Dosen Pengampu : Prof. Dr. Suhartono, M.Kom
Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang
Fakultas : Sains dan Teknologi
Jurusan : Teknik Informatika
NIM : 210605110036
Metode terbuka merupakan metode yang menggunakan satu atau dua tebakan awal yang tidak memerlukan rentang sejumlah nilai. Metode terbuka terdiri dari beberapa jenis yaitu metode iterasi titik tetap, metode Newton-Raphson, dan metode Secant.
Metode iterasi titik tetap merupakan metode penyelesaian persamaan non-linier dengan cara menyelesaikan setiap variabel x yang ada dalam suatu persamaan dengan sebagian yang lain sehingga diperoleh x = g (x) untuk masing-masing variabel x. Sebagai contoh, untuk menyelesaikan persamaan x + ex = 0, maka persamaan tersebut perlu diubah menjadi x = ex atau g (x) = ex Secara grafis metode ini diilustrasikan seperti Gambar 7.7.
Algoritma Metode Iterasi Titik Tetap
Definisikan f (x) dan g (x)
Tentukan nilai toleransi e dan iterasi masimum (N)
Tentukan tebakan awal x0
Untuk iterasi i = 1 s/d N atau f (xiterasi) ≥ e → xi = g (xi 1), Hitung f (xi)
Akar persamaan adalah x terakhir yang diperoleh
Fungsi root_fpi() dapat digunakan untuk melakukan iterasi dengan argumen fungsi berupa persamaan non-linier, nilai tebakan awal, nilai toleransi, dan jumlah iterasi maksimum. Berikut adalah sintaks fungsi tersebut:
root_fpi <- function(f, x0, tol=1e-7, N=100){
iter <- 1
xold <- x0
xnew <- f(xold)
while(abs(xnew-xold)>tol){
iter <- iter+1
if(iter>N){
stop("No solutions found") }
xold <- xnew
xnew <- f(xold)
}
root <- xnew
return(list(`function`=f, root=root, iter=iter))
}Contoh :
Selesaikan persamaan non-linier pada Contoh 7.2 menggunakan metode iterasi titik tetap?
Jawab :
Untuk menyelesaikan persamaan non-linier tersebut kita perlu mentransformasi persamaan non-linier tersebut terlebih dahulu.
xe^-x + 1 = 0 → x = -1/e^-xUntuk tebakan awal digunakan nilai x = 1
x1 = -1/e^1 = -2,718282Nilai x tersebut selanjutnya dijadikan nilai input pada iterasi selanjutnya:
x2 = -1/e^2,718282 = -0,06598802iterasi terus dilakukan sampai diperoleh |xi+1 xi| ≤ e.
Untuk mempercepat proses iterasi kita dapat menggunakan bantuan fungsi root_fpi(). Berikut adalah sintaks yang digunakan:
root_fpi(function(x){-1/exp(-x)}, x0=-1)## $`function`
## function(x){-1/exp(-x)}
## <bytecode: 0x0000000014ae9608>
##
## $root
## [1] -0.5671433
##
## $iter
## [1] 29Berdasarkan hasil iterasi diperoleh nilai x = 0, 5671433 dengan jumlah iterasi yang diperlukan sebanyak 29 kali. Jumlah iterasi akan bergantung dengan nilai tebakan awal yang kita berikan. Semakin dekat nilai tersebut dengan akar, semakin cepat nilai akar diperoleh.
Metode Newton-Raphson merupakan metode penyelesaian persamaan non-linier dengan menggunakan pendekatan satu titik awal dan mendekatinya dengan memperhatikan slope atau gradien. titik pendekatan dinyatakan pada Persamaan (7.7).
xn+1 = xn - f(xn)/f′(xn) (7.7)Definisikan f (x) dan f′ (x)
Tentukan nilai toleransi e dan iterasi masimum (N)
Tentukan tebakan awal x0
Hitung f (x0) dan f′ (x0)
Untuk iterasi i = 1 s/d N atau |f (x)| ≥ e, hitung x menggunakan Persamaan (7.7)
Akar persamaan merupakan nilai xi terakhir yang diperoleh.
Fungsi root_newton() merupakan fungsi yang dibuat menggunakan algoritma di atas. Fungsi tersebut dituliskan pada sintaks berikut:
root_newton <- function(f, fp, x0, tol=1e-7, N=100){
iter <- 0
xold<-x0
xnew <- xold + 10*tol
while(abs(xnew-xold)>tol){
iter <- iter+1
if(iter>N){
stop("No solutions found") }
xold<-xnew
xnew <- xold - f(xold)/fp(xold)
}
root<-xnew
return(list(`function`=f, root=root, iter=iter))
}Contoh :
Selesaikan persamaan non-linier x - e^-x = 0 menggunakan metode Newton-Raphson?
Jawab :
Untuk dapat menggunakan metode Newton-Raphson, terlebih dahulu kita perlu memperoleh turunan pertama dari persamaan tersebut.
f(x) = x - e^-x → f′(x) = 1 + e^-xTebakan awal yang digunakan adalah x = 0.
f(x0) = 0 - e^-0 = 1
f′(x0) = 1 + e^-0 = 2Hitung nilai x baru:
x1 = x0 - f(x0)/f′(x0) = 0 - -1/2 = 0, 5Untuk mempercepat proses iterasi, kita dapat menggunakan fungsi root_newton(). Berikut adalah sintaks yang digunakan:
root_newton(function(x){x-exp(-x)},
function(x){1+exp(-x)},
x0=0)## $`function`
## function(x){x-exp(-x)}
## <bytecode: 0x0000000012c06350>
##
## $root
## [1] 0.5671433
##
## $iter
## [1] 5Berdasarkan hasil iterasi diperoleh akar penyelesaian persamaan non-linier adalah x = 0, 5671433 dengan jumlah iterasi yang diperlukan adalah 5 iterasi.
Dalam penerapannya metode Newton-Raphson dapat mengalami kendala. Kendala yang dihadapi adalah sebagai berikut:
titik pendekatan tidak dapat digunakan jika merupakan titik ekstrim atau titik puncak. Hal ini disebabkan pada titik ini nilai f′ (x) = 0. Untuk memahaminya perhatikan ilustasi yang disajikan pada Gambar 7.9. Untuk menatasi kendala ini biasanya titik pendekatan akan digeser.
Sulit memperoleh penyelesaian ketika titik pendekatan berada diantara 2 titik stasioner. Untuk memahami kendala ini perhatikan Gambar 7.10. Untuk menghindarinya, penentuan titik pendekatan dapat menggunakan bantuan metode tabel.
Turunan persamaan sering kali sulit untuk diperoleh (tidak dapat dikerjakan dengan metode analitik).
Metode Secant merupakan perbaikan dari metode regula-falsi dan Newton Raphson, dimana kemiringan dua titik dinyatakan secara diskrit dengan mengambil bentuk garis lurus yang melalui satu titik. Persamaan yang dihasilkan disajikan pada Persamaan (7.8).
y - y0 = m(x - x0)(7.8)Nilai m merupakan transformasi persamaan tersebut.
mn = (f(xn) - f(xn 1))/(xn - xn-1) (7.9)Bila y = f (x) dan yn dan xn diketahui, maka titik ke n + 1 adalah:
yn+1 - yn = mn(xn+1 - xn) (7.10)Bila titik xn+1 dianggap akar persamaan maka nilai yn+1 = 0, sehingga diperoleh:
-yn = mn(xn+1 - xn) (7.11)
(mnxn - yn)/mn = xn+1 (7.12)atau
xn+1 = xn - yn * 1/mn (7.13)
xn+1 = xn - f(xn) * (xn xn+1)/(f(xn) - f(xn+1)) (7.14)Berdasarkan Persamaan (7.14) diketahui bahwa untuk memperoleh akar persamaan diperlukan 2 buah titik pendekatan. Dalam buku ini akan digunakan titik pendekatan kedua merupakan titik pendekatan pertama ditambah sepuluh kali nilai toleransi.
x1 = x0 + 10 ∗ tol (7.15)Algoritma Metode Secant
Definisikan f (x) dan f′ (x)
Tentukan nilai toleransi e dan iterasi masimum (N)
Tentukan tebakan awal x0 dan x1
Hitung f (x0) dan f (x1)
Untuk iterasi i = 1 s/d N atau |f (x)| ≥ e, hitung x menggunakan Persamaan (7.14)
Akar persamaan adalah nilai x yang terakhir.
Fungsi root_secant() merupakan fungsi yang penulis buat untuk melakukan iterasi menggunakan metode Secant. Berikut merupakan sintaks dari fungsi tersebut:
root_secant <- function(f, x, tol=1e-7, N=100){
iter <- 0
xold <- x
fxold <- f(x)
x <- xold+10*tol
while(abs(x-xold)>tol){
iter <- iter+1
if(iter>N)
stop("No solutions found")
fx <- f(x)
xnew <- x - fx*((x-xold)/(fx-fxold))
xold <- x
fxold <- fx
x <- xnew
}
root<-xnew
return(list(`function`=f, root=root, iter=iter))
}Contoh :
Selesaikan persamaan non-linier pada Contoh 7.5 menggunakan metode Secant?
Jawab :
Untuk menyelesaikan persamaan tersebut digunakan nilai pendekatan awal x0 = 0 dan x1 = 0 + 10 ∗ 10 7 = 10 6.
f (x0) = 0 - e^-0 = 1
f (x1) = 10^-6 - e^-10-6 = -0,999998Hitung nilai x2 dan f(x2).
x2 = 0 + 0, 999998 * (10^-6-0)/(-0,999998 + 1) = 0,499999Untuk mempercepat proses iterasi kita dapat menggunakan fungsi root_secant() pada R. Berikut sintaks yang digunakan:
root_secant(function(x){x-exp(-x)}, x=0)## $`function`
## function(x){x-exp(-x)}
## <bytecode: 0x0000000013226f08>
##
## $root
## [1] 0.5671433
##
## $iter
## [1] 6Berdasarkan hasil iterasi diperoleh nilai akar penyelesaian adalah x = 0, 5671433 dengan iterasi dilakukan sebanyak 6 kali.
Secara umum metode Secant menawarkan sejumlah keuntungan dibanding metode lainnya. Pertama, seperti metode Newton-Raphson dan tidak seperti metode tertutup lainnya, metode ini tidak memerlukan rentang pencarian akar penyelesaian. Kedua, tidak seperti metode Newton-Raphson, metode ini tidak memerlukan pencarian turunan pertama persamaan non-linier secara analitik, dimana tidak dapat dilakukan otomasi pada setiap kasus.
Adapun kerugian dari metode ini adalah berpotensi menghasilkan hasil yang tidak konvergen sama seperti metode terbuka lainnya. Selain itu, kecepatan konvergensinya lebih lambat dibanding metode Newton-Raphson.