Matematika II. EP.

SILABUS

1. Matriks
a. Pengertian matriks
b. Jenis-jenis matriks
c. Operasi matriks
2. Determinan
a. Pengertian determinan
b. Perhitungan determinan melalui metode Sarrus Laplace dan Chios.
3. Penyelesaian Persamaan Linier
a. Metode Gauss-Jourdan
b. Metode Cramer
4. Invers Matriks
a. Pengertian invers matriks
b. Penentuan invers matriks dengan metode Adjoint, metode Counter (Gauss-Jourdan)
c. Rank suatu matriks
5. Analisa Input-Output
a. Pengertian matriks transaksi, matriks teknologi dan matriks Leontief
b. Menghitung final demand
c. Menghitung total output
d. Pengertian Backward Linkage (BL) dan Forward Linkage (FL)
e. Menghitung Backward Linkage (BL) dan Forward Linkage (FL)
6. Linier Programming
a. Pengertian Linier Programming
b. Metode grafis
c. Metode Simpleks : maksimalisasi fungsi obyektif
d. Analisis sensitivitas
e. Teori dualitas
7. Fungsi Multivariabel :
a. Ekstrim fungsi multivariabel perhitungan differensial parsial
b. Differensial parsial tingkat dua
c. Harga
8. Fungsi Lagrange
a. Harga ekstrim dengan kendala persamaan
b. Lagrange Multiplier
9. Aplikasi Fungsi Lagrange
a. Fungsi Biaya
b. Fungsi Produksi
c. Fungsi Utilitas

MATRIKS
 Matematika II. EP. 2

Matriks adalah deretan bilangan, parameter atau variabel yang disusun segi empat, dengan
dibatasi tanda kurung besar (akolade) yang masing-masing mempunyai tempat yang ditata
secara cermat dalam matriks. Bilangan-bilangan (parameter atau variabel) disebut sebagai
elemen matriks. Bilangan pada deretan horizontal disebut baris dan bilangan pada deretan
vertikal disebut kolom. Banyaknya baris (m) dan kolom (n) menentukan dimensi matrik (mxn),
yang dibaca m kali n. Bilangan baris selalu mendahului bilangan kolom.

Jenis – Jenis Matriks

1. Vektor Baris
Adalah matriks yang terdiri dari 1 baris dengan dimensi 1 x n.
Contoh : A = [ 1 2 3 ]
2. Vektor Kolom
Adalah matriks yang terdiri dari 1 kolom tunggal dengan dimensi m x 1.
1
Contoh : 𝐴 = [2]
3
3. Matriks Bujur Sangkar (square matrix)
Adalah matriks yang mempunyai jumlah baris sama dengan jumlah kolom (m=n).
1 3 6
4 9
Contoh : 𝐵 = [5 2 4] ; 𝐶 = [ ]
2 6
7 9 2
4. Matriks Nuul
Adalah matriks yang semua anggotanya adalah bilangan nol.
0 0
Contoh : 𝑁 = [ ]
0 0
5. Matriks Diagonal :
Adalah matriks bujur sangkar yang semua unsurnya adalah nol, kecuali satu atau lebih
unsur-unsur diagonal utamanya tidak sama dengan nol.
3 0 0
Contoh : 𝐵 = [0 0 0]
0 0 2
6. Matriks Satuan / Matriks Identitas
Adalah suatu matriks yang unsur-unsurnya diagonal utamanya sama dengan satu.
1 0 0
Contoh : 𝐼 = [0 1 0]
0 0 1
7. Negatif suatu matriks
Adalah suatu matriks yang unsur-unsurnya merupakan negatif dari unsur-unsur matriks A.
0 −3 0 3
Contoh : ⌈ ⌉; Maka: −𝐴 = ⌈ ⌉
8 −6 −8 6

8. Matriks Putaran / Matriks Transpose A’ (atau AT).

Adalah matriks yang mengkonversikan baris A menjadi kolom dan kolom A menjadi baris.
1 3 6 1 5 7
Contoh : 𝐴 = [5 2 4]; Maka 𝐴′ = [3 2 9]
7 9 2 6 4 2
 Matematika II. EP. 3

9. Matriks Invers
Suatu matriks akan mempunyai matriks invers jika matriks tersebut merupakan matriks
bujur sangkar dan determinannya ≠ 0.
10. Matriks Simetris
Adalah suatu matriks yang memenuhi : A = A’.
1 5 7
Contoh : 𝐴 = [5 2 4]
7 4 2
11. Matriks Silang
Adalah suatu matriks yang memenuhi : -A = A’.
0 −5 3
Contoh : 𝐴 = [ 5 0 −6]
−3 −6 0
12. Matriks Minor.
Adalah setiap unsur dari matriks bujur sangkar A.

OPERASI MATRIKS
Penjumlahan dan Pengurangan
Penjumlahan (dan pengurangan) dua matriks A + B (atau A – B) mengharuskan matriks-
matriks berdimensi sama. Setiap elemen matriks yang satu kemudian ditambahkan ke
(dikurangkan dari) elemen yang bersesuaian dari matriks yang lain. Jadi a11 dalam A akan
ditambahkan ke (dikurangkan dari) b11 dalam B; a12 ke b12, dan seterusnya.

Soal : Hitunglah A + B dan C – D.

3 9 7 1 3 6
4 9 1 7
𝐴 = [3 6 2 ] ; 𝐵 = [5 2 4] ; 𝐶=[ ] ; 𝐷= [ ]
2 6 5 4
4 5 10 7 9 2

Perkalian Skalar
Dalam aljabar matriks, bilangan sederhana, seperti : 12, -3, 0,5, disebut skalar. Perkalian
matriks dengan bilangan atau skalar, meliputi perkalian setiap elemen dari matriks tersebut
dengan bilangan itu. Prosesnya disebut perkalian skalar (scalar multiplication), karena
menaikkan atau menurunkan matriks tersebut menurut besarnya skalar.
6 9
Soal : Jika diketahui skalar k = 8, dan 𝐴 = [2 7] , hitunglah perkalian skalar k A.
8 4

Perkalian Vektor
Perkalian vektor baris (A) dengan vektor kolom (B) mensyaratkan masing-masing vektor
mempunyai jumlah elemen yang persis sama. Kemudian hasilkali didapatkan dengan
mengalikan elemen-elemen individual dari vektor baris dengan elemen-elemen yang
bersesuaian dalam vektor kolom dan menjumlahkan hasilnya.
AB = (a11 x b11) + (a12 x b12) + (a13 x b31), dan seterusnya.
Jadi hasil perkalian baris-kolom akan merupakan suatu bilangan tunggal atau skalar. Perkalian
vektor baris dan kolom adalah penting sekali, karena dipakai sebagai dasar untuk perkalian
semua matriks.
 Matematika II. EP. 4

12
Soal : Hitunglah AB, jika diketahui : 𝐴 = [4 7 1
2 9] dan 𝐷 = [ 5 ]
6
Perkalian
Perkalian dua matriks berdimensi (m x n)1 dan (m x n)2, mensyaratkan bahwa kedua matriks
tersebut bersesuaian yaitu bahwa n1 = m2, atau jumlah kolom pada 1 (matriks 1), matriks awal
(lead matrix) sama dengan jumlah baris pada 2 (matriks ke 2), matriks akhir (lag matrix).
Setiap vektor baris pada matriks awal kemudian dikalikan dengan setiap vektor kolom dari
matriks akhir. Hasil kali baris – kolom kemudian dipakai secara elemen dalam formasi matriks
hasil kali sedemikian rupa, sehingga setiap elemen cij dari matriks hasil kali C adalah suatu
skalar yang berasal dari perkalian baris ke i dari matriks awal dan kolom ke j dari matriks akhir.
Hasil kali tersebut disebut hasil kali dalam (inner product).

Soal : Hitunglah AB dan BC

6 12
3 6 7 1 7 8
𝐴=[ ] ; 𝐵 = [ 5 10] ; 𝐶 = [ ]
12 9 11 2 4 3
13 2

HUKUM KOMUTATIF, ASOSIATIF DAN DISTRIBUTIF DALAM ALJABAR

MATRIKS.

Penjumlahan matriks adalah komutatif (yaitu, A + B = B + A ), karena penjumlahan matriks

hanya melibatkan penjumlahan elemen-elemen yang bersesuaian dari dua matriks, dan susunan
penjumlahan tidak dipentingkan. Untuk alasan yang sama, penjumlahan matriks juga asosiatif,
(A + B) + C = A + (B + C). Hal yang sama berlaku untuk pengurangan matriks. Karena
pengurangan matriks A – B dapat berubah menjadi penjumlahan matriks A + (- B), maka
pengurangan matriks juga komutatif dan asosiatif.

Perkalian matriks, dengan beberapa perkecualian, adalah tidak komutatif (yaitu AB  BA).
Tapi, perkalian skalar adalah komutatif (yaitu kA = Ak). Jika terdapat tiga atau lebih matriks
yang bersesuaian, yaitu X(a x b), Y(c x d), Z( e x f), dimana b = c dan d = e, hukum asosiatif akan
berlaku selama matriks-matriks tersebut dikalikan dalam urutan persesuaian (conformability).
Jadi (XY)Z = X(YZ). Tunduk pada syarat yang sama ini, perkalian matriks juga distributif
:
A ( B + C ) = AB + AC.

Soal :
1. Buktikan bahwa penjumlahan dan pengurangan matriks adalah komutatif, yaitu A +
4 11 3 7
B = B + A, dari : 𝐴 = [ ] ; 𝐵= [ ]
17 6 6 2
2. Buktikan bahwa perkalian matriks tidak komutatif, yaitu AB  BA, dari :
6 12
3 6 7
𝐴=[ ] ; 𝐵 = [ 5 10]
12 9 11
13 2
3. Buktikan bahwa perkalian matriks adalah asosiatif, yaitu (AB)C = A(BC), dari :
7 5 2
4 9 10
𝐴 = [1 3] ; 𝐵 = [ ] ; 𝐶 = [6]
2 6 5
8 6 7
 Matematika II. EP. 5

Matriks Identitas dan Matriks Null

Matriks Identitas I, adalah suatu matriks bujur sangkar yang mempunyai 1 untuk setiap elemen
diagonal utama dari kiri ke kanan dan nol di setiap tempat yang lain. Apabila subskript
digunakan, seperti pada In, maka n menunjukkan dimensi matriks (m x n ).
Matriks identitas serupa dengan bilangan 1 dalam aljabar karena perkalian suatu matriks
dengan matriks identitas tidak membawa perubahan terhadap matriks asal (yaitu AI=IA=A).
Perkalian suatu matriks identitas dengan dirinya sendiri membuat matriks identitas tidak
berubah, I x I = (I)2 = I.
Setiap matriks, dimana A = A’, adalah matriks simetris. Matriks simetris untuk A x A = A,
adalah matriks idempoten. Matriks identitas adalah matriks idempoten.

Matriks null, terdiri dari semuanya nol dan dapat berdimensi sembarang; tidak perlu
bujursangkar. Penjumlahan atau pengurangan matriks null tidak membawa perubahan terhadap
matriks asalnya, perkalian dengan matriks null menghasilkan suatu matriks null.

Soal : Apabila diketahui,

7 10 14 1 0 0
5 12 0 0
𝐴 = [9 2 6] ; 𝐵= [ ] ; 𝑁= [ ] ; 𝐼 = [0 1 0 ]
20 4 0 0
1 3 7 0 0 1

Buktikan bahwa :
1. Perkalian dengan suatu matriks identitas tidak menimbulkan tambahan terhadap matriks
asalnya, yaitu AI = A.
2. Perkalian dengan suatu matriks null menghasilkan matriks null, yaitu BN = N
3. Penjumlahan atau pengurangan suatu matriks null tidak mengakibatkan matriks asalnya
berubah, yaitu B + N = B.

DETERMINAN

Bagian dari matriks yang banyak digunakan adalah determinan, karena bisa digunakan untuk
pemecahan sistem persamaan linear.
Determinan |A| dari suatu matriks (2x2) disebut determinan orde kedua (second order
determinant), dan diperoleh dengan mengambil hasilkali dari kedua elemen pada diagonal
utama dikurangi dengan hasilkali dari kedua elemen diluar diagonal utama. Jadi, dengan
𝑎11 𝑎12
mengetahui suatu matriks umum (2 x 2), 𝐴 = [𝑎 ], determinannya adalah:
21 𝑎22
|A| = a11 a22 – a21 a12.

Determinan merupakan suatu bilangan tunggal (skalar) dan hanya dijumpai dalam matriks
bujursangkar. Jika determinan dari suatu matriks adalah bukan nol, maka matriks tersebut
adalah nonsingular (yaitu secara linier tidak tergantung). Matriks singular dimana |A| = 0,
adalah suatu matriks dimana paling sedikit satu baris atau kolom merupakan kelipatan dari satu
baris atau kolom lainnya.
6 4 4 6
Soal : Jika diketahui : 𝐴 = [ ] dan 𝐵 = [ ], tentukan determinannya, mana yang
7 9 6 9
singular dan yang non singular.
 Matematika II. EP. 6

Determinan Orde yang Lebih Tinggi

𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑
Determinan dari matriks (3 x 3), 𝑨 = [𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 ], disebut determinan orde ketiga
𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑
(third order determinant) dan merupakan penjumlahan dari tiga hasil kali. Untuk memperoleh
tiga hasil kali tersebut :
1. Ambil elemen pertama baris pertama, a11, hapuskan baris dan kolom dimana elemen itu
muncul, kemudian kalikan a11 dengan determinan dari elemen-elemen sisanya.
2. Ambil elemen kedua baris pertama, a12, hapuskan baris dan kolom dimana elemen itu
muncul, kemudian kalikan a12 dengan (-1), dikalikan determinan elemen-elemen sisanya.
3. Ambil elemen ketiga baris pertama, a13, hapuskan baris dan kolom dimana elemen itu
muncul, kemudian kalikan a13 dengan determinan dari elemen-elemen sisanya.

𝑎11 𝑎12 𝑎13 𝑎11 𝑎12 𝑎13 𝑎11 𝑎12 𝑎13

[𝑎21 𝑎22 𝑎23 ] [𝑎21 𝑎22 𝑎23 ] [𝑎21 𝑎22 𝑎23 ]
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32 𝑎33 𝑎31 𝑎32 𝑎33
(1) (2) (3)
Jadi perhitungan untuk determinan adalah sebagai berikut :
𝑎 𝑎 𝑎 𝑎 𝑎 𝑎
|𝐴| = 𝑎11 |𝑎22 𝑎23 | + 𝑎12 (−1) |𝑎21 𝑎23 | + 𝑎13 |𝑎21 𝑎22 |
32 33 31 33 31 32
= a11 (a22 a33 – a32 a23) – a12 (a21 a33 – a31 a23) + a13 (a21 a32 – a31 a22)
= sebuah skalar

7 10 14
Soal : Diketahui 𝐴 = [9 2 6 ], hitung determinan, |A|, dan tentukan apakah singular atau
1 3 7
tidak.

Metode Sarrus
Merupakan metode lain yang dapat digunakan untuk menghitung nilai determinan dari matriks
orde ketiga, dengan cara merubah dimensi matrik menjadi 3x5, dimana kolom ke 4 = kolom 1
dan kolom ke 5 = kolom ke 2. Nilai determinannya adalah merupakan penjumlahan dari hasil
kali unsur-unsur diagonal kiri atas ke kanan bawah, dikurangi dengan penjumlahan dari hasil
kali unsur – unsur diagonal kiri bawah ke kanan atas.
7 10 14 7 10 14 7 10
Contoh : 𝐴 = [9 2 6 ]; Maka |𝐴| = |9 2 6 |9 2
1 3 7 1 3 7 1 3
|𝐴| = (7.2.7 + 10.6.1 + 14.9.3) − (14.2.1 + 7.6.3 + 10.9.7)
= - 248

Minor dan Kofaktor

Elemen-elemen matriks yang tersisa setelah proses penghapusan pada determinan orde ketiga,
membentuk suatu subdeterminan dari matriks tersebut, yang disebut minor. Jadi minor |M11|
adalah determinan dari submatriks yang dibentuk dengan menghapus baris ke i dan kolom ke
j dari matriks tersebut.
𝑎 𝑎 𝑎 𝑎 𝑎 𝑎
|𝑀11 | = |𝑎22 𝑎23 | |𝑀12 | = |𝑎21 𝑎23 | |𝑀13 | = |𝑎21 𝑎22 |
32 33 31 33 31 32
 Matematika II. EP. 7

Dimana |M11| adalah minor dari a11 ; |M12| adalah minor dari a12 ; |M13| adalah minor dari a13.
Jadi determinannya dapat ditulis :
|A| = a11 |M11| + a12 (-1) |M12| + a13 |M13|
Suatu minor yang disertai dengan tanda yang telah ditetapkan disebut kofaktor, |Cij|, kaidah
untuk tanda kofaktor adalah :
|Cij| = (-1)i+j |Mij|

Ekspansi Laplace
Merupakan suatu metode untuk menghitung determinan dengan memakai kofaktor. Metode
yang demikian akan menyederhanakan masalah dengan memungkinkan penetapan determinan
orde yang lebih tinggi berkenaan dengan determinan orde yang lebih rendah. Ekspansi Laplace
dari suatu determinan orde ketiga dapat dinyatakan sebagai :
|A| = a11 |C11| + a12 |C12| + a13 |C13|
Dimana |Cij| adalah suatu kofaktor yang didasarkan pada determinan orde kedua.
Ekspansi Laplace juga memungkinkan perhitungan determinan sepanjang baris atau kolom
sembarang. Pemilihan baris atau kolom yang nol-nya lebih banyak dari baris atau kolom yang
lain, akan menyederhanakan perhitungan determinan dengan menghilangkan unsur-unsur.
12 7 0
Ditentukan : 𝐴 = [ 5 8 3]. Determinan dicari dengan ekspansi Laplace sepanjang kolom
6 7 0
ketiga, sbb: |A| = a13 |C13| + a23 |C23| + a33 |C33|, karena a13 dan a33 = 0,
|A| = a23 |C23| ............................(1)
Dengan menghapus baris 2 dan kolom 3, untuk mencari |C23|,
12 7
C23   12  3
6 7
= (-1) [ 12 (7) – 6 (7)] = - 42
Kemudian disubstitusikan dalam (1), dimana a23 = 3, |A| = 3 (- 42) = - 126.
Soal : Hitunglah determinan dari matriks berikut :
2 4 0 3
5 1 2 4
𝐴 = [3 2 1 4]
1 0 5 1
Jawab :
Untuk mencari determinan dapat dihitung dengan terlebih dahulu merubah elemen baris atau
kolom agar mempunyai banyak 0, yaitu :
- Semua elemen baris kedua dikurangi dua kali elemen baris ke tiga (R2 – 2R3).
- Semua elemen baris keempat dikurangi lima kali elemen baris ketiga (R4 – 5R3).
Sehingga akan diperoleh matriks yang baru :
 Matematika II. EP. 8

2 4 0 3
−1 −3 0 −4
𝐴=[ 3 2 1 4 ]
−14 −10 0 −19
Pada matriks yang baru, ternyata pada kolom ketiga mempunyai elemen 0 paling banyak,
sehingga kita dapat melakukan perhitungan determinan dilakukan pada kolom tersebut :
2 4 3
|𝐴| = 1 | −1 −3 −4 |
−14 −10 −19
= 1 × 86
= 86
Metode Chi’os
Perhitungan mencari determinan dilakukan dengan cara:
1. Dihitung melalui elemen baris pertama.
2. Disusun determinan 2×2 sebanyak (n-1)2, dengan syarat semua elemen baris pertama
determinan 2×2 ini harus mengandung elemen baris pertama yang sama dimulai dengan
elemen a11.
3. Harga determinan ini dibagi dengan (a11)n-2, dimana n adalah banyaknya baris / kolom
matriks.
Contoh : hitung matriks berikut dengan metode Chi’os.
2 4 0 3
5 1 2 4
𝐴 = [3 2 1 4]
1 0 5 1
2 4 2 0 2 3
| | | | | |
5 1 5 2 5 4
1 |2 4 2 0 2 3|
|𝐴| = (4−2) | | | | | |
2 |3 2 3 1 3 4|
2 4 2 0 2 3
| | | | | |
1 0 1 5 1 1
1 −18 4 −7
= | −8 2 −1|
4
−4 10 −1
−18 4 −18 7
1 1 | | | |
= ∙ | −8 2 −8 −1 |
4 −183−2 |−18 4 | |
−18 7
|
−4 10 −4 −1
1 −4 −38
= | |
−72 −164 −10
1
= ∙ −6192 = 86
−72
 Matematika II. EP. 9

SIFAT – SIFAT DETERMINAN

1. Jika semua unsur-unsur dari salah satu baris atau kolom pada determinan A = 0, maka nilai
determinannya = 0.
7 10 14
Contoh : 𝐴 = [0 0 0]
1 3 7
2. Jika semua unsur-unsur dari salah satu baris atau kolom pada determinan A dikalikan
dengan K, maka nilai determinan yang baru = K x determinan semula.
Contoh : 𝐴 = [2 3]; |𝐴| = −2
4 5
4 6 |𝐵|
𝐵 = 𝑅𝑜𝑤1 𝑥 2 = [ ]; = −4
4 3
3. Nilai suatu determinan tidak akan berubah jika unsur-unsur semua baris dipertukarkan
dengan unsur-unsur semua kolom, atau |𝐴| = |−𝐴′ |.
Contoh : 𝐴 = [2 3] ; |𝐴| = −2
4 5
2 4 |𝐵|
𝐵=[ ]; = −2
3 5
4. Jika dua baris atau kolom dari determinan A saling dipertukarkan tempatnya, misal baris
pertama menjadi baris ketiga dan sebaliknya, maka determinan baru = - nilai determinan
semula.
7 10 14 1 3 7
Contoh : 𝐴 = [9 2 6] 𝐵 = [9 2 6]
1 3 7 7 10 14
5. Jika unsur-unsur dua baris atau kolom determinan A adalah sama (misalnya baris pertama
= baris kedua), maka nilai determinan A = 0
9 2 6
Contoh : 𝐴 = [9 2 6]
1 3 7
6. Jika unsur-unsur suatu baris ditambah atau dikurangi k x baris lain, atau unsur-unsur suatu
kolom ditambah atau dikurangi k x kolom lain, maka nilai determinannya tidak berubah.
5 4 −1 5 4 −1
Contoh : 𝐴 = [10 6 0 ] ; 𝐵 = [ 20 14 −2] ; dimana : R2 + 2R1 dan R3 – R1
5 3 1 0 −1 2
Sifat determinan ini sangat berguna untuk menghitung determinan dengan dimensi yang
lebih besar dari 3x3, dengan tujuan untuk menyederhanakan unsur-unsur baris atau unsur-
unsur kolom, agar banyak angka 0 nya.
Soal : Hitung determinan dari :
125 240 90 70
𝐴 = [106 107 36 48]
10 17 6 8
12 24 9 7
Matriks Kofaktor dan Matriks Adjoint
Matriks kofaktor adalah suatu matriks dimana setiap elemen aij diganti dengan kofaktornya
|Cij|. Matriks adjoint adalah transpose dari suatu matriks kofaktor. Jadi,
 C11 C12 C13   C11 C 21 C31 
   
C   C 21 C 22 C 23  , Adj A = C’ =  C12 C 22 C32 
 C31 C32 C33   C13 C 23 C33 
 
 Matematika II. EP. 10

2 3 1
Carilah matriks kofaktor C dan matriks adjoint A, jika diketahui : 𝐴 = [4 1 2]
5 3 4
Jawab :

1 2 4 2 4 1
| | −| | | |
3 4 5 4 5 3
3 1 2 1 2 3
𝐴 = −| | | | −| |
3 4 5 4 5 3
3 1 2 1 2 3
[ |1 | −| | | |
2 4 2 4 1 ]

−2 −6 7
𝐴 = [−9 3 9 ]
5 0 −10

−2 −9 5
𝐴𝑑𝑗. 𝐴 = 𝐶 ′ = [−6 3 0 ]
7 9 −10

PENYELESAIAN PERSAMAAN LINEAR

Pernyataan Matriks Dari Serangkaian Persamaan Linear

Aljabar matriks memungkinkan pengungkapan secara ringkas suatu sistem persamaan linear.
Contoh :
7 X1 + 3 X2 = 45
4 X1 + 5 X2 = 29
Dapat dinyatakan dalam bentuk matriks : A X = B , dimana :
7 3 𝑋 45
𝐴=[ ] 𝑋 = [ 1 ] dan 𝐵=[ ]
4 5 𝑋2 29

A adalah matriks koefisien (coefficien matrix), X adalah vektor penyelesaian (solution

vector) dan B adalah vektor unsur konstanta (vector of constant terms). X dan B akan selalu
berupa vektor kolom.

Matriks Perbesaran (Augmented)

Diketahui suatu sistem persamaan dalam bentuk matriks AX = B, matriks perbesaran A|B
adalah matriks koefisien A dengan vektor kolom konstanta B diletakkan disampingnya, yang
dipisahkan dengan suatu garis atau kisi. Matriks perbesaran digunakan sebagai sarana
penyelesaian sistem persamaan linier.
Contoh : Matriks perbesaran A|B untuk :

4 X1 + 5 X2 + 7 X3 = 42 4 5 7 42
2 X1 + 3 X2 + 8 X3 = 40 adalah : 𝐴|𝐵 = [2 3 8|40]
6 X1 + 4 X2 + X3 = 18 6 4 1 18
 Matematika II. EP. 11

Metode Gauss Untuk Menyelesaikan Persamaan Linier

Penggunaan metode eliminasi Gauss dalam menyelesaikan persamaan linier, semata-mata
dengan menyatakan sistem persamaan tersebut sebagai suatu matriks perbesaran dan
menerapkan operasi baris berulang-ulang pada matriks perbesaran sampai matriks koefisien A
disederhanakan menjadi matriks identitas. Penyelesaian atas sistem persamaan kemudian dapat
dibaca dari elemen-elemen yang tinggal dalam vektor kolom B.

Untuk mengubah matriks koefisien dalam suatu matriks identitas, bergeraklah sepanjang
sumbu utama. Pertama, dapatkan 1 pada posisi a11 dari matriks koefisien, kemudian gunakan
operasi baris untuk mendapatkan nol disetiap tempat yang lain pada kolom pertama.
Berikutnya dapatkan 1 pada posisi a22 dan gunakan operasi baris untuk mendapatkan nol
disetiap tempat yang lain pada kolom tersebut. Teruskan memperoleh 1 sepanjang diagonal
utama dan kemudian selesaikan kolomnya sampai matriks identitas tersebut sempurna.

Soal : Tentukan nilai X1 dan X2 dengan metode Eliminasi Gauss dalam sistem persamaan
berikut :
2 X1 + 12 X2 = 40
8 X1 + 4 X2 = 28

Kaidah Cramer Untuk Menyelesaikan Matriks

Kaidah Cramer memberikan suatu metode yang sederhana penyelesaian sistem persamaan
linear melalui pemakaian determinan. Kaidah Cramer adalah :
Ai
Xi 
A
Dimana Xi adalah variabel ke-i yang tidak diketahui dalam suatu seri persamaan, |A| adalah
determinan dari matriks koefisien dan |Ai| adalah determinan dari suatu matriks khusus yang
dibentuk dari matriks koefisien asalnya dengan mengganti kolom dari koefisien Xi dengan
vektor kolom dan konstanta.
Contoh : Selesaikan sistem persamaan berikut dengan menggunakan Kaidah Cramer.
6 X1 + 5 X2 = 49
3 X1 + 4 X2 = 32

Langkah-langkah:
1. Nyatakan persamaan tersebut dalam bentuk matriks :
6 5 𝑋 49
A × = B ; menjadi : [ ] × [ 1] = [ ]
3 4 𝑋2 32
2. Cari determinan dari A.
A  6  4  3  5
=9
3. Untuk mencari X1, ganti kolom 1 koefisien dari X1 dengan vektor dari konstanta B,
sehingga membentuk matriks baru A1 dan cari determinannya.
49 5
A1   
32 4
A1  49  4  32  5
= 36
 Matematika II. EP. 12

4. Masukkan ke rumus Cramer.

A1 36
X1   4
A 9
5. Untuk mencari X1, ganti kolom 2 koefisien dari X2 dengan vektor dari konstanta B,
sehingga membentuk matriks baru A2 dan cari determinannya.
6 49
A2   
3 32
A2  6  32  3  49
= 45
6. Masukkan ke rumus Cramer.
A2 45
X2   5
A 9
7. Jadi : X1 = 4 dan X2 = 5
Soal : Tentukan nilai X, Y dan Z dari persamaan berikut ini :
2X – Y + Z = 3
X + 3Y – 2Z = 11
3X – 2Y + 4Z = 1

MATRIKS BALIKAN (INVERSE MATRIX)

Matriks balikan, A-1, yang hanya dapat ditemukan untuk suatu matriks bujur sangkar, matriks
nonsingular A, adalah suatu matirks tunggal yang memenuhi hubungan :
AA-1 = I = A-1 A
Mengalikan suatu matriks dengan balikannya akan menyederhanakan matriks itu menjadi suatu
matriks identitas. Jadi matriks balikan dalam aljabar linear mempunyai fungsi hampir sama
dengan kebalikan (reciprocal) dalam aljabar biasa. Rumus :
1
A 1  Adj A
A

4 1 −5
Carilah Inverse Matriks untuk : 𝐴 = [−2 3 1]
3 −1 4
Jawab :
1. Cek bahwa matriks tersebut merupakan suatu matriks bujursangkar.
2. Hitung determinan, untuk memastikan |𝐴| ≠ 0, karena hanya matriks non singular yang
dapat mempunyai balikan.
|𝐴| = (4.3.4 + 1.1.3 + −5. −2. −1) − (3.3. −5 + −1.1.4 + 4. −2.1)
= 98 ≠ 0.
3. Carilah matriks kofaktor dari A, kemudian transpose-kan matriks kofaktor tersebut untuk
mendapatkan matriks adjoint.
 Matematika II. EP. 13

3 1 −2 1 −2 3
| | −| | | |
−1 4 3 4 3 −1
1 −5 4 −5 4 1
𝐶 = −| | | | −| |
−1 4 3 4 3 −1
1 −5 4 −5 4 1
[ |3 1 | −| | | |
−2 1 −2 3 ]

13 11 −7
=[1 31 7 ]
16 6 14
13 1 16
𝐴𝑑𝑗 𝐴 = 𝐶′ = [ 11 31 6 ]
−7 7 14
1
4. Kalikan matriks adjoint tersebut dengan |𝐴|, untuk mendapatkan A-1.
13 1 16
98 98 98
1 13 1 16 11 31 6
𝐴−1 = [ 11 31 6 ] =
98 98 98 98
−7 7 14
−7 7 14
[ 98 98 98]

5. Untuk mengecek jawaban, kalikan A.A-1 atau A-1.A. Kedua hasilkali akan mendapatkan I.

MENYELESAIKAN PERSAMAAN MATRIKS DENGAN BALIKAN

Matriks balikan dapat dipakai untuk menyelesaikan persamaan matriks, jika

A(nxn) X(nx1) = B(nx1)
Dan balikan A-1 ada, pengalian kedua ruas persamaan tersebut dengan A-1, mengikuti hukum
persesuaian, menghasilkan :
A-1(nxn) A(nxn) X(nx1) = A-1(nxn) B(nx1)
-1
Karena A A = I, maka :
I(nxn) X(nx1) = A-1(nxn) B(nx1)
Dan karena IX = X, sehingga :
X(nx1) = (A-1B)(nx1)
Penyelesaian persamaan tersebut diperoleh dari hasilkali balikan dari matriks koefisien A-1 dan
vektor kolom dari konstan B.

Soal : Gunakan persamaan matriks dan balikan untuk menyelesaikan X1, X2 dan X3 dari :
4 X1 + X2 - 5 X3 = 8
-2 X1 + 3 X2 + X3 = 12
3 X1 - X2 + 4 X3 = 5

Jawab : Nyatakan persamaan tersebut dalam bentuk matriks :

AX = B
4 1 −5 𝑋1 8
[−2 3 1 ] [ 𝑋2 ] = [ 12]
3 −1 4 𝑋3 5
 Matematika II. EP. 14

Karena soal ini sama seperti contoh sebelumnya, sehingga nilai A-1 telah diperoleh, maka :
X = A-1B

13 1 16
98 98 98
11 31 6 8
𝑋= [12]
98 98 98 5
−7 7 14
[ 98 98 98]
104 12 80 196
+ 98 +
98 98 98 2
88 372 30 490
= + + = = [5]
98 98 98 98
−56 84 70 98 1
[ 98 + 98 + [ 98 ]
98]

Metode Gauss Untuk Pembalikan Suatu Matriks

Metode Gauss Jordan juga dapat dipakai untuk membalikkan (menginversikan) suatu matriks.
Tetapkan suatu matriks perbesaran (augmented) dengan matriks identitas disebelah kanan.
Kemudian tetapkan operasi-operasi baris sampai matriks koefisien disebelah kiri direduksi
menjadi suatu matriks identitas. Pada batas itu, matriks di sebelah kanan adalah matriks
balikan.
Soal : Gunakan metode eliminasi Gauss untuk mencari balikan dari :
Jawab :
1. Buat matriks perbesaran, dengan matriks identitas di sebelah kanan :
4 1  5 1 0 0

A   2 3 1 0 1 0
 3  1 4 0 0 1
2. Mereduksi matriks koefisien disebelah kiri menjadi matriks identitas dengan metode
Gauss :
a. Baris pertama dikalikan dengan ¼. (R1 × ¼)
1 1
4  54 1
4 0 0
 1 0
sehingga : A   2 3 1 0
 3  1 4 0 0 1
b. Baris ke dua ditambah dengan 2 kali baris pertama (R2 + 2R1) ;
dan baris ketiga dikurangi dengan 3 kali baris pertama (R3 – 3R1)
1 1 4  5 4 1 4 0 0
  3 2 1 2 1 0
sehingga : A  0
7
2

0  7 4 314  3 4 0 1

c. Baris kedua dikalikan dengan 2/7. (R 2 × 27)
 Matematika II. EP. 15

1 1 4  5 4 1 4 0 0
 0
sehingga : A  0 1  3 7 17 2
7

0  7 4 314  3 4 0 1

d. Baris pertama dikurangi dengan ¼ kali baris kedua (R1 − 14R 2 ) ;
Baris ketiga ditambah dengan 7/4 kali baris kedua (R 3 + 74R 2 )
1 0  8 7 314  114 0
 0
sehingga : A  0 1  7
3 1 2
7 7

0 0 7  1 2 1 2 1
e. Baris ketiga dikalikan dengan 1/7 (R 3 × 17)
1 0  8 7 314  114 0
 0 
sehingga : A  0 1  7
3 1 2
7 7

0 0 1  114 114 1 

7

f. Baris pertama ditambah dengan 8/7 kali baris ketiga (R1 + 87R1 );
Dan baris kedua ditambah dengan 3/7 kali baris ketiga (R 2 + 37R 3 )
1 0 0 13 98 1
98
8

49
 3 
sehingga : A  0 1 0
11 31
98 98 49

0 0 1  114 1
14
1 
7

 13 98 1
98
8

49
1  11 3 
Jadi : A   98
31
98 49

 114 1
14
1 
7

CONTOH PENGGUNAAN MATRIKS DALAM MASALAH EKONOMI

Suatu perusahaan mempunyai 2 lokasi pabrik di Surabaya dan Sidoarjo.

Tiap minggu memproduksi 3 jenis barang, yaitu A, B dan C; yang dibuat dari bahan baku : K,
L, dan M.
A dibuat dari 1 unit bahan baku K, 3 unit bahan baku L dan 2 unit bahan baku M
B dibuat dari 2 unit bahan baku K, 2 unit bahan baku L dan 1 unit bahan baku M
C dibuat dari 1 unit bahan baku K, 2 unit bahan baku L dan 2 unit bahan baku M
Tiap minggu pabrik di Surabaya memproduksi 100 unit barang A, 200 unit barang B dan 250
unit barang C.
Sedangkan di Sidoarjo diproduksi 80 unit barang A 120 unit barang B dan 200 unit barang C.
Harga bahan baku K, L dan M tiap unit adalah Rp. 500, Rp. 800 dan Rp. 1.000.
Harga jual barang A, B dan C di Surabaya dan Sidoarjo adalah : Rp. 3.000; Rp. 5.000 dan Rp.
7.000 per unit.
a. Tuliskan berapa matriks dan bentuknya yang ada dalam persoalan ini.
 Matematika II. EP. 16

b. Hitung dengan operasi perkalian matriks jumlah bahan baku yang diperlukan di tiap
pabrik Surabaya dan Sidoarjo.
c. Hitung jumlah biaya, jumlah penjualan dan laba yang dicapai dengan operasi matriks
di Surabaya dan Sidoarjo.

Jawab :
a. Matriks – matriks dalam persoalan ini :
1 2 1
Matriks komposisi bahan baku dari barang A, B dan C : 𝑄 = [3 2 2]
2 1 2
100 80
Matriks produk dari barang A, B dan C di Surabaya dan Sidoarjo : 𝑅 = [200 120]
250 200

Matriks harga bahan baku K, L dan M tiap unit : 𝑆 = [500 800 1000]

Matriks harga jual barang A, B dan C tiap unit : 𝑇 = [3000 5000 7000]

b. Jumlah bahan baku yang dipakai di Surabaya dan Sidoarjo :

1 2 1 100 80 750 520
𝑈 = 𝑄 × 𝑅 = [3 2 2] × [200 120] = [1200 880]
2 1 2 250 200 900 680

c. Perhitungan Laba :
Dihitung dulu jumlah biaya produk di Surabaya dan di Sidoarjo :
750 520
𝐷 = 𝑆 × 𝑈 = [500 800 1000] × [1200 880] = [2.235.000 1.644.000]
900 680

Hasil penjualan barang di Surabaya dan Sidoarjo :

100 80
𝐸 = 𝑇 × 𝑅 = [3000 5000 7000] × [200 120] = [3.050.000 2.240.000]
250 200

Sehingga laba yang diraih di Surabaya dan Sidoarjo adalah:

𝐿 = 𝐸 × 𝐷 = [3.050.000 2.240.000] × [2.235.000 1.644.000]
= [815.000 596.000]

ANALISIS MODEL INPUT-OUTPUT (I-O)

Dikembangkan oleh Wassily W. Leontief.

Analisis I-O, didasarkan dari gagasan bahwa sistem perekonomian suatu negara dapat dibagi-
bagi ke dalam sejumlah sektor atau industri yang berbeda-beda; dimana kegiatan antar industri
tersebut saling berkaitan. Saling keterkaitan ini artinya bahwa setiap industri memerlukan input
dari industri lainnya untuk menghasilkan outputnya. Kemudian output tersebut diperlukan
sebagai input oleh industri-industri lainnya untuk menghasilkan output mereka.
 Matematika II. EP. 17

Tujuan dari analisis I-O adalah untuk menentukan berapa banyak tingkat output (keluaran) dari
setiap industri yang harus diproduksi dalam suatu perekonomian, agar dapat memenuhi total
permintaan terhadap produk secara pasti.
Jadi, analisis I-O adalah analisis tentang tingkat output dari setiap industry yang diperlukan
oleh industri lain dan termasuk industrinya sendiri sebagai input antara dan sebagian diperlukan
oleh industri lain dan termasuk industrinya sendiri sebagai input antara, dan sebagian
diperlukan oleh sektor rumah tangga, pemerintah, investor atau eksportir sebagai produk akhir.

Dalam melakukan studi input output, diperlukan pembuatan 3 macam matriks utama, yaitu :
1. Matriks transaksi
2. Matriks koefisien teknis
3. Matriks koefisien saling ketergantungan / Matriks koefisien total

Untuk memperoleh tingkat keseimbangan output X guna memenuhi permintaan antara dan
permintaan akhir dalam suatu perekonomian, maka diperlukan langkah-langkah :
1. Buat matrik transisi
2. Buat matriks koefisien teknis atau input (aij)
3. Hitung matriks teknologi / matriks Leontief (I - A)
4. Carilah matriks koefisien saling ketergantungan, yaitu inverse dari matriks teknologi
(I-A)-1, jika ada.
5. Kalikan inverse dari matriks teknologi (I-A)-1 dengan vektor permintaan akhir D, agar
dapat diperoleh nilai output X.

Contoh : Diketahui matriks transaksi perekonomian Provinsi Sulawesi Utara Tahun 2000 yang
disederhanakan (dalam jutaan rupiah).

Output Permintaan Antara

Pertanian Industri Jasa & Lainnya Permintaan Total
Input Akhir Output
Pertanian 2.593 3.563 2.090 9.420 17.666
Input Industri 1.585 4.072 3.064 6.566 15.287
Antara Jasa & 4.536 1.990 2.485 5.742 14.753
Lainnya
Input Primer 8.952 5.662 7.114
Total Input 17.666 15.287 14.753

1. Dibuat matriks koefisien teknis atau input :

Output Permintaan Antara
Pertanian Industri Jasa & Lainnya
Input
Pertanian 0,1468 0,2331 0,1417
Input Industri 0,0897 0,2664 0,2077
Antara Jasa &Lainnya 0,2568 0,1302 0,1684
Input Primer 0,5067 0,3704 0,4822
Total Input 1,0000 1,0000 1,0000

2. Dari matriks koefisien teknis atau input tersebut dapat ditulis dalam bentuk matriks
baru A sebagai berikut :
0,1468 0,2331 0,1417
𝐴 = [0,0897 0,2664 0,2077]
0,2568 0,1302 0,1684
 Matematika II. EP. 18

3. Matriks Teknologi atau Matriks Leontief diperoleh dengan cara mengurangkan

matriks identitas (I) dengan matriks koefisien teknis atau input (A). Diperoleh :

1 0 0 0,1468 0,2331 0,1417

(I − A) = [0 1 0] − [0,0897 0,2664 0,2077]
0 0 1 0,2568 0,1302 0,1684

0,8532 −0,2331 −0,1417

= [−0,0897 0,7336 −0,2077]
−0,2568 −0,1302 0,8316

4. Invers dari matriks Leontief (I - A) atau matriks saling ketergantungan dapat

diperoleh dengan menggunakan metode Adjoin dan determinan, sbb :
Determinan dari matriks (I – A), adalah :

0,7336  0,2077  0,0897  0,2077  0,0897 0,7336

I - A  0,8532  0,2331  0,1417
 0,1302 0,8316  0,2568 0,8316  0,2568  0,1302
 0,8532 0,5831  0,2331 0,1279  0,14170,2001
= 0,4393

Matriks kofaktor C adalah :

 0,7336  0,2077  0,0897  0,2077  0,0897 0,7336 
  
  0,1302 0,8316  0,2568 0,8316  0,2568  0,1302 
  0,2331  0,1417 0,8532  0,1417 0,8532  0,2331 
C   
  0,1302 0,8316  0,2568 0,8316  0,2568  0,1302 
  0,2331  0,1417 0,8532  0,1417 0,8532  0,2331 
 0,7336  0,2077 
  0,0897  0,2077  0,0897 0,7336 

 0,5831 0,1279 0,2001

C  0,2122 0,6731 0,1710 
0,7524 0,1899 0,6050
Matriks Adjoint (I – A) adalah matriks kofaktor C yang ditranspose, shingga :
0,5831 0,2122 0,7524
Adj. I - A   0,1279 0,6731 0,1899 
0,2001 0,1710 0,6050

Jadi, inverse dari matriks Leontief adalah :

I - A-1  1 Adj. I - A
I-A

0,5831 0,2122 0,7524

1 
  0,1279 0,6731 0,1899 
0,4393
0,2001 0,1710 0,6050
 Matematika II. EP. 19

1,3273 0,4830 1,7127 

 0,2911 1,5322 0,4323
0,4555 0,3893 1,3772 

5. Untuk memperoleh nilai-nilai output X, rumus yang digunakan adalah :

X  I  A  D .
1

Jadi :
 X1  1,3273 0,4830 1,7127  9.420
X   0,2911 1,5322 0,4323  6.566
 2    
X3  0,4555 0,3893 1,3772  5.742

25.508,867 
 15.284,854 
14.754,836 

Jadi, agar dapat memenuhi tingkat permintaan dari sektor pertanian (X1), sektor industri
(X2) serta sektor jasa dan lainnya (X3), harus menghasilkan berturut-turut senilai : Rp.
25.508.867 juta; Rp. 15.284,854 juta; dan Rp. 14.754,836 juta.

Sektor Pertanian Industri Jasa Permintan Output

Akhir Total
Pertanian 40 70 10 80 200
Industri 30 160 120 270 580
Jasa 20 100 110 240 470
Nilai Tambah 110 250 230 140 730
Output Total 200 580 470 730 1980