SEMINAR MATEMATIKA

METODE PANGKAT UNTUK MENGAPROKSIMASI NILAI

EIGEN DOMINAN DAN VEKTOR EIGEN YANG
BERSESUAIAN DENGAN NILAI EIGEN YANG DIPEROLEH

OLEH :
LUH PUTU ARYA PUTRI ADNYANI
NIM 1013011052

DOSEN PEMBIMBING
Drs. DJOKO WALUYO, M.Sc

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
SINGARAJA
2012

KATA PENGANTAR
Rasa syukur penulis haturkan kehadirat Tuhan Yang Maha Esa karena atas
rahmat-Nyalah penulis dapat menyelesaikan sebuah makalah seminar matematika
di bidang teori Numerik, yang berjudul : Metode Pangkat untuk
Mengaproksimasi Nilai Eigen Dominan serta Vektor Eigen Dominan yang
Bersesuaian dengan Nilai Eigen yang Diperoleh.
Dalam kesempatan yang berbahagia ini, tak lupa penulis mengucapkan
terimakasih yang sebesar-besarnya kepada Bapak Drs. I Gusti Ngurah Pujawan,
M.Kes selaku koordinator mata kuliah seminar matematika, Bapak Drs. Djoko
Waluyo, M.Sc selaku dosen pembimbing yang dengan sangat sabar telah
membimbing penulis sehingga penulis dapat menyelesaikan makalah ini tepat
pada waktunya, Bapak Prof. Dr. I Made Candiasa, M.I Kom selaku dosen penguji
seminar ini yang telah memberikan sangat banyak masukan untuk perbaikan
makalah, Saudara I Gede Giriyasa selaku pembahas mahasiswa yang juga
memberikan banyak kontribusi untuk meningkatkan kualitas tulisan ini, keluarga
dan rekan-rekan penulis yang senantiasa memberi dukungan sehingga penulis
terus termotivasi untuk melangkah lebih maju.
Penulis begitu menyadari bahwa makalah seminar ini masih jauh dari
sempurna. Oleh karena itu, kritik dan saran yang membangun dari pembaca sangat
penulis harapkan demi kemajuan penulis untuk ke depannya. Apabila terdapat hal
yang kurang berkenan terhadap isi makalah ini penulis memohon maaf yang
sebesar-besarnya. Atas perhatian pembaca penulis ucapkan terima kasih.

Singaraja, 20 Desember 2012

Penulis

ii

DAFTAR ISI
HALAMAN JUDUL
KATA PENGANTAR .
DAFTAR ISI
DAFTAR GAMBAR ...
DAFTAR TABEL
ABSTRAK

i
ii
iii
iv
v
vi

BAB I
PENDAHULUAN
1.1 Latar Belakang ...
1.2 Rumusan Masalah ..
1.3 Tujuan Penulisan
1.4 Manfaat Penulisan ..

1
2
2
3

BAB II
KAJIAN TEORI
2.1 Definisi Matriks ....
2.2 Matriks Bujur Sangkar
2.3 Operasi Matriks
2.4 Vektor
2.5 Nilai Eigen dan Vektor Eigen
2.6 Nilai Eigen dan Vektor Eigen Dominan
2.7 Diagonalisasi Matriks
2.8 Metode Numerik
2.9 Metode Pangkat ....

4
5
5
6
6
7
7
9
11

BAB III
PEMBAHASAN
3.1 Langkah-Langkah Mencari Nilai Eigen Dominan dengan Metode
Pangkat ..
3.2 Algoritma Metode Pangkat
3.3. Diagram Alir/Flow Chart Metode Pangkat ..

13
18
20

BAB IV
PENUTUP
4.1 Simpulan
4.2 Saran ..

23
23

DAFTAR PUSTAKA

iii

DAFTAR GAMBAR
Gambar 1

22

iv

DAFTAR TABEL
Tabel 1

11

ABSTRAK

METODE PANGKAT UNTUK MENGAPROKSIMASI NILAI EIGEN

DOMINAN SERTA VEKTOR EIGEN YANG BERSESUAIAN DENGAN
NILAI EIGEN YANG DIPEROLEH
Oleh :
Luh Putu Arya Putri Adnyani
NIM 1013011052
Jurusan Pendidikan Matematika

Kegunaan nilai eigen telah digunakan di berbagai bidang ilmu. Nilai eigen
diperlukan untuk memecahkan beragam masalah dalam kehidupan sehari-hari,
diantaranya untuk analisis sinyal suara, gerak harmonik, getaran suatu bangunan,
rekontruksi wajah (eigen face), dan lainnnya. Pada pemakaiannya, biasanya
hanya diperlukan nilai eigen terbesar dan vektor eigen yang berkaitan. Dalam
pengambilan keputusan menggunakan metode PHA, dan rekrontruksi wajah
dengan menggunakan nilai eigen dan vektor eigen (eigen face), nilai eigen yang
diperlukan hanya nilai eigen dominannya. Sehingga bisa dikatakan metode dalam
menemukan nilai eigen merupakan ilmu pengetahuan yang digunakan untuk
membantu mempermudah kehidupan manusia sehari-hari. Metode pangkat adalah
metode iterasi yang dapat digunakan untuk mengaproksimasi nilai eigen riil yang
dominan. Pada makalah ini akan disajikan dan dikaji cara menentukan nilai eigen
dominan dari suatu matriks bujur sangkar berserta vektor eigen yang bersesuaian
dengan menggunakan metode pangkat.
Kata kunci: Nilai Eigen, Vektor Eigen, Matriks Bujur Sangkar, Metode
Pangkat.

vi

BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Ilmu matematika dalam penerapannya banyak digunakan dalam
kehidupan sehari-hari. Penyelesaian dari masalah-masalah yang terjadi
disekitar dan penerapannya pada cabang ilmu lain telah mengalami
perkembangan mengikuti perkembangan zaman. Dalam beberapa kasus, tidak
semua masalah-masalah matematika dapat diselesaikan secara mudah dengan
menggunakan metode analitik, sehingga digunakan metode numerik dalam
mencari penyelesaiannya. Metode numerik adalah teknik-teknik yang
digunakan untuk merumuskan masalah matematika agar dapat diselesaikan
hanya dengan operasi hitungan yang terdiri dari operasi tambah, kurang, kali,
dan bagi (Nyoman Susila, 1993 : 1). Dalam perhitungan numerik biasanya
yang diperoleh adalah suatu nilai pendekatan yang nilainya cukup dekat
dengan nilai eksak. Walaupun demikian, hasil perhitungan dengan
menggunakan metode numerik cukup dapat memberikan solusi yang diminta.
Salah satu penerapan metode numerik adalah dalam masalah nilai
eigen dan vektor eigen. Nilai eigen telah digunakan diberbagai bidang ilmu.
Nilai eigen diperlukan untuk memecahkan beragam masalah dalam kehidupan
sehari-hari, diantaranya untuk analisis sinyal suara, gerak harmonik, getaran
suatu bangunan,

rekontruksi wajah

(eigen face),

dan lainnnya. Pada

pemakaiannya, biasanya hanya diperlukan nilai eigen dominannya dan vektor

eigen

yang

berkaitan. Contohnya dalam pengambilan keputusan

menggunakan metode PHA, dan rekrontruksi wajah dengan menggunakan

nilai eigen dan vektor eigen (eigen face), nilai eigen yang diperlukan hanya
nilai eigen dominannya.
Menentukan nilai eigen dominan dan vektor eigen yang bersesuaian
dari suatu matriks bujur sangkar dapat dilakukan dengan menentukan
persamaan karakteristiknya terlebih dahulu. Persamaan karakteristiknya
berbentuk
(

)=

yang nantinya akan memperoleh persamaan dalam bentuk

+

=0

yang disebut sebagai polinom karakteristik. Dengan

eigen dari matriks A. Untuk mencari nilai

merupakan nilai-nilai

kita harus mencari solusi dari

polinom karakteristiknya, setelah diperoleh semua nilai eigennya kemudian

dipilih nilai eigen dominannya. Cara ini tidak efisien jika yang akan dicari
hanyalah nilai eigen dominannya beserta vektor eigen yang bersesuian dan
jika dimensi matriksnya cukup besar, karena akan menyulitkan mencari nilainilai

yang memenuhi polinom karakteristik jika derajat polinomnya cukup

besar (derajat lebih dari 2).

Metode numerik dapat memberikan alternatif untuk menentukan nilai
eigen dan vektor eigen terbesar dari suatu matriks. Metode yang digunakan
adalah dengan metode iterasi yang disebut metode pangkat. Dalam mencari
nilai eigen dan vektor eigen dominan dengan menggunakan metode pangkat
akan memerlukan proses iterasi yang panjang untuk memperoleh hasil yang
mendekati nilai sebenarnya. Semakin banyak iterasi yang dilakukan, semakin
baik hasil yang akan diperoleh.
Berdasarkan pemaparan di atas maka penulis mengangkat judul
Metode Pangkat untuk Mengaproksimasi Nilai Eigen Dominan serta Vektor
Eigen yang Bersesuaian dengan Nilai Eigen yang Diperoleh

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang di atas, maka dapat dirumuskan
masalah yaitu, bagaimana langkah-langkah mengaproksimasi nilai eigen
dominan dan vektor eigen yang bersesuaian dengan nilai eigen yang diperoleh
dengan menggunakan metode pangkat?

1.3 Tujuan Penulisan

Berdasarkan rumusan masalah di atas maka tujuan dari penulisan
makalah ini adalah untuk mengetahui cara mengaproksimasi nilai eigen

dominan dan vektor eigen yang bersesuaian dengan nilai eigen yang diperoleh
dengan menggunakan metode pangkat.

1.4 Manfaat Penulisan

Manfaat yang dapat diperoleh dari penulisan makalah ini adalah
sebagai berikut.
1. Bagi Pembaca
Pembaca memperoleh informasi mengenai cara mengaproksimasi
nilai eigen dominan dan vektor eigen yang bersesuaian dengan
menggunakan metode pangkat.
2. Bagi Penulis
Menambah wawasan penulis di bidang aplikasi numerik serta
menerapkan materi-materi perkulihaan dalam memahami berbagai
materi pengembangan.

BAB II
KAJIAN TEORI

2.1 Definisi Matriks

Definisi:
Sebuah matriks adalah susunan segiempat siku-siku dari bilanganbilangan. Bilangan-bilangan dalam susunan tersebut dinamakan entri
dalam matriks.
Matriks ditulis sebagai berikut:

Ukuran matriks dijelaskan dengan menyatakan banyaknya baris dan

banyaknya kolom yang terdapat pada matriks tersebut. Matriks di atas
memiliki ukuran

Matriks dinotasikan dengan huruf besar dan entrinya dengan huruf kecil.
Jika A adalah sebuah matriks, maka

adalah entri dari matriks A yang

terletak di dalam baris i dan kolom j.

Contoh :
=

1
4

2
1

1 2 3
= 2 5 3
1 0 8

2 1 7
3 4 2

Matriks A adalah matriks berukuran 2 x 2, dengan entri-entrinya adalah:

= 1,

= 2;

= 4,

=1;

Matriks B adalah matriks berukuran 2 x 3, dengan entri-entrinya adalah:

= 2,

=1,

= 7;

= 3,

=4,

=2;

Matriks C adalah matriks berukuran 3 x 3 , dengan entri-entrinya adalah:

=1,

= 3,

= 3;

= 2,

= 5,

= 3;

= 1,

= 0,

=8;

2.2 Matriks Bujur Sangkar

Sebuah matriks dengan n baris dan n kolom dinamakan matriks bujur
sangkar (matriks kuadrat) berorde n, dan entri-entri

dinamakan entri diagonal utama, karena terletak pada diagonal utama

matriks.
Contoh bentuk matriks bujur sangkar:

2.3 Operasi Matriks

Definisi 1:
Jika A dan B adalah sebarang dua buah matriks yang ukurannya sama
maka jumlah (selisih) A B adalah matriks yang diperoleh dengan
menambahkan (mengurangkan) bersama-sama entri yang bersesuaian
dalam kedua matriks tersebut. Matriks-matriks yang ukurannya berbeda
tidak dapat dijumlahkan.

Definisi 2:
Jika A adalah suatu matriks dan c adalah suatu skalar riil, maka hasil kali
(product) cA adalah matriks yang diperoleh dengan mengalikan masingmasing entri dari A oleh c.

Definisi 3:
Jika A adalah matriks m r dan B adalah matriks r n maka hasil kali AB
adalah matriks m

yang entri-entrinya ditentukan sebagai berikut. Untuk

mencari entri dalam baris ke i dan kolom ke j dari AB, pilihlah baris i dari
matriks A dan kolom j dari matriks B. Kalikanlah entri-entri yang
bersesuaian dari baris dan kolom tersebut bersama-sama dan kemudian
jumlahkan hasil kalinya.

Misalkan entri baris ke i dari matriks A adalah : [

] dan

; maka untuk hasil kali AB

entri kolom ke j dari matriks B adalah :

misalkan matriks C, entri pada matriks C pada baris ke i dan kolom ke j

adalah

2.4 Vektor
Definisi 1:
Himpunan seluruh tupel-n yang terdiri dari bilangan-bilangan riil,
dinyatakan dengan Rn, disebut sebagai ruang-n. Suatu tupel-n tertentu
pada Rn misalnya
=[ ,

disebut titik atau vektor. Bilangan-bilangan

disebut koordinat,

komponen, entri, atau elemen dari u.

Definisi 2:
Dua vektor u dan v dikatakan sama, ditulis u = v , jika kedua vektor
tersebut memiliki komponen yang sama banyak dan jika komponenkomponen yang bersesuaian juga sama.

Definisi 3:
Vektor [0,0,

,0] yang semua entrinya adalah 0 disebut vektor nol.

2.5 Nilai Eigen dan Vektor Eigen

Definisi:
Jika A adalah matriks n n maka vektor tak nol x di dalam Rn dinamakan
vektor eigen dari A jika Ax adalah kelipatan skalar dari x; yakni,
=
Untuk suatu skalar . Skalar

dinamakan nilai eigen dari A dan x

dikatakan vektor eigen yang bersesuaian dengan .

2.6 Nilai Eigen dan Vektor Eigen Dominan

Definisi:
Sebuah nilai eigen dari sebuah matriks A kita namakan nilai eigen
dominan A jika nilai mutlaknya lebih besar dari nilai-nilai mutlak dari
nilai-nilai eigen yang selebihnya. Sedangkan vektor eigen yang
bersesuaian dengan nilai eigen dominan kita namakan vektor-eigen
dominan A.

Contoh 1:
Jika matriks A berukuran 4 x 4 mempunyai nilai-nilai eigen
=

4,

=3,

2,

= 2 , maka nilai

eigen dominan karena | 4| > |3|, | 4| > | 2|,

4 adalah nilai

| 4| > |2|.

Contoh 2 :
Sebuah matriks A berukuran 3 x 3 dengan nilai-nilai eigen
=

7,

=7,

Tidak mempunyai nilai eigen dominan.

2.7 Diagonalisasi Matriks

Definisi:
Matriks kuadrat

dinamakan dapat didiagonalisasi (diagonalizable) jika

terdapat matriks

yang dapat dibalik sehingga

diagonal, matriks

dikatakan mendiagonalisasi .

Teorema 1:
Jika

adalah matriks

, maka pernyataan-pernyataan berikut

ekivalen satu sama lain.

a.

dapat didiagonalisasi.

b.

mempunyai

vektor eigen bebas linier.

Bukti:
(a)

( )

Karena

dianggap dapat didiagonalisasi, maka terdapat matriks yang

dapat dibalik
=
Sehingga

diagonal, katakanlah
0

0
=

Maka,

, dimana

0
0

; yakni
0

.. (*)
,

Jika sekarang misalkan

maka

bentuk

,
=

(*)

0
0

menyatakan vektor-vektor kolom

kolom-kolom

yang

. Akan tetapi, kolom-kolom

. Jadi harus diperoleh

;;

berurutan

adalah

yang berurutan adalah

.. (**)

Karena P dapat dibalik, maka vektor-vektor kolomnya semuanya tak nol,

jadi pada (**)

adalah nilai-nilai eigen

adalah vektor-vektor eigen yang bersesuaian. Karena

diperoleh bahwa

bebas linier. Jadi,

, dan

dapat dibalik maka

mempunyai

vektor

eigen bebas linier.

( )

(b)

Anggaplah bahwa
,

mempunyai

vektor eigen bebas linier, maka

dengan nilai eigen yang bersesuaian

dan

misalkan

adalah matriks yang vektor-vektor kolomnya adalah

. Maka

kolom-kolom hasil kali AP akan memberikan

,

Tetapi
=

;;

Sehingga
=

0
0

(#)

=
Dimana
,

adalah matriks diagonal yang mempunyai nilai-nilai eigen

,

pada diagonal utama. Karena vektor-vektor kolom dari

bebas linier, maka

= , yakni

dapat dibalik jadi (#) dapat dituliskan sebagai

terdiagonalisasi.

2.8 Metode Numerik

Metode Numerik adalah teknik-teknik yang digunakan untuk
merumuskan masalah matematika agar dapat diselesaikan hanya dengan
operasi hitung yang terdiri dari operasi tambah, kurang, kali, dan bagi.
Secara umum terdapat langkah-langkah yang harus ditempuh dalam
menyelesaikan masalah matematika secara numerik dan memakai alat
bantu komputer. Langkahnya adalah sebagai berikut:
a. Pemodelan,

yaitu

penetapan

model

matematis,

yakni

merumuskan masalah dalam istilah matematis, mendefinisikan

variabel-variabel dan persamaan yang terlibat.

b. Pemilihan Metode (Algoritma) Numerik, yaitu perumusan

penyelesaian secara matematis dan dilanjutkan

dengan

merancang algoritma serta analisis galat awal.

c. Pemrograman, yaitu suatu langkah yang biasanya dimulai
dengan diagram alir yang menunjukan diagram blok dari
prosedur yang harus dijalankan oleh komputer, kemudian
penulisan program (coding/koding), pencarian dan perbaikan
kesalahan dan pengujian.
d. Operasi, dokumentasi, penyimpanan, dan perawatan.
e. Penafsiran hasil, yaitu mencakup keputusan untuk menjalankan
ulang jika diperlukan data lebih jauh.
Dalam menyelesaikan masalah secara numerik yang paling penting
untuk diperhatikan adalah perancangan algoritma dan diagram alir
sebelum nanti akan direalisasikan ke dalam program.
Algoritma adalah prosedur yang terdiri atas himpunan berhingga
aturan yang tak taksa yang merinci suatu rangkaian berhingga operasi
yang menyediakan penyelesaian atas suatu masalah atau suatu kelas
masalah. Setiap algoritma mempunyai ciri-ciri sebagai berikut :
1. Tiap langkah dalam algoritma didefinisikan secara persis,
sehingga tidak menimbulkan ketaktaksaan. Aksi yang harus
dilakukan dirinci secara jelas untuk tiap kasus.
2. Harus sampai pada selesaian masalah setelah berhingga
langkah.
3. Tiap algoritma yang berarti mempunyai nol atau lebih masukan
dan mempunyai satu atau lebih keluaran.
4. Algoritma haruslah seumum mungkin.
Menyatakan suatu algoritma dapat dilakukan dengan memakai
kode-pseudo yakni kalimat-kalimat yang kata-katanya telah memiliki
makna tertentu atau dengan cara menggambarkannya dalam bentuk suatu
bagan -alir.

10

Dalam pembuatan bagan/diagram alir ada beberapa ketentuan, yaitu:

Tabel 1: Simbol Flow chart dan fungsinya
Bentuk

Fungsi
Mewakili suatu proses

Mewakili kondisi
yang ada di suatu
proses

Mewakili data input

atau output
Simbol penghubung
dari diagram alir yang
terputus di halaman
yang berbeda atau
yang masih sama
Menunjukan awal dan
akhir dari suatu proses
Menunjukkan arah
suatu proses
Memberi nilai awal
atau besaran

2.9 Metode Pangkat

Metode

pangkat

adalah

suatu

pendekatan

iteratif

untuk

menentukan nilai eigen dominan.

Misalkan diketahui vektor A berukuran
didiagonalkan. Misalkan pula

dan dapat

adalah nilai eigen dari A yang

memenuhi hubungan
| |> | |

|>0

11

Karena A dapat didiagonalkan, terdapat vektor eigen

yang masing-masing berkaitan dengan nilai eigen

membentuk basis di

di

. Kemudian sebarang vektor

dan
dapat

dituliskan sebagai
=

Dengan mengalikan kedua ruas dengan A diperoleh

=

=
=

Kemudian kita kalikan lagi hasil terakhir ini dengan A, hal ini kita lakukan
berulang-ulang. Hasil sampai dengan
=

=
Jika
2,

kali adalah
v +

+s

v +

(s v + s

semakin besar, nilai

+s

v ) (1)

akan semakin kecil untuk

< 1. Oleh karena itu, untuk

karena

yang cukup besar bentuk

(1) kurang lebih menjadi

Dengan demikian kita telah mendapatkan hampiran dari kelipatan

vektor eigen

tersebut, yaitu vektor

. Vektor

merupakan

hampiran vektor eigen yang berkaitan dengan nilai eigen terbesar

Semakin besar nilai

makin baik pula hampiran

terhadap sebuah

vektor eigen dari A.

Setelah memperoleh vektor eigen

atau kelipatannya, nilai eigen

yang berkaitan dapat dihitung sebagai berikut.

Karena

maka
.

.
=

atau
.

Dan rumus nilai eigen di atas disebut rumus pembagian Rayleigh.

12

BAB III
PEMBAHASAN

3.1 Langkah-langkah mencari nilai eigen dominan dengan menggunakan

metode pangkat.
Jika harga mutlak terbesar (dominan) dari nilai eigen suatu matriks adalah
bilangan riil dan memenuhi

,

"  "

maka nilai eigen ini

dapat dicari dengan menggunakan teknik iterasi yang disebut metode pangkat.
Rumus umum iterasi yang digunakan untuk mencari nilai eigen dominan ini
adalah:
( )

Berikut adalah langkah-langkah penggunaan metode pangkat:

Asumsikan A adalah matriks bujur sangkar yang dapat didiagonalisasi.
1. Jika matriks A berukuran
tak nol yang berukuran
2. Carilah nilai

, maka tentukanlah sebuah matriks

yang

 .

yang memenuhi perkalian matriks

3. Bagi setiap elemen matriks

dengan elemen dari matriks tersebut yang

harga mutlaknya terbesar misalkan

sehingga diperoleh

4. Lakukan pembagian Rayleigh untuk mencari aproksimasi nilai eigennya

dengan cara


Ulangi langkah 2, 3, dan 4 dengan

, dengan

sampai suatu iterasi yang menunjukan bahwa nilai

( )

= 0, 1, 2, 3,
(

merupakan nilai eigen dominan dari matriks tersebut, sedangkan

vektor eigen yang bersesuaian dengan

adalah

13

Contoh:
Dengan menggunakan metode pangkat melalui langkah-langkah di atas,
tentukanlah nilai eigen dominan dari matriks A, dengan

Solusi:


1. Ambil sebuah matriks

yang tak nol, misalnya

2. Maka diperoleh

3. Harga mutlak terbesar dari elemen



adalah |10|, sehingga diperoleh

4. Aproksimasi nilai eigen untuk iterasi 1 adalah:

[0.9, 0.9, 10]. [0.3, 0.3, 1]

[0.3, 0.3, 1]. [0.3, 0.3, 1]

10.54
1.18

= 8.93220339
Iterasi 2:

2
= 1
0

1 0
0.3
0.9
2 0 . 0.3 = 0.9
0 10
1
10
0.09
1 0.9
1
.
=
=
0.9 = 0.09
|10|
10
10
1

=
=

[0.27, 0.27, 10]. [0.09, 0.09, 1]

[0.09, 0.09, 1]. [0.09, 0.09, 1]

10.0486
1.0162

= 9.888407794

14

Iterasi 3:

0.09
1 0
2 0 . 0.09 =
0 10
1
1
1 0.27
=
.
=
0.27 =
|10|
10
10
2
= 1
0

=
=

10.004374
1.001458

0.27
0.27
10
0.027
0.027
1

[0.081, 0.081, 10]. [0.027, 0.027, 1]

[0.027, 0.027, 1]. [0.027, 0.027, 1]

= 9.989808859
Iterasi 4:

2
= 1
0

1 0
0.027
2 0 . 0.027 =
0 10
1
1 0.081
1
.
=
=
0.081 =
|10|
10
10

=
=

0.081
0.081
10
0.0081
0.0081
1

[0.0243, 0.0243, 10]. [0.0081, 0.0081, 1]

[0.0081, 0.0081, 1]. [0.0081, 0.0081, 1]

10.00039366
1.00013122

= 9.999081581
Iterasi 5:

0.0081
1 0
2 0 . 0.0081 =
0 10
1
1
1 0.0243
=
.
=
0.0243 =
|10|
10
10
2
= 1
0

=
=

0.0243
0.0243
10
0.00243
0.00243
1

[0.00729, 0.00729, 10]. [0.00243, 0.00243, 1]

[0.00243, 0.00243, 1]. [0.00243, 0.00243, 1]

10.00003543
1.00001181

= 9.999917331

15

Iterasi 6:

0.00243
1 0
2 0 . 0.00243 =
0 10
1
1
1 0.00729
=
.
=
0.00729 =
|10|
10
10
2
= 1
0

=
=

0.00729
0.00729
10
0.000729
0.000729
1

[0.002187, 0.002187, 10]. [0.000729, 0.000729, 1]

[0.000729, 0.000729, 1]. [0.000729, 0.000729, 1]

10.00000319
1.000001063

= 9.99999256
Iterasi 7:

2
= 1
0

1 0
0.000729
2 0 . 0.000729 =
0 10
1
1 0.002187
1
.
=
=
0.002187 =
|10|
10
10

=
=
=

0.002187
0.002187
10
0.0002187
0.0002187
1

[0.0006561, 0.0006561, 10]. [0.0002187, 0.0002187, 1]

[0.0002187, 0.0002187, 1]. [0.0002187, 0.0002187, 1]
10.00000029
1.000000096

= 9.999999327

Iterasi 8:

2
= 1
0

1 0
0.0002187
2 0 . 0.0002187 =
0 10
1
1 0.0006561
1
.
=
=
0.0006561 =
|10|
10
10

0.0006561
0.0006561
10
0.00006561
0.00006561
1

16

=
=

[0.000019683, 0.000019683, 10]. [0.00006561, 0.00006561, 1]

[0.00006561, 0.00006561, 1]. [0.00006561, 0.00006561, 1]

10.000000000
1.000000009

= 9.999999991
Iterasi 9:
2
= 1
0

1 0
0.00019683
0.0006561
2 0 . 0.0006561 = 0.00019683
0 10
10
1
0.000019683
1
1 0.00019683
=
. =
0.00019683 = 0.000019683
|10|
10
10
1
.

.
[0.0000058914, 0.0000058914, 10]. [0.000019683, 0.000019683, 1]
=
[0.000019683, 0.000019683, 1]. [0.000019683, 0.000019683, 1]
=

10.000000000
1.000000001

= 9.999999999
Iterasi 10:

2 1
= 1 2
0 0

=
=

1
.
|10|

0.000019683
0
0.0000058914
0 . 0.000019683 = 0.0000058914
10
1
10
0.00000058914
1 0.0000058914
=
=
0.00000058914
0.0000058914
10
10
1

.
[0.0000001767, 0.0000001767, 10]. [0.00000058914, 0.00000058914, 1]
=
[0.00000058914, 0.00000058914, 1]. [0.00000058914, 0.00000058914, 1]
=

10.000000000
1.000000000

= 10.00000000

17

Iterasi 11:

2 1
= 1 2
0 0

=
=

1
.
|10|

0
0.00000058914
0 . 0.00000058914 =
10
1
1 0.0000001767
=
0.0000001767 =
10
10

0.0000001767
0.0000001767
10
0.00000001767
0.00000001767
1

.
[0.00000005301, 0.00000005301, 10]. [0.00000001767, 0.00000001767, 1]
=
[0.00000001767, 0.00000001767, 1]. [0.00000001767, 0.00000001767, 1]
=

10.000000000
1.000000000

= 10.00000000

Perhatikan bahwa, aproksimasi vektor-eigennya pada iterasi ke -11 adalah

0.00000001767
= 0.00000001767
1

yang jika dibulatkan kebawah sebanyak tiga

angka, aproksimasinya akan memberikan

0
0
1

Jadi sampai Iterasi ke-11 aproksimasi nilai eigen dominannya adalah 10

0
dengan vektor eigen dominan adalah 0 .
1
3.2 Algoritma Metode Pangkat
Algoritma dari Metode Pangkat adalah sebagai berikut:
Input :
, 0,

, , i,j = 1,2,3,n, M = 1, 2, 3, k

Output :
(vektor eigen dominan),

(nilai eigen dominan)

Proses :
Untuk It = 1 ... M lakukan
Untuk i = 1 n lakukan
Sum = 0

18

Untuk j = 1 n lakukan
Sum= sum + (a[ij] * x[j])
y[i] = sum
j=1
maks [it] = abs(y[j])
untuk i = 2 n lakukan
jika abs(y[i]) >= abs(y[j]) maka
j=i
maks[it] = abs(y[j])
jika abs(y[i]) < abs(y[j]) maka
j=j
maks[it] = abs(y[j])
l=j
Untuk k = 1 n lakukan
Jika k

L lakukan
Jika abs(y[k]) = abs(y[L]) maka Tidak Ditemukan
nilai eigen maksimum

Untuk i=1n lakukan

x[i]=y[i]/maks[it]
untuk i = 1 n lakukan
jum=0
untuk j = 1 n lakukan
jum = jum + (a[ij] *x[j])
c[i] = jum
v0 = 0
untuk i = 1 n lakukan
v0 = v0 + (c[i] *x[i])
v = v0
u0 = 0
untuk i = 1n lakukan
u0 = u0 + (x[i]*x[i])
u = u0

19

g [it] = v/u
jika abs(g[it] g[it 1] ) < tol maka
Nilai eigen dominan = g[it]

3.3 Diagram Alir/Flow Chart Metode Pangkat

Mulai

Tol
g[0]

n, aij (elemen matriks) ,

x[i] (matriks kolom awal)
M(maks iterasi),
i,j = 1, 2, , n

It = 1 M
i = 1, 2, n
sum = 0
j = 1, 2, n
sum = sum +a[ij]*x[j]
y[i] = sum
j=1
i = 2, n
maks[it] = abs (y[j])

j =i
Maks [it] = abs( y[j])
l=j

Jika abs(y[i])
>= abs (y[j])

Y j=j
maks [it] = abs( y[j])
l=j

20

B
A

k = 1, 2, n
jika k<> l
abs (y[k]) = abs (y[l])

tidak
ditemukan
nilai eigen
dominan.
Mungkin salah
input vektor
awal.

Ingin
Coba
lagi?

T
T

i = 1, 2, , n
x[i] = y[i] / maks [it]

Selesai

i = 1, 2, , n
v0 = 0
j = 1, 2, , n
v0 = v0 + a[ij] * x[j]
c[i] = v0

i = 1, 2, , n
u0 = 0
u0 = u0 + x[i] * x[i]
u = u0

i = 1, 2, , n
v=0
v = v + c[i] * x[i]

g[it] = v / u

iterasi ke- it,

nilai eigen
dominan
adalah g[it]

21

A
C

It = M

g[it] = nilai
eigen
dominan
I = 1, 2, n
X[i] = vektor
eigen
dominan

Ingin
Coba
lagi?

Selesai

A
Y
Abs (G[it] g
[it-1]) < tol
T

g[it] = nilai
eigen dominan
I = 1, 2, n
x[i] = vektor
eigen dominan

Y
Ingin
Coba
lagi?

A
T

Selesai

22

Hasil dengan program untuk

2 1
= 1 2
0 0

0
1
0 dan vektor awal 1 adalah
10
1

sebagai berikut.

Gambar . 1

Jadi dengan mengambil pembulatan sebanyak 4 angka, aproksimasi nilai eigen

0
dominan yang diperoleh adalah 10 dengan vektor eigen dominannya adalah 0 .
1

Dalam beberapa kasus, kesalahan pemilihan vektor awal menyebabkan

hasilnya tidak konvergen. Hal ini dikarenakan metode pangkat adalah suatu
metode iterasi yang tergolong kedalam metode terbuka (open metodhe). Metode
terbuka adalah suatu metode numerik yang dalam proses perhitungannya tidak
menjamin ditemukannya hasil. Hal ini yang menyebabkan penggunaan metode
pangkat tidak akan selalu memberikan hasil.

23

BAB IV
PENUTUP

4.1 Simpulan
Berdasarkan rumusan masalah yang telah diuraikan, maka dapat
disimpulkan bahwa langkah-langkah dalam mengaproksimasi nilai eigen
dominan dan vektor eigen dominan dari suatu matriks bujur sangkar yang
dapat didiagonalisasi dengan menggunakan metode pangkat adalah sebagai
berikut.
1. Jika matriks A berukuran
tentukanlah sebuah matriks
2. Carilah nilai

dan dapat didiagonalisasikan, maka

yang memenuhi perkalian matriks

3. Bagi matriks

 .

yang tak nol yang berukuran



dengan elemen dari matriks tersebut yang harga

mutlaknya terbesar misalkan

sehingga diperoleh

4. Lakukan pembagian Rayleigh untuk mencari aproksimasi nilai

eigennya dengan cara


Ulangi langkah 2, 3, dan 4 dengan




, dengan

3, sampai suatu iterasi yang menunjukan bahwa nilai

(

( )

= 0, 1, 2,


merupakan nilai eigen dominan dari matriks tersebut,

sedangkan

adalah vektor eigen yang bersesuaian dengan

4.2 Saran
Pada

makalah

ini

penulis

membahas

mengenai

cara

mengaproksimasi nilai eigen dominan dan vektor eigen dominan dari suatu
matriks bujur sangkar yang dapat didiagonalisasikan dengan menggunakan
metode pangkat. Namun terdapat kemungkinan bahwa hasil yang diberikan
salah karena kesalahan dalam memilih vektor awal dan kondisi lain yang
mungkin terjadi. Bagi pembaca yang tertarik dapat membahas syarat yang
harus dipenuhi agar penggunaan metode ini valid.

23

DAFTAR PUSTAKA

Anonim.Modul 6 Flow Chart. www.google.ac.id. diakses pada tanggal 13 Desember

2012.
Anton, Howard. 2000. Dasar-Dasar Aljabar Linier Edisi 7 Jillid 1. Interaksara
Budhi, Wono Setya. 1995. Aljabar Linier. Jakarta: PT. Gramedia
Chapra, Steven C & Canale, Raymond P. 2002. Numerical Methods For Engineers.
Lipson, Marc & Lipschutz, Seymour. 2004. Aljabar Linier Edisi 3 Schaums Outlines.
Erlangga
Susila, Nyoman. 1993. Dasar-Dasar Metode Numerik. Departemen Pendidikan dan
Kebudayaan