BAB X
MATRIK DAN SISTEM PERSAMAAN LINIER SIMULTAN
Pembahasan berikut ini akan meninjau salah satu implementasi operasi matrik
untuk menyelesaikan sistem persamaan linier simultan. Selain menggunakan
invers matrik, terdapat beberapa metoda yang dapat digunakan untuk
menyelesaikan sistem persamaan linier dengan memanfaatkan perhitungan
matrik, yaitu eliminasi Gauss, eliminasi Gauss-Jordan, Jacobi, dan Gauss-Seidel.
2X + 3Y = 7 (1)
3X + 5Y = 11 (2)
Harga variabel X dan Y pada kedua persamaan di atas dapat dihitung atau
ditemukan dengan cara sebagai berikut. Mula-mula kita harus mengeliminasi
salah satu variabel dalam persamaan, misal X. Untuk mengeliminasi variabel X
dari persamaan (2) dapat dilakukan dengan cara membagi persamaan (1)
dengan 2, sehingga persamaan (1) akan menjadi sebagai berikut:
2X + 3Y = 7 ……………………… (1)
(2X + 3Y = 7) / 2
X + 3/2Y = 7/2 ……………………. (3)
Hasil yang diperoleh pada persamaan (3) tersebut nantinya akan digunakan
untuk mengurangi pada persamaan (2). Karena koefisien variabel X dalam (2)
adalah 2, maka sebelum digunakan untuk mengurangi, maka persamaan (3)
perlu dikalikan 3 terlebih dahulu. Hasil yang akan diperoleh adalah sebagai
berikut:
Hasil pada persamaan (4) kemudian akan digunakan untuk mengurangi pada
persamaan (2), sehingga akan diperoleh hasil sebagai berikut:
½Y = ½ ………………………….. (5)
2(½Y = ½)
Y = 1……………………… (6)
2X + 3Y = 7 ……………………….… (1)
2X + 3x1 = 7
2X + 3 = 7
2X = 4
X = 2 ……………………… (7)
Sekarang kita akan meninjau teknik eliminasi Gauss untuk menyelesaikan sistem
persamaan linier simultan. Secara umum sistem persamaan linier dapat
dinotasikan sebagai berikut ini:
AX = B …………………………….… (8)
. . . . .
. . . . .
AN1 AN2 ….. ANN XN BN
B
Notasi dalam persamaan (8), dapat dituliskan menjadi persamaan notasi matrik
yang diperbesar (augmented matrik), yaitu sebagai berikut:
A11 A12……A1N B1
A21 A22……A2N B2
A31 A32……A3N B3
. . . .
. . . .
AN1 AN2……ANN BN
Dan selanjutnya matrik X merupakan matrik yang akan dicari dengan metoda
eliminasi Gauss.
XNX1 = X1
X2
X3
.
.
XN
2X + 3Y = 7 ……………………… (1)
3X + 5Y = 11 ……………………… (2)
Sistem persamaan tersebut dapat diubah ke dalam notasi matrik sebagai berikut
ini:
AX = B
3 7
R2%½ ↔ 1 /2 /2
0 1 1
4. Langkah ke-4, baris ke-1 dikurangi dengan 3/2 kali baris ke-2
R-3/2 x R2 ↔ 1 0 2
0 1 1
Pada akhir langkah ke-4 semua elemen matrik telah mempunyai harga 0 (nol)
kecuali pada diagonal utama yang mempunyai harga 1 dan pada kolom paling
kanan, seningga proses telah selesai. Hasil penyelesaian sistem persamaan
linier adalah ditunjukan pada kolom paling kanan, yaitu X=2 dan Y=1.
Perhitungan pada langkah ke-1 hingga langkah ke-3 adalah memperlihatkan
tahap eliminasi maju. Sedangkan langkah ke-4 adalah subsitusi mundur.
1 0…… 0 X1
0 1…… 0 X2
. .
. .
0 0…… 1 XN
Dalam matrik hasil tersebut harga-harga penyelesaian yang dicari untuk sistem
persamaan linier simultan adalah ditunjukkan pada kolom paling kanan yaitu
dalam variabel X1, X2, X3, dan seterusnya hingga XN dimana N adalah sesuai
dengan banyaknya persamaan.
A[K,I] = 0
6. Cetak hasil
7. Selesai
Beberapa variasi dapat dilakukan pada metoda eliminasi Gauss. Setiap entri
pada baris dapat dibagi dengan elemen pivot setelah tahap eliminasi maju,
selama proses eliminasi maju berlangsung, atau bahkan setelah tahap subsitusi
mundur selesai dijalankan. Variasi lain yang penting adalah dengan melakukan
perputaran atau “pivoting”. Kesalahan yang terjadi akibat pembulatan angka,
dapat diminimalkan dengan saling menukar antar baris dan kolom. Jika
pertukaran dilakukan antar baris dan kolom sekaligus, maka disebut eliminasi
dengan perputaran penuh atau “ full pivoting”. Sedangkan jika pertukaran hanya
dilakukan antar baris saja maka disebut sebagai eliminasi dengan perputaran
sebagian atau “partial pivoting”.
R1 ↔ R3
Berikut ini akan diberikan contoh menyelesaikan sistem persamaan linier dengan
menggunakan metoda eliminasi Gauss tanpa perputaran, dengan perputaran
sebagian, dan dengan perputaran penuh. Sistem persamaan linier simultan yang
akan diselesaikan adalah dari tiga persamaan, yaitu sebagai berikut ini:
X1 + 3X2 - 2X3 =7
8
4X1 - X2 - 3X3 = 10
-5X1 + 2X2 + 3X3 =7
Pada akhir langkah ke-6 semua elemen matrik telah mempunyai harga 0 (nol)
kecuali pada diagonal utama yang mempunyai harga 1 dan pada kolom paling
kanan, sehingga proses telah selesai. Hasil penyelesaian sistem persamaan
linier adalah ditunjukkan pada kolom paling kanan, yaitu X1 = 1.4999, X2 =
3.4999, dan X3 = 2.4998.
9
Pada akhir langkah ke-6 semua elemen matrik telah mempunyai harga 0 (nol)
kecuali pada diagonal uatama yang mempunyai harga 1 dan pada kolom paling
kanan, sehingga proses telah selesai. Hasil penyelesaian sistem persamaan
linier adalah ditunjukkan pada kolom paling kanan, yaitu X1 = 1.5000, X2 =
3.5001, dan X3 = 2.5000.
10
Mulai
FOR I = 1 TO N
FOR J = 1 TO N
A[I,J] = A[I,J]/A[I,I]
NEXT J
FOR K = 1 TO N
FOR J = 1 TO M
A[k,J] = A[k,J]xA[I,J]
NEXT J
NEXT K
NEXT I
FOR I = N DOWN TO 2
FOR K = I TO I-1
NEXT K
NEXT I
Cetak hasil
Selesai
Dengan asumsi bahwa semua elemen pada matrik yang diperbesar telah
diketahui, maka algoritma prosedur penyelesaian sistem persamaan linier
simultan dengan metoda eliminasi Gauss-Jordan dapat dituliskan sebagai
berikut:
Dari matrik yang diperbesar dengan entri A[I,J].
N menyatakan indeks terbesar pada matrik A dan M = N + 1.
A[K,J] adalah harga-harga penyelesaian untuk sistem persamaan linier simultan.
1. Mulai
2. Proses berulang langkah-3 s/d langkah-4
FOR I = 1 TO N
3. Proses berulang untuk membagi masing-masing elemen dalam baris dengan
pivot
FOR J = I TO M
Hitung
A[I,J] = A[I,J]/A[I,I]
4. Proses berulang untuk mengurangkan hasil perkalian suatu baris pada setiap
baris yang lain
FOR K = 1 TO N
14
IF K <> I
Hitung
FOR J = I TO M
A[K,J] = A[K,J] – A[K,I] x A[I,J]
5. Cetak hasil
6. Selesai
Untuk lebih jelasnya berikut ini akan diberikan contoh penerapannya. Jika sistem
persamaan yang akan diselesaikan adalah sama dengan contoh sebelumnya,
maka di bawah ini akan ditampilkan langkah-langkah penyelesaian dengan
menggunakkan metoda eliminasi Gauss-Jordan. Pada bagian yang lebih dahulu
adalah penyelesaian tanpa perputaran, sedangkan berikutnya merupakan variasi
dengan perputaran sebagian. Selanjutnya, anda dipersilakan mencobanya jika
menggunakan variasi penuh.
1 3 -2 7
4 -1 3 10
-5 2 3 7
Sebagai catatan tambahan, penting diperhatikan bahwa jika salah satu elemen
diagonal matrik berharga 0 (nol), algoritma eliminasi Gauss dan eliminasi Gauss-
jordan akan mengalami kegagalan, yaitu sejak langkah ke-2 dimana elemen pivot
membagi elemen-elemen baris. Untuk mengatasi hal ini dapat dilakukan dengan
cara menambahkan satu langkah pengecekkan harga 0 (nol) pada awal langkah
ke-2. jika ditemeukan 0 (nol) pada elemen diagonal, kemudian dicek pada baris
berikutnya untuk kolom yang sama. Penetapan pivot pada baris asli adalah
dilakukan dengan menggunakan elemen pada kolom yang lain. Dan proses
selanjutnya tetap mengikuti prosedur sebagaimana algoritma yang telah ditulis di
atas.
Mulai
FOR I = 1 TO N
FOR J = I TO M
A[I,J] = A[I,J]/A[I,I]
NEXT J
FOR K = 1 TO M
YA TIDAK
K<>I
FOR J = I TO M
A[K,J] = A[K,J]-A[K,J]Xa[I,j]
NEXT J
NEXT K
NEXT I
Cetak hasil
Selesai
Proses dalam metoda Jacobi dapat dijelaskan sebagai berikut. Mula-mula pada
langkah pertama adalah menyelesaikan salah satu variabel pada masing-masing
persamaan. Sebagai contoh, jika diketahui sistem persamaan dengan bentuk
sebagai berikut:
I
Jika X J menyatakan harga estimasi variabel XJ pada iterasi ke-I, dan N adalah
menyetakan cacah variabel yang akan diselesaikan, maka kita akan memperoleh
harga-harga X1, X2, …XN sebagai penyelesaian sistem persamaan jika:
19
∑( X
J =1
I
J − X JI −1 ) 2 < EPSILON
Dengan demikian, jika N menyatakan cacah variabel yang tidak diketahui dan X1,
X2, …XN adalah larik harga awal yang diinisialisasikan, dan F1, F2,
…FNmenyatakan persamaan-persamaan yang akan digunakan untuk
menyelesaikan sistem persamaan, maka algoritma di bawah ini akan
menyelesaikan persamaan-persamaan berikut:
X1 = F1 (X2,X3…XN)
X2 = F2 (X1,X3, X4 …XN)
X3 = F3 (X1,X3, X4 …XN)
. .
. .
XN = FN (X1,X2…XN-1)
Harga-harga pendekatan pada iterasi yang lebih akhir akan disimpan dalam
vektor yang diberi nama BARU. Proses akan berhenti ketika jumlah kuadrat
selisih dua hasil yang berurutan kurang dari harga EPSILON atau jika iterasi
perulangan telah dilakukan 30 kali. Dengan batasan cacah iterasi sebanyak 30
tersebut, maka apabila sistem persamaan memang memiliki penyelesaian akan
dapat ditemukan.
FOR J = 1 TO N
Hitung
JUMLAH = JUMLAH+(BARU[J]-X[J]^2
Cek konvergensi
IF JUMLAH < EPSILON
Jika ya, cetak hasil perhitungan
(BARU[1], BARU[2],…BARU[N])
Selesai
5. Proses berulang untuk menentukan hraga-harga pendekatan baru
FOR J = 1 TO N
X[J] = BARU [J]
6. Cetak pesan bahwa konvergensi gagal/penyelesaian tidak ditemukan
(“Penyelesaian tidak ditemukan dalam 30 iterasi, hasil hitungnya: “,
X[1],X[2],…X[N])
7. Selesai
Harga awal yang digunakan untuk X1, X2, dan X3 masing-masing adalah 0 (nol).
Tingkat ketelitian yang digunakan adalah 4 (empat) digit di belakang koma atau
0,0001. Berdasarkan hasil perhitungsn dalam tabel tersebut, maka harga
penyelesaian yang diperoleh adalah X1 = 1.0000, X2 = 2.0000, dan X3 = 1.0000.
Penyelesaian tersebut adalah ditemukan setelah 21 iterasi perulangan.
21
Mulai
FOR I = 1 TO 30
FOR J = 1 TO N
BARU[J]=F[J](X1,X[2],…X[J-1],X[J+1],…X[N]
NEXT J
JUMLAH = 0
FOR J = 1 TO N
JUMLAH = JUMLAH+(BARU[J]-X[J])^2
YA TIDAK
JUMLAH<ε NEXT J
NEXT J
NEXT I
mulai
Mulai
FOR I = 1 TO 30
JUMLAH = 0
FOR J = 1 TO N
LAMA = X[J]
X[J]=F[J](X[1],X[2],…X[J-1],X[J+1],…X[N]
JUMLAH = JUMLAH+(X[J]-LAMA)^2
NEXT J
Ya Tidak
JUMLAH<ε NEXT J
Selesai
Dengan menggunakan harga awal untuk X1, X2, X3 masing-masing adalah 0 (nol)
dan dengan menggunakan tingkat ketelitian 4 digit desimal (=0.0001), maka
sebagaimana terlihat dalam tabel tersebut, untuk menentukan harga-harga
penyelesaian sistem persamaan linier simultan di atas, hanya diperlukan 6 iterasi
perulangan saja. Hasil akhirnya masing-masing adalah X1 = 1.0000, X2 = 2.0000,
X3 = 1.0000.