SOLUSI PERSAMAAN LINIER, LANJAR, INTERPOLASI

DAN REGRESI LINIER

PAPER
diajukan untuk tugas mata kuliah Metode Numerik

Dosen Pengampu

Yunda Kurniawan, M. Pd

Oleh

Yayah Shulhiyyah

1101125149

5B

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN MATEMATIKA

UNIVERSITAS MUHAMMADIYAH PROF. DR. HAMKA

2013
 A. SISTEM PERSAMAAN LINIER

Sistem persamaan linier merupakan salah satu model dan masalah

matematika yang banyak dijumpai dalam berbagai disiplin ilmu, termasuk fisika,
biologi , teknik dll. Sistem persamaan linier muncul secara langsung dari masalah
nyata, dan merupakan bagian dari proses penyelesaian masalah-masalah lain,
misalnya penyelesaian sistem persamaan non linier simultan.
Suatu sistem persamaan linier adalah sistem persamaan yang terdiri dari
sejumlah persamaan (berhingga) dan sejumlah variabel (berhingga). Mencari
solusi suatu sistem persamaan linier adalah mencari nilai-nilai variable-variabel
tersebut, sehingga memenuhi semua sistem persamaan tersebut. Terdapat dua
metode untuk mencari solusi sistem persamaan linier yaitu:
a) Metode langsung, yang terdiri dari metode eliminasi Gauss, metode eliminasi
Gauss-Jordan, metode invers matriks dan metode dekomposisi LU.
b) Metode tak langsungyaitu metode iterasi, yang terdiri dari metode iterasi Jacobi
dan metode iterasi Gauss-Seidel, dimana dalam metode iterasi ini harus diberikan
solusi awal ( merupakan tebakan ).
Aplikasi matriks yang disusun dalam bentuk matriks(SPL) meliputi aturan
Crammer, Eliminasi Gauss, Invers Matriks,dimana penggunaan metode-metode
tersebut digunakan dalam teknik kimia untuk menyelesaikan persamaan neraca
massa yang penyelesaiannya sesuai dengan sifat-sifat operasi matriks. Tetapi,
penggunaan metode tersebut juga memiliki kelemahannya. Untuk mengatasi
kekurangannya maka, kita menggunakan metode yang lain, yaitu analisis
Dekomposisi Nilai Singular atau Singular Value Decomposition (SVD).
Secara umum persamaan linier :
A11X1 + A12X2 + A13X3 + .... + A1nXn = b1
A21X1+ A22X2 + A23X3 + . . . . + A2nX4 = b2
: :
An1X1 + An2X1+ An3X3 + . . . . + An4X4 = bn
Catatan : Jumlah variabel yang dicari harus sama dengan jumlah persamaan .
 Beberapa metode di dalam menyelesaikan persamaan linear dengan
pendekatan matriks, antara lain:
a. Metoda eliminasi gauss
b. Metoda gauss jordan
c. Metoda gauss seidel
d. Metode Jacoby

B. SISTEM PERSAMAAN LANJAR

Sistem persamaan lanjar (SPL) dengan dengan n peubah dinyatakan sebagai berikut

a11 x1 + a12 x2 + .... + a1n xn= b1

a21 x1 + a22 x2 + .... + a2n xn= b2
::
::
an1 x1 + an2 x2 + .... + ann xn= bn
C. INTERPOLASI
1. Beda Hingga
Misalkan diberikan suatu tabel nilai-nilai numeris fj = f(xj) dari suatu fungsi f
pada titik-titik yang berjarak sama,
x0, x1 = x0 + h, x2 = x0 + 2h, x3 = x0 + 3h, …
dengan h > 0 tetap.
Fungsi f(xi) bisa berupa hasil suatu rumus atau nilai yang diperoleh secaraempiris
dari percobaan.
Beda-beda pertama dari fungsi f diperoleh dengan mengurangkan tiap
nilai fungsi f(x) untuk x berikutnya yang lebih besar dalam tabel.
Beda-beda kedua dari fungsi f diperoleh dengan mengurangkan tiap nilai
beda pertama dari fungsi f(x) untuk x berikutnya yang lebih besar dalamtabel.
Seterusnya sehingga dalam tabel beda, setiap beda dimasukan ke dalam
kolom yang sesuai, ditengah-tengah antara elemen-elemen kolom
sebelumnya dari mana beda itu dibangun. Titik (koma) desimal dan nol
pemula dari beda-beda itu boleh dihilangkan
SOAL : Tentukan himpunan penyelesaian dari x3 + 2x2 – 3x + 4 = 0 untuk
 = 0,00001 dengan menggunakan metode interpolasi linear?

JAWABAN:

1. Pilih dua titik sembarang sehingga nilainya tandanya berkebalikan, yaitu:

xn = 2 f(2) = 6
xn + 1 = 3 f(3) = 49
2. Menghitung nilai x* = xn + 1
  
f xn  1  xn  1  xn 
f xn  1   f xn 

= 3  49  3   2
49   6

= 2.20887
Dengan mengulangi langkah di atas, maka diperoleh tabel sebagai berikut:

No xn xn+1 x* f(xn) f(xn+1) f(x*)

1 -2 3 -1.45455 -6 49 2.20887

2 -2 -1.45455 -1.60132 -6 2.20887 0.59169

3 -2 -1.60132 -1.63711 -6 0.59169 0.13606

4 -2 -1.63711 -1.64515 -6 0.13606 0.03017

5 -2 -1.64515 -1.64693 -6 0.03017 0.00663

6 -2 -1.64693 -1.64732 -6 0.00663 0.00146

7 -2 -1.64732 -1.64740 -6 0.00146

0.00032
8 -2 -1.64740 -1.64742 -6 0.00032 0.00007

9 -2 -1.64742 -1.64743 -6 0.00007 0.00002

10 -2 -1.64743 -1.64743 -6 0.00002 0.00000

D. REGRESI LINIER
5𝑏0 + 15𝑏2 + 28𝑏3 = 22 (1)
15𝑏0 + 55𝑏2 + 101𝑏3 = 81 (2)
28𝑏0 + 101𝑏2 + 186𝑏3 = 149 (3)

Penyelesaian dengan Invers Matriks

Menurut penurunan dari Least squarest Method diperoleh

persamaan linier yang telah disusun dalam bentuk matriks bujur sangkar
dan matriks kolom untuk 2 variabel dan terjadi 3 persamaan linier
simultan :
 𝑛 ∑ 𝑋1 ∑ 𝑋2 ∑𝑌
𝑏0
∑ 𝑋1 ∑ 𝑋1 2 ∑ 𝑋1 𝑋2 . [𝑏1 ] = ∑ 𝑋1 𝑌
𝑏2
[∑ 𝑋2 ∑ 𝑋2 𝑋1 ∑ 𝑋2 2 ] [∑ 𝑋2 𝑌]

Dan persamaan (1), (2), dan (3) bila disusun dalam sistem matriks akan diperoleh
hasil sebagai berikut :

5 15 28 𝑏0 22
[15 55 101] . [𝑏1 ] = [ 81 ]
28 101 186 𝑏2 149

29 38 −25
Sehingga cofaktor matriks diperoleh : [ 38 146 −85] dan Adjoint Matrik =
−25 −85 50
29 38 −25
[ 38 146 −85]. Adjoint Matrik = Cofaktor Matrik, karena matriks
−25 −85 50
persamaan diatas adalah matriks simetris. Dan determminan matriks = 15.

𝑏0 5 15 28 −1 22
[𝑏1 ] = [15 55 101] . [ 81 ]
𝑏2 28 101 186 149

1 29 38 −25 22 −0,6
[ 38 146 −85 ] . [ 81 ] = [ −0,2]
15
−25 −85 50 149 1

Dengan demikian nilai koefisien persamaan regresi berganda adalah : 𝑏0 =

−0,6 𝑏1 = −0,2 𝑏2 = 1. Sehubungan dengan ini maka diperoleh persamaan
Regresi Linier Multiple untuk contoh persoalan diatas adalah sebagai berikut :
𝑌 = −0,6 − 0,2𝑋1 + 𝑋2

Penyelesaian dengan aturan Cramer

Penyelesaian dengan metode ini adalah berbasis pada besarnya

determinan, dengan matriks-matriks sebagai berikut :
 5 15 28 22 15 28
𝑀 = [15 55 101] ; 𝑀1 = [ 81 55 101] ;
28 101 186 149 101 186

5 22 28 5 15 22
𝑀2 = [15 81 101] ; 𝑀3 = [15 55 81 ]
28 149 186 28 101 149

𝑑𝑒𝑡𝑀1 𝑑𝑒𝑡𝑀2 𝑑𝑒𝑡𝑀3

𝑏0 = = −0,6 𝑏1 = = −0,2 𝑏2 = =1
𝑑𝑒𝑡𝑀 𝑑𝑒𝑡𝑀 𝑑𝑒𝑡𝑀

𝑑𝑒𝑛𝑔𝑎𝑛 𝑑𝑒𝑚𝑖𝑘𝑖𝑎𝑛 𝑃𝑒𝑟𝑠𝑎𝑚𝑎𝑎𝑛 𝑅𝑒𝑔𝑟𝑒𝑠𝑖 𝐿𝑖𝑛𝑖𝑒𝑟 𝐵𝑒𝑟𝑔𝑎𝑛𝑑𝑎 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑟𝑜𝑙𝑒ℎ 𝑎𝑑𝑎𝑙𝑎ℎ

𝑌 = −0,6 − 0,2𝑋1 + 𝑋2

Penyelesaian Dengan Metode Eliminasi Gaus

Dengan menggunakan persamaan linier (1), (2), (3), maka dilakukan langkah
pengerjaan berikut: Langkah Normalisasi persamaan, yaitu: persamaan (1) dibagi
koefisien terdepan, yaitu 5 menjadi persamaan: b0 + 3b1 +5,6b2 = 4,4 (1a)
Persamaan (1a) dikalikan elemen pertama dari persamaan (2), yaitu 15, maka
menjadi: 15b0 + 45b1 +84b2 = 66 (1b)
Akhirnya persamaan (2) dikurangi persamaan (1b) menjadi 10bj + 17b2 = 15 (1c)
Langkah selanjutnya yaitu persamaan hasil normalisasi yaitu persamaan (1a)
dikalikan elemen pertama dari persamaan (3), maka diperoleh: 28b0 +
84bt+156,8b2 = 123,2 (1d) Persamaan (1d) di atas dikurangkan terhadap
persamaan (3) diperoleh persamaan : 17b1 + 29,2b2 = 25,8 (1e). Dengan demikian
penyelesaian persamaan yang melibatkan (1e) dan (1c) akan menjadi:
b1 = -0,2 dan b2 = 1. Hasil ini disubstitusikan pada persamaan (1), (2), (3)
sehingga di dapat nilai b0 = -0,6 . Sehubungan dengan ini maka diperoleh
persamaan Regressi Linier Multiple untuk contoh persoalan di atas yaitu sebagai
berikut : 𝑌 = −0,6 − 0,2𝑋1 + 𝑋2
Penyelesaian dengan Metode Iterasi Gauss Seidel

Pertama-tama dilakukan pengaturan nilai awal terlebih dahulu, yaitu : 𝑏0 = 𝑏1 =

𝑏2 = 0.

Perhitungan Iterasi pertama:

22 − 28𝑏2 − 15𝑏1 22 − 0 − 0
𝑏0 = = = 4,4
5 5

81 − 101𝑏2 − 15𝑏0 81 − 101(0) − 15(4,4)

𝑏1 = = = 0,2727
55 55

149 − 101𝑏1 − 28𝑏0 81 − 101(0,2727) − 28(4,4)

𝑏2 = = = −0,009369355
186 186

Perhitungan Iterasi Kedua :

22 − 28𝑏2 − 15𝑏1 22 − 0(−0,009369355) − 15(0,2727)

𝑏0 = = = 3,634
5 5

81 − 101𝑏2 − 15𝑏0 81 − 101(−0,009369355) − 15(3,643)

𝑏1 = = = 0,49884
55 55

149 − 101𝑏1 − 28𝑏0 81 − 101(0,49884) − 28(3,634)

𝑏2 = = = −0,01685
186 186
3,634−4,4
Eror 𝑏0 = = −0,21 = −21% ,
3,634

0,49884−0,2727
Eror 𝑏1 = = 0,4533 = 45,33%
0,49884

−0,01685−(−0,009369)
Eror 𝑏2 = = 0,44397 = 44,397%
−0,01685

Perhitungan Iterasi Ketiga

22 − 28𝑏2 − 15𝑏1 22 − 0(−0,01685) − 15(0,49884)

𝑏0 = = = 2,99784
5 5

81 − 101𝑏2 − 15𝑏0 81 − 101(−0,01685) − 15(2,99784)

𝑏1 = = = 0,68607
55 55
 149 − 101𝑏1 − 28𝑏0 81 − 101(0,68607) − 28(2,99784)
𝑏2 = = = −0,02275586
186 186

2,99784−3,634
Eror 𝑏0 = = −0,21226 = −21,226% ,
2,99784

0,68607−0,49884
Eror 𝑏1 = = 0,2729 = 27,29%
0,68607

−0,02275586−(−0,01685)
Eror 𝑏2 = = 0,2595 = 25,9531%
−0,02275586

Perhitungan Iterasi Keempat :

22 − 28𝑏2 − 15𝑏1 22 − 0(−0,02275586) − 15(0,68607)

𝑏0 = = = 2,469222
5 5

81 − 101𝑏2 − 15𝑏0 81 − 101(−0,02275586) − 15(2,469222)

𝑏1 = = = 0,841090903
55 55

149 − 101𝑏1 − 28𝑏0 81 − 101(0,68607) − 28(2,99784)

𝑏2 = =
186 186
= −0,02275586

Eror 𝑏0 = −21,4%

Eror 𝑏1 = 18,43%

Eror 𝑏2 = 16,819%

Demikian seterusnya hingga iterasi ke 4099, diperoleh hasil sebagai berikut:

𝑏0 = −0,599606138, 𝑏1 = −0,198503445, 𝑏2 = 0,99912806

Eror 𝑏0 = −0,00011%

Eror 𝑏1 = 0,00130868%

Eror 𝑏2 = 0,000151486%

Maka diperoleh persamaan Regresi Linier dengan metode Iterasi Gauss

Seidel, sebagai berikut :

𝑌 = −0,599606138 − 0,198503445𝑋1 + 0,99912806𝑋2

Dari beberapa materi metode numerik di atas, semua sistem persamaannya dapat
diselesaikan dengan beberapa metode di bawah ini:
1. Metode Eliminasi Gauss

Penjelasan
Eliminasi Gauss adalah suatu metode untuk mengoperasikan nilai-nilai di dalam
matriks sehingga menjadi matriks yang lebih sederhana lagi. Dengan melakukan
operasi baris sehingga matriks tersebut menjadi matriks yang baris. Ini dapat
digunakan sebagai salah satu metode penyelesaian persamaan linear dengan
menggunakan matriks. Caranya dengan mengubah persamaan linear tersebut ke
dalam matriks teraugmentasi dan mengoperasikannya. Setelah menjadi matriks
baris, lakukan substitusi balik untuk mendapatkan nilai dari variabel-variabel
tersebut.

Kelebihan dan Kekurangan

Metode ini digunakan dalam analisis numerik untuk meminimalkan mengisi
selama eliminasi, dengan beberapa tahap
Keuntungan :
- menentukan apakah sistem konsisten
- menghilangkan kebutuhan untuk menulis ulang variabel setiap langka
- ebih mudah untuk memecahkan
kelemahan :
- memiliki masalah akurasi saat pembulatan desimal
Contoh Soal :
Diketahui persamaan linear
x + 2y + z = 6
x + 3y + 2z = 9
2x + y + 2z = 12
Tentukan Nilai x, y dan z
Jawab:
Bentuk persamaan tersebut ke dalam matriks:
1 2 1 6
1 3 2 9
2 1 2 12
Operasikan Matriks nya:
1 2 1 6
0 1 1 3
2 1 2 1 Baris ke-2 dikurangi baris ke-1

1 2 1 6
0 1 1 3
0 -3 0 0 Baris ke-3 dikurangi 2 kali baris ke-1

1 1 1 6
0 1 1 3
0 0 3 9 Baris ke-3 ditambah 3 kali baris ke-2

1 2 1 6
0 1 1 3
0 0 1 3 Baris ke-3 dibagi dengan 3

Maka mendapatkan 3 persamaan linier baru yaitu

x + 2y + z = 6
y+z=3
z=3

Kemudian lakukan substitusi balik maka didapatkan:

y+z=3
y+3=3
y=0
x + 2y + z = 6
x+0+3=6
x=3
Jadi nilai dari x = 3 , y = 0 ,dan z = 3

2. Eliminasi Gauss-Jordan

Penjelasan
Salah satu metode yang dapat digunakan untuk menyelesaikan sistem persamaan
linier adalah metode eliminasi Gauss-Jordan. Metode ini diberi nama Gauss-
Jordan untuk menghormati CarlFriedrich Gauss dan Wilhelm Jordan. Metode ini
sebenarnya adalah modifikasi dari metode eliminasi Gauss, yang dijelaskan oleh
Jordan di tahun 1887.
Metode Gauss-Jordan ini menghasilkan matriks dengan bentuk baris eselon yang
tereduksi(reduced row echelon form), sementara eliminasi Gauss hanya
menghasilkan matriks sampai padabentuk baris eselon (row echelon form).
Selain untuk menyelesaikan sistem persamaan linier, metode eliminasi Gauss-
Jordan ini dapat
Metode Eliminasi Gauss : metode yang dikembangkan dari metode eliminasi,
yaitu menghilangkanatau mengurangi jumlah variable sehingga dapat diperoleh
nilai dari suatu variable yang bebas.
Eliminasi Gauss-Jordan adalah pengembangan dari eliminasi Gauss yang hasilnya
lebih sederhana lagi. Caranya adalah dengan meneruskan operasi baris dari
eliminasi Gauss sehingga menghasilkan matriks yang Eselon-baris. Ini juga dapat
digunakan sebagai salah satu metode penyelesaian persamaan linear dengan
menggunakan matriks.
Metode ini digunakan untuk mencari invers dari sebuah matriks.
Prosedur umum untuk metode eliminasi Gauss-Jordan ini adalah
1. Ubah sistem persamaan linier yang ingin dihitung menjadi matriks augmentasi.
2. Lakukan operasi baris elementer pada matriks augmentasi (A|b) untuk
mengubah matriks
A menjadi dalam bentuk baris eselon yang tereduksi

Pengubahan dilakukan dengan membuat matriks yang elemen-elemennya adalah

koefisien-
koefisien dari sistem persamaan linier..
Sedangkan langkah-langkah pada operasi baris elementer yaitu :
1.Menukar posisi dari 2 baris.
Ai ↔Aj
2.Mengalikan baris dengan sebuah bilangan skalar positif.
Ai = k*Aj
3.Menambahkan baris dengan hasil kali skalar dengan baris lainnya
Algoritma Metode Eliminasi Gauss adalah:
1. Masukkan matrik A, dan vektor B beserta ukurannya n
2. Buat augmented matrik [A|B] namakan dengan A
3. Untuk baris ke i dimana i=1 s/d n, perhatikan apakah nilai ai,i =0 :
Bila ya :
pertukarkan baris ke i dan baris ke i+k≤n, dimana ai+k ,i ≠0, bila tidak ada berarti
perhitungan tidak bisa dilanjutkan dan proses dihentikan dengan tanpa
penyelesaian. Bila tidak : lanjutkan
4. Untuk baris ke j, dimana j = i+1 s/d n

Kelebihan dan Keuntungan :

Mengubah sistem persamaan linier yang ingin dihitung menjadi matriks
augmentasi. merupakan variasi dari eliminasi gauss dengan kebutuhan dapat
menyelesaikan matriks invers

Contoh soal:
1. Diketahui persamaan linear
x + 2y + 3z = 3
2x + 3y + 2z = 3
2x + y + 2z = 5
Tentukan Nilai x, y dan z
Jawab:
Bentuk persamaan tersebut ke dalam matriks:
Baris ke 2 dikurangi 2 kali baris ke 1
1 2 3 3
0 -1 -4 -3
0 -3 -4 -1 Baris ke-3 dikurangi 2 kali baris ke-1
1 2 3 3
0 -1 -4 -4
0 0 8 8 Baris ke-3 dikurangi 3 kali baris ke-2
1 2 3 3
0 1 4 3
0 0 1 1 Baris ke-3 dibagi 8 dan baris ke-2 dibagi -1
1 2 3 3
0 1 0 -1
0 0 1 1 Baris ke-2 dikurangi 4 kali baris ke-3
1 2 0 0
0 1 0 -1
0 0 1 1 Baris ke-1 dikurangi 3 kali baris ke-3
1 0 0 2
0 1 0 -1
0 0 1 1
Baris ke 1 dikurangi 2 kali baris ke
Maka didapatkan nilai dari x = 2 , y = − 1 ,dan z = 1
2. A = 3 1
5 2 Tentukan Nilai dari A-1?
Jawab:
A-1 = 1 2 -1
(3)(2) – (5)(1) -5 3

= 1 2 -1
6–5 -5 3

= 1 2 -1
1 -5 3

= 2 -1

-5 3

Contoh kasus:
2x1 +2x2 +x3 = 4
3x1 -x2 +x3 =1
x1 +4x2 -x3 =2
langkah #1 ubah kebentuk matrix
2 2 1 4
3 -1 1 1
1 4 -1 2
Langkah #2 satu-kan nilai kolom 1 R1
1 1 0,5 2 R1 : 2
3 -1 1 1
1 4 -1 2
langkah #3 nol-kan nilai kolom 1 R2 dan R3
1 1 0,5 2
0 -4 -0,5 -5 R2-3R1'
0 3 -1,5 0 R3-R1

langkah #4 satu-kan nilai kolom 2 R2

1 1 0,5 2
 0 1 0,125 1,25 R2'/-4
3 -1,5 0
langkah #5 nol-kan nilai kolom 2 R1 dan R3
1 0 0,375 0,75 R1'-R2''
0 1 0,125 1,25
0 0 -1,875 -3,75 R3'-3R2''
langkah #6 satu-kan nilai kolom 3 R3
1 0 0,375 0,75
0 1 0,125 1,25
0 0 1 2 R3''/-0,375
langkah #7 nol-kan nilai kolom 3 R1 dan R2
1 0 0 0 R1''-0,375R3
0 1 0 1 R2'''-0,125R3
0 0 1 2

3. Metode Gauss Seidel dan Jacoby

Suatu sistem persamaan linier terdiri atas sejumlah berhingga persamaan
linear dalam sejumlah berhingga variabel. Menyelesaikan suatu sistem
persamaan linier adalah mencari nilai-nilai variabel yang belum diketahui
yang memenuhi semua persamaan linier yang diberikan.
Rumus iterasi untuk hampiran ke-k pada metode iterasi Gauss-Seidel
adalah sebagai berikut. Untuk i = 1, 2, …, n dan k = 1, 2, 3, …,

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
Jakob Jacobi. Penemuan ini diperkirakan pada tahun 1800-an.

contoh soal

4x-y+z = 7
4x-8y+z = -21
-2z+y+5z = 15
Dengan
Psolusi = (x,y,z) = (2,4,6)

P0 = (x,y,z) = (1,2,2)

Carilah galat/error dengan mengunakan metode iterasi jacoby dan gauss seidel
sampai 3 iterasi??/

jawaban

Metode Iterasi Jacoby

x,y,z = 1,2,2

Iterasi 1
Iterasi 2

Iterasi 3

Metode Iterasi Gauss Seidel

Iterasi 1

Iterasi 2

Iterasi 3
 DAFTAR PUSTAKA

http://iragitawulandari.wordpress.com/2012/12/15/metode-gauss-jordan/

http://ansoriwae87.wordpress.com/2012/11/30/metode-iterasi-jacoby-dan-gauss-
seidel/

http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/1969092919
94122-

http://mathsoal.wordpress.com/