SISTEM PERSAMAAN ALJABAR LINEAR

MOTIVASI
Dalam Bagian II, kita telah menentukan harga x yang memenuhi sebuah persamaan tunggal, f(x) = 0. Sekarang
kita menangani kasus untuk menentukan harga-harga x1, x2, …, xn yang secara simultan memenuhi sekumpulan
persaman :
f1 ( x 1 , x 2 ,..., x n )  0
f 2 ( x 1 , x 2 ,..., x n )  0
. .
. .
. .
f n ( x1 , x 2 ,..., x n )  0
Sistem semacam itu dapat linear atau tak linear. Dalam Bagian III ini, kita menangani persamaan aljabar linear
yang bentuk umumnya adalah :
a 11 x 1  a 12 x 2  ...  a 1n x n  c1
a 21x1  a 22 x 2  ...  a 2 n x n  c 2
. . . .
. . . .
. . . .
a n1 x1  a n 2 x 2  ...  a nn x n  c n (III.1)
di mana setiap a adalah koefisien konstanta, c adalah konstanta, dan n adalah jumlah persaman. Semua
persamaan lainnya adalah tak linear. Sistem tak linear akan dibahas secara jelas pada akhir Bagian III.

III.1.1 Metode Prakomputer untuk Menyelesaikan Sistem Persamaan

Untuk sejumlah kecil persamaan (n  3) persamaan linear (kadang-kadang tak linear) dapat diselesaikan segera
dengan teknik yang sederhana. Beberapa metode ini akan ditinjau lagi pada awal Bab 7. Tetapi untuk empat
persamaan atau lebih, solusinya menjadi sukar dan komputer harus dimanfaatkan. Secara historis,
ketidakmampuan untuk menyelesaikan semua persamaan, kecuali sekumpulan kecil persamaan dengan tangan,
telah membatasi cakupan masalah yang tertuju dalam kebanyakan aplikasi teknik.
Sebelum komputer, teknik untuk menyelesaikan sistern persamaan aljabar linear agak janggal dan memakan
waktu. Pendekatan ini telah menempatkan hambatan kreativitas, sebab metode tersebut seringkali sukar
dilaksanakan dan diartikan. Akibatnya teknik ini seringkali terlalu ditekankan pada pengeluaran aspek lainnya dari
proses penyelesaian masalah, seperti formulasi dan interpretasi (lihat Gambar 1.1 dan pembahasan yang
menyertainya).
Kemajuan dari komputer pribadi yang mudah dicapai membuat hal tersebut memungkinkan dan praktis bagi anda
untuk menyelesaikan sekumpulan besar persamaan aljabar linear simultan. Jadi anda dapat mendekati contoh dan
masalah yang lebih kompleks serta contoh dan masalah yang realistis. Selanjutnya anda akan mempunyai banyak
waktu untuk menguji keterampilan kreativitas anda, sebab anda akan menempatkan penekanan pada formulasi
masalah dan interpretasi solusi.

III.1.2 Persamaan Aljabar Linear dan Praktik Teknik

Kebanyakan persamaan-persamaan fundamental teknik didasarkan pada hukum-hukum konservatif (lihat Tabel
II.1). Beberapa besaran yang serasi dengan hukum semacam itu ialah : massa, gaya, energi, dan momentum.
Dalam istilah matematika, prinsip-prinsip ini membawa persamaan keseimbangan atau kontinuitas yang
menghubungkan perilaku sistem seperti dinyatakan oleh tingkat atau tanggapan (respons) dari besaran yang
tengah dimodelkan terhadap sifat atau karakteristik sistem dan rangsangan luar (eksternal) terhadap sistem.
Sebagai contoh, kekekalan massa dapat digunakan untuk merumuskan suatu keseimbangan massa bagi sederetan
reaktor kimia (Gambar III.1a). Untuk hal ini, besaran yang sedang dimodelkan adalah massa bahan kimia di
setiap reaktor. Perilaku sistem adalah karakteristik reaksi dari bahan kimia dan ukuran reaktor serta laju aliran.
Rangsangan eksternal adalah laju pemasukan bahan kimia ke dalam sistem.
Pada bagian terdahulu dari buku ini, anda telah melihat bagaimana sistem komponen tunggal menghasilkan
sebuah persamaan tunggal yang dapat diselesaikan dengan menggunakan teknik penempatan akar. Sistem
multikomponen dihasilkan dalam sekumpulan persamaan matematika tergandeng yang harus diselesaikan secara
simultan. Persamaan-persanaan ini digandengkan karena masing-masing bagian sistem dipengaruhi oleh bagian
lainnya. Misalnya dalam Gambar III.1a, reaktor 4 menerima masukan bahan kimia dari reaktor 2 dan 3.
Akibatnya, rangsangannya tergantung jumlah bahan terhadap besaran kimia dalam reaktor lainnya.
Kalau ketergantungan ini dinyatakan secara matematika, persamaan yang dihasilkan sering berbentuk aljabar
linear dari Persamaan (III.1). Setiap x biasanya mengukur besar dan tanggapan (respons) dari masing-masing
komponen. Dengan menggunakan Gambar III.la sebagai contoh, xl dapat menunjukkan kuantitas jumlah massa
dari reaktor pertama, x2 dapat menunjukkan kuantitas jumlahnya dari reaktor kedua, dan seterusnya. Setiap a
menurut jenisnya menyatakan perilaku dan karakteristik yang berlaku pada interaksi di antara komponen-
komponen. Misalnya, harga-harga a pada Gambar III.la dapat merupakan laju aliran dari massa diantara
reaktor-reaktor. Akhirnya, harga-harga c biasanya menyatakan rangsangan eksternal yang bekerja pada sistem,
seperti laju pemasukan dalam Gambar III.1a. Studi kasus dalam Bab 9 memberikan contoh-contoh lainnya dari
persamaan-persamaan demikian yang diturunkan dari praktik teknik.
Soal-soal multikomponen dari jenis di atas timbul dari kedua model matematika variabel gumpalan (makro) atau
kontinu (mikro) (Gambar III.1). Soal-soal variabel gumpalan meliputi pasangan komponen-komponen harga
tergandeng seperti tiang sangga (Studi Kasus 9.3), reaktor (Gambar III.1a), dan rangkaian listrik (Studi Kasus
9.4). Jenis soal-soal ini menggunakan model yang memberikan perilaku kasar dari perilaku kasar dan sistem
disertai sedikit atau tanpa rician spasial.
Sebaliknya, soal-soal berskala mikro mencoba menjelaskan rincian spasial terhadap suatu basis kontinu atau
semikontinu. Distribusi dari bahan kimia sepanjang sebuah reaktor empat persegi yang memanjang (Gambar III.
lb) merupakan suatu contoh dari sebuah mobel yang kontinu. Persamaan diferensial yang diturunkan dari hukum-
hukum kekekalan menentukan distribusi variabel tidak bebas (dependen) untuk sistem yang demikian (Studi
Kasus 9.2). Persamaan diferensial ini dapat diselesaikan secara numerik dengan mengubahnya menjadi suatu
sistem serupa (ekuivalen) dari persamaan aljabar stimultan. Solusi dari kumpulan persamaan demikian mewakili
suatu bidang aplikasi teknik utama untuk metode-metode dalam bab yang berikut. Persamaan-persamaan ini
berkaitan karena variabel-variabel pada suatu tempat tergantung pada variabel-variabel di daerah penghubung.
Misalnya, konsentrasi di tengah reaktor merupakan fungsi dari konsentrasi di daerah penghubung. Contoh yang
serupa, dapat dikembangkan untuk distribusi spasial dari suhu dan momentum.

GAMBAR III.1 Dua jenis sistem yang dapat dimodelkan dengan menggunakan sistem persamaan aljabar linear;
(a) sistem makro-variabel yang mencakup komponen hingga digandengkan, (b) sistem mikro-variabel yang
mencakup suatu kontinum.
Di samping sistem fisika, persamaan aljabar linear simultan juga muncul dalam pelbagai konteks soal matematika.
Hal ini terjadi kalau fungsi-fungsi matematika diperlukan agar memenuhi beberapa kondisi secara simultan.
Setiap kondisi menghasilkan suatu persamaan yang mengandung koefisien yang diketahui dan variabel-variabel
yang tidak diketahui. Teknik yang dibahas dalam bagian ini dapat digunakan untuk menyelesaikan
koefisien-koefisien jika persamaan tersebut linear dan secara aljabar. Beberapa teknik numerik yang secara luas
digunakan dan menggunakan persamaan simultan adalah analisis regresi (Bab 10) dan interpolasi spline (Bab 11).

III.2 LATAR-BELAKANG MATEMATIKA

Semua bagian dari buku ini memerlukan beberapa latar-belakang matematika. Untuk Bagian III, notasi matriks
dan aljabar berguna karena memberikan suatu cara yang ringkas untuk menyatakan dan memanipulasikan sistem
persamaan aljabar linear. Jika anda telah terbiasa dengan matriks, silakan langsung ke Pasal III.3. Bagi mereka
yang belum terbiasa atau memerlukan suatu tinjauan ulang, materi yang berikut ini memberikan suatu pengantar
yang jelas terhadap subjek.

III.2.1 Notasi Matriks

Sebuah matriks terdiri dari suatu deretan elemen berbentuk persegi panjang dan dinyatakan oleh simbol tunggal.
Seperti dilukiskan dalam Gambar III.2, [A] adalah notasi kependekan untuk matriks dan aij menandai
masing-masing elemen inatriks.
Sekumpulan elemen horizontal disebut suatu baris, dan sekumpulan elemen vertikal dinamakan kolom. Subskrip
pertama i seIalu menandai jumlah baris, di dalam mana elemen itu terletak. Subskrip kedua j, menandai kolom,
misalnya elemen a23 terletak pada baris 2 dan kolom 3.
Matriks dalam Gambar III.2 mempunyai baris m dan kolom n serta dikatakan mempunyai dimensi m dengan n
(atau m x n). la diacu sebagai sebuah matriks m x n.
Matriks dengan dimensi baris, m = 1, seperti :
 B   b1b 2 ...b n 
Dinamai vektor baris. Perhatikan bahwa untuk mudahnya, subkrip pertama dari setiap elemen dihilangkan.
Kolom 3
 a 11 a 12 a 13 . . . a 1n 
a a 22 a 23 . . . a 2 n 
 21
 . . . 
 A   
 . . . 
 . . . 
 
a m1 a m2 a m3 . . . a mn 
GAMBAR III.2 Sebuah matriks.
Matriks dengan dimensi kolom n = 1, seperti :
 c1 
c 
 2
 . 
 C   
 . 
 . 
 
c m 
dikenal sebagai vektor kolom. Untuk mudahnya, subskrip kedua dihilangkan
Matriks di mana m = n disebut matriks bujur sangkar. Misalnya, sebuah matriks 4 x 4 adalah :
  a 11 a 12 a 13 a 14 
a a 22 a 23 a 24 
 A   21

a 31 a 32 a 33 a 34 
 
a 41 a 42 a 43 a 44 
Diagonal yang terdiri dari elemen a11, a22, a33 dan a44 dinamakan diagonal utama matriks.
Matriks bujur sangkar terutama penting sewaktu menyelesaikan kumpulan persamaan linear simultan. Untuk
sistem demikian, jumlah persaman (sesuai dengan baris) dan jumlah yang tidak dikenal (sesuai dengan kolom)
harus sama supaya memungkinkan suatu solusi yang unik. Akibatnya, matriks bujur sangkar dari
koefisien-koefisien dijumpai sewaktu menangani sistem yang demikian. Beberapa jenis matriks bujur sangkar
istimewa dijelaskan dalam Kotak III.1.

KOTAK III.1 Jenis-jenis Matriks Bujur Sangkar Istimewa

Terdapat sejumlah bentuk matriks bujur sangkar istimewa yang penting dan harus dicatat :
Matriks simetris adalah matriks di mana aij = aji untuk semua i dan j.
Misalnya :
5 1 2
 A   1 3 7
 2 7 8 
adalah matriks simetris 3 x 3
Matriks diagonal adalah matriks bujur di mana semua elemen, kecuali diagonal utama, sama dengan nol, seperti :
a 11 
 a 22 
 A   
 a 33 
 
 a 44 
Perhatikan bahwa bila blok elemen-elemen besar adalah nol, blok dibiarkan kosong
Matriks identitas adalah matriks diagonal di mana semua elemen pada diagonal utama sama dengan satu, seperti :
1 
 1 
 A   
 1 
 
 1
Simbol [I] digunakan untuk menunjukkan matriks identitas. Matriks ini memiliki perilaku yang serupa dengan
kesatuan.
Matriks triangular atas adalah matriks di mana semua elemen di bawah diagonal utama adalah nol, seperti :
a 11 a 12 a 13 a 14 
 a 22 a 23 a 24 
 A  
 a 33 a 34 
 
 a 44 
Matriks triangular bawah adalah matriks di mana semua elemen di atas diagonal utama adalah nol, seperti :
 a 11 
a a a 
 A   21 22 23 
a 31 a 32 a 33 
 
a 41 a 42 a 43 a 44 
Matriks pita mempunyai elemen-elemen yang sama dengan nol, kecuali pita (band) yang dipusatkan pada
diagonal utama :
 a 11 a 12 
a a 22 a 23 
 A   21 
 a 32 a 33 a 34 
 
 a 43 a 44 
Matriks di atas mempunyai lebar pita = 3 dan diberi nama khusus – matriks tridiagonal.

III. 2.2 Aturan Pengoperasian Matriks

Sekarang, setelah kita tentukan apa yang diartikan oleh sebuah matriks, kita dapat mendefinisikan beberapa
aturan pengoperasian yang menyangkut kegunaannya. Dua matriks m x n adalah sepadan, jika setiap elemen pada
matriks pertama sama dengan setiap elemen dalam matriks kedua, yakni [A] = [B], jika aij = bij untuk semua i dan
j.
Penambahan dua matriks, katakanlah [A] dan [B], dilakukan dengan menambahkan suku-suku yang sesuai pada
setiap matriks. Elemen-elemen dari matriks hasil [C] dihitung sebagai :
c ij  a ij  b ij
untuk setiap i = 1, 2, …, m dan j = 1, 2, …, n.
Sama halnya, pengurangan dua matriks, katakanlah [E] dikurangi [F], diperoleh dengan mengurangkan
suku-suku yang bersesuaian, seperti dalam :
d ij  e ij  f ij
Untuk i = 1, 2, …, m dan j = 1, 2, …, n. la secara langsung mengikuti definisi di atas bahwa penambahan serta
pengurangan hanya dapat dilakukan di antara matriks-matriks yang memiliki dimensi yang sama.
Penambahan dan pengurangan adalah komutatif :
 A   B   B   A
dan
 E    F   F   E 
Penambahan dan pengurangan adalah juga asosiatif, yaitu :
A    B   C     A    B    C
Perkalian matriks [A] oleh suatu skalar g diperoleh dengan mengalikan setiap elemen dari [A] dengan g, seperti
dalam :
 ga 11 ga 12 . . . ga 1n 
 ga ga 22 . . . ga 2 n 
 21
 . . . 
 B  g  A    
 . . . 
 . . . 
 
ga m1 ga m 2 ga mn 
Hasil kali dua matriks dinyatakan sebagai [C] = [A][B], di mana elemen [C] didefinisikan sebagai (lihat Kotak
III.2 yang secara sederhana mengkonsepsikan perkalian matriks).
n
c ij   a ik b kj
k 1
Di mana n dimensi kolom dari [A] dan dimensi baris dari [B].

KOTAK III.2 Metode Sederhana untuk Mengalikan Dua Matriks

Walaupun Persamaan (III.2) telah dicocokkan secara baik untuk dilaksanakan pada sebuah komputer, ia bukanlah
suatu cara yang termudah untuk memvisualisasikan mekanisme perkalian dua matriks. Apa yang dilakukan
berikut ini diberikan pernyataan yang nyata terhadap konsep. Misalnya bahwa kita ingin mengalikan [A] dengan
[B] untuk memperoleh [C] :
3 1
5 9
 C   A  B  8 6 7
 2
0 4
Cara yang mudah untuk menyatakan komputasi [C] menjadikan [B], seperti dalam :
5 9 
 7 2    B
 
 3 1  
 A  8 6  2    C
  
0 4  

Sekarang jawaban [C] dapat dihitung dalam ruangan yang kosong dengan [B] Format ini mempunyai manfaat
karena ia mengatur baris serta kolom yang akan dikalikan secara baik. Misalnya, sesuai dengan Persamaan (III.2),
elemen cl,1 diperoleh dengan mengalikan baris pertama dari (A) dengan kolom pertama [B]. Ini dihitung dengan
menambahkan hasil kali dari a1,1 dan b1,1 menjadi hasil kali dari a1,2 dan b2,1 seperti pada.

5 9 
7 2   B
 
3 1 3  5  1 7  22
A  8 6     C

0 4  

Jadi, cl,2 sama dengan 22. Elemen c2,1 dapat dihitung dalam bentuk yang serupa, seperti dalam :
 5 9 
7 2  B
 
3 1  22 
A  8 6 8  5  6  7  82  C
0 4  

Perhitungan dapat diteruskan dengan cara ini, diikuti oleh pengaturan baris dan kolom, untuk memenuhi hasil :
22 29
 C  82 84 
 28 8 
Perlu diperhatikan bagaimana metode sederhana ini membuat hal tersebut menjadi jelas dan tidak mungkin
mengalikan kalau jumlah kolom dari matriks pertama tidak sepadan dengan jumlah baris pada matriks kedua.
Perlu diperhatikan juga, bagaimana ia menunjukkan orde dari persoalan perkalian. Soal 7.3 juga menjelaskan hal
ini.
Artinya, elemen cij diperoleh dengan menambahkan hasil kali masing-masing elemen baris ke -i dari matriks
pertama, dalam hal ini [A], dengan kolom ke j dari matriks kedua [B]. Menurut definisi ini perkalian dua matriks
hanya dapat dibentuk jika matriks pertama mempunyai banyak kolom sama, dengan jumlah baris dalam matriks
kedua.
Jadi kolom [A] adalah suatu matriks m x n, [B] dapat suatu matriks n x p. Untuk kasus ini matriks [C] akan
mempunyai dimensi m x p. Tetapi jika [B] merupakan suatu matriks p x n, perkalian tidak dapat dilakukan.
Gambar III.3 memberikan suatu cara yang mudah untuk memeriksa apakah kedua, matriks dapat dikalikan.
Jika dimensi matriks cocok, perkalian matriks adalah asosiatif :
  A B   C   A   B C 
dan distributif :
 A   B   C    A B   A C
atau
  A    B  C   A  C   B C
Tetapi perkalian tidak selalu komutatif :
 A  B   B A 
Artinya orde dari perkahan adalah penting,
Walaupun perkalian memungkinkan, pembagian matriks tidak merupakan suatu pengoperasian yang didefinisikan.
Tapi jika [A] suatu matriks [A] merupakan bujur sangkar, terdapat matriks [A]-1 yang dinamakan inversi [A]
untuk :
 A  A  1   A  1  A    I (III.3)
Jadi, perkalian dari sebuah matriks oleh inversi adalah analog pembagian, dalam arti bahwa suatu bilangan yang
dibagi dengan bilangan itu sendiri adalah 1. Artinya perkalian suatu matriks dengan inversinya menjadikan matriks
identitas (ingat Kotak III.1).

GAMBAR III.3 Suatu cara sederhana untuk memeriksa apakah perkalian matriks memungkinkan.
Inversi dari suatu matriks bujur sangkar dua dimensi dapat dinyatakan secara mudah oleh :
1  a 22  a 12 
 A 1  (III. 4)
a 11 a 22  a 12 a 21  a 21 a 11 
Matriks-matriks berdimensi yang lebih tinggi banyak dilakukan. Pasal 8.2 akan membahas suatu teknik
menghitung inversi dari sistem demikian.
Manipulasi matriks terakhir yang bermanfaat dalam pembahasan kita adalah matriks transposisi dan matriks yang
diperluas. Transposisi sebuah matriks meliputi pemindahan baris ke dalam koloninya serta kolom ke dalam
barisnya.
Untuk matriks :
 a 11 a 12 . . . a 1n 
a a 22 . . . a 2 n 
 21
 . . . 
 A   
 . . . 
 . . . 
 
a m1 a m2 . . . a mn 
transposisi ditandai oleh [A]T dan didefinisikan sebagai :
  a 11 a 21 . . . a m1 
a a 22 . . . a m 2 
 12
 . . . 
 A T  
 . . . 
 . . . 
 
a 1n a 2n . . . a mn 
Dengan kata lain, elemen aij dari transposisi adalah sama dengan elemen aji dari elemen matriks semula, atau aij =
aji. Transposisi mempunyai pelbagai fungsi dalam aljabar matriks. Suatu keuntungan sederhana ialah bahwa ia
memungkinkan sebuah vektor kolom yang dapat ditulis sebagai suatu baris. Sebagai contoh, jika :
c11 
c 
 C   12 
c13 
 
c14 
lalu
 C T   c11 c 21 c31 c 41 
dimana superskrip T menandakan transposisi. Misalnya, ini dapat menghemat tempat bila akan menuliskan sebuah
vektor koloni dalam sebuah manuskrip. Tambahan pula, transposisi mempunyai sejumlah aplikasi matematika.
Sebuah matriks diperluas (augmented) dengan penambahan sebuah (atau beberapa) kolom kepada matriks
semula. Sebagai contoh, anggap kita mempunyai matriks koefisien-koefisien :
 a 11 a 12 a 13 
 A  a 21 a 22 a 23 
a 31 a 32 a 33 
Kita barangkali ingin memperluas matriks [A] ini dengan sebuah matriks identitas (lihat Kotak III.1) untuk
menjadikan suatu matriks berdimensi 3 x 6 :
 a 11 a 12 a 13 1 0 0
a 
 21 a 22 a 23 0 1 0
a 31 a 32 a 33 0 0 1
Pernyataan demikian mempunyai manfaat bila kita harus melakukan sekumpulan operasi yang identik pada kedua
matriks. Jadi kita dapat melakukan operasi pada matriks tunggal yang diperluas ketimbang pada masing-masing
kedua matriks.

III.2.3 Menyatakan Persamaan Aljabar Linear Simultan dalam Bentuk Matriks

Akan jelas bahwa matriks memberi suatu notasi yang baik untuk menyatakan persamaan linear stimultan.
Misalnya, Persamaan (III.1) dapat dinyatakan sebagai :
 A  X    C (III.15)
di mana [A] adalah matriks bujur sangkar n x n dari koefisien-koefisien.
 a 11 a 12 . . . a 1n 
a a 22 . . . a 2 n 
 21
 . . . 
 A   
 . . . 
 . . . 
 
a n1 a n2 . . . a nn 
[C] adalah vektor kolom n x 1 dari konstanta-konstanta :
 C T   c1c 2 c3 ...c n 
dan [X] adalah vektor kolom n x 1 dari yang tidak diketahui :
 X T   x1x 2 x 3 ...x n 
Lihat kembali definisi perkalian matriks [Persamaan (III.2) atau Kotak (III.2)] untuk meyakinkan anda sendiri
bahwa Persamaan (III.1) dan (III.5) adalah ekuivalen. Juga disadari bahwa Persamaan (III.5) adalah suatu
perkalian matriks yang berlaku karena jumlah kolom (n) dari matriks pertama ([A]) adalah sepadan dengan
jumlah baris (n) dari matriks kedua ([X]).
Bagian dari buku ini dimaksudkan untuk menyelesaikan Persamaan (III.5) untuk [X]. Suatu cara yang formal
guna mendapatkan sebuah solusi menggunakan aljabar matriks adalah mengalikan setiap ruas dari persamaan
dengan inversi [A] guna memenuhi :
 A  1  A  X    A  1  C
Karena [A]-1[A] sama dengan matriks identitas, persamaan menjadi :
 X    A  1  C (III.6)
Karenanya, persamaan telah diselesaikan untuk [X]. Ini adalah contoh lain tentang bagaimana inversi memainkan
peranan yang serupa terhadap pembagian dalam aljabar matriks.
Akhirnya, kita akan seringkali menjumpai kegunaannya untuk memperluas [A] dengan [C]. Misalnya, bila n = 3,
hasilnya dalam matriks berdimensi 3 x 4 :
 a 11 a 12 a 13 c1 
a 
 21 a 22 a 23 c 2  (III.7)
a 31 a 32 a 33 c 3 
Menyatakan persamaan-persamaan dalam bentuk ini mempunyai manfaat, karena beberapa teknik untuk
menyelesaikan sistem persamaan linear melukukan pengoperasian yang identik terhadap sebuah baris dari
koefisien-koefisien serta dengan konstanta di ruas kanan yang bersesuaian. Seperti dinyatakan dalam Persamaan
(III.7), kita dapat melakukan manipulasi sekali pada masing-masing baris matriks yang diperluas sketimbang pada
matriks koefisien secara terpisah dan vektor di ruas sebelah kanan.