Kalkulator Pembulatan

Bagaimana Rounding Bekerja

Rounding adalah proses mengganti sebuah bilangan dengan bilangan yang lebih sederhana yang dekat dengan nilai aslinya. Aturan yang paling umum adalah round half up (standar yang diajarkan di sekolah): jika digit yang akan dihilangkan adalah tepat 5, maka bulatkan ke atas. Contoh, 2,35 dibulatkan ke 1 tempat desimal adalah 2,4.

Aturan umum: lihat digit yang berada di sebelah kanan dari posisi bulatan. Jika itu adalah 0–4, bulatkan ke bawah (potong). Jika itu adalah 5–9, bulatkan ke atas. Contoh: bulatkan 3,14159 ke 2 tempat desimal — lihat decimal ketiga (1) — karena 1 < 5, bulatkan ke bawah — hasil: 3,14.

Ada beberapa mode bulatan yang berbeda untuk situasi yang berbeda. Truncation selalu bulatkan ke nol. Ceiling selalu bulatkan menjauhi nol (ke arah infiniti positif). Banker's rounding (round half to even) bulatkan 2,5 ke 2 dan 3,5 ke 4, mengurangi kesalahan bulatan kumulatif dalam perhitungan keuangan. Ini adalah default di banyak bahasa pemrograman dan sistem akuntansi.

Paham bulatan penting tidak hanya untuk matematika kelas, tetapi juga untuk keputusan sehari-hari. Apakah Anda membagi tagihan restoran, menghitung dosis obat, atau mengestimasi anggaran proyek, mengetahui kapan dan bagaimana untuk bulatkan membantu Anda bekerja lebih cepat dan lebih akurat dengan angka.

Tabel Perbandingan Mode Bulatan

Ada beberapa mode bulatan yang berbeda, masing-masing cocok untuk kasus yang berbeda. Memilih mode yang salah dapat memperkenalkan bias sistematis dalam perhitungan secara bertahap.

Di kebanyakan situasi sehari-hari, perbedaan antara mode tidak penting. Tapi di software, sistem keuangan, dan komputasi ilmiah, mode yang tepat sangat penting. Selalu bulatkan 0,5 ke atas akan memperkenalkan bias kecil ke atas; dalam jutaan transaksi ini dapat berjumlah jumlah yang signifikan. Banker's rounding mendistribusikan setengah-setengah ini secara merata dan menghilangkan bias sistematis.

Angka Signifikan vs. Tempat Desimal

Ada perbedaan penting antara tempat desimal dan angka signifikan. Tempat desimal menghitung digit setelah titik desimal (3,14159 ke 2 tempat desimal = 3,14). Angka signifikan menghitung digit yang bermakna dari digit pertama yang tidak nol (3,14159 ke 3 angka signifikan = 3,14; tapi 0,00314159 ke 3 angka signifikan = 0,00314).

Dalam pengukuran ilmiah, angka signifikan menyampaikan ketepatan pengukuran. Pengukuran 3,40 m memiliki 3 angka signifikan dan menunjukkan pengukuran tersebut tepat ke 0,01 m. Menulis 3,4 m menunjukkan hanya 2 angka signifikan dan kurang tepat. Sistem ini mencegah ketepatan palsu dalam hasil yang dilaporkan.

Ketika mengalikan atau membagi pengukuran, hasilnya harus memiliki jumlah angka signifikan yang sama dengan pengukuran yang paling tidak tepat. Ketika menambah atau mengurangi, bulatkan ke tempat desimal yang sama dengan bilangan yang paling tidak tepat. Aturan ini memastikan perhitungan Anda mencerminkan ketidakpastian pengukuran.

Salah satu kesalahan umum adalah melaporkan hasil kalkulator dengan 8 tempat desimal ketika pengukuran masukan hanya membenarkan 2 atau 3 angka signifikan. Selalu tanyakan: berapa tepatnya pengukuran masukan, dan berapa tepatnya hasilnya harus?

Penyimpangan dalam Keuangan, Ilmu Pengetahuan, dan Kehidupan Sehari-hari

Dalam keuangan, penyimpangan mempengaruhi setiap perhitungan. Harga dianggap ke arah yang paling dekat. Perhitungan pajak seringkali dipotong untuk menghindari pengumpulan yang berlebihan. Kesalahan penyimpangan yang berakumulasi dari jutaan transaksi dapat signifikan. Itulah mengapa sistem keuangan menggunakan aritmatika desimal daripada bilangan desimal biner. Contoh klasik: kesalahan penyimpangan senilai $0,01 dikalikan dengan 1 miliar transaksi sama dengan kesalahan $10 juta.

Dalam pengukuran dan ilmu pengetahuan, penyimpangan adalah tentang menyampaikan ketepatan yang tepat. Konstanta fisika seperti pi (sekitar 3,14159265) disimpangkan tergantung pada ketepatan yang dibutuhkan. Untuk kebanyakan teknik, 4 hingga 5 angka signifikan cukup. Penghitungan geodetik mungkin memerlukan 10 atau lebih digit.

Dalam konteks sehari-hari: menyimpangkan tagihan restoran untuk perkiraan tips, menyimpangkan menit ketika menjadwalkan, atau menyimpangkan nilai gizi. Matematika mental biasanya melibatkan penyimpangan ke angka yang nyaman — mengalikan 19 dengan 21 adalah sekitar 20 kali 20 = 400 (aktual: 399), lalu menyesuaikan jika perlu.

Eliminasi koin kanada pada tahun 2013 adalah contoh baik dari kebijakan penyimpangan dalam praktek. Penjual sekarang menyimpangkan transaksi tunai ke arah yang paling dekat 5 sen, yang mempengaruhi strategi harga. Transaksi elektronik masih ditunaikan ke arah yang tepat sen. Sistem penyimpangan ganda ini menunjukkan bagaimana kebijakan penyimpangan praktis dirancang sekitar keterbatasan dunia nyata.

Penyimpangan dalam Bahasa Pemrograman

Bahasa pemrograman yang berbeda melaksanakan penyimpangan secara berbeda secara default, yang dapat menyebabkan bug yang tidak terduga ketika kode dipindahkan antar platform. Berikut adalah bagaimana bahasa pemrograman yang umum menangani penyimpangan 2,5 ke arah bilangan bulat:

Perubahan Python 3 dari penyimpangan setengah ke atas ke penyimpangan banker kontroversial tetapi matematika benar untuk komputasi numerik umum. Jika Anda bergantung pada perilaku penyimpangan tertentu dalam kode, selalu spesifikasikan secara eksplisit daripada mengandalkan default. Dalam Python 3, gunakan modul decimal dengan mode penyimpangan eksplisit untuk perhitungan keuangan untuk menghindari kejutan.

Representasi bilangan desimal menambahkan lapisan kompleksitas lainnya. Bilangan 2,675 tidak dapat disimpan secara tepat dalam IEEE 754 double precision dan disimpan secara internal sebagai sekitar 2,6749999999999999, sehingga penyimpangan 2,675 ke 2 angka desimal mengembalikan 2,67 bukan 2,68 dalam banyak bahasa. Untuk aritmatika desimal yang tepat, selalu gunakan tipe desimal yang khusus.

Panduan Rounding Langkah demi Langkah

Ikuti langkah-langkah ini untuk membulatkan angka ke posisi desimal mana pun atau angka signifikan:

Membulatkan ke posisi desimal:

1. Identifikasi posisi target (misalnya, 2 posisi desimal berarti kolom satuan desimal).
2. Lihat digit langsung di sebelah kanan dari posisi tersebut (digit keputusan).
3. Jika digit keputusan adalah 0–4: hapus dan semua digit yang berikutnya (bulat ke bawah).
4. Jika digit keputusan adalah 5–9: tambahkan 1 ke digit di posisi target, lalu hapus yang lain (bulat ke atas).
5. Tangani carry-over: jika menambah 1 menyebabkan digit melebihi 9, bawa 1 ke posisi sebelah kiri.

Contoh — bulatkan 7,8956 ke 2 posisi desimal: Posisi target = satuan desimal (9). Digit keputusan = 5 (ribuan desimal). Karena 5 ≥ 5, bulatkan ke atas: 9 menjadi 10, bawa 1: 89 menjadi 90. Hasil: 7,90.

Membulatkan ke angka signifikan:

1. Temukan digit signifikan pertama (digit pertama yang tidak nol dari kiri).
2. Hitung N digit dari sana untuk menemukan posisi target.
3. Terapkan aturan setengah ke atas melihat digit setelah posisi target.
4. Ganti digit sebelum titik desimal dengan nol jika perlu; hapus digit setelah titik desimal di luar target.

Contoh — bulatkan 0,008473 ke 2 angka signifikan: Pertama sig digit = 8. Kedua sig digit = 4. Digit keputusan = 7. Karena 7 ≥ 5, bulatkan ke atas: 4 menjadi 5. Hasil: 0,0085.

Erornya Bulatan dan Kerugian Akumulasi Presisi

Ketika bulatan diterapkan secara berulang-ulang di sepanjang rantai perhitungan, kesalahan berkumpul. Ini disebut propagasi kesalahan bulatan atau kesalahan bulatan akumulasi, dan ini adalah salah satu konsep paling penting dalam analisis numerik.

Anggaplah menghitung rata-rata 1.000 bilangan, setiap bilangan dibulatkan ke 2 posisi desimal selama langkah-langkah intermediet. Setiap bulatan memperkenalkan kesalahan hingga ±0,005. Setelah 1.000 operasi, kesalahan akumulasi dapat mencapai ±5,0 — signifikan untuk perhitungan keuangan. Itulah mengapa perangkat lunak keuangan menghindari bulatan hingga langkah keluaran akhir.

Dalam algoritma iteratif (seperti penyelesaian persamaan diferensial numerik atau simulasi panjang), kesalahan kecil berkembang per langkah. Ahli numerik menggunakan teknik seperti penjumlahan Kahan, yang menggantikan kesalahan titik-titik desimal dengan mengikuti kesalahan akumulasi di variabel terpisah, efektif mengurangi kesalahan bulatan dengan satu orde dalam operasi penjumlahan.

Untuk perhitungan sehari-hari, kesalahan bulatan biasanya tidak signifikan. Tapi ketika presisi penting — dalam perancangan struktur, dosis obat, penyelesaian keuangan, atau penelitian ilmiah — memahami propagasi kesalahan penting untuk menghasilkan hasil yang dapat dipercaya. Selalu catat strategi bulatan Anda ketika presisi kritis.