Solusi SPL secara numeris umumnya selalu (harus) lebih efisien dan cepat dibandingkan
dengan metode-metode analitis, seperti metode Cramer. Namun demikian, solusi numerik
ini secara teknis adakalanya juga berkendala, karena:
(1) ada beberapa persamaan yang mendekati kombinasi linier, akibat adanya “round off
error” dari mesin penghitung pada,
(2) suatu tahap perhitungan adanya akumulasi “round off error” pada proses komputasi
akan berakibat domain bilangan nyata (fixed point) dalam perhitungan akan terlampaui
(overflow), biasanya akibat dari jumlah persamaan yang terlalu besar.
Metode-metode tak-langsung seperti di atas pada umunya sangat tidak efisien dan „time
consuming‟ (memerlukan CPU- time) yang jauh lebih besar dari metode langsung.
Metode Eliminasi Gauss, metode Dekomposisi LU dan Metode Iterasi Jacobi merupakan
metode yang dapat dijadikan sebagai alternatif untuk menyelesaikan model matematika.
Metode Eliminasi Gauss mereduksi matriks koefisien A ke dalam bentuk matriks segitiga, dan
nilai-nilai variabel diperoleh dengan teknik substitusi. Pada metode Dekomposisi LU, matriks
A difaktorkan menjadi matriks L dan matriks U, dimana dimensi atau ukuran matriks L dan U
harus sama dengan dimensi matriks A.
Pada metode iterasi Jacobi, penyelesaian dilakukan secara iterasi, dimana proses iterasi
dilakukan sampai dicapai suatu nilai yang konvergen dengan toleransi yang diberikan. Dari
hasil pengujian dapat diketahui bahwa metode Iterasi Jacobi memiliki hasil ketelitian yang
lebih baik dan waktu komputasi yang lebih cepat dari metode Eliminasi Gauss dan metode
Dekomposisi LU.
B. Rumusan Masalah
Dari uraian di atas, dapat dirumuskan permasalahannya.
1. Apakah urutan persamaan di dalam suatu SPL berpengaruh terhadap penampilan
metode iterasi Jacobi?
2. Apakah program MATLAB 7 dapat digunakan sebagai solusi pemrograman dalam
metode numerik khususnya metode iterasiJacobi?
C. Batasan Masalah
Dalam makalah ini akan membahas tentang penggunaan metode iterasi Jacobi
dalam penyelesaian Sistem Persamaan Linear (SPL) berukuran besar dengan persentase
elemen nol pada matriks koefisien besar dengan pemrograman MATLAB 7 for Windows.
D. Tujuan
Tujuan penulisan makalah sebagai berikut.
1. Memberikan solusi dalam memperoleh urutan persamaan di dalam suatu SPL
dengan menggunakan metode iterasi Jacobi.
2. Penggunaan MATLAB 7 untuk membantu menyelesaikan pemrograman dalam
penyelesaian Sistem Persamaan Linear (SPL) dengan metode iterasi Jacobi.
E. Manfaat
Dapat diambil manfaatnya sebagia berikut.
1. Dapat digunakan sebagai solusi dalam memperoleh urutan persamaan di dalam
suatu SPL berukuran besar dengan menggunakan metode iterasi Jacobi.
2. Memberi kemudahan dalam menyelesaikan Sistem Persamaan Linear (SPL)
berukuran besar dengan metode iterasi Jacobi dengan pemrograman MATLAB 7 for
Windows.
PEMBAHASAN
A. Iterasi Jacobi
Teknik iteratif jarang digunakan untuk menyelesaikan SPL berukuran kecil karena
metode-metode langsung seperti metode eliminasi Gauss lebih efisien dari pada metode
iteratif. Akan tetapi, untuk SPL berukuran besar dengan persentase elemen nol pada matriks
koefisien besar, teknik iteratif lebih efisien daripada metode langsung dalam hal
penggunaan memori komputer maupun waktu komputasi. Metode iterasi Jacobi, prinsipnya:
merupakan metode iteratif yang melakuakn perbaharuan nilai x yang diperoleh tiap iterasi
(mirip metode substitusi berurutan, successive substitution).
INPUT : n, A, b, dan Himpunan awal Y = (y1 y2 y3…yn)T, batas toleransi T, dan maksimum
iterasi N.
LANGKAH – LANGKAH :
1. set penghitung iterasi ke =1
2. WHILE k ≤ n DO
bi j i aij y j
(a) FOR i = 1, 2, 3, ..., n, hitung xi
aii
T
(b) Set X = (x1 x2 x3 ..xn)
(c) IF X Y < T THEN STOP
(d) Tambahan penghitung iterasi, k = k + 1
(e) FOR i = 1, 2, 3, ..., n, Set yi = xi
(f) set Y = (y1 y2 y3 ..yn)T
3. STOP
C. Flow Chart Iterasi Jacobi
START
AX = b
Input A, b, X0, T, N
[X, g, H]=
jacobi(A,b,X0,T,N)
xi = ( x1 x2 x3 …xn)
STOP
SIMPULAN
A. Simpulan
Dari pembahasan di atas kita dapat mengambil kesimpulan bahwa.
1. Urutan persamaan di dalam suatu SPL sangat berpengaruh terhadap penampilan
metode iterasi Jacobi.
2. Dengan menggunakan pemrograman MATLAB 7 dapat membantu pemrograman
dalam dalam metode numeric khususnya metode iterasiJacobi
B. Saran
Dari hasil pembahasan disarankan untuk.
1. Menggunakan metode iterasi Jacobi lebih efektif untuk memecahkan masalah
numerik dalam SPL berukuran besar.
2. Menggunakan program MATLAB 7 for Windows dalam membantu pengolahan
metode iterasi Jacobi.
PERSAMAAN GAUSS SEIDEL
A. Tujuan
a. Memahami Persamaan Gauss Seidel
b. Mampu Menentukan nilai akar persamaan dengan Gauss Seidel
c. Mampu membuat program untuk menentukan nilai akar dengan Metode Gauss
Seidel dengan Matlab
C. Dasar Teori
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, …,
INPUT : n, A, b dan hampiran awal Y = (y1 y2 y3 ...yn)T, batas toleransi T dan maksimum iterasi
N.
LANGKAH-LANGKAH :
H = X0';
n = length(b);
X1 = X0 ;
for k=1:N,
for i=1:n,
S=b(i)-A(i,1:i-1)*X1(1:i-1)-A(i,i+1:n)*X0(i+1:n);
X1(i)=S/A(i,i);
end
g=abs(X1-X0);
err=norm(g);
relerr=err/(norm(X1)+eps);
X0=X1;
H=[H,X0'];
if(err<T)|(relerr<T),break,end
end
Contoh
10x1 - x2 +2x3=6
-x1+11x2-x3+3x4=25
2x1-x2+10x3-x4=-11
3x2-x3+8x4=15
Berikut pemakaian fungsi MATLAB seidel untuk penyelesaian soal di atas dan keluaran yang
diperoleh :
A=
10 -1 2 0
-1 11 -1 3
2 -1 10 -1
0 3 -1 8
>> b=[6;25;-11;15]
b=
25
-11
15
>> X0=[0;0;0;0]
X0 =
>> T=0.0001;N=25;
>> [X,g,H]=seidel(A,b,X0,T,N)
X=
1.0000
2.0000
-1.0000
1.0000
g=
1.0e-004 *
0.8292
0.2017
0.2840
0.1111
H=
Columns 1 through 6
0 0 0 0 0.6000 2.3273
Columns 7 through 12
Columns 13 through 18
Columns 19 through 24
Columns 25 through 28
Proses iterasi dapat diulangi sampai tingkat keakuratan yang diinginkan tercapai,
penyelesaian eksak contoh di atas adalah (1, 2, -1, 1).