Dosen Pengampu:
Oleh Kelompok V:
A. Pendahuluan
Untuk menyelesaikan suatu sistem persamaan linier 𝐴𝑥 = 𝑏, dipunyai pilihan antara
metode langsung atau metode iterasi. Contoh dari metode langsung yaitu metode invers,
eliminasi Gauss, dan dekomposisi LU. Metode iterasi mempunyai kelebihan dalam hal
kemurahan memori dan waktu CPU. Metode ini dimulai dari penentuan nilai awal vektor 𝑥0
sebagai suatu penyelesaian awal untuk 𝑥.
Suatu klas besar dari metode iterasi dapat didefinisikan sebagai berikut. Sistem 𝐴𝑥 =
𝑏 dituliskan menjadi 𝑄𝑥 = (𝑄 – 𝐴) 𝑥 + 𝑏 untuk suatu matriks Q yang berorde sama
dengan A. Selanjutnya dide…nisikan suatu skema iterasi ke-k:
untuk x(0) adalah suatu tebakan awal. Diasumsikan bahwa Q adalah non-singular, sehingga
skema iterasi menghasilkan suatu barisan tunggal vektor-vektor {x(k)}. Terdapat beberapa
metode iterasi seperti iterasi Jacobi, iterasi Gauss-Seidel, dan iterasi SOR. Pada makalah ini,
pembahasan akan difokuskan pada metode iterasi SOR.
B. Metode SOR
Berikutnya diperhatikan suatu metode mempercepat konvergensi dari metode iterasi.
Dipilih
1
𝑄 = 𝜔𝐷 +𝐿
1
𝐷𝑥 (𝑘) = −𝜔𝐿𝑥 (𝑘) + 𝜔 {(𝜔 − 1) 𝐷 − 𝑈} 𝑥 (𝑘−1) + 𝜔𝑏
1
𝑥 (𝑘) = −𝜔𝐿𝑥 (𝑘) 𝐷 −1 + 𝜔𝐷−1 {(𝜔 − 1) 𝐷 − 𝑈} 𝑥 (𝑘−1) + 𝜔𝐷 −1 𝑏
1
𝑥 (𝑘) = −𝜔𝐿𝑥 (𝑘) 𝐷 −1 + 𝜔𝐷−1 (𝜔 − 1) 𝐷𝑥 (𝑘−1) − 𝑈𝜔𝐷−1 𝑥 (𝑘−1) + 𝜔𝐷 −1 𝑏
1
𝑥 (𝑘) = −𝜔𝐿𝑥 (𝑘) 𝐷 −1 + (𝜔. 𝜔 − 𝜔) 𝑥 (𝑘−1) − 𝑈𝜔𝐷−1 𝑥 (𝑘−1) + 𝜔𝐷−1 𝑏
Jika 𝜔 > 1 maka faktor koreksinya lebih besar daripada koreksi normal. Hal ini berguna
jika iterasi Gauss Seidel bergerak secara monoton, yakni semakin menuju ke penyelesaian
esak dalam satu arah. Oleh karena itu, metode ini disebut Successive Over-relaxation (SOR).
Nilai 𝜔 yang optimal (paling mempercepat kekonvergenan) berada pada selang 1.1 ≤ 𝜔 ≤
1.9 untuk metode SOR.
Penyelesaian
Kita tetapkan 𝜀 = 0.001, 𝜔 = 1.1 dan 𝑥0 = 0, proses perhitungan secara manual adalah
sebagai berikut.
Iterasi 1
1.1
𝑥1 𝑘 = (1 − 1.1)𝑥1 𝑘−1 + 10 (6 + 𝑥2 𝑘 − 2𝑥3 𝑘−1 )
𝑥11 = 0.66
1.1
𝑥2 𝑘 = (1 − 1.1)𝑥2 𝑘−1 + 11 (25 + 𝑥1 𝑘 + 𝑥3 𝑘−1 − 3𝑥4 𝑘−1 )
1.1
𝑥3 𝑘 = (1 − 1.1)𝑥3 𝑘−1 + 10 (−11 − 2𝑥1 𝑘 + 𝑥2 𝑘−1 + 𝑥4 𝑘−1 )
1.1
𝑥4 𝑘 = (1 − 1.1)𝑥4 𝑘−1 + (15 − 3𝑥2 𝑘 + 𝑥3 )
8
Bandingkan iterasi (1) dan (2) jika |𝑥𝑖𝑘 − 𝑥𝑖𝑘+1 | > 0.001 maka lanjutkan iterasi
|0.66 − 1.1123| = 0.45 > 0.001
|2.566 − 1.99024| = 0.57 > 0.001
|(−1.0729) − (−1.03424)| = 0.038 > 0.001
|0.857 − 1.0137| = 0.1567 > 0.001
Iterasi 3
𝑥1𝑘 = −0,1𝑥1𝑘−1 + 0.11𝑥2𝑘−1 − 0.22𝑥3𝑘−1 + 0,66
𝑥13 = −0,1(1.1123) + 0.11(1.99024) − 0.22(−1.03424) + 0,66 = 0.9952
Bandingkan iterasi (2) dan (3) jika |𝑥𝑖𝑘 − 𝑥𝑖𝑘+1 | > 0.001 maka lanjutkan iterasi
Iterasi 4
𝑥1𝑘 = −0,1𝑥1𝑘−1 + 0.11𝑥2𝑘−1 − 0.22𝑥3𝑘−1 + 0,66
𝑥14 = −0,1(0.9952) + 0.11(1.992986) − 0.22(−0.994769) + 0,66 = 0.99856
Bandingkan iterasi (3) dan (4) jika |𝑥𝑖𝑘 − 𝑥𝑖𝑘+1 | > 0.001 maka lanjutkan iterasi
Iterasi 5
𝑥1𝑘 = −0,1𝑥1𝑘−1 + 0.11𝑥2𝑘−1 − 0.22𝑥3𝑘−1 + 0,66
𝑥15 = −0,1(0.99856 ) + 0.11(2.0004) − 0.22(−0.99991) + 0,66 = 1.00017
𝑥2𝑘 = −0,1𝑥2𝑘−1 + 2.5 + 0.1𝑥1𝑘 + 0.1𝑥3𝑘−1 − 0.3𝑥4𝑘−1
𝑥25 = −0,1(2.0004) + 2.5 + 0.1(1.00017 ) + 0.1(−0.99991) − 0.3(0.99962) = 2.00010
Bandingkan iterasi (4) dan (5) jika |𝑥𝑖𝑘 − 𝑥𝑖𝑘+1 | > 0.001 maka lanjutkan iterasi
|0.99856 − 1.00017| = 0.001 = 0.001
|2.0004 − 2.0001| = 0.0003 < 0.001
|(−0.99991) − (−1.00008)| = 0.0001 < 0.001
|0.99962 − 1.000038 | = 0.0004 < 0.001
Karena ada |𝑥𝑖𝑘 − 𝑥𝑖𝑘+1 | < 0.001, makaperhitungan berhenti pada iterasi ke 5.