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.

1. 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
2 u 2u
c 2
(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
menggunakanpendekatan beda hingga, maka dapat dituliskan sebagai

uij12uijuij1c2 uij12uij uij10

dengan

uij u xi,t j

Dengan memecahkannya untuk variabel uij1 maka kita memperoleh

t 2 2
t 2 2
uij1 uij1 uij1 uij uij1
c c
2 2 1
2

(8-20)
x x
Persamaan ini menjelaskan kepada kita bahwa apabila kita mengetahui u pada

seluruh xi pada saat-saat t j dan t j 1, maka kita dapat menentukan harga u pada
seluruhxi 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

harusmengetahui harga u xi ,0 dan derivatif u xi ,0 t di seluruh hargaxi. Oleh

sebab itu, dengan mengetahui ungkapan

u xi,t ui 1 u i
1

t t 0
2 t

atau
1 1 u xi,t
u i ui 2t t t 0

maka, kita dapat menyatakan ui1 sebagai 2

2
t u xi,0
2
t c
2
c
0
u1 u0 u 1 u0 t

i 2 i 1 i 1 2 I
2 x x t

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

u u
c (8-24)
t x
denganu 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

denganF 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 nj1 unj1 2
x

O t c O 0
t 2x (8-26)

Atau

ct
u nj1 u nj
2x
u nj1 unj1 (8-27)

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
berubahsangat lambat ketika diperlakukan sebagai konstanta dalam ruang dan waktu.
Dalam kasus demikian, penyelesaian bebasnya atau swamode dari persamaan beda
mengambil bentuk
unjnexp ikj x

dengank 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

1i c t sin kx (8-29)
2x

Dari persamaan (8-29) dapat diketahui modulus dari yaitu

c
2
2 t
1 sin k x (8-30)

Persamaan (8-30) memberi arti bahwa penguatan (amplification)
penyelesaiannya berhrga 1 , ini berarti bahwa metode FTCS tidak stabil
Metode BTCS (Backward-Time Centered-Space)
Dengan menggunakan pendekatan beda mundur untuk langkah
waktunya dan beda terpusat untuk langkah ruangnya, maka persamaan
adveksi dapat didekati dengan
n
u nj u j 1 u nj11 unj11 2
O t c O x 0
t 2x (8-31)

atau dapat disusun kembali menjadi

n 1
ct
u nj u j u n 1 unj 1
(8-32)
2x j 1 1

Penggunaan analisa stabilitas Von Nouman pada pendekatan BTCS untuk

persamaan adveksi ini menghasilkan

ct
1 2x e ik x e ik x (8-33)
atau

1
ct (8-34)
1i sin kx
2x
Persamaan (8-34) menunjukkan bahwa faktor penguatannya adalah

1 1
c t (8-35)
1 sin kx
2x
yang berarti, skema (8-31)) adalah stabil mutlak.
Metode Centered-Time Centered-Space (CTCS)
Untuk persamaan adveksi, penggunaan metode Euler maju untuk
langkah waktu (forward-time) tidak stabil mutlak, apakah ini berarti dengan
menggunakan pendekatan beda terpusat (centered-space) 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

O t 2 u j1 u j1 O x2
n n
u nj1 u nj1 0 (8-36)
2t 2x
Persamaan (8-36) dapat disusun kembali menjadi bentuk
 ct
u nj1 u nj1 u nj1 unj1 (8-37)
x

Stabilitas
Kita dapat mengetes stabilitas dari skema ini dengan analisa stabilitas Von
Nouman. Dengan mensubstitusi mode Fourier adveksi yang didefinisikan (8-28) pada

persamaan (8-37) maka diperoleh

c t
2 1i x sin kx

Persamaan (8-38) merupakan persamaan kuadrat

dalam untuk dapat dinyatakan oleh

c t c t 2
i sin kx

sin kx 4
x x (8-39)
12
2
Modulus dari masing-masing akar adalah 1, sedangkan syarat stabil adalah 2 1,

ini berarti bahwa metode CTCS stabil untuk menyelesaikan persamaan adveksi.
8.7 Metode Lax
Metode Lax merupakan sebuah metode yang dimaksudkan untuk memodifikasi

metode FTCS dari sisi perbaikan terhadap stabilitasnya. Caranya adalah

dengan mengganti unj dalam derivatif waktu dengan rerata ruangnya

unj 1 unj1 unj1 (8-40)

2
sehingga persamaan adveksi menjadi

unj1 unj1 u j1 c t u j1 u j1
1 n n n
(8-42)
2 2x
Dengan mensubstitusi bentuk mode Fourier ke persamaan (8-28) ke
persamaan beda (8-42) diperoleh
ct
cos kxi sin kx (8-43)
x
Modulus adala
dari h

k c t si k
co 2 2 n 2 x (8-44)
s x
2

 x
Pernyataan (8-44) mengisyaratkan kepada kita bahwa metode
Lax stabil untuk
ct
1. Untuk harga 1 faktor penguatannya berkurang. Faktor
c t penguatan ini
x x
dinyatakan
oleh

k 2 k
2
2 c t
co si
s x n x (8-45)
x

Untuk harga
t penyelesaiannya adalah eksak
1, karena faktor penguatannya

x
berharga 1 atau tidak mengalami penguatan,
sehingga
n
unj1 u j1 (8-46)
Kriteria c dikenal dengan syarat Courant.
stabilitas t 1 Secara intuitif, syarat
x
stabilitas ini dapat dideskripsikan seperi pada gambar (8.6). Gambar tersebut

1
menerangkan bahwa kuantitas unj dalam persamaan (8-42) dapat diketahui setelah

n
diperoleh informasi titik-titik j 1 dan j 1 pada saat . Dengan kata lain, xj1

danxj1merupakan batas yang memungkinkan untuk memberikan informasi

padabesaran unj1 .

Hasil yang mengagumkan 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
1 n
u nj u j u nj1 u nj1 1 u nj12u nj unj1
(8-47)
c
t 2x 2

yang merupakan representasi dari metode FTCS

u u x22u (8-48)

t c x 2 t x2

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

8.8 Skema Lax-Wendroff

Skema Wendroff merupakan metode dengan akurasi orde kedua terhadap
1 2
waktu. Jika kita mendefinisikan suatu harga intermediet unj 1 2 pada langkah waktu

tn1 2 dan langkah ruangxj 1 2 . Jika ini dihitung dengan menggunakan metode
Lax,maka akan diperoleh

t
u nj 11 22

1 n
2
u j1 u nj 2x
F jn1 Fjn (8-49)

n 1
Sedangkan, harga terbaru untuk u j dapat dihitung dengan pernyataan terpusat
Sebagai
t
unj1 u nj x F jn1122 Fjn1122

Selanjutnya, kita akan mengkaji stabilitas dari metode ini untuk persamaan adveksi

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

(8-50), maka diperoleh
1ct
1
u nj u nj c t
1
u nj1 u nj u nj1 unj
x 2 2 x

1 u nj u j1 1 ct u j u j1 n n n
(8-51)
2 2 x
Dengan menggunakan uji stabilitas Von Nouman, maka dengan mudah diperoleh

ct ct 2
sin kx 1 cos kx
1 i
x x
Harga modulus dari adalah
c 2
t 2 c t 2

2
1

1 cos kx sin kx


x x

atau

2 c t 2 1 c t 2 1 cos kx 2
1

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

ct 2
1 atau lebih dikenal sebagai kriteria Courant.

x

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

2T x,t
T
c t k x
2
Q x
b. Persamaan konduksi panas transien dalam ruang satu dimensi

1 2

t x,t D x2 a f S

dengan

menyatakan fluks netron.
c. Persamaan difusi untuk transpot konvektif spesies kimia
2

u x D
2
t t t

dengan menyatakan rapat fluks spesies kimia, ux adalah kecepatan
aliran dan D adalah konstanta difusi.
8.1.2.1 Metode Eksplisit (Euler Maju)
Marilah kita ditinjau sebuah persamaan difusi yang mengambil bentuk

u 2u
0 (8-55)
2
t x
 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 (8-55) tersebut mengambil bentuk

u nj1 unj u nj12u nj unj1 (8-56)

t x 2

atau dapat dituliskan kembali sebagai

t
u nj1 u nj u nj1 2unjunj1 (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 uin1 pada waktu
tn1 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
1 2 t cos kx 1 (8-58)
x 2

Atau
t 2 1
1 4 2 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
n n
uin un i1 un 2u u
i 1 i i1

t x 2
(8-60)
yang dapat disusun kembali menjadi ungkapan
 t
uin uin1 2uinuin1uin1 (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 n1.

Dengan mengambil
t
x
2
(8-62)
maka untuk setiap titik ruang xj dengan j 1,2,3,..., N 1 , kita memperoleh

in1 1 2i i 1i
n n n1
(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
gn n1 (8-64)
A
dengan
1 0 0 . . 0

1 2 0 . 0

0 . . . 0 .
A (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

t cos kx 21
1 2 (8-66)
x
 atau dapat disusun kembali menjadi

1
t 1 (8-67)

1 x sin 2kx
2

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.
8.1.2.2 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
2t
u nj1 u nj1 2 u nj1 u nj1 u
n 1
j unj1 (8-68)
x

2t
Jika diambil , maka persamaan (8-68) dapat disusun kembali menjadi
x
2

bentuk

u nj 1 1

u nj1
u nj1 unj1 (8-69)
1 1
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 1 0 (8-70)
2 cos kx
1 1
Selanjutnya persamaan (8-70) memiliki dua penyelesaian yaitu
1

1 cos kx 12 sin2kx (8-71)
Untuk mengetahui kestabilan skema ini, maka kita dapat mengecek bagaimana
modulus dari
tersebut. Dengan menganggap 2 sin2kx 1 dan 2 sin2kx 1 ,
2
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
2
n 1
i 1
2in1in11 in1
2inin1 (8-72)
t 2x
atau
t
n1
i i n
2 2in1in11 in1 2inin1 (8-73)
2x
n 1
i 1

t
Dengan mendefinisikan x 2 , maka ungkapan (8-73) juga dapat dinyatakan
2
dalam bentuk persamaan simultan sebagai berikut
2
nj
1
1 1 2 n 1 n
j j
1
1 n
j1 1 n n
j j1 (8-74)
atau
Agn1B

gn (8-75)
dengan matriks A dan B didefinisikan
sebagai
0 1 0 . . 0
1
2 0 . 0

0 . . . 0 .
A (8-76)

.
. . . ..

. . . 1 2

. . . 0 0 1

dan
1 0 0 . . 0
1
2 0 . 0

0 . . . 0 .
B (8-77)
. . . . . .
1
. . . 2

. . . 0 0 1

Dengan menggunakan analisa stabilitas Von Nouman seperti yang

telah kita terapkan pada metode-metode sebelumnya, maka diperoleh faktor
penguatannya sebesar
2
1 sin kx 2
2
(8-78)

2
1 sin kx 2
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
2 u
2 x , y
2 (8-92)
x y
Jika x ,y 0 , maka disebut persamaan Laplace yang berbentuk

2 u 2u

0 (8-93)
y2
x2
Untuk menyelesaikan persamaan eliptik dibutuhkan syarat batas di
ujung-ujungnya.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 akhir-akhir 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 xLx dan 0 yLy seperti terlihat pada

gambar 8.10. Syarat batas yang dikenakan pada sisi-sisinya adalah

 u
Batas kiri 0 (syarat batas Neumann)
x
Batas kanan u 0 (syarat Dirichlet)
Batas atas u 0
u
Batas bawah 0
y
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
1
2 i
2
ui,j j u i , j
2
i,j (8-94)

atau secara eksplisit dapat ditunjukkan dalam bentuk deskrit

1 1
u 2u u u 2u u
2 2
i 1, j i,j i 1, j i , j 1 i,j i , j 1 i,j (8-95)
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 u 0
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 Relaksasi Gauss-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

2 u 2u2
2 x , y (8-72)
x y
menjadi
u 2u 2 u
2 2 x , y (8-73)

t x y
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 / t0 . Jika
persamaan (8-73) kita lakukan diskritisasi menggunakan metode FTCS, maka
ungkapan tersebut akan menjadi bentuk
t u n u n u n u n 4u n t
u nj,1 u nj,
2 j1, j1, j,1 j,1 j, j, (8-74)
x
dengan indeks atas n mewakili variabel waktu, sedangkan indeks bawah
menyatakan variabel ruang.
Dengan mengingat kembali bahwa di dalam ruang 1D metode FTCS stabil

1
hanya jika dipenuhi t / 2 2
, dan stabil dalam ruang 2D hanya jika t / 1,
2 4
maka ungkapan (8-74) dapat dinyatakan kembali dalam bentuk
1 2

unj,1 unj1, unj1, unj,1 unj,1 j,
(8-75)
4 4
 Dari ungkapan (8-75), kita dapat menemukan harga terbaru dari u pada
langkahn 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 iteras

 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

1 2
u nj,1 4 u j1, u j 1,
n n 1
u
n n 1
j,1 u j, 1 4
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
Gauss-Seidel.Sayangnya, metode ini juga masih lambat konvergensinya.

8.10.2 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
n 1 n n n 1 n n1 2
u u u u
j , 1uj,l 4 j 1, j 1, 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 1 2 memberikan konvergensi lebih
cepat dibandingkan dengan metode Gauss-Seidel.