Anda di halaman 1dari 49

PERBANDINGAN METODE ITERASI JACOBI DAN ITERASI

GAUSS-SEIDEL DALAM PENYELESAIAN SISTEM PERSAMAAN


LINIER DENGAN MENGGUNAKAN SIMULASI KOMPUTASI

(Skripsi)

Oleh
Shella Niyyaka

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
LAMPUNG
2016
ABSTRACT

ITERATION METHOD COMPARISON JACOBI AND GAUSS-SEIDEL


ITERATION IN SETTLEMENT SYSTEM USING LINEAR EQUATION
SIMULATION COMPUTATION

System of linear equations is a set of linear equations has a solution (or do not
have a solution) are the same for all equations. Settlement of linear equation
system is divided into two methods, methods of direct and indirect methods
(iterative). Iterative method consists of iterations of Jacobi and Gauss-Seidel
iteration. Jacobi iteration method is iterative method that calculates the value
approximations current or latest by reference to the previous approximation.
Jacobi iteration common forms are:

( ) 1 ( )
= − , = 1,2, … , ; = 1,2,3, …,

Gauss-Seidel iteration method is iterative method that calculates the value


approximations present by reference to the latest approximations.
The general form of Gauss-Seidel iteration is:

( ) 1 ( ) ( )
= − − , = 1,2, … , ; = 1,2,3, …,

Keywords: Systems of linear equations, iteration method, Jacobi iteration, Gauss-


Seidel iterations, computational simulation.
ABSTRAK

PERBANDINGAN METODE ITERASI JACOBI DAN ITERASI GAUSS-


SEIDEL DALAM PENYELESAIAN SISTEM PERSAMAAN LINIER
DENGAN MENGGUNAKAN SIMULASI KOMPUTASI

Oleh

SHELLA NIYYAKA

Sistem persamaan linier merupakan kumpulan persamaan linier yang mempunyai


solusi (atau tidak mempunyai solusi) yang sama untuk semua persamaan.
Penyelesaian sistem persamaan linier terbagi menjadi dua metode, metode
langsung dan metode tak langsung (iteratif). Metode iteratif terdiri dari iterasi
Jacobi dan iterasi Gauss-Seidel. Metode iterasi jacobi adalah metode iterasi yang
menghitung nilai hampiran sekarang atau terbaru dengan mengacu pada nilai
hampiran sebelumnya.
Bentuk umum iterasi Jacobi adalah :

( ) 1 ( )
= − , = 1,2, … , ; = 1,2,3, …,

Metode iterasi Gauss-Seidel adalah metode iterasi yang menghitung nilai


hampiran sekarang dengan mengacu pada nilai hampiran terbaru.
Bentuk umum iterasi Gauss-Seidel adalah :

( ) 1 ( ) ( )
= − − , = 1,2, … , ; = 1,2,3, …,

Kata kunci : Sistem persamaan linier, metode iterasi, iterasi Jacobi, Iterasi
Gauss-Seidel, simulasi komputasi.
PERBANDINGAN METODE ITERASI JACOBI DAN ITERASI
GAUSS-SEIDEL DALAM PENYELESAIAN SISTEM PERSAMAAN
LINIER DENGAN MENGGUNAKAN SIMULASI KOMPUTASI

Oleh

Shella Niyyaka

Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar


SARJANA SAINS

Pada

Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM


UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2016
RIWAYAT HIDUP

Penulis dilahirkan di Sukosari, Kecamatan Adiluwih, Kabupaten Pringsewu pada

tanggal 23 Mei 1995, dan merupakan anak pertama dari 2 bersaudara, anugerah

cinta dari pasangan Ayah Widodo dan Mama Janatun.

Penulis menyelesaikan pendidikan di Sekolah Dasar Negeri 6 Poncokresno pada

tahun 2006/2007, Madrasah Tsanawiyah Negeri 1 Pringsewu pada tahun

2009/2010, Sekolah Menengah Atas Negeri 2 Pringsewu pada tahun 2012/2013.

Selanjutnya pada tahun 2012 penulis mengikuti Seleksi Ujian Mandiri (UM) dan

berhasil diterima sebagai mahasiswi di Universitas Lampung Jurusan Maematika

Fakultas Matematika dan Ilmu Pengetahuan Alam.

Selama menjadi mahasiswi penulis aktif di organisasi kampus yaitu pernah

menjadi anggota muda HIMATIKA tahun 2012-2013 dan Anggota Bidang Dana

dan Usaha HIMATIKA tahun 2013-2014.

Pada tanggal 1 Juli sampai dengan 30 Juli 2015, penulis melaksanakan kegiatan

Kerja Praktek (KP) di Dinas Peternakan dan Kesehatan Hewan Provinsi Lampung

guna mengaplikasikan ilmu yang telah di dapatkan sewaktu kuliah. Pada tanggal

19 Januari 2016 sampai dengan tanggal 18 Maret 2016 penulis telah mengikuti

Kuliah Kerja Nyata (KKN) di Desa Trikarya Kecamatan Penawartama,

Kabupaten Tulang Bawang.


KATA INSPIRASI

Sebuah tantangan akan selalu menjadi beban, jika itu hanya


difikirkan. Sebuah cita-cita juga adalah beban, jika itu hanya angan-
angan

Kesuksesan hanya dapat diraih dengan segala upaya dan usaha yang
disertai dengan doa, karena sesungguhnya nasib seorang manusia
tidak akan berubah dengan sendirinya tanpa berusaha

Tidak ada masalah yang tidak bisa diselesaikan selama ada komitmen
bersama untuk menyelesaikannya. Berangkat dengan penuh
keyakinan, berjalan dengan penuh keikhlasan, istiqomah dalam
menghadapi cobaan.

SEMANGATKU...
Ketika aku mulai merasa lelah, aku selalu ingat pesan dan raut wajah
beliau ketika memberiku semangat dan tersenyum menenangkanku.
PERSEMBAHAN

Alhamdulillahirabbil’alamin, syukur yang indah kuucapkan kepada ALLAH


Rabbul Ta’ala, atas ridhoNya skripsi ini dapat terselesaikan, atas ridhoNya
diberikan segala kemudahan, dan atas ridhoNya pula akan didatangkan suatu
kemanfaatan.

Dengan segala kerendahan hati, kupersembahkan sebuah karya kecil ini untuk
orang-orang yang kusayangi, orang-orang yang menyemangati tanpa henti,
menemani serta mendoakan dengan ikhlas tanpa pamrih.

Untukmu AYAH (Widodo) dan MAMA (Janatun) tersayang yang menjadi


kebahagiaan serta motivasi terbesar dalam menyelesaikan studiku. Kepada
Mamasku Dafid Sela Anggara dan Adikku Sahrul Arsyaddana, bentuk
perhatian, pengertian, doa, semangat dan bantuannya, terimakasih untuk
segalanya. Kepada teman-teman Matematika 2012, serta Almamater tercinta
Universitas Lampung, semangat serta keceriaan kalian semuanya menjadi
penambah kekuatan semangat dalam hidup dan tujuan hidupku untuk tetap
bangkit.

“kupersembahkan untuk kalian, inspirasiku...”


SANWACANA

Alhamdulillahirabbil’alamin dengan rasa syukur kehadirat Allah SWT serta

rahmat dan karunia Nya skripsi ini dapat diselesaikan. Skripsi dengan judul

“Perbandingan Metode Iterasi Jacobi dan Iterasi Gauss-Seidel dalam Penyelesaian

Sistem Persamaan Linier” disusun sebagai salah satu syarat untuk memperoleh

gelar Sarjana Sains (S.Si) di Universitas Lampung. Selesainya skripsi ini, adalah

juga berkat motivasi dan pengarahan serta bimbingan dari berbagai pihak. Oleh

karena itu, dengan segala kerendahan hati penulis ingin menyampaikan banyak

terima kasih kepada:

1. Ibu Dra. Dorrah Aziz, M.Si, selaku Dosen Pembimbing 1 yang telah

meluangkan waktu dan membimbing penulis selama menyusun skripsi.

2. Bapak Subian Saidi, S.Si., M.Si, selaku Dosen Pembimbing 2 yang telah

memberi banyak masukan dan arahan kepada penulis selama menyusun

skripsi.

3. Bapak Agus Sutrisno, M.Si, selaku Dosen Pembahas yang memberi masukan

dan evaluasi kepada penulis selama menyusun skripsi.

4. Bapak Warsono, Ph. D, selaku Pembimbing Akademik yang telah

mengarahkan penulis dari awal sampai lulus kuliah.

5. Bapak Drs. Tiryono Rubby, M.Sc., Ph.D, selaku Ketua Jurusan Matematika
FMIPA Universitas Lampung.

6. Bapak Prof. Suharso, Ph.D, selaku Dekan Fakultas Matematika dan Ilmu

Pengetahuan Alam Universitas lampung.

7. Dosen, staf, dan karyawan Jurusan Matematika FMIPA Universitas Lampung

yang telah memberikan ilmu serta bantuan kepada penulis.

8. Ayah dan Mama ku tersayang yang telah memberikan motivasi, do’a, dan

kasih sayang yang begitu besar serta dukungan moril maupun materil kepada

penulis.

9. Kakak dan adikku tersayang yang selalu memberi motivasi kepada penulis.

10. Sahabat yang kini menjadi Saudaraku Ira, Sri, Tika, Azizah, Astuti, Siti, Desi,

Fahmi, Putri dan Resti yang menjadi pendengar keluh kesah penulis saat

menempuh pendidikan di Universitas Lampung.

11. Teman-teman angkatan 2012 yang selalu memberikan motivasi dan dukungan

dalam menyelesaikan skripsi ini.

12. Seluruh pihak yang telah membantu penulis yang tidak dapat disebutkan satu

persatu, atas peran dan dukungannya dalam menyusun skripsi ini.

Penulis menyadari bahwa skripsi ini masih jauh dari kata sempurna, sehingga

kritik dan saran yang membangun sangat penulis harapkan. Akhir kata, semoga

skripsi ini dapat berguna bagi pembaca sebagai acuan di penelitian selanjutnya.

Bandarlampung, 3 Oktober 2016

Penulis

Shella Niyyaka
DAFTAR ISI

Halaman

DAFTAR ISI.................................................................................................. i

DAFTAR TABEL .......................................................................................iii

DAFTAR GAMBAR................................................................................... iv

I. PENDAHULUAN

1.1 Latar Belakang dan Masalah.................................................... 1


1.2 Tujuan Penelitian ..................................................................... 2
1.3 Manfaat Penelitian ................................................................... 2

II. TINJAUAN PUSTAKA

2.1 Persamaan Linier ......................................................................... 4


2.2 Persamaan Aljabar (Polinomial Berderajat n) ............................. 4
2.3 Persamaan Transendental ............................................................ 4
2.4 Sistem Persamaan Linear............................................................. 5
2.5 Sistem Persamaan Linier Homogen ............................................ 6
2.6 Sistem Persamaan Linier Tak Homogen ..................................... 6
2.7 Matriks......................................................................................... 6
2.8 Macam-Macam Matriks............................................................... 7
2.8.1 Matriks Kuadrat Berorde n ............................................. 7
2.8.2 Matriks Identitas ............................................................. 7
2.8.3 Matriks Bujursangkar...................................................... 7
2.8.4 Matriks Diagonal ............................................................ 8
2.8.5 Matriks Upper Triangular .............................................. 8
2.8.6 Matriks Lower Triangular .............................................. 8
2.8.7 Matriks Tridiagonal ........................................................ 9
2.9 Vektor Baris dan Vektor Kolom................................................. 9
2.10 Metode Iterasi Jacobi................................................................ 10
2.11 Metode Iterasi Gauss-Seidel ..................................................... 15
2.12 Stasioner ................................................................................... 18
2.13 Kekonvergenan Iterasi Matriks................................................. 19
2.14 M-File Sebagai Skrip Program ................................................. 20
2.15 Variabel-Variabel yang Digunakan .......................................... 21
ii

Halaman

2.16 Galat dalam Penyelesaian Sistem Persamaan Linier ................ 22


2.17 Definisi Galat............................................................................ 23
2.18 Konsep Norm dan Bilangan Kondisi Suatu Matriks ................ 23
2.19 Ukuran Besar Vektor dan Matriks............................................ 24
2.20 Kekonvergenan Iterasi Jacobi dan Gauss-Seidel...................... 26

III METODOLOGI PENELITIAN

3.1 Waktu Penelitian........................................................................ 28


3.2 Metode Penelitian
3.2.1 Iterasi Jacobi .................................................................. 28
3.2.2 Iterasi Gauss-Seidel ....................................................... 30

IV HASIL DAN PEMBAHASAN

4.1 Kondisi Matriks err < tol, dengan tol = 0.001 ........................... 32
4.2 Kondisi Matriks 2 x 2 pada err < tol, dengan tol = 0.001.......... 33
4.3 Kondisi Matriks 3 x 3 pada err < tol, dengan tol = 0.001.......... 36
4.4 Kondisi Matriks 4 x 4 pada err < tol, dengan tol = 0.001.......... 39
4.5 Kondisi Matriks 5 x 5 pada err < tol, dengan tol = 0.001.......... 43
4.6 Kondisi Matriks 10 x 10 pada err < tol, dengan tol = 0.001...... 46

V SIMPULAN

DAFTAR PUSTAKA

LAMPIRAN
DAFTAR GAMBAR

Gambar Halaman

1. Tampilan Awal MATLAB R2014a................................................ 20


2. Flow Chart Metode Iterasi Jacobi .................................................. 29
3. Flow Chart Metode Iterasi Gauss-Seidel ....................................... 31
4. Cara Save and Load pada Command Window Matriks 2 x 2
di dalam MATLAB R2014a........................................................... 34
5. Rumus Iterasi Jacobi Matriks 2 x 2 ................................................ 34
6. Rumus Iterasi Gauss-Seidel Matriks 2 x 2 ..................................... 35
7. Cara Save and Load pada Command Window Matriks 3 x 3
di dalam MATLAB R2014a........................................................... 37
8. Rumus Iterasi Jacobi Matriks 3 x 3 ................................................ 38
9. Rumus Iterasi Gauss-Seidel Matriks 3 x 3 ..................................... 39
10. Cara Save and Load pada Command Window Matriks 4 x 4
di dalam MATLAB R2014a........................................................... 41
11. Rumus Iterasi Jacobi Matriks 4 x 4 ................................................ 42
12. Rumus Iterasi Gauss-Seidel Matriks 4 x 4 ...................................... 42
13. Rumus Iterasi Jacobi Matriks 5 x 5 ................................................ 45
14. Rumus Iterasi Gauss-Seidel Matriks 5 x 5 ..................................... 45
15. Rumus Iterasi Jacobi Matriks 10 x 10 ............................................ 48
16. Rumus Iterasi Gauss-Seidel Matriks 10 x 10 .................................. 49
DAFTAR TABEL

Tabel Halaman

1. Hasil Iterasi Jacobi .......................................................................... 15


2. Hasil Iterasi Gauss-Seidel ............................................................... 18
3. Kondisi Matriks err < tol, dengan tol = 0.001 ................................. 32
4. Kondisi Matriks 2 x 2 pada err < tol, dengan tol = 0.001 ............... 33
5. Matriks 2 x 2 dari Masing-Masing Percobaan ................................ 33
6. Kondisi Matriks 3 x 3 pada err < tol, dengan tol = 0.001 ............... 36
7. Matriks 3 x 3 dari Masing-Masing Percobaan ................................ 36
8. Kondisi Matriks 4 x 4 pada err < tol, dengan tol = 0.001 ................ 39
9. Matriks 4 x 4 dari Masing-Masing Percobaan ................................ 40
10. Kondisi Matriks 5 x 5 pada err < tol, dengan tol = 0.001 ............... 43
11. Matriks 5 x 5 dari Masing-Masing Percobaan ................................ 44
12. Kondisi Matriks 10 x 10 pada err < tol, dengan tol = 0.001 ........... 46
13. Matriks 10 x 10 dari Masing-Masing Percobaan ............................ 47
1

I. PENDAHULUAN

1.1 Latar Belakang dan Masalah

Sistem persamaan linear merupakan salah satu model dan masalah matematika

yang banyak diterapkan dalam berbagai ilmu. Suatu sistem persamaan linear

terdiri atas sejumlah berhingga persamaan linear dalam sejumlah berhingga

variabel.

Sistem Persamaan Linear dalam bentuk persamaan perkalian matriks dapat di-

tulis

Ax = b.

Di dalam penyelesaian sistem persamaan akan dicari nilai x1, x2, ..., xn yang

memenuhi sistem persamaan berikut :

+ + ⋯ + =
+ + ⋯ + =
⋮ ⋮ ⋮
+ + ⋯ + =

Dengan a adalah koefisien konstan, b adalah konstan, n adalah jumlah persamaan,

dan x1, x2, ..., xn adalah bilangan tak diketahui.

Menyelesaikan suatu sistem persamaan linier adalah mencari nilai-nilai variabel-

variabel tersebut yang memenuhi semua persamaan linier yang diberikan.

Terdapat dua kelompok yang dapat digunakan untuk menyelesaikan sistem

persamaan linier. Metode pertama yaitu metode langsung, yakni metode yang
2

mencari sistem persamaan linier dalam langkah berhingga. Contohnya seperti

metode eliminasi gauss dan metode eliminasi gauss jordan. Kelompok kedua

dikenal sebagai metode tak langsung atau metode iterasi, yang bermula dari suatu

hampiran awal dan kemudian berusaha memperbaiki hampiran penyelesaian awal

dan kemudian berusaha memperbaiki hampiran dalam tak berhingga namun

menggunakan langkah konvergen. Metode iterasi digunakan untuk menyelesaikan

sistem persamaan linier berukuran besar dan proporsi koefisien nolnya besar.

Metode iterasi yang akan dibahas yaitu metode iterasi Jacobi dan metode iterasi

Gauss-Seidel.

Pada metode iterasi Jacobi, nilai hampiran dikoreksi secara serentak. Artinya nilai

hampiran mengacu pada nilai hampiran sebelumnya. Sedangkan pada metode

Gauss-Seidel, nilai hampiran dihitung berdasarkan nilai hampiran terbaru atau

terakhir. Menyelesaikan metode iterasi Jacobi dan iterasi Gauss-Seidel

menggunakan simulasi komputasi dengan software MATLAB R2014a.

1.2 Tujuan Penelitian

Berdasarkan latar belakang di atas, penelitian ini bertujuan untuk mengetahui

kecepatan dan keakuratan antara metode iterasi Jacobi dan iterasi Gauss-Seidel

dalam menyelesaikan sistem persamaan linier dengan simulasi komputasi.

1.3 Manfaat Penelitian

1. Dapat memberikan sumbangan pemikiran untuk menyelesaikan

persamaan linier dengan menggunakan metode iterasi.


3

2. Meningkatkan kemampuan penggunaan konsep sistem persamaaan linier

dengan metode iterasi Jacobi dan iterasi Gauss-Seidel dalam simulasi

komputasi.

3. Mengetahui tingkat kecepatan dan keakuratan metode iterasi Jacobi dan

iterasi Gauss-Seidel pada masing-masing matriks.

4. Mengetahui kelebihan dan kelemahan dari masing-masing metode iterasi

Jacobi dan iterasi Gauss-Seidel yang dilihat dari kecepatan dan

keakuratan solusi SPL menggunakan simulasi komputasi.


II. TINJAUAN PUSTAKA

2.1 Persamaan Linear

Suatu Persamaan Linear dengan n peubah x1, x2, . . . , xn adalah persamaan yang

dapat ditulis dalam bentuk :

+ +⋯+ = (2.1)

Dengan a1, a2, . . . , an dan b adalah konstanta-konstanta riil, n adalah jumlah

persamaan, dan x1, x2, . . . , xn adalah bilangan tak diketahui (Anton, 1987).

2.2 Persamaan Aljabar (Polinomial Berderajat n)

Suatu persamaan aljabar dalam variabel x adalah suku banyak (polinomial)

berderajat n ≥ 1 dalam x, yang dapat dituliskan secara umum dalam bentuk :

anxn+an-1xn-1+ ... +a1x+a0 = 0 (2.2)

dengan an, an-1, ..., a1, dan a0 adalah konstanta-konstanta yang diketahui. Apabila

a0 = 0, maka persamaan tersebut dikatakan homogen (Sahid, 2005).

2.3 Persamaan Transendental

Suatu persamaan transendental dalam x memuat suku dalam x yang tidak dapat

dinyatakan sebagai berhingga operasi aljabar (penjumlahan atau pengurangan dan

perkalian atau pembagian). Sebagai contoh : sin (x), ln (x), ex adalah bentuk

berhingga penjumlahan (Sahid, 2005).


5

2.4 Sistem Persamaan Linear

Penyelesaian dari persamaan linier a1x1 + a2x2 + ... + anxn = b adalah urutan dari

bilangan s1, s2, ... , sn sedemikian sehingga persamaan tersebut bernilai benar bila

bilangan s1, s2, ... , sn masing-masing disubstitusikan ke x1, x2, . . . , xn. Suatu

sistem sebarang yang terdiri dari n persamaan linear dengan peubah n ditulis

sebagai :

+ +⋯+ =

+ +⋯+ =

⋮ ⋮ ⋮ ⋮

+ + ⋯+ = (2.3)

Kuantitas-kuantitas aij (untuk i, j = 1, 2, ..., n) disebut koefisien. Nilai koefisien-

koefisien aij dan ruas kanan bi pada setiap persamaan diketahui. Kuantitas-

kuantitas xij disebut variabel, yang nilainya belum diketahui dan hendak dicari.

Sistem persamaan di atas dapat ditulis dalam bentuk matriks sebagai :

AX = B

Dengan A adalah sebuah matriks n x n :



⎛ ⎞
=⎜ ⋯ ⎟
⋮ ⋮ ⋮ ⋮
… (2.4)
⎝ ⎠

dan X dan B adalah vektor-vektor n-komponen :

=( , , ,…, ) =( , , ,…, )

Dengan pangkat T menyatakan operasi transpose matriks, yakni mengubah baris

menjadi kolom dan kolom menjadi baris. Matriks A disebut matriks koefisien,

vektor kolom B sering disebut vektor konstanta.


6

Sistem persamaan linier dapat diklasifikasikan, menurut penyelesaiannya, menjadi

tiga kelompok :

1. SPL yang mempunyai penyelesaian tunggal.

2. SPL yang tidak mempunyai penyelesaian.

3. SPL mempunyai tak berhingga penyelesaian (Sahid, 2005).

2.5 Sistem Persamaan Linier Homogen

Apabila semua nilai bi = 0 untuk i = 1, 2, ..., n, maka SPL (2.4) disebut sistem

persamaan linier homogen (Sahid, 2005).

2.6 Sistem Persamaan Linier Tak Homogen

Apabila terdapat bk ≠ 0 untuk suatu 1 ≤ k ≤ n, maka SPL (2.4) disebut sistem

persamaan linier tak homogen (Sahid, 2005).

2.7 Matriks

Suatu matriks adalah susunan bilangan real berbentuk empat persegi panjang yang

diatur dalam baris dan kolom.



Secara umum matriks A = ⋮ ⋮ ⋱ ⋮

Di dalam bentuk di atas, A adalah notasi matriks sedang aij adalah elemen

matriks. Deretan horisontal elemen-elemen disebut baris dan deretan vertikal

disebut kolom. Subskrip i menunjukkan nomor baris dimana elemen berada.

Subskrip kedua j menunjukkan kolom. Matriks di atas mempunyai m baris dan n

kolom, dan disebut mempunyai dimensi m kali n (m x n) (Anton, 1987).


7

1 2 −2 1 5 7
Contoh : 2 3 4 5 dan −1 2
3 1 −1 0 0 3

2.8 Macam-Macam Matriks

2.8.1 Matriks kuadrat berorde n

Sebuah matriks dengan n baris dan n kolom dinamakan matriks kuadrat berorde n

(square matrix of order n), dan elemen-elemen a11, a22, ... , ann diletakkan pada

diagonal utama (Anton, 1987).



Misalkan A = ⋮ ⋮ ⋱ ⋮

6 2 7 1 1 2
Contoh : 2 3 4 5 dan
3 4
3 1 2 9

2.8.2 Matriks Identitas

Matriks identitas adalah matriks diagonal yang semua elemen pada diagonal

utama adalah 1 (Anton, 1987).

1 0 0 0
= 0 1 0 0
0 0 1 0
0 0 0 1

2.8.3 Matriks Bujursangkar

Matriks bujursangkar adalah matriks yang jumlah baris dan jumlah kolomnya

sama (Anton, 1987).

Contoh :
8

Matriks bujursangkar berukuran 3 x 3 atau sering juga disebut matriks

bujursangkar orde 3.

1 3 8
= 5 9 7
2 4 6

2.8.4 Matriks Diagonal

Matriks diagonal adalah matriks bujursangkar yang seluruh elemennya bernilai 0

(nol), kecuali elemen-elemen diagonalnya (Anton, 1987).

Contoh : Matrik diagonal orde 3.

11 0 0
= 0 29 0
0 0 61

2.8.5 Matriks Upper Triangular

Matriks upper triangular adalah matriks bujursangkar yang seluruh elemen di

bawah elemen diagonal bernilai 0 (nol) (Anton, 1987).

Contoh :

3 6 2 1
= 0 4 1 5
0 0 8 7
0 0 0 9

2.8.6 Matriks Lower Triangular

Matriks lower triangular adalah matriks bujursangkar yang seluruh elemen di atas

elemen diagonal bernilai 0 (nol) (Anton, 1987).

Contoh :
9

12 0 0 0
= 32 −2 0 0
8 7 11 0
−5 10 6 9

2.8.7 Matriks Tridiagonal

Matriks tridiagonal adalah matriks bujursangkar yang seluruh elemen bukan 0

(nol) berada disekitar elemen diagonal, sementara elemen lainnya bernilai 0 (nol)

(Anton, 1987).

Contoh :

3 6 0 0
= 2 −4 1 0
0 7 8 7
0 0 6 9

2.9 Vektor Baris dan Vektor Kolom

Notasi vektor biasanya dinyatakan dengan huruf kecil dan dicetak tebal. Suatu

matriks dinamakan vektor baris berukuran m, bila hanya memiliki satu baris dan

m kolom, yang dinyatakan sebagai berikut :

=[ ⋯ ]=[ ⋯ ]

Sedangkan suatu matriks dinamakan vektor kolom berukuran n, bila hanya

memiliki satu kolom dan n baris, yang dinyatakan sebagai berikut :

= ⋮ = ⋮
10

2.10 Metode Iterasi Jacobi

Metode iterasi Jacobi merupakan salah satu bidang analisis numerik yang

digunakan untuk menyelesaikan permasalahan persamaan linier dan sering

Dijumpai dalam berbagai disiplin ilmu. Metode iterasi Jacobi merupakan salah

satu metode tak langsung, yang 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 linier yang proporsi koefisien nol nya besar.

Metode ini ditemukan olek matematikawan yang berasal dari Jerman, Carl Gustav

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

Iterasi dapat diartikan sebagai suatu proses atau metode yang digunakan secara

berulang-ulang (pengulangan) dalam menyelesaikan suatu permasalahan

matematika.

Jika diubah dari persamaan linier, maka akan menjadi :

Kemudian diketahui bahwa A = D + (L + U), dimana D merupakan matriks

diagonal, L merupakan matriks segitiga bawah, dan U merupakan matriks segitiga

atas. Lalu persamaan tersebut diubah menjadi

+( + ) =

= [ −( + ) ]

Jika ditulis dalam aturan iteratif, maka metode iterasi Jacobi dapat ditulis sebagai

berikut :

( ) ( )
= ( −( + ) ) (2.5)
11

Dimana k merupakan banyaknya iterasi. Jika x(k) menyatakan hampiran ke –k

penyelesaian SPL, maka x(0) adalah hampiran awal.

( ) ( )
= −∑ , = 1,2, … , ; = 1,2,3, …, (2.6)

Suatu matriks A berukuran n x n dikatakan dominan secara diagonal apabila :

|aii| > |ai,1| + ...+|ai,i-1| + |ai,i+1| + ...+ |ai,n| untuk i = 1, 2, ... , n.

Berikut adalah gambaran bagaimana menggunakan metode iterasi Jacobi dengan

sebuah contoh. Misalkan ingin menyelesaikan SPL :

10x1 − x2 + 2x3 =6 (P1)

-x1 + 11x2 – x3 + 3x4 = 25 (P2)

2x1 – x2 + 10 x3 – x4 = -11 (P3)

3x2 – x3 + 8x4 = 15 (P4)

Jawab :

Nyatakan terlebih dahulu setiap variabel dalam ketiga variabel yang lain :

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, x2, dan x4.

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

Hasilnya adalah SPL :

= − + (P5)

= + − + (P6)

=− + + − (P7)

=− + + (P8)
12

Nyatakan bahwa nilai x1, x2, x3, dan x4 yang berada di ruas kiri = (baca : sama

dengan) sebagai x(baru). Sementara nilai x1, x2, x3, dan x4 yang berada di ruas kanan

tanda = (baca : sama dengan) sebagai x(lama). Sehingga sistem persamaan tersebut

dapat ditulis seperti :

( ) ( ) ( )
= − +

( ) ( ) ( ) ( )
= + − +

( ) ( ) ( ) ( )
=− + + −

( ) ( ) ( )
=− + +

yang secara umum dapat diformulasikan sebagai persamaan matrik berikut ini :

( ) ( )
= + (2.7)

dimana

1 2 6
⎡ 0 − 0 ⎤ ⎡ ⎤
( ) ⎢ 10 10 ⎥ ( ) 10 ⎥
⎡ ⎤ ⎢ 1 ⎢
1 3 ⎥⎡ ⎤

25

⎢ ( )⎥ 0 − ⎢ ( )⎥
⎢ 11 ⎥ ⎢
⎢ ⎥ = ⎢ 11 11 ⎥ + ⎢ 11 ⎥
⎢ ( )
⎥ 2 1 1 ⎥⎢ ( )
⎥ ⎢ 11⎥
⎢ ⎥ ⎢−
10 10
0 ⎥
10⎥ ⎢ ⎥ ⎢− 10⎥
⎦ ⎢
( ) ( )
⎣ 3 1 ⎣ ⎦ ⎢ 15 ⎥
⎢ ⎥
− 0
⎣0 8 8 ⎦ ⎣ 8 ⎦

atau dapat pula di tulis :

= + (2.8)

dimana k = 1, 2, 3, ..., n. Sehingga persamaan matriks dapat dinyatakan sebagai :

( ) 0 − 0⎤ ( )
⎡ ⎤ ⎡ ⎡ ⎤ ⎡ ⎤
⎢ ( )⎥ ⎢ − ⎥⎥ ⎢ ( )⎥ ⎢ ⎥
0
⎢ ( )
⎥ = ⎢⎢ ⎥ ⎢⎢ ( )
⎥+⎢ ⎥
⎢ ⎥ ⎢− 0 ⎥ ⎢− ⎥ (2.9)
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢
( ) ⎥ ( ) ⎥
⎣ ⎦ − 0 ⎦⎣ ⎦ ⎣
⎣0 ⎦
13

Pada persamaan (2.9), indeks k menunjukan jumlah perhitungan iterasi. Pada k =

1, dapat ditulis persamaan linier sebagai berikut :

( ) ( ) ( )
= − +

( ) ( ) ( ) ( )
= + − +

( ) ( ) ( ) ( )
=− + + −

( ) ( ) ( )
=− + +

Jika diberikan nilai-nilai awal x(0) adalah x1(0) = 0, x2(0) = 0, x3(0) = 0, dan x4(0) = 0,

atau dinyatakan sebagai hampiran awal x(0) = (0;0;0;0)T, maka hampiran pertama

pada penyelesaian tersebut adalah :

( ) 6
= = 0.6
10

( ) 25
= = 2.2727
11

( ) 11
=− = −1.1
10

( ) 15
= = 1.8750
8

Atau x(1)= [0.6000;2.2727;-1.1000;1.8750] T. Setelah nilai x(1) diperoleh,

perhitungan tersebut diulang kembali untuk mendapatkan hasil iterasi kedua, yaitu

ketika k = 2. Caranya adalah dengan memasukan nilai-nilai

x(1)= (0.6000;2.2727;-1.1000;1.8750)T ke suku-suku pada ruas kanan tanda sama

dengan,

( ) ( ) ( )
= − +

( ) ( ) ( ) ( )
= + − +

( ) ( ) ( ) ( )
=− + + −
14

( ) ( ) ( )
=− + +

Maka nilai-nilai x(2) yang didapat adalah

x(2) = (1.0473; 1.7159; -0.8052; 0.8852)T. Setelah diperoleh nilai-nilai x(2),

perhitungan tersebut diulang kembali agar mendapatkan iterasi ketiga, dimana

nilai k = 3. Caranya adalah dengan memasukan nilai-nilai

x(2) = (1.0473; 1.7159; -0.8052; 0.8852)T ke ruas kanan kembali,

( ) ( ) ( )
= − +

( ) ( ) ( ) ( )
= + − +

( ) ( ) ( ) ( )
=− + + −

( ) ( ) ( )
=− + +

Maka diperoleh nilai-nilai x(3) = (0.9326; 2.0530; -1.0493; 1.1309)T. Lalu proses

perhitungan diulangi lagi dengan k = 4. Begitulah seterusnya. Proses ini diulangi

berkali-kali untuk nilai-nilai k berikutnya. Proses yang berulang ini disebut proses

iterasi.

Sampai dengan x(3) di atas, telah dilakukan tiga kali proses iterasi. Proses iterasi

akan terus berlanjut sampai x(baru) mendekati solusi yang tepat, yaitu :

x = (1; 2; -1; 1)T

dengan kata lain, proses iterasi harus dihentikan bila x(baru) sudah mendekati

solusi. Berikut adalah hasil proses iterasi dengan menggunakan MATLAB

R2014a.

n x1 x2 x3 x4 Waktu (s) err


1 0.6000 2.2727 -1.1000 1.8750 0.0011 3.2017
2 1.0473 1.7159 -0.8052 0.8852 1.6287e-04 1.2556
3 0.9326 2.0533 -1.0493 1.1309 8.9244e-05 0.4969
15

4 1.0152 1.9537 -0.9681 0.9738 1.0308e-04 0.2191


5 0.9890 2.0114 -1.0103 1.0214 8.3443e-05 0.0897
6 1.0032 1.9922 -0.9945 0.9944 1.2762e-04 0.0393
7 0.9981 2.0023 -1.0020 1.0036 1.3476e-04 0.0163
8 1.0006 1.9987 -0.9990 0.9989 8.4782e-05 0.0071
9 0.9997 2.0004 -1.0004 1.0006 8.3443e-05 0.0030
10 1.0001 1.9998 -0.9998 0.9998 1.1780e-04 0.0013

Tabel 1. Hasil Iterasi Jacobi.

Setelah iterasi ke-10 diperoleh hampiran penyelesaian

x = (1.0001; 1.9998; -0.9998; 0.9998)T

bandingkan dengan penyelesaian eksaknya, yakni x = (1; 2; -1; 1)T (Sahid, 2007).

2.11 Metode Iterasi Gauss-Seidel

Metode Gauss-Seidel digunakan untuk menyelesaikan sistem persamaan linier

(SPL) berukuran besar dan proporsi koefisien nolnya besar, seperti sistem-sistem

yang banyak ditemukan dalam sistem persamaan diferensial. Teknik iterasi jarang

digunakan untuk menyelesaikan SPL berukuran kecil karena metode-metode

langsung seperti metode eliminasi Gauss lebih efisien daripada metode iteratif.

Akan tetapi, untuk SPL berukuran besar dengan persentase elemen nol pada

matriks koefisien besar, teknik iterasi lebih efisien daripada metode langsung

dalam hal penggunaan memori komputer maupun waktu komputasi. Dengan

metode iterasi Gauss-Seidel hampiran pembulatan dapat diperkecil karena dapat

meneruskan iterasi sampai solusinya seteliti mungkin sesuai dengan batas

hampiran yang diperbolehkan.

Pada metode iterasi Gauss-Seidel, nilai-nilai yang paling akhir dihitung digunakan

di dalam semua perhitungan. Jelasnya, di dalam iterasi Jacobi, menghitung


16

( ) ( ) ( ) ( ) ( ) ( )
= , ,…, , ,…, (2.10)

sedangkan pada iterasi Gauss-Seidel menghitung

( ) ( ) ( ) ( ) ( ) ( ) (2.11)
= , ,…, , ,…, .

rumus untuk hampiran ke-k pada metode iterasi Gauss-Seidel adalah sebagai

berikut :

( ) ( ) ( )
= −∑ −∑ (2.12)

dengan syarat aii ≠ 0 dan k = 1, 2, ...

Metode iterasi Gauss-Seidel dapat dinyatakan dalam bentuk matriks. Nyatakan

matriks koefisien A sebagai

A = D + (L + U),

dengan L dan U berturut-turut adalah matriks segitiga bawah dan atas dengan

diagonal nol dan D matriks diagonal. Rumus iterasi Gauss-Seidel dapat ditulis

dalam bentuk :

X(k) = D-1(b-LX(k)-UX(k-1)) (2.13)

(D + L)X(k) = b – UX(k-1) (2.14)

X(k) = (D + L)-1(b-UX(k-1)), (2.15)

yang menghasilkan

X(k) = - (D + L)-1UX(k-1) + (D + L)-1b. (2.16)

Metode iterasi Gauss-Seidel hampir sama dengan metode iterasi Jacobi.

Perbedaannya hanya terletak pada penggunaan nilai elemen vektor xbaru yang

langsung digunakan pada persamaan di bawahnya. Untuk lebih jelasnya,

perhatikan sistem persamaan linier berikut, yang diturunkan dari contoh terdahulu

( ) ( ) ( )
= − +
17

( ) ( ) ( ) ( )
= + − +

( ) ( ) ( ) ( )
=− + + −

( ) ( ) ( )
=− + +

Pada baris pertama, x1baru dihitung berdasarkan x2lama dan x3lama. Kemudian x1baru

tersebut langsung dipakai pada baris kedua untuk menghitung x2baru. Selanjutnya

x1baru dan x2baru digunakan pada baris ketiga untuk mendapatkan x3baru. Begitu

seterusnya hingga x4baru pun diperoleh pada baris keempat. Sistem persamaan

tersebut dapat dinyatakan dalam indeks k seperti di bawah ini dimana k adalah

jumlah iterasi.

( ) ( ) ( )
= − +

( ) ( ) ( ) ( )
= + − +

( ) ( ) ( ) ( )
=− + + −

( ) ( ) ( )
=− + +

Jika diberikan nilai-nilai awal x(0) adalah x1(0) = 0, x2(0) = 0, x3(0) = 0, dan x4(0) = 0,

atau dinyatakan sebagai hampiran awal x(0) = (0;0;0;0)T, maka pada k = 1 akan

memperoleh hampiran pertama sebagai berikut :

( )
= 0.6000

( )
= 2.3272

( )
= −0.9873

( )
= 0.8789
18

Lalu proses perhitungan diulangi lagi dengan k = 2. Begitu seterusnya proses ini

diulang-ulang lagi untuk nilai-nilai k berikutnya sampai x(k) mendekati solusi yang

sesungguhnya, yaitu

x = (1; 2; -1; 1)T

Berikut adalah hasil proses iterasi dengan menggunakan MATLAB R2014a :

n x1 x2 x3 x4 Waktu (s) err


1 0.6000 2.3273 -0.9873 0.8789 0.0011 2.7429
2 1.0302 2.0369 -1.0145 0.9843 0.0023 0.5303
3 1.0066 2.0036 -1.0025 0.9984 0.0033 0.0448
4 1.0009 2.0003 -1.0003 0.9998 0.0042 0.0071
5 1.0001 2.0000 -1.0000 1.0000 0.0052 8.7436e-04

Tabel 2 Hasil Iterasi Gauss-Seidel

Setelah iterasi ke-5 diperoleh hampiran penyelesaian

x = (1.0001; 2.0000; -1.0000; 1.0000)T

bandingkan dengan penyelesaian eksaknya, yakni x = (1; 2; -1; 1)T (Sahid, 2007).

2.12 Stasioner

Suatu iterasi matriks

X(k) = MkX(k-1) + Ckb (2.17)

dikatakan stasioner jika Mk dan Ck tidak tergantung pada k, sehingga iterasinya

dapat ditulis dalam bentuk :

X(k) = MX(k-1) + Cb (2.18)

Jelas bahwa metode iterasi Gauss-Seidel bersifat stasioner dengan

M = - (D +L)-1U dan C = (D + L)-1 (Sahid, 2007).


19

2.13 Kekonvergenan Iterasi Matriks

Penyelesaian SPL AX = b merupakan titik tetap iterasi matriks 2.17 ini artinya,

X = A-1b dapat digunakan untuk mengganti masukan maupun keluaran pada

persamaan 2.17, yakni :

X = A-1b = MkA-1b + Ckb = MkX + Ckb. (2.19)

Dari kesamaan ini didapatkan

MkX = X – Ckb. (2.20)

Dimisalkan e(k) adalah galat hampiran ke-k.

e(k) = X – X(k) (2.21)

dengan menggunakan 2.17 dan 2.20 diperoleh :

e(k) = X – (MkX(k-1) + Ckb)

= MkX – MkX(k-1)

= Mk(X – X(k-1))

= Mke(k-1).

= MkMk-1 ... M1e(0),

dengan e(0) adalah galat hampiran awal. Untuk iterasi matriks stasioner (termasuk

iterasi Gauss-Seidel) matriks galat hampiran ke-k adalah

e(k) = M ke(0). (2.22)

Dengan menggunakan sifat norm, didapat :

|e(k)| ≤ || M k|.|e(0)||. (2.23)


( )
Iterasi matriks (2.17) dikatakan konvergen jika lim → = . Dari

pertidaksamaan terakhir jelas bahwa hal ini akan dipenuhi jika ||M|| < 1 (Sahid,

2005).
20

2.14 M-File Sebagai Skrip Program

Penulisan skrip rumus iterasi menggunakan M-File, deretan command dapat

disimpan dalam bentuk skrip teks. Kapan pun dibutuhkan, skrips tersebut dapat

dijalankan secara otomatis dengan cara mengetikan rumus output M-File dalam

command window.

Untuk menuliskan skrip rumus iterasi, dapat dimulai dengan membuka file baru.

Caranya ialah melalui menu di main window dengan mengklik ikon new script

yang terdapat pada jendela utama.

Gambar 1. Tampilan Awal MATLAB R2014a.

Dengan editor ini, dapat membuka sejumlah M-File, melakukan editing, ataupun

mencoba menjalankannya dan melakukan debuging (mencari kesalahan dalam

skrip). Sementara itu untuk menyimpan M-File, dapat dilakukan dengan mengklik

ikon save workspace pada menu.

Teks yang diawali dengan “%” menunjukan komentar dan tidak akan dijalankan

oleh MATLAB R2014a. Perhatikan bahwa :


21

 Di dalam M-File, setiap command diakhiri dengan titik koma agar hasil

perhitungan di tiap baris tidak ditampilkan di command window. Kecuali

pada hasil perhitungan yang ingin ditampilkan, tidak diakhiri titik koma.

 Variabel yang didefinisikan di dalam M-File akan disimpan oleh MATLAB

R2014a ketika M-File telah dieksekusi atau dijalankan.

Di dalam editor, skrip yang dituliskan akan memiliki warna tertentu, yaitu :

 Hijau untuk komentar.

 Hitam untuk variabel dan comand.

 Biru untuk statement pemrograman.

Sebagai skrip program, jika ingin mengubah atau mengatur parameter masukan

program, maka harus dilakukan di dalam editor.

2.15 Variabel-Variabel yang Digunakan

Abs = menghitung nilai absolut.

Break = keluar dari suatu loop.

Clc = membersihkan tampilan command window.

Clear = membersihkan variabel.

Eps = bilangan yang sangat kecil mendekati nol yang merupakan batas

akurasi perhitungan.

Length = untuk mengetahui ukuran atau dimensi dari matriks.

Load = mengeluarkan kembali pekerjaan dari dalam file.

N = berisi bilangan asli yaitu {0, 1, 2, ...}.

Norm = fungsi distribusi normal gaussian.

Operasi ( : ) = sampai dengan.


22

Operasi ( ; ) = perhitungan tetap dilakukan tanpa menuliskan hasilnya.

Operasi ( ‘ ) = operasi transposisi untuk matriks berisi bilangan riil atau

transposisi dan konjugasi untuk matriks kompleks.

Operasi ( * ) = perkalian.

Save = menyimpan pekerjaan ke dalam file.

Tic toc = menghitung waktu dari suatu operasi dalam second.

Zeros = membuat matrik atau vektor nol (semua elemennya berisi angka

nol) yang berukuran n x n.

2.16 Galat dalam Penyelesaian Sistem Persamaan Linier

Perhitungan yang dilakukan dengan MATLAB khususnya MATLAB R2014a ini

memiliki perhitungan yang mungkin hampir sama dengan penyelesaian eksak. Hal

ini dikarenakan MATLAB menggunakan tingkat keakuratan dengan presisi ganda

(sampai 15 atau 16 angka signifikan) dalam operasi-operasi aritmatika. MATLAB

menggunakan besaran eps untuk menyatakan galat setiap bilangan yang dapat

disajikan olehnya. Artinya, eps adalah harga mutlak penyelesaian terkecil dari

relasi 1 + ≠ 1. Jadi untuk setiap perhitungan ̅ , galat relatifnya, | ̅ ⁄ |, tidak

akan pernah kurang daripada eps. Jelas bahwa proses penyelesaian suatu SPL

akan menghasilkan akumulasi dari galat-galat minimum tersebut. Pembagian

dengan suatu bilangan yang sangat kecil, atau pengurangan dua buah bilangan

yang hampir sama dapat menghasilkan efek penurunan tingkat keakuratan hasil

secara dramatis. Konsep norm dan bilangan kondisi suatu matriks, merupakan

alat yang berguna untuk mengestimasi akumulasi galat yang terjadi dalam

penyelesaian SPL AX = b (Sahid, 2007).


23

2.17 Definisi Galat

Misalkan ̅ adalah suatu nilai hampiran numerik untuk nilai numerik eksak x,

yang tidak diketahui. Nilai

̅ = − ̅ (2.24)

disebut galat, | ̅ | disebut galat mutlak, dan nilai

| ̅|
̅ = (2.25)

asalkan x ≠ 0 disebut galat relatif. Oleh karena nilai x biasanya tidak diketahui,

dalam perhitungan, penyebut pada galat relatif sering menggunakan nilai

hampiran, yakni :

| ̅|
̅ ≈ . (2.26)
̅

dengan kata lain,

Nilai eksak = nilai hampiran + galat,

dan

= .

∗ ∗
Nilai-nilai ̅ dan ̅ yang sudah diketahui, dan memenuhi

| ̅| ≤ ∗ | ̅| ≤ ∗
̅ dan ̅,

Disebut berturut-turut batas galat mutlak dan batas galat relatif, dan jika x ≠ 0,

hubungan keduanya didefinisikan sebagai : (Sahid, 2007).


̅ = | |. (2.27)

2.18 Konsep Norm dan Bilangan Kondisi Suatu Matriks

Dimulai dengan memisalkan adalah hampiran penyelesaian atau hasil

perhitungan SPL AX = b dan x adalah penyelesaian eksaknya.


24

Galat hampiran adalah

= − ̅

Selanjutnya definisikan

= −

Besaran ini disebut residu di dalam penghampiran b oleh . Jelaslah apabila

= , maka r = 0. Oleh karena = ( − )= − = − = ,

maka diperoleh hubungan = .

Jadi galat memenuhi suatu SPL dengan matriks koefisien A, dan vektor residu,

r sebagai vektor konstanta (Sahid, 2007).

2.19 Ukuran Besar Vektor dan Matriks

Ukuran besar (panjang) suatu vektor xn x 1 ditulis dengan notasi |x|, dan matriks

An x n ditulis dengan ||A|| didefinisikan sebagai

| |= | |,
(2.28)
‖ ‖= ∑ .

Teorema.

Jika A matriks nonsingular, maka penyelesaian-penyelesaian Ax = b dan =

memenuhi

‖ ‖
| |
≤ ‖ ‖. ‖ ‖
| |
. (2.29)

Bukti :

Dengan mengurangkan kedua SPL Ax = b dan = diperoleh :

( − )= −
25

− = − .

Dengan menggunakan sifat norm, dipenuhi hubungan :

| − |≤ ( − ≤‖ ‖. − .

Pembagian dengan |x| menghasilkan

‖ − ‖ ‖ ‖ − −
≤ = ‖ ‖‖ ‖ .
| | | | ‖ ‖| |

Mengingat ||A|| ≠ 0. Dari persamaan Ax = b diperoleh ||A||.|x| ≥ |b|, sehingga

dengan memasukan pertidaksamaan ini ke dalam pertidaksamaan sebelumnya

akan diperoleh hasil pada teorema di atas.

Hasil dari (2.28) memberikan hubungan antara galat relatif hampiran .

Dari rumus tersebut terlihat bahwa, apabila nilai ||A||.||A-1|| sangat besar, maka

galat relatif hampiran menjadi sangat besar dari galat relatif .

Bilangan

=‖ ‖×‖ ‖ (2.30)

Disebut bilangan kondisi matriks A. Jika nilai kondisi matriks A sangat besar,

penyelesaian SPL Ax = b sangat sensitif terhadap perubahan kecil pada vektor b.

Dengan kata lain, residu yang relatif kecil menghasilkan galat hampiran yang

relatif besar. Sistem demikian dikatakan dalam kondisi sakit (ill-conditioned).

Sistem yang memiliki matriks koefisien dengan bilangan kondisi kecil dikatakan

dalam kondisi baik (well-conditioned) (Sahid, 2007).


26

2.20 Kekonvergenan Iterasi Jacobi dan Gauss-Seidel

Teorema.

Iterasi Jacobi dan Gauss-Seidel konvergen untuk setiap SPL yang memenuhi

matriks koefisien bersifat dominan secara diagonal.

Bukti :

Pada persamaan (2.5) dan (2.18) terlihat bahwa iterasi matriks untuk mencari

hampiran penyelesaian SPL Ax = b, dengan An x n dan bn x 1, dapat ditulis dalam

bentuk

X(k) = MX(k-1) + Cb

1. Untuk iterasi Jacobi, =− ( + ) = .

2. Untuk iterasi Gauss-Seidel, = −( + ) =( + ) .

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

A, dan U matriks segitiga atas dari A. Dengan mendefinisikan e(k) sebagai galat

hampiran ke-k, seperti persamaan (2.21) . selanjutnya hubungkan dengan

persamaan (2.23). dan akhirnya diketahui bahwa syarat iterasi tersebut konvergen

adalah

‖ ‖<1

Sekarang kekonvergenan kedua iterasi dapat ditinjau secara terpisah.

Untuk iterasi Jacobi,

=− ( + )
27

−1
0 0 ⋯ 0
⎛ ⎞
⎜ −1 ⎟ …
⎜ 0 0 ⋯ 0⎟ 0
0 …
⎜ ⎟⎛ ⎞
=⎜ 0 …
−1 ⎟⎜ ⎟
⎜ 0 0 ⋯ 0⎟ ⋮ ⋱ ⋮
⎜ ⎟ … 0 ⎠
⎜ ⋮ ⋱ ⋮ ⎟⎝
−1
0 0 0 ⋯
⎝ ⎠

Dari persamaan 2.27 diperoleh

‖ ‖= ,
,

Sehingga syarat ||M|| < 1 mengharuskan

<| |, 1≤ ≤ ,
,

yang tidak lain adalah sifat dominan secara diagonal matriks A (Sahid, 2007).
III. METODOLOGI PENELITIAN

3.1 Waktu Penelitian

Penelitian ini mulai dilakukan pada semester ganjil tahun ajaran 2016/2017

bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan

Alam Universitas Lampung.

3.2 Metode Penelitian

Pada penelitian ini metode yang digunakan adalah studi literatur dan penerapan

simulasi komputasi MATLAB R2014a. Adapun algoritma dari masing-masing

iterasi sebagai berikut :

3.2.1 Iterasi Jacobi

Untuk menyelesaikan sistem persamaan linier AX = b dengan A adalah matriks

koefisien n x n, b vektor konstanta n x 1, dan X vektor n x 1 yang perlu dicari.

Input : X = (x1 x2 x3 ... xn)T atau pesan “gagal”.

Langkah-langkah :

1) Set penghitung iterasi k = 1

2) WHILE k ≤ N DO


a) FOR i = 1, 2, 3, ... , n, Hitung = .

b) Set X = (x1 x2 x3 ... xn)T.


29

c) IF ||X-Y|| < T THEN STOP.

d) Tambah penghitung iterasi, k = k + 1.

e) FOR i = 1, 2, 3, ..., n, Set yi = xi.

f) Set Y = (y1 y2 y3 ... yn)T.

3) Tulis pesan “Metode gagal setelah N iterasi”.

4) STOP.

Berikut ini adalah diagram alir yang menjelaskan tentang iterasi Jacobi :

Start

Input A
Input b

For p = 1:n U(p,1)=b(p,1)/A(p,p)

For k = 1:n J(p,k)= -A(p,k)/A(p,p)

Xbaru=J*xlama+u
For k = 1:itermaks Xselisih=xbaru-xlama
Err=norm(xselisih)

tic

Iterasi = o Iterasi = iterasi + 1

If
end
(err < epsilon)

Waktu = toc

STOP

Gambar 2. Flow Chart Metode Iterasi Jacobi.


30

3.2.2 Iterasi Gauss-Seidel

Untuk menyelesaikan sistem persamaan linier AX = b dengan A adalah matriks

koefisien n x n, b vektor konstanta n x 1, dan X vektor n x 1 yang perlu dicari.

Input : n, A, b, dan hampiran 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 k = 1.

2) WHILE k ≤ N DO :

∑ ∑
a) FOR i = 1, 2, 3, ..., n, Hitung = .

b) Set X = (x1 x2 x3 ... xn)T.

c) IF ||X – Y|| < T THEN STOP.

d) Tambah penghitung iterasi, k = k + 1.

e) FOR i = 1, 2, 3, ..., n, Set yi = xi.

f) Set Y = (y1 y2 y3 ... yn)T.

3) Tulis Pesan “Metode gagal setelah N iterasi”.

4) STOP.

Berikut ini adalah diagram alir yang menjelaskan tentang iterasi Gauss-Seidel :
31

Start

Input A
Input b
Input xlama

tic

For i = 1 : itermaks

1 ( ) ( )
− −

For i = 1 : n

S = s + (xbaru(i,1) – xlama(i,1))^2
Epsilon = sqrt(s)

If
Epsilon < sc

break

Waktu = toc

STOP

Gambar 3. Flow Chart Metode Iterasi Gauss-Seidel.


V. SIMPULAN

Dari hasil pembahasan pada bab sebelumnya dapat disimpulkan bahwa :

1. Pemrosesan hasil output iterasi Gauss-Seidel lebih sedikit dibandingkan

iterasi Jacobi, karena terlihat jelas pada tabel 3 bahwa masing-masing matriks

menunjukkan iterasi Gauss-Seidel lebih sedikit di bandingkan iterasi Jacobi.

2. Waktu pemrosesan hasil output iterasi Jacobi lebih cepat dibandingkan iterasi

Gauss-Seidel, karena terlihat jelas pada tabel 3 bahwa masing-masing matriks

menunjukkan waktu pemrosesan hasil output iterasi Jacobi lebih cepat di

bandingkan waktu pemrosesan iterasi Gauss-Seidel.

3. Hasil output iterasi Jacobi lebih akurat dibandingkan iterasi Gauss-Seidel,

karena jumlah iterasi Jacobi yang lebih banyak menyebabkan proses

pengulangan dan hasil dari setiap iterasinya lebih jelas.


DAFTAR PUSTAKA

Anton, H. 1987. Aljabar Linier Elementer. Diterjemahkan oleh Pantur Silaban.


Erlangga, Jakarta.

Gilbert, J. Dan Gilbert, L. 1995. Linier Algebra and Matrix Theory. University
of South Carolina at Spartanburg, South Carolina.

Leon, S.J. 1998. Aljabar Linear dan Aplikasinya. Diterjemahkan oleh Alit
Bondan. Erlangga, Jakarta.

Munir, R. 2008. Metode Numerik Revisi Kedua. Informatika Bandung,


Bandung.

Sahid. 2005. Pengantar Komputasi Numerik dengan MATLAB. Andi,


Yogyakarta.

Suparno, S. 2011. Komputasi untuk Sains dan Teknik Menggunakan Matlab.


Depok, Universitas Indonesia.