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

1990:9). 1992: 76) Misalkan r adalah akar persamaan f (x ) = 0 . Matlab dapat digunakan untuk tujuan ini. Volkov. seperti f (x ) = (x + 1)2 e x . Salah satu kendala dalam pemakaian metode Newton adalah keharusan menghitung nilai turunan fungsi. Metode NR memiliki ciri-ciri: (1) memerlukan sebuah hampiran awal.2 . dan f m (r ) ¹ 0. M-180 . maka r disebut akar sederhana. Analisis metode NR meliputi kekonvergenan pada akar sederhana dan akar ganda. maka (1) f (r ) = f '(r ) = . maka r disebut akar berderajad m .1 . DASAR TEORI Pembahasan metode numerik untuk mencari hampiran akar persamaan memerlukan beberapa pengertian dasar sebagai berikut. Jika m = 1 . 1993: 94.1)(r ) = 0. selanjutnya disingkat NR). 1992: 55) Misalkan f adalah suatu fungsi kontinyu. Metode NR yang dikaji dalam penelitian ini dibatasi untuk fungsi-fungsi satu variabel. Untuk m = 2 . Contoh-contoh komputasi numerik dengan program Matlab diterapkan pada beberapa tipe fungsi. sekalipun perhitungan dilakukan dengan kalkulator atau komputer. Semua fungsi yang dibahas dalam penelitian ini adalah fungsi kontinyu. fungsi trigonometri. maka r disebut akar dobel. Definisi 2 (Derajad Akar Persamaan) (Atkinson. 1989: 1. Di antara berbagai metode untuk menyelesaikan persamaan f (x ) = 0 adalah metode Newton (lengkapnya Newton—Raphson. sedemikian hingga f (x ) dapat dinyatakan sebagai 2 f (x ) = (x . dan tidak ada metode eksak yang dapat digunakan untuk menyelesaikannya (Jacques & Judd. 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: 43). Proses berlanjut sampai hampiran yang diperoleh memenuhi syarat keakuratan yang ditentukan. Setiap bilangan r pada domain f yang meme-nuhi f (r ) = 0 disebut akar persamaan f (x ) = 0 . Dari (1) terlihat bahwa jika r pembuat nol f (x ) yang berderajad m . 1987:1-2. yakni fungsi polinomial nonlinier.r )m h(x ).. Oleh karena itu. 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. Sebagai alternatif penyelesaian persamaanpersamaan demikian adalah pemakaian metode numerik untuk mendapatkan hampiran akar-akarnya. dan kombinasinya. Jika terdapat bilangan asli m dan fungsi kontinyu h(x ) dengan h(r ) ¹ 0 . r sering dikatan sebagai akar f . perlu dicari software yang sesuai untuk mengimplementasikan metode Newton yang tidak memerlukan perhitungan turunan fungsi secara manual. Dengan menggunakan metode numerik. maka r disebut akar ganda. dst. terutama untuk fungsi-fungsi tertentu.. = f (m. Jika m > 1 . Mathews. Titik potong garis singgung tersebut dengan sumbu-x merupakan hampiran berikutnya. Hal ini tidak selalu mudah jika dilakukan secara manual. fungsi eksponensial. Pembuat Nol Fungsi) (Mathews. Apabila tidak menimbulkan kerancuan. dan (2) memerlukan perhitungan turunan fungsi f (x ) dalam setiap iterasi. setidaknya pada interval yang sedang menjadi perhatian.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. Scheid. atau juga disebut pembuat nol fungsi f (x ) . Definisi 1 (Akar Persamaan.

Raphson) (Atkinson. …. Apabila terdapat sebuah bilangan m dan sebuah konstanta C ¹ 0 . yakni xn + 1 = xn - f (x n ) . 1992: 72) Misalkan fungsi iterasi (2) f mempunyai turunan pertama f ' . 1992: 77) Misalkan x 0 .. f '(x n ) f (x ) f '(x ) (3) disebut barisan iterasi Newton.. Bilangan x pada domain g dikatakan merupakan titik tetap g jika memenuhi x = g(x ) . Selanjutnya.2.1. Khususnya. f '(x n ) (5) Langkah-langkah tersebut diperlihatkan pada Gambar 1. n=0. yakni y = f '(xn )(x . (Sahid) Definisi 3 (Derajad Kekonvergenan) (Atkinson.1. kuadratik. M-181 . 1993: 87. yakni f '(x n ) dan tentukan persamaan garis singgungnya. maka m disebut derajad kekonvergenan barisan tersebut dan C disebut konstanta galat asimptotik. yang diperoleh dari xn+ 1 = xn f (x n ) . Mathews. 1.. jika f (r ) = 0 . iterasi xn + 1 = g(xn ). kemudian menghitung hampiran selanjutnya dengan cara sebagai berikut. Dari (4) terlihat bahwa. x1.Analisis dan Implementasi Metode . 3. x1. Misalkan x n adalah hampiran awal pada langkah ke-n. f (xn )) . Mathews. Metode Newton dapat dipandang sebagai contoh khusus metode Titik-Tetap (Conte & de Boor.. 1981... maka r = g(r ) .. 1. x 2 .xn ) + f (xn ) . n = 0... sedemikian hingga n® ¥ lim | en + 1 | | en |m = C. Definisi 4 (Titik Tetap Fungsi & Iterasi Titik Tetap) (Atkinson.. 3. 1993: 84. Mathews. Definisi 5 (Iterasi Newton -.2. (4) Terdapat hubungan antara akar persamaan f (x ) = 0 dan titik tetap fungsi g . disebut iterasi titik tetap. 79). untuk m = 1. dan kubik.2. Hampiran berikutnya adalah absis titik potong garis singgung tersebut dengan sumbu-x. 1993: 69. 2. Fungsi g yang didefinisikan sebagai g(x ) = x disebut fungsi iterasi Newton – Raphson. suatu barisan yang konvergen ke r dan misalkan en = r . 2.. kekonvergenanya berturut-turut disebut linier.. untuk n = 0.xn .. x 2 . 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 . Barisan x 0 .. 1992: 45) Misalkan g adalah suatu fungsi.

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

dengan menggunakan Teorema Nilai a Rata-rata.xn £ l 2 r . Akibat 1 (Syarat Kekonvergenan Iterasi Titik Tetap) Misalkan g(x ) dan g '(x ) c kontinyu pada interval [ .g(r1 ) r2 . iterasi (2) konvergen ke r . £ l r .x 0 . sehingga dari (8) diketahui bahwa. a Dari (7) . diperoleh r .x 0 £ x 1 . maka f (x ) juga kontinyu a pada interval tersebut. M-183 . dari (7) berlaku f (a ) £ 0 dan f (b) ³ 0 .l x 0 . r + d] Í [c.x1 ..b ].Analisis dan Implementasi Metode . Jika g '(r ) < 1 . nilai-nilai x n yang dihasilkan oleh iterasi titik tetap (2) juga terletak pada interval [ . Selanjutnya.d ] yang memuat titik tetap r . £ l n+ 1 r . diperoleh Lim n® ¥ r . Selanjutnya. a andaikan terdapat dua buah nilai r1 dan r2 yang memenuhi r1 = g(r1 ) dan r2 = g(r2 ) . sehingga menurut Teorema Nilai Antara terdapat r Î [ . 1. (1 .r1 r2 .b ] yang memenuhi f (r ) = 0 atau r = g(r ) .x1 + x1 . maka ruas kanan (11) konvergen ke 0.x n ).▄ (12) Dari hipotesis (8) dapat diketahui bahwa g '(r ) < 1 .x n £ 1 x .xn + 1 = g(r ) . Karena g(x ) kontinyu pada [ .l 1 l n 1.l ) r .g(x n ) = g '(cn )(r . untuk setiap hampiran awal x 0 Î [ .x0 . (Sahid) Definisikan fungsi f (x ) = x .x 0 .b ]. (10) untuk suatu nilai cn antara r dan x n . maka menurut Teorema Nilai Rata-rata terdapat c antara a dan b yang memenuhi g '(c) = g(r2 ) . maka terdapat bilangan d > 0 sedemikian hingga untuk setiap hampiran awal x 0 Î Id = [r . Hal ini bertentangan dengan hipotesis (8). maka demikian a pula cn ..x 0 + x1 . Oleh karena x n konvergen ke r dan cn antara r dan x n maka cn juga konvergen ke r .g(x ).x0 (11) Karena l < 1 . yang berakibat x n konvergen ke r . Selanjutnya. karena r dan x n pada [ .xn + 1 r .xn = g '(r ) . diperoleh r . Dengan menggunakan ketidaksamaan segitiga dan (11)..b ].d. Akan tetapi. Akibat berikut memberikan syarat yang lebih mudah daripada syarat pada Teorema 1 untuk menjamin kekonvergenan iterasi (2)..r1 = 1.1 £ .x0 £ sehingga r . r . Kondisi ini sangat erat kaitannya dengan kekonvegenan iterasi Titik Tetap (2). untuk n ³ 0 berlaku r .d ]. sehingga . dari (10).x 0 £ r .x 0 .x n .r1 = r2 .xn + 1 £ l r .b ].

= g (m. maka menurut Teorema Nilai Antara. sedemikian hingga |g'(x)|<1 untuk semua x Î Id . sebagaimana dinyatakan dalam Akibat berikut ini. sehingga (x n . dan f " kontinyu.r )m .1)! m! (13) dengan cn adalah suatu nilai antara xn dan r . dapat diketahui bahwa m suku pertama pada ruas kanan persamaan (13) bernilai nol. m ³ 1.1) (r ) = 0. Dengan kata lain.xn + 1 (r . Bukti: Perhatikan ekspansi g(x n ) di sekitar r . r + d] dengan d>0. mengingat f (r ) = 0. Bagaimanakah jika g '(r ) = 0 ? Dalam hal ini iterasi Titik Tetap akan mempunyai tingkat kekonvegenan yang lebih tinggi. karena f . yakni r . titik (0. dan g (m ) (r ) ¹ 0. f (r )) bukan merupakan titik singgung kurva y = f (x ) pada sumbu-x. Telah diasumsikan bahwa f kontinyu.1 (m . Pertama akan ditinjau kasus r merupakan akar sederhana. Jika fungsi g(x ) memenuhi g '(r ) = g "(r ) = ..r )g '(r ) + g "(r ) + .x n )m = g (m ) (r ) . yakni (xn .d. dapat dicari suatu interval Id = [r . Akibat 2 (Kekonvergenan Tingkat Tinggi Iterasi Titik Tetap) Misalkan iterasi Titik Tetap (2) konvergen ke titik tetap fungsi g(x ) . maka iterasi Titik Tetap tersebut memiliki derajad kekonvergenan m . m! (15) yang berarti bahwa iterasi Titik Tetap memiliki derajad kekonvergenan m.r )m (m ) = g(x n ) = r + g (cn ).r )2 (xn . 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. Oleh karena g '(r ) = 0. [f '(x )]2 [f '(x )]2 (16) f (r )f "(r ) = 0.r )m m! n® ¥ (x n + 1 . [f '(r )]2 Selanjutnya... Dari definisi fungsi iterasi Newton – Raphson (4) diperoleh g '(x ) = 1 sehingga g '(r ) = f '(x )f '(x ) . + g (r ) + g (cn ) 2 (m . m! (14) g (m ) (cn ) = .1) (xn . f ' . Jadi. ▄ Berikut ditinjau kekonvergenan iterasi Newton – Raphson (5).r ) lim r . sehingga diperoleh xn + 1 (x n . Sekarang akan dipandang iterasi Newton (5) sebagai iterasi titik tetap terhadap fungsi g : M-184 . maka g ' juga kontinyu.r )m (m ) g(xn ) = g(r ) + (xn . Dari hipotesis mengenai fungsi g(x ) . Misalkan f memiliki setidaknya dua turunan pertama yang kontinyu pada suatu interval I yang memuat akar r .f (x )f "(x ) f (x )f "(x ) = .

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

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

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

Dengan 2f '(r ) n ³ 0.1)h(x n ) . jika nilai mutlak l cukup besar. Terlihat.1 m (26) mengingat h(r ) ¹ 0 .En h '(x n )ü ï ï .xn + 1 » l (r . Teorema 4 (Laju Kekonvergenan Iterasi Newton – Raphson) Misalkan barisan barisan {x n }¥ yang dihasilkan oleh iterasi (5) konvergen ke r . Persamaan pada (26) sesuai dengan hasil (12).xn ) ® 0 . Akan tetapi. syaratnya adalah l (r . l ë û 2n (27) Agar xn ® r atau (r . l f "(r ) (28) Jadi.f "(r ) .xn )2 untuk nilai-nilai x n yang dekat dengan r . l (r . 2f '(r ) Jika r akar ganda berderajad m > 1 . 0 Misalkan En menyatakan galat hampiran Newton pada iterasi ke-n.1)h(x n ) . dari (19) dapat diperoleh hubungan r . di mana f(r)=0 . maka x 0 harus dipilih cukup dekat dengan r . secara induktif diperoleh .En h(x n ) ï. maka kekonvergenan tersebut bersifat linier. = En ï ì ý ï mh(x n ) .x n ) » é (r .En h '(x n ) ï mh(x n ) . sehingga n® ¥ lim En + 1 En = m.x 0 )ù . maka hampiran awal x 0 harus dipilih yang memenuhi (28). = ï ì ý ï mh(x n ) . maka kekonvergenan tersebut bersifat kuadratik. Hasil-hasil di atas dapat dirangkum dalam teorema sebagai berikut. yakni En = r . yakni lim = f "(r ) . Dari (26) diketahui bahwa kekonvergenan iterasi Newton – Raphson ke akar ganda bersifat linier. dengan l = asumsi semua x n dekat dengan r .En h '(x n )ü ï ï ï. Jika n® ¥ r En + 1 2 En akar sederhana. maka lim En = 0.x0 < 2f '(r ) 1 = . yakni E m.En h '(x n ) ï ï ï î þ (25) Jika x n konvergen ke r .x n .x 0 ) < 1 . atau r . Untuk kasus akar sederhana. n® ¥ En m Selanjutnya akan ditinjau alternatif lain pemilihan hampiran awal x 0 yang sesuai untuk men- jamin kekonvergenan iterasi Newton – Raphson.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 En + 1 = En + atau í (m .1 lim n + 1 = . mengingat f'(r) ¹ 0 . oleh karena r mungkin tidak diketahui. agar iterasi (5) konvergen ke akar sederhana r .En h '(x n ) ï ï î þ En + 1 En n® ¥ (24) í (m . maka jika demikian nilai l juga tidak M-188 .

dan nilai fungsi.Bx cos(x ). Pada kedua program tidak diperlukan masukan turunan fungsi. Dalam hal ini. Apabila masukan opsional tidak diberikan. hampiran awal dapat dipilih berdasarkan Teorema 2. batas toleransi d = 10. sehingga pemakaian hampiran awal yang tidak memenuhi syarat-syarat pada Teorema 2 maupun Teorema 3 boleh jadi akan menghasilkan iterasi yang konvergen. 2 B = 1.1. semua eksperimen menggunakan batas toleransi 10. 8.10. Di depan sudah diuraikan beberapa syarat cukup untuk menentukan hampiran awal agar iterasi Newton. 1992: 79.1 .1)3 (Atkinson.1)3 (x . yang dapat ditampilkan dengan menuliskan perintah help nama_program.m). f (x ) = e x . serta parameter untuk menentukan format tampilan hasil. 1. derajad akar (khusus dan wajib untuk program mnrsym. Di sinilah perlunya dilakukan eksperimen (perhitungan secara numerik) dengan menggunakan program-program yang telah disusun. 1993: 77) f (x ) = (x .2204x10-16 ).5. Fungsi dapat dituliskan dalam bentuk ekspresi (rumus) atau variabel yang menyimpan ekspresi tersebut. (Atkinson. Pada program-program MATLAB tersebut digunakan kriteria selisih kedua hampiran terakhir. 6. 88)  NR divergen Berikut disajikan beberapa tabel hasil eksperimen dengan metode NR pada fungsi-fungsi di atas..1 (Atkinson. yakni nrsym. 1993: 63. 80) 2. dan maksimum iterasi dilakukan (opsional).3 (Conte & de Boor. yakni hampiran awal x 0 = 0 . Eksperimen juga dapat digunakan untuk memverifikasi hasil-hasil analisis di atas. 7. IMPLEMENTASI METODE NEWTON-RAPHSON Program MATLAB yang mengimplementasikan metode NR.  akar dobel f (x ) = e. 78)  akar tripel f (x ) = (x .25.m. hampiran awal (opsional). Untuk mengetahui pe-rilaku fungsi di sekitar hampiran awal. Pemilihan hampiran awal dan nilai batas toleransi dapat mempengaruhi konvergensi iterasi. Penggunaan program-program MATLAB tersebut memerlukan masukan berupa fungsi (harus).m dan mnrsym. Atkinson. selain melakukan iterasi juga menghasilkan gambar kurva fungsi dan turunannya.1) .x .50 .1)(e x . program nrsym. Akan tetapi. M-189 . telah di-susun oleh peneliti.. 1981: 105. 4. karena program akan menghitung sendiri turunan fungsi yang diberikan. (Conte & de Boor. 1981: 106) f (x ) = x + e. yang pada MATLAB merupakan nilai keakuratan relatif titik mengambang (floating point relative accuaracy). Pemakaian hampiran awal sebarang tidak menjamin kekonvergenan iterasi Newton. Untuk kasus akar ganda juga disajikan hasil komputasi dengan metode NR termodifikasi. (Atkinson.15 dan maksimum iterasi N = 50 . program akan menggunakan nilai-nilai default. batas toleranasi galat (opsional). tidak merupakan syarat perlu. 5.Analisis dan Implementasi Metode . (Mathews. (Sahid) diketahui.sin(x ) . 1993: 67.m. 1993: 67) f (x ) = xe. hampiran galat relatif iterasi terakhir. Petunjuk selengkapnya sudah dituliskan di dalam program.2.x .15 .x . f (x ) = x 6 .m) untuk akar ganda.2. Hasil-hasil Eksperimen Eksperimen komputasi dengan menggunakan program-program yang telah disusun dilakukan pada fungsi-fungsi di bawah ini. syarat-syarat tersebut hanyalah merupakan syarat cukup. 3. Untuk menghindari pembagian dengan nol pada perhitungan galat relatif tersebut digunakan nilai eps ( = 2. 1993: 95) f (x ) = (x . Untuk perbandingan juga disusun program yang mengimplementasikan metode NR termodifikasi (mnrsym. Jika tidak dicantumkan.1) .

11022302462516e-016 0 Tabel 2 Iterasi NR untuk ex . Iterasi NR lengkap untuk x 6 . 1.25 0 0 1 -0.22044604925031e-016 -1.3 -0.000282949943779022 -1. Dalam hal ini.1347241384015194926054460545065 » 1.857142857142857 -0.x . Semakin besar nilai B.1 0 1 -0.384 atau 1.404911548209309 Gagal (berputar-putar) -0.1 = 0 mempunyai dua buah akar nyata. Untuk semua nilai M-190 .183291333294485 -0.d1 atau | x 0 .0986122886681098 1.032950424213666 0.7 1. jika 2 hal ini tidak berarti bahwa untuk hampiran awal di luar interval-interval tersebut iterasinya pasti tidak konvergen.0671910066833093 -0.940 < x 0 < 0.8 Konvergen ke 1.0986122886681096 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 0.000768013750394037 4.x .384 d2 =1. | g(x ) |< 1 untuk x > ln(3/2) .792 .588401776500996 -0.221910401321399 0.4521717162097e-013 2.513732724126289 -0.0137368367302129894266430165240 » 1.0986122886681098 x0 0 0. jika | x 0 .77837271113595 -0.1 .3 = 0 x + e.253712313746823 0.xn.32640201009749875 -0.11022302462516e-016 xn . Dalam | x 0 .014.8366.ln(3/2) atau 25 50 0.3 = 0 mempunyai penyelesaian (akar) r = ln(3) » 1. maka iterasi Newton akan konvergen.0986122886681098 1. semakin kecil interval tersebut. maka iterasinya akan konvergen.62513516092177e-007 -5.183291333294485 Gagal (berputar-putar) 2 5 10 Persamaan ex . Jika g(x ) = f (x )f "(x ) .4060599257989e-007 1.r |< r .Bx cos(x ) = 0 ex . kurva y = x + e.32640201009749875 -0.0986. Namum kasus ini.5 -0.7 dan hampir tegak pada interval x>1 dan x<-1.d2 .18991885451312e-017 2 r .135.778.3 0.r2 |< r2 .0986122886681098 gagal 1. yakni r1 = -0. Persamaan x 6 .Bx cos(x ) berupa garis lurus dengan gradien 1 di luar interval [-1.38414468140916746824964645853990 » 0.778089598678601 -0. Jadi. -0.0118622517809468 0.588401776500996 -0.000283112457348689 1.778089598678601 0.77808959867860109788068230965929 » -0.0115791393235981 -0.778089761192171 -0.256 . Pada iterasi ke 6 8 4 7 9 50 6 5 9 50 50 50 7 6 - Kurva y = x 6 . Untuk kasus B=1.32640201009749875 Gagal (berputar-putar) Gagal (berputar-putar) Gagal (berputar-putar) -0.x . dan r2 = 1.0986122886681098 1.36237720893951e-014 1.1 = 0 Iterasi 0 1 2 3 4 5 6 7 8 xn 0 -1 -0.778089598678655 -0.142857142857143 -0.1 hampir datar (gradiennya mendekati nol) di sekitar x= 0.3 = 0 dan x + e. yakni .35620693085042e-014 -8.778089598678601 f (x n ) -1 1 0.r1 |< r1 .xn.5 0 0 0 -0.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Tabel 1.406 < x 0 < 1.58840177650099634 -0.0986122886681098 1.25 0.5 -0.789951850459548 -0.014 < x 0 < 1.5 Konvergen ke -0.6251356971253e-007 5.1.0790532584642561 0.8366].5 1. maka | g(x ) |< 1 untuk x < d atau x > d2 dengan 1 [ f '(x )]2 d1 = 0.

semakin lambat iterasi akan konvergen.1 .1)3 = 0 (x .132741228730506 * 182.1000000000000001 Gagal (berputar-putar) d 1e-15 x0 0 1.75 3 4 5 Konvergen ke 0. iterasinya akan konvergen ke akar tersebut pada iterasi ke-1.1)(e x .2.1) = 0 mempunyai r=1.2.1. Dari hasil perhitungan diperoleh bahwa | g(x ) |< 1 jika x<1.21237390820801 3.1000000000000001 1.99999999986231403 Gagal (titik belok kurva) 1.1. Persamaan (x .1000000000000016 1.sin(x ) = 0 (x . sehingga iterasinya akan konvergen berapapun hampiran awal.x .1)(e x .1)3 = 0 (Metode NR) Iterasi ke 5 4 5 6 500 500 6 500 x0 0 1 1.1000000000000001 1.0000000000000018 1.0963639324106462 3.1904 < x < 0.99999999999999933 1.1) = 0 x0 0 -1 2 -2 Metode NR Konvergen ke 0.32640201009749872199953005910687 » -0. Gradien di titik (0. Iterasi Newton cukup lambat.1) sama dengan 1.6330 .1)(e x .1.5 5 0 1 1.1000000000000001 Konvergen ke 1.6863365823230057140504268859383 atau x> 2.0000000000000009 0. r=2. Semakin besar nilai B.7 5 3 2 -3 5 Konvergen ke 1. Tabel 4 Iterasi NR dan Modifikasi NR untuk (x .1000000000000001 1. atau x > 0. Dari hasil perhitungan diperoleh. Jadi.1 . meskipun iterasi NR termodifikasi belum tentu konvergen (khususnya jika hampiran awal lebih dekat ke akar sederhana). asalakan berhingga.0963639324106462 9.5220 < x < -0.1 adalah akar berderajad tiga.1)3 (x .1)3 = 0 mempunyai akar r = 1 . -1. iterasi NR konvergen apabila x 0 pada interval-interval tersebut.Analisis dan Implementasi Metode .99999999999999944 Iterasi ke 50 50 51 50 Modifikasi NR Konvergen Iterasi ke ke 1 5 1 6 1 5 1 7 e. Untuk kasus ini berlaku untuk semua x riel.sin(x ) = 0 x0 0 0.2. (Sahid) B.1) = 0 mempunyai sebuah akar r=1.1 .6 1 2 1.1)3 (x . Hal ini dikarenakan rumus iterasi Newton termodifikasi adalah x n = 1 .99999999999999956 0.116746 .25 1.0999999999999983 2. iterasinya dilaporkan belum konvergen M-191 .1 adalah akar sederhana. Sudah tentu semakin jauh hampiran awal dari akar tersebut.25 .58853274398186106 0.5 1. Tabel 3 Iterasi NR dan Modifikasi NR untuk (x .1000000000000001 1. kurva melengkung ke atas dan menceng ke kanan di dalam interval yang sesuai dengan titik balik semakin mendekati ke (0.000000000000002 0. berapapun hampiran awal x 0 yang dipakai (asalkan berhingga).3264 .0000000001548968 1.0000000000000013 1. | g(x ) |< 1 Iterasi ke 5 3 5 500 6 4 6 7 *) gradien kurva di titik tsb.0136634176769942859495731140617.x .1) = 0 Metode NR Modifikasi NR Iterasi ke 85 78 81 79 8 6 89 11 (x .0000000001631835 Iterasi ke 50 81 82 87 56 54 59 1e-10 Persamaan (x . Untuk kasus B=10 akarnya adalah r = -0. yang merupakan akar dobel. iterasinya akan konvergen. Dengan menggunakan rumus Newton termodifikasi. yang berderajad 3... Jadi jika x 0 pada interval-interval tersebut. | g(x ) |< 1 jika x < -0.1000000000000016 2.58853274398186106 25. -0.1) = 0 dan (x .58853274398186106 0.4246972547385219 Persamaan (x .0999999999999981 1.1000000000000001 2.1) = 0 dan e.1)3 (x .1) semakin besar nilai B.1000000000000001 Gagal (berputar-putar) Gagal (berputar-putar) 1.5 5 Konvergen ke Gagal (sangat lambat) 1. akarnya semakin mendekati nol dari kiri.0999999999999985 1. 0.6962 .

sehingga tidak perlu dihitung secara manual. Metode NR konvergen secara kuadratik. 4.2 0 0. Metode NR tidak akan konvergen jika: M-192 . Meskipun metode NR memerlukan perhitungan nilai turunan fungsi. yakni jika terjadi f '(x ) = 0 . telah dapat disusun program Matlab yang dapat melakukan secara simbolik perhitungan turunan fungsi.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Fungsi f (x ) = e. 2. Hal ini yang biasanya tidak ditemukan pada implementasi NR yang ada pada beberapa literatur.x . akarnya semakin ke kanan semakin mendekati kelipatan pi. | g(x ) |< 1 jika x<0.3 0 -3 0 Pada iterasi ke 50 6 8 9 7 7 11 Untuk fungsi ini.3718. Tabel 5 Iterasi NR untuk xe. 1. KESIMPULAN DAN SARAN Berikut adalah beberapa kesimpulan yang diperoleh dari penyelidikan metode NR. 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. Di dekat akar sederhana.5 0 -2 0 0.sin(x ) semakin lama semakin periodik. cacah digit akurat menjadi dua kali lipat pada setiap langkah.x = 0 x0 Konvergen ke 1 Gagal (titik balik kurva) 2 Gagal (menjauh ke kanan) 0. sehingga iterasinya akan konvergen jika hampiran awalnya pada interval tersebut.35 0 0. Syarat cukup namun tidak perlu agar metode NR konvergen dinyatakan pada Teorema 2 dan Teorema 3. 3. mendekati –sin(x). (a) (b) Gambar 4 Situlasi penyebab kegagalan iterais Newton-Raphson 5.

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

% f='cos(x)'. & Patrick O. McGraw-Hill Book Company. 2/ed. PWS Publishing Company. & Carl de Boor (1981). Conte. nrsym(f. Numerical Methods for Mathematics.x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin==0 error('Anda harus menuliskan fungsinya!').1e-15. Ian & Colin Judd (1987).N). A (1990). 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 . % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi. 2. Numerical Analysis. Kendal (1993). Schaum's Outline Series Theory and Problems of Numerical Analysis.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 DAFTAR PUSTAKA Atkinson. Francis (1989).N. x0=0.delta. % Set nilai-nilai parameter M-194 . Singapore.50).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 . Science. 3rd edition. New York. Scheid. % Tampilkan petunjuk jika masukan berupa nama fungsi! error('Perhatikan petunjuk di atas!') % Program terhenti! end if nargin<2.1) % hasil = nrsym('cos(x)'. 1. Singapore. Numerical Methods with MATLAB. % nrsym('x^2*sin(x^2)-exp(x)'). Elementar Numerical Analysis. Elementary Numerical Analysis.x0. A Resource for Scientiests and Engineers. Chapman and Hall. Volkov.1.. 5th edition. second edition. New York. N=50. LAMPIRAN A.epsilon.1. Borse. else if (isvarname(f)) % cek format masukan fungsi help nrsym.N. Samuel D. % syms x.delta. Englewood Cliffs. Inc.J (1997).50). Curtis F.x0.------. Hemisphere Publishing Company. nrsym(f. . E. Singapore Jacques. Singapore Gerald. and Engineering. Program Iterasi Newton – Raphson function hasil = nrsym(f. AddisonWisley Pub. McGraw-Hill Book Company. second edition. Mathews. John H (1992).delta.f=exp(x)-sin(x).1e-15. Co. Wheatly (1994).. Applied Numerical Analysis. New York. John Wiley & Sons. G.1.0. n= 0.tabel) %---------------------------------------------------------------------% nrsym. An Algorithmic Approach.. Boston. Prentice-Hall. % 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). % f'(x_n) % Contoh-contoh pemakaian: % nrsym('x^6-x-1'. Numerical Methods. delta=1e-15.

delta.hold on % plot f'(x) dengan garis putus-putus set(findobj(gca.--------. % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0. else dx = fx/df0. Program Iterasi Newton Termodifikasi untuk Akar Ganda function hasil = mnrsym(f.2). end x = x0 . disp(num2str(hasil(iterasi-4:iterasi+1. disp('Iterasi mungkin tidak konvergen!').[x0-2. (Sahid) else if nargin<3.15g\t%0.'Color'. % plot f(x) dengan garis mulus set(gca.x).. 1.17)).x0.[x0-2. x fx = subs(f. % jika tidak diberikan else if nargin<4. % hitung f(x) err = abs(dx).m.x0+2). % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:').'line'.15g\n'. end.x0). else disp(num2str(hasil.'lineStyle'.grid on. dengan menambah maksimum iterasi! ') end end end B.1) M-195 . % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps). % hampiran berikutnya.max(abs(y1). % atau tampilkan hasil dengan format tabel end break else if iterasi==N.18)).':') ezplot(f. % hampiran galat relatif hasil=[hasil.abs(y2))).end. hold off.'!']).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. n= 0. df0 = subs(df.x0. .x0+2]).:).x0. % f'(x_n) % Contoh-contoh pemakaian: % mnrsym('(x-1)^3*(3*x+2)'..:). % iterasi harus dihentikan jika f'(x0)=0 if k>5. dx=x0.x0).Analisis dan Implementasi Metode . error('Cobalah ulangi. if ((err<delta|relerr<delta) & abs(fx)<delta)|fx==0. fx= subs(f. ymin=-min(5.end df=diff(f). 2.. delta=1e-15.3. % akar yang diperoleh if (nargin==6 & tabel==1).dx].[ymin ymax]) % set batas-batas y yang sesuai iterasi=0.end. % hitung nilai f'(x0) if df0==0. for k=1:N.hasil'). else disp(num2str(hasil. bertemu garis singgung mendatar di x= '.18)).end error(['Stop.15g\t%0.num2str(x0).fx.'YLim'.[0 0 1]). % hitung f(x0) hasil=[iterasi. ymax=min(25..N.dx. N=50. disp(num2str(hasil(k-5:k.fx. disp('Berikut adalah hasil 6 iterasi terakhir:').18)).x0-2).min(abs(y1). iterasi=k.15g\t%0.y2=subs(f. % hitung fungsi turunan ( f') y1=subs(f. r=hasil(iterasi+1. % simpan hasilnya x0=x.'Type'. N=50.delta.N.x0+2]).abs(y2))).[k.dx]].epsilon. ezplot(df.tabel) %---------------------------------------------------------------------% mnrsym.

% jika tidak diberikan else if nargin<5.17)).dx.num2str(x0).2).x0).2. if ((err<delta|relerr<delta)& abs(fx)<delta)|fx==0.[x0-2.'!']). % Set nilai-nilai parameter else if nargin<4. mnrsym(f.2.dx]]. disp(num2str(hasil(k-5:k. else if (isvarname(f)) % cek format masukan fungsi help nrsym. % mnrsym('x^2-4*x+4'.[0 0 1]).x. else dx = m*fx/df0.2. else disp(num2str(hasil.fx.end df=diff(f). N=50. % hitung nilai f'(x0) if df0==0. mnrsym(f.abs(y2))).dx].end error(['Stop. % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi. end x = x0 .y2=subs(f.end. end if nargin<3.max(abs(y1).'Color'.1e-15. bertemu garis singgung mendatar di x = '.18)). % hitung fungsi turunan ( f') y1=subs(f.50).'lineStyle'.'line'. % simpan hasilnya x0=x.abs(y2))). % hampiran berikutnya.x0+2]).delta.end. % syms x.50). iterasi=k. % iterasi harus dihentikan jika f'(x0)=0 if k>5. % plot f(x) dengan garis mulus set(gca.min(abs(y1).1. delta=1e-15. x0=0. delta=1e-15. % Input: % f : ekspresi atau variabel simbolik yang mendefinisikan f(x) % m : derajad akar yang dicari % x0 : hampiran awal % delta : batas toleransi kekonvergenan hampiran r % N : maksimum iterasi % tabel : format tampilan hasil (1=pakai tab -> tabel pada MS Word).1. fx= subs(f.x0). hold off. ezplot(df. M-196 . df0 = subs(df.[k. ymax=min(25. % hitung f(x) err = abs(dx). % f='cos(x)'.grid on.1e-15. % hampiran galat relatif hasil=[hasil.'YLim'.x0-2).x0+2]).[x0-2.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 % hasil = mnrsym('cos(x)'. % hitung f(x0) hasil=[iterasi.1. dx=x0.[ymin ymax]) % set batas-batas y yang sesuai iterasi=0.hold on % plot f'(x) dengan garis putus-putus set(findobj(gca.:).0. N=50. for k=1:N. % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps).'Type'. x fx = subs(f.x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin<=1 error('Anda harus menuliskan fungsi dan derajad akarnya!'). % 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!'). 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.x0+2). end.':') ezplot(f. N=50. ymin=-min(5.x).f=(x-1)*(exp(x-1)-1).x0.N).

dengan menambah maksimum iterasi! ') end end end M-197 .15g\t%0. (Sahid) % iterasi konvergen -> tambahkan kolom r-x_n disp('Iterasi konvergen dengan hasil sebagai berikut:').18)).15g\n'. else disp(num2str(hasil. error('Cobalah ulangi. disp('Iterasi mungkin tidak konvergen!').:).Analisis dan Implementasi Metode .hasil').. r=hasil(iterasi+1.18)). % kolom galat hampiran if (nargin==6 & tabel==1).15g\t%0. % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0.15g\t%0.2). disp(num2str(hasil(iterasi-4:iterasi+1.2).5)=r-hasil(:. % akar yang diperoleh hasil(:. disp('Berikut adalah hasil 6 iterasi terakhir:').. % atau tampilkan hasil dengan format tabel end break else if iterasi==N.

Sign up to vote on this title
UsefulNot useful