Anda di halaman 1dari 10

PENDAHULUAN

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 rumus-
rumus 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,

1
c.Metode Successive Over Relaxation (SOR), prinsipnya: merupakan
perbaikan secara langsung dari Metode Gauss- Seidel dengan cara
menggunakan faktor relaksasi (faktor pembobot) pada setiap tahap/proses
iterasi.

Metode-metode tak-langsung seperti di atas pada umunya sangat tidak


efisien dan ‘time consuming’ (memerlukan CPU- time) yang jauh lebih besar dari
metode langsung.

Metode Eliminasi Gauss, metode Dekomposisi LU dan Metode Iterasi Jacobi


merupakan metode yang dapat dijadikan sebagai alternatif untuk menyelesaikan
model matematika. Metode Eliminasi Gauss mereduksi matriks koefisien A ke
dalam bentuk matriks segitiga, dan nilai-nilai variabel diperoleh dengan teknik
substitusi. Pada metode Dekomposisi LU, matriks A difaktorkan menjadi matriks
L dan matriks U, dimana dimensi atau ukuran matriks L dan U harus sama dengan
dimensi matriks A.

Pada metode iterasi Jacobi, penyelesaian dilakukan secara iterasi, dimana


proses iterasi dilakukan sampai dicapai suatu nilai yang konvergen dengan
toleransi yang diberikan. Dari hasil pengujian dapat diketahui bahwa metode
Iterasi Jacobi memiliki hasil ketelitian yang lebih baik dan waktu komputasi yang
lebih cepat dari metode Eliminasi Gauss dan metode Dekomposisi LU.

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.

2
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 y3…yn)T, batas toleransi T, dan


maksimum iterasi N.

OUTPUT: X = (x1 x2 x3 ..xn)T, atau pesan “ gagal “.

LANGKAH – LANGKAH :
1. set penghitung iterasi ke =1
2. WHILE k ≤ n DO
bi   j i aij y j
(a) FOR i = 1, 2, 3, ..., n, hitung xi 
aii
T
(b) Set X = (x1 x2 x3 ..xn)
(c) IF X  Y < T THEN STOP
(d) Tambahan penghitung iterasi, k = k + 1
(e) FOR i = 1, 2, 3, ..., n, Set yi = xi
(f) set Y = (y1 y2 y3 ..yn)T
3. STOP

3
C. Flow Chart Iterasi Jacobi
START

AX = b

Input A, b, X0, T, N

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

bi   j  i aij y j
xi 
a ii

xi = ( x1 x2 x3 …xn)

STOP
D. Iterasi Jacobi dengan Menggunaan Matlab 7

Jika x(k)menyatakan hampiran ke k penyelesaian SPL , AX = b, dengan


(0)
x adalah hampiran awal, maka metode iterasi Jacobi dapat dinyatakan sebagai
berikut :
1  
xi
(k )
  bi   a ij x j ( k 1)  , i = 1, 2, 3, ..., n ; k = 1, 2, 3, ..
a ii  
 j i 
Dalam bentuk matriks, rumus iterasi dapat dinyatakan sebagai
X = D-1(b-(L+U)X(k-1)),
(k)

Dengan A = L + D + U ( L matriks segitiga bawah, D matriks diagonal, U


Matriks segitiga atas).
Berikut adalah gambaran bagaimana penggunaan metode iterasi Jacobi
dengan sebuah contoh. Misalkan kita ingin menyelesaikan SPL.
10x1 – x2 + x3 = 6
-x1 + 11x2 – x3 + 3x4 = 25
2x1 – x2 + 10x3 – x4 = - 11
3x2 – x3 + 8x4 = 15
Mula – mulakita nyatakan setiap variabel dalam ketiga variabel yang lainnya
1. Nyatakan x1 dari persamaan (P1) dalam x2, x3, dan x4,
2. Nyatakan x2 dari persamaan (P2) dalam x1, x3, dan x4,
3. Nyatakan x3 dari persamaan (P3) dalam x1, x3, dan x4,

4
4. Nyatakan x4 dari persamaan (P4) dalam x1, x2, dan x3.

Hasilnya adalah SPL


x x 3
x1  2  3 
10 5 5
x x 3x 25
x2  1  3  4 
11 11 11 11
 x1 x 2 x 4 11
x3    
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
x1   0 .6 = 1
5
25
x2   2.2727 = 2
11
11
x3   1.1 = -1
10
15
x4   1.8750 = 2
8
Sekarang dengan menggunakan nilai – nilai ini pada ruas kanan persamaan
(P5) – (P8), kita dapat menghitung hampiran kedua. Proses ini dapat diulang-
ulang sampai keakuratan hampiran yang diinginkan tercapai. Berikut adalah hasil
proses iterasi dengan menggunakan komputer.
No x1 x2 x3 x4
1 0.6 2.27273 -1.1 1.875
2 1.04727 1.71591 -0.805227 0.885227
3 0.932636 2.05331 -1.04934 1.13088
4 1.0152 1.9537 -0.968109 0.973843
5 0.988991 2.01141 -1.01029 1.02135
6 1.0032 1.99224 -0.994522 0.994434
7 0.998128 2.00231 -1.00197 1.00359
8 1.00063 1.99867 -0.999036 0.998888
Setelah iterasi ke-8 diperoleh hampiran penyelesaian
x = (1.00063 1.99867 -0.999036 0.998888)T
bandingkan dengan penyelesaian eksaknya, yakni x = (1 2 -1 1)T.
Menyelesaikan contoh SPL berikut ini dengan menggunakan metode iterasi
Jacobi.
2x1 – x2 + 10x3 = -11
3x2 – x3 + 8x4 = -11
10x1 – x2 + 2x3 =6
-x1 + 11x2 – x3+ 3x4 = 25

E. Penulisan Logaritma dalam Layar Editor MATLAB 7

5
function [X,g,H]= jacobi(A,b,X0,T,N)
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

Layar Editor MATLAB 7

F. Hasil Output fungsi MATLAB 7


Berikut adalah contoh pemakaian fungsi MATLAB 7 jacobi dan hasil
keluaran dari yang diperoleh:
>> A=[2 -1 10 0;0 3 -1 8;10 -1 2 0;-1 11 -1 3]
A=
2 -1 10 0
0 3 -1 8
10 -1 2 0
-1 11 -1 3
>> b=[-11;-11;6;25]
b=
-11
-11
6

6
25
>> 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

7
dengan menggunakan invers matriks A. MATLAB memberikan penyelesaian
sebagai berikut.
>> X=inv(A)*b
X=
1.1039
2.9965
-1.0211
-2.6263

Apakah metode jacobi tidak dapat menghasilkan penyelesaian tersebut?


Dengan mengubah susunan SPL, yakni persamaan pertama dan kedua dipindah
menjadi persamaan ketiga dan keempat, metode Jacobi ternyata berhasil
memberikan penyelesaian tersebut, sebagaimana terlihat pada hasil keluaran
MATLAB berikut.

>> A=[10 -1 2 0;-1 11 -1 3;2 -1 10 0;0 3 -1 8]


A=
10 -1 2 0
-1 11 -1 3
2 -1 10 0
0 3 -1 8
>> b=[6;25;-11;-11]
b=
6
25
-11
-11
>> X0=[-2;1;3;-1]
X0 =
-2
1
3
-1
>> [X,g,H]=jacobi(A,b,X0,T,N)
X=
1.1039
2.9965
-1.0211
-2.6263
g=
0.0795
0.2004
0.0797
0.1511
H=
-2 . 0000 1 . 0000 3 . 0000 -1 . 0000
1 . 1000 2 . 6364 -1 . 6000 -2 . 3750
1 . 9836 2 . 6023 -1 . 8564 -2 . 4386
1 . 0315 2 . 9494 -1 . 0365 -2 . 4579
1 . 1022 2 . 9426 -1 . 0114 -2 . 6106
1 . 1065 2 . 9930 -1 . 0262 -2 . 6049
1 . 1045 2 . 9895 -1 . 0200 -2 . 6256
1 . 1030 2 . 9965 -1 . 0220 -2 . 6236
1 . 1040 2 . 9856 -1 . 0209 -2 . 6264

8
1 . 1037 2 . 9966 -1 . 0212 -2 . 6260
1 . 1039 2 . 9964 -1 . 0211 -2 . 6264
1 . 1039 2 . 9965 -1 . 0211 -2 . 6263
1 . 1039 2 . 9965 -1 . 0211 -2 . 6263
1 . 1039 2 . 9965 -1 . 0211 -2 . 6263
Iterasi Jacobi konvergen (dengan menggunakan batas toleransi 0.0001) setelah
iterasi ke-13. Penyelesaian yang diberikan persis sama dengan yang dihasilkan
dengan metode langsung. Hampiran penyelesaian SPL kita adalah X = (1.1039
2.9965 -1.0211 -2.6263)T.
Layar MATLAB 7 (command window)

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
Simpulan

9
Dari pembahasan di atas kita dapat mengambil kesimpulan bahwa.
1. Urutan persamaan di dalam suatu SPL sangat berpengaruh terhadap
penampilan metode iterasi Jacobi.
2. Dengan menggunakan pemrograman MATLAB 7 dapat membantu
pemrograman dalam dalam metode numeric khususnya metode iterasi Jacobi

10