LAPORAN ANALISA DAN STUDI KASUS METODE NUMERIK

“Metode Gauss Seidel”

Makalah ini Disusun Untuk Memenuhi Tugas Akhir Semester 3

Mata Kuliah Metode Numerik

Disusun oleh :
1. Juandela Herina Putri (11170910000013)
2. Eghar Shafiera (11170910000011)

Jurusan Teknik Informatika

Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah
Jakarta
2018
 BAB I
PENDAHULUAN

A. Latar Belakang
Metode numerik adalah teknik – teknik yang digunakan untuk memformulasikan masalah
matematis agar dapat dipecahkan dengan operasi perhitungan.
Metode numerik memberikan cara- cara untuk menyelesaikan bentuk persamaan tersebut
secara perkiraan hingga didapat hasil yang mendekati penyelesaian secara benar (eksak).
Penyelesaian numerik dilakukan dengan perkiraan yang berurutan (iterasi), maka setiap hasil
akan lebih teliti dari perkiraan sebelumnya. Dengan berbagai iterasi yang dianggap cukup,
akam didapat hasil perkiraan yang mendekati hasil yang benar (eksak) dengan toleransi yang
diijinkan.
Terdapat banyak jenis metode numerik, namun pada dasarnya, masing -masing metode
tersebut memiliki karakteristik umum, yaitu selalu mencakup sejumlah kalkulasi aritmetika.
Jadi metode numerik adalah suatu teknik untuk memformulasikan masalah matematika sehingga
dapat diselesaikan dengan operasi aritmetika yang terdiri dari operasi tambah, kurang, kali dan bagi
(Rochmad, 2011).

Salah satu cara yang sederhana untuk penyelesaian perkiraan atau dengan cara coba
banding, yaitu dengan mencoba nilai x sembarang kemudian dievaluasi apakah nilai f(x) = 0,
jika nilai x tidak sama dengan nol lalu coba nilai x yang lain, cara ini diulang terus menerus
hingga didapat nilai f(x) = 0, untuk suatu nilai x tertentu, yang merupakan akar persamaan
yang diselesaikan. Tapi cara itu tidak efektif oleh karena itu metode numerik memberikan
materi – meteri untuk mencari akar – akar persamaan dan menyelesaikan sistem persamaan
linier dengan metode – metode tertentu.
Ada beberapa metode untuk menyelesaikan akar – akar persamaan, yaitu :
1. Metode Bisection
2. Meode Regulafalsi
3. Metode New Raphson
Ada beberapa metode untuk menyelesaikan sistem persamaan linier, yaitu :
1. Metode Eliminasi Gaus
2. Metode Gaus Jordan
3. Metode Gaus Seidel
 B. Rumusan Masalah
1. Apa itu metode Bisection? Bagaimana algoritma metode tersebut?
2. Apa itu metode Regulafalsi? Bagaimana algoritma metode tersebut?
3. Apa itu metode New Raphson? Bagaimana algoritma metode tersebut?
4. Bagaimana contoh program gabungan dari metode penyelesaian akar – akar persamaan?
5. Apa itu metode Eliminasi Gaus? Bagaimana algoritma metode tersebut?
6. Apa itu metode Gaus Jordan? Bagaimana algoritma metode tersebut?
7. Apa itu metode Gaus Seidel? Bagaimana algoritma metode tersebut?
8. Bagaimana contoh program gabungan dari metode penyelesaian sistem persamaan linier?

BAB II
TINJAUAN PUSTAKA
A. AKAR – AKAR PERSAMAAN

1. Metode Bisection
Ide awal metode ini adalah metode table, dimana area dibagi menjadi N bagian. Hanya saja
metode biseksi ini membagi range menjadi 2 bagian, dari dua bagian ini dipilih bagian mana
yang mengandung dan bagian yang tidak mengandung akar dibuang. Hal ini dilakukan berulang-
ulang hingga diperoleh akar persamaan.
Metode ini merupakan bentuk yang paling sederhana diantara metode-metode numerik
lainnya dalam menyelesaikan akar-akar persamaan.
Algoritma Metode Biseksi :
(1) Definisikan fungsi f(x) yang akan dicari akarnya
(2) Tentukan nilai a dan b
(3) Tentukan torelansi e dan iterasi maksimum N
(4) Hitung f(a) dan f(b)
(5) Jika f(a).f(b)>0 maka proses dihentikan karena tidak ada akar, bila tidak maka proses
dilanjutkan
𝑎+𝑏
(6) Hitung x = 2
(7) Hitung f(x)
(8) Bila f(x).f(a)<0 maka b=x dan f(b)=f(x), bila tidak a=x dan f(a)=f(x)
(9) Jika |b-a|<e atau iterasi>iterasi maksimum maka proses dihentikan dan didapatkan akar =
x, dan bila tidak, ulangi langkah 6.
Kelebihan : Sangat simple, konvergen terjamin
Kekurangan : Proses konvergen lamban
 2. Metode Regulafalsi
Metode posisi palsu (regula falsi) termasuk tipe metode pengurung. Metode ini dikembangkan
dengan harapan bisa mencapai kekonvergenan dengan cepat. Seperti metode bagi-dua, metode
regulafalsi dimulai dengan dua titik awal a0 dan b0 sedemikian sehingga f(a0) dan f(b0) berlawanan
tanda.

Metode ini kemudian berlanjut dengan menghasilkan berturut-turut selang [ak, bk] yang
semuanya berisi akar f. Nilai c didapat dari iterasi c = b – f(b) ((b-a)/(f(b)- f(a))
Seperti yang diterangkan sebelumnya, c adalah akar dari garis melalui (a, f(a)) dan (b, f(b)). Jika
f(a) dan f(c) memiliki tanda yang sama, maka kita menetapkanabaru = c dan bbaru = b. Jika tidak,
kita menetapkan abaru = a dan bbaru = c. Proses ini diteruskan hingga akar dihampiri dengan cukup
baik.

Algoritma Metode Regulafalsi :

(1) Definisikan fungsi f(x) yang akan dicari akarnya
(2) Tentukan nilai a dan b
(3) Tentukan torelansi e dan iterasi maksimum N
(4) Hitung f(a) dan f(b)
(5) Jika f(a).f(b)>0 maka proses dihentikan karena tidak ada akar, bila tidak maka proses
dilanjutkan
𝑓(𝑏)(𝑏−𝑎)
(6) Hitung x = 𝑏 − 𝑓(𝑏)−𝑓(𝑎)
(7) Hitung f(x)
(8) Bila f(x).f(a)<0 maka b=x dan f(b)=f(x), bila tidak a=x dan f(a)=f(x)
(9) Jika |b-a|<e atau iterasi>iterasi maksimum maka proses dihentikan dan didapatkan akar =
x, dan bila tidak, ulangi langkah 6.
Kelebihan : Konvergen terjamin
Kekurangan : Proses lambat untuk mencapai konvergen

3. Metode New Raphson

Metode ini paling banyak digunakan dalam mencari akar-akar persamaan, jika perkiraan
awal dari akar adalah xi, maka suatu garis singgung dapat dibuat dari titik (xi, f (xi)). Titik dari
garis singgung tersebut memotong sumbu-x, biasanya memberikan perkiraan yang lebih dekat
dari nilai akar.

Kekurangan metode Newton-Raphson adalah diperlukannya turunan pertama (diferensial)

dari f (x) dalam hitungan, mungkin sulit untuk mencari turunan dari persamaan yang
diselesaikan, maka bentuk diferensial didekati dengan nilai perkiraan berdasarkan diferensial
beda hingga garis singgung di titik xi didekati oleh bentuk.

Algoritma Metode New Raphson :

(1) Definisikan fungsi f(x) dan f1(x)
(2) Tentukan toleransi error (e) atau iterasi maksimum (n)
 (3) Tentukan nilai pendekatan awal x0
(4) Hitung f(x0) dan f’(x0)
(5) Untuk iterasi i = 1 s/d n atau |f(xi)|< e
 Hitung f(xi) dan f1(xi)
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 −
𝑓 1 (𝑥𝑖 )
(6) Akar persamaan adalah nilai xi yang terakhir diperoleh.
Kelebihan :
 Sangat cepat untuk menemukan akar (jika iterasinya konvergen)
 Jumlah angka bena akan berlipat dua pada tiap iterasi
Kekurangan :
 Sulit mencari akar jika f’ (x) terlalu dekat ke nol
 Tebakan awal tidak akan selalu mendekati nilai akar sejati

4. Gabungan Pilihan Program

Program akan dicoba dengan menggunakan metode Bisecttion dan Regula Falsi dalam bahasa
C untuk menyelesaikan persamaan : tan (x) - x - 0,5 = 0

// Program 1.1a
// Metode Bisection
#include <stdio.h>
#include <math.h>

/* Daftar Variable
a = batas bawah
b = batas atas
tol = toleransi
max_iter = jumlah iterasi maksimum */

float a,m,b,F_a,F_m,F_b,tol;
int max_iter;

float f(float x)
{
return tan(x) - x - 0.5;
}

void main()
{
int it;
float epsilon;
 printf("=======================Metode
Bisection=======================\n\n");
printf("Batas bawah = "); scanf("%f",&a);
printf("Batas atas = "); scanf("%f",&b);
printf("Toleransi = "); scanf("%f",&tol);
printf("Jumlah iterasi maksimum = "); scanf("%d",&max_iter);

it = 0;
F_a = f(a);
F_b = f(b);
if(F_a * F_b > 0) printf(" Nilai F(a) x F(b) > 0\n");
else
{
printf("It. a m b f(a) f(b)");
printf(" abs[f(b)-f(a)]/2\n");
do
{
it = it + 1;
m = (a + b) / 2;
F_m = f(b);
printf("%3d %8.5f %8.5f %8.5f %8.5f %8.5f %8.2e\n",
it,a,m,b,F_a,F_b,fabs(F_b-F_a)/2);
epsilon = fabs(m-a);
if(F_a * F_m <= 0) { b = m; F_b = F_m; }
else { a = m; F_a = F_m; }
} while(it <= max_iter && epsilon > tol);
if(it<=max_iter)
{
printf("Toleransi terpenuhi\n");
printf("Hasil akhir = %g\n",m);
}
else printf("Toleransi tidak terpenuhi\n");
}

printf("\n\n=======================Metode Regula
Falsi=======================\n\n");
printf("Batas bawah = "); scanf("%f",&a);
printf("Batas atas = "); scanf("%f",&b);
printf("Toleransi = "); scanf("%f",&tol);
printf("Jumlah iterasi maksimum = "); scanf("%d",&max_iter);
it = 0;
F_a = f(a);
F_b = f(b);
if(F_a * F_b > 0) printf(" Nilai F(a) x F(b) > 0\n");
else
{
printf("It. a m b f(a) f(b)");
printf(" abs[f(b)-f(a)]/2\n");
do
{
it = it + 1;
m = a - F_a * (b - a) / (F_b - F_a);
F_m = f(m);
printf("%3d %8.5f %8.5f %8.5f %8.5f %8.5f %8.2e\n",
it,a,m,b,F_a,F_m,fabs(F_b-F_a)/2);
epsilon = fabs(m-a);
if(F_a * F_m <= 0) { b = m; F_b = F_m; }
 else { a = m; F_a = F_m; }
} while(it <= max_iter && epsilon > tol);
if(it<=max_iter)
{
printf("Toleransi terpenuhi\n");
printf("Hasil akhir = %g\n",b);
}
else printf("Toleransi tidak terpenuhi\n");
}
}

Output :
 5. Metode Eliminasi Gaus
Eliminasi Gauss adalah suatu metode untuk mengoperasikan nilai-nilai di dalam matriks
sehinggamenjadi matriks yang lebih sederhana lagi. Dengan melakukan operasi baris sehingga
matriks tersebut menjadimatriks yang baris. Ini dapat digunakan sebagai salah satu metode
penyelesaian persamaan linear denganmenggunakan matriks. Caranya dengan mengubah
persamaan linear tersebut ke dalam matriksteraugmentasi dan mengoperasikannya. Setelah
menjadi matriks baris, lakukan substitusi balik untukmendapatkan nilai dari variabel-variabel
tersebut.
Kelebihan :
 menentukan apakah sistem konsisten.
 menghilangkan kebutuhan untuk menulis ulang variabel setiap langka.
 lebih mudah untuk memecahkan
Kekurangan :
 memiliki masalah akurasi saat pembulatan decimal
Algoritma Metode Eliminasi Gaus :
1. Masukkan matriks A dan vektor B beserta ukurannya n
2. Buat augmented matriks [A|B], namakan dgn A
3. Untuk baris ke-i dimana i = 1 sampai n, perhatikan apakah nilai ai,i = 0.
 Bila ya :
Tukarkan baris ke – i dan baris i+k<=n, dimana ai+k, i ≠ 0, bila tdk ada berarti perhitungan
tdk bisa dilanjutkan dan proses dihentikan dgn tanpa penyelesaian.
 Bila Tidak : Lanjutkan
4. Untuk baris ke-j, dimana j = i+1 sampai n, lakukan operasi baris elementer :
 Hitung c = aj,i/ai,i
 Untuk kolom k dimana k =1 sampai n+1
Hitung aj,k = aj,k - c.ai,k
5. Hitung akar, untuk i = n sampai 1 (bergerak dari baris ke n sampai baris pertama)
Xi = 1 (bi-ai,i+1xi+1 - ai,i+2xi+2 - … - ai,nxn), dimana nilai i+k<=n
ai,I

6. Metode Gaus Jordan

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 danWilhelm Jordan. Metode ini sebenarnya adalah modifikasi
dari metode eliminasi Gauss, yang dijelaskan olehJordan di tahun 1887.
Metode Gauss-Jordan ini menghasilkan matriks dengan bentuk baris eselon yang
tereduksi(reducedrow 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 inidapat. Metode Eliminasi Gauss : metode
yang dikembangkan dari metode eliminasi, yaitu menghilangkanataumengurangi jumlah variable
sehingga dapat diperoleh nilai dari suatu variable yang bebas.
Eliminasi Gauss-Jordan adalah pengembangan dari eliminasi Gauss yang hasilnya lebih
sederhanalagi. Caranya adalah dengan meneruskan operasi baris dari eliminasi Gauss sehingga
menghasilkan matriksyang Eselon-baris. Ini juga dapat digunakan sebagai salah satu metode
penyelesaian persamaan linear denganmenggunakan matriks.
Metode ini digunakan untuk mencari invers dari sebuah matriks. Prosedur umum
untuk metodeeliminasi Gauss-Jordan ini adalah Ubah sistem persamaan linier yang ingin
dihitung menjadi matriksaugmentasi. Lakukan operasi baris elementer pada matriks augmentasi
(A|b) untuk mengubah matriks Amenjadi dalam bentuk baris eselon yang tereduksi.
Kelebihan & Keuntungan :
Mengubah sistem persamaan linier yang ingin dihitung menjadi matriks augmentasi. Merupakan
variasi dari eliminasi Gauss dengan kebutuhan dapat menyelesaikan matriks invers.
Algoritma Metode Gaus – Jordan :
1. Masukkan matriks A dan vektor B beserta ukurannya n
2. Buat augmented matriks [A|B], namakan dgn A
3. Untuk baris ke-i dimana i = 1 sampai n,
 perhatikan apakah nilai 𝑎𝑖,𝑖 = 0.
Bila ya :
Tukarkan baris ke – i dan baris 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
 Jadikan nilai diagonalnya menjadi 1, dengan cara untuk setiap kolom k dimana k = 1
sampai n+1, hitung 𝑎𝑖,𝑘 = 𝑎𝑖,𝑘 /𝑎𝑖,𝑖
4. Untuk baris ke-j, dimana j = i+1 sampai n, lakukan operasi baris elementer :
 Untuk kolom k dimana k =1 sampai n
Hitung c = 𝑎𝑗,𝑖
Hitung 𝑎𝑗,𝑘 = 𝑎𝑗,𝑘 − 𝑐. 𝑎𝑖,𝑘
5. Penyelesaian, untuk i = n sampai 1 (bergerak dari baris ke-n sampai baris pertama)
𝑋𝑖 = 𝑎𝑖,𝑛+1

7. Metode Gauss Seidel

Metode Gauss-Seidel digunakan untuk menyelesaikan Sistem Persamaan Linear (SPL)
berukuran besar dan proporsi koefisien nolnya besar, seperti pada sistem- sistem yang banyak
ditemukan dalam sistem persamaan diferensial. Metode iterasi Gauss-Seidel dikembangkan dari
gagasan metode iterasi pada solusi persamaan tak linier. Iterasi metode ini lebih efisien
dibandingkan dengan metode langsung, serta dalam hal penggunaan memori komputer maupun
waktu komputasi juga lebih efisien (Munir, R. 2003, Sahid. 2005).
Metode iterasi lebih cocok digunakan dalam kasus tertentu, yaitu sistem yang besar.
Metode iterasi menggunakan algoritma secara rekursi dalam menentukan penyelesaian sistem
persamaan linear. Algoritma tersebut dilakukan sampai diperoleh suatu nilai konvergen dengan
toleransi yang diberikan atau sesuai dengan batas galat yang kita perbolehkan, dengan kata lain
besar galat dapat dikendalikan sampai batas yang bisa diterima (Munir, 2010:173).
Dari beberapa pendapat para ahli diatas, penyusun menyimpulkan bahwa metode iterasi
Gauss-Seidel digunakan untuk menyelesaikan SPL dengan tingkat kerumitan yang tinggi. Selain
dapat menghemat waktu pengerjaan, metode ini juga dapat mengkontrol round-off error
sehingga terjadinya galat dapat diminimalisir.

Kelebihan :
Metode eliminasi gauss-seidel digunakan untuk menyelesaikan SPL yg berukuran kecil karena
metode ini lebih efisien. Dengan metode iterasi Gauss—Seidel sesatan pembulatan dapat
diperkecil karena dapat meneruskan iterasi sampai solusinya seteliti mungkin sesuai dengan
batas sesatan yang diperbolehkan.
Kekurangan :
Kekurangan dari metode ini adalah masalah pivot (titik tengah) yang harus benar–benar
diperhatikan, karena penyusun yang salah akan menyebabkan iterasi menjadi divergen dan tidak
diperoleh hasil yang benar.

Algoritma Metode Gauss – Seidel :

1. Masukkan matrik A, dan vektor B beserta ukurannya n
2. Tentukan batas maksimum iterasi max_iter
3. Tentukan toleransi error ε
4. Tentukan nilai awal dari𝑥𝑖 , untuk i=1 s/d n
5. Simpan 𝑥𝑖 dalam 𝑠𝑖 , untuk i=1 s/d n
6. Untuk i=1 s/d n hitung:
𝟏
𝒙𝒊 = (𝒃𝒊 − ∑𝒋 ≠𝒊 𝒂𝒊,𝒋 𝒙𝒋 ) 𝒆𝒊 = | 𝒙𝒊 − 𝒔𝒊 |
𝒂𝒊,𝒊

7. Iterasi ← iterasi+1
8. Bila iterasi lebih dari max_iter atau tidak terdapat 𝑒𝑖 < ε untuk i=1 s/d n maka proses
dihentikan dari penyelesaiannya adalah 𝑥𝑖 untuk i=1 s/d n. Bila tidak maka ulangi langkah (5)

8. Gabungan Pilihan Program

 BAB III
PEMBAHASAN

A. Analisis dan Studi Kasus Metode Iterasi Gauss Seidell

Metode iterasi Gauss – Seidel : metode yang menggunakan proses iterasi hingga diperoleh
nilai – nilai yang berubah.
Bila diketahui persamaan linier simultan :
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + … + 𝑎1𝑛 + 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + … + 𝑎2𝑛 + 𝑥𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + … + 𝑎3𝑛 + 𝑥𝑛 = 𝑏3
… … … … … … … … … … … … … … … …
𝑎41 𝑥1 + 𝑎42 𝑥2 + 𝑎43 𝑥3 + … + 𝑎4𝑛 + 𝑥𝑛 = 𝑏4
Berikan nilai awal dari setiap 𝑥𝑖 (i=1 s/d n) kemudian persamaan linier simultan diatas
dituliskan menjadi :
1
𝑥1 = ( 𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3 − ⋯ − 𝑎1𝑛 𝑥𝑛 )
𝑎11
1
𝑥2 = ( 𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3 − ⋯ − 𝑎2𝑛 𝑥𝑛 )
𝑎22
…..………………………………………………………
1
𝑥𝑛 = ( 𝑏𝑛 − 𝑎𝑛1 𝑥2 − 𝑎13 𝑥3 − ⋯ − 𝑎𝑛𝑛 𝑥𝑛 )
𝑎𝑛𝑛
Penyelesaian persamaan linier simultan :
 Bila nilai untuk setiap xi (i=1 s/d n) sudah = nilai xi pada iterasi sebelumnya
 Atau proses iterasi dihentikan bila selisih nilai xi (i=1 s/d n) dengan nilai xi pada
iterasi sebelumnya kurang dari nilai toleransi error yang ditentukan.
Hati – hati dalam menyusun sistem persamaan linier ketika menggunakan metode iterasi
Gauss – Seidel ini. Perhatikan setiap koefisien dari masing – masing xi pada semua persamaan di
diagonal utama (𝑎𝑖𝑖 ). Letakkan nilai – nilai terbesar dari koefisisen untuk setiap xi pada diagonal
utama. Masalah ini adalah ‘masalah pivoting’ yang harus benar – benar diperhatikan, karena
penyusun yang salah akan menyebabkan iterasi menjadi divergen dan tidak diperoleh hasil yang
benar.
Selesaikan sistem persamaan linier : 𝒙𝟏 + 𝒙𝟐 = 𝟓 𝒙𝟏 = 𝟓 − 𝒙𝟐
𝟏
𝟐𝒙𝟏 + 𝟒𝒙𝟐 = 𝟏𝟒 𝒙𝟐 = 𝟒(14 - 2𝒙𝟏 )

Nilai awal :
𝑥1 = 0 dan 𝑥2 = 0
Iterasi 1 : Iterasi 4 :
7 13
𝑥1 = 5 – 0 = 5 𝑥1 = 5 – 4 = 4

1 1 13 15
𝑥2 = (14 − 2.5) = 1 𝑥2 = (14 − 2. 4 ) =
4 4 8

Iterasi 2 : Iterasi 5 :
15 25
𝑥1 = 5 – 1 = 4 𝑥1 = 5 – =
8 5

1 3 1 25 31
𝑥2 = (14 − 2.4) = 𝑥2 = (14 − 2. 8 ) = 16
4 2 4

Iterasi 3 : Iterasi 6 :
3 7 31 49
𝑥1 = 5 – 2 = 2 𝑥1 = 5 – 16 = 16
1 7 7 1 49 63
𝑥2 = (14 − 2. 2) = 4 𝑥2 = (14 − 2. 16) = 32
4 4

Iterasi 7 :
63 97
𝑥1 = 5 – 32 = 32

1 97 127
𝑥2 = (14 − 2. ) =
4 32 64

Nilai iterasi ke – 7 sudah tidak berbeda jauh dengan nilai iterasi ke – 6 maka proses dihentikan
dan diperoleh penyelesaian.
Algoritma Metode Gauss – Seidel :
1. Masukkan matrik A, dan vektor B beserta ukurannya n
2. Tentukan batas maksimum iterasi max_iter
3. Tentukan toleransi error ε
4. Tentukan nilai awal dari𝑥𝑖 , untuk i=1 s/d n
5. Simpan 𝑥𝑖 dalam 𝑠𝑖 , untuk i=1 s/d n
6. Untuk i=1 s/d n hitung:
𝟏
𝒙𝒊 = (𝒃𝒊 − ∑𝒋 ≠𝒊 𝒂𝒊,𝒋 𝒙𝒋 ) 𝒆𝒊 = | 𝒙𝒊 − 𝒔𝒊 |
𝒂𝒊,𝒊

7. Iterasi ← iterasi+1
8. Bila iterasi lebih dari max_iter atau tidak terdapat 𝑒𝑖 < ε untuk i=1 s/d n maka proses
dihentikan dari penyelesaiannya adalah 𝑥𝑖 untuk i=1 s/d n. Bila tidak maka ulangi langkah (5)

STUDI KASUS PERSAMAAN LINIER SIMULTAN

 Permasalahan Penentuan Produk Berdasarkan Persediaan

Bahan

Mr.X membuat 2 macam boneka A dan B. BonekaA memerlukan bahan 10 blok B1

dan 2 blok B2, sedangkan boneka B memerlukan bahan 5 blok B1 dan 6 blok B2.
Berapa jumlah boneka yang dapat dihasilkan bila tersedia 80 blok bahan B1 dan 36
blok bahan B2.

Model Sistem Persamaan Linier Simultan :

Variable yang dicari adalah jumlah boneka, anggap :
𝑥1 adalah jumlah boneka A
𝑥2 adalah jumlah boneka B

Perhatikan dari pemakaian bahan :

B1 : 10 bahan untuk boneka A + 5 bahan untuk boneka B = 80
B2 : 2 bahan untuk boneka A + 6 bahan untuk boneka B = 36
Diperoleh model sistem persamaan linier 10 𝑥1 + 5 𝑥2 = 80

2 𝑥1 + 6 𝑥2 = 36
Penyelesaian dengan menggunakan metode eliminasi Gauss – Seidel adalah sebagai berikut :

Augemented Matrik 10 5 80

2 6 36

B1  B1/10 1 0, 5 8

2 6 36

B2  B2 – 2 B1 1 0, 5 8

0 5 20

B2  B2/5 1 0, 5 8

0 1 4

B1  B1 – 0,5 B2 1 0 6

0 1 4

Diperoleh 𝑥1 = 6 dan 𝑥2 = 4, artinya bahan yang tersedia dapat dibuat 6 boneka A dan 4
bonekaB.
  Permasalahan Aliran Panas pada Plat Baja
Diketahui panas beberapa titik pada plat baja yaitu pada sisi luar. Bila ditentukan bahwa aliran
panas bergerak secara laminar dan panas pada sebuah titik adalah rata – rata panas dari 4 titik
tetangganya, maka dapat dihitung panas pada titik T1 dan T2 sebagai berikut :
25℃ 25℃

25℃ 25℃
Persamaan panas pada titik T1 dan T2 dapat dihitung dengan :
𝟏
𝑻𝟏 = (𝟐𝟓 + 𝟎 + 𝟐𝟓 + 𝑻𝟐 )
𝟒
𝟏
𝑻𝟐 = (𝟐𝟓 + 𝑻𝟐 + 𝟐𝟓 + 𝟏𝟎𝟎 )
𝟒
Sistem persamaan linier dari permasalahn di atas adalah : 4𝑻𝟏 − 𝑻𝟐 = 𝟓𝟎
-𝑻𝟏 + 𝟒𝑻𝟐 = 150
Penyelesaian dengan menggunakan iterasi Gauss – Seidel, terlebih dahulu ditentukan nilai
1
pendekatan awal 𝑇1 = 0 dan 𝑇2 = 0 dan fungsi pengubahnya adalah : 𝑇1 = 4 (50 + 𝑇2 )
1
𝑇2 = (150 + 𝑇1 )
4

Diperoleh hasil perhitungan untuk toleransi error 0.0001 sebagai berikut :

Iterasi X1 X2 e1 e2

0 0 0 - -
1 12,5 40,625 12,5 40,625
2 22,65625 43,16406 10,15625 2,539063
3 23,29102 43,32275 0,634766 0,158691
4 23,33069 43,33267 0,039673 0,009918
5 23,33317 43,33329 0,00248 0,00062
6 23,33332 43,33333 0,000155 3,87E-05
7 23,33333 43,33333 9,69E-06 2,42E-06

Jadi temperature pada T1 = 23,3333 dan T2 = 43,3333