BAB I

PENDAHULUAN
1. Latar Belakang
Komputasi sebetulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah
dari data input dengan menggunakan suatu algoritma. Hal ini ialah apa yang disebut
dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama
ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan
menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental,
kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah
dilakukan dengan menggunakan komputer.
Secara umum iIlmu komputasi adalah bidang ilmu yang mempunyai perhatian pada
penyusunan model matematika dan teknik penyelesaian numerik serta
penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains).
Dalam penggunaan praktis, biasanya berupa penerapan simulasi komputer atau berbagai
bentuk komputasi lainnya untuk menyelesaikan masalah-masalah dalam berbagai bidang
keilmuan, tetapi dalam perkembangannya digunakan juga untuk menemukan prinsip-prinsip
baru yang mendasar dalam ilmu.
Bidang ini berbeda dengan ilmu komputer (computer science), yang mengkaji komputasi,
komputer dan pemrosesan informasi. Bidang ini juga berbeda dengan teori dan percobaan
sebagai bentuk tradisional dari ilmu dan kerja keilmuan. Dalam ilmu alam, pendekatan ilmu
komputasi dapat memberikan berbagai pemahaman baru, melalui penerapan model-model
matematika dalam program komputer berdasarkan landasan teori yang telah berkembang,
untuk menyelesaikan masalah-masalah nyata dalam ilmu tersebut.
Metode Gauss-Seidel digunakan untuk menyelesaikan sistem persamaan linear (SPL)
berukuran besar dan proporsi koefisien nolnya besar, seperti sistem-sistem yang banyak
ditemukan dalam sistem persamaan diferensial. Metode iterasi Gauss-Seidel dikembangkan
dari gagasan metode iterasi pada solusi persamaan tak linier.
Teknik iterasi jarang digunakan untuk menyelesaikan SPL berukuran kecil karena metodemetode langsung seperti metode eliminasi Gauss lebih efisien daripada metode iteratif. Akan
tetapi, untuk SPL berukuran besar dengan persentase elemen nol pada matriks koefisien
besar, teknik iterasi lebih efisien daripada metode langsung dalam hal penggunaan memori
komputer maupun waktu komputasi. Dengan metode iterasi GaussSeidel sesatan pembulatan dapat diperkecil karena dapat meneruskan iterasi sampai
solusinya seteliti mungkin sesuai dengan batas sesatan yang diperbolehkan.
2. Rumusan Masalah
1. Bagaimana cara menyelesaikan soal dengan menggunakan model iterasi Gauss-Seidel?
2. Bagaimana cara mengaplikasikan metode iterasi Gauss-Seidel?
3. Tujuan
1. Untuk mengetahui cara menyelesaikan soal dengan menggunakan model itersi GaussSeidel
2. Untuk mengetahui aplikasi model iterasi Gauss-Seidel

BAB II
ISI
Iterasi gauss-seidel
Metode Iterasi Gauss-Seidel hampir sama dengan metode Iterasi Jacobi. Perbedaannya hanya
terletak pada penggunaan nilai elemen vektor xbaru yang langsung digunakan pada persamaan
dibawahnya. Untuk lebih jelasnya, perhatikan sistem persamaan linear berikut, yang diturunkan
dari contoh terdahulu

Pada baris pertama, x1baru dihitung berdasarkan x2lama dan x3lama . Kemudian x1baru tersebut langsung
dipakai pada baris kedua untuk menghitungx2baru. Selanjutnya x1baru dan x2baru digunakan pada
baris ketiga untuk mendapatkan x3baru . Begitu seterusnya hingga x4baru pun diperoleh pada baris
keempat. Sistem persamaan tersebut dapat dinyatakan dalam indeks k seperti dibawah ini
dimana k adalah jumlah iterasi.

Misalnya kita tentukan nilai-nilai awal x(0) sebagai berikut x1(0) = 0, x2(0) = 0, x3(0) = 0 dan
X4(0) =0. Atau dinyatakan seperti ini x(0) = (0; 0; 0; 0)t . Maka pada k = 1 kita akan memperoleh
nilai-nilai x(1) sebagai berikut
x1(1) = 0, 6000
x 2(1)

= 2, 3272

x 3(1)

= 0, 9873

x 4(1)

= 0, 8789

Lalu proses perhitungan diulangi lagi dengan k = 2. Begitu seterusnya proses ini diulang-ulang
lagi untuk nilai-nilai k berikutnya sampai x(k) mendekati solusi yang sesungguhnya, yaitu
x = (1; 2; 1; 1)
Marilah kita amati hasil seluruh iterasi. Tabel di bawah ini menampilkan hasil perhitungan
hingga iterasi yang ke-5. Kita bisa saksikan bahwa dibandingkan dengan iterasi Jacobi, problem
sistem persamaan linear yang sama, bisa diselesaikan oleh metode iterasi Gauss-Seidel hanya
dalam 5 kali iterasi. Dari kasus ini, bisa kita simpulkan bahwa iterasi Gauss-Seidel bekerja lebih

efektif dibandingkan iterasi Jacobi. Ya.., memang secara umum demikian, akan tetapi ternyata
ditemukan kondisi yang sebaliknya pada kasus-kasus yang lain.
Script iterasi Gauss-Seidel
Pembuatan script iterasi Gauss-Seidel dimulai dari sistem persamaan linear yang telah dibahas di
atas, yaitu

Pada pembahasan iterasi Jacobi, saya telah membuat matrik J berisi konstanta yang menemani
variabel x. Matrik J ini akan saya gunakan lagi untuk menyusun script metode iterasi Gauss-

Kemudian matrik J dipecah menjadi matrik L dan matrik U, dimana J = L + U

Sampai disini saya nyatakan matrik L, matrik U dan vektor u sebagai berikut

Karena matrik L dan U berasal dari matrik J, maka pembuatan script iterasi Gauss-Seidel akan
saya mulai dari script perhitungan matrik J yang telah dibuat sebelumnya. Inilah script untuk
membuat matrik J,

Untuk memperoleh matrik L, pertama-tama matrik J dicopy ke matrik L. Kemudian seluruh

elemen segitiga di atas elemen diagonal diganti dengan angka nol. Proses ini dilakukan mulai
dari baris ke-34 hingga ke-43.

Proses perhitungan mulai dari baris ke-35 hingga ke-43 akan disederhanakan dengan langkahlangkah berikut. Saya munculkan indeks p,

Dengan adanya indeks p, bagian looping dapat dimodifikasi menjadi

Kemudian, berdasarkan indeks p, dibuatlah proses looping,

Selanjutnya, angka 3 dan 4 dapat diganti dengan variabel n agar bisa digabung dengan script
utamanya. Perhatikan baris ke-35 dan ke-36 pada script berikut

OK, dengan demikian matrik L telah terbentuk dan tersimpan di memory komputer. Sekarang
kita akan membentuk matrik U. Prosesnya sama seperti saat pembentukan matrik L, yaitu dimulai dengan mencopy matrik J ke dalam matrik U. Perhatikan mulai dari baris ke-41 berikut
ini,

Kemudian, indeks p dimunculkan mulai diantara baris ke-42 hingga ke-50,

Selanjutnya, berdasarkan indeks p dibuatlah proses looping yang baru

Akhirnya, script ini digabungkan ke script utamanya setelah mengganti angkan 3 dan 4 dengan
variabel n.

Secara umum, script iterasi Gauss-Seidel yang saya tuliskan disini hampir sama dengan iterasi
jacobi. Perbedaan kecil-nya terletak pada bagian nilai update, dimana elemen xbaru hasil
perhitungan dilibatkan langsung untuk menghitung elemen xbaru selanjutnya.

Perumusan metode Iterasi Gauss-Seidel dapat dinyatakan sebagai berikut:

dimana i=1,2,3,...,n.
6.4.2 Algoritma

Langkah 1: Tentukan k=1

Langkah 2: Ketika (k N ) lakukan Langkah 3-6
Langkah 3: Untuk i=1,...,n, hitunglah

 Langkah 4: Jika x XO < , maka keluarkan OUTPUT (x1, ..., xn ) lalu STOP
Langkah 5: Tentukan k=k+1
Langkah 6: Untuk i=1,...n, tentukan X Oi = xi
Langkah 7: OUTPUT (Iterasi maksimum telah terlampaui) lalu STOP
Script iterasi Gauss-Seidel dalam Fortran

6.5

Iterasi dengan Relaksasi

Metode Iterasi Relaksasi (Relaxation method ) dinyatakan dengan rumus berikut:

dimana i=1,2,3,...,n.
Untuk lebih jelasnya, marilah kita perhatikan contoh berikut, diketahui sistem persamaan linear
Ax = b yaitu

memiliki solusi (3, 4, 5)t . Metode Gauss-Seidel dan Relaksasi dengan = 1, 25 akan
digunakan untuk menyelesaikan sistem persamaan linear di atas dengan x(0) = (1, 1, 1)t . Untuk
setiap nilai
k = 1, 2, 3, ..., persamaan Gauss-Seidelnya adalah

Seda
ngkan persamaan untuk metode Relaksasi dengan = 1, 25 adalah

Tabel 6.4: Hasil perhitungan iterasi Gauss-Seidel

Dari kasus ini, bisa kita simpulkan bahwa iterasi Relaksasi memerlukan proses iterasi yang lebih
singkat dibandingkan iterasi Gauss-Seidel. Jadi, pada kasus ini (dan juga secara umum),
Relaksasi lebih efektif dibandingkan Gauss-Seidel. Pertanyaannya sekarang, bagaimana menentukan nilai optimal?
Metode Relaksasi dengan pilihan nilai yang berkisar antara 0 dan 1 disebut metode underrelaxation, dimana metode ini berguna agar sistem persamaan linear bisa mencapai kondisi
konvergen walaupun sistem tersebut sulit mencapai kondisi konvergen dengan metode GaussSeidel. Sementara bila nilainya lebih besar dari angka 1, maka disebut metode successive
over-relaxation (SOR), yang mana metode ini berguna untuk mengakselerasi atau mempercepat
kondisi konvergen dibandingkan dengan Gauss-Seidel. Metode SOR ini juga sangat berguna
untuk menyelesaikan sistem persamaan linear yang muncul dari persamaan diferensial-parsial
tertentu.
6.5.1 Algoritma Iterasi Relaksasi
Langkah 1: Tentukan k=1
Langkah 2: Ketika (k ) lakukan Langkah 3-6

Langkah 3: Untuk i=1,...,n, hitunglah

Langkah 4: Jika x XO < , maka keluarkan OUTPUT (x1, ..., xn ) lalu STOP
Langkah 5: Tentukan k=k+1
Langkah 6: Untuk i=1,...n, tentukan X Oi = xi
Langkah 7: OUTPUT (Iterasi maksimum telah terlampaui) lalu STOP

BAB III
PENUTUP
Kesimpulan
Model itrasi Gauss-Seidel lebih praktis dan efektif dibandingkan dengan model iterasi Jacobi
dalam pengerjaannya, terlebih dalam perhitungan manual bukan matlab.

Daftar Pustaka
Komputasi-prosesmatlab.pdf
http://id.wikipedia.org/wiki/Iterasi_Gauss-Seidel
http://id.wikipedia.org/wiki/Komputasi