Anda di halaman 1dari 8

MATEMATIKA TEKNIK I

MODUL KE-13
DOSEN PENGAPU
Ir. PIRNADI. H. M.Sc

UNIVERSITAS MERCU BUANA


FAKULTAS TEKNOLOGI INDUSTRI
JURUSAN TEKNIK MESIN
PROGRAM KELAS KARYAWAN
2010
PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Pirnadi H, M.Sc.

MATEMATIKA TEKNIK I

13. METODA GAUSS SIEDEL


CONTOH SOAL DAN LATIHAN
1. PENDAHULUAN
Metoda eliminasi eksak yang telah dibahas sebelumnya dapat digunakan untuk
menyederhanakan kira-kira 25 50 persamaan linier simultan. Jumlah ini seringkali
dapat diperluas dan jika system berkondisi baik, strategi pivot dilakukan, persamaan
kesalahan digunakan, atau matriks adalah sparsi. Tetapi karena kesalahan pembulatan,
metoda eliminasi seringkali membektikan kurang pantas untuk siste-sistem yang besar.
Untuk jenis msalah ini iterative atau aproksimasi sering menguntungkan untuk
dipergunakan.
Kita telah mempergunakan jenis teknik yang serupa untuk mendapatkan akar dari
sebuah persmaan pada bab terdahulu. Pendekatan itu terdiri dari penebakan suatu harga
kemudian menggunakan sebuah metoda sistematis untuk mendapatkan suatu taksiran
akar yang diperhalus. Karena bagian ini juga menangani suatu maslah yang serupa
untuk mendapatkan harga-harga secara simultan yang memenuhi sekumpulan
persamaan kita apat menduga bahwa metoda aproksimasi demikian akan berguna
dalam kontek ini.
Alasan bahwa metoda interatif berguna untuk kemudahan system pembulatan adalah
bahwa suatu metoda aproksimasi dapat diteruskan sampai ia konvergen dalam toleransi
kesalahn spesifikasi. Jadi, pembulatan merupakan hal yang tidak lebih lama, karena
anda mengontrol tingkat keslahan yang dapat diterima.
Metoda Gauss-Siedel adalah metoda yang paling sering memakai cara iterative.
Anggaplah bahwa kita diberi sekumpulan n persamaan linier dalam bentuk, sebagai
berikut

A X C

Jika semua elemen diagonal tidak nol, persamaan pertama dapat diselesaikan untuk x,
persamaan kedua untuk x2, dan seterusnya menurut ini, maka:
c1 a12 x 2 a13 x3 ............. a1n x n
(1)
a11
c a 21 x1 a 23 x3 ............. a 21n x n
x2 2
(2)
a 22
c a 31 x1 a 32 x 2 ............. a 31n x n
x3 3
(3)
a 33
..................................................................
..................................................................
c n a n1 x1 a n 2 x 2 ............. a n , n 1 x n 1
xn
a nn
(4)
Sekarang kita dapat memulai proses solusi dengan menggunakan tebakan untuk setiap
harga x.. Cara yang mudah untuk mendapatkan tebakan-tebakan awal ialah dengan
menganggap bahwa: harga semuanya adalah nol. Harga-harga nol ini dapat
dimasukkan pada persamaan (1) agar dapat dipergunakan untuk menghitung harga baru
x1 = c1/a11. Kemudian kita memasukkan harga baru x 1 ini bersama-sama dengan
x1

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Pirnadi H, M.Sc.

MATEMATIKA TEKNIK I

tebakan-tebakan nol sebelumnya bagi x3, ....., xn ke dalam persamaan (2) untuk
menghitung suatu harga baru bagi x2. Proses ini diulangi untuk setiap persamaan,
sehingga kita memakai persamaan (4) untuk menghitung taksiran baru untuk xn. Lalu
kita kembali pada persamaan pertama dan mengulangi prosedur ke seluruhan sampai
solusi kita konvergen dan cukup dekat dengn harga yang sebenarnya. Konvergensi itu
dapat dicek dengan menggunakan criteria persamaan yang terdahulu, yaitu:

a ,i

xij 1 xij
100% s
xij

(5)

Untuk semua i, di mana j dan j-1 adalah iterasi-iterasi sekarang dan sebelumnya.
2. CONTOH SOAL
Untuk persamaan simultan diselesaikan dengan menggunakan metoda Gauss-Siedel
dimana x1, x2, dan x3 akan dicari yang memenuhi dari tiga (3) persamaan, seperti
contoh, sebagai berikut:
3 x1 0,1 x2 0,2 x3 = 7,85
0,1 x1 + 7 x2 0,3 x3 = -19,3
0,3 x1 0,2 x2 + 10 x3 = 71,4
Sebelumnya contoh soalini telah pernah dihitung dengan metoda lain, yang ternyata
hasilnya, yaitu: x1 = 3; x2 = -2,5 dan x3 = 7. Coba bandingkan hasilnya dengan
menggunakan metoda Gauss-Siedel ?
Solusi ke-1: selesaiakan setiap persamaan untuk yang tidak diketahui pada diagonal
matriks dipisah, sebagai berikut:
7,85 0,1x 2 0,2 x3
3
19,3 0,1 x1 0,3 x3
x2 =
7
71,4 0,3 x1 0,2 x 2
x3 =
10

x1 =

dari persamaan ke-1

(1)

dari persamaan ke-2

(2)

dari persamaan ke-3

(3)

Dengan menganggap bahwa x2 dan x3 sama dengan nol, maka persamaan ke-1 dapat
dihitung besar x1, yaitu:
x1 =

7,85
2,616666667 .
3

Harga x1 = 2,616666667 ini, bersama dengan harga anggapan x 3 = 0, akan digunakan


untuk menghitung x2 dari persamaan ke-2 di atas, sebagai berikut:
x2

19,3 0,1 ( 2,616666667) 0


2,794523810
7

Iterasi 1. (pengulangan) pertama diselesaikan dengan memasukkan harga-harga yang


telah diperoleh (dihitung) untuk x1 dan x2 ke dalam persamaan ke-3, maka diperoleh
hasil berikut:

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Pirnadi H, M.Sc.

MATEMATIKA TEKNIK I

71,4 0,3 ( 2,616666667) 0,2 ( 2,794523810)


10
7,005609524

x3

Iterasi 2. dilakukan dengan proses yang sama dengan iterasi 1 untuk menghitung x 1, x2
dan x3 dan dengan menggunakan harga-harga yang telah dihitung sebelumnya, berikut:
7,85 0,1 ( 2,794523810) 0,2 (7,005609524)
3
2,990556508 penyimpangan
t 0,31%

x1

19,3 0,1 ( 2,990556508) 0,3 (7,005609524)


7
2,499624684 penyimpangan
t 0,015%

x2

71,4 0,3 ( 2,990556508) 0,2 ( 2,499624624684)


10
7,00029081 penyimpangan
t 0,0042%

x3

Kelihatan, dengan menggunakan metoda Gauss-Siedel ini adalah konvergen pada suatu
harga solusi yang sebenarnya. Dapat dilakukan iterasi tambahan yang ditrapkan untuk
memperbaiki jawabannya. Tetapi, dalam masalah yang sebenarnya, kita sebelumnya
tidak akan mengetahui jawaban yang sesungguhnya. Konsekuensinya, perhatikan
persamaan berikut untuk menaksir besar kesalahan yang terjadi, yaitu:
a1

2,990556508 2,616666667
x 100 12,5%
2,990556508

a 2

2,499624684 ( 2,794523810
x 100 11,8%
2,499624684

a 3

7,000290811 7,005616609524
x 100 0,076%
7,00290811

Perhatikan, seperti halnya ketika menentukan akar-akar dari sebuah persamaan tunggal,
formulasi persamaan di atas biasanyamembrikan suatu harapan konservatif dari
konvergensi. Jadi, bila ditemukan, ia akan meyakinkan bahwa hasil tersbut diketahui
sekurang-kurangnya dalam batas toleransi yang dispesifikasikan oleh s .
Perhatikan, bahwa untuk metoda Gauss-Siedel, jika setiap harga x yang baru dihitung,
ia segera dipakai untuk menghitung persamaan berikutnya guna menentukan harga x
yang lainnya. Jadi, kalau solusinya konvergen, taksiran tersedia yang terbaik akan
dikerjakan. Sebuah pendekatan alternatif, dinamakan iterasi Jacobi, memanfaatkan
beberapa taktik yang berbeda. Daripada menggunakan setiap harga x terakhir yang
tersedia, teknik ini menggunakan persamaan ke-3 untuk menghitung sekumpulan tiap
harga x yang baru dihasilkan, ia tidak segera dipakai, tetapi agak ditahan untuk iterasi
berikutnya.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Pirnadi H, M.Sc.

MATEMATIKA TEKNIK I

Perbedaan antara metoda Gauss-Siedel (sisi a) dan iterasi Jacobi (sisi b) akan
dijelaskan dalam bab berikutnya. Walaupun terdapat sejumlah kasus di mana metoda
Jacobi konvegen lebih cepat, pemanfaatan dari taksiran yang terbaik biasanya membuat
metoda Gauss-Siedel lebih disukai.
Penjelasan grafik dari perbedaan antara metoda Gauss-Siedel (kiri) dengan metoda
iterasi Jacobi (kanan) untuk menyelesaikan persamaan matematika linier simultan,
sebagai berikut:
Iterasi Pertama:

a.

x1 (c1 a12 x2 a13 x3 ) / a11


x2 (c2 a21 x1 a23 x3 ) / a22


x (c a x a x ) / a
3 3 31 1 32 2 33

x1 (c1 a12 x2 a13 x3 ) / a11

b. x (c a x a x ) / a
2 2 21 1 23 3 22
x (c a x a x ) / a
3 3 31 1 32 2 33

Harga x1 langsung disubsitusi ke persamaan ke-2 pada sisi (a) dan harga x2 disubsitusi
langsung ke persamaan ke-3. Sedangkan harga x3 hasil dari iterasi ke-1 baru
disubsitusikan ke persamaan ke-1 pada iterasi ke-2 pada sisi (a).
Iterasi Kedua
Lain halnya pada sisi (b), dari ke-3 harga hasil iterasi ke-1 langsung disubsitusi
bersamaan pada iterasi ke-2 ini sesuai dengan notasi yang sesuai, maka secara
otomatis metoda (b) akan lebih cepat terjadi konvergensinya.

x1 (c1 a12 x2 a13 x3 ) / a11


x2 (c2 a21 x1 a23 x3 ) / a22


x (c a x a x ) / a
3 3 31 1 32 2 33

x1 (c1 a12 x2 a13 x3 ) / a11


x2 (c2 a21 x1 a23 x3 ) / a22


x (c a x a x ) / a
3 3 31 1 32 2 33

3. KRITERIA KONVERGENSI (GAUSS-SIDEL)


Dapat dicatat, bahwa metoda Gauss-Sidel mempunyai maksud yang serupa dengan
teknik iterasi satu titik sederhana yang dipakai dalam enyelesaikan akar-akar suatu
persamaan tunggal. Perlu diingat bahwa iterasi satu titik sederhana memiliki dua
masalah yang mendasar, yaitu:
1. Ia sering kali tidak konvergen, dan

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Pirnadi H, M.Sc.

MATEMATIKA TEKNIK I

2. Kalaupun konvergen, sering melakukannya secara perlahan. Maka metoda GaussSiedel dapat juga memperlihatkan kelemahan-kelemahan ini.
Suatu kondisi untuk konvergensi adalah bahwa koefisien diagonal pada setiap
persamaan lebih besar daripada jumlah koefisien lainnya dalam persmaan. Secara
mataematis, pernyataan kuantitatif dari criteria ini, adalah:
bi ,i a i , j

(5)
Dimana sumasinya diambil dari j= 1 sampai n, tidak termasuk j = i. Persmaan criteria
ini adalah suatu criteria yang memadai, tetapitidak perlu suatu criteria konvergensi.
Artinya, walaupun metoda tersebut kadang-kadang bisa bekerja jika persamaan criteria
di atas ini tidak dipenuhi, konvergensi dijamin kalau kondisi tersebut dipenuhi. Sistem
dimana persamaan criteria di atas ini dipegang, disebut dominant secara diagonal.
Untunglah, banyak masalah praktis teknik yang memenuhi persyaratan.
Perbaikan konvergensi menggunakan relaksasi, relaksasi akan memperlihatkan sedikit
modifikasi pada metoda Gauss-Siedel dan didesain guna memperbaiki konvergensi.
Setelah setiap harga yang baru dari x dicari dengan menggunakan persamaan (3) di
atas, harga tersbut diubah oleh suatu rata-rata yang diboboti dari hasil sebalumnya dan
iterasi yang sekarang, adalah:
xibaru xibaru (1 ) xilama

(6)

Dimana adalah suatu factor bobot yang diberi harga antara 0 2. Jika = 1, (1 ) adalah nol dan hasil itu tidak dimodifikasikan. Tetapi jika diberi harga antara 0
1, hasil tersebut adalah suatu rata-rata yang diboboti dari hasil yang sekarang dan
yang terdahulu. Jenis modifikasi ini disebut dengan: under-relaksasi. Pilihan jenis ini
dilakukanuntuk membuat konvergensi suatu sistem yang tidak konvergen.
Sedangkan untuk harga-harga antara 1 2, bobot ekstra ditempatkan pada harga
yang sekarang, yang merupakan implicit, bahwa harga baru bergerak kea rah yang
betul menuju solusi yang sesungguhnya, tetapi pada kelajuan yang terlalu perlahan.
Jadi, bobot yang ditambahakan pada diharapkan guna memperbaiki estimasi dengan
mendorongnya lebih dekat pada yang sebenarnya.. Jadi, jenis modifikasi yang
sedmikian, dinamakam over-relaksasi, didesain untuk mempercepat konvergensi dari
suatu system yang telah onvergen. Pemilihan suatu harga merupakan maslah yang
spesifik yang tinggi dn seringkali ditentukan melalui uji coba (trial and error).
.
4. ALGORITMA KOMPUTER (METODA GAUSS-SIEDEL)
Suatu algoritma computer untuk metoda Gauss-Siedel, dengan relaksasi, diperlihatkan
pada gambar berikut:
(akan digerikan langsung saat kuliah)

Gambar Diagram alir (Metoda Gauss-Siedel) dengan relaksasi

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Pirnadi H, M.Sc.

MATEMATIKA TEKNIK I

Catatan, algoritma ini tidak dijamin akan mengandung suatu hasil yang layak, jika
persamaan tidak dimasukkan ke dalam suatu bentuk yang dominant secara diagonal.
Namun hal ini dapat dimodifikasi agar memperhitungkan sebagian dari kelemahan ini
adalah dengan cara mencari koefisien-koefisien setiap persamaan selama iterasi agar
menadai koefisien yang terbesar.
Dengan mengikuti bentuk ini, kita sekurang-kurangnya akan memaksimalkan
kesempatan kita memperoleh dominasi diagonal. Tetapi rencana tersebut tidak akan
menjadikan trivial terhadap program.
Kontek masalah untuk metoda Gauss-Siedel, antara lain mengatasi dilemma
pembulatan, teknik Gauss-Siedel memiliki sejumlah keuntungan lain yang terutama
membuatnya menarik dalam kontek masalah tektik tertentu. Misalnya kalau matriks
yang ditanyakan elemen-elemennya adalah nol, metoda elimiasi menghabiskan
sejumlah besar memori computer yang mengandung nol. Karena setiap computer
memiliki sejumlah memori yang terhingga, ketidakefisienan ini dapat menempatkan
suatu kendala yang riil pada ukuran system,di mana untuk metoda eliminasi adalah
lebih praktis.
Meskipun suatu algoritma yang umum semacam algoritma yang terdapat di atas
cenderung pada kendala yang serupa, struktur persamaan Gauss-Siedel persamaan (3),
memberi suatu program yang jelas untuk dikembangkan bagi system tertentu. Karena
banyak koefisien yang tidak nol dibutuhkan dan dimasukkanke dalam persamaan (3) di
atas penghematan memori computer yang sangat besar memang memungkinkan.
Keuntungan jangka panjang dalam investasi pengembangan perangkat lunak, adalah
mutlak jika berhadapan dengan system yang besar, di mana banyak simulasi yang
dilakukan. Kedua system variabel makro dan mikro dapat menghasikan matriks yang
besar dan sparsi, dimana untuk metoda Gauss-Siedel memang menarik. Perhatikan
diagram alir (blok diagram), berikut:
5. SOAL UNTUK LATIHAN
1. Dengan menggunakan metoda Gauss-Siedel untuk menyelesaiakn pesamaan linier
simultan,untuk menghitung besaran: x1, x2 dan x3, berikut:
10 x1 3 x2 + 6 x3 = 24,5
1 x1 + 8 x2 2 x3 = - 9
-2 x1 + 4 x2 9 x3 = - 90
2. Dengan menggunakan metoda Gauss-Siedel untuk menyelesaian persamaan linier
simultan, dengan menghitung besaran: x1, x2, dan x3 sehingga ( s 5%) . Dalam
persamaan-persamaan, berikut:
x1 + 7 x2 - x3 = - 5
4 x1 4 x2 + 9 x3 = 61
12 x1 4 x2 + 3 x3 = 8
3. Dengan menggunakan metoda Gauss-Siedel untuk menyelesaian persamaan linier
simultan, dengan menghitung besaran: x1, x2, dan x3 sehingga ( 0,90 s 5%) .
Dalam persamaan-persamaan, berikut:

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Pirnadi H, M.Sc.

MATEMATIKA TEKNIK I

- 6 x1 + 12 x3 = 60
4 x1 x2 - x3 = - 2
6 x1 + 8 x2
= 44
4. Senyelesaikan persamaan linier simultan, dengan menghitung besaran: x 1, x2, dan
x3 pada persamaan-persamaan, berikut:
4 x1 - 2 x2 - x3 = 39
x1 - 6 x2 + 2 x3 = - 28
x1 -3 x2 + 12 x3 = - 86
a. Menggunakan metoda eliminasi Gauss.
b. Menggunakan metoda Gauss-Jordan
c. Menggunakan metoda Gauss-Siedel untuk s 5%)
5. Senyelesaikan persamaan linier simultan, dengan menghitung besaran: x 1, x2, dan
x3 pada persamaan-persamaan, berikut:
x1 - 3 x2 + 12 x3 = 10
5 x1 - 12 x2 + 2 x3 = - 33
x1 - 14 x2
= - 103
a. Menggunakan metoda eliminasi Gauss.
b. Menggunakan metoda Gauss-Jordan
c. Menggunakan metoda Gauss-Siedel untuk s 5%)
6. Soal-soal yang berhubungan dengan penggunaan komputer dalam soal, berikut:
a. Kembangkan sebuah program komputer yang akrap-pemakai untuk metoda
Gauss-Siedel berdasarkan diagram alir untuk metoda Gauss-Siedel (relaksasi).
Jalankan program ini untuk mengecek criteria konvergensi yang dinyatakan
oleh persamaan (5). Tambahan pula, masukkan relaksasi seperti pada
persamaan (6).
b. Uji program yang telah dibuat pada soal No. 5.a. dengan menggunakannya
untuk mengulangi contoh soal metoda Gauss-Siedel.

Sampai di sini dan bertemu pada modul ke- 14.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Pirnadi H, M.Sc.

MATEMATIKA TEKNIK I