RESUME

PERSAMAAN DIFERENSIAL PARSIAL

Di dalam pembahasan tentang persamaan diferensial biasa, variabel bebas yang

terlibat dalam masalah hanya satu, sedangkan untuk persamaan diferensial parsial
variabel bebas berjumlah lebih dari satu. Tentu saja, hal ini saja membuat
permasalahan akan semakin kompleks.
Klasifikasi Persamaan Diferensial Parsial

Persamaan diferensial parsial dibagi menjadi tiga jenis, yaitu persamaan diferensial
eliptik, parabolik dan hiperbolik.
A. Persamaan
Hiperbolik
Persamaan Gelombang

Contoh klasik dari persamaan hiperbolik adalah persamaan gelombang yang

dinyatakan oleh
2u

2u

(8-17)
t2
x2
Persamaan ini muncul dalam berbagai masalah dari elastisitas dan akustik sampai
hidraulika. Oleh sebab itu, dari tiga bentuk persamaan diferensial parsial yang kita
ketahui, persamaan hiperbolik merupakan persamaan yang paling banyak dikaji oleh
ilmuwan komputasi. Jika persamaan gelombang (8-17) didekati menggunakan
pendekatan beda hingga, maka dapat dituliskan sebagai
ui j 1 2ui j ui j 1 c2 ui j 1 2ui j uij 1 0

dengan
ui j u xi ,t j
Dengan memecahkannya untuk variabel uij 1 maka kita memperoleh
ui

j1

2 2

ui 1 ui 1 2 1
j

ui j uij

(8-20)

Persamaan ini menjelaskan kepada kita bahwa apabila kita mengetahui u pada

seluruh xi pada langkah waktu berikutnya. Hal ini disebut dengan metode eksplisit.
Tetapi, ada sedikit masalah pada permulaan perhitungan, karena secara umum kita
tidak mengetahui harga u pada dua waktu berturut-turut. Sedangkan, kita harus
mengetahui harga u xi ,0 dan derivatif u xi ,0 t di seluruh hargaxi. Oleh sebab
itu, dengan mengetahui ungkapan

u xi ,t

ui 1

ui 1

t0

atau

2 t

u xi ,t

ui

ui

t0

maka, kita dapat menyatakan ui1

sebagai

c
2

t
2

u xi ,0

u1

u0

u0

u0

2
x

i
1

i1

x
2

Persamaan Adveksi
Persamaan adveksi merupakan satu-satunya persamaan di dalam dinamika fluida yang
munculnya lebih sering dibandingkan persamaan difusi. Persamaan ini memerikan
cara suatu besaran kekal (conserved) seperti halnya suhu potensial ataupun
momentum dibawa bersama aliran udara atau air.

Untuk menjelaskan secara fisika tentang masalah adveksi ini, sekarang misalnya ada
seorang pengamat berdiri di suatu lapangan dengan membawa sebuah termometer. Di
tempat tersebut bertiup angin dari arah barat membawa udara lebih hangat menuju ke

arah timur yang bersuhu udara lebih dingin. Dalam hal ini sebut saja bahwa arah barat
ke timur adalah x . Selajutnya, apa yang dilihat oleh pengamat tersebut dengan
termometer yang dibawanya? Ternyata angka yang ditunjukkan oleh termometer
semakin besar, yang berarti bahwa keadaan suhu di tempat tersebut semakin hangat.
Hal ini disebabkan oleh pergantian udara yang terjadi di tempat tersebut, yaitu dari
keadaan udara yang dingin diganti dengan udara yang lebih hangat.
Jika yang terjadi adalah bahwa angin yang berhembus ke arah pengamat tersebut tidak
mengalami perubahan suhu, maka pengamat tersebut tidak dapat memberi informasi
bahwa terjadi kenaikan suhu. Nah, karena kenyataannya terjadi perubahan suhu maka
ada yang disebut gradien suhu. Laju perubahan suhu yang terjadi di tempat itu
bergantung kepada besarnya gradien maupun laju perpindahan udara, yaitu

Laju perubahan suhu = -(Laju perpindahan udara) x (Gradien suhu)

Tanda minus menyatakan bahwa suhu hanya akan naik apabila gradien suhu turun,
atau dengan kata lain udara akan menjadi lebih hangat jika kita bergerak ke arah x
atau dari arah timur ke barat, yakni bergerak ke arah berlawanan dengan arah angin.
Dalam bahasa matematika, pernyataan di atas dapat diungkapkan dalam bentuk

c
u

(8-24)

dengan u menyatakan suhu potensial yang merupakan besaran kekal yang dalam hal
ini merupakan variabel yang diadveksi. Dalam kaitannya dengan masalah ini, maka
kita hanya akan membahas untuk harga c konstan. Penyelesaian umum untuk
persamaan (8-24) adalah
u F x ct

dengan F merupakan fungsi sembarang bernilai tunggal.

Persamaan adveksi diatas merupakan contoh yang sangat bagus bahwa antara
pendekatan numerik dengan analitis tidak selalu menemukan hasil yang sama. Di
dalam pasal ini kita akan membahas beberapa pendekatan numerik yang dapat
digunakan untuk mendekati persamaan (8-24) tersebut dan setiap metode akan kita
kaji stabilitas dan akurasinya

Metode FTCS (Forward-Time Centered-Space)

Untuk menyelesaikan persamaan (8-24) kita akan mengimplementasikan sebuah

metode dengan menggunakan pendekatan beda terpusat (metode Leap-Frog) untuk
derivatif ruangnya dan metode Euler maju untuk derivatif waktunya.

u nj
1

unj

u nj 1 unj 1

(8-26)

2 x

Atau

u nj 1

u nj

ct

u nj 1 unj 1

(8-27)

2 x

dimana indeks bawah

j
menyatakan langkah ruang dan indeks atas n
menyatakan

langkah waktu. Dengan menggunakan analogi terhadap pembahasan tentang metode

Euler dan metode Leap-Frog pada bab yang lalu, maka kita dapat menyimpulkan
bahwa ketelitian untuk metode ini adalah orde pertama untuk t -nya dan orde kedua
untuk x ,
Pendekatan beda hingga untuk persamaan adveksi (8-26) inilah yang disebut dengan
forward in time, centered in space atau lebih dikenal dengan metode FTCS.
Pertanyaan selanjutnya apakah metode ini stabil saat mendekati persamaan adveksi
tersebut?
Untuk mengetahui apakah metode yang kita gunakan untuk mendekati persamaan
tersebut stabil atau tidak, maka kita perlu melakukan uji kestabilan dengan
menggunakan analisa stabilitas Von Neuman. Ide dari bentuk analisis kestabilan ini,
kita dapat membayangkan bahwa koefisien-koefisien dari persamaan beda berubah
sangat lambat ketika diperlakukan sebagai konstanta dalam ruang dan waktu. Dalam

kasus demikian, penyelesaian bebasnya atau swamode dari persamaan beda

mengambil bentuk
unj n exp ikj x

dengan k menyatakan bilangan gelombang ruang real yang dapat berharga sembarang,

sedangkan

k
adalah bilangan komplek yang bergantung pada k.

Jika kita mensubstitusikan persamaan (8-28) ke persamaan hampiran (8-27),

maka dengan mudah diperoleh

1 i
c t
sin k x

(8-29)

2 x

Dari persamaan (8-29) dapat diketahui modulus dari

yaitu

c t

sin k

(8-30)

2 x

Persamaan (8-30) memberi arti bahwa penguatan (amplification)

penyelesaiannya berhrga 1 , ini berarti bahwa metode FTCS tidak stabil
mutlak untuk mendekati persamaan adveksi.

Metode BTCS (Backward-Time Centered-Space)

u nj 11 unj11
Dengan menggunakan pendekatan beda mundur untuk
langkah waktunya dan beda terpusat untuk langkah
ruangnya, maka persamaan adveksi dapat didekati
dengan

u nj

uj
1

(8-31)

2 x

u nj
u nj 1

ct

u nj 11
unj
1

(8-32)
atau dapat disusun kembali menjadi

2 x

Penggunaan
analisa
stabilitas Von
Nouman
pada
pendekatan
BTCS untuk
persamaan
adveksi ini
menghasilka
n
1
ct

ik x

e ik x
(8-33)

2 x

atau

2 x

Persamaan
(8-34)
menunjukkan
bahwa faktor
penguatanny
a adalah
ct
sin k x

(8-34)

1 i
1

2 x

c t

sin k x

(8-35)

yang berarti,
skema (831)) adalah
stabil mutlak.

1
Metode
CenteredTime
CenteredSpace
(CTCS)

Untuk
persamaan
adveksi,
penggunaan

metode Euler maju untuk langkah waktu (forward-time)

tidak stabil mutlak, apakah ini berarti dengan
menggunakan pendekatan beda terpusat (centeredspace) akan stabil? Untuk menjawab pertanyaan ini,
marilah kita lakukan pendekatan persamaan adveksi
tersebut dengan skema CTCS ini.

Dengan menggunakan skema CTCS, maka persamaan adveksi

dapat didekati

menjadi

2 t

2 x

u nj 1 u nj 1

Ot2

u nj 1 unj 1

Persamaan
(8-36) dapat
disusun
kembali
menjadi
bentuk

O x 2
0
(8-36)
u nj 1 u nj 1

ct

u nj 1 unj 1
c t

(8-37)

c t

sin k x

Stabilitas

Kita dapat mengetes stabilitas dari skema ini dengan analisa

stabilitas Von Nouman. Dengan mensubstitusi mode Fourier
adveksi yang didefinisikan (8-28) pada

sin k x

(8-39)
persamaan (8-37) maka diperoleh

c t

2 1 i x sin k x

Persamaan (8-38) merupakan persamaan kuadrat dalam

untuk dapat dinyatakan oleh
x

12

Modulus dari
masingmasing akar
adalah 1,
sedangkan
syarat stabil

adalah 2 1,

ini berarti
bahwa
metode
CTCS stabil
untuk
menyelesaika
n persamaan
adveksi.

8.7 Metode
Lax

Metode Lax
merupakan
sebuah metode
yang
dimaksudkan
untuk
memodifikasi

metode FTCS dari sisi perbaikan terhadap stabilitasnya. Caranya

adalah

unj 1

dengan mengganti unj dalam derivatif waktu dengan

rerata ruangnya

c t

unj

unj 1 unj 1

(8-42)

unj 1 unj 1
(8-40)

2 x
2

sehingga persamaan adveksi menjadi

unj 1

unj 1

Dengan
mensubstitus
i bentuk

mode Fourier ke persamaan (8-28) ke persamaan beda

(8-42) diperoleh

Modulus dari
adalah

cos k x i

ct

sin k x

(8-43)

cos
2

k x

c t

sin
2

k x
(8-44)

Pernyataan
(8-44)
mengisyaratk
an kepada
kita bahwa
metode Lax
stabil untuk

c t
1. Untuk
harga

c t

faktor
penguatannya
berkurang.
Faktor
penguatan ini

dinyatakan oleh

cos
2

k x

c t
sin
2

 k x
(8-45)

Untuk harga

 1,

titik j 1 dan j
1 pada saat

penyelesaiannya adalah eksak karena faktor

penguatannya

. Dengan

kata lain, xj 1
dan xj 1

merupakan
batas yang
memungkink
an untuk
memberikan
informasi
pada

berharga 1 atau tidak mengalami penguatan, sehingga

besaran unj 1
.

unj 1

unj 1
(8-46)
Kriteria stabilitas
c t
1
dikenal dengan syarat Courant. Secara
intuitif, syarat

stabilitas ini dapat dideskripsikan seperi pada gambar (8.6).

Gambar tersebut menerangkan bahwa kuantitas unj 1 dalam

persamaan (8-42) dapat diketahui setelah diperoleh informasi titik-

Hasil yang
mengagumka
n pada
pendekatan
Lax adalah
bahwa
penggantian
unj dengan

reratanya seperti terlihat pada ungkapan (8-41) dapat

menstabilkan skema FTCS. Skema Lax pada (8-42) selajutnya
dapat ditampilkan dalam bentuk

u nj
1

u nj

(8-47)

u nj 1 u nj 1

u nj 1 2u nj

unj 1

2 x

yang
merupakan
representasi
dari metode
FTCS

u x 2 2u

(8-48)

 t c

x2

2 t

Dalam
persamaan
(8-48) ini,
kita memiliki
suku difusi.
Oleh sebab
itu, skema
Lax ini
dikatakan
memiliki
disipasi
numerik.
8.8 Skema
LaxWendroff

Skema Wendroff merupakan metode dengan akurasi orde

kedua terhadap

1 2
1 2

waktu. Jika kita mendefinisikan suatu harga intermediet unj

pada langkah waktu

tn 1 2 dan langkah ruang xj 1 2 . Jika ini dihitung dengan

menggunakan metode Lax, maka akan diperoleh
u nj
11

22

u nj 1 u nj
Sedangkan,
t

F jn 1 Fjn

harga terbaru

(8-49)

untuk unj 1
dapat dihitung
dengan
pernyataan
terpusat

Sebagai
2
u nj 1 u nj

t
n
x Fj
2 x

1 2
1 2

Fjn1122

 u nj
u nj 1

Selanjutnya, kita akan mengkaji stabilitas dari metode ini untuk

persamaan adveksi

1 c t

dengan mensubstitusi

u nj unj 1

(8-51)

F cu . Dengan mensubstitusi pernyataan (8-49) ke ungkapan

(8-50), maka diperoleh

u nj

2x

u nj

c t

u nj 1 u nj

1ct

u nj 1 unj

Dengan
menggunaka
n uji stabilitas
Von Nouman,
maka dengan
mudah
diperoleh

x
2
ct
2x

ct

1 cos k x

1i

sin k x

Harga modulus dari

adalah

c t

c t

1
2

1
cos k x

sin k x

atau

1
c t
2

c t

1
cos k x
2

x
(8-52)

(8-53)
x

(8-54)

Kriteria stabilitas yang harus dipenuhi adalah 2 1, hal ini mensyaratkan harga

c t
2

1 atau lebih dikenal sebagai kriteria Courant.

8.1.2 Persamaan Parabolik

Persamaan difusi, konduksi panas dan persamaan Schroedinger gayut waktu

merupakan contoh dari persamaan diferensial parabolik. Persamaan
parabolik memilki kemiripan dengan persamaan hiperbolik yakni batasnya
yang terbuka. Di dalam Geofisika, persamaan difusi merupakan salah satu
persamaan yang sangat penting yang muncul dalam berbagai konteks yang
berbeda-beda. Di bawah ini diberikan bebarapa contoh persamaan diferensial
parabolik yang dinyatakan dalam ungkapan matematis
a. Persamaan netron transien dalam ruang satu dimensi

c
T
k
2T x,t
Q x

x2

b. Persamaan konduksi panas transien dalam ruang satu dimensi

x,t D
2

a f
S

 x2

dengan

menyatakan fluks netron.

c. Persamaan difusi untuk transpot konvektif spesies kimia

uxD

t
2

dengan

menyatakan rapat fluks spesies kimia, u x adalah kecepatan

aliran dan D adalah konstanta difusi.

Metode Eksplisit (Euler Maju)

Marilah kita ditinjau sebuah persamaan difusi yang mengambil bentuk

2u
0
(8-55)

x2

Dengan mengimpementasikan metode Euler maju untuk derivatif waktu

seperti yang telah kita bahas pada bab persamaan diferensial biasa yang lalu,
serta menggunakan pendekatan derivatif orde kedua terpusat pada turunan

kedua terhadap variabel ruangnya, maka diskritisasi terhadap ungkapan (855) tersebut mengambil bentuk

u nj 1 unj

u nj 1 2u nj
unj 1
(8-56)

x
2

atau dapat dituliskan kembali sebagai

u nj 1 u nj

u nj 1
2u nj unj 1
(8-57)

 x
2

Skema ini disebut sebagai metode eksplisit, karena jika uin diketahui untuk
seluruh tn pada titik-titik jaring, maka kita dapat menghitung uin 1 pada waktu
tn 1 tanpa menyelesaikan melalui persamaan simultan.

Apabila pendekatan penyelesaian persamaan difusi (8-57) dilakukan uji

stabilitas menggunakan prosedur analisa stabilitas Von Nueman, maka
dengan mudah dapat diperoleh bahwa

k t

cos kx 1
(8-58)

atau

sin

k x

(8-59)

x
2

Dari hasil analisa stabilitas dapat ketahui bahwa metode yang kita gunakan untuk
mendekati persamaan difusi tersebut stabil karena syarat stabil 1 dipenuhi.

Metode Implisit (Euler Mundur)

Untuk memberikan gambaran tentang pendekatan metode implisit pada

persamaan difusi yang kita miliki, sekarang marilah kita mengingat kembali
tentang kemungkinan pendekatan persamaan tersebut dengan beda mundur.
Jika persamaan difusi tersebut kita dekati dengan beda mundur, maka diperoleh

un un 1

un

 2un un

i
i

i1

i
i 1

(8-60)

x 2

yang dapat disusun kembali menjadi ungkapan

uin

uin 1
2uin uin 1 uin 1
(8-61)

x
2

Ungkapan (8-61) sebenarnya mengikuti suatu perjanjian, bahwa kuantitas yang

belum diketahui harganya ditempatkan di ruas kiri, sedangkan besaran yang sudah

diketahui ditempatkan diruas kanan. Dalam kasus ini, harga-harga u pada langkah
waktu n dianggap tidak dketahui, harga-harga yang diketahui adalah pada langkah
waktu ke n 1.

Dengan mengambil

t
(8-62)

x 2

maka untuk setiap titik ruang xj dengan j 1,2,3,..., N 1 , kita memperoleh

in1

1 2 in in 1 in 1
(8-63)

Jika syarat batas pada ujung-ujungnya diberikan yaitu u0 dan uN , maka kita persamaan
(8-63) dapat ditampilkan dalam bentuk persamaan simultan linier sebagai

berikut

g
n

n 1

(8-64)

dengan

1
0
0
.
.

1 2

0
.
0

0
.
.
.
0
.


(8-65)

.
.
.
.
.

.
.
.

1 2

.
.
0
0
1

Kita juga akan menggunakan analisa stabilitas Von Nouman untuk meyakinkan apakah
skema implisit ini stabil atau tidak stabil. Jika kita mensubstitusikan mode Fourier ke
persamaan (8-61), maka dengan mudah diperoleh

 cos k x 2 1
(8-66)

atau dapat disusun kembali menjadi

t
1

(8-67)

x 2

sin 2 k x

Faktor penguatan yang memiliki bentuk semacam ini, tentunya harus

berharga 1. Ini menunjukkan bahwa skema implisit yang kita gunakan untuk
mendekati persamaan difusi adalah stabil mutlak.
Metode Dufort-Frankle

Metode ini merupakan salah satu dari beberapa metode yang digunakan untuk

mengatasi masalah stabilitas yang ditemukan pada metode Euler maju atau FTCS.
Metode Dufort-Frankle merupakan satu teknik yang memanfaatkan stabilitas tak
bersyarat dari metode intrinsic untuk persamaan diferensial sederhana.

Selanjutnya kita dapat memodifikasi persamaan (8-61) menggunakan metode

Dufort-Frankle sebagai berikut

u nj 1 u nj 1

2 t
u nj 1 u nj 1

u nj 1 unj 1

(8-68)

2 t

Jika diambil

,
maka

persamaan
(8-68) dapat disusun
kembali menjadi

 x
2

bentuk

u nj

u nj 1

u nj 1
unj 1
(8-69)

Pengujian stabilitas terhadap pendekatan Dufort-Frankle menggunakan analisa Von

Nouman memunculkan persamaan kuadrat dalam , hal ini dikarenakan

munculnya tiga pangkat konskutif pada

ketika prosedur Von Nueman disubstitusi

ke dalam persamaan tersebut. Persamaan kuadrat tersebut adalah

2
cos k x
1
0

(8-70)

Selanjutnya persamaan (8-70) memiliki dua penyelesaian yaitu

cos k x

1 2 sin2 k x

(8-71)

Untuk mengetahui kestabilan skema ini, maka kita dapat mengecek bagaimana

modulus dari
tersebut. Dengan menganggap 2 sin2 k x 1
dan 2 sin2 k x 1 ,

maka kita akan memperoleh bahwa

1. Ini menunjukkan bahwa skema Dufort-

Frankle tersebut stabil mutlak.

Metode Cranck-Nicolson

Pendekatan metode Cranck-Nicolson untuk menyelesaikan persamaan

diferensial parabolik didasarkan pada metode Euler termodifikasi seperti yang
telah dibahas pada bab yang lalu. Dengan menggunakan metode ini, maka
pendekatan pada persamaan difusi selanjutnya dapat ditulis kembali menjadi

in1in

n 1
i 1

2 in 1 in 11

in1

2 in in 1

(8-72)

2 x

atau

in1in

n 1
i 1

2 in 1 in 11

in1

2 in in 1

(8-73)

2 x

Dengan mendefinisikan

, maka ungkapan (8-73) juga dapat dinyatakan

x
2

dalam bentuk persamaan

simultan sebagai berikut

nj
1
1

2
n 1
j

1
1

nj

n
j 1

n
j

nj 1

(8-74)

atau

Ag

n 1

B g

(8-75)

dengan matriks A dan B didefinisikan sebagai

1 2

(8-76)

1 2

dan

0 .
.

1 2

0
.

. .
0

(8-77)

. .
.

.
1 2

.
0
0

Dengan menggunakan analisa stabilitas Von Nouman seperti yang telah kita
terapkan pada metode-metode sebelumnya, maka diperoleh faktor
penguatannya sebesar

1
2
sin2 k x
2
(8-78)

sin2 k x
2

Faktor penguatan tersebut menunjukkan bahwa harganya selalu 1 . Ini

menunjukkan bahwa skema ini stabil mutlak. Lebih lanjut lagi, karena pendekatan
beda yang digunakan dalam metode ini adalah metode Euler termodifikasi, maka
ketelitian metode ini lebih tinggi dibanding metode Euler maju ataupun mundur.

Persamaan Eliptik

Contoh umum dari persamaan diferensial eliptik adalah persamaan Poisson

yang berbentuk
2u

2u

x , y
(8-92)

x
y

Jika x , y 0 , maka disebut persamaan Laplace yang berbentuk

2u

2u
0
(8-93)

x2

y2

Untuk menyelesaikan persamaan eliptik dibutuhkan syarat batas di ujungujungnya. Oleh sebab itu penyelesaian persamaan eliptik masuk dalam
kategori masalah nilai batas.
Metode penyelesaian numerik untuk persamaan diferensial eliptik diklasifikasikan
dalam dua kategori, yaitu metode beda hingga dan elemen hingga. Tetapi dalam
pasal ini kita hanya akan menggunakan metode beda hingga untuk menangani
persamaan ini. Metode beda hingga diturunkan dari jaring kotak. Penggunaan
metode ini untuk menyelesaikan masalah diferensial eliptik memiliki banyak
keuntungan. Adapun keuntungan metode elemen hingga diantaranya adalah bahwa
persamaan diskritnya tidak terganggu oleh bentuk geometri yang rumit, sehingga
metode ini fleksibel untuk diterapkan dalam bentuk geometri apapun. Namun akhirakhir ini, metode beda hingga juga telah dikembangkan untuk mengatasi masalah
geometri ini yaitu dengan cara transformasi koordinat.

Persamaan Beda dalam Geometri Rectangular

Dalam pasal ini kita tidak akan membahas metode beda hingga dalam
geometri yang rumit, tetapi kita hanya akan membahas metode tersebut di
dalam gometri kotak saja. Untuk memudahkan pemahaman kita tentang
metode ini, sekarang marilah kita tinjau sebuah persamaan Laplace dalam
koordinat kartesan seperti terlihat pada persamaan (8-93).
Untuk mempermudah pemahaman kita tentang masalah yang kita bahas ini,
sekarang ditinjau untuk domain 0 x Lx dan 0 y Ly seperti terlihat pada
gambar 8.10. Syarat batas yang dikenakan pada sisi-sisinya adalah

Batas kiri

0
(syarat batas Neumann)

Batas kanan

u
0

(syarat Dirichlet)

Batas atas
u
0

Batas bawah

Untuk menurunkan persamaan beda hingga pada persamaan Laplace, maka kita perlu
membuat jaring pada kotak tersebut. Jika kita mengasumsikan bahwa lebar

pias
x

y,
maka
persamaan
Poisson
tersebut
dapat
didekati dengan

pendekatan beda terpusat yang mengambil bentuk

ui , j

ui , j

i,j

(8-94)

atau secara eksplisit dapat ditunjukkan dalam bentuk deskrit

2u
u

1

2u
u

(8-95)

1, j

i,j
i

1, j

i,j1
i,j
i,j1

i,j

dengan ui , j
u xi , y j

Metode Iteratif Jacobi

Sesuai dengan namanya, ide dari metode iteratif Jacobi adalah menemukan
harga setiap titik-titik dalam kotak melalui jalan iterasi hingga ditemukan harga
yang optimum. Iterasi awal dimulai dengan memberikan nilai tebakan pada
variabel-variabelnya. Iterasi dilakukan terus menerus hingga selisih harga
elemen kini dan sebelumnya melebihi toleransi yang diberikan.
Untuk lebih jelasnya, sekarang kita akan meninjau kembali persamaan
Laplace seperti pada contoh 8.1 tetapi dengan syarat batas sebagai berikut
Batas kiri

u0

Metode Relaksasi

Konsep dari metode relaksasi didasarkan pada suatu ide bahwa konvergensi
ke suatu penyelesaian dari pemberian terkaan awal tertentu dapat dicapai
dengan cara mengulang-ulang iterasi setiap titiknya. Konsep dari iterasi
berasal dari suatu ide bahwa perubahan perlahan-lahan (evolusi) terhadap
waktu dapat dilihat ketika persamaan diferensial parsial eliptik dinyatakan
dalam bentuk persamaan diferensial parabolik.

8.10.1 Metode RelaksasiGauss-Seidel

Metode relaksasi Gauss-Seidel telah terbukti memperoleh sukses besar dalam
keberhasilannya menyelesaikan persamaan diferensial parsial eliptik. Untuk lebih
jelasnya, sekarang kita akan menyatakan persamaan eliptik sebagai persamaan difusi

2u

2
u2

x , y
(8-72)

menjadi

2 u2

2u

x , y
(8-73)

Apabila pada t 0 terdapat distribusi awal, maka kita dapat mengatakan

bahwa bahwa ketika t penyelesaian sudah merelaks ke arah keadaan
setimbang. Saat t tersebut, maka dipenuhi u / t 0 . Jika persamaan
(8-73) kita lakukan diskritisasi menggunakan metode FTCS, maka ungkapan
tersebut akan menjadi bentuk

u nj,1 u nj,
t

u nj 1, u nj 1, u nj, 1 u nj, 1 4u nj, j , t

(8-74)

dengan indeks atas n mewakili variabel waktu, sedangkan indeks bawah

menyatakan variabel ruang.

Dengan mengingat kembali bahwa di dalam ruang 1D metode FTCS stabil

hanya jika dipenuhi t / 2

, dan stabil dalam ruang 2D hanya jika

t/2

1
,

maka ungkapan (8-74) dapat dinyatakan kembali dalam bentuk

unj,1

unj 1, unj 1, unj, 1

unj, 1

j,

(8-75)

Dari
ungkapan (8-75),
kita
dapat menemukan harga terbaru dari u
pada

langkah n 1 dengan menggunakan empat harga lama yang mengelilinginya pada

langkah n dan suku sumbernya. Prosedur menemukan harga terbaru tersebut dilakukan
dengan cara menyapu titik-titik yang diawali dari baris demi baris titik dan menghitung
harga baru u dengan mengunakan ungkapan (8-75). Prosedur ini diulang-ulang hingga
ketelitian yang diharapkan dicapai. Metode ini disebut dengan iterasi

Jacobi seperti yang telah dibahas di atas. Sayangnya, metode ini masih
cukup lambat mencapai konvergen.
Satu metode yang barangkali lebih baik dibandingkan dengan metode iterasi
Jacobi membuat algoritma tersebut menjadi bentuk semi implisit
u nj,1

u nj 1, u nj 1,1

u nj, 1 unj,1 1

j,

(8-76)

Dalam skema ini, harga-harga baru dari u digunakan segera setelah harga-harga
tersebut ada, artinya bahwa titik-titik yang sudah ter-update akan digunakan segera
dalam perhitungan untuk memperoleh harga terbaru u pada titik berikutnya. Skema
yang diperlihatkan pada (8-76) tersebut dikenal dengan metode relaksasi GaussSeidel. Sayangnya, metode ini juga masih lambat konvergensinya.

Metode Over-Relaksasi Simultan

Untuk memperoleh metode relaksasi lebih baik dalam hal kecepatan

konvergensi, maka kita perlu mengkoreksi secara over metode Gauss-Seidel. Kita akan
melakukan generalisasi terhadap skema (8-76) sehingga setiap langkah relaksasi

j , l akan

digantikan dengan
kombinasi

linier
antara harga lamanya
dan harga
terupdatenya. Jadi

n1
n

n
n1

n 1
2

u
j,

1 u j , l
4

j 1,

j 1,

u
j , 1

u j , 1

j ,

(8-76)
dimana

merupakan parameter over relaksasi. Metode ini konvergen hanya dalam

ranah 0

2 . Untuk harga 0
1, maka skema (8-76)
disebut dengan under
relaxation
, sedangkan untuk ranah1

2
skema tersebut dikenal dengan over
relaxation. Untuk harga
dalam ranah

 2 memberikan konvergensi lebih

cepat dibandingkan dengan metode Gauss-Seidel.