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

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

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

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

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

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

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

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

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

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

Apabila masukan opsional tidak diberikan. 7. 78)  akar tripel f (x ) = (x . sehingga pemakaian hampiran awal yang tidak memenuhi syarat-syarat pada Teorema 2 maupun Teorema 3 boleh jadi akan menghasilkan iterasi yang konvergen. batas toleranasi galat (opsional). 1981: 105. Fungsi dapat dituliskan dalam bentuk ekspresi (rumus) atau variabel yang menyimpan ekspresi tersebut. Petunjuk selengkapnya sudah dituliskan di dalam program.2.x . (Atkinson.m.Analisis dan Implementasi Metode .2204x10-16 ).1)3 (Atkinson. Dalam hal ini.15 . Untuk mengetahui pe-rilaku fungsi di sekitar hampiran awal. Pada kedua program tidak diperlukan masukan turunan fungsi. serta parameter untuk menentukan format tampilan hasil. yakni nrsym. Akan tetapi. hampiran awal (opsional). 88)  NR divergen Berikut disajikan beberapa tabel hasil eksperimen dengan metode NR pada fungsi-fungsi di atas.10.  akar dobel f (x ) = e. dan maksimum iterasi dilakukan (opsional).1 . 1993: 67. yang dapat ditampilkan dengan menuliskan perintah help nama_program.25.. 3.m dan mnrsym. 6.1)(e x .sin(x ) .5. 8. program akan menggunakan nilai-nilai default.1.15 dan maksimum iterasi N = 50 . Di depan sudah diuraikan beberapa syarat cukup untuk menentukan hampiran awal agar iterasi Newton. 1992: 79. (Conte & de Boor. IMPLEMENTASI METODE NEWTON-RAPHSON Program MATLAB yang mengimplementasikan metode NR. (Mathews. f (x ) = e x . Eksperimen juga dapat digunakan untuk memverifikasi hasil-hasil analisis di atas. 1993: 63. 1. hampiran galat relatif iterasi terakhir. 4. dan nilai fungsi. semua eksperimen menggunakan batas toleransi 10. karena program akan menghitung sendiri turunan fungsi yang diberikan.x . Jika tidak dicantumkan. Atkinson. (Atkinson.m). 1993: 67) f (x ) = xe. Pada program-program MATLAB tersebut digunakan kriteria selisih kedua hampiran terakhir. 1993: 77) f (x ) = (x . (Sahid) diketahui.x . Hasil-hasil Eksperimen Eksperimen komputasi dengan menggunakan program-program yang telah disusun dilakukan pada fungsi-fungsi di bawah ini.50 .3 (Conte & de Boor.Bx cos(x ). yang pada MATLAB merupakan nilai keakuratan relatif titik mengambang (floating point relative accuaracy).1)3 (x . Di sinilah perlunya dilakukan eksperimen (perhitungan secara numerik) dengan menggunakan program-program yang telah disusun. Pemilihan hampiran awal dan nilai batas toleransi dapat mempengaruhi konvergensi iterasi. syarat-syarat tersebut hanyalah merupakan syarat cukup. telah di-susun oleh peneliti.m) untuk akar ganda. Untuk perbandingan juga disusun program yang mengimplementasikan metode NR termodifikasi (mnrsym.1) . 5.1 (Atkinson. selain melakukan iterasi juga menghasilkan gambar kurva fungsi dan turunannya. 1981: 106) f (x ) = x + e. 2 B = 1.m. 1993: 95) f (x ) = (x . hampiran awal dapat dipilih berdasarkan Teorema 2. tidak merupakan syarat perlu. f (x ) = x 6 . Penggunaan program-program MATLAB tersebut memerlukan masukan berupa fungsi (harus). batas toleransi d = 10. yakni hampiran awal x 0 = 0 . program nrsym.2. 80) 2.1) . Pemakaian hampiran awal sebarang tidak menjamin kekonvergenan iterasi Newton.. derajad akar (khusus dan wajib untuk program mnrsym. Untuk menghindari pembagian dengan nol pada perhitungan galat relatif tersebut digunakan nilai eps ( = 2. M-189 . Untuk kasus akar ganda juga disajikan hasil komputasi dengan metode NR termodifikasi.

1 0 1 -0.5 0 0 0 -0.588401776500996 -0.1 hampir datar (gradiennya mendekati nol) di sekitar x= 0.x .0986122886681098 1. Untuk kasus B=1.7 dan hampir tegak pada interval x>1 dan x<-1.x .5 Konvergen ke -0.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Tabel 1.32640201009749875 -0.778.0118622517809468 0.404911548209309 Gagal (berputar-putar) -0.38414468140916746824964645853990 » 0.5 -0.22044604925031e-016 -1.x .789951850459548 -0. Iterasi NR lengkap untuk x 6 . jika 2 hal ini tidak berarti bahwa untuk hampiran awal di luar interval-interval tersebut iterasinya pasti tidak konvergen. Persamaan x 6 .8366.35620693085042e-014 -8. semakin kecil interval tersebut.0137368367302129894266430165240 » 1.8 Konvergen ke 1.0986122886681098 1.0986122886681098 x0 0 0. jika | x 0 .11022302462516e-016 xn .000282949943779022 -1.58840177650099634 -0.221910401321399 0.25 0. kurva y = x + e.32640201009749875 -0. maka iterasinya akan konvergen.3 = 0 dan x + e.4521717162097e-013 2.77808959867860109788068230965929 » -0.4060599257989e-007 1.25 0 0 1 -0.135.014.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. Jadi.183291333294485 Gagal (berputar-putar) 2 5 10 Persamaan ex .778089598678601 -0.1 = 0 mempunyai dua buah akar nyata.0986.183291333294485 -0.ln(3/2) atau 25 50 0. dan r2 = 1.32640201009749875 Gagal (berputar-putar) Gagal (berputar-putar) Gagal (berputar-putar) -0.77837271113595 -0. Dalam hal ini.142857142857143 -0.r2 |< r2 .3 = 0 x + e.6251356971253e-007 5.8366]. maka | g(x ) |< 1 untuk x < d atau x > d2 dengan 1 [ f '(x )]2 d1 = 0. yakni r1 = -0.256 .778089598678601 0.0986122886681096 1. yakni .014 < x 0 < 1.1.000768013750394037 4.0986122886681098 gagal 1.3 = 0 mempunyai penyelesaian (akar) r = ln(3) » 1.r |< r .d2 .Bx cos(x ) berupa garis lurus dengan gradien 1 di luar interval [-1.1 .778089598678655 -0. Semakin besar nilai B.513732724126289 -0.18991885451312e-017 2 r .588401776500996 -0.406 < x 0 < 1.0671910066833093 -0.0986122886681098 1.384 atau 1.11022302462516e-016 0 Tabel 2 Iterasi NR untuk ex .xn.r1 |< r1 .032950424213666 0.384 d2 =1.3 0.857142857142857 -0.1347241384015194926054460545065 » 1.5 1. Namum kasus ini. Dalam | x 0 .xn.000283112457348689 1.253712313746823 0.778089598678601 f (x n ) -1 1 0. Jika g(x ) = f (x )f "(x ) .d1 atau | x 0 . Pada iterasi ke 6 8 4 7 9 50 6 5 9 50 50 50 7 6 - Kurva y = x 6 .0790532584642561 0.7 1.5 -0.1 = 0 Iterasi 0 1 2 3 4 5 6 7 8 xn 0 -1 -0. Untuk semua nilai M-190 .0115791393235981 -0. maka iterasi Newton akan konvergen. -0.778089761192171 -0.62513516092177e-007 -5.3 -0.Bx cos(x ) = 0 ex . | g(x ) |< 1 untuk x > ln(3/2) .940 < x 0 < 0.36237720893951e-014 1.0986122886681098 1.792 . 1.

Jadi.1000000000000001 1. Dari hasil perhitungan diperoleh bahwa | g(x ) |< 1 jika x<1.1 . kurva melengkung ke atas dan menceng ke kanan di dalam interval yang sesuai dengan titik balik semakin mendekati ke (0. Jadi jika x 0 pada interval-interval tersebut.1000000000000001 1.1 adalah akar berderajad tiga.Analisis dan Implementasi Metode .1000000000000016 2.99999999999999933 1.1904 < x < 0.1.58853274398186106 25.6962 .25 1. Hal ini dikarenakan rumus iterasi Newton termodifikasi adalah x n = 1 .1000000000000001 1.99999999999999956 0.1 .1000000000000001 1.5 5 0 1 1.000000000000002 0.1000000000000016 1.116746 . Semakin besar nilai B. iterasinya dilaporkan belum konvergen M-191 .99999999986231403 Gagal (titik belok kurva) 1.1)3 = 0 (Metode NR) Iterasi ke 5 4 5 6 500 500 6 500 x0 0 1 1.5220 < x < -0.1000000000000001 Konvergen ke 1.3264 .1) = 0 dan (x .1)(e x .1) = 0 mempunyai sebuah akar r=1. Gradien di titik (0. r=2.0963639324106462 9.1)3 (x . Tabel 3 Iterasi NR dan Modifikasi NR untuk (x .1) = 0 mempunyai r=1.1)(e x .1. -1.0999999999999985 1. -0.1000000000000001 Gagal (berputar-putar) Gagal (berputar-putar) 1.1) sama dengan 1.1)(e x . akarnya semakin mendekati nol dari kiri. iterasinya akan konvergen.0000000000000013 1.x . Tabel 4 Iterasi NR dan Modifikasi NR untuk (x . yang merupakan akar dobel. iterasinya akan konvergen ke akar tersebut pada iterasi ke-1.2. Untuk kasus B=10 akarnya adalah r = -0.x . Iterasi Newton cukup lambat. 0.6863365823230057140504268859383 atau x> 2. atau x > 0. sehingga iterasinya akan konvergen berapapun hampiran awal. semakin lambat iterasi akan konvergen.1) = 0 Metode NR Modifikasi NR Iterasi ke 85 78 81 79 8 6 89 11 (x .6 1 2 1.1. Sudah tentu semakin jauh hampiran awal dari akar tersebut.1)3 = 0 (x .6330 .0000000000000009 0.1000000000000001 Gagal (berputar-putar) d 1e-15 x0 0 1. | g(x ) |< 1 jika x < -0..sin(x ) = 0 (x . asalakan berhingga.7 5 3 2 -3 5 Konvergen ke 1.1)3 (x .1)3 = 0 mempunyai akar r = 1 .1 . meskipun iterasi NR termodifikasi belum tentu konvergen (khususnya jika hampiran awal lebih dekat ke akar sederhana).0999999999999983 2.sin(x ) = 0 x0 0 0.0000000001631835 Iterasi ke 50 81 82 87 56 54 59 1e-10 Persamaan (x .25 .5 5 Konvergen ke Gagal (sangat lambat) 1. yang berderajad 3. iterasi NR konvergen apabila x 0 pada interval-interval tersebut.1000000000000001 2.21237390820801 3. Dengan menggunakan rumus Newton termodifikasi.1) = 0 dan e.0963639324106462 3.32640201009749872199953005910687 » -0. | g(x ) |< 1 Iterasi ke 5 3 5 500 6 4 6 7 *) gradien kurva di titik tsb.58853274398186106 0. (Sahid) B.1) = 0 x0 0 -1 2 -2 Metode NR Konvergen ke 0.75 3 4 5 Konvergen ke 0.0999999999999981 1.2.132741228730506 * 182.0000000000000018 1.1)3 (x .0000000001548968 1.58853274398186106 0. berapapun hampiran awal x 0 yang dipakai (asalkan berhingga).0136634176769942859495731140617.1) semakin besar nilai B..5 1.4246972547385219 Persamaan (x . Untuk kasus ini berlaku untuk semua x riel. Persamaan (x .1 adalah akar sederhana.2. Dari hasil perhitungan diperoleh.99999999999999944 Iterasi ke 50 50 51 50 Modifikasi NR Konvergen Iterasi ke ke 1 5 1 6 1 5 1 7 e.

3 0 -3 0 Pada iterasi ke 50 6 8 9 7 7 11 Untuk fungsi ini. cacah digit akurat menjadi dua kali lipat pada setiap langkah.3718. Syarat cukup namun tidak perlu agar metode NR konvergen dinyatakan pada Teorema 2 dan Teorema 3.5 0 -2 0 0. KESIMPULAN DAN SARAN Berikut adalah beberapa kesimpulan yang diperoleh dari penyelidikan metode NR. telah dapat disusun program Matlab yang dapat melakukan secara simbolik perhitungan turunan fungsi. 4. 3.x . Metode NR mungkin tidak stabil jika dimulai dari titik yang jauh dari akar yang hendak dicari dan metode NR akan konvergen secara lambat atau mungkin gagal jika kurva fungsinya hampir datar di sekitar akar atau titik-titik belok / balik. Metode NR tidak akan konvergen jika: M-192 . Tabel 5 Iterasi NR untuk xe. yakni jika terjadi f '(x ) = 0 . akarnya semakin ke kanan semakin mendekati kelipatan pi.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 Fungsi f (x ) = e. | g(x ) |< 1 jika x<0. Di dekat akar sederhana. 2. mendekati –sin(x).2 0 0.sin(x ) semakin lama semakin periodik. Metode NR konvergen secara kuadratik. Meskipun metode NR memerlukan perhitungan nilai turunan fungsi. sehingga iterasinya akan konvergen jika hampiran awalnya pada interval tersebut. (a) (b) Gambar 4 Situlasi penyebab kegagalan iterais Newton-Raphson 5. 1.35 0 0.x = 0 x0 Konvergen ke 1 Gagal (titik balik kurva) 2 Gagal (menjauh ke kanan) 0. sehingga tidak perlu dihitung secara manual. Hal ini yang biasanya tidak ditemukan pada implementasi NR yang ada pada beberapa literatur.

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

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

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

fx. fx= subs(f. delta=1e-15.'line'. % hitung fungsi turunan ( f') y1=subs(f.abs(y2))).[0 0 1]). % hitung f(x) err = abs(dx). x fx = subs(f. % hitung nilai f'(x0) if df0==0. else dx = m*fx/df0.18)).x.'Type'. mnrsym(f.N).grid on.end.x). N=50. end.fx. % iterasi harus dihentikan jika f'(x0)=0 if k>5.x0-2).num2str(x0).'Color'. N=50.2.':') ezplot(f. % beda dengan hampiran sebelumnya relerr = err/(abs(x)+eps).x_{n-1} % 5: E_n -> galat hampiran ke-n %--------------------------------------------------------------------if nargin<=1 error('Anda harus menuliskan fungsi dan derajad akarnya!'). % Set nilai-nilai parameter else if nargin<4. dx=x0.1e-15.[x0-2. % 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). % hampiran berikutnya. hold off.1. ezplot(df. % (tidak dipakai = dalam bentuk tabel) % Output: % hasil -> matriks penyimpan hasil-hasil iterasi.x0). for k=1:N. mnrsym(f. bertemu garis singgung mendatar di x = '.hold on % plot f'(x) dengan garis putus-putus set(findobj(gca. N=50.min(abs(y1). end if nargin<3. end x = x0 .dx]].[x0-2.2).1e-15.'YLim'.end df=diff(f).50).delta. % jika tidak diberikan else if nargin<5.x0+2).:). % plot f(x) dengan garis mulus set(gca.1.[k. delta=1e-15. ymin=-min(5.x0). else disp(num2str(hasil. % f='cos(x)'. M-196 .abs(y2))).dx. if ((err<delta|relerr<delta)& abs(fx)<delta)|fx==0.'lineStyle'. 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 . df0 = subs(df.0. else if (isvarname(f)) % cek format masukan fungsi help nrsym.end.x0+2]). disp(num2str(hasil(k-5:k.dx]. % mnrsym('x^2-4*x+4'.[ymin ymax]) % set batas-batas y yang sesuai iterasi=0.2.x0+2]). % simpan hasilnya x0=x.f=(x-1)*(exp(x-1)-1). ymax=min(25.y2=subs(f.Prosiding Seminar Nasional hasil Penelitian MIPA dan Pendidikan MIPA UNY 2003 % hasil = mnrsym('cos(x)'.17)).2. iterasi=k.end error(['Stop. % hitung f(x0) hasil=[iterasi.x0. % hampiran galat relatif hasil=[hasil.'!']). x0=0.50). % 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!'). % syms x.max(abs(y1).1.

5)=r-hasil(:.:). % akar yang diperoleh hasil(:. error('Cobalah ulangi.Analisis dan Implementasi Metode . r=hasil(iterasi+1.15g\n'..15g\t%0. % tampilkan hasil dengan pemisah kolom TAB hasil=sprintf('%d\t%0.2). disp(num2str(hasil(iterasi-4:iterasi+1.2). else disp(num2str(hasil. % kolom galat hampiran if (nargin==6 & tabel==1).hasil'). (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.18)). disp('Berikut adalah hasil 6 iterasi terakhir:').15g\t%0. disp('Iterasi mungkin tidak konvergen!')..15g\t%0. dengan menambah maksimum iterasi! ') end end end M-197 .18)).

Sign up to vote on this title
UsefulNot useful