Mengatasi Kesalahan Floating-Point di Python

Metode floating-point yang umumnya digunakan untuk merepresentasikan bilangan riil non-integer di komputer memiliki kelebihan karena dapat merepresentasikan angka dalam rentang yang sangat luas. Namun, karena hanya berupa representasi nilai hampiran, metode ini memiliki kesalahan sehingga tidak dapat merepresentasikan atau menghitung angka secara sepenuhnya akurat. Selain itu, perlu diperhatikan juga bahwa tidak ada jaminan pemrosesannya sama di semua bahasa. Penjelasan tentang penanganan floating-point yang sedikit berbeda di berbagai bahasa dapat dilihat di https://0.30000000000000004.com/ .

Kami memperkenalkan sebuah dokumen yang menjelaskan cara mengatasi masalah akibat kesalahan floating-point di Python (kurang lebih versi 3.5 ke atas). (Bahasa Korea) Katanya, solusi yang paling rapi adalah menggunakan modul decimal dan memakai tipe data desimal. Jika masalahnya adalah floating-point berbasis biner, idenya adalah menghitung dalam basis desimal seperti manusia sehingga masalah itu tidak muncul. Disebutkan bahwa metode ini memang digunakan di bidang seperti keuangan atau akuntansi, yang menuntut perhitungan pecahan desimal yang akurat.

p.s.

Sebagai informasi, CPU yang digunakan pada mainframe IBM dikenal memiliki kemampuan menghitung bilangan desimal secara hardware. Karena di bank dan sebagainya, masih banyak tempat yang tetap menggunakan mainframe.