SOLUSI

PERSAMAAN NON LINEAR

2
Pada bab ini dibahas solusi dari persamaan non linear yang banyak dijumpai
dalam formulasi kasus -kasus fisika , yaitu pencarian akar persamaan (finding roots).
Disajikan beberapa metode yang biasa digunakan, dan inti pembahasan terletak pada
implementasi 3 (tiga) metode komputasi numerik, yaitu metode Bisection, metode
Newton Raphson dan metode Secant, didalam menangani berbagai kasus yang
disertakan.

A. SASARAN UMUM
Sasaran umum dari perkuliahan ini adalah memberikan pe mahaman kepada
mahasiswa mengenai proses penyelesaian kasus fisika dalam formulasi persamaan
non linear secara komputasi numerik, dan memberikan keleluasaan wawasan tentang
beberapa metode dari sekian banyak metode yang bisa diimplementasikan.

B. SASARAN KHUSUS
Setelah perkuliahan selesai dilaksanakan, mahasiswa diharapkan mampu:
1. Memformulasikan fenomena fisis dalam bentuk persamaan non linear ke dalam
formula iteratif komputasi numerik.
2. Menyebutkan beberapa metode komputasi numerik dalam kasus finding roots
3. Menjelaskan proses iterasi dari bracketing methods dan open methods.
4. Menjelaskan perilaku metode Bisection, Newton Raphson dan Secant sesuai
dengan karakter persamaan non linear yang ditangani.
5. Mengembangkan pemahaman dengan menggunakan karakteristik metode-metode
komputasi numerik yang lain.
6. Meng-implementasikan metode komputasi numerik untuk persamaan non linear
dalam program komputer.

C. URAIAN MATERI

Äfisika-komputasi ⊇ 30
 Telah dikenal beberapa metode nonkomputer di dalam menyelesaikan akar-
akar secara aljabar dan non-aljabar. Untuk kasus non-aljabar ada persamaan
transendental– didalamnya mengandung bentuk-bentuk trigonometri, eksponensial,
logaritma, dan persamaan campuran yang mengandung polinom dan transendental.
Dalam beberapa kasus, akar-akar bisa ditentukan dengan metode langsung. Contoh
yang paling sederhana seperti pada persamaan linear ax + b=0 (dimana a dan b
adalah konstanta dan a 0), maka akar tunggal dari persamaan, xo=–b/a. Persamaan
kuadrat ax2 + bx + c=0 dalam keadaan tertentu bisa diselesaikan dengan formula
kuadratik:

− b ± b 2 − 4 ac
x1 , 2 = (2.1)
2a
Rumus-rumus yang memberikan nilai eksak dari penyelesaian secara eksplisit
hanya ada untuk kasus-kasus yang sangat sederhana. Fungsi yang cukup sederhana
seperti f(x) = e-x – x sudah tidak bisa diselesaikan secara analitik . Dalam hal ini satu-
satunya alternatif adalah menggunakan solusi pendekatan (approximate solution)
Salah satu metode untuk menentukan solusi pendekatan adalah menggambar
fungsi dan menentukan nilai x dimana f(x)=0 , seperti terlihat pada contoh 2.1.

Contoh 2.1
Gunakan pendekatan grafik untuk menentukan koefisien tarik (drag coeffisient) c
yang diperlukan sebuah parasut bermassa m=68,1 kg sehingga kecepatannya 40
m/dtk setelah terjun bebas selama t=10 detik. Catatan: percepatan gravitasi 9,8
m/dtk.
Solusi
Kecepatan parasut yang diturunkan dari Hukum Newton II (diberikan oleh
persamaan
1.7 pada Bab 1) adalah:
gm
v(t ) = (1 − e −( c / m)t
)
c
Dapat kita lihat bahwa tidak seperti kecepatan parasut secara eksplisit dapat diisolasi
pada satu sisi dan sebagai fungsi waktu. dalam kasus ini koefisien drag adalah

Äfisika-komputasi ⊇ 31
implisit. Kasus ini bisa diselesaikan dengan metode numerik dengan cara
mengurangi variabel takbebas v pada kedua sisi persamaan, sehingga:
gm
f (c ) = (1 − e−( c / )− v
m )t
(2.2)
c
Nilai c yang membuat f(c)=0 , selanjutnya disebut akar persamaan, yang juga
representasi dari koefisien drag sebagai solusi dari kasus.
Dengan memasukkan parameter t=10, g=9,8, v=40 dan m=68,1
9 ,8 (68 ,1)
f (c ) = (1 − e−( c / 68 ,1 ) 10
) − 40 atau
c
667 , 38
f (c ) = (1 − e −( c / ) − 40
68 ,1 )10
(2.3)
c
Variasi nilai c yang disubtitusi pada persamaan memberikan hasil f(c) pada tabel
sebelah kiri. Kurva melintasi sumbu c antara 12 dan 16. dan dari kelengkungan
grafik memberikan estimasi akar 14,75.

f(x)
t,dt f(c)
40
4 34,115
8 17,653
12 6,067
16 –2,269
20 –8,401 20

Akar

0
4 8 12 20 c
–10

Gambar 2.1. Pendekatan grafik untuk menentukan akar-akar persamaan

Dengan subtitusi 14,75 pada persamaan (2. 3), validitas estimasi grafik bisa diuji:
667 , 38
f (14 ,75 ) = (1 − e−(14 ,75 ) − 40 = 0 , 059
/ 68 ,1 )10
dan
14 ,75

9 ,8 (68 ,1 )
v= (1 − e−(14 ,75 ) = 40 , 059 m / dtk
/ 68 ,1 ) 10

14 ,75

Äfisika-komputasi ⊇ 32
Metode grafik ini tidak cukup teliti (precision). Cara yang lain adalah melakukan
trial and error. Teknik ini terdiri dari sebuah nilai coba x dan dievaluasi apakah
f(x)=0 . jika tidak, dimasukkan nilai coba yang lain dan f(x) dievaluasi kembali untuk
menentukan apakah nilai yang baru memberikan estimasi akar yang lebih baik.
Proses akan berulang sampai sebuah nilai coba memberikan hasil f(x)=0 . Metode
seperti itu jelas tidak sistematis, tidak efisien dan tidak memadai untuk aktivitas
saintis. Metode pendekatan yang paling tepat adalah metode -metode iterasi numerik.
Metode iterasi numerik adalah metode yang memberikan pilihan suatu x0
sebagai tebakan awal dan secara beruntun menghitung barisan x0,x1,x2 ,… secara
rekursif dari relasi berbentuk
xn +1 = g( xn ) (n=0,1,2,…) (2.4)

dengan g didefinisikan dalam selang yang memuat x0 dan rentang g terletak dalam
selang tersebut. Jadi secara beruntun dihit ung x1=g(x0), x2=g(x1), x3 =g(2)…. Metode
iterasi sangat penting untuk beragam masalah dalam analisa numerik, dengan
kelebihan umumnya tidak sangat terpengaruh oleh merambatnya kesalahan
pembulatan.

Contoh 2.2
Buatlah program sederhana menggunakan BASIC untuk mencari akar positif dari
fungsi f(x) = x2 – 5, dengan nilai tebakan awal x=1, lebar langkah 0,5 dan toleransi
10–6. Nilai sebenarnya √5 =2,236068
Solusi
Program BASIC
5 Def Fnf(x)=x*x–5
10 Tolx=1.E–06
15 x=1: FOld=Fnf(x): dx=.5
20 Iter%=0
25 ‘
30 While Abs(dx)>Tolx
35 Iter%=Iter%+1
40 x=x+dx
45 Print Iter%,x,Sqr(5)–x
50 If FungsiOld*Fnf(x)>0 Then Goto 60
55 x=x–dx: dx=dx/2
60 Wend
65 ‘

Äfisika-komputasi ⊇ 33
70 Stop
Running program memberikan hasil sebagai berikut:
Iterasi Nilai x Kesalahan
ke-n (Error)
1 1.5 0.7360679774997897
2 2 0.2360679774997897
3 2.5 –0.2639320225002103
4 2.25 –1.39320225002103E–002
. . .
. . .
13 2.2421875 –6.119522500210304E–003
14 2.23828125 –2.2132725002103036E–003
. . .
. . .
32 2.236066818237305 1.159262485008914E–006
33 2.236068725585938 –7.480861478035856E–007

Pada iterasi ke-33 proses komputasi berhenti, karena telah memenuhi toleransi
kesalahan 10–6 dengan presisi jawaban yang bagus.
Berikut ini adalah metode -metode yang populer digunakan untuk
menyelesaikan masalah finding roots terutama pada kasus persamaan non linear
f(x)=0 secara komputasi numerik:
a. Ä Bagidua (Bisection)
(initial Guesses:2,Convergence Rate:Slow, Stability:Always,
Accuracy:Good, Breadth of Application:Real Roots, Programming
Effort:Easy)
b. Posisi Palsu (False Position)
c. Titik Tetap ( Fixed Point Iteration)
d. Ä NewtonRaphson
(initial Guesses:1,Convergence Rate:Fast, Stability:Possibly
Divergent, Accuracy:Good, Breadth of Application:General,
Programming Effort:Easy, Requires evaluation of f’(x))
e. Modifikasi Newton Raphson
f. ÄTali Busur (Secant)
(initial Guesses:2,Convergence Rate:Medium to Fast,
Stability:Possibly Divergent, Accuracy:Good, Breadth of
Application:General, Programming Effort:Easy, Initial guesses do not
have to bracket the root
g. Modifikasi Talibusur (Secant Modified)
h. Müller
i. Bairstow
Äfisika-komputasi ⊇ 34
 Metode analisa numerik diatas, memiliki karakteristik terapan (metode a dan
b untuk akar-akar real, metode b sampai g untuk general aplikasi, dan metode h dan i
untuk akar-akar polinomial). Di sini hanya akan diimplementasikan satu atau
beberapa metode yang dipilih, dengan pertimbangan yang disertakan pada item
metode, sebagai dasar untuk menangani kasus-kasus fisika pada bab-bab selanjutnya.
Metode Grafik –dengan contoh 2.1 dan metode Bagidua adalah termasuk
metode ‘mengurung’ (bracketing methods), sedangkan metode Newton Raphson dan
metode Secant termasuk metode terbuka (open methods).

2.1 Metode Bagidua (Bisection)

Nilai f(x) akan berubah tanda , berbeda pada kedua sisi akar, seperti yang
ditunjukkan pada contoh 2.1. Secara umum, jika f(x) real dan kontinu pada interval

antara x l sampai xu , dan f(x l ) dan f(x u) berlawanan tanda, maka

f ( x l )f ( x u ) < 0 (2.5)
dan sekurang-kurangnya ada satu akar pada interval itu.
Berikut langkah-langkah komputasi aktual dengan metode bagidua:
Langkah 1: Tentukan nilai awal xl yang lebih rendah dan xu yang lebih tinggi,
sehingga fungsi berubah tanda melalui interval. Ini bisa dicek dengan
menghitung f ( x l )f ( x u ) < 0 .
Langk ah 2: Estimasikan akar xr, yang ditentukan oleh:
xl + xu
xr =
2
Langkah 3: Lakukan evaluasi berikut untuk menentukan interval akar:
(a) Jika f ( x l )f ( x r ) < 0 berarti akar pada sub-interval bawah(xl,xr),
kemudian set xu =x r dan kembali lakukan langkah 2
(b) Jika f ( x l )f ( x r ) > 0 berarti akar pada sub-interval atas(xu ,xr),
kemudian set xl=xr dan kembali lakukan langkah 2
(c) Jika f ( x l )f ( x r ) = 0 akarnya adalah xr, perhitungan dihentikan.

Dengan metode ini ditentukan titik tengah interval, dan interval akan dibagi
menjadi dua sub-interval, yang salah satunya pasti mengandung akar. Berikutnya
yang ditinjau adalah sub-interval yang mengandung akar. Proses diulangi dengan
membagi sub-interval tersebut dan memeriksa separo sub-interval mana yang

Äfisika-komputasi ⊇ 35
mengandung akar. Pembagiduaan sub-sub interval ini dilanjutkan sampai lebar
interval yang ditinjau cukup kecil.
Kriteria penghentian komputasi dan kesalahan estimasi pendekatan, adalah
bijaksana untuk selalu disertakan didalam setiap kasus pencarian akar. Kesalahan
relatif e r cukup representatif untuk kasus dimana nilai akar sebenarnya telah
diketahui. Pada situasi aktual biasanya nilai akar sebenarnya tidak diketahui,
sehingga diperlukan kesalahan relatif pendekatan, era , yaitu:

− x lama
baru
xr
e ra = r
100 %
x baru
r

Contoh 2.3
Dengan menggunakan metode bisection (Bagidua) : [a] Selesaikan problem pada
contoh 2.1. [b] Tentukan akarnya sampai kesalahan pendekatan dibawah 0,5%.
Solusi
[a] Langkah pertama dalam metode bagidua, memberi dua nilai awal dari nilai yang
tidak diketahui yaitu koefisien drag (c), sehingga f(c) memberikan tanda yang
berbeda. dari gambar 2.1 dapat dilihat bahwa fungsi berubah tanda antara nilai 12
dan 16. Sehingga,
iterasi pertama: estimasi awal akar x r yang merupakan titik tengah interval:
12 + 16
xr = = 14 , kesalahan relatif er =5,3% (catatan bahwa nilai akar sebenarnya
2
14,7802). f (12 ) f (14 ) = 6 ,067 (1,569 ) = 9,517 > 0 ,konsekuensinya akar berada pada
interval 14 dan 16. selanjutnya
iterasi kedua:
titik tengah dari sub-interval antara 14 dan 16:
14 + 16
xr = = 15 dengan kesalahan relatif : er =1.5%. Proses berulang untuk
2
mendapatkan estimasi: f (14 ) f (15 ) = 6, 067 (−0 , 425 ) = −0 , 666 < 0 . Jadi akar berada
diantara 14 dan 15.
14 + 15
Iterasi ketiga : xr = = 14 , 5 dengan kesalahan relatif er=1,9%.
2
Metode ini bisa terus berulang sampai hasilnya cukup akurat.
Äfisika-komputasi ⊇ 36
[b] kriteria penghentian es adalah 0,5%. Hasil untuk iterasi pertama kedua adalah 14

15 − 14
dan 15, maka e ra = 100 % = 6 ,667 %
14
iterasi selengkapnya adalah sebagai berikut:
iterasi xl xu xr era(%) ex(%)
1 12 16 14 5,279
2 14 16 15 6,667 1,487
3 14 15 14,5 3,448 1,896
4 14,5 15 14,75 1,695 0,204
5 14,75 15 14,875 0,840 0,641
6 14,75 14,875 14,8125 0,422 0,219

dari 6 iterasi akhirnya era<es=0,5% dan komputasi dihentikan.

Algoritma Bisection
Untuk mengimplementasi kasus mencari akar persamaan dengan
menggunakan metode bisection ke dalam pemrograman komputer, dapat digunakan
algoritma dalam format pseudocode dibawah.
FUNCTION Bisect(xl,xu,es,imax,xr,iter,era)
iter=0
DO
xrlama=xr
xr=(xl+xu)/2
iter=iter+1
IF xr 0 THEN
era=ABS((xr–xrlama)/xr)*100
END IF
test=f(xl)*f(xr)
IF test<0 THEN
xu=xr
ELSE IF test>0 THEN xl=xr
ELSE
era=0
END IF
IF era<es OR
iter imax EXIT
END DO
Bisect=xr
END Bisect
Algoritma in i tidak user friendly , tetapi tidak sulit bagi yang sudah mengenal
bahasa pemrograman. Fungsi pada algoritma ini didefinisikan sendiri oleh user untuk
membuat lokasi akar dan evaluasi fungsi telah dirancang lebih efisien.

Äfisika-komputasi ⊇ 37
2.2 Metode Newton Raphson
Metode Newton Raphson adalah metode iterasi lain untuk memecahkan
persamaan f(x)=0, dengan f diasumsikan mempunyai turunan kontinu f’. Secara
geometri metode ini menggunakan garis singgung sebagai hampiran fungsi pada
suatu selang. Gagasan dasarnya adalah grafik f dihampiri dengan garis-garis
singgung yang sesuai. Dengan menggunakan suatu nilai xi sebagai tebakan awal
yang diperoleh dengan melokalisasi akar-akar dari f(x) terlebih dahulu, kemudian
dite ntukan xi+1 sebagai titik potong antara sumbu x dan garis singgung pada kurva f
di titik (xi ,f(xi). Prosedur yang sama diulang, menggunakan nilai terbaru sebagai nilai
coba untuk iterasi seterusnya.
Metode Newton Raphson
ini bisa diturunkan dari
kemiringan=f’(x o)
f(x i) interpretasi geometri (alternatif
lain didasarkan pada deret
Taylor). Dari gambar 2.2,
f(x i) –0 turunan pertama terhadap x
adalah ekivalen dengan
f(x i+1) kemiringan:
f ( xi ) − 0
0 f ' ( x) = (2.6)
xi+3 xi+2 xi+1 xi x x i − x i +1
xi –x i+1 Dan bisa dituliskan ulang
menjadi:
f ( xi )
Gambar 2.2 Skema metode Newton Raphson x i +1 = x i − (2.7)
f ' ( xi )

Contoh 2.4
Carilah akar positif dari fungsi f(x) = x2 – 5 pada contoh soal 2.2, dengan nilai
tebakan awal x=1, Nilai sebenarnya √5 =2,236068. Gunakan metode Newton
Raphson !

Solusi :

Äfisika-komputasi ⊇ 38
Turunan pertama dari fungsi f(x) = x2 – 5 adalah f’(x)=2x, subtitusikan pada
persamaan (2.7) menjadi:

x i2 − 5
x i +1 = x i −
2xi

Dimulai dari nilai tebakan awal x=1, hitungan iteras i menggunakan Microsoft Excel
memberikan data seperti pada gambar 2.3.

Gambar 2.3 Pencarian akar dengan Newton Raphson

Terlihat metode Newton Raphson hanya memerlukan 6 iterasi untuk

mendapatkan nilai pendekatan numerik yang tepat dengan nilai sebenarnya pada
ketelitian 10–6, dibanding dengan pencarian akar pada contoh soal 2.2.

Contoh 2.5
Gunakan metode Newton Raphson untuk mencari estimasi akar dari fungsi
transendental f(x) = e –x – x, dengan nilai tebakan awal x=0
Solusi :
Turunan pertama didapatkan: f’(x) = –e–x – 1, sehingga persamaan (2.7) menjadi:

e− xi − x
x i +1 = x i −
− e− x − 1
i

Dimulai dari nilai tebakan awal x=0, iterasi persamaan memberikan hasil:

Äfisika-komputasi ⊇ 39
 i xi era(%)
0 0 100
1 0,500000000 11,8
2 0,566311003 0,147
3 0,567143165 0,0000220
4 0,567143290 < 10–8

Pengecekan hasil menggunakan software Numerical Methods Electronic

Toolkit (terlihat pada gambar 2.4) memberikan hasil yaitu 0,5671433 dalam 7 angka
desimal, dengan tole ransi kesalahan sampai 10–8, yang dicapai dengan jumlah iterasi
yang cukup besar yaitu 35, lebih lambat konvergensinya dibanding dengan metode
Newton Raphson.

Gambar 2.4 Pencarian akar transendental dengan Numerical Methods Toolkit.

Tidak dijelaskan metode yang dipakai tetapi berdasarkan jumlah input
parameter nilai coba (low guess & high guess) adalah karakteristik metode talibusur
(Secant) yang akan dijelaskan berikutnya .

Äfisika-komputasi ⊇ 40
 Metode Newton Raphson secara umum direkomendasikan karena
kesederhanaannya, konvergensinya yang sangat cepat dan efisien dibanding metode
lainnya. Tetapi ada pada situasi tertentu, seperti kasus khusus – akar-akar ganda–
dialamati lebih lambat. misalnya menentukan akar positif dari fungsi f(x)=x10–1,
dengan nilai tebakan awal x=0,5. Pada iterasi awal memberikan hasil yang cukup
jauh 51,65; 46,485; … dan seterusnya dengan nilai yang simultan turun dengan
lambat, konvergensi sampai nilai sebenarnya 1.

Algoritma Newton Raphson

Pencaria n akar persamaan dengan metode Newton Raphson dengan
pemrograman komputer, dapat mengacu pada algoritma pseudocode dibawah.

FUNCTION NewtonR( x0, es, imax, iter, era)

xr=x0
iter=0
DO
xrlama=xr
xr=xr–f(xr)/f’(xr)
iter=iter+1
IF xr 0 THEN
era=ABS((xr–xrlama)/xr)*100
END IF
IF era<es OR
iter imax EXIT
END DO
NewtonR =xr
END NewtonR

Bagaimanapun program harus dimodifikasi untuk menghitung turunan

pertama dari fungsi. Hal ini menjadi lebih sederhana dengan menyisipkan fungsi
turunan yang didefinisikan oleh user sendiri.

2.3 Metode Talibusur (Secant)

Masalah potensial dalam implementasi metode Newton Raphson adalah
evaluasi pada turunan. Metode Secant diperoleh dari metode Newton dengan cara
menggantikan turunan f’(x) dengan beda hingga terbagi,

Äfisika-komputasi ⊇ 41
 f (x i ) − f ( x i −1 )
f ' ( x) = (forward) atau (2.8)
x i − x i −1

f (x i −1 ) − f (x i )
f ' ( x) = (backward) (2.9)
x i −1 − x i

Jika diambil persamaan (2.8) untuk disubtitusikan pada persamaaan (2.7) persamaan
iteratifnya menjadi:
f ( x i )(x i − x i −1 )
xi + 1 = x i − (2.10)
f ( x i ) − f ( x i −1 )

atau bisa dituliskan dalam bentuk

f ( x i −1 )(x i −1 − x i −2 )
x i = x i −1 − , i=2,3… (2.11)
f ( x i −1 ) − f ( x i −2 )

Secara geometri, dalam

metode Newton xi+1 merupakan
perpotongan sumbu x dengan
f(x i)
garis singgung di xi , sedangkan
dalam metode Secant xi+1 adalah
perpotongan sumbu x dengan
talibusur kurva f(x) yang

f(x i –1) berpadanan terhadap xn+1 dan xn.

Metode Secant memerlukan dua
0 tebakan awal, xi–1 dan xi , tetapi
xi – 1 xi x
tanpa perhitungan turunan.

Gambar 2. 5 Skema metode Secant

Dapat diperlihatkan metode Secant lebih lambat dibandingkan metode

Newton Raphson, tetapi menjadi pilihan bilamana kerja penghitungan suatu nilai
f’(x) lebih lama daripada ½ kali kerja penghitungan nilai f(x).
Algoritmanya serupa dengan metode Newton. Tidak dianjurkan menuliskan
skema iterasi pada (2.10) dalam bentuk
x i −1 f ( x i ) − x i f ( x i −1 )
x i +1 =
f ( x i ) − f ( x i −1 )

Äfisika-komputasi ⊇ 42
karena bisa jadi menimbulkan kesulitan ketika xn dan xn-1 bernilai hampir sama.

Contoh 2.6
Sebuah peluru bermassa 2 gram ditembakkan vertikal ke udara dan bergerak turun
setelah mencapai batas kecepatan. Batas kecepatan ditentukan oleh mg=Ftarik,
dimana m=massa dan g =percepatan gravitas i. Persamaan lengkap adalah sebagai
berikut:
(2 )(9 , 81 )
= 1, 4 x10 −5 v1 , 5 + 1,15 x10 −5 v 2
1000
dimana v adalah kecepatan batas, m/det. Suku pertama pada ruas kanan menyatakan
gesekan tarik (friction drag), dan suku kedua menyatakan tekanan tarik (pressure
drag). Tentukan batas kecepatan dengan metode secant. Nilai coba awal v ≅ 30 m/det
Solusi:
Kasus ini didefinisikan sebagai pencarian akar dari
(2 )(9 , 81 )
y = f (v) = = 1, 4 x10 −5 v1 , 5 + 1,15 x10 −5 v 2 (2.12)
1000
diset vo=30 dan v1=30,1 didasarkan pada nilai coba awal, dimana y0 dan y1 dihitung
dengan persamaan (2.12). Iterasi penyelesaian dengan persamaan (2. 11) sebagai
berikut:
i vi yn
0 30,00000 1,9620001E–02
1 30,10000 6,8889391E–03
2 30,15411 6,8452079E–03
3 38,62414 –8,9657493E–04
4 37,64323 9,0962276E–05
5 37,73358 9,9465251E–07
6 37,73458 –1,8626451E–09

Jadi batas kecepatannya adalah v=37,7 m/det

::: Studi Kasus Fisika :::
Hukum Gas Ideal dalam Termodinamika

Hukum gas ideal diberikan oleh

PV=nRT

Äfisika-komputasi ⊇ 43
dimana P adalah tekanan mutlak, V adalah volume, n adalah jumlah mol, R adalah
konstanta gas universal dan T adalah temperatur mutlak. Persamaan ini amat luas
penggunaannya dalam aktivitas enginer dan saintis.
Persamaan keadaan alternatif untuk gas dinyatakan dalam persamaan
a
(P + )(v − b) = RT (2.13)
v2
yang dikenal sebagai persamaan van der Waals, dimana v=V/n adalah molal volume,
a dan b adalah konstanta empiris yang tergantung pada sifat gas.
Diperlukan keakuratan di dalam memberikan estimasi terhadap molal volume (v)
dari karbon dan oksigen untuk sejumlah kombinasi temperatur dan tekanan yang
berbeda yaitu tekanan pada 1, 10 dan 100 atm untuk kombinasi temperatur pada 300,
500 dan 700 K, sehingga cocok dalam pemilihan bejana atau tempatnya. Berikut
adalah data -data yang diperlukan:
R= 0,82054 L atm/(mol K)
a= 3,592
karbon dioksida
b=0,04267
a= 1,360
oksigen
b=0,03183

Molal volume dari kedua gas dihitung menggunakan hukum gas ideal,
dengan n=1. Sebagai contoh jika P=1 atm dan T=300 K,
V RT L . atm 300 K
v= = = 0 , 082054 = 24 ,6162 L / mol
n P mol. K 1 atm
dan perhitungan diulang untuk seluruh kombinasi temperatur dan tekanan.
Komputasi molal volume dari persamaan van der Waals bisa di selesaikan
dengan baik menggunakan metode numerik untuk mencari akar-akar persamaan,
dengan

 a 
f (v ) =  P + ( v − b ) − RT
 v2 
turunan dari f(v) mudah didapatkan dan implementasi metode Newton Raphson
dalam kasus ini sangat tepat dan efisien. Turunan f(v) terhadap v dituliskan

Äfisika-komputasi ⊇ 44
 a 2 ab
f ' (v ) = P − + (2.14)
v2 v3
metode Newton Raphson untuk menentukan estimasi akar adalah dengan formula
iteratif,
f (v i )
v i +1 = v i −
f '( v i )

ketika menggunakan nilai coba 24,6162, nilai komputasi molal volume dari karbon
dioksida pada 300 K dan 1 atm sebesar 24,5126 L/mol. Hasil ini didapat hanya
dengan dua iterasi saja dan memiliki kesalahan kurang dari 0,0001 %.
Berikut adalah hasil komputasi selengkapnya

Molal Volume, L/mol

Temperatur, Tekanan,
K atm Van der Waals Van der Waals
Hk. Gas Ideal Karbon dioksida Oksigen
300 1 24,6162 24,5126 24,5928
10 2,4616 2,3545 2,4384
100 0,2462 0,0705 0,2264
500 1 41,0270 40,9821 41,0259
10 4,1027 4,0578 4,1016
100 0,4103 0,3663 0,4116
700 1 57,4378 57,4179 57,4460
10 5,7438 5,7242 5,7521
100 0,5744 0,5575 0,5842

Dalam sistem kontrol proses produksi yang berkaitan dengan komputasi

terhadap kombinasi temperatur dan tekanan dengan persamaan sistem yang bisa
diturunkan, metode Newton Raphson sangat handal dalam hal kecepatan
konvergensinya. Dalam evaluasi jutaan akar, pilihan metode menjadi faktor penentu,
dan pada esensinya basisnya kontinu dari proses manufaktur sampai final produk.
D. SOAL-SOAL
(2.1) Carilah akar positiv dari x2–0,9x–1,52 pada interval [1,2] menggunakan
metode Bisection dengan toleransi 0,001
(2.2) Dengan menggunakan iterasi, perlihatkan bahwa akar positif yang terkecil
dari persamaan x=tan x secara hampiran adalah 4,49
(2.3) Gunakan metode Newton Raphson untuk menentukan akar dari f(x)= –
0,9x2+1,7x+2,5 dengan xo=5
(2.4) Buatlah program untuk menentukan akar dari soal (2.1)

Äfisika-komputasi ⊇ 45
(2.5) Tentukan kecepatan batas pada contoh 2.6 menggunakan metode bisection
dengan toleransi 0,01

D. DAFTAR PUSTAKA
Chapra, S.C., and Canale, R.P., Numerical Methods for Engineers, McGraw-Hill,
1998
James, M.L., G.M. Smith, and J.C. Wolford, Applied Numerical Methods for Digital
Computations, 3rd ed. Harper & Row, 1985
Koonin, S.E., Computational Physics, Addison-Wesley Inc, 1986
Mathews, J.H., Numerical Methods for Mathematics, Science and Engineering ,
Prentice -Hall Inc., 1992
McCracken, D. D., Computing for Engineers and Scientists with Fortran 77, Wiley,
1984
Morris,J.L., Computational Methods in Elementary Numerical Analysis, Wiley, 1983
Nakamura, S., Applied Numerical Methods in C , Prentice-Hall Inc. 1993
Wark, K. Jr., Thermodynamics, McGraw-Hill, 1998
Yakowitz, S., and F. Szidarovszky, An Introduction to Numerical Computations,
Macmillan, 1986

Äfisika-komputasi ⊇ 46