Anda di halaman 1dari 15

I.

Tujuan
Mahasiswa mampu menyesaikan Sistem Persamaan Linear dengan Metode Iterasi
Gauss Siedel dan Metode Iterasi Jacobi pada Matlab.

II.

Dasar teori
Metode Iterasi adalah metode dimana penyelesaian persamaan diprediksi dengan
suatu nilai awal yang kemudian diuji melalui subtitusi ke dalam persamaan. Besarnya
perbedaan yang diperoleh dijadikan dasar untuk menentukan nilai prediksi
selanjutnya. Perulangan dalam suatu metode iterasi boleh saja tidak terbatas, namun
umumnya dibatasi oleh besarnya error-koreksi yang diperoleh. Apabila besarnya
lebih kecil dari nilai yang diharapkan maka iterasi dapat dihentikan.
Metode Iterasi Gauss Siedel
Metode interasi Gauss-Seidel adalah metode yang menggunakan proses iterasi
hingga diperoleh nilai-nilai yang berubah-ubah. Metode iterasi Gauss-Seidel
dikembangkan dari gagasan metode iterasi pada solusi persamaan tak linier .
Rumus dari metode eliminasi Gauss-Seidel :

Teknik iterasi jarang digunakan untuk menyelesaikan SPL berukuran kecil karena
metode-metode langsung seperti metode Eliminasi Gauss lebih efisien daripada
metode iterasi, akan tetapi, untuk SPL berukuran besar dengan persentase elemen nol
pada matriks koefisien besar, teknik iterasi lebih efisien dari pada metode langsung
dalam hal penggunaan memori komputer maupun waktu komputasi. Dengan metode
iterasi Gauss-Seidel sesatan pembulatan dapat diperkecil karena dapat meneruskan

iterasi sampai solusinya seteliti mungkin sesuai dengan batas sesatan yang
diperbolehkan.

Metode Iterasi Jacobi


Metode Iterasi Jacobi merupakan salah satu bidang analisis numerik yang
digunakan untuk menyelesaikan permasalahan persamaan linear dan sering dijumpai
dalam berbagai disiplin ilmu. Metode Iterasi Jacobi merupakan salah satu metode tak
langsung, yaitu bermula dari suatu hampiran penyelesaian awal dan kemudian
berusaha memperbaiki hampiran dalam tak berhingga namun langkah konvergen.
Metode Iterasi Jacobi ini digunakan untuk menyelesaikan persamaan linear
berukuran besar dan proporsi koefisien nolnya besar.
Metode ini ditemukan oleh matematikawan yang berasal dari Jerman, Carl Gustav
Jacobi. Penemuan ini diperkirakan pada tahun 1800-an.Kalau kita mengubah dalam
Sistem Persamaan Linear, maka dapat ditulis sebagai berikut

Kemudian, diketahui bahwa


matriks diagonal,

, di mana

merupakan matriks segitiga bawah, dan

segitiga atas.
Kemudian, persamaan di atas dapat diubah menjadi :

Kemudian,

merupakan

merupakan matriks

Jika ditulis dalam aturan iteratif, maka metode Jacobi dapat ditulis sebagai :

di mana merupakan banyaknya iterasi. Jika


penyelesaian SPL, maka

III.

1.
2.
3.

menyatakan hampiran ke-

adalah hampiran awal.

Algoritma
Metode Iterasi Jacobi
Masukan dimensi n, matriks A dan ruas kanan b
Lanjutkan pivoting sehingga diagonal-diagonal-nya dominan
Inisialisasi vector x

4. Maxiter = 250 ;
5. Untuk k=1 s/d maxiter dan toleransi belum dicapai lakukan :
a. Untuk i=1 s/d n lakukan :
i.
w = b(i) ;
ii.
Untuk j=1 s/d N dan i j
1.

w=w A ( i , j )xk ( j )

x ( i )=w/ A(i ,i) ;

iii.

b. Cari beda terbesar, bandingkan dengan toleransi


6. Cetak x ;
7. Stop

1.
2.
3.
4.
5.

Metode Gauss Seidel


Masukan dimensi n, matriks koefisien A, dan vector ruas kanan b.
Lakukan pivoting pada matriks A dan ruas kanan b
Inisialisasi vektor prediksi xp=0
Maxstep = 1000
Lakukan peulangan :
for k=1 : maxstep
for i=1:n
m=b ( i )
for j = (i +1) : n
m=m A ( i , j )xp ( j )
endfor
for j=1 :i
if ( i= j )
x ( i )=w/ A(i ,i)
else
m=m A ( i , j )x ( j )
endif
endfor
error = abs( x - xp )
if( error < tol)
break

endif
endfor
endfor
6. Hasil akhir adalah vektor x

START

IV.

Flowchart
Metode Iterasi Jacobi

AX = b

Input A, b, X0, T, N

[X, g, H]= jacobi(A,b,X0,T,N)

xi

bi j i a ij y j
a ii
xi = ( x1 x2 x3 xn)

STOP

Metode gauss saidel

V.

Program / Scrib
Iterasi Jacobi
Matriks 3x3
clc
clear all
%iterasi jacobi

A=[4 -1 1; 4 -8 1; -2 1 5];
b=[7; -21; 15];
[m,n]=size(A);
J=zeros(n);
for p=1:n
for k=1:n
if (k ~= p)
J(p,k)=-A(p,k)/A(p,p);
end
end
u(p,1)=b(p,1)/A(p,p);
end
xlama=[1; 2; 2 ]; %---inisialisasi xlama
itermaks=10; %---iterasi maksimum sampai 10 kali
for k=1:itermaks
xbaru=J*xlama + u;
xlama=xbaru;
end
xbaru

Matriks 4x4
clc
clear all
%iterasi jacobi
A=[-2 1 10 0; 0 3 -1 8 ; 10 -1 2 0; -1 11 -1 3 ];
b=[-11; -11; 6; 25];
[m,n]=size(A);
J=zeros(n);
for p=1:n
for k=1:n
if (k ~= p)
J(p,k)=-A(p,k)/A(p,p);
end
end
u(p,1)=b(p,1)/A(p,p);
end
xlama=[0; 0; 0; 0 ]; %---inisialisasi xlama
itermaks=10; %---iterasi maksimum sampai 10 kali
for k=1:itermaks
xbaru=J*xlama + u;

xlama=xbaru;
end
xbaru

Iterasi Gauss Seidel


Matriks 3x3
for p=1:n-1
for k=1:n
if k==p
k=k+1;
end
J(p,k)=-A(p,k)/A(p,p);
end
u(p,1)=b(p,1)/A(p,p);
end
for k=1:n-1
J(n,k)=-A(n,k)/A(n,n);
end
u(n,1)=b(n,1)/A(n,n);
%------------------------L=J;%matriks J dicopy ke matriks L
for p=1:n-1
for k=p+1:n
L(p,k)=0;
end
end
%-------------------------U=J;%matriks J dicopy ke matriks U
for p=1:n-1
for k=p+1:n
U(k,p)=0;
end
end
xlama=[1; 2; 2];%---inisialisasi xlama
itermaks=10;%---iteraksi maksimum sampai 10 kali
for k=1:itermaks
xbaru=J*xlama + u;
xlama=xbaru;
end
xbaru

Matriks 4x4

%PROGRAM ITERASI GAUSS SEIDEL


clear all
clc
A=[10 -1 2 0; -1 11 -1 3; 2 -1 10 -1; 0 3 -1 8];
b=[6; 25; -11; 15];
dim=size(A);
n=dim(1);
disp('

PROGRAM ITERASI GAUSS SEIDEL

')

disp('------------------------------------------')
disp('iterasi

x1

x2

x3

x4')

disp('------------------------------------------')
%---perhitungan matriks J dan vektor U--for k=1:n
J(k,k)=0;
end
for p=1:n-1
for k=1:n
if k==p
k=k+1;
end
J(p,k)=-A(p,k)/A(p,p);
end
u(p,1)=b(p,1)/A(p,p);
end
for k=1:n-1
J(n,k)=-A(n,k)/A(n,n);
end
u(n,1)=b(n,1)/A(n,n);
%------------------------L=J;%matriks J dicopy ke matriks L
for p=1:n-1

for k=p+1:n
L(p,k)=0;
end
end
%-------------------------U=J;%matriks J dicopy ke matriks U
for p=1:n-1
for k=p+1:n
U(k,p)=0;
end
end
xlama=[0; 0; 0; 0];%---inisialisasi xlama
itermaks=10;%---iterasi maksimum sampai 10 kali
for k=1:itermaks
xbaru=J*xlama + u;
xlama=xbaru;
fprintf('%8.0f %9.5f %9.5f %9.5f %9.5f \n',k,xbaru')
end

VI.

Hasil
Iterasi Jacobi
Matriks 3x3

Matriks 4x4

Iterasi Gauss Seidel


Matriks 3x3

VII.

Matriks 4x4

Pembahasan

Metode Iterasi memiliki keunggulan dibandingkan dengan Metode Eliminasi


n2
karena hemat dalam pemakaian memori, atau karena kompleksitasnya O ).
n3
Sementara itu, kompleksitas Metode Eliminasi umumnya adalah O ),
dimana n adalah ukuran vektor x. karenanya Metode Eliminasi lebih cocok untuk
sistem persamaan variable yang tidak terlalu banyak, sedangkan Metode Iterasi bias
digunakan untuk matriks koefisien berukuran besar dan sebagian elemennya nol
(Sparse Matriks).
Metode Iterasi Jacobi terkesan lambat menuju konvergensi sehingga Gauss Siedel
mengusulkan metode yang leih cepat, dimana nilai yang diperoleh langsung
digunakan dalam putaran iterasi yang sedang berlangsung.
Penggunaan pendekatan dengan pemrograman MATLAB, salah satu software
komputer yang dapat digunakan untuk memberikan solusi komputasi numerik.
Karena metode metode numerik dengan bahasa pemrograman yang sederhana,
namun dapat menyelesaikan permasalahan yang dihadapi oleh mereka yang bergerak
dalam bidang matematika maupun aplikasi matematika.

VIII. Kesimpulan
Metode eliminasi gauss-seidel digunakan untuk menyelesaikan SPL yg
berukuran kecil karena metode ini lebih efisien. Dengan metode iterasi GaussSeidel sesatan pembulatan dapat diperkecil karena dapat meneruskan iterasi sampai
solusinya seteliti mungkin sesuai dengan batas sesatan yang diperbolehkan.
Kelemahan dari metode ini adalah masalah pivot (titik tengah) yang harus benar

benar diperhatikan, karena penyusun yang salah akan menyebabkan iterasi menjadi
divergen dan tidak diperoleh hasil yang benar
Metode Iterasi Jacobi terkesan lambat menuju konvergensi sehingga Gauss Siedel
mengusulkan metode yang leih cepat, dimana nilai yang diperoleh langsung
digunakan dalam putaran iterasi yang sedang berlangsung.

DAFTAR PUSTAKA
Munir, R. 2003. Metode Numerik. Informatika. Bandung.
Sahid. 2005. Pengantar Komputasi Numerik dengan MATLAB. Andi. Yogyakarta.
Suarga. 2012. Algoritma Pemograman . Edisi ke-2. Yogyakarta : Penerbit ANDI.