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

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

2. Hitung gradien garis singgung terhadap kurva y = f (x ) di titik (xn . kemudian menghitung hampiran selanjutnya dengan cara sebagai berikut. 1992: 45) Misalkan g adalah suatu fungsi. 1993: 69. suatu barisan yang konvergen ke r dan misalkan en = r . x1. n = 0. dan kubik. Metode Newton dapat dipandang sebagai contoh khusus metode Titik-Tetap (Conte & de Boor. untuk n = 0. PENURUNAN RUMUS ITERASI NEWTON – RAPHSON Iterasi Newton – Raphson berawal dari sebuah hampiran awal untuk akar r . 1. x 2 ... Hampiran berikutnya adalah absis titik potong garis singgung tersebut dengan sumbu-x. kuadratik. maka m disebut derajad kekonvergenan barisan tersebut dan C disebut konstanta galat asimptotik.. maka r = g(r ) . Selanjutnya.2. 2..xn ) + f (xn ) . Bilangan x pada domain g dikatakan merupakan titik tetap g jika memenuhi x = g(x ) .1. Definisi 5 (Iterasi Newton -. kekonvergenanya berturut-turut disebut linier..xn .. yakni y = f '(xn )(x . disebut iterasi titik tetap. 79). n=0.1. Dari (4) terlihat bahwa. 3. (4) Terdapat hubungan antara akar persamaan f (x ) = 0 dan titik tetap fungsi g . 1. iterasi xn + 1 = g(xn ). M-181 . (Sahid) Definisi 3 (Derajad Kekonvergenan) (Atkinson.. 1993: 87.. Apabila terdapat sebuah bilangan m dan sebuah konstanta C ¹ 0 . Definisi 4 (Titik Tetap Fungsi & Iterasi Titik Tetap) (Atkinson.. Misalkan x n adalah hampiran awal pada langkah ke-n. f '(x n ) f (x ) f '(x ) (3) disebut barisan iterasi Newton.. 2. x 2 . 1993: 84... Mathews.. Fungsi g yang didefinisikan sebagai g(x ) = x disebut fungsi iterasi Newton – Raphson. 1992: 77) Misalkan x 0 . jika f (r ) = 0 . yakni xn + 1 = xn - f (x n ) . 3. Mathews.2. yang diperoleh dari xn+ 1 = xn f (x n ) . 1981. 1992: 72) Misalkan fungsi iterasi (2) f mempunyai turunan pertama f ' .Analisis dan Implementasi Metode . f '(x n ) (5) Langkah-langkah tersebut diperlihatkan pada Gambar 1. Mathews. Barisan x 0 . ….. x1. sedemikian hingga n® ¥ lim | en + 1 | | en |m = C. untuk m = 1. yakni f '(x n ) dan tentukan persamaan garis singgungnya. Khususnya. f (xn )) .Raphson) (Atkinson.

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

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

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

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

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

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

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

1 (Atkinson. sehingga pemakaian hampiran awal yang tidak memenuhi syarat-syarat pada Teorema 2 maupun Teorema 3 boleh jadi akan menghasilkan iterasi yang konvergen. 1993: 67. program akan menggunakan nilai-nilai default. yakni hampiran awal x 0 = 0 . Pada program-program MATLAB tersebut digunakan kriteria selisih kedua hampiran terakhir. Atkinson.1)(e x .m.. Di sinilah perlunya dilakukan eksperimen (perhitungan secara numerik) dengan menggunakan program-program yang telah disusun. 6.2204x10-16 ).Bx cos(x ). hampiran galat relatif iterasi terakhir.sin(x ) . f (x ) = e x . derajad akar (khusus dan wajib untuk program mnrsym.25. selain melakukan iterasi juga menghasilkan gambar kurva fungsi dan turunannya.m dan mnrsym.1 .15 . 88)  NR divergen Berikut disajikan beberapa tabel hasil eksperimen dengan metode NR pada fungsi-fungsi di atas. 1992: 79. Untuk menghindari pembagian dengan nol pada perhitungan galat relatif tersebut digunakan nilai eps ( = 2. dan maksimum iterasi dilakukan (opsional). Petunjuk selengkapnya sudah dituliskan di dalam program. f (x ) = x 6 . 1. 5.1) . hampiran awal (opsional). 2 B = 1. Apabila masukan opsional tidak diberikan. Untuk perbandingan juga disusun program yang mengimplementasikan metode NR termodifikasi (mnrsym. batas toleranasi galat (opsional).5.m) untuk akar ganda. Jika tidak dicantumkan. (Atkinson. karena program akan menghitung sendiri turunan fungsi yang diberikan. batas toleransi d = 10.1)3 (x . hampiran awal dapat dipilih berdasarkan Teorema 2. syarat-syarat tersebut hanyalah merupakan syarat cukup.1.m).m. M-189 . 1993: 95) f (x ) = (x . (Mathews.3 (Conte & de Boor. Eksperimen juga dapat digunakan untuk memverifikasi hasil-hasil analisis di atas. Akan tetapi. IMPLEMENTASI METODE NEWTON-RAPHSON Program MATLAB yang mengimplementasikan metode NR. 7. semua eksperimen menggunakan batas toleransi 10. tidak merupakan syarat perlu. 1993: 63. serta parameter untuk menentukan format tampilan hasil. 3. 1993: 77) f (x ) = (x .. 78)  akar tripel f (x ) = (x .10. (Atkinson. Pemakaian hampiran awal sebarang tidak menjamin kekonvergenan iterasi Newton. (Conte & de Boor. telah di-susun oleh peneliti. yakni nrsym.2. Dalam hal ini.1) . 8. Hasil-hasil Eksperimen Eksperimen komputasi dengan menggunakan program-program yang telah disusun dilakukan pada fungsi-fungsi di bawah ini. Fungsi dapat dituliskan dalam bentuk ekspresi (rumus) atau variabel yang menyimpan ekspresi tersebut.2. program nrsym. Untuk mengetahui pe-rilaku fungsi di sekitar hampiran awal. yang dapat ditampilkan dengan menuliskan perintah help nama_program. dan nilai fungsi.Analisis dan Implementasi Metode . 1981: 106) f (x ) = x + e. Penggunaan program-program MATLAB tersebut memerlukan masukan berupa fungsi (harus). Untuk kasus akar ganda juga disajikan hasil komputasi dengan metode NR termodifikasi. 1993: 67) f (x ) = xe. 4. 1981: 105.x .x .  akar dobel f (x ) = e. Di depan sudah diuraikan beberapa syarat cukup untuk menentukan hampiran awal agar iterasi Newton.50 . 80) 2.x . (Sahid) diketahui. Pada kedua program tidak diperlukan masukan turunan fungsi. yang pada MATLAB merupakan nilai keakuratan relatif titik mengambang (floating point relative accuaracy).1)3 (Atkinson. Pemilihan hampiran awal dan nilai batas toleransi dapat mempengaruhi konvergensi iterasi.15 dan maksimum iterasi N = 50 .

xn.Bx cos(x ) berupa garis lurus dengan gradien 1 di luar interval [-1.8366].d2 . maka | g(x ) |< 1 untuk x < d atau x > d2 dengan 1 [ f '(x )]2 d1 = 0.1347241384015194926054460545065 » 1.d1 atau | x 0 . Jadi.3 0.0986122886681098 x0 0 0.014.0790532584642561 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.r |< r .000768013750394037 4.8366.0118622517809468 0. Untuk kasus B=1.1 = 0 Iterasi 0 1 2 3 4 5 6 7 8 xn 0 -1 -0.0986122886681098 1.789951850459548 -0.x .5 -0. yakni r1 = -0.778089598678655 -0.221910401321399 0. Jika g(x ) = f (x )f "(x ) .18991885451312e-017 2 r . Dalam hal ini.404911548209309 Gagal (berputar-putar) -0. maka iterasinya akan konvergen. | g(x ) |< 1 untuk x > ln(3/2) .513732724126289 -0.1 0 1 -0.11022302462516e-016 0 Tabel 2 Iterasi NR untuk ex . yakni .32640201009749875 -0. Namum kasus ini.940 < x 0 < 0.xn.r2 |< r2 .36237720893951e-014 1.11022302462516e-016 xn .000283112457348689 1.588401776500996 -0.5 0 0 0 -0.0671910066833093 -0.792 . 1.0986122886681096 1.0986122886681098 1.014 < x 0 < 1.58840177650099634 -0.857142857142857 -0.r1 |< r1 .778089598678601 0. jika | x 0 .0986122886681098 1.4060599257989e-007 1.588401776500996 -0.183291333294485 Gagal (berputar-putar) 2 5 10 Persamaan ex .1 .384 d2 =1.4521717162097e-013 2.32640201009749875 Gagal (berputar-putar) Gagal (berputar-putar) Gagal (berputar-putar) -0.778089598678601 -0.77808959867860109788068230965929 » -0.35620693085042e-014 -8.7 dan hampir tegak pada interval x>1 dan x<-1.5 Konvergen ke -0.0986.8 Konvergen ke 1.778089761192171 -0.135.3 = 0 dan x + e. kurva y = x + e. Iterasi NR lengkap untuk x 6 . Pada iterasi ke 6 8 4 7 9 50 6 5 9 50 50 50 7 6 - Kurva y = x 6 . maka iterasi Newton akan konvergen.6251356971253e-007 5.3 = 0 x + e.x . dan r2 = 1. Persamaan x 6 .1 hampir datar (gradiennya mendekati nol) di sekitar x= 0.38414468140916746824964645853990 » 0.25 0 0 1 -0. -0.25 0.142857142857143 -0.0137368367302129894266430165240 » 1.000282949943779022 -1.22044604925031e-016 -1.256 .77837271113595 -0.62513516092177e-007 -5. Dalam | x 0 .32640201009749875 -0.Bx cos(x ) = 0 ex .384 atau 1. semakin kecil interval tersebut.1.3 = 0 mempunyai penyelesaian (akar) r = ln(3) » 1.032950424213666 0.1 = 0 mempunyai dua buah akar nyata. jika 2 hal ini tidak berarti bahwa untuk hampiran awal di luar interval-interval tersebut iterasinya pasti tidak konvergen. Semakin besar nilai B.7 1.ln(3/2) atau 25 50 0.253712313746823 0.778.0986122886681098 gagal 1.778089598678601 f (x n ) -1 1 0.5 1.x .5 -0.0986122886681098 1.3 -0.406 < x 0 < 1.0115791393235981 -0.183291333294485 -0.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Tabel 1. Untuk semua nilai M-190 .

1000000000000001 1. yang berderajad 3.1) = 0 mempunyai r=1.1)(e x .x .0000000000000013 1.1000000000000001 Gagal (berputar-putar) Gagal (berputar-putar) 1.99999999999999956 0.6863365823230057140504268859383 atau x> 2.1 adalah akar sederhana.0999999999999985 1. semakin lambat iterasi akan konvergen.1) = 0 mempunyai sebuah akar r=1. Iterasi Newton cukup lambat. Dari hasil perhitungan diperoleh.1)3 (x . atau x > 0.1 .1)3 = 0 (Metode NR) Iterasi ke 5 4 5 6 500 500 6 500 x0 0 1 1. Untuk kasus ini berlaku untuk semua x riel. Sudah tentu semakin jauh hampiran awal dari akar tersebut.1. asalakan berhingga.6962 .1) semakin besar nilai B. r=2. (Sahid) B. kurva melengkung ke atas dan menceng ke kanan di dalam interval yang sesuai dengan titik balik semakin mendekati ke (0. Persamaan (x . Jadi.0963639324106462 3.6 1 2 1.1)3 (x .1000000000000016 1.0000000001548968 1.25 1.Analisis dan Implementasi Metode .0000000001631835 Iterasi ke 50 81 82 87 56 54 59 1e-10 Persamaan (x .1000000000000001 1.1) = 0 Metode NR Modifikasi NR Iterasi ke 85 78 81 79 8 6 89 11 (x .99999999999999933 1. sehingga iterasinya akan konvergen berapapun hampiran awal.1000000000000001 Konvergen ke 1. 0.000000000000002 0. iterasinya akan konvergen.1000000000000001 1.5 5 Konvergen ke Gagal (sangat lambat) 1.1 .. Semakin besar nilai B.1) = 0 x0 0 -1 2 -2 Metode NR Konvergen ke 0.99999999986231403 Gagal (titik belok kurva) 1.1 ..21237390820801 3.4246972547385219 Persamaan (x .6330 .1000000000000001 1.25 .2. | g(x ) |< 1 jika x < -0. Tabel 4 Iterasi NR dan Modifikasi NR untuk (x . iterasinya akan konvergen ke akar tersebut pada iterasi ke-1. iterasinya dilaporkan belum konvergen M-191 .58853274398186106 25.132741228730506 * 182.1) = 0 dan (x . Dengan menggunakan rumus Newton termodifikasi. Jadi jika x 0 pada interval-interval tersebut.75 3 4 5 Konvergen ke 0.1)3 = 0 mempunyai akar r = 1 .0999999999999981 1.0136634176769942859495731140617.1)(e x .116746 .5 5 0 1 1.x . berapapun hampiran awal x 0 yang dipakai (asalkan berhingga).0963639324106462 9. -0.0999999999999983 2.5 1.0000000000000009 0. yang merupakan akar dobel.1904 < x < 0.1.2.1000000000000016 2. Untuk kasus B=10 akarnya adalah r = -0. Hal ini dikarenakan rumus iterasi Newton termodifikasi adalah x n = 1 .sin(x ) = 0 (x .1)(e x .1000000000000001 2.1000000000000001 Gagal (berputar-putar) d 1e-15 x0 0 1. akarnya semakin mendekati nol dari kiri. Dari hasil perhitungan diperoleh bahwa | g(x ) |< 1 jika x<1.1 adalah akar berderajad tiga. -1. | g(x ) |< 1 Iterasi ke 5 3 5 500 6 4 6 7 *) gradien kurva di titik tsb. Tabel 3 Iterasi NR dan Modifikasi NR untuk (x .1)3 = 0 (x .0000000000000018 1.sin(x ) = 0 x0 0 0.5220 < x < -0.1) sama dengan 1.2.1)3 (x .3264 .1) = 0 dan e. meskipun iterasi NR termodifikasi belum tentu konvergen (khususnya jika hampiran awal lebih dekat ke akar sederhana). Gradien di titik (0.99999999999999944 Iterasi ke 50 50 51 50 Modifikasi NR Konvergen Iterasi ke ke 1 5 1 6 1 5 1 7 e.7 5 3 2 -3 5 Konvergen ke 1.1.32640201009749872199953005910687 » -0.58853274398186106 0. iterasi NR konvergen apabila x 0 pada interval-interval tersebut.58853274398186106 0.

sehingga tidak perlu dihitung secara manual. (a) (b) Gambar 4 Situlasi penyebab kegagalan iterais Newton-Raphson 5. mendekati –sin(x). akarnya semakin ke kanan semakin mendekati kelipatan pi. Metode NR konvergen secara kuadratik. telah dapat disusun program Matlab yang dapat melakukan secara simbolik perhitungan turunan fungsi. 3.x = 0 x0 Konvergen ke 1 Gagal (titik balik kurva) 2 Gagal (menjauh ke kanan) 0.sin(x ) semakin lama semakin periodik. | g(x ) |< 1 jika x<0. Syarat cukup namun tidak perlu agar metode NR konvergen dinyatakan pada Teorema 2 dan Teorema 3. 4.5 0 -2 0 0.35 0 0. Di dekat akar sederhana. 2.x .3718. cacah digit akurat menjadi dua kali lipat pada setiap langkah. 1. 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. Metode NR tidak akan konvergen jika: M-192 . KESIMPULAN DAN SARAN Berikut adalah beberapa kesimpulan yang diperoleh dari penyelidikan metode NR. Meskipun metode NR memerlukan perhitungan nilai turunan fungsi. yakni jika terjadi f '(x ) = 0 . Hal ini yang biasanya tidak ditemukan pada implementasi NR yang ada pada beberapa literatur.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Fungsi f (x ) = e.2 0 0.3 0 -3 0 Pada iterasi ke 50 6 8 9 7 7 11 Untuk fungsi ini. Tabel 5 Iterasi NR untuk xe. sehingga iterasinya akan konvergen jika hampiran awalnya pada interval tersebut.

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

New York.delta. 2/ed. Scheid. PWS Publishing Company.50). Numerical Methods.1. New York. Chapman and Hall. Singapore. G. & Patrick O. Curtis F. % nrsym('x^2*sin(x^2)-exp(x)'). Volkov. and Engineering. 2. % f'(x_n) % Contoh-contoh pemakaian: % nrsym('x^6-x-1'. Kendal (1993). & Carl de Boor (1981).1. A (1990). Applied Numerical Analysis. second edition. % Set nilai-nilai parameter M-194 . Program Iterasi Newton – Raphson function hasil = nrsym(f.N.delta.------.x0. McGraw-Hill Book Company. % 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). second edition.epsilon. Numerical Analysis.. nrsym(f. Singapore. Singapore Jacques. Science. Mathews. New York. Schaum's Outline Series Theory and Problems of Numerical Analysis. Borse. Elementar Numerical Analysis. Boston. Numerical Methods with MATLAB.1e-15. delta=1e-15.1e-15. nrsym(f.tabel) %---------------------------------------------------------------------% nrsym.J (1997). Wheatly (1994). Conte. Inc. Samuel D. Co. Francis (1989).delta.N. LAMPIRAN A.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 DAFTAR PUSTAKA Atkinson. 5th edition.50). An Algorithmic Approach. Prentice-Hall. Elementary Numerical Analysis.1. % f='cos(x)'. % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi. Englewood Cliffs.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 . McGraw-Hill Book Company. 1. else if (isvarname(f)) % cek format masukan fungsi help nrsym. % syms x.x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin==0 error('Anda harus menuliskan fungsinya!'). % Tampilkan petunjuk jika masukan berupa nama fungsi! error('Perhatikan petunjuk di atas!') % Program terhenti! end if nargin<2. N=50. A Resource for Scientiests and Engineers. . Ian & Colin Judd (1987).1) % hasil = nrsym('cos(x)'.N). 3rd edition. Numerical Methods for Mathematics. x0=0.0..x0. AddisonWisley Pub.f=exp(x)-sin(x). n= 0. Singapore Gerald. John Wiley & Sons. E. John H (1992). Hemisphere Publishing Company. 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 ..

end.':') ezplot(f.end error(['Stop.hold on % plot f'(x) dengan garis putus-putus set(findobj(gca.'line'. for k=1:N.x0). % hampiran galat relatif hasil=[hasil.:). disp(num2str(hasil(k-5:k. % akar yang diperoleh if (nargin==6 & tabel==1). % hitung nilai f'(x0) if df0==0.x0).'Color'. % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0..'Type'. % simpan hasilnya x0=x.num2str(x0).15g\t%0.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 .1) M-195 .delta. 1.fx.grid on..y2=subs(f. 2. hold off.[x0-2.fx.:). ezplot(df. ymin=-min(5.hasil'). r=hasil(iterasi+1. error('Cobalah ulangi.15g\n'.max(abs(y1). delta=1e-15..15g\t%0.dx]. dengan menambah maksimum iterasi! ') end end end B.'!'])..18)). % hitung f(x0) hasil=[iterasi. disp('Berikut adalah hasil 6 iterasi terakhir:').abs(y2))). N=50.18)).x0.delta. if ((err<delta|relerr<delta) & abs(fx)<delta)|fx==0. % iterasi harus dihentikan jika f'(x0)=0 if k>5. % hampiran berikutnya. % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:'). % f'(x_n) % Contoh-contoh pemakaian: % mnrsym('(x-1)^3*(3*x+2)'.x0+2]).x).--------.end.18)).'lineStyle'.dx.x0+2]). else disp(num2str(hasil.N.x0+2). df0 = subs(df.[x0-2.3.x0-2). else dx = fx/df0. % plot f(x) dengan garis mulus set(gca.15g\t%0.N.[k. disp(num2str(hasil(iterasi-4:iterasi+1.epsilon.min(abs(y1).dx]].end df=diff(f). iterasi=k.2). fx= subs(f. bertemu garis singgung mendatar di x= '. % atau tampilkan hasil dengan format tabel end break else if iterasi==N. x fx = subs(f. end x = x0 .m. N=50.x0. n= 0. disp('Iterasi mungkin tidak konvergen!').abs(y2))).'YLim'. .x0. % hitung f(x) err = abs(dx). ymax=min(25.tabel) %---------------------------------------------------------------------% mnrsym. (Sahid) else if nargin<3. end.[ymin ymax]) % set batas-batas y yang sesuai iterasi=0.Analisis dan Implementasi Metode . dx=x0. % hitung fungsi turunan ( f') y1=subs(f. % jika tidak diberikan else if nargin<4.[0 0 1]). % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps).17)).x. Program Iterasi Newton Termodifikasi untuk Akar Ganda function hasil = mnrsym(f. else disp(num2str(hasil.

ymin=-min(5. x0=0.dx].end.dx]]. disp(num2str(hasil(k-5:k.delta.x0).x0+2).x0+2]).num2str(x0).50).abs(y2))). iterasi=k.'Type'. % jika tidak diberikan else if nargin<5.'line'. M-196 .x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin<=1 error('Anda harus menuliskan fungsi dan derajad akarnya!'). % hitung fungsi turunan ( f') y1=subs(f.1.hold on % plot f'(x) dengan garis putus-putus set(findobj(gca.2).2.N). % 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!').1e-15.[ymin ymax]) % set batas-batas y yang sesuai iterasi=0.50). mnrsym(f. hold off. % hampiran berikutnya. N=50.1e-15.[0 0 1]).abs(y2))). % hitung f(x) err = abs(dx).'YLim'. % hitung f(x0) hasil=[iterasi. delta=1e-15.1. bertemu garis singgung mendatar di x = '.1.x).fx. % Set nilai-nilai parameter else if nargin<4.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 % hasil = mnrsym('cos(x)'. % iterasi harus dihentikan jika f'(x0)=0 if k>5. % hampiran galat relatif hasil=[hasil.'lineStyle'.'!']). fx= subs(f. N=50. % f='cos(x)'. 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 .fx. % 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). for k=1:N.end error(['Stop.'Color'.x0-2).[x0-2.0. mnrsym(f.end df=diff(f). end x = x0 . % hitung nilai f'(x0) if df0==0. end if nargin<3.y2=subs(f.x0+2]).min(abs(y1). % syms x.[k.dx. df0 = subs(df.2. ymax=min(25. else dx = m*fx/df0. N=50. dx=x0.18)). if ((err<delta|relerr<delta)& abs(fx)<delta)|fx==0.[x0-2.end.x. x fx = subs(f.max(abs(y1). ezplot(df.grid on.17)). % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi. % mnrsym('x^2-4*x+4'.f=(x-1)*(exp(x-1)-1).x0). else if (isvarname(f)) % cek format masukan fungsi help nrsym.:).2. % simpan hasilnya x0=x. else disp(num2str(hasil. delta=1e-15.x0. % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps).':') ezplot(f. end. % plot f(x) dengan garis mulus set(gca.

18)). disp('Iterasi mungkin tidak konvergen!').15g\t%0.15g\t%0.18)).:).2). % akar yang diperoleh hasil(:. dengan menambah maksimum iterasi! ') end end end M-197 .hasil'). disp('Berikut adalah hasil 6 iterasi terakhir:'). % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0.15g\t%0. error('Cobalah ulangi..2). r=hasil(iterasi+1.5)=r-hasil(:. disp(num2str(hasil(iterasi-4:iterasi+1. % kolom galat hampiran if (nargin==6 & tabel==1). else disp(num2str(hasil.Analisis dan Implementasi Metode . (Sahid) % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:').. % atau tampilkan hasil dengan format tabel end break else if iterasi==N.15g\n'.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.