Metode Iterasi Gauss-Seidel

Penyelesaian Sistem Persamaan Linier

Metode Numerik
Ir. Kutut Suryopratomo, MT, MSc
Teknik Fisika, Universitas Gadjah Mada

Sistem Persamaan Linier (SPL)

Sistem Persamaan Linier (SPL) banyak dijumpai
dalam keteknikan, terlebih saat berurusan dengan
penyelesaian persamaan diferensial parsial.
SPL melibatkan n persamaan dengan n variabel (xi)
yang harus ditentukan nilainya:

a11x1 a12 x2 a13 x3 ... a1n xn b1

a21x1 a22 x2 a23 x3 ... a2 n xn b2
a31x1 a32 x2 a33 x3 ... a3n xn b3
...
an1 x1 an 2 x2 an3 x3 ... ann xn bn
2

Sistem Persamaan Linier

SPL bisa ringkas ditulis dalam bentuk matriks:

a11 a12
a
21 a22
a31 a32

... ...
an1 an 2

a13
a23
a33
...
an3

...
...
...
...
...

a1n x1 b1
a2 n x2 b2
a3n x3 b3

... ... ...
ann xn bn

Metode2 Penyelesaian
Sistem Persamaan Linier

Metode penyelesaian SPL secara umum ada

2 macam, yaitu:
1. Metode eliminasi:
Gauss
Gauss-Jordan
Dekomposisi LU

2. Metode iterasi:
Jacobi
Gauss-Seidel
4

Metode2 Penyelesaian
Sistem Persamaan Linier

Di sini hanya akan dibahas 3 metode dari

semua yang disebutkan tadi, yaitu:

Metode Eliminasi Gauss

Metode Dekomposisi LU

Metode Iterasi Gauss-Seidel

Metode Iterasi Gauss-Seidel

Penyelesaian SPL
(Sistem Persamaan Linier)

Ide Dasar
Metode Dekomposisi LU

Dari SPL [A][X] = [B]

a11 a12 a13 x1 b1

a
x b
a
a
21 22 23 2 2
a31 a32 a33 x3 b3

Disusun masing2 1 persamaan untuk tiap xi:

x1 a111 b1 a12 x2 a13 x3

x 1 b a x a x
2 a22 2 21 1 23 3
x3 a133 b3 a31x1 a32 x2
7

Ide Dasar
Metode Iterasi Gauss-Seidel

Proses iterasi dimulai dengan tebakan sembarang

untuk setiap xi.
Lalu, nilai xi baru dihitung dari persamaan iterasi

x1 a111 b1 a12 x2 a13 x3

x 1 b a x a x
2 a22 2 21 1 23 3
x3 a133 b3 a31x1 a32 x2

Iterasi dilanjutkan dengan xi terbaru yang

tersedia.
Proses iterasi dihentikan jika error dari 2 iterasi
berurutan memenuhi kriteria yang ditentukan.
8

Ide Dasar
Metode Iterasi Gauss-Seidel

Proses iterasi dihentikan jika

error dari 2 iterasi berurutan:

xibaru xilama
i
100%
baru
xi
telah memenuhi kriteria yang ditentukan
untuk semua xi.

Beberapa catatan;
Metode Iterasi Gauss-Seidel
Proses iterasi efisien jika tebakan dekat
dengan nilai sejatinya.

Tebakan yang baik bisa dibuat

jika fenomena fisiknya telah dipahami.

Proses iterasi bisa konvergen (menuju nilai

sejatinya) atau sebaliknya.
Untuk menjaga konvergensi, pastikan persamaan
iterasi disusun dari matriks dominan diagonal.
Artinya, nilai mutlak kebanyakan elemen diagonal
(aii) lebih besar daripada elemen lainnya (aij).
10

Beberapa catatan;
Metode Iterasi Gauss-Seidel
Matriks [A] dalam SPL [A][X]=[B] dikatakan dominan
diagonal jika:
n

aii aij untuk semua baris i

j 1
j i
n

aii aij untuk sedikitnya 1 baris i

j 1
j i

Untungnya, kebanyakan sistem fisik biasanya

memberikan SPL yang dominan diagonalnya.

11

Contoh-1:
Tabel data
Tabel merekam data
kecepatan roket pada
tiga saat waktu.
Kecepatan bisa
dimodelkan dengan
polinom orde-2:

Waktu, t Kecepatan, v
(detik)
(m/s)
5

106,8

177,2

12

279,2

v(t)=a0+a1.t+a2t2
Dengan persamaan ini
bisa ditentukan
kecepatan pada waktu
dalam rentang 5-12
detik.

12

Contoh-1:
Sebaran data
Kecepatan roket, v (m/s)

300
250
200
150
100
50
0
0

10

15

Waktu, t (s)

13

Contoh-1:
Sistem Persamaan Linier
t ( s) v ms
5 106,8
8 177,2
12 279,2

a0 a1t a2t 2 vt
2
a0 a1 5 a2 5 106,8
2
a0 a1 8 a2 8 177,2
2
a0 a1 12 a2 12 279,2

1 5 25 a0 106,8
1 8 64 a 177,2

1 12 144 a2 279,2

14

Contoh-1:
Sistem Persamaan Linier
Matriks [A] tidak dominan diagonal,

1 5 25 a11 1 5 25
1 8 64 a 8 1 64
22

1 12 144 a33 144 1 12

sehingga tidak bisa disusun
persamaan iterasi yang konvergen.
Jadi metode iterasi Gauss-Seidel tidak bisa
digunakan untuk menyelesaikan persoalan ini.
15

Contoh-2:
Sistem Persamaan Linier
Akan dicari penyelesaian SPL berikut:

12 3 5 x1 1
1 5 3 x 28

2
3 7 13 x3 76

Matriks [A] di sini dominan diagonal, sehingga

dari sini bisa disusun persamaan iterasi yang
konvergen.
16

Contoh-2:
Sistem Persamaan Linier
Persamaan iterasi:

x1 121 1 3x2 5 x3
12 3 5 x1 1
1 5 3 x 28 x 1 28 x 3x
2
1
3
5

2
3 7 13 x3 76 x3 131 76 3x1 7 x2
Untuk pengawalan iterasi diambil tebakan
sembarang xi = 0 (i=1..3)

17

Contoh-2:
Sistem Persamaan Linier
error
kriteria: 1E-03
iterasi
kex1
x2
x3
x1
x2
x3
max
konvergen?
0
0
0
0
1
0.083 5.583 2.821
100
100
100
100 belum
2
-0.14 3.935 3.759 160.7 41.88 24.96 160.7 belum
3
0.666 3.212 3.963 120.6 22.53 5.156 120.6 belum
4
0.932 3.036 3.997 28.55 5.792 0.833 28.55 belum
5
0.990 3.004 4.000 5.842 1.049 0.091 5.842 belum
6
0.999 3.000 4.000
0.94 0.135 4E-04
0.94 belum
7
1.000 3.000 4.000 0.102 0.007 0.003 0.102 belum
8
1.000 3.000 4.000 4E-04 0.002 1E-03 0.002 belum
9
1.000 3.000 4.000 0.003 0.001 2E-04 0.003 belum
10
1.000 3.000 4.000 0.001 2E-04 3E-05 0.001 belum
11
1.000 3.000 4.000 2E-04 4E-05 4E-06 2E-04 konvergen
18