Äfisika-komputasi ⊇
30
SOLUSI
PERSAMAAN NON LINEAR
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
2
▸ Baca selengkapnya: trend linear dan non linear
(2)Äfisika-komputasi ⊇
31
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: a ac b b x 2 4 2 2 , 1
−
±
−
=
(2.1)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:
) 1 ( ) ( e (c/m)t c gm t v
=
−
−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 ⊇
32
implisit. Kasus ini bisa diselesaikan dengan metode numerik dengan cara
mengurangi variabel takbebas v pada kedua sisi persamaan, sehingga:
v e c gm c f( )
=
(1−
−(c/m)t)−
(2.2)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
40 ) 1 ( ) 1 , 68 ( 8 , 9 ) (
=
−
−(c/68,1)10−
e c c f atau 40 ) 1 ( 38 , 667 ) (=
−
e−(c/68,1)10−
c c f (2.3)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.
Gambar 2.1. Pendekatan grafik untuk menentukan akar-akar persamaan
Dengan subtitusi 14,75 pada persamaan (2. 3), validitas estimasi grafik bisa diuji:
(1 ) 40 0,059 75 , 14 38 , 667 ) 75 , 14 (
=
−
e−(14,75 /68,1)10−
=
f dan v (1 e ) 40,059m/ dtk 75 , 14 ) 1 , 68 ( 8 , 9−
(14,75 /68,1)10=
=
− t,dt f(c) 4 8 12 16 20 34,115 17,653 6,067 –2,269 –8,401 f(x) 20 40 –10 0 4 8 12 20 c AkarÄfisika-komputasi ⊇
33
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 )
(
1 n
n gx
x +
=
(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
Äfisika-komputasi ⊇
34
70 Stop
Running program memberikan hasil sebagai berikut: Iterasi ke-n Nilai x Kesalahan (Error) 1 2 3 4 . . 13 14 . . 32 33 1.5 2 2.5 2.25 . . 2.2421875 2.23828125 . . 2.236066818237305 2.236068725585938 0.7360679774997897 0.2360679774997897 – 0.2639320225002103 – 1.39320225002103E– 002 . . – 6.119522500210304E–003 – 2.2132725002103036E– 003 . . 1.159262485008914E–006 – 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. ÄBagidua (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. ÄNewtonRaphson
(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
Äfisika-komputasi ⊇
35
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 sampaix
u, dan f(xl) dan f(xu) berlawanan tanda, maka 0 ) ( ) (xl f xu<
f (2.5)dan sekurang-kurangnya ada satu akar pada interval itu.
Berikut langkah-langkah komputasi aktual dengan metode bagidua:
Langkah 1: Tentukan nilai awal
x
l yang lebih rendah danx
u yang lebih tinggi,sehingga fungsi berubah tanda melalui interval. Ini bisa dicek dengan menghitung f(xl)f(xu)
<
0.Langk ah 2: Estimasikan akar
x
r,
yang ditentukan oleh:2 u l r x x x
=
+
Langkah 3: Lakukan evaluasi berikut untuk menentukan interval akar:
(a) Jika f(xl)f(xr)
<
0 berarti akar pada sub-interval bawah(x
l,x
r),kemudian set
x
u=x
r dan kembali lakukan langkah 2(b) Jika f(xl)f(xr)
>
0 berarti akar pada sub-interval atas(x
u,x
r),kemudian set
x
l=x
r dan kembali lakukan langkah 2(c) Jika f(xl)f(xr)
=
0 akarnya adalahx
r, 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 ⊇
36
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 er 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:
% 100 baru r lama r baru r ra x x x e
=
−
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 xr yang merupakan titik tengah interval:
14 2 16 12
=
+
=
rx , kesalahan relatif er=5,3% (catatan bahwa nilai akar sebenarnya
14,7802). f(12)f(14)
=
6,067(1,569)=
9,517>
0 ,konsekuensinya akar berada pada interval 14 dan 16. selanjutnyaiterasi kedua:
titik tengah dari sub-interval antara 14 dan 16:
15 2 16 14
=
+
=
rx dengan kesalahan relatif : er=1. 5%. Proses berulang untuk
mendapatkan estimasi: f(14)f(15)
=
6,067(−
0,425)=
−
0,666<
0. Jadi akar berada diantara 14 dan 15. Iterasi ketiga : 14,5 2 15 14=
+
=
rx dengan kesalahan relatif er=1,9%.
Äfisika-komputasi ⊇
37
[b] kriteria penghentian es adalah 0,5%. Hasil untuk iterasi pertama kedua adalah 14
dan 15, maka 100% 6,667% 14 14 15
=
−
=
ra eiterasi selengkapnya adalah sebagai berikut:
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.
iterasi xl xu xr era(%) ex(%) 1 2 3 4 5 6 12 14 14 14,5 14,75 14,75 16 16 15 15 15 14,875 14 15 14,5 14,75 14,875 14,8125 6,667 3,448 1,695 0,840 0,422 5,279 1,487 1,896 0,204 0,641 0,219
Äfisika-komputasi ⊇
38
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 interpretasi geometri (alternatif lain didasarkan pada deret
Taylor). Dari gambar 2.2,
turunan pertama terhadap x adalah ekivalen dengan kemiringan: 1 0 ) ( ) ( ' +
−
−
=
i i i x x x f x f (2.6)Dan bisa dituliskan ulang menjadi:
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 : f(xi) 0 xi xi + 1 xi + 2 xi + 3 kemiringan=f’(xo) x f(xi + 1) f(xi) –0 xi –xi + 1
Gambar 2.2 Skema metode Newton Raphson
) ( ' ) ( 1 i i i i x f x f x x+
=
−
(2.7)Äfisika-komputasi ⊇
39
Turunan pertama dari fungsi f(x) = x2 – 5 adalah f’(x)=2x, subtitusikan pada
persamaan (2.7) menjadi: i i i i x x x x 2 5 2 1
−
−
=
+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:
1 1
−
−
−
−
=
−− + i i x x i i e x e x xÄfisika-komputasi ⊇
40
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 .
i xi era(%) 0 1 2 3 4 0 0,500000000 0,566311003 0,567143165 0,567143290 100 11,8 0,147 0,0000220 < 10–8
Äfisika-komputasi ⊇
41
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 ⊇
42
1 1) ( ) ( ) ( ' − −−
−
=
i i i i x x x f x f x f (forward) atau (2.8) i i i i x x x f x f x f−
−
=
− − 1 1) ( ) ( ) ( ' (backward) (2.9)Jika diambil persamaan (2.8) untuk disubtitusikan pada persamaaan (2.7) persamaan iteratifnya menjadi: ) ( ) ( ) )( ( 1 1 1 − −
−
−
−
=
+
i i i i i i i x f x f x x x f x x (2.10)atau bisa dituliskan dalam bentuk
) ( ) ( ) )( ( 2 1 2 1 1 1 − − − − − −
−
−
−
=
i i i i i i i x f x f x x x f x x , i=2,3… (2.11)Secara geometri, dalam
metode Newton xi+1 merupakan
perpotongan sumbu x dengan
garis singgung di xi, sedangkan
dalam metode Secant xi+1 adalah
perpotongan sumbu x dengan
talibusur kurva f(x) yang
berpadanan terhadap xn+1 dan xn.
Metode Secant memerlukan dua
tebakan awal, xi–1 dan xi, tetapi
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
) ( ) ( ) ( ) ( 1 1 1 1 − − − +
=
−
−
i i i i i i i x f x f x f x x f x x f(xi) 0 xi xi – 1 x f(xi –1)Äfisika-komputasi ⊇
43
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: 5 1,5 5 2 10 15 , 1 10 4 , 1 1000 ) 81 , 9 )( 2 ( v x v x −
+
−=
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
=
=
f(v) y 1,4 10 5 1,5 1,15 10 5 2 1000 ) 81 , 9 )( 2 ( v x v x −+
−=
(2.12)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:
Jadi batas kecepatannya adalah v=37,7 m/det
::: Studi Kasus Fisika :::
Hukum Gas Ideal dalam TermodinamikaHukum gas ideal diberikan oleh PV=nRT i vi yn 0 1 2 3 4 5 6 30,00000 30,10000 30,15411 38,62414 37,64323 37,73358 37,73458 1,9620001E–02 6,8889391E–03 6,8452079E–03 –8,9657493E–04 9,0962276E–05 9,9465251E–07 –1,8626451E–09
Äfisika-komputasi ⊇
44
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
RT b v v a P
+
)(−
)=
( 2 (2.13)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
b=0,04267 a= 1,360 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,
mol L atm K K mol atm L P RT n V v 24,6162 / 1 300 . . 082054 , 0
=
=
=
=
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 RT b v v a P v f
−
−
+
=
( ) ) ( 2turunan dari f(v) mudah didapatkan dan implementasi metode Newton Raphson
dalam kasus ini sangat tepat dan efisien. Turunan f(v) terhadap v dituliskan
karbon dioksida
Äfisika-komputasi ⊇
45
3 2 2 ) ( ' v ab v a P v f=
−
+
(2.14)metode Newton Raphson untuk menentukan estimasi akar adalah dengan formula iteratif, ) ( ' ) ( 1 i i i i v f v f v v+
=
−
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
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)
Molal Volume, L/mol Temperatur,
K
Tekanan,
atm Hk. Gas Ideal Van der Waals
Karbon dioksida
Van der Waals Oksigen 300 500 700 1 10 100 1 10 100 1 10 100 24,6162 2,4616 0,2462 41,0270 4,1027 0,4103 57,4378 5,7438 0,5744 24,5126 2,3545 0,0705 40,9821 4,0578 0,3663 57,4179 5,7242 0,5575 24,5928 2,4384 0,2264 41,0259 4,1016 0,4116 57,4460 5,7521 0,5842
Äfisika-komputasi ⊇
46
(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,