Iterasi Jacobi
Iterasi Jacobi
A. Latar Belakang
Persoalan yang melibatkan model matematika banyak muncul dalam
berbagai disiplin ilmu pengetahuan, seperti dalam bidang fisika, kimia, ekonomi,
atau pada persoalan rekayasa. Seringkali model matematika tersebut muncul
dalam bentuk yang rumit yang terkadang tidak dapat diselesaikan dengan rumusrumus aljabar yang sudah baku.
Solusi SPL secara numeris umumnya selalu (harus) lebih efisien dan cepat
dibandingkan dengan metode-metode analitis, seperti metode Cramer. Namun
demikian, solusi numerik ini secara teknis adakalanya juga berkendala, karena:
(1) ada beberapa persamaan yang mendekati kombinasi linier, akibat adanya
round off error dari mesin penghitung pada, (2) suatu tahap perhitungan adanya
akumulasi round off error pada proses komputasi akan berakibat domain
bilangan nyata (fixed point) dalam perhitungan akan terlampaui (overflow),
biasanya akibat dari jumlah persamaan yang terlalu besar.
Metode-metode solusi numerik yang banyak dipakai, dapat diklasifikasikan
sebagai:
1. Metode Langsung
a.Metode Langsung Eliminasi Gauss (EGAUSS), prinsipnya: merupakan
operasi eliminasi dan substitusi variabel-variabelnya sedemikian rupa
sehingga dapat terbentuk matriks segitiga atas, dan akhirnya solusinya
diselesaikan menggunakan teknik substitusi balik (backsubstitution),
b. Metode Eliminasi Gauss ini. Eliminasi Gauss-Jordan (EGJ), prinsipnya:
mirip sekali dengan metode EG, namun dalam metode ini jumlah operasi
numerik yang dilakukan jauh lebih besar, karena matriks A mengalami
inversi terlebih dahulu untuk mendapatkan matriks identitas (I). Karena
kendala tersebut, maka metode ini sangat jarang dipakai, namun sangat
bermanfaat untuk menginversikan matriks,
c.Dekomposisi LU (DECOLU), prinsipnya: melakukan dekomposisi matriks A
terlebih dahulu sehingga dapat terbentuk matriks-matrik segitiga atas dan
bawah, kemudian secara mudah dapat melakukan substitusi balik
(backsubstitution) untuk berbagai vektor VRK (vektor ruas kanan).
d. Solusi sistem TRIDIAGONAL (S3DIAG), prinsipnya merupakan solusi
SPL dengan bentuk matrik pita (satu diagonal bawah, satu diagonal utama,
dan satu diagonal atas) pada matriks A.
2. Metode Tak-Langsung (Metode Iteratif)
a.Metode Jacobi, prinsipnya: merupakan metode iteratif yang melakuakn
perbaharuan nilai x yang diperoleh tiap iterasi (mirip metode substitusi
berurutan, successive substitution),
b. Metode Gauss-Seidel, prinsipnya: mirip metode Jacobi, namun melibatkan
perhitungan implisit,
D. Tujuan
Tujuan penulisan makalah sebagai berikut.
1.
Memberikan solusi dalam memperoleh urutan persamaan di dalam suatu
SPL dengan menggunakan metode iterasi Jacobi.
2.
Penggunaan MATLAB 7 untuk membantu menyelesaikan pemrograman
dalam penyelesaian Sistem Persamaan Linear (SPL) dengan metode iterasi
Jacobi.
E. Manfaat
Dapat diambil manfaatnya sebagia berikut.
1.
Dapat digunakan sebagai solusi dalam memperoleh urutan persamaan di
dalam suatu SPL berukuran besar dengan menggunakan metode iterasi
Jacobi.
2.
Memberi kemudahan dalam menyelesaikan Sistem Persamaan Linear (SPL)
berukuran besar dengan metode iterasi Jacobi dengan pemrograman
MATLAB 7 for Windows.
PEMBAHASAN
A. Iterasi Jacobi
Metode ini merupakan suatu teknik penyelesaian SPL berukuran n x n, AX =
b, secara iteratif. Proses penyelesaian dimulai dengan suatu hampiran awal
terhadap penyelesaian, X0, kemudian membentuk suatu serangkaian vector X1, X2,
yang konvergen ke X.
Teknik iteratif jarang digunakan untuk menyelesaikan SPL berukuran kecil
karena metode-metode langsung seperti metode eliminasi Gauss lebih efisien dari
pada metode iteratif. Akan tetapi, untuk SPL berukuran besar dengan persentase
elemen nol pada matriks koefisien besar, teknik iteratif lebih efisien daripada
metode langsung dalam hal penggunaan memori komputer maupun waktu
komputasi. Metode iterasi Jacobi, prinsipnya: merupakan metode iteratif yang
melakuakn perbaharuan nilai x yang diperoleh tiap iterasi (mirip metode substitusi
berurutan, successive substitution).
B. Algoritma Iterasi Jacobi
Untuk menyelesaikan system persamaan linier AX = b dengan A adalah
matriks koefisien n x n, b vector konstan n x 1, dan X vektor n x 1 yang perlu
dicari.
INPUT : n, A, b, dan Himpunan awal Y = (y1 y2 y3yn)T, batas toleransi T, dan
maksimum iterasi N.
OUTPUT: X = (x1 x2 x3 ..xn)T, atau pesan
gagal .
START
LANGKAH LANGKAH :
1. set penghitung iterasi ke =1
2. WHILE k n DO
AX = b
bi j i aij y j
Input A, b, X0, T, N
aii
xi
bi j i aij y j
a ii
4
STOP
(k )
1
a ii
bi aij x j ( k 1) , i = 1, 2, 3, ..., n ; k = 1, 2, 3, ..
j i
1.
2.
3.
4.
Mula mulakita nyatakan setiap variabel dalam ketiga variabel yang lainnya
Nyatakan x1 dari persamaan (P1) dalam x2, x3, dan x4,
Nyatakan x2 dari persamaan (P2) dalam x1, x3, dan x4,
Nyatakan x3 dari persamaan (P3) dalam x1, x3, dan x4,
Nyatakan x4 dari persamaan (P4) dalam x1, x2, dan x3.
5
5
10 10 10
3 x 2 x3 15
x4
8
8
8
Misalkan kita pilih hapiran penyelesaian awal (0 0 0 0)T, maka hampiran
pertama terhadap penyelesaian SPL tersebut adalah
3
0 .6 = 1
5
25
x2
2.2727 = 2
11
11
x3
1.1 = -1
10
15
x4
1.8750 = 2
8
x1
Sekarang dengan menggunakan nilai nilai ini pada ruas kanan persamaan
(P5) (P8), kita dapat menghitung hampiran kedua. Proses ini dapat diulangulang sampai keakuratan hampiran yang diinginkan tercapai. Berikut adalah hasil
proses iterasi dengan menggunakan komputer.
No
1
2
3
4
5
6
7
8
x1
0.6
1.04727
0.932636
1.0152
0.988991
1.0032
0.998128
1.00063
x2
2.27273
1.71591
2.05331
1.9537
2.01141
1.99224
2.00231
1.99867
x3
-1.1
-0.805227
-1.04934
-0.968109
-1.01029
-0.994522
-1.00197
-0.999036
x4
1.875
0.885227
1.13088
0.973843
1.02135
0.994434
1.00359
0.998888
H = X0';
n = length(b);
X1 = X0;
for k=1:N,
for i = 1:n,
S = b(i)-A(i,[1:i-1,i+1:n])*X0([1:i-1,i+1:n]);
X1(i)=S/A(i,i);
end
g = abs(X1-X0);
err = norm(g);
relerr = err/(norm(X1)+ eps);
X0 = X1;
H = [H;X0'];
if (err<T)|(relerr<T),break,end
end
>> X0=[0;0;0;0]
X0 =
0
0
0
0
>> T=.00001
T=
1.0000e-005
>> N=25
N=
25
>> [X,g,H]=jacobi(A,b,X0,T,N)
X=
1.0e+017*
-4.1950
0.5698
2.1380
0.0451
g=
1.0e+017*
3.7699
0.5442
1.2965
0.1535
H=
1.0e+017*
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
-0 . 0007 0 . 0000 0 . 0013 -0 . 0002
-0 . 0066 0 . 0009 0 . 0036 0 . 0000
-0 . 0173 0 . 0011 0 . 0333 -0 . 0042
-0 . 1661 0 . 0224 0 . 0873 0 . 0013
-0 . 4251 0 . 0256 0 . 8415 -0 . 1085
-4 . 0000 0 . 5698 2 . 1380 0 . 0451
Dari hasil diatas, metode Jacobi belum konvergen setelah melakukan iterasi.
Untuk mengetahui penyelesaian SPL kita, selanjutnya gunakan metode langsung
1 . 1037
1 . 1039
1 . 1039
1 . 1039
1 . 1039
2 . 9966
2 . 9964
2 . 9965
2 . 9965
2 . 9965
-1 . 0212
-1 . 0211
-1 . 0211
-1 . 0211
-1 . 0211
-2 . 6260
-2 . 6264
-2 . 6263
-2 . 6263
-2 . 6263
Dari contoh di atas bahwa urutan persamaan di dalam suatu SPL sangat
berpengaruh terhadap penampilan metode iterasi Jacobi. Kalau kita amati lebih
lanjut contoh di atas, kekonvergenan iterasi Jacobi pada strategi kedua
dikarenakan kita telah mengubah susunan SPL sedemikian hingga elemen-elemen
aii merupakan elemen-elemen terbesar pada setiap baris. Dengan kata lain, apabila
matriks koefisien A merupakan matriks dominan secara diagonal, maka metode
iterasi Jacobi akan konvergen. Suatu matrik A berukuran n x n dikatakan
dominan secara diagonal apabila
| a ii || a i ,1 | ... | a i ,i 1 | | a i ,i 1 | ... | a i ,n | untuk i = 1, 2, 3, ..., n.
SIMPULAN
A. Simpulan
10
11