PERSAMAAN LINEAR METODE

ITERASI JOCOBI DENGAN

PEMROGRAMAN PYTHON 3.7.4

Oleh :
Denny Alexander Immanuel Paat
19202109006

PASCA SARJANA TEKNIK SIPIL

UNIVERSITAS SAM RATULANGI
MANADO
2019
 KATA PENGANTAR
Segala puji dan syukur saya panjatkan kepada Tuhan Yang Maha Esa, karena atas
berkat dan limpahan rahmat-Nya makan saya dapat menyelesaikan makalah dengan tepat
waktu.
Berikut ini saya mempersembahkan sebuah makalah dengan judul “Metode Numerik
Iterasi Jacobi dengan Menggunakan Pemrograman Python 3.7.4 ”, yang menurut saya dapat
memberi manfaat untuk menambah pengetahuan kita tentang bahasa pemrograman.
Saya menyadari bahwa makalah ini masih jauh dari sempurna, oleh karena itu kritik
dan saran dari semua pihak yang bersifat membangun selalu saya harapkan demi
kesempurnaan makalah ini.
Akhir kata, saya sampaikan terima kasih kepada semua pihak yang telah berperan
dalam penyusunan makalah ini dari awal sampai akhir. Semoga Tuhan Yang Maha Esa
senantiasa memberkati segala usaha kita. Amin.

Penyusun
Denny Paat

DAFTAR ISI

i
Kata pengantar.....................................................................................................................i
Daftar isi..............................................................................................................................ii
BABA I PENDAHULUAN
1.1 Latar Belakang ................................................................................................1
1.2 Rumusan Masalah ..........................................................................................3
1.3 Tujuan ..............................................................................................................3

BAB II PEMBAHASAN
2.1 Pengertian Jacobi............................................................................................4
2.2 Perhitungan Nilai X1, X2, dan X3 dengan Metode Iterasi Jacobi .............6
2.3 Iterasi Jacobi dengan Menggunaan Python 3.7.4 .......................................9

BAB III PENUTUP

3.1 Kesimpulan...................................................................................................25
3.2 Saran ............................................................................................................25

DAFTAR PUSTAKA ........................................................................................................26

ii
i
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Persoalan yang melibatkan model matematika banyak muncul dalam berbagai

disiplin ilmu pengetahuan, seperti dalam bidang fisika, kimia, ekonomi, atau pada
persoalan rekayasa. Seringkali model matematika tersebut muncul dalam bentuk yang
rumit yang terkadang tidak dapat diselesaikan dengan rumus-rumus aljabar yang sudah
baku.

Solusi SPL secara numeris umumnya selalu (harus) lebih efisien dan cepat
dibandingkan dengan metode-metode analitis, seperti metode Cramer. Namun demikian,
solusi numerik ini secara teknis adakalanya juga berkendala, karena:
(1) ada beberapa persamaan yang mendekati kombinasi linier, akibat adanya “round off
error” dari mesin penghitung pada, (2) suatu tahap perhitungan adanya akumulasi “round
off error” pada proses komputasi akan berakibat domain bilangan nyata (fixed point)
dalam perhitungan akan terlampaui (overflow), biasanya akibat dari jumlah persamaan
yang terlalu besar.
Metode-metode solusi numerik yang banyak dipakai, dapat diklasifikasikan sebagai:

1.1.1 Metode Langsung

a.Metode Langsung Eliminasi Gauss (EGAUSS), prinsipnya: merupakan
operasi eliminasi dan substitusi variabel-variabelnya sedemikian rupa
sehingga dapat terbentuk matriks segitiga atas, dan akhirnya solusinya
diselesaikan menggunakan teknik substitusi balik (backsubstitution),
b. Metode Eliminasi Gauss ini. Eliminasi Gauss-Jordan (EGJ), prinsipnya:
mirip sekali dengan metode EG, namun dalam metode ini jumlah operasi
numerik yang dilakukan jauh lebih besar, karena matriks A mengalami
inversi terlebih dahulu untuk mendapatkan matriks identitas (I). Karena
kendala tersebut, maka metode ini sangat jarang dipakai, namun sangat
bermanfaat untuk menginversikan matriks,

1
 c.Dekomposisi LU (DECOLU), prinsipnya: melakukan dekomposisi matriks A
terlebih dahulu sehingga dapat terbentuk matriks-matrik segitiga atas dan
bawah, kemudian secara mudah dapat melakukan substitusi balik
(backsubstitution) untuk berbagai vektor VRK (vektor ruas kanan).
d. Solusi sistem TRIDIAGONAL (S3DIAG), prinsipnya merupakan solusi
SPL dengan bentuk matrik pita (satu diagonal bawah, satu diagonal utama,
dan satu diagonal atas) pada matriks A.

1.1.2. Metode Tak-Langsung (Metode Iteratif)

a.Metode Jacobi, prinsipnya: merupakan metode iteratif yang melakuakn
perbaharuan nilai x yang diperoleh tiap iterasi (mirip metode substitusi
berurutan, successive substitution),
b. Metode Gauss-Seidel, prinsipnya: mirip metode Jacobi, namun melibatkan
perhitungan implisit,
c.Metode Successive Over Relaxation (SOR), prinsipnya: merupakan
perbaikan secara langsung dari Metode Gauss- Seidel dengan cara
menggunakan faktor relaksasi (faktor pembobot) pada setiap tahap/proses
iterasi.

Metode-metode tak-langsung seperti di atas pada umunya sangat tidak

efisien dan ‘time consuming’ (memerlukan CPU- time) yang jauh lebih besar dari
metode langsung.

Metode Eliminasi Gauss, metode Dekomposisi LU dan Metode Iterasi Jacobi

merupakan metode yang dapat dijadikan sebagai alternatif untuk menyelesaikan
model matematika. Metode Eliminasi Gauss mereduksi matriks koefisien A ke
dalam bentuk matriks segitiga, dan nilai-nilai variabel diperoleh dengan teknik
substitusi. Pada metode Dekomposisi LU, matriks A difaktorkan menjadi matriks
L dan matriks U, dimana dimensi atau ukuran matriks L dan U harus sama dengan
dimensi matriks A.

Pada metode iterasi Jacobi, penyelesaian dilakukan secara iterasi, dimana

proses iterasi dilakukan sampai dicapai suatu nilai yang konvergen dengan

2
 toleransi yang diberikan. Dari hasil pengujian dapat diketahui bahwa metode
Iterasi Jacobi memiliki hasil ketelitian yang lebih baik dan waktu komputasi yang
lebih cepat dari metode Eliminasi Gauss dan metode Dekomposisi LU.

Penggunaan pendekatan dengan pemrograman PYTHON, salah satu

software komputer yang dapat digunakan untuk memberikan solusi komputasi
numerik. Karena metode – metode numerik dengan bahasa pemrograman yang
sederhana, namun dapat menyelesaikan permasalahan yang dihadapi oleh mereka
yang bergerak dalam bidang matematika maupun aplikasi matematika.

1.2 Rumusan Masalah

1. Bagaimana cara menyelesaikan persamaan linear dengan menggunakan
metode Iterasi Jacobi?
2. Bagaimana membuat program Python 3.7.4 dalam menyelesaikan persamaan
linear dengan metode Iterasi Jacobi ?

1.3 Tujuan
1. Menyelesaikan persamaan linear dengan menggunakan metode Iterasi Jacobi.
2. Menyelesaikan persamaan linear dengan menggunakan metode Iterasi Jacobi
pada program PYTHON 3.7.4.

BAB II
PEMBAHASAN

2.1 Pengertian

Metode ini merupakan suatu teknik penyelesaian SPL berukuran n x n, AX = b,

secara iteratif. Proses penyelesaian dimulai dengan suatu hampiran awal terhadap
penyelesaian, X0, kemudian membentuk suatu serangkaian vector X1, X2, … yang
konvergen ke X.

3
 Teknik iteratif jarang digunakan untuk menyelesaikan SPL berukuran kecil karena
metode-metode langsung seperti metode eliminasi Gauss lebih efisien dari pada metode
iteratif. Akan tetapi, untuk SPL berukuran besar dengan persentase elemen nol pada
matriks koefisien besar, teknik iteratif lebih efisien daripada metode langsung dalam hal
penggunaan memori komputer maupun waktu komputasi. Metode iterasi Jacobi,
prinsipnya: merupakan metode iteratif yang melakuakn perbaharuan nilai x yang
diperoleh tiap iterasi (mirip metode substitusi berurutan, successive substitution).

Metode ini lebih baik dibanding dengan metode langsung, misalnya untuk matriks
yang tersebar yaitu matriks dengan banyak elemen nol dan juga dapat digunakan untuk
menyelesaikan sistem persamaan tidak linier.
Dipandang sistem dengan 3 persamaan dan 3 bilangan tak diketahui:
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3
Persamaan pertama dari sistem diatas dapat digunakan untuk menghitung x1
sebagai fungsi dari x2 dan x3. Demikian juga persamaan kedua dan ketiga untuk
menghitung x2 dan x3 sehingga didapat:

(b1  a12 x 2  a13 x3 )

x1 
a11
(b2  a 21 x1  a 23 x3 )
x2 
a 22
(b3  a 31 x1  a 32 x 2 )
x3 
a 33
Hitungan dimulai dengan nilai perkiraan awal sembarang untuk variabel yang
dicari (biasanya semua variabel diambil sama dengan nol). Nilai perkiraan awal
disubstitusikan ke dalam ruas kanan dari sistem persamaan (2.23). Selanjutnya nilai
variabel yang didapat tersebut disubstitusikan ke ruas kanan dari sistem (2.23) lagi untuk
mendapatkan nilai perkiraan kedua. Prosedur tersebut diulangi lagi sampai nilai setiap
variabel pada iterasi ke n mendekati nilai pada iterasi ke n  1. Apabila indeks n
menunjukkan jumlah iterasi, maka persamaan (2.23) dapat ditulis menjadi:

4
 (b1  a12 x 2n  1  a13 x3n  1 )
x 
n
1
a11
(b2  a 21 x1n  1  a 23 x3n  1 )
x 
n
2
a 22
(b3  a 31 x1n  1  a 32 x 2n  1 )
x 
n
3
a 33

Iterasi hitungan berakhir setelah:

x1n  1  x1n , x2n  1  x2n , dan x3n  1  x3n ,
atau telah dipenuhi kriteria berikut:
xin  xin  1
a  100%   s
xin

dengan  s adalah batasan ketelitian yang dikehendaki.

2.1. Perhitungan Nilai X1, X2, dan X3 dengan Metode Iterasi Jacobi.

Contoh soal:
Selesaikan sistem persamaan berikut dengan metode iterasi Jacobi:

5X1 – X2 + 2X3 = 12
3X1 + 8X2 – 2X3 = -25
X1 + X2 + 4X3 = 6

Penyelesaian:
Sistem persamaan diatas dapat ditulis dalam bentuk:

5
 12  x2  2 x3
x1 
1
5
5 2   x   12 
3  25  3x1  2 x3
 8  2  y    25
    x2 
8
1 1 4   z   6 
6  x1  x2
x3 
4

Iterasi Pertama
Di Asumsikan x1 = x 2 = x3 = 0 Sehinga persamaan diatas diperoleh :
12
x1 '   2,4
5
 25
x2 '   3,125
8
6
x3 '   1,5
4
Iterasi Kedua .

12  ( 3,125)  2( 1,5)
x1"   1,1
5
25  3( 2, 4)  2(1,5)
x 2 "  1 ,8
8
6  2, 4  ( 3,125)
x 3 "  1 ,3187
4

Iterasi selanjutnya disajikan dalam bentuk table berikut :

No
lterasi x1 x2 x3 y1 y2 y3
0 0 0 0 2.4 -3.125 1.5
1 2.4 -3.125 1.5 1.175 -1.85 1.31875
2 1.175 -1.85 1.31875 1.5025 -2.3546875 1.33125
3 1.5025 -2.3546875 1.33125 1.3965625 -2.22875 1.286953125
4 1.3965625 -2.22875 1.286953125 1.43946875 -2.279550781 1.291953125
5 1.43946875 -2.279550781 1.291953125 1.427308594 -2.262210938 1.289979492
6 1.427308594 -2.262210938 1.289979492 1.431566016 -2.267264404 1.291274414
7 1.431566016 -2.267264404 1.291274414 1.430037354 -2.265344141 1.291075403
8 1.430037354 -2.265344141 1.291075403 1.430501011 -2.265967142 1.291173303
9 1.430501011 -2.265967142 1.291173303 1.43033725 -2.265768795 1.291133467
10 1.43033725 -2.265768795 1.291133467 1.430392854 -2.265840164 1.291142114

6
11 1.430392854 -2.265840164 1.291142114 1.430375122 -2.265817151 1.291138172
12 1.430375122 -2.265817151 1.291138172 1.430381301 -2.265824786 1.291139493
13 1.430381301 -2.265824786 1.291139493 1.430379246 -2.265822139 1.291139129
14 1.430379246 -2.265822139 1.291139129 1.430379921 -2.265823001 1.291139277
15 1.430379921 -2.265823001 1.291139277 1.430379689 -2.265822711 1.29113923
16 1.430379689 -2.265822711 1.29113923 1.430379766 -2.265822809 1.291139245
17 1.430379766 -2.265822809 1.291139245 1.43037974 -2.265822777 1.291139239
18 1.43037974 -2.265822777 1.291139239 1.430379749 -2.265822788 1.291139241
19 1.430379749 -2.265822788 1.291139241 1.430379746 -2.265822784 1.29113924
20 1.430379746 -2.265822784 1.29113924 1.430379747 -2.265822785 1.291139241
21 1.430379747 -2.265822785 1.291139241 1.430379747 -2.265822785 1.29113924
22 1.430379747 -2.265822785 1.29113924 1.430379747 -2.265822785 1.291139241
23 1.430379747 -2.265822785 1.291139241 1.430379747 -2.265822785 1.291139241
24 1.430379747 -2.265822785 1.291139241 1.430379747 -2.265822785 1.291139241
25 1.430379747 -2.265822785 1.291139241 1.430379747 -2.265822785 1.291139241
26 1.430379747 -2.265822785 1.291139241 1.430379747 -2.265822785 1.291139241

Diagram Alir Metode Iterasi Jacobi

START

AX = b

Input A, b, X0, T, N

[X, g, H]=
jacobi(A,b,X0,T,N)

bi   j  i aij y j
xi 
a ii

xi = ( x1 x2 x3 …xn)

STOP
7
2.3 Iterasi Jacobi dengan Menggunaan Python 3.7.4

print("Persamaan 1 : 5X1 - X2 + 2X3 = 12")

print("Persamaan 2 : 3X1 + 8X2 - 2X3 = -25")
print("Persamaan 3 : X1 + X2 + 4X3 = 6")

print("Menggunakan Metode Jacobi")

print("Input Matriks")
a=int(input("nilai A= "))
b=int(input("nilai B= "))
c=int(input("nilai C= "))
d=int(input("nilai D= "))
e=int(input("nilai E= "))
f=int(input("nilai F= "))
g=int(input("nilai G= "))
h=int(input("nilai H= "))
i=int(input("nilai I= "))

#Mencari Nilai X1, X2, X3

print("Mencari Nilai X1, X2, X3")
print("Nilai b")
b1=int(input("nilai B1= "))
b2=int(input("nilai B2= "))
b3=int(input("nilai B3= "))
x1=int(input("nilai X1= "))
x2=int(input("nilai X2= "))
x3=int(input("nilai X3= "))

#Asumsikan nilai x1,x2,x3 = 0

8
i0x1=x1
i0x2=x2
i0x3=x3
i0y1=(b1+(b*i0x2)+(c*i0x3))/a
i0y2=(b2-(d*i0x1)+(f*i0x3))/(e)
i0y3=(b3-(g*i0x1)-i0x2)/(i)

i1x1=i0y1
i1x2=i0y2
i1x3=i0y3
i1y1=(b1+(b*i1x2)+(c*i1x3))/a
i1y2=(b2-(d*i1x1)+(f*i1x3))/(e)
i1y3=(b3-(g*i1x1)-i1x2)/(i)

i2x1=i1y1
i2x2=i1y2
i2x3=i1y3
i2y1=(b1+(b*i2x2)+(c*i2x3))/a
i2y2=(b2-(d*i2x1)+(f*i2x3))/(e)
i2y3=(b3-(g*i2x1)-i2x2)/(i)

i3x1=i2y1
i3x2=i2y2
i3x3=i2y3
i3y1=(b1+(b*i3x2)+(c*i3x3))/a
i3y2=(b2-(d*i3x1)+(f*i3x3))/(e)
i3y3=(b3-(g*i3x1)-i3x2)/(i)

i4x1=i3y1
i4x2=i3y2
i4x3=i3y3
i4y1=(b1+(b*i4x2)+(c*i4x3))/a
i4y2=(b2-(d*i4x1)+(f*i4x3))/(e)

9
i4y3=(b3-(g*i4x1)-i4x2)/(i)

i5x1=i4y1
i5x2=i4y2
i5x3=i4y3
i5y1=(b1+(b*i5x2)+(c*i5x3))/a
i5y2=(b2-(d*i5x1)+(f*i5x3))/(e)
i5y3=(b3-(g*i5x1)-i5x2)/(i)

i6x1=i5y1
i6x2=i5y2
i6x3=i5y3
i6y1=(b1+(b*i6x2)+(c*i6x3))/a
i6y2=(b2-(d*i6x1)+(f*i6x3))/(e)
i6y3=(b3-(g*i6x1)-i6x2)/(i)

i7x1=i6y1
i7x2=i6y2
i7x3=i6y3
i7y1=(b1+(b*i7x2)+(c*i7x3))/a
i7y2=(b2-(d*i7x1)+(f*i7x3))/(e)
i7y3=(b3-(g*i7x1)-i7x2)/(i)

i8x1=i7y1
i8x2=i7y2
i8x3=i7y3
i8y1=(b1+(b*i8x2)+(c*i8x3))/a
i8y2=(b2-(d*i8x1)+(f*i8x3))/(e)
i8y3=(b3-(g*i8x1)-i8x2)/(i)

i9x1=i8y1
i9x2=i8y2
i9x3=i8y3

10
i9y1=(b1+(b*i9x2)+(c*i9x3))/a
i9y2=(b2-(d*i9x1)+(f*i9x3))/(e)
i9y3=(b3-(g*i9x1)-i9x2)/(i)

i10x1=i9y1
i10x2=i9y2
i10x3=i9y3
i10y1=(b1+(b*i10x2)+(c*i10x3))/a
i10y2=(b2-(d*i10x1)+(f*i10x3))/(e)
i10y3=(b3-(g*i10x1)-i10x2)/(i)

i11x1=i10y1
i11x2=i10y2
i11x3=i10y3
i11y1=(b1+(b*i11x2)+(c*i11x3))/a
i11y2=(b2-(d*i11x1)+(f*i11x3))/(e)
i11y3=(b3-(g*i11x1)-i11x2)/(i)

i12x1=i11y1
i12x2=i11y2
i12x3=i1y3
i12y1=(b1+(b*i12x2)+(c*i12x3))/a
i12y2=(b2-(d*i12x1)+(f*i12x3))/(e)
i12y3=(b3-(g*i12x1)-i12x2)/(i)

i13x1=i12y1
i13x2=i12y2
i13x3=i12y3
i13y1=(b1+(b*i13x2)+(c*i13x3))/a
i13y2=(b2-(d*i13x1)+(f*i13x3))/(e)
i13y3=(b3-(g*i13x1)-i13x2)/(i)

i14x1=i13y1

11
i14x2=i13y2
i14x3=i13y3
i14y1=(b1+(b*i14x2)+(c*i14x3))/a
i14y2=(b2-(d*i14x1)+(f*i14x3))/(e)
i14y3=(b3-(g*i14x1)-i14x2)/(i)

i15x1=i14y1
i15x2=i14y2
i15x3=i14y3
i15y1=(b1+(b*i15x2)+(c*i15x3))/a
i15y2=(b2-(d*i15x1)+(f*i15x3))/(e)
i15y3=(b3-(g*i15x1)-i15x2)/(i)

i16x1=i15y1
i16x2=i15y2
i16x3=i15y3
i16y1=(b1+(b*i16x2)+(c*i16x3))/a
i16y2=(b2-(d*i16x1)+(f*i16x3))/(e)
i16y3=(b3-(g*i16x1)-i16x2)/(i)

i17x1=i16y1
i17x2=i16y2
i17x3=i16y3
i17y1=(b1+(b*i17x2)+(c*i17x3))/a
i17y2=(b2-(d*i17x1)+(f*i17x3))/(e)
i17y3=(b3-(g*i17x1)-i17x2)/(i)

i18x1=i17y1
i18x2=i17y2
i18x3=i17y3
i18y1=(b1+(b*i18x2)+(c*i18x3))/a
i18y2=(b2-(d*i18x1)+(f*i18x3))/(e)
i18y3=(b3-(g*i18x1)-i18x2)/(i)

12
i19x1=i18y1
i19x2=i18y2
i19x3=i18y3
i19y1=(b1+(b*i19x2)+(c*i19x3))/a
i19y2=(b2-(d*i19x1)+(f*i19x3))/(e)
i19y3=(b3-(g*i19x1)-i19x2)/(i)

i20x1=i19y1
i20x2=i19y2
i20x3=i19y3
i20y1=(b1+(b*i20x2)+(c*i20x3))/a
i20y2=(b2-(d*i20x1)+(f*i20x3))/(e)
i20y3=(b3-(g*i20x1)-i20x2)/(i)

i21x1=i20y1
i21x2=i20y2
i21x3=i20y3
i21y1=(b1+(b*i21x2)+(c*i21x3))/a
i21y2=(b2-(d*i21x1)+(f*i21x3))/(e)
i21y3=(b3-(g*i21x1)-i21x2)/(i)

i22x1=i21y1
i22x2=i21y2
i22x3=i21y3
i22y1=(b1+(b*i22x2)+(c*i22x3))/a
i22y2=(b2-(d*i22x1)+(f*i22x3))/(e)
i22y3=(b3-(g*i22x1)-i22x2)/(i)

i23x1=i22y1
i23x2=i22y2
i23x3=i22y3
i23y1=(b1+(b*i23x2)+(c*i23x3))/a

13
i23y2=(b2-(d*i23x1)+(f*i23x3))/(e)
i23y3=(b3-(g*i23x1)-i23x2)/(i)

i24x1=i23y1
i24x2=i23y2
i24x3=i23y3
i24y1=(b1+(b*i24x2)+(c*i24x3))/a
i24y2=(b2-(d*i24x1)+(f*i24x3))/(e)
i24y3=(b3-(g*i24x1)-i24x2)/(i)

i25x1=i24y1
i25x2=i24y2
i25x3=i24y3
i25y1=(b1+(b*i25x2)+(c*i25x3))/a
i25y2=(b2-(d*i25x1)+(f*i25x3))/(e)
i25y3=(b3-(g*i25x1)-i25x2)/(i)

i26x1=i25y1
i26x2=i25y2
i26x3=i25y3
i26y1=(b1+(b*i26x2)+(c*i26x3))/a
i26y2=(b2-(d*i26x1)+(f*i26x3))/(e)
i26y3=(b3-(g*i26x1)-i26x2)/(i)
#Mencari Iterasi 0
print("\nNilai Iterasi 0")
print("\nNilai y1,y2,y3")
print("0│",i0x1,"",i0x2,"",i0x3,"│ │",i0y1,"",i0y2,"",i0y3,"│")
print("1│",i1x1,"",i1x2,"",i1x3,"│ │",i1y1,"",i1y2,"",i1y3,"│")
print("2│",i2x1,"",i2x2,"",i2x3,"│ │",i2y1,"",i2y2,"",i2y3,"│")
print("3│",i3x1,"",i3x2,"",i3x3,"│ │",i3y1,"",i3y2,"",i3y3,"│")
print("4│",i4x1,"",i4x2,"",i4x3,"│ │",i4y1,"",i4y2,"",i4y3,"│")
print("5│",i5x1,"",i5x2,"",i5x3,"│ │",i5y1,"",i5y2,"",i5y3,"│")
print("6│",i6x1,"",i6x2,"",i6x3,"│ │",i6y1,"",i6y2,"",i6y3,"│")

14
print("7│",i7x1,"",i7x2,"",i7x3,"│ │",i7y1,"",i7y2,"",i7y3,"│")
print("8│",i8x1,"",i8x2,"",i8x3,"│ │",i8y1,"",i8y2,"",i8y3,"│")
print("9│",i9x1,"",i9x2,"",i9x3,"│ │",i9y1,"",i9y2,"",i9y3,"│")
print("10│",i10x1,"",i10x2,"",i10x3,"│ │",i10y1,"",i10y2,"",i10y3,"│")
print("11│",i11x1,"",i11x2,"",i11x3,"│ │",i11y1,"",i11y2,"",i11y3,"│")
print("12│",i12x1,"",i12x2,"",i12x3,"│ │",i12y1,"",i12y2,"",i12y3,"│")
print("13│",i13x1,"",i13x2,"",i13x3,"│ │",i13y1,"",i13y2,"",i13y3,"│")
print("14│",i14x1,"",i14x2,"",i14x3,"│ │",i14y1,"",i14y2,"",i14y3,"│")
print("15│",i15x1,"",i15x2,"",i15x3,"│ │",i15y1,"",i15y2,"",i15y3,"│")
print("16│",i16x1,"",i16x2,"",i16x3,"│ │",i16y1,"",i16y2,"",i16y3,"│")
print("17│",i17x1,"",i17x2,"",i17x3,"│ │",i17y1,"",i17y2,"",i17y3,"│")
print("18│",i18x1,"",i18x2,"",i18x3,"│ │",i18y1,"",i18y2,"",i18y3,"│")
print("19│",i19x1,"",i19x2,"",i19x3,"│ │",i19y1,"",i19y2,"",i19y3,"│")
print("20│",i20x1,"",i20x2,"",i20x3,"│ │",i20y1,"",i20y2,"",i20y3,"│")
print("21│",i21x1,"",i21x2,"",i21x3,"│ │",i21y1,"",i21y2,"",i21y3,"│")
print("22│",i22x1,"",i22x2,"",i22x3,"│ │",i22y1,"",i22y2,"",i22y3,"│")
print("23│",i23x1,"",i23x2,"",i23x3,"│ │",i23y1,"",i23y2,"",i23y3,"│")
print("24│",i23x1,"",i24x2,"",i24x3,"│ │",i24y1,"",i24y2,"",i24y3,"│")
print("25│",i25x1,"",i25x2,"",i25x3,"│ │",i25y1,"",i25y2,"",i25y3,"│")
print("26│",i26x1,"",i26x2,"",i26x3,"│ │",i26y1,"",i26y2,"",i26y3,"│")
print("---------------------------")

Gambar Script Program:

15
16
17
Hasil Ran Program Perhitungan SPL Metode Iterasi Jacobi

18
Python 3.7.4 (tags/v3.7.4:e09359112e, Jul 8 2019, 20:34:20) [MSC v.1916 64 bit
(AMD64)] on win32
Type "help", "copyright", "credits" or "license()" for more information.
>>>
RESTART: D:\PASCA SARJANA\TUGAS METODE NUMERIK\tugas
5\Denny Tugas 5_ ITERASI JACOBI.py
Persamaan 1 : 5X1 - X2 + 2X3 = 12
Persamaan 2 : 3X1 + 8X2 - 2X3 = -25
Persamaan 3 : X1 + X2 + 4X3 = 6
Menggunakan Metode Jacobi
Input Matriks
nilai A= 5
nilai B= -1
nilai C= 2
nilai D= 3
nilai E= 8
nilai F= -2
nilai G= 1
nilai H= 1
nilai I= 4
Mencari Nilai X1, X2, X3
Nilai b
nilai B1= 12
nilai B2= -25
nilai B3= 6
nilai X1= 0
nilai X2= 0
nilai X3= 0

Nilai Iterasi 0

Nilai y1,y2,y3

19
0│ 0 0 0 │ │ 2.4 -3.125 1.5 │
1│ 2.4 -3.125 1.5 │ │ 3.625 -4.4 1.68125 │
2│ 3.625 -4.4 1.68125 │ │ 3.9524999999999997 -4.9046875 1.69375 │
3│ 3.9524999999999997 -4.9046875 1.69375 │ │ 4.0584375
-5.030625000000001 1.738046875 │
4│ 4.0584375 -5.030625000000001 1.738046875 │ │ 4.10134375
-5.08142578125 1.743046875 │
5│ 4.10134375 -5.08142578125 1.743046875 │ │ 4.11350390625
-5.098765625 1.7450205078125 │
6│ 4.11350390625 -5.098765625 1.7450205078125 │ │ 4.117761328125
-5.1038190917968755 1.7463154296875 │
7│ 4.117761328125 -5.1038190917968755 1.7463154296875 │ │
4.119289990234376 -5.105739355468749 1.746514440917969 │
8│ 4.119289990234376 -5.105739355468749 1.746514440917969 │ │
4.1197536474609375 -5.1063623565673835 1.7466123413085934 │
9│ 4.1197536474609375 -5.1063623565673835 1.7466123413085934 │ │
4.119917407836914 -5.106560703125 1.7466521772766115 │
10│ 4.119917407836914 -5.106560703125 1.7466521772766115 │ │
4.119973011535644 -5.106632072257995 1.7466608238220216 │
11│ 4.119973011535644 -5.106632072257995 1.7466608238220216 │ │
4.1199907439804075 -5.106655085281372 1.7466647651805878 │
12│ 4.1199907439804075 -5.106655085281372 1.68125 │ │
4.093831017056274 -5.090309028992652 1.7466660853252411 │
13│ 4.093831017056274 -5.090309028992652 1.7466660853252411 │ │
4.116728239928627 -5.096853152727413 1.7491195029840945 │
14│ 4.116728239928627 -5.096853152727413 1.7491195029840945 │ │
4.11901843173912 -5.106052965719259 1.7450312281996965 │
15│ 4.11901843173912 -5.106052965719259 1.7450312281996965 │ │
4.11922308442373 -5.105889718952094 1.746758633495035 │
16│ 4.11922308442373 -5.105889718952094 1.746758633495035 │ │
4.119881397188432 -5.106398315032657 1.746666658632091 │
17│ 4.119881397188432 -5.106398315032657 1.746666658632091 │ │
4.119946326459368 -5.106622188603684 1.7466292294610564 │

20
18│ 4.119946326459368 -5.106622188603684 1.7466292294610564 │ │
4.11997612950516 -5.106637179787527 1.7466689655360792 │
19│ 4.11997612950516 -5.106637179787527 1.7466689655360792 │ │
4.119995022171937 -5.106658289948454 1.7466652625705918 │
20│ 4.119995022171937 -5.106658289948454 1.7466652625705918 │ │
4.119997763017928 -5.106664448957124 1.7466658169441294 │
21│ 4.119997763017928 -5.106664448957124 1.7466658169441294 │ │
4.119999216569077 -5.106665615367755 1.7466666714847991 │
22│ 4.119999216569077 -5.106665615367755 1.7466666714847991 │ │
4.119999791667471 -5.106666374084604 1.7466665996996695 │
23│ 4.119999791667471 -5.106666374084604 1.7466665996996695 │ │
4.1199999146967885 -5.106666571800219 1.7466666456042832 │
24│ 4.119999791667471 -5.106666571800219 1.7466666456042832 │ │
4.119999972601756 -5.106666629412366 1.7466666642758577 │
25│ 4.119999972601756 -5.106666629412366 1.7466666642758577 │ │
4.119999991592816 -5.106666655794623 1.7466666642026525 │
26│ 4.119999991592816 -5.106666655794623 1.7466666642026525 │ │
4.119999996839986 -5.106666662897969 1.7466666660504517 │
---------------------------
>>>

Gambar Script Program:

21
22
 BAB III
PENUTUP
A. Simpulan
Dari pembahasan di atas kita dapat mengambil kesimpulan bahwa.
1. Urutan persamaan di dalam suatu SPL sangat berpengaruh terhadap
penampilan metode iterasi Jacobi.
2. Dengan menggunakan pemrograman PYTHON dapat membantu
pemrograman dalam dalam metode numeric khususnya metode iterasi Jacobi

B. Saran
Dari hasil pembahasan disarankan untuk.
1. Menggunakan metode iterasi Jacobi lebih efektif untuk memecahkan masalah
numerik dalam SPL berukuran besar.
2. Menggunakan program PYTHON for Windows dalam membantu pengolahan
metode iterasi Jacobi.

23
 DAFTAR PUSTAKA

 Anton Howard, 1994, Aljabar Linier Elementer, Penertbit Erlangga, Jakarta

Arista, 1996, Aljabar Linier, Jakarta Jogiyanto, 1999, Aplikasi Borland Delphi,
Andi Offset, Jakarta
 Abdul Kadir Ir., Dasar Pemrograman Python, Andi Offset, Yogyakarta, 2005
 Mada Sanjaya WS, Ph.D. Metode Numerik Berbasis Python, Gava Media,
Yogyakarta, 2015

24