BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Sistem persamaan linier merupakan salah satu model dan masalah matematika
yang banak dijumpai dalam berbagai disiplin ilmu, termasuk matematika, fisika,
biologi, ilmu sosial, teknik dan bisnis. Sistem – sistem persamaan linier muncul secara
langsung dari masalah-masalah nyata dan merupakan bagian dari proses penyelesaian
masalah – masalah lain, misalnya sistem persamaan linier non simultan.
Suatu sistem persamaan linier terdiri atas sejumlah berhingga persamaan linier
dalam sejumlah berhingga variabel. Menyelesaikan persamaan suatu sistem persamaan
linier adalah mencari nilai – nilai variabel – variabel tersebut yang memenuhi
persamaan linier yang diberikan.
Sistem Persamaan Linear dalam bentuk persamaan perkalian matriks dapat
ditulis Ax = b. Di dalam penyelesaian sistem persamaan akan dicari nilai x 1, x2, ..., xn
yang memenuhi sistem persamaan berikut :

Dengan a adalah koefisien konstan, b adalah konstan, n adalah jumlah

persamaan, dan x1, x2, ..., xn adalah bilangan tak diketahui. Menyelesaikan suatu sistem
persamaan linier adalah mencari nilai-nilai variabel-variabel tersebut yang memenuhi
semua persamaan linier yang diberikan. Terdapat dua kelompok yang dapat digunakan
untuk menyelesaikan sistem persamaan linier. Metode pertama yaitu metode langsung,
yakni metode yang mencari sistem persamaan linier dalam langkah berhingga.
Contohnya seperti metode eliminasi gauss dan metode eliminasi gauss jordan.
Kelompok kedua dikenal sebagai metode tak langsung atau metode iterasi, yang
bermula dari suatu hampiran awal dan kemudian berusaha memperbaiki hampiran
penyelesaian awal dan kemudian berusaha memperbaiki hampiran dalam tak berhingga
namun menggunakan langkah konvergen. Metode iterasi digunakan untuk
menyelesaikan sistem persamaan linier berukuran besar dan proporsi koefisien nolnya
besar. Metode iterasi yang akan dibahas yaitu metode iterasi Jacobi dan metode iterasi
Gauss-Seidel.

1
 Sistem persamaan linier merupakan kumpulan persamaan linier yang
mempunyai solusi (atau tidak mempunyai solusi) yang sama untuk semua persamaan.
Penyelesaian sistem persamaan linier terbagi menjadi dua metode, metode langsung dan
metode tak langsung (iteratif). Metode iteratif terdiri dari iterasi Jacobi dan iterasi
Gauss-Seidel. Metode iterasi jacobi adalah metode iterasi yang menghitung nilai
hampiran sekarang atau terbaru dengan mengacu pada nilai hampiran sebelumnya.
Metode iterasi Gauss-Seidel adalah metode iterasi yang menghitung nilai hampiran
sekarang dengan mengacu pada nilai hampiran terbaru.
Munculnya permasalahan yang terjadi dalam menyelesaikan persamaan linier
yang tidak dapat diselesaikan dengan metode langsung, mungkin dapat beralih
penyelesaiannya dengan menggunakan metode tak langsung. Dalam metode tak
langsung salah satu cara yang dapat digunakan adalah dengan cara metode Gauss
Seidel. Dalam Penerapannya pada program Matlab tentunya akan lebih memudahkan
pengguna dalam menyelesaikan persamaan linier dengan metode Gauss Seidel. Oleh
karena itu Makalah ini akan membahas tentang Metode Iterasi Gauss Seidel dalam
Aplikasi Matlab.

1.2. Rumusan Masalah

Dalam pembahasan latar belakang diatas. rumusan masalah dalam makalah ini
adalah :
1) Apakah dengan metode Gauss Seidel dalam sistem pemograman matlab mampu
menyelesaikan persamaan linier yang tidak memiliki solusi ?
2) Bagaimana cara metode Gauss Seidel dalam menyelesaikan persamaan linier
pada pemograman matlab ?
3) Bagimana cara menjalankan aplikasi pemograman matlab dengan menggunakan
metode Gauss Seidel dalam menyelesaikan persamaan linier ?

1.3. Tujuan
Berdasarkan rumusan masalah yang diberikan sebelumnya, maka tujuan dari
pembuatan makalah ini adalah :
1) Untuk mengetahui apakah dengan metode Gauss Seidel dalam sistem
pemograman matlab mampu menyelesaikan persamaan linier.

2
2) Untuk mengetahui cara metode Gauss Seidel dalam menyelesaikan persamaan
linier pada pemograman matlab ?
3) Untuk mengetahui cara menjalankan aplikasi pemograman matlab dengan
menggunakan metode Gauss Seidel dalam menyelesaikan persamaan linier ?

BAB II

3
 PEMBAHASAN

2.1 PENGERTIAN
Metode Gauss-Seidel digunakan untuk menyelesaikan sistem persamaan linier
(SPL) berukuran besar dan proporsi koefisien nolnya besar, seperti sistem-sistem yang
banyak ditemukan dalam sistem persamaan diferensial. Teknik iterasi jarang digunakan
untuk menyelesaikan SPL berukuran kecil karena metode-metode langsung seperti
metode eliminasi Gauss lebih efisien daripada metode iteratif. Akan tetapi, untuk SPL
berukuran besar dengan persentase elemen nol pada matriks koefisien besar, teknik
iterasi lebih efisien daripada metode langsung dalam hal penggunaan memori komputer
maupun waktu komputasi. Dengan metode iterasi Gauss-Seidel hampiran pembulatan
dapat diperkecil karena dapat meneruskan iterasi sampai solusinya seteliti mungkin
sesuai dengan batas hampiran yang diperbolehkan.
Menurut Sahid (2005) pada metode iterasi Gauss-Seidel, nilai-nilai yang paling
akhir dihitung digunakan di dalam semua perhitungan. Jelasnya, di dalam iterasi Jacobi,
menghitung
xi( k )  f ( x1( k ) , x2( k ) ,..., xi(k1) , xi(k1) ,..., xn( k )

sedangkan pada iterasi Gauss-Seidel menghitung

xi( k 1)  f ( x1( k 1) , x2( k 1) ,..., xi(k11) , xi(k1) ,..., xn( k )

rumus untuk hampiran ke-k pada metode iterasi Gauss-Seidel adalah sebagai berikut :
xi( k ) 
1
aij

bi   j 1 aij xi( k )   j i 1 aij x (jk 1)
i 1 n


dengan syarat aii ≠ 0 dan k = 1, 2, ...

Metode iterasi Gauss-Seidel dapat dinyatakan dalam bentuk matriks. Nyatakan
matriks koefisien A sebagai A = D + (L + U), dengan L dan U berturut-turut adalah
matriks segitiga bawah dan atas dengan diagonal nol dan D matriks diagonal. Rumus
iterasi Gauss-Seidel dapat ditulis dalam bentuk :

4
yang menghasilkan

Metode iterasi Gauss-Seidel hampir sama dengan metode iterasi Jacobi.

Perbedaannya hanya terletak pada penggunaan nilai elemen vektor xbaru yang langsung
digunakan pada persamaan di bawahnya. Untuk lebih jelasnya, perhatikan sistem
persamaan linier berikut,
2.2 METODE GAUSS – SEIDEL

Didalam metode Jacobi, nilai x1 yang dihitung dari persamaan pertama tidak
digunakan untuk menghitung nilai x2 dengan persamaan kedua. Demikian juga nilai x2
tidak digunakan untuk mencari x3, sehingga nilai-nilai tersebut tidak dimanfaatkan.
Sebenarnya nilai-nilai baru tersebut lebih baik dari nilai-nilai yang lama. Di dalam
metode Gauss-Seidel nilai-nilai tersebut dimanfaatkan untuk menghitung variabel
berikutnya.

Seperti dalam metode Jacobi sistem persamaan (1) diubah menjadi sistem
persamaan (2). Kemudian ke dalam persamaan pertama dari sistem, disubstitusikan

nilai sembarang x20 , x30 (biasanya diambil nol ), sehingga:

(b1  a12 x20  a13 x30 )

x11  (4)
a11

Nilai baru dari x11 tersebut kemudian disubstitusikan ke dalam persamaan kedua dari

sistem (2), sehingga:

(b2  a21 x11  a23 x30 )

x12  (5)
a22

Demikian juga ke dalam persamaan ketiga dari sistem (2) disubstitusikan nilai baru

x11 dan x12 , sehingga didapat:

(b3  a31 x11  a32 x 12 )

x31  (6)
a33

5
Dengan cara seperti ini nilai x1, x2, x3 akan diperoleh lebih cepat dari pada metode
Jacobi.

2.2.1 ALGORITMA ITERASI GAUSS – SEIDEL

1. Masukkan matriks A dan vektor B beserta ukurannya n

2. Tentukan batas maksimum iterasi max_iter
3. Tentukan toleransi error 
4. Tentukan nilai awal dari Xi, 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  bi   j  i aij x j 
xi 
ai, i

ei = │Xi - Si │

7. Iterasi ← iterasi + 1
8. Bila iterasi lebih dari max_iter atau tidak terdapat ei <  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.

contoh soal : Tentukan Sistem Persamaan

4x-y+z = 7
4x-8y+z = -21
-2z+y+5z = 15
Dengan
Nilai

Jawaban :
Metode Iterasi Gauss Seidel

6
Iterasi 1

Iterasi 2

Iterasi 3

Iterasi selanjutnya disajikan dalam bentuk table berikut :

lterasi X Y Z
0 1 2 2
1 1.75 3.75 2.95
2 1.95 3.96875 2.98625

7
 3 1.995625 3.99609375 2.99903125
4 1.999265625 3.999511719 2.999803906
5 1.999926953 3.999938965 2.999982988
6 1.999988994 3.999992371 2.999997124
7 1.999998812 3.999999046 2.999999715
8 1.999999833 3.999999881 2.999999957
9 1.999999981 3.999999985 2.999999995
10 1.999999997 3.999999998 2.999999999
11 2 4 3
12 2 4 3

Terlihat bahwa selisih nilai x, y, z pada iterasi ke-11 dan ke-12 semakin kecil
Sehingga x =2, y=4 dan z=3

BAB III
PENUTUP