Metode Iterasi dalam Mencari Akar<\/p>\n
Dalam matematika terapan, fisika, teknik, dan ilmu komputer, persoalan \u201cmencari akar\u201d (root finding) muncul sangat sering. Yang dimaksud akar di sini adalah nilai \\(x\\) yang membuat suatu fungsi bernilai nol, yakni solusi dari persamaan:<\/p>\n
\\[
\nf(x)=0
\n\\]<\/p>\n
Tidak semua persamaan memiliki solusi yang dapat dinyatakan dengan rumus tertutup (closed-form) seperti pada persamaan kuadrat. Untuk banyak kasus nyata\u2014misalnya persamaan nonlinier yang kompleks\u2014kita memerlukan pendekatan numerik. Salah satu pendekatan paling penting adalah metode iterasi , yaitu prosedur yang menghasilkan deret perkiraan solusi yang kian mendekati akar melalui pengulangan (iterasi).<\/p>\n
Artikel ini membahas konsep dasar metode iterasi, syarat konvergensinya, dan beberapa metode iteratif yang umum digunakan untuk mencari akar.<\/p>\n
—<\/p>\n
1. Gagasan Dasar Metode Iterasi<\/p>\n
Metode iterasi bekerja dengan membuat tebakan awal \\(x_0\\), lalu memperbaikinya secara bertahap sehingga diperoleh urutan:<\/p>\n
\\[
\nx_0, x_1, x_2, \\dots, x_n
\n\\]<\/p>\n
dengan harapan:<\/p>\n
\\[
\nx_n \\to \\alpha
\n\\]<\/p>\n
di mana \\(\\alpha\\) adalah akar sejati persamaan \\(f(x)=0\\).<\/p>\n
Secara umum, metode iterasi mengubah masalah \\(f(x)=0\\) menjadi bentuk yang setara:<\/p>\n
\\[
\nx = g(x)
\n\\]<\/p>\n
Kemudian dilakukan iterasi:<\/p>\n
\\[
\nx_{n+1} = g(x_n)
\n\\]<\/p>\n
Jika proses ini konvergen, maka titik tetap (fixed point) dari \\(g(x)\\) merupakan solusi akar dari persamaan awal.<\/p>\n
—<\/p>\n
2. Konvergensi: Kapan Iterasi Berhasil?<\/p>\n
Tidak semua fungsi \\(g(x)\\) menghasilkan iterasi yang stabil. Agar iterasi \\(x_{n+1}=g(x_n)\\) konvergen menuju akar \\(\\alpha\\), syarat umum yang sering digunakan adalah:<\/p>\n
1. \\(g(\\alpha)=\\alpha\\) (akar merupakan fixed point)
\n2. \\(|g'(\\alpha)| < 1\\) (kontraksi lokal)\n\nIntuisi dari \\(|g'(\\alpha)| < 1\\) adalah: di sekitar solusi, fungsi \\(g\\) \u201ctidak terlalu curam\u201d, sehingga setiap iterasi membawa nilai \\(x_n\\) semakin dekat, bukan menjauh.\n\nKonvergensi juga dipengaruhi oleh tebakan awal. Dua metode yang sama dapat berhasil atau gagal tergantung pada \\(x_0\\).\n\n---\n\n 3. Metode Bagi Dua (Bisection) sebagai Iterasi Sederhana\n\nWalaupun sering diklasifikasikan terpisah, metode bagi dua dapat dilihat sebagai metode iteratif yang sangat andal. Syaratnya: fungsi \\(f(x)\\) kontinu pada interval \\([a,b]\\) dan terjadi perubahan tanda:\n\n\\[\nf(a)\\cdot f(b) < 0\n\\]\n\nArtinya, ada akar di antara \\(a\\) dan \\(b\\). Algoritmanya:\n\n1. Hitung titik tengah \\(c=\\frac{a+b}{2}\\)\n2. Tentukan subinterval yang masih mengurung akar (berdasarkan perubahan tanda)\n3. Ulangi sampai toleransi tercapai\n\nKelebihan metode ini: pasti konvergen jika syarat perubahan tanda terpenuhi. Kekurangannya: konvergensinya relatif lambat karena galat berkurang kira-kira setengah tiap iterasi (konvergensi linear).\n\n---\n\n 4. Metode Iterasi Titik Tetap (Fixed-Point Iteration)\n\nInilah bentuk iterasi paling langsung:\n\n\\[\nx_{n+1} = g(x_n)\n\\]\n\nLangkahnya:\n1. Ubah \\(f(x)=0\\) menjadi \\(x=g(x)\\)\n2. Pilih tebakan awal \\(x_0\\)\n3. Lakukan iterasi sampai \\(|x_{n+1}-x_n|\\) atau \\(|f(x_n)|\\) lebih kecil dari toleransi\n\nKeunggulannya adalah kesederhanaan. Namun, metode ini sangat sensitif terhadap pilihan \\(g(x)\\). Untuk persamaan yang sama, terdapat banyak cara menulis \\(x=g(x)\\), tetapi hanya sebagian yang konvergen.\n\nSebagai contoh, jika ingin mencari akar dari \\(f(x)=x^3-2x-5\\), kita bisa menulis:\n- \\(x = \\sqrt[3]{2x+5}\\) sehingga \\(g(x)=\\sqrt[3]{2x+5}\\)\n\nLalu lakukan iterasi \\(x_{n+1}=\\sqrt[3]{2x_n+5}\\). Keberhasilan iterasi bergantung pada apakah \\(|g'(x)|<1\\) di sekitar akar.\n\n---\n\n 5. Metode Newton-Raphson: Iterasi Cepat Berbasis Turunan\n\nMetode Newton-Raphson adalah salah satu metode paling populer karena konvergensinya biasanya sangat cepat. Rumus iterasinya:\n\n\\[\nx_{n+1} = x_n - \\frac{f(x_n)}{f'(x_n)}\n\\]\n\nInterpretasinya: pada \\(x_n\\), kita buat garis singgung fungsi \\(f(x)\\). Perpotongan garis singgung dengan sumbu-\\(x\\) dipakai sebagai perkiraan berikutnya.\n\nKeunggulan:\n- Konvergensi kuadratik (sangat cepat) jika sudah cukup dekat dengan akar dan \\(f'(\\alpha)\\neq 0\\).\n\nKekurangan:\n- Membutuhkan turunan \\(f'(x)\\).\n- Bisa gagal jika tebakan awal buruk, atau jika \\(f'(x_n)\\) mendekati nol, sehingga langkah iterasi menjadi tidak stabil.\n\nMetode ini banyak digunakan dalam optimasi, pemodelan fisika, hingga komputasi teknik karena efisiensinya ketika kondisi mendukung.\n\n---\n\n 6. Metode Secant: Alternatif Newton Tanpa Turunan\n\nJika turunan sulit dihitung, metode secant menawarkan kompromi. Ide utamanya adalah mendekati turunan dengan selisih hingga:\n\n\\[\nf'(x_n)\\approx \\frac{f(x_n)-f(x_{n-1})}{x_n-x_{n-1}}\n\\]\n\nSehingga rumus iterasinya:\n\n\\[\nx_{n+1}=x_n - f(x_n)\\,\\frac{x_n-x_{n-1}}{f(x_n)-f(x_{n-1})}\n\\]\n\nMetode ini memerlukan dua tebakan awal: \\(x_0\\) dan \\(x_1\\). Kecepatan konvergensinya umumnya lebih baik daripada bagi dua dan fixed-point sederhana, meskipun biasanya sedikit lebih lambat daripada Newton. Namun, karena tidak perlu turunan, secant sering lebih praktis.\n\n---\n\n 7. Kriteria Berhenti (Stopping Criteria)\n\nDalam komputasi numerik, iterasi harus dihentikan ketika sudah cukup akurat atau jika dicurigai tidak konvergen. Kriteria umum:\n\n1. Galat antar iterasi kecil :\n \\[\n |x_{n+1}-x_n|<\\varepsilon\n \\]\n2. Nilai fungsi mendekati nol :\n \\[\n |f(x_n)|<\\varepsilon\n \\]\n3. Batas iterasi maksimum untuk mencegah loop tak berujung:\n \\[\n n \\le n_{\\max}\n \\]\n\nPemilihan toleransi \\(\\varepsilon\\) bergantung pada kebutuhan: simulasi teknik mungkin memerlukan toleransi ketat, sementara perhitungan kasar cukup longgar.\n\n---\n\n 8. Perbandingan Singkat Metode Iterasi\n\nSecara ringkas:\n\n- Bisection : paling stabil, pasti konvergen (dengan syarat perubahan tanda), tapi lambat.\n- Fixed-point : sangat sederhana, tetapi konvergensi tidak selalu terjamin.\n- Newton-Raphson : sangat cepat, tetapi butuh turunan dan sensitif terhadap tebakan awal.\n- Secant : tidak perlu turunan, cukup cepat, tetapi bisa kurang stabil dibanding bisection.\n\nDalam praktik, pemilihan metode bergantung pada sifat fungsi, ketersediaan turunan, kebutuhan kecepatan, dan kestabilan.\n\n---\n\n Kesimpulan\n\nMetode iterasi adalah tulang punggung pencarian akar secara numerik untuk persamaan nonlinier. Dengan membangun urutan perkiraan yang diperbarui secara berulang, kita dapat mendekati solusi ketika metode analitik tidak tersedia. Pemahaman tentang konvergensi, pemilihan tebakan awal, dan kriteria berhenti sangat penting agar iterasi menghasilkan akar yang benar dan efisien.\n\nPada aplikasi nyata, sering kali digunakan strategi gabungan: mulai dengan metode stabil seperti bisection untuk \u201cmengunci\u201d interval akar, lalu beralih ke Newton atau secant untuk mempercepat konvergensi. Dengan demikian, kita memperoleh keseimbangan antara keandalan dan kecepatan\u2014dua aspek yang sangat berharga dalam komputasi numerik.\n\n--- \n\nJika Anda ingin, saya bisa menambahkan contoh perhitungan langkah demi langkah (numerik) untuk salah satu metode di atas agar artikel lebih konkret.\n<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
Metode Iterasi dalam Mencari Akar Dalam matematika terapan, fisika, teknik, dan ilmu komputer, persoalan \u201cmencari akar\u201d (root finding) muncul sangat sering. Yang dimaksud akar di sini adalah nilai \\(x\\) yang membuat suatu fungsi bernilai nol, yakni solusi dari persamaan: \\[ f(x)=0 \\] Tidak semua persamaan memiliki solusi yang dapat dinyatakan dengan rumus tertutup (closed-form) seperti … Read more<\/a><\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"","_seopress_redirections_param":"","_seopress_redirections_type":0,"_seopress_analysis_target_kw":"","_seopress_news_disabled":"","_seopress_video_disabled":"","_seopress_video":[],"_seopress_pro_schemas_manual":[],"_seopress_pro_rich_snippets_disable_all":"","_seopress_pro_rich_snippets_disable":[],"_seopress_pro_schemas":[],"footnotes":""},"categories":[1],"tags":[],"class_list":["post-488","post","type-post","status-publish","format-standard","hentry","category-matematika"],"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/gurumuda.net\/matematika\/wp-json\/wp\/v2\/posts\/488","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gurumuda.net\/matematika\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/gurumuda.net\/matematika\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/gurumuda.net\/matematika\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/gurumuda.net\/matematika\/wp-json\/wp\/v2\/comments?post=488"}],"version-history":[{"count":0,"href":"https:\/\/gurumuda.net\/matematika\/wp-json\/wp\/v2\/posts\/488\/revisions"}],"wp:attachment":[{"href":"https:\/\/gurumuda.net\/matematika\/wp-json\/wp\/v2\/media?parent=488"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/gurumuda.net\/matematika\/wp-json\/wp\/v2\/categories?post=488"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/gurumuda.net\/matematika\/wp-json\/wp\/v2\/tags?post=488"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}