99999999986231403 Gagal (titik belok kurva) 1. Untuk kasus B=10 akarnya adalah r = -0.0999999999999985 1.3264 .1000000000000001 1.99999999999999933 1.1000000000000001 Konvergen ke 1.1)3 (x . -1. Iterasi Newton cukup lambat.1 adalah akar sederhana.1000000000000001 Gagal (berputar-putar) d 1e-15 x0 0 1.x . Dari hasil perhitungan diperoleh bahwa | g(x ) |< 1 jika x<1.1000000000000001 2. akarnya semakin mendekati nol dari kiri. meskipun iterasi NR termodifikasi belum tentu konvergen (khususnya jika hampiran awal lebih dekat ke akar sederhana). Dengan menggunakan rumus Newton termodifikasi.99999999999999944 Iterasi ke 50 50 51 50 Modifikasi NR Konvergen Iterasi ke ke 1 5 1 6 1 5 1 7 e. r=2.0999999999999983 2.58853274398186106 0. | g(x ) |< 1 Iterasi ke 5 3 5 500 6 4 6 7 *) gradien kurva di titik tsb. Jadi.0963639324106462 3.

3 0 -3 0 Pada iterasi ke 50 6 8 9 7 7 11 Untuk fungsi ini. Hal ini yang biasanya tidak ditemukan pada implementasi NR yang ada pada beberapa literatur.sin(x ) semakin lama semakin periodik. 1. telah dapat disusun program Matlab yang dapat melakukan secara simbolik perhitungan turunan fungsi.5 0 -2 0 0.2 0 0.35 0 0. 3.3718. 4. Metode NR tidak akan konvergen jika: M-192 .x = 0 x0 Konvergen ke 1 Gagal (titik balik kurva) 2 Gagal (menjauh ke kanan) 0. Syarat cukup namun tidak perlu agar metode NR konvergen dinyatakan pada Teorema 2 dan Teorema 3. mendekati –sin(x). cacah digit akurat menjadi dua kali lipat pada setiap langkah. KESIMPULAN DAN SARAN Berikut adalah beberapa kesimpulan yang diperoleh dari penyelidikan metode NR. Tabel 5 Iterasi NR untuk xe. sehingga iterasinya akan konvergen jika hampiran awalnya pada interval tersebut. Di dekat akar sederhana. (a) (b) Gambar 4 Situlasi penyebab kegagalan iterais Newton-Raphson 5. akarnya semakin ke kanan semakin mendekati kelipatan pi.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Fungsi f (x ) = e.x . 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. sehingga tidak perlu dihitung secara manual. Meskipun metode NR memerlukan perhitungan nilai turunan fungsi. yakni jika terjadi f '(x ) = 0 . | g(x ) |< 1 jika x<0. 2. Metode NR konvergen secara kuadratik.

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

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

15g\t%0.abs(y2))). dx=x0. N=50. % hitung f(x0) hasil=[iterasi. if ((err<delta|relerr<delta) & abs(fx)<delta)|fx==0. % plot f(x) dengan garis mulus set(gca.dx. 1. hold off.x0.x0). % iterasi harus dihentikan jika f'(x0)=0 if k>5. disp(num2str(hasil(iterasi-4:iterasi+1. r=hasil(iterasi+1.'!']). % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0. bertemu garis singgung mendatar di x= '.18)). iterasi=k. ymin=-min(5. dengan menambah maksimum iterasi! ') end end end B.'Color'.':') ezplot(f. else dx = fx/df0.15g\t%0.18)). disp(num2str(hasil(k-5:k. ezplot(df. error('Cobalah ulangi. % atau tampilkan hasil dengan format tabel end break else if iterasi==N.min(abs(y1). else disp(num2str(hasil. fx= subs(f. else disp(num2str(hasil.[0 0 1]).17)).'line'. delta=1e-15..15g\n'. ymax=min(25.num2str(x0).end df=diff(f).[x0-2. % akar yang diperoleh if (nargin==6 & tabel==1). % hitung fungsi turunan ( f') y1=subs(f.end.Analisis dan Implementasi Metode . .:).[x0-2.x0.3.2). end. % hampiran berikutnya. N=50.x0-2).'Type'.x0. (Sahid) else if nargin<3. % hampiran galat relatif hasil=[hasil.--------.N.'YLim'. disp('Iterasi mungkin tidak konvergen!').[ymin ymax]) % set batas-batas y yang sesuai iterasi=0.epsilon. 2.N.. disp('Berikut adalah hasil 6 iterasi terakhir:').:).end error(['Stop. end x = x0 .x0+2).hold on % plot f'(x) dengan garis putus-putus set(findobj(gca. x fx = subs(f. df0 = subs(df.max(abs(y1).'lineStyle'.x0+2]).1) M-195 . % jika tidak diberikan else if nargin<4.[k. % hitung nilai f'(x0) if df0==0. % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:').dx].hasil'). for k=1:N.. n= 0. % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps).x).abs(y2))).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 .x..fx.delta.dx]].m.x0). % simpan hasilnya x0=x.y2=subs(f.grid on.15g\t%0.tabel) %---------------------------------------------------------------------% mnrsym.delta.end.x0+2]). % f'(x_n) % Contoh-contoh pemakaian: % mnrsym('(x-1)^3*(3*x+2)'.18)). Program Iterasi Newton Termodifikasi untuk Akar Ganda function hasil = mnrsym(f. % hitung f(x) err = abs(dx).fx.

N). delta=1e-15.x. end if nargin<3.f=(x-1)*(exp(x-1)-1).[x0-2. % hitung fungsi turunan ( f') y1=subs(f.x0+2]). % syms x. hold off.2).0. else if (isvarname(f)) % cek format masukan fungsi help nrsym. ymin=-min(5. dx=x0. else disp(num2str(hasil. % Set nilai-nilai parameter else if nargin<4.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 % hasil = mnrsym('cos(x)'. % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps).x0). x fx = subs(f. N=50.fx.x0).1e-15.50).1. % 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!').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 . for k=1:N.delta. if ((err<delta|relerr<delta)& abs(fx)<delta)|fx==0.end.1. % f='cos(x)'.'Type'. mnrsym(f. % hitung f(x0) hasil=[iterasi.'Color'. ymax=min(25.x0+2). % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi.[k.x0-2). else dx = m*fx/df0.':') ezplot(f.1.x0+2]).'!']).[ymin ymax]) % set batas-batas y yang sesuai iterasi=0. end.dx]]. M-196 . % iterasi harus dihentikan jika f'(x0)=0 if k>5. delta=1e-15. mnrsym(f.dx].17)).num2str(x0).[0 0 1]).end df=diff(f). % 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).x0. bertemu garis singgung mendatar di x = '. % hitung nilai f'(x0) if df0==0.hold on % plot f'(x) dengan garis putus-putus set(findobj(gca. disp(num2str(hasil(k-5:k.x). N=50.'lineStyle'.2.dx. % hitung f(x) err = abs(dx). % jika tidak diberikan else if nargin<5. % hampiran berikutnya. % mnrsym('x^2-4*x+4'.[x0-2.50). % simpan hasilnya x0=x. fx= subs(f.max(abs(y1). iterasi=k.fx.abs(y2))). x0=0.'YLim'.end error(['Stop. % plot f(x) dengan garis mulus set(gca. % hampiran galat relatif hasil=[hasil.end.min(abs(y1). df0 = subs(df.2.grid on.'line'.abs(y2))).y2=subs(f. ezplot(df.1e-15.x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin<=1 error('Anda harus menuliskan fungsi dan derajad akarnya!').18)). N=50. end x = x0 .

15g\t%0. else disp(num2str(hasil. error('Cobalah ulangi.5)=r-hasil(:.Analisis dan Implementasi Metode . disp('Berikut adalah hasil 6 iterasi terakhir:'). % atau tampilkan hasil dengan format tabel end break else if iterasi==N. % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0.. r=hasil(iterasi+1..18)).:). disp('Iterasi mungkin tidak konvergen!').hasil').2). (Sahid) % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:'). % akar yang diperoleh hasil(:.18)).15g\t%0.15g\t%0. disp(num2str(hasil(iterasi-4:iterasi+1.2).15g\n'. dengan menambah maksimum iterasi! ') end end end M-197 . % kolom galat hampiran if (nargin==6 & tabel==1).

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->