Contoh soal fixed point iteration

Pelajari materi metode numerik seringkali menjadi tantangan tersendiri bagi mahasiswa teknik maupun matematika. Salah satu metode yang paling mendasar namun sangat krusial adalah Metode Iterasi Titik Tetap atau Fixed Point Iteration. Metode ini digunakan untuk mencari akar-akar persamaan non-linier dengan cara mengubah bentuk persamaan asli menjadi bentuk iteratif. Artikel ini akan membahas secara mendalam mengenai konsep, langkah penyelesaian, hingga contoh soal fixed point iteration yang disajikan secara sistematis.

Baca juga: Memahami Konsep Pautan Seks dalam Genetika

Pengertian Metode Iterasi Titik Tetap

Metode Iterasi Titik Tetap adalah teknik numerik untuk menemukan akar persamaan $f(x) = 0$ dengan cara mengubahnya menjadi bentuk $x = g(x)$. Inti dari metode ini adalah mencari nilai $x$ yang tidak berubah ketika dimasukkan ke dalam fungsi $g(x)$, yang kemudian disebut sebagai titik tetap.

Secara matematis, jika kita memiliki persamaan $f(x) = 0$, kita mencari fungsi $g(x)$ sedemikian rupa sehingga akar dari $f(x)$ juga merupakan solusi dari $x = g(x)$. Proses pencarian nilai ini dilakukan secara berulang atau iteratif menggunakan rumus:

$$x_{n+1} = g(x_n)$$

Di mana $x_n$ adalah tebakan awal atau nilai pada iterasi saat ini, dan $x_{n+1}$ adalah nilai hasil iterasi berikutnya. Proses ini akan terus dilakukan sampai selisih antara $x_{n+1}$ dan $x_n$ sangat kecil atau mencapai batas toleransi galat (error) yang ditentukan.

Syarat Konvergensi

Tidak semua bentuk $g(x)$ akan memberikan hasil yang mendekati akar (konvergen). Ada kemungkinan hasil iterasi justru semakin menjauhi akar (divergen). Untuk memastikan metode ini berhasil, terdapat syarat kekonvergenan yang harus dipenuhi.

Suatu iterasi akan konvergen jika nilai turunan pertama dari fungsi $g(x)$ di sekitar titik akar memiliki nilai mutlak kurang dari satu. Secara formal dituliskan sebagai:

$$|g'(x)| < 1$$

Jika $|g'(x)| > 1$, maka iterasi tersebut kemungkinan besar akan divergen dan tidak akan pernah mencapai solusi yang diinginkan. Oleh karena itu, pemilihan fungsi $g(x)$ sangat menentukan keberhasilan perhitungan dalam metode ini.

Langkah-Langkah Penyelesaian Fixed Point Iteration

Untuk menyelesaikan soal menggunakan metode ini, Anda dapat mengikuti prosedur standar berikut:

1. Ubah persamaan asli $f(x) = 0$ menjadi bentuk $x = g(x)$. Perlu dicatat bahwa satu persamaan $f(x)$ bisa diubah menjadi beberapa bentuk $g(x)$ yang berbeda.
2. Periksa syarat konvergensi dengan menghitung turunan $g'(x)$. Pastikan bahwa pada rentang nilai yang dicari, $|g'(x)| < 1$.
3. Tentukan nilai tebakan awal $x_0$.
4. Tentukan batas toleransi error (misalnya $\epsilon = 0.0001$) atau jumlah iterasi maksimum.
5. Hitung $x_1 = g(x_0), x_2 = g(x_1)$, dan seterusnya hingga terpenuhi kondisi $|x_{n+1} – x_n| < \epsilon$.

Contoh Soal Fixed Point Iteration dan Pembahasan

Berikut adalah contoh soal untuk memperdalam pemahaman Anda mengenai penerapan metode ini.

Soal:

Carilah akar dari persamaan $f(x) = x^2 – 2x – 3 = 0$ menggunakan metode iterasi titik tetap dengan tebakan awal $x_0 = 4$ dan toleransi error $0.001$.

Analisis Bentuk g(x):

Persamaan $x^2 – 2x – 3 = 0$ dapat diubah menjadi beberapa bentuk $x = g(x)$:

Bentuk 1:

$x^2 = 2x + 3$

$x = \sqrt{2x + 3}$

Maka $g_1(x) = (2x + 3)^{1/2}$

Bentuk 2:

$2x = x^2 – 3$

$x = \frac{x^2 – 3}{2}$

Maka $g_2(x) = \frac{x^2 – 3}{2}$

Uji Konvergensi:

Mari kita uji Bentuk 1: $g_1(x) = (2x + 3)^{1/2}$

$g_1′(x) = \frac{1}{2}(2x + 3)^{-1/2} \cdot 2 = \frac{1}{\sqrt{2x + 3}}$

Jika kita masukkan $x = 4$, maka $g_1′(4) = \frac{1}{\sqrt{11}} \approx 0.301$.

Karena $|0.301| < 1$, maka bentuk ini konvergen.

Mari kita uji Bentuk 2: $g_2(x) = \frac{x^2 – 3}{2}$

$g_2′(x) = \frac{2x}{2} = x$

Jika kita masukkan $x = 4$, maka $g_2′(4) = 4$.

Karena $|4| > 1$, maka bentuk ini divergen dan tidak bisa digunakan.

Proses Iterasi Menggunakan Bentuk 1:

Kita akan menggunakan $x_{n+1} = \sqrt{2x_n + 3}$ dengan $x_0 = 4$.

Iterasi 1:

$x_1 = \sqrt{2(4) + 3} = \sqrt{11} \approx 3.3166$

Error: $|3.3166 – 4| = 0.6834$

Iterasi 2:

$x_2 = \sqrt{2(3.3166) + 3} = \sqrt{9.6332} \approx 3.1037$

Error: $|3.1037 – 3.3166| = 0.2129$

Iterasi 3:

$x_3 = \sqrt{2(3.1037) + 3} = \sqrt{9.2074} \approx 3.0344$

Error: $|3.0344 – 3.1037| = 0.0693$

Iterasi 4:

$x_4 = \sqrt{2(3.0344) + 3} = \sqrt{9.0688} \approx 3.0114$

Error: $|3.0114 – 3.0344| = 0.0230$

Iterasi 5:

$x_5 = \sqrt{2(3.0114) + 3} = \sqrt{9.0228} \approx 3.0038$

Error: $|3.0038 – 3.0114| = 0.0076$

Iterasi 6:

$x_6 = \sqrt{2(3.0038) + 3} = \sqrt{9.0076} \approx 3.0013$

Error: $|3.0013 – 3.0038| = 0.0025$

Iterasi 7:

$x_7 = \sqrt{2(3.0013) + 3} = \sqrt{9.0026} \approx 3.0004$

Error: $|3.0004 – 3.0013| = 0.0009$

Karena error pada iterasi ke-7 sudah lebih kecil dari toleransi (0.0009 < 0.001), maka iterasi dihentikan. Akar persamaan tersebut mendekati 3.000.

Kelebihan dan Kekurangan Metode Iterasi Titik Tetap

Sama seperti metode numerik lainnya, Fixed Point Iteration memiliki karakteristik unik yang perlu dipahami sebelum diterapkan pada masalah nyata.

Kelebihan:

1. Prosedur perhitungan sangat sederhana karena hanya memerlukan manipulasi aljabar dasar untuk membentuk fungsi $g(x)$.
2. Tidak memerlukan perhitungan turunan yang kompleks seperti pada metode Newton-Raphson (kecuali untuk uji konvergensi di awal).
3. Sangat mudah diimplementasikan dalam bahasa pemrograman seperti Python, MATLAB, atau Excel.

Kekurangan:

1. Sangat bergantung pada pemilihan fungsi $g(x)$. Jika pemilihan salah, iterasi akan menjauhi solusi.
2. Kecepatan konvergensinya relatif lambat (konvergensi linier) dibandingkan dengan metode Newton-Raphson yang memiliki konvergensi kuadratik.
3. Terkadang sulit untuk menemukan bentuk $g(x)$ yang memenuhi syarat $|g'(x)| < 1$ untuk persamaan-persamaan yang sangat kompleks.

Tips Mengoptimalkan Perhitungan

Agar proses pencarian akar menjadi lebih efisien, ada beberapa tips yang bisa Anda lakukan:

Gunakan Spreadsheet: Untuk pengerjaan soal tugas atau ujian, menggunakan Microsoft Excel sangat membantu dalam mempercepat iterasi. Anda cukup menuliskan rumus di baris pertama dan menariknya ke bawah hingga menemukan nilai yang stabil.

Pilih Tebakan Awal yang Dekat: Semakin dekat tebakan awal $x_0$ dengan akar sebenarnya, semakin sedikit jumlah iterasi yang diperlukan. Anda bisa melakukan sketsa grafik sederhana untuk memperkirakan letak akar.

Eksperimen dengan Bentuk g(x): Jika satu bentuk $g(x)$ menghasilkan nilai yang terus membesar, segera cari alternatif modifikasi $x = g(x)$ lainnya. Jangan memaksakan iterasi pada fungsi yang sudah terbukti divergen.

Implementasi Sederhana dalam Pemrograman

Bagi Anda yang sedang belajar pemrograman, berikut adalah logika dasar (pseudocode) untuk menerapkan metode ini:

Definisikan fungsi g(x)

Tentukan x_awal, toleransi, max_iterasi

Untuk i dari 1 sampai max_iterasi:

x_baru = g(x_awal)

Jika abs(x_baru – x_awal) < toleransi:

Tampilkan “Akar ditemukan: ” + x_baru

Berhenti

x_awal = x_baru

Baca juga: Rektor Universitas Teknokrat Indonesia Salurkan Donasi untuk Korban Bencana Sumatera melalui ICMI

Jika mencapai max_iterasi:

Tampilkan “Metode tidak konvergen”

Metode numerik seperti Fixed Point Iteration adalah alat yang sangat kuat dalam menyelesaikan masalah matematika yang tidak bisa diselesaikan secara analitis. Dengan memahami prinsip dasar dan sering berlatih contoh soal fixed point iteration, Anda akan lebih mudah menguasai mata kuliah metode numerik secara keseluruhan.

Penulis: Aripin