GALAT ( error ) pada Metode Numerik
Metode numerik merupakan suatu metode untuk menyelesaikan masalah-masalah matematika
dengan menggunakan sekumpulan aritmatik sederhana dan operasi logika pada
sekumpulan bilangan atau data numerik yang diberikan. Metode komputasi yang
digunakan disebut algoritma. Proses penyelesaiannya mungkin memerlukan
puluhan bahkan sampai jutaan operasi, tergantung pada kompleksitas masalah yang
harus diselesaikan, tingkat keakuratan yang diinginkan dan seterusnya.
Pendekatan yang digunakan dalam metode numerik merupakan pendekatan analitis
matematis. Sehingga dasar pemikirannya tidak keluar dari dasar pemikiran
analitis, hanya saja teknik perhitungan yang mudah merupakan pertimbangan dalam
pemakaian metode numerik. Mengingat bahwa algoritma yang dikembangkan dalam
metode numerik adalah algoritma pendekatan maka dalam algoritma tersebut akan
muncul istilah iterasi yaitu pengulangan proses perhitungan. Dengan kata lain
perhitungan dengan metode numerik adalah perhitungan yang dilakukan secara
berulang-ulang untuk terus-menerus memperoleh hasil yang semakin mendekati
nilai penyelesaian yang sebenarnya.
Dengan menggunakan metode pendekatan semacam ini, tentunya setiap nilai hasil
perhitungan akan mempunyai GALAT (error) atau nilai kesalahan. Kesalahan
ini penting artinya, karena kesalahan dalam pemakaian algoritma pendekatan akan
menyebabkan nilai kesalahan yang besar, tentunya ini tidak diharapkan. Sehingga
pendekatan metode numerik selalu membahas tingkat kesalahan dan tingkat
kecepatan proses yang akan terjadi.
Masalah-masalah matematika yang sering kita hadapi merupakan masalah matematika
yang diselesaikan dengan metode analitik atau metode sejati, yaitu suatu
metode yang memberikan solusi sejati atau solusi yang sesungguhnya, karena
memiliki galat (error) yang bernilai nol. Tetapi penyelesaian dengan
menggunakan metode analitik hanya terbatas pada masalah tertentu saja. Bila
metode analitik tidak dapat lagi diterapkan, maka solusinya masih dapat dicari
yaitu dengan menggunakan metode numerik. Pada metode numerik solusinya
merupakan hampiran (pendekatan) terhadap solusi sejati.
Ada
beberapa alasan mengapa mempelajari metode numerik, yaitu:
1) Metode numerik merupakan alat untuk memecahkan masalah matematika yang sangat handal. Banyak permasalahan teknik yang mustahil dapat diselesaikan secara analitik, karena kita sering dihadapkan pada sistem-sistem persamaan yang besar, tidak linear dan cakupan yang kompleks, dapat diselesaikan dengan metode numerik.
1) Metode numerik merupakan alat untuk memecahkan masalah matematika yang sangat handal. Banyak permasalahan teknik yang mustahil dapat diselesaikan secara analitik, karena kita sering dihadapkan pada sistem-sistem persamaan yang besar, tidak linear dan cakupan yang kompleks, dapat diselesaikan dengan metode numerik.
2) Program paket numerik,
misalnya MATLAB, MAPLE, dan sebagainya yang digunakan untuk menyelesaikan
masalah matematika dengan metode numerik dibuat oleh orang yang mempunyai dasar-dasar
teori metode numerik.
3) Banyak masalah matematika yang tidak dapat diselesaikan dengan memakai program paket atau tidak tercakup dalam program paket. Oleh karena itu kita perlu belajar metode numerik untuk dapat membuat program paket (software) untuk masalah sendiri.
4) Metode numerik merupakan suatu sarana yang efisien untuk mempelajari penggunaan komputer. Belajar pemrograman secara efektif adalah menulis program komputer. Metode numerik mengandung bagian yang dirancang untuk diterapkan pada komputer, misalnya membuat algoritma.
5) Metode numerik merupakan suatu sarana untuk lebih memahami matematika. Karena fungsi metode numerik adalah menyederhanakan matematika yang lebih tinggi dengan operasi-operasi hitungan dasar.
Tahap-tahap dalam menyelesaikan masalah matematika secara numerik
dengan memakai alat bantu komputer secara umum adalah:
1) Pemodelan
2) Pemilihan metode (algoritma) numerik
3) Pemrograman (koding)
4) Dokumentasi
5) Penafsiran hasil.
APROKSIMASI DAN GALAT
1.1
Kekeliruan , Kesalahan
perumusan dan Ketidakpastian Data
Walau sumber
kesalahan di bawah ini secara langsung tak dihubungkan dalam metode
numerik, dampak dari kesalahan ini cukup
besar.
A. Kekeliruan.
Kesalahan bruto/kekeliruan.
Tahun awal
penggunaan komputer, komputer sering kali
gagal
pakai
(malfunction).
Sekarang kekeliruan
ini dihubungkan dengan ketidaksempurnaan manusianya.
Kekeliruan dapat terjadi
pada
sembarang
langkah
proses
pemodelan
matematika dan dapat mengambil bagian terhadap semua komponen
kesalahan lainnya. Ia hanya dapat dicegah oleh
pengetahuan yang baik tentang prinsip
dasar dan berhati-hatilah dalam melakukan pendekatan
dan
mendesain solusi untuk
masalah anda.
Biasanya tak dianggap dalam pembahasan metode
numerik. Ini terjadi, karena kesalahan bruto sampai taraf tertentu tak dapat dihindari. Tapi tentu saja pasti
ada
cara untuk
memperbaiki keadaan ini.
Misalnya: kebiasaan
pemrograman yang
baik, seperti
yang dibahas dalam
bab 2, sangat berguna untuk mengurangi kekeliruan pemrograman. Sebagai tambahan, terdapat juga cara-
cara sederhana
untuk
memeriksa apakah
suatu metode numerik tertentu
bekerja
secara
sempurna.
B. Kesalahan Perumusan.
Kesalahan perumusan model dihubungkan dengan penyimpangan yang dapat dianggap berasal dari model matematika yang tak
sempurna.
Contoh: fakta bahwa hukum Newton kedua tak menghitung efek relativistik. Ini tak mengurangi
kelayakan solusi pada contoh sebelumnya, karena kesalahan-kesalahan ini adalah minimal pada skala waktu dan ruang
dari seorang penerjun
payung.
Anggap
bahwa
tahanan udara bukan proporsi
linier terhadap
kecepatan jatuh
seperti
dalam
persamaan
tetapi merupakan sebuah fungsi kuadrat kecepatan. Kalau hal ini benar, baik
kedua solusi analitis
maupun
numerik
yang diperoleh
dalam
bab
1
hasilnya
menjadi salah
karena kesalahan
perumusan.
C. Ketidakpastian Data.
Kesalahan-kesalahan
seringkali masuk ke dalam suatu analisis karena ketidakpastian data fisika yang
mendasari suatu model.
Misalnya
kita ingin menguji model penerjun payung dengan loncatan-loncatan berulang yang
dibuatnya, mengukur kecepatan orang tersebut setelah interval waktu tertentu.
Ketidakpastian yang
menyertai pengukuran-pengukuran ini
tak diragukan, karena
penerjun akan jatuh lebih
cepat selama beberapa
loncatan daripada loncatan
lainnya. Kesalahan-
kesalahan
ini dapat memunculkan ketidak akuratan dan ketidak presisian.
Jika instrumen
kita menaksir terlalu
rendah atau terlalu
tinggi terhadap kecepatan,
kita menghadapi suatu alat yang tak akurat atau menyimpang.
Pada
keadaan lainnya, jika pengukuran tinggi dan rendah secara acak, kita akan
berhadapan dengan sebuah pertanyaan mengenai kepresisian.
Kesalahan-kesalahan pengukuran
dapat dikuantifikasikan dengan
meringkaskan data dengan
satu atau
lebih statistik yang
dipilih yang membawa
sebanyak mungkin informasi
mengenai sifat-sifat data tertentu.
Statistik yang
deskriptif ini kebanyakan
sering dipilih untuk
menyatakan (1) letak
pusat distribusi data, dan
(2) tingkat penyebaran
data. Hal demikian
memberikan suatu ukuran penyimpangan dan ketidakpresisian.
1.2
Analisis Galat
Menganalisis galat sangat penting di dalam perhitungan yang
menggunakan metode numerik. Galat berasosiasi dengan seberapa dekat solusi
hampiran terhadap solusi sejatinya. Semakin kecil galatnya, semakin teliti
solusi numerik yang didapatkan.
Nilai sejati ( true value ) = Hampiran (aproksimasi) + Galat
Misalkan
adalah nilai
hampiran terhadap nilai sejatinya a ,
maka selisih
disebut
Galat. Jika tanda Galat ( positif atau negatif ) tidak dipertimbangkan , maka
Galat mutlak
Ukuran galat
kurang bermakna karena tidak menceritakan seberapa
besar galat itu dibandingkan dengan nilai sejatinya. Untuk mengatasi
interpretasi nilai galat tersebut , maka galat harus dinormalkan terhadap nilai
sejatinya. Gagasan ini melahirkan apa yang dinamakan galat relatif.
Galat Relatif didefinisikan sebagai
Atau dalam persentase
Karena galat dinormalkan terhadap nilai sejati, maka galat
relatif tersebut dinamakan juga relatif sejati. Dalam praktek ketika kita tidak
mengetahui nilai sejati a, karena itu
galat
sering dinormalkan terhadap solusi hampirannya,
sehingga galat relatifnya dinamakan galat relatif hampiran
Salah satu tantangan metode numerik adalah menentukan
taksiran galat tanpa mengetahui nilai sejatinya. Misalnya, metode numerik
tertentu memakai pendekatan secara iterasi untuk menhitung jawaban. Dalam
pendekatan yang demikian, suatu aproksimasi sekarang dibuat berdasarkan
aproksimasi sebelumnya. Proses ini dilakukan secara berulang , atau secara
iterasi dengan maksud secara beruntun menghitung aproksimasi yang lebih dan
lebih baik. Jadi, persen galat relatif :
Komputasi diulang sampai
Nilai
menentukan ketelitian solusi numerik. Semakin kecil
nilai
semakin teliti solusinya.
Soal
- Misalkan nilai sejati = 10/3 dan nilai hampiran = 3.333. hitunglah galat, galat mutlak, dan galat relatif hampiran.
- Prosedur iterasi sebagai berikut r = 0, 1, 2, 3, ...
dan
= 0.00001
Sumber Utama Galat Numerik
Secara umum terdapat dua sumber utama penyebab galat dalam
perhitungan numerik
- Galat pembulatan ( round-off error )
Perhitungan dengan metode numerik hampir
selalu menggunakan bilangan riil.Masalah timbul bila komputasi numerik
dikerjakan oleh mesin (dalam hal inikomputer) karena semua bilangan riil tidak
dapat disajikan secara tepat di dalamkomputer. Keterbatasan komputer dalam
menyajikan bilangan riil menghasilkangalat yang disebut galat pembulatan.
Sebagai contoh 1/6 = 0.166666666… tidak dapat dinyatakan secara tepat oleh
komputer karena digit 6 panjangnya tidak terbatas. Komputer hanya mampu
merepresentasikan sejumlah digit (atau bit dalam sistem biner) saja. Bilangan
riil yang panjangnya melebihi jumlah digit (bit) yang dapat direpresentasikan
oleh komputer dibulatkan ke bilangan terdekat. Misalnya sebuah komputer hanya
dapat merepresentasikan bilangan riil dalam 6 digit angka berarti, maka
representasi bilangan 1/6 = 0.1666666666… di dalam komputer 6-digit tersebut
adalah 0.166667. Galat pembulatannya adalah 1/6 – 0.166667 = -0.000000333.
Contoh dalam sistem biner misalnya
1/10 = 0.000110011001100110011 00110011…2 direpresentasikan di dalam
komputer dalam jumlah bit yang terbatas. Kebanyakan komputer digital mempunyai
dua buah cara penyajian bilangan riil, yaitu bilangan titik-tetap (fixed
point) dan bilangan titik-kambang (floatingpoint) Dalam
format bilangan titik -tetap setiap bilangan disajikan dengan jumlah tempat
desimal yang tetap, misalnya 62.358, 0.013, 1.000. Sedangkan dalam format
bilangan titik-kambang setiap bilangan disajikan dengan jumlah digit berarti
yang sudah tetap, misalnya 0.6238 103 0.1714 10-13 atau ditulis juga
0.6238E+03 0.1714E-13 Digit-digit berarti di dalam format bilangan
titik-kambang disebut juga angka bena (significant figure).
Konsep angka bena dijelaskan berikut ini.
Contohnya:
43.123
memiliki 5 angka bena (yaitu 4,3,1,2,3)
0.0000012
memiliki 2 angka bena (yaitu 1,2)
270.0090
memiliki 7 angka bena (yaitu 2,7,0,0,0,9,0)
- Galat Pemotongan ( truncation error )
Galat pemotongan adalah galat yang ditimbulkan oleh pembatasan jumlah
komputasi yang digunakan pada proses metode numerik. Banyak metode dalam metode
numerik yang penurunan rumusnya menggunakan proses iterasi yang jumlahnya
tak terhingga, sehingga untuk membatasi proses penghitungan, jumlah iterasi
dibatasi sampai langkah ke n. Hasil penghitungan sampai langkah ke n
akan menjadi hasil hampiran dan nilai penghitungan langkah n keatas akan
menjadi galat pemotongan. dalam hal ini galat pemotongan kan menjadi sangat
kecil sekali jika nilai n di perbesar. Konsekuensinya tentu saja jumlah proses
penghitungannya akan semakin banyak.
Contoh:
Gunakan
deret Taylor orde 4 di sekitar xₒ = 1 untuk menghampiri ln(0.9) dan berikan
taksiran untuk galat pemtongan maksimum yang dibuat.
Penyelesaian:
Tentukan turunan
fungsi f(x) = ln(x) terlabih dahulu
f(x) = ln(x)
f(1)=0
f’(x) =
1/x f’(1)=1
f’’(x) = -1/x2 f’’(1)=-1
f’’’(x) = 2/x3 f’’’(1)=2
f(4)(x) = -6/x4 f(4)(1)=-6
f(5)(x) = 24/x5 f(5)(c)=24/c5
Deret Taylornya
adalah
ln(x) = (x-1) –
(x-1)2/2 + (x-1)3/3 – (x-1)4/4 + R4(x)
dan
ln(0.9) = -0.1 –
(-0.1)2/2 + (-0.1)3/3 – (-0.1)4/4 + R4(x) = -0.105358 + R4(x)
juga
Dan
nilai Max |24/c5| di dalam selang 0.9 < c < 1 adalah pada c = 0.9
(dengan mendasari pada fakta bahwa pada suatu pecahan nilainya semakin membesar
bilamana penyebut dibuat lebih kecil). Sehingga
Jadi ln(0.9) =
-0.1053583 dengan galat pemotongan lebih kecil dari 0.0000034.
3. Galat Total
Galat akhir atau galat total atau pada solusi numerik merupakan jumlah galat
pemotongan dan galat pembulatan. Misalnya menggunakan deret Maclaurin orde-4
untuk menghampiri cos(0.2) sebagai berikut:
Cos(0.2) ≈ 1 –
0.22/2 + 0.24/24 ≈ 0.9800667
Selain kedua galat ini, terdapat sumber galat lain :
- Galat eksperimental , galat yang timbul dari data yang diberikan, misalnya karena kesalahan pengukuran, ketidaktelitian alat ukur dan sebagainya.
- Galat pemrograman. Galat yang terdapat di dalam program sering dinamakan dengan bug. Dan proses penghilangan galat dinamakan debugging.
materinya sangat membantu dalam tugas kuliah' terimakasih :)
BalasHapus