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

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

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

akan diperoleh (5)..b ] dan memenuhi x Î [ . f (xn )) .b ]Þ a £ g(x ) £ b.xn + 1 » g '(r )(r . dan meng-abaikan suku ke-3 dan seterusnya pada ruas kanan (6). Dalam hal ini. yang digunakan dalam pembuktian selanjutnya.x n )2 f "(x n ) + . a Untuk setiap hampiran awal x 0 Î [ . Teorema 1 (Pemetaan Konstraksi) (Atkinson. Iterasi Newton . (9) Bukti: M-182 . a£ x £ b (8) maka: a Terdapat sebuah akar tunggal r Î [ .xn + 1 r .b ] yang memenuhi r = g(r ) . 1993: 84 . yakni: 1 (x .x1 Lim n® ¥ r .b ]. Untuk setiap n ³ 2 berlaku r . fungsi f (x ) telah dihampiri oleh garis singgung di titik (xn .x n )f '(x n ) + geometris sebelumnya.x n £ l n 1. ANALISIS KEKONVERGENAN METODE NEWTON – RAPHSON Sebelum membahas kekonvergenan iterasi Newton – Raphson.Raphson Rumus iterasi (5) juga dapat diturunkan dari deret Taylor f (x ) di sekitar x n . iterasi titik tetap (2) konvergen ke r .l x 0 .x n ).xn = g '(r ) . berikut akan ditinjau sebuah teorema mengenai iterasi titik tetap.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Gambar 1. a Selanjutnya. Jadi pada prinsipnya sama dengan pendekatan f (x ) = f (x n ) + (x .. sehingga untuk x n yang cukup dekat dengan r berlaku r . x n cukup dekat ke akar r . (6) 2 dengan mengasumsikan x n dan hampiran berikutnya. misalkan (7) l = Max g '(x ) < 1.85) a Misalkan g(x ) dan g '(x ) kontinyu pada interval [ .

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

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

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

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

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

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

Untuk perbandingan juga disusun program yang mengimplementasikan metode NR termodifikasi (mnrsym. (Sahid) diketahui. Akan tetapi.. (Conte & de Boor. 2 B = 1. yakni nrsym. dan maksimum iterasi dilakukan (opsional). syarat-syarat tersebut hanyalah merupakan syarat cukup. (Atkinson. 6. sehingga pemakaian hampiran awal yang tidak memenuhi syarat-syarat pada Teorema 2 maupun Teorema 3 boleh jadi akan menghasilkan iterasi yang konvergen.15 . hampiran awal (opsional). Untuk menghindari pembagian dengan nol pada perhitungan galat relatif tersebut digunakan nilai eps ( = 2.15 dan maksimum iterasi N = 50 . Di depan sudah diuraikan beberapa syarat cukup untuk menentukan hampiran awal agar iterasi Newton. 88)  NR divergen Berikut disajikan beberapa tabel hasil eksperimen dengan metode NR pada fungsi-fungsi di atas.25. 1. program akan menggunakan nilai-nilai default.1. 5.m) untuk akar ganda.2204x10-16 ). IMPLEMENTASI METODE NEWTON-RAPHSON Program MATLAB yang mengimplementasikan metode NR.m dan mnrsym. yakni hampiran awal x 0 = 0 . M-189 . Pemakaian hampiran awal sebarang tidak menjamin kekonvergenan iterasi Newton. Untuk kasus akar ganda juga disajikan hasil komputasi dengan metode NR termodifikasi.m).1) . Apabila masukan opsional tidak diberikan. Pemilihan hampiran awal dan nilai batas toleransi dapat mempengaruhi konvergensi iterasi.x . yang pada MATLAB merupakan nilai keakuratan relatif titik mengambang (floating point relative accuaracy). yang dapat ditampilkan dengan menuliskan perintah help nama_program. karena program akan menghitung sendiri turunan fungsi yang diberikan.1)3 (Atkinson. 1993: 67) f (x ) = xe. 1993: 77) f (x ) = (x . 1992: 79.2. (Mathews.1)(e x . Atkinson. 8. hampiran awal dapat dipilih berdasarkan Teorema 2.m. 1993: 95) f (x ) = (x . hampiran galat relatif iterasi terakhir. 7. Eksperimen juga dapat digunakan untuk memverifikasi hasil-hasil analisis di atas.m. 1981: 106) f (x ) = x + e. serta parameter untuk menentukan format tampilan hasil.Bx cos(x ).5. f (x ) = e x . Fungsi dapat dituliskan dalam bentuk ekspresi (rumus) atau variabel yang menyimpan ekspresi tersebut. Untuk mengetahui pe-rilaku fungsi di sekitar hampiran awal. 78)  akar tripel f (x ) = (x . derajad akar (khusus dan wajib untuk program mnrsym. Hasil-hasil Eksperimen Eksperimen komputasi dengan menggunakan program-program yang telah disusun dilakukan pada fungsi-fungsi di bawah ini. 1993: 63. Petunjuk selengkapnya sudah dituliskan di dalam program. dan nilai fungsi.1)3 (x ..1) .2. batas toleransi d = 10.sin(x ) . program nrsym. Di sinilah perlunya dilakukan eksperimen (perhitungan secara numerik) dengan menggunakan program-program yang telah disusun. 1993: 67.x . Dalam hal ini. 1981: 105. 80) 2. Pada program-program MATLAB tersebut digunakan kriteria selisih kedua hampiran terakhir.1 (Atkinson. Jika tidak dicantumkan. Pada kedua program tidak diperlukan masukan turunan fungsi. tidak merupakan syarat perlu. batas toleranasi galat (opsional).1 . telah di-susun oleh peneliti.50 . selain melakukan iterasi juga menghasilkan gambar kurva fungsi dan turunannya.x . 4.3 (Conte & de Boor. 3.  akar dobel f (x ) = e.Analisis dan Implementasi Metode .10. (Atkinson. semua eksperimen menggunakan batas toleransi 10. f (x ) = x 6 . Penggunaan program-program MATLAB tersebut memerlukan masukan berupa fungsi (harus).

0790532584642561 0.0986122886681098 x0 0 0.62513516092177e-007 -5.ln(3/2) atau 25 50 0.778089598678601 0.38414468140916746824964645853990 » 0.11022302462516e-016 0 Tabel 2 Iterasi NR untuk ex .000768013750394037 4. maka iterasi Newton akan konvergen.778089598678601 f (x n ) -1 1 0. -0.36237720893951e-014 1.588401776500996 -0.253712313746823 0.256 .014.406 < x 0 < 1. jika | x 0 .58840177650099634 -0.142857142857143 -0.11022302462516e-016 xn . Dalam | x 0 .r |< r .1 0 1 -0.5 0 0 0 -0.x . Semakin besar nilai B.77808959867860109788068230965929 » -0.792 .0986122886681096 1.x .3 -0. Jika g(x ) = f (x )f "(x ) .0986122886681098 1.0986122886681098 1.d2 .0115791393235981 -0.xn.0671910066833093 -0.000283112457348689 1. Jadi. | g(x ) |< 1 untuk x > ln(3/2) .32640201009749875 Gagal (berputar-putar) Gagal (berputar-putar) Gagal (berputar-putar) -0.r2 |< r2 . semakin kecil interval tersebut.0986122886681098 1.Bx cos(x ) = 0 ex . yakni r1 = -0.789951850459548 -0.77837271113595 -0.5 -0.18991885451312e-017 2 r . Dalam hal ini.778089761192171 -0. dan r2 = 1. jika 2 hal ini tidak berarti bahwa untuk hampiran awal di luar interval-interval tersebut iterasinya pasti tidak konvergen.x .3 0. kurva y = x + e.778.0986122886681098 1.404911548209309 Gagal (berputar-putar) -0.221910401321399 0.32640201009749875 -0.384 d2 =1.183291333294485 -0.8366].3 = 0 dan x + e.778089598678655 -0.032950424213666 0. maka iterasinya akan konvergen.1.xn. Iterasi NR lengkap untuk x 6 .r1 |< r1 .588401776500996 -0. Persamaan x 6 . Untuk kasus B=1.7 1.4521717162097e-013 2.3 = 0 mempunyai penyelesaian (akar) r = ln(3) » 1.1 hampir datar (gradiennya mendekati nol) di sekitar x= 0.1 = 0 mempunyai dua buah akar nyata. maka | g(x ) |< 1 untuk x < d atau x > d2 dengan 1 [ f '(x )]2 d1 = 0.135.1347241384015194926054460545065 » 1.1 = 0 Iterasi 0 1 2 3 4 5 6 7 8 xn 0 -1 -0.857142857142857 -0.Bx cos(x ) berupa garis lurus dengan gradien 1 di luar interval [-1.5 -0.8 Konvergen ke 1.513732724126289 -0.0137368367302129894266430165240 » 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 0.183291333294485 Gagal (berputar-putar) 2 5 10 Persamaan ex .25 0 0 1 -0.0986122886681098 gagal 1.5 1.6251356971253e-007 5.7 dan hampir tegak pada interval x>1 dan x<-1.778089598678601 -0. Untuk semua nilai M-190 . Namum kasus ini.35620693085042e-014 -8.000282949943779022 -1.25 0.940 < x 0 < 0.014 < x 0 < 1.4060599257989e-007 1.8366. yakni .22044604925031e-016 -1. 1.3 = 0 x + e.1 .Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Tabel 1.0986.384 atau 1.5 Konvergen ke -0. Pada iterasi ke 6 8 4 7 9 50 6 5 9 50 50 50 7 6 - Kurva y = x 6 .0118622517809468 0.d1 atau | x 0 .32640201009749875 -0.

1000000000000001 2.58853274398186106 25. Jadi jika x 0 pada interval-interval tersebut.1000000000000001 1.5 1.0963639324106462 3.25 1. Dengan menggunakan rumus Newton termodifikasi. meskipun iterasi NR termodifikasi belum tentu konvergen (khususnya jika hampiran awal lebih dekat ke akar sederhana).58853274398186106 0.6330 .0000000001631835 Iterasi ke 50 81 82 87 56 54 59 1e-10 Persamaan (x .x .0000000000000009 0.2.1) = 0 x0 0 -1 2 -2 Metode NR Konvergen ke 0. atau x > 0. iterasi NR konvergen apabila x 0 pada interval-interval tersebut. | g(x ) |< 1 jika x < -0.1)(e x . Sudah tentu semakin jauh hampiran awal dari akar tersebut. 0. Gradien di titik (0.1)(e x .1904 < x < 0.32640201009749872199953005910687 » -0.1 .0136634176769942859495731140617.5 5 Konvergen ke Gagal (sangat lambat) 1.1)(e x .1.5 5 0 1 1.1000000000000001 Gagal (berputar-putar) d 1e-15 x0 0 1.000000000000002 0.1000000000000001 Konvergen ke 1.58853274398186106 0. (Sahid) B.1 .99999999999999944 Iterasi ke 50 50 51 50 Modifikasi NR Konvergen Iterasi ke ke 1 5 1 6 1 5 1 7 e.2.1)3 (x .99999999999999933 1.6863365823230057140504268859383 atau x> 2.0999999999999983 2.0999999999999981 1.4246972547385219 Persamaan (x . -0.Analisis dan Implementasi Metode .1000000000000001 1. semakin lambat iterasi akan konvergen. yang merupakan akar dobel. Hal ini dikarenakan rumus iterasi Newton termodifikasi adalah x n = 1 . Jadi.1) = 0 Metode NR Modifikasi NR Iterasi ke 85 78 81 79 8 6 89 11 (x . Dari hasil perhitungan diperoleh bahwa | g(x ) |< 1 jika x<1. Dari hasil perhitungan diperoleh.6962 .1) = 0 dan e. yang berderajad 3.sin(x ) = 0 (x .1.1) = 0 mempunyai sebuah akar r=1. iterasinya akan konvergen.1)3 = 0 (Metode NR) Iterasi ke 5 4 5 6 500 500 6 500 x0 0 1 1.1000000000000016 2.75 3 4 5 Konvergen ke 0. akarnya semakin mendekati nol dari kiri. Untuk kasus B=10 akarnya adalah r = -0.1) = 0 dan (x .1000000000000001 Gagal (berputar-putar) Gagal (berputar-putar) 1.1)3 (x .116746 . iterasinya dilaporkan belum konvergen M-191 . Semakin besar nilai B.7 5 3 2 -3 5 Konvergen ke 1.0000000000000013 1. Tabel 3 Iterasi NR dan Modifikasi NR untuk (x .1)3 = 0 (x .6 1 2 1.2.. Persamaan (x .1000000000000016 1. iterasinya akan konvergen ke akar tersebut pada iterasi ke-1.0999999999999985 1.99999999999999956 0.1)3 (x .1) sama dengan 1. r=2.25 . | g(x ) |< 1 Iterasi ke 5 3 5 500 6 4 6 7 *) gradien kurva di titik tsb. Iterasi Newton cukup lambat.5220 < x < -0.1) = 0 mempunyai r=1.1 .132741228730506 * 182.0000000001548968 1.1000000000000001 1.1)3 = 0 mempunyai akar r = 1 .3264 .1 adalah akar berderajad tiga.1) semakin besar nilai B. Tabel 4 Iterasi NR dan Modifikasi NR untuk (x .0000000000000018 1. -1.1000000000000001 1. kurva melengkung ke atas dan menceng ke kanan di dalam interval yang sesuai dengan titik balik semakin mendekati ke (0.. sehingga iterasinya akan konvergen berapapun hampiran awal.21237390820801 3.x .1 adalah akar sederhana.1.99999999986231403 Gagal (titik belok kurva) 1. Untuk kasus ini berlaku untuk semua x riel. berapapun hampiran awal x 0 yang dipakai (asalkan berhingga).sin(x ) = 0 x0 0 0. asalakan berhingga.0963639324106462 9.

Syarat cukup namun tidak perlu agar metode NR konvergen dinyatakan pada Teorema 2 dan Teorema 3. 2.x . 3. mendekati –sin(x). akarnya semakin ke kanan semakin mendekati kelipatan pi.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Fungsi f (x ) = e. Metode NR tidak akan konvergen jika: M-192 . sehingga iterasinya akan konvergen jika hampiran awalnya pada interval tersebut.35 0 0. Hal ini yang biasanya tidak ditemukan pada implementasi NR yang ada pada beberapa literatur. Tabel 5 Iterasi NR untuk xe. telah dapat disusun program Matlab yang dapat melakukan secara simbolik perhitungan turunan fungsi. Di dekat akar sederhana. Meskipun metode NR memerlukan perhitungan nilai turunan fungsi. KESIMPULAN DAN SARAN Berikut adalah beberapa kesimpulan yang diperoleh dari penyelidikan metode NR. | g(x ) |< 1 jika x<0.sin(x ) semakin lama semakin periodik.5 0 -2 0 0. 4. sehingga tidak perlu dihitung secara manual.2 0 0. cacah digit akurat menjadi dua kali lipat pada setiap langkah.3 0 -3 0 Pada iterasi ke 50 6 8 9 7 7 11 Untuk fungsi ini.x = 0 x0 Konvergen ke 1 Gagal (titik balik kurva) 2 Gagal (menjauh ke kanan) 0. yakni jika terjadi f '(x ) = 0 . (a) (b) Gambar 4 Situlasi penyebab kegagalan iterais Newton-Raphson 5. 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. 1.3718. Metode NR konvergen secara kuadratik.

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

Prentice-Hall.x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin==0 error('Anda harus menuliskan fungsinya!').N. Scheid. Singapore. Englewood Cliffs.50).delta. Curtis F. Francis (1989).J (1997). 2/ed.delta. Science. Conte.------. 3rd edition. Program Iterasi Newton – Raphson function hasil = nrsym(f. & Patrick O. else if (isvarname(f)) % cek format masukan fungsi help nrsym.1e-15. McGraw-Hill Book Company. Elementary Numerical Analysis. 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. Boston. Co. An Algorithmic Approach. and Engineering.N).1. & Carl de Boor (1981). 5th edition. Numerical Analysis. Mathews..50). Samuel D. G. Borse.. Numerical Methods. Wheatly (1994). AddisonWisley Pub. LAMPIRAN A. Applied Numerical Analysis. Numerical Methods with MATLAB. delta=1e-15.1. % 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).x0. nrsym(f. % f'(x_n) % Contoh-contoh pemakaian: % nrsym('x^6-x-1'. New York.. Elementar Numerical Analysis. Inc. x0=0. John Wiley & Sons. A (1990).epsilon. N=50. n= 0.x0. % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi.0. E. Hemisphere Publishing Company. 1. nrsym(f.delta. PWS Publishing Company. A Resource for Scientiests and Engineers. New York. Schaum's Outline Series Theory and Problems of Numerical Analysis. 2. John H (1992). % f='cos(x)'.f=exp(x)-sin(x). McGraw-Hill Book Company. % syms x.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 . % Tampilkan petunjuk jika masukan berupa nama fungsi! error('Perhatikan petunjuk di atas!') % Program terhenti! end if nargin<2.1e-15. % nrsym('x^2*sin(x^2)-exp(x)').Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 DAFTAR PUSTAKA Atkinson. second edition.1) % hasil = nrsym('cos(x)'. . Singapore. Chapman and Hall. Ian & Colin Judd (1987). Volkov. Singapore Jacques.tabel) %---------------------------------------------------------------------% nrsym.N. New York. second edition. Kendal (1993). Singapore Gerald. Numerical Methods for Mathematics. % Set nilai-nilai parameter M-194 .

dx.end df=diff(f).x0-2). % plot f(x) dengan garis mulus set(gca.Analisis dan Implementasi Metode . ezplot(df.dx].end error(['Stop.'Color'. else disp(num2str(hasil.'YLim'.max(abs(y1).15g\t%0.. 1. disp(num2str(hasil(k-5:k. iterasi=k. else dx = fx/df0.x0+2).'line'.x0+2]).N. disp('Berikut adalah hasil 6 iterasi terakhir:').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 . hold off.x0.:). . disp('Iterasi mungkin tidak konvergen!').'Type'.x0).tabel) %---------------------------------------------------------------------% mnrsym.17)).abs(y2))). dengan menambah maksimum iterasi! ') end end end B. delta=1e-15. dx=x0. % hampiran berikutnya. % hampiran galat relatif hasil=[hasil. bertemu garis singgung mendatar di x= '.x.[ymin ymax]) % set batas-batas y yang sesuai iterasi=0. % akar yang diperoleh if (nargin==6 & tabel==1). x fx = subs(f. ymin=-min(5.hold on % plot f'(x) dengan garis putus-putus set(findobj(gca. % iterasi harus dihentikan jika f'(x0)=0 if k>5.fx.delta.3.. N=50. % jika tidak diberikan else if nargin<4.2).x0.min(abs(y1).num2str(x0). % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0.N. if ((err<delta|relerr<delta) & abs(fx)<delta)|fx==0.x0). df0 = subs(df. (Sahid) else if nargin<3. % hitung nilai f'(x0) if df0==0.x0.grid on. % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:').dx]].'!']). % hitung f(x0) hasil=[iterasi. else disp(num2str(hasil. % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps).[k.end. N=50. fx= subs(f.[0 0 1]). end x = x0 . r=hasil(iterasi+1.:).'lineStyle'.':') ezplot(f. end.x0+2]).15g\n'. Program Iterasi Newton Termodifikasi untuk Akar Ganda function hasil = mnrsym(f. % hitung f(x) err = abs(dx).[x0-2.1) M-195 .15g\t%0.abs(y2))).18)). disp(num2str(hasil(iterasi-4:iterasi+1..epsilon.delta.x). 2.y2=subs(f.[x0-2. n= 0.--------. ymax=min(25.m.end.hasil'). % simpan hasilnya x0=x. for k=1:N. % atau tampilkan hasil dengan format tabel end break else if iterasi==N.. % hitung fungsi turunan ( f') y1=subs(f. error('Cobalah ulangi.18)).15g\t%0.18)).fx. % f'(x_n) % Contoh-contoh pemakaian: % mnrsym('(x-1)^3*(3*x+2)'.

'line'. % hitung nilai f'(x0) if df0==0.abs(y2))). if ((err<delta|relerr<delta)& abs(fx)<delta)|fx==0.fx.1e-15.[0 0 1]).2.num2str(x0). df0 = subs(df.50).'!']). N=50.2).dx. hold off. delta=1e-15.'lineStyle'.f=(x-1)*(exp(x-1)-1).50). ezplot(df.x0-2). % hitung f(x0) hasil=[iterasi. N=50. % hitung f(x) err = abs(dx).hold on % plot f'(x) dengan garis putus-putus set(findobj(gca.[x0-2. end if nargin<3. mnrsym(f. % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi. N=50.17)). % mnrsym('x^2-4*x+4'.0.x0. % hampiran berikutnya.2.':') ezplot(f.1.x0+2]). iterasi=k. % Set nilai-nilai parameter else if nargin<4. % 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!'). dx=x0. ymin=-min(5. % simpan hasilnya x0=x.[k.1.abs(y2))). ymax=min(25. % hampiran galat relatif hasil=[hasil. bertemu garis singgung mendatar di x = '.max(abs(y1). delta=1e-15. x0=0.dx].grid on. else if (isvarname(f)) % cek format masukan fungsi help nrsym.y2=subs(f.delta. end.x.dx]].[x0-2.[ymin ymax]) % set batas-batas y yang sesuai iterasi=0.'Type'.min(abs(y1). % hitung fungsi turunan ( f') y1=subs(f. end x = x0 .18)). % syms x. else disp(num2str(hasil.end.end error(['Stop. % plot f(x) dengan garis mulus set(gca.fx. disp(num2str(hasil(k-5:k.x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin<=1 error('Anda harus menuliskan fungsi dan derajad akarnya!').Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 % hasil = mnrsym('cos(x)'.x0+2]). M-196 .end df=diff(f).x0).1. % 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). else dx = m*fx/df0. x fx = subs(f.x). % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps). fx= subs(f.N).2. % iterasi harus dihentikan jika f'(x0)=0 if k>5. mnrsym(f.'Color'. 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.end.:).'YLim'.x0+2). % jika tidak diberikan else if nargin<5.1e-15.x0). % f='cos(x)'.

:). disp('Iterasi mungkin tidak konvergen!'). % akar yang diperoleh hasil(:. dengan menambah maksimum iterasi! ') end end end M-197 . % kolom galat hampiran if (nargin==6 & tabel==1). else disp(num2str(hasil.15g\t%0.2).15g\t%0.hasil').15g\n'. % atau tampilkan hasil dengan format tabel end break else if iterasi==N. (Sahid) % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:').2)...18)).Analisis dan Implementasi Metode . disp(num2str(hasil(iterasi-4:iterasi+1.18)). error('Cobalah ulangi. disp('Berikut adalah hasil 6 iterasi terakhir:'). % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0.15g\t%0. r=hasil(iterasi+1.5)=r-hasil(:.

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.