MATA KULIAH
ANALISA NUMERIK
Disusun Oleh:
Candra Mecca Sufyana
1
Daftar Isi
BAB I PENDAHULUAN
1.1 Definisi analisa numerik..................................................... 8
1.2 Tahap penyelesaian secara numerik......................................10
1.3 Galat (Kesalahan)………………………………………….11
2
BAB V PERSAMAAN LINEAR SIMULTAN
5.1 Eliminasi Gauss… ……………………….………………... 50
5.2 Eliminasi Gauss Jordan…………………………..………… 56
5.3 Dekomposisi LU………………………….……….…… 58
5.4 Iterasi Gauss-Seidel………………………….……….…… 62
3
Daftar Gambar
4
Daftar Tabel
5
A. Deskripsi Mata Kuliah
Pada mata kuliah ini disajikan beberapa analisa numerik. Pertama-tama diberikan beberapa
definisi, teorema yang berhubungan dengan analisa numerik, termasuk penyajian bilangan,
galat dan beberapa konsep dasar yang terkait. Selanjutnya dibahas penyelesaian
persamaaan non linear dengan menggunakan metode grafik, tabel, Bisection, Newton
Raphson, Secant, dan Modifikasi metode Newton untuk Polinomial. Pembahasan Sistem
Linear meliputi aljabar matriks, metode penyelesaian Sistem Linear dengan metode iterasi
Jacobi, Gauss Seidel dan penyelesaian sistem linear tridiagonal. Sementara metode
numerik untuk aljabar matriks dibahas mengenai menghitung determinan dan invers
matriks. Untuk Interpolasi dibahas Interpolasi Polinomial yang meliputi Interpolasi Linear
dan Kuadrat, Interpolasi Beda terbagi Newton, dan Interpolasi Lagrange, Integral numerik
yang meliputi Konsep dasar Integral Numerik, Diantaranya Metode Reimann dan
Trapezoid juga Metode Newton-Cotes termasuk Aturan Simpson 1/3 dan Aturan Simpson
3/8. Ditambah pengenalan tentang differensiasi numeric seperti konsep finite difference
dan berbagai analisa numerik tersebut diaplikasikan dalam bahasa pemograman
Setelah mengikuti mata kuliah ini, mahasiswa diharapkan dapat menggunakan dan
menginterpretasikan beberapa analisa numerik beserta algoritmanya kepada berbagai
masalah yang berhubungan dengan masalah numerik.
6
BAB I
PENDAHULUAN
B. Uraian Materi
1.1 Definisi Analisa Numerik
Dalam metode penyelesaian permasalahan di berbagai disiplin ilmu pengetahuan, seperti
dalam bidang fisika, kimia, matematika atau ekonomi, atau pada persoalan di bidang
rekayasa (engineering), seperti Teknik Sipil, Teknik Mesin, Elektro, dan sebagainya,
diantaranya pada umumnya harus diformulasikan dalam notasi matematika sebelum
dianalisa secara kualitatif baik secara analitik (secara eksakta) ataupun secara numerik,
walaupun ada beberapa pula yang menggunakan metode penyelesaian secara empiris
(melalui percobaan).
Metode
Penyelesaian
7
sejati sehingga solusi numerik dinamakan juga solusi pendekatan (approxomation),
namun solusi pendekatan dapat dibuat seteliti yang kita inginkan. Solusi hampiran jelas
tidak tepat sama dengan solusi sejati, sehingga ada selisih antara keduanya. Selisih inilah
yang disebut dengan galat (error).
Sebagai contoh ilustrasi, tinjau sekumpulan persoalan matematik di bawah ini.
(1) Tentukan akar-akar persamaan polinom:
7.77 x 7 − 1.24 x 6 + 99 x 4 + 38 x 3 − 14.2 x 2 − x + 666 = 0
(2) Selesaikan sistem persamaaan lanjar (linear)
8
Beberapa kriteria penyelesaian perhitungan matematika
• Bila persoalan merupakan persoalan yang sederhana atau ada theorem analisa
matematika yang dapat digunakan untuk menyelesaikan persoalan tersebut, maka
penyelesaian matematis (metodeanalitik) adalah penyelesaian exact yang harus
digunakan. Penyelesaian ini menjadi acuan bagi pemakaian metode pendekatan.
• Bila persoalan sudah sangat sulit atau tidak mungkin diselesaiakan secara matematis
(analitik) karena tidak ada theorem analisa matematik yang dapat digunakan, maka
dapat digunakan metode numerik.
• Bila persoalan sudah merupakan persoalan yang mempunyai kompleksitas tinggi,
sehingga metode numeric pun tidak dapat menyajikan penyelesaian dengan baik,
maka dapat digunakan metode-metode simulasi.
9
1.3 Galat (Kesalahan)
Penyelesaian secara numerik dari suatu persamaan matematis hanya memberikan nilai
perkiraan yang mendekati nilai eksak (yang benar) dari penyelesaian analitis.
Ada 3 macam kesalahan dasar;
1. Galat bawaan
2. Galat pemotongan
3. Galat pembulatan
Galat bawaan (Inheren)
Yaitu Galat dalam nilai data dan terjadi akibat kekeliruan dalam menyalin data, salah
membaca skala atau kesalahan karena kurangnya pengertian mengenai hukum-hukum fisik
dari data yang diukur.
Contoh :
Pengukuran selang waktu 2,3 detik :
• Terdapat beberapa galat karena hanya dg suatu kebetulan selang waktu akan diukur
tepat 2,3 detik.
• Beberapa batas yg mungkin pada galat inheren diketahui :
• Berhub dg galat pd data yg dioperasikan oleh suatu komputer dg beberapa prosedur
numerik.
Galat Pemotongan (Truncation Error)
• Berhubungan dengan cara pelaksanaan prosedur numerik
• Contoh pada deret Taylor tak berhingga :
x3 x5 x7 x9
sin x = x − + − + − ........
3! 5! 7! 9!
• Dapat dipakai untuk menghitung sinus sebarang sudut x dalam radian
• Jelas kita tdk dapat memakai semua suku dalam deret, karena deretnya tak berhingga
• Kita berhenti pada suku tertentu misal x9
• Suku yg dihilangkan menghasilkan suatu galat
• Dalam perhitungan numerik galat ini sangat penting
Galat Pembulatan
• Akibat pembulatan angka
• Terjadi pada komputer yg disediakan beberapa angka tertentu misal; 5 angka :
• Penjumlahan 9,2654 + 7,1625
hasilnya 16,4279
Ini terdiri 6 angka sehingga tidak dapat disimpan dalam komputer kita dan akan
dibulatkan menjadi 16,428
C. Rangkuman
• Metode numerik adalah teknik yang digunakan untuk memformulasikan persoalan
matematik sehingga dapat dipecahkan dengan operasi perhitungan/aritmetika biasa
(tambah, kurang, kali, dan bagi).
• metode numerik, kita hanya memperoleh solusi yang menghampiri atau mendekati
solusi sejati sehingga solusi numerik dinamakan juga solusi pendekatan
(approxomation),
• Tahap-Tahap Memecahkan Persoalan Secara Numerik yaitu pemodelan,
penyederhanaan model, pemograman, operasional, evaluasi
• Penyelesaian secara numerik dari suatu persamaan matematis hanya memberikan
nilai perkiraan yang mendekati nilai eksak (yang benar) dari penyelesaian analitis,
yaitu Galat bawaan, Galat pemotongan, Galat pembulatan
10
D. Tugas
Buatlah sebuah kajian literatur tentang manfaat analisa numeric di berbagai
bidang baik sains, rekayasa, maupun informatika!
E. Evaluasi
1. Apa perbedaan dari metode analitik, metode empirik, dan metode numerik?
2. Apa yang dimaksud pemodelan dan model matematika?
3. Jelaskan tahapan-tahapan penyelesaian secara numerik dan dimanakah peran
orang informatika dalam tahapan tersebut?
4. Mengapa dalam konsep analisa numerik ada yang dinamakan galat?
5. Jelaskan definisi dan berbagai jenis-jenis galat?
6. Apa yang dimaksud ketidakpastian dalam proses fisis dan pengukuran?
7. Sebutkan manfaat apa saja yang akan kalian dapat dalam mempelajari analisa
numerik?
11
BAB II
SISTEM PERSAMAAN NON-LINEAR
B. Uraian Materi
Pada umumnya untuk mendapatkan penyelesaian matematika yang menjabarkan model
persoalan nyata di berbagai bidang, sering solusi yang harus dicari berupa suatu nilai
variabel x sehingga f(x) =0 artinya nilai-nilai x yang menyebabkan nilai f(x) sama dengan
nol. Atau dalam arti lain kita menentukan akar-akar persamaan non linier tersebut.
Beberapa metoda untuk mencari akar yang telah dikenal adalah:
Dengan memfaktorkan atau dengan cara Horner. Sebagai contoh, untuk mencari akar
dari persamaan x2 – 2x − 8 = 0 ruas kiri difaktorkan menjadi (x−4) (x+2) = 0 sehingga
diperoleh akar persamaannya adalah x = 4 dan x = -2.
Penyelesaian persamaan kuadrat ax2 + bx + c = 0 dapat dihitung dengan
menggunakan rumus ABC.
− b ± b 2 − 4ac
x12 =
2a
Akar persamaan f(x) adalah titik potong antara kurva f(x) dan sumbu X.
12
Akan tetapi, akar persamaan akan sulit dicari jika persamaan tersebut tidak dapat
difaktorkan menjadi bilangan bulat yang bukan pecahan dan cara-cara analitik diatas.
Sebagai contoh adalah akar dari persamaan polinom derajat tiga atau lebih. Sehingga
terdapat metode-metode secara numerik untuk menyelesaikan kasus-kasus persamaan non-
linear yang kompleks dan rumit yaitu metode tertutup dan terbuka..
…… ……
xn=b f(b)
13
Contoh:
Selesaikan persamaan : x+ex = 0 dengan range x = [− 1,.0,]
Untuk mendapatkan penyelesaian dari persamaan di atas range x = [− 1,0] dibagi menjadi
10 bagian sehingga diperoleh :
Tabel 2.2 Contoh metode tabel
X f(x)
-1,0 -0,63212
0,63212 Dari table diperoleh penyelesaian berada di
antara –0,6 dan –0,5
0,5 dengan nilai f(x) masing-
masing
-0,9 -0,49343
0,49343
masing -0,0512
0,0512 dan 0,1065, sehingga dapat
-0,8 -0,35067
0,35067 diambil keputusan penyelesaiannya di x=-0,6.
x=
dibagi 10 maka diperoleh f(x) terdekat dengan
-0,7 -0,20341
0,20341 nol pada x = -0,57 dengan F(x) = 0,00447
-0,6 -0,05119
0,05119 Kelemahan Metode Tabel
Metode table ini secara umum sulit mendapatkan
-0,5 0,10653 penyelesaian dengan error yang kecil, karena itu metode
-0,4 0,27032 ini tidak digunakan dalam penyelesaian persamaan non
linier. Tetapi metode ini digunakan sebagai taksiran
-0,3 0,44082 awal
wal mengetahui area penyelesaian yang benar sebelum
-0,2 0,61873 menggunakan metode yang lebih baik dalam
menentukan penyelesaian
-0,1 0,80484
0,0 1,00000
.2.1.2 Metode Grafik
Selain metode table dapat pula melalui pendekatan grafik, dengan membuat grafik fungsi
untuk memperoleh taksiran akar persamaan f(x) = 0 yaitu mengamati dimana letak dia
memotong sumbu x. Titik ini untuk menyatakan f(x) = 0, memberikan suatu pendekatan
kasarar dari akar tersebut. Misalkan kita akan menyelesaikan persamaan
f ( x) = x 3 − x 2 + 4 x − 1 maka grafik tersebut dilukiskan:
12 x y
-1 -7
10
-0.75 -4.9843
8
-0.5 -3.375
6 -0.25 -2.0781
4 0 -1
y = 1x3 - 1x2 + 4x - 1 0.25 -0.0468
2
0.5 0.875
0 0.75 1.8593
-1.5 -1 -0.5 2 0
-2 0.5 1 1.5 2 2.5 1 3
1.25 4.3906
-4
4
1.5 6.125
-6
6 1.75 8.2968
-8
8 2 11
Gambar 2.2 Metode grafik
Jadi terlihat bahwa f(x) = y = 0, terletak diantara sumbu x : 0.25-0.5.
0.25
14
2.1.3 Bisection (METODE BAGI DUA)
Prinsip:
Ide awal metode ini adalah metode tabel, dimana area dibagi menjadi N bagian. Hanya
saja metode bisection ini membagi range menjadi 2 bagian, dari dua bagian ini dipilih
bagian mana yang mengandung dan bagian yang tidak mengandung akar dibuang. Hal ini
dilakukan berulang-ulang hingga diperoleh akar persamaan.
Langkah 1 :
Pilih a sebagai batas bawah dan b sebagai batas atas untuk taksiran akar sehingga terjadi
perubahan tanda fungsi dalam selang interval. Atau periksa apakah benar bahwa
f(a) . f(b) < 0
15
Langkah 3 : Menentukan daerah yang berisi akar fungsi:
o Jika z merupakan akar fungsi, maka f(x < z) dan f(x > z) saling berbeda tanda.
o f(a)*f(c) negatif, berarti di antara a & c ada akar fungsi.
o f(b)*f(c) positif, berarti di antara b & c tidak ada akar fungsi
Contoh :
Carilah salah satu akar persamaan berikut: xe-x+1 = 0
disyaratkan bahwa batas kesalahan relatif (εa) =0.001, dengan menggunakan range
x=[−1,0]
17
f (b) − f (a ) f (b) − 0
=
b−a b−x
f (b)(b − a ) af (b) − bf (a )
x =b− x=
f (b) − f (a ) f (b) − f (a )
18
x1 = 3 (3 ×1 + 20) = 2.843867
x2 = 3 (3 × 2.843867 + 20) = 3.055686
Dan seterusnya. Hasilnya dapat ditabelkan sebagai berikut
Tabel 2.4. Tabel Iterasi
Kemiringan f ' ( xi + 1 )
f (xi1+)
f ( xi )
f ( xi+1 )
0 xi + 2 xi+1 xi x
xi − xi+1
Gambar 2.6. Grafik Newton Rapshon
19
Gambar 2.7 Penyelesaian metode newton-rapshon
newton rapshon
Pernyataan Masalah:
Gunakan Metode Newton-Raphson
Newton untuk menaksir akar dari :
f(x) = e-x-x , menggunakan sebuah tebakan awal x0= 0.
Langkah 1:
Turunan pertama dan kedua dari fungsi f(x) = e-x-x , dapat dievaluasikan sebagai :
Langkah 2:
Lakukan uji syarat persamaan
20
Langkah 3:
Lakukan Iterasi dengan : x = x − f ( xi )
i +1 i
f ' ( xi )
Akar x akan semakin akurat, jika nilai f(x) semakin mendekati 0
Tabel 2.5 Tabel Iterasi Newton Rapshon
Contoh
f(x) = x3 - 3x - 20, maka f1(x) = 3x2- 3
Dengan demikian x k+1 = xk - (x3k - 3xk - 20) / (3x2k - 3).
Perkiraan awal xo = 5
Maka:
f(5)=53-3.(5)-20
20 =90
f'(5)=3(5)2-33 =72
xbaru=5-(90/72)=3.75
(90/72)=3.75
iterasi Xk Xk+1 f(xk) f'(xk) F(xk+1)
1 5 3.75 90 72 21.484375
21
Algoritma
Tentukan Xo, toleransi, dan jumlah iterasi maksimum.
Hitung Xbaru = x - f'(x0)/f(X0).
Jika nilai mutlak (Xbaru - X0) < toleransi, diperoleh tulisan xbaru sebagai hasil
perhitungan;
jika tidak, lanjutkan ke langkah berikutnya.
Jika jumlah iterasi > iterasi maksimum, akhiri program.
X = Xbaru, dan kembali ke langkah (b).
f ( xi )( xi −1 − xi )
didapat: xi +1 = xi −
f ( xi −1 ) − f ( xi )
22
Contoh:
Selesaikan Persamaan:
Berdasarkan gambar grafk didapatkan akar terletak pada range [0.8, 0.9], maka X0 = 0.8
dan x1 = 0.9, sehingga:y0 = F(x0) = -0.16879y1 = F(x1) = 0.037518 Iterasi Metode Secant
adalah sbb:
24
Perbandingan Berbagai Metode.
Dari berbagai metode, baik metode tertutup maupun terbuka, maka dapat disimpulkan
seperti disajikan dalam tabel berikut ini:
25
C. Rangkuman
D. Tugas
Pilihlah satu metode untuk menyelesaikan persamaan non-linear diatas, kemudian cobalah
membuat programnya dengan menggunakan bahasa MATLAB!
E. Evaluasi
Gunakan Metode Bisection dan Newton Rapshon untuk memperkirakan akar dari f(x) =0.
Yang ada diantara titik a dan b berkut ini. f ( x) = x 4 + x − 3 , a = 1 dan b = 2.
26
BAB III
INTERPOLASI
• Menentukan suatu Interpolasi linear dan kuadratik dari barisan data dengan beberapa
metode dan menginterpreasikan hasilnya beserta algoritmanya.
• Menentukan suatu polinomial dari barisan data dengan beberapa metode dan
menginterpreasikan hasilnya beserta algoritmanya
B. Uraian Materi
Interpolasi adalah teknik mencari harga suatu titik diantara 2 titik yang nilai fungsi pada
ke-2 titik tersebut sudah diketahui. Kegunaan dari interpolasi itu sendiri sangat penting
karena Data yang sering dijumpai di lapangan sering dalam bentuk data diskrit yang
umumnya disajikan dalam bentuk tabel. Sebagai gambaran, sebuah eksperimen di
laboratorium fisika dasar mengenai hubungan antara jarak tempuh benda yang jatuh bebas
terhadap waktu tempuh menghasilkan data seperti disajikan dalam tabel berikut:
Tabel 3.1 Tabel data interpolasi
y (meter) 10 20 30 40 50 60 70 80 90 100
t (detik) 1.45 2.0 2.4 2.85 3.0 3.5 3.75 4.0 4.2 4.52
Permasalahan yang sering ditemui pada data di atas adalah menentukan suatu nilai di
antara titik-titik tersebut yang dapat diketahui tanpa melakukan pengukuran kembali.
Misalkan kita ingin mengetahui berapa jarak tempuh benda ketika waktu tempuhnya 7,5
detik? Pertanyaan ini tidak secara langsung dapat dijawab, karena fungsi yang
menghubungkan variabel t dan y tidak diketahui. Salah satu solusinya adalah mencari
fungsi yang mencocokkan (fit) titiktitik dalam tabel di atas. Pendekatan semacam ini
disebut pencocokan kurva (curve fitting) dan fungsi yang diperoleh dengan pendekatan
ini merupakan fungsi hampiran. Tentu saja nilai fungsi yang diperoleh juga merupakan
nilai hampiran (hasilnya tidak setepat nilai eksaknya), tetapi cara pendekatan ini dalam
praktek sudah mencukupi karena formula yang menghubungkan dua variabel atau dua
besaran fisika sulit ditemukan.
27
turunan numerik didasarkan pada polinom interpolasi sehingga banyak yang menyatakan
bahwa interpolasi merupakan pokok bahasan yang fundamental dalam metode numerik.
Ada beberapa jenis interpolasi diantaranya:
Interpolasi Linier
Interpolasi Kuadratik
Interpolasi Polinomial
Interpolasi Lagrange
28
Contoh: Diketahui data sebagai berikut :
x -3 -2 -1 0 1 2 3 4 5 6 7
y 9 4 1 0 1 4 9 16 25 36 49
Terlihat bahwa y = 42.5 lebih akurat, jadi dapat disimpulkan bahwa Semakin kecil interval
antara titik data, hasil perkiraan interpolasi akan semakin baik.
Masukkan nilai dari setiap titik ke dalam persamaan polynomial di atas dan diperoleh
persamaan simultan dengan n persamaan dan n variable bebas:
Penyelesaian persamaan simultan di atas adalah nilai-nilai a0, a1, a2, a3, …, an yang
merupakan nilai-nilai koefisien dari fungsi pendekatan polynomial yang akan digunakan.
Dengan memasukkan nilai x dari titik yang dicari pada fungsi polinomialnya, akan
diperoleh nilai y dari titik tersebut.
30
simultan di atas.
y ( x) = 2,4786 31
Contoh 2 :
Bila y1 = 4, y3 = 12, y4 = 19 dan yx = 7, carilah x ?
Karena yang ditanyakan nilai x dengan nilai y diketahui, maka digunakan interpolasi
invers atau kebalikan yang analog dengan interpolasi Lagrange.
1 27 4
x= + − = 1,86
2 14 7
Nilai sebenarnya dari x adalah 2, karena nilai-nilai atau data diatas adalah hasil dari
polinom y(x) = x2 + 3.
Adapun untuk membentuk polinom derajat 2 dengan diketahui 3 titik, dapat menggunakan
cara yang sebelumnya pernah dibahas dalam hal mencari persamaan umum polinomial
kuadrat.
C. Rangkuman
1. Interpolasi adalah teknik mencari harga suatu titik diantara 2 titik yang nilai fungsi
pada ke-2 titik tersebut sudah diketahui
2. Interpolasi linear adalah interpolasi dua buah titik dengan sebuah garis lurus.
Misalkan dua buah titik, ( x1 , y1 ) dan (x2 , y2 ). Polinom yang menginterpolasi kedua
titik itu adalah persamaan garis lurus
3. Interpolasi Kuadratik digunakan untuk mencari titik-titik antara dari 3 buah titik
P1(x1,y1), P2(x2,y2) dan P3(x3,y3) dengan menggunakan pendekatan fungsi kuadrat.
4. Interpolasi polynomial digunakan untuk mencari titik-titik antara dari n buah titik
P1(x1,y1), P2(x2,y2), P3(x3,y3), …, PN(xN,yN) dengan menggunakan pendekatan
fungsi polynomial pangkat n-1:
D. Tugas
Carilah sebuah data di lapangan (x,y) dan kemudian lakukan interpolasi pada saat x
tertentu!
32
E. Soal
1. Cari nilai y untuk titik x =2.5 yang berada diantara titik (1,5), (2,2) dan (3,3) dengan
menggunakan interpolasi kuadratik !
Carilah 10log 115 dengan menggunakan Interpolasi Lagrange dari data diatas..
N (x − x j )
y = ∑ yi ∏
i =1 j ≠1 ( xi − x j )
33
BAB IV
INTEGRASI NUMERIK
• Menghitung integral secara numerik dengan beberapa metode persegi panjang dan
trapezium
• Menghitung integral secara numerik dengan aturan simpson 1/3 dan aturan simpson
3/8
B. Uraian Materi
Di dalam kalkulus, terdapat dua hal metode penting untuk menyelesaikan permasalahan
matematis yaitu integral dan turunan (derivative). Pengintegralan numerik merupakan alat
atau cara yang digunakan untuk memperoleh jawaban hampiran (aproksimasi) dari
pengintegralan yang tidak dapat diselesaikan secara analitik. Kita lihat contoh berikut:
Fungsi yang dapat dihitung integralnya secara analitik :
ax n+1
∫ ax dx = +C
n
n +1
e ax
∫ e dx = a + C
ax
∫0 1 + 0.5 sin x e dx
Perhitungan integral adalah perhitungan dasar yang digunakan dalam kalkulus, dalam
banyak keperluan. digunakan untuk menghitung luas daerah yang dibatasi oleh fungsi y =
f(x) dan sumbu x. Penerapan integral semisal menghitung luas dan volume-volume benda
putar dan juga yang lainya.
= c0 f ( x0 ) + c1 f ( x1 ) + ... + cn f ( xn )
34
Gambar 4.1 Dasar Pengintegralan Numerik
f n ( x) = a0 + a1 x + L + an −1 x n −1 + an x n
f n dapat berupa fungsi linear, kuadrat, kubik, ataupun polynomial yang lebih tinggi. Dan
juga polinomial dapat didasarkan pada data.
35
Gambar 4.3 Linear dan kuadartik
a
∫ f (x )dx
0 0
h
L = ∑ h . f(xk )
k =1
Selain mengambil tinggi persegi panjang ke-k,ke sama dengan f (xk ) yaitu nilai fungsi pada
ujung kanan sub-interval
interval ke-k
ke k tersebut, juga dapat mengambil tinggi sama dengan f (xk-1 )
yaitu nilai fungsi pada ujung kiri sub-interval,
sub ataupun juga pada : f((x + x ) / 2)
k -1 k
Contoh:
Cari luas daerah di bawah kurva f(x) = x2, antara x = 0 sampai x = 4
37
1
x**2
0.8
0.6
0.4
0.2
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Gambar 4.8 Grafik Solusi Metode Reimann
Dengan mengambil h=0.1 maka diperoleh tabel :
Tabel 4.1. Perhitungan integral dengan metode Reimann
10
L = h.∑ f ( xi )
i =0
= 0.1(0 + 0.01 + 0.04 + 0.09 + 0.16 + 0.25 + 0.36 + 0.49 + 0.64 + 0.81 + 1.00 )
= (0.1)(3,85) = 0,385
1
1
Secara kalkulus : L = ∫ x 2 dx = x 3 |10 = 0,3333.....
0
3
f(xk) 0 1 4 9 16
Luas total:
=
1
(0 + 2 (1 + 4 + 9) + 16) = 22
2
h 3
f(x 0 ) + 2 ∑ f(x k ) + f(x 4 )
=
2 k =1
Algoritma Metode Integrasi Trapezoida
• Definisikan y=f(x)
• Tentukan batas bawah (a) dan batas atas integrasi (b)
• Tentukan jumlah pembagi n
• Hitung h=(b-a)/n
• Hitung h n −1
L = f 0 + 2∑ f i + f n
2 i =1
∫ f ( x)dx ≈ ∑ ci f ( xi ) = c0 f ( x0 ) + c1 f ( x1 ) + c2 f ( x2 )
a
i =0
=
h
[ f ( x0 ) + 4 f ( x1 ) + f ( x2 )]
3
39
Gambar 4.10 Grafik Metode Simpson 1/3
ξ (ξ − 1) ξ (ξ + 1)
L(ξ ) = f ( x0 ) + (1 − ξ 2 ) f ( x1 ) + f ( x2 )
2 2
b 1 h 1
∫ f ( x)dx ≈ h ∫ L(ξ )dξ = f ( x0 )
2 ∫−1
ξ (ξ − 1)dξ
a −1
1 h 1
+ f ( x1 )h ∫ ( 1 − ξ 2 )dξ + f ( x2 ) ∫ ξ (ξ + 1)dξ
0 2 −1
1 1
h ξ3 ξ2 ξ3
= f ( x0 ) ( − ) + f ( x1 )h(ξ − )
2 3 2 −1 3 −1
1
h ξ3 ξ2
+ f ( x2 ) ( + )
2 3 2 −1
h
[ f ( x0 ) + 4 f ( x1 ) + f ( x2 )]
b
∫
a
f ( x )dx =
3
40
Gambar 4.11.
4.11. Grafik pembagian h pada metode simpson 1/3
Atau penurunan perumusan tersebut dapat pila didapat dari Polinom interpolasi Newton-
Newton
Gregory derajat 2 yang melalui ketiga titik tersebut.
Algoritma:
a) Definisikan fungsi integran
b) Tentukan batas pengintegralan a dan b dan jumlah segmen n (harus genap)
c) Hitung : h = (b-a)/n
a)/n
d) Inisialisasi sum = F (a) + 4 x F (a+h)
e) Hitung untuk i = 2 sampai i = n-1n dengangan indeks pertambahan sama dengan 2 sum
= sum + 2 x F (a+ixh) + 4 x F (a+(i+1)h)
f) Hitung nilai integral I = h/3 x (sum + F(b))
g) Tulis hasil perhitungan
= [ f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + f ( x3 )]
3h
8
41
Error Pemenggalan
3 5 ( 4) (b − a ) 5 ( 4) b−a
Et = − h f (ξ ) = − f (ξ ) ; h =
80 6480 3
Algoritma:
a) Definisikan fungsi integran
b) Tentukan batas pengintegralan a dan b dan jumlah segmen n (harus kelipatan 3)
c) Hitung : h = (b-a)/n
d) Inisialisasi sum = F (a) + 3 x F (a+h) + 3 x F (a+2h)
e) Hitung untuk i = 3 sampai i = n-1 dengan indeks pertambahan sama dengan 3 sum
= sum + 2 x F (a+ih) + 3 x F (a+(i+1)h) + 3 x F (a+(i+2)h)
f) Hitung nilai integral I = 3h/8 x (sum + F(b))
Tulis hasil perhitungan
42
4.7 Beberapa Penerapan Integrasi Numerik
Menghitung Luas Daerah Berdasarkan Gambar
Untuk menghitung luas integral di peta di atas, yang perlu dilakukan adalah
menandai atau membuat garis grid pada setiap step satuan h yang dinyatakan dalam
satu kotak. Bila satu kotak mewakili 1 mm, dengan skala yang tertera maka berarti
panjangnya adalah 100.000 mm atau 100 m.
Pada gambar di atas, mulai si
sisi
si kiri dengan grid ke 0 dan sisi kanan grid ke n (dalam
hal ini n=22). Tinggi pada setiap grid adalah sebagai berikut:
Dari tabel di atas, luas area dapat dihitung dengan menggunakan 3 macam metode:
Dengan menggunakan metode integrasi Reimann
16
L = h∑ yi = 73.5
i =0
a
Contoh :
43
Ruang benda putar dapat dibedakan menjadi 4 bagian
• bagian I dan III merupakan bentuk silinder yang tidak perlu dihitung dengan
membagi-bagi
bagi kembali ruangnya,
• bagian II dan IV perlu diperhitungkan kembali.
Bagian II: LII = 2π (12)(12) = 288π dan VII = 2π (12 )(12 ) = 3456π
2
Rangkuman
1. Pengintegralan numerik merupakan alat atau cara yang digunakan untuk memperoleh
jawaban hampiran (aproksimasi) dari pengintegralan yang tidak dapat diselesaikan
secara analitik.
2. Metode Pendekatan Persegi Panjang ( Integral Reimann )
h
L = ∑ h . f(xk )
k =1
3. Metode Trapesium
n −1
h
L= f(x 0 ) + 2 ∑ f(x k ) + f(x n )
2 k =1
44
4. Perumusan Aturan Simpson 1/3 diaproksimasi dengan fungsi parabola:
b 2
∫ f ( x)dx ≈ ∑ ci f ( xi ) = c0 f ( x0 ) + c1 f ( x1 ) + c2 f ( x2 )
a
i =0
h
[ f ( x0 ) + 4 f ( x1 ) + f ( x2 )]
=
3
5. Aturan Simpson 3/8 diaaproksimasi dengan fungsi kubik
b 3
=
3h
[ f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + f ( x3 )]
8
C. Tugas
Pilihlah satu metode untuk menyelesaikan integral secara numerik diatas, kemudian coba
aplikasikan algoritmanya dalam sebuah bahasa pemograman menggunakan bahasa
pemograman MATLAB!
D. Evaluasi
Perbandingkan berbagai metode dengan metode Reimann, Trapezoid, dan aturan simpson
untuk menghitung integral di bawah ini!
2
∫
0
x 4 dx , n=4
45
BAB V
PERSAMAAN LINEAR SIMULTAN
B. Uraian Materi
Kasus-kasus persamaan linier akan banyak ditemui dalam masalah rekayasa atau science
baik dari cara analisis maupun hitungan rumusan model matematika permasalahan. Kasus
yang terpenting adalah jika jumlah besaran atau variabel yang dicari sama jumlahnya
dengan jumlah persamaan atau lazim disebut persamaan linear simultan. Terdapat
beberapa metode yang akan dipelajari guna menyelesaikan persamaan linear simultan ini.
Persamaan linier simultan adalah suatu bentuk persamaan-persamaan yang secara bersama-
sama menyajikan banyak variabel bebas. Bentuk persamaan linier simultan dengan m
persamaan dan n variabel bebas dapat dituliskan sebagai berikut:
dimana:
aij untuk i=1 s/d m dan j=1 s/d n adalah koefisien atau persamaan simultan
xi untuk i=1 s/d n adalah variabel bebas pada persamaan simultan
Penyelesaian persamaan linier simultan adalah penentuan nilai xi untuk semua i=1 s/d n
yang memenuhi semua persamaan yang diberikan. Permasalahan persamaan linier simultan
merupakan permasalahan yang banyak muncul ketika berhubungan dengan permasalahan
multi-variabel dimana setiap persamaan merupakan bentuk persamaan linier atau dengan
kata lain setiap variabel berpangkat paling besar satu. Persamaan linier simultan di atas
dapat dinyatakan sebagai bentuk matrik yaitu :
46
Matrik A dinamakan dengan Matrik Koefisien dari persamaan linier simultan, atau ada
yang menamakan dengan matrik Jacobian. Vektor x dinamakan dengan vektor variabel
(atau vektor keadaan) dan vektor B dinamakan dengan vektor konstanta.
Augmented Matrix ( matrik perluasan ) dari persamaan linier simultan adalah matriks yang
merupakan perluasan matrik A dengan menambahkan vector B pada kolom terakhirnya,
dan dituliskan:
Augmented (A) = [A B]
Sehingga secara detail, augmented matrik dari persamaan linier simultan dapat dituliskan:
Persamaan Linier Simultan atau Sistem Persamaan Linier mempunyai kemungkinan solusi:
Tidak mempunyai solusi
Tepat satu solusi
Banyak solusi
Contoh permasalahan 1:
Seorang pembuat boneka ingin membuat dua macam boneka yaitu boneka A dan boneka
B. Kedua boneka tersebut dibuat dengan menggunakan dua macam bahan yaitu potongan
kain dan kancing. Boneka A membutuhkan 10 potongan kain dan 6 kancing, sedangkan
boneka B membutuhkan 8 potongan kain dan 8 kancing.
Permasalahannya adalah berapa buah boneka A dan boneka B yang dapat dibuat
dari 82 potongan kain dan 62 kancing ?
Permasalahan ini dapat dimodelkan dengan menyatakan : x = jumlah boneka A dan y =
jumlah boneka B. Untuk setiap bahan dapat dinyatakan bahwa:
Potongan kain 10 untuk boneka A + 8 untuk boneka B = 82
Kancing 6 untuk boneka A + 8 untuk boneka B = 62
47
Atau dapat dituliskan dengan :
10 x + 8 y = 82
6 x + 8 y = 62
Penyelesaian dari permasalahan di atas adalah penentuan nilai x dan y yang memenuhi
kedua persamaan di atas.
Contoh permasalahan 2 :
Diketahui panas beberapa titik pada plat baja yaitu pada sisi luar. Bila ditentukan bahwa
aliran panas bergerak secara laminar dan panas pada sebuah titik adalah rata-rata panans
dari 4 titik tetangganya, maka dapat dihitung panas pada titik T1 dan T2 sebagai berikut:
48
5.1 Metode Eliminasi Gauss
Metode Eliminasi Gauss merupakan metode yang dikembangkan dari metode eliminasi,
yaitu menghilangkan atau mengurangi jumlah variabel sehingga dapat diperoleh nilai dari
suatu variable bebas. Untuk menggunakan metode eliminasi Gauss ini, terlebih dahulu
bentuk matrik diubah menjadi augmented matrik sebagai berikut :
Metode eliminasi gauss, adalah suatu metode dimana bentuk matrik di atas, pada biagan
kiri diubah menjadi matrik segitiga atas atau segitiga bawah dengan menggunakan OBE
(Operasi Baris Elementer).
a11 a12 a13 ... a1n b1 c11 c12 c13 ... c1n d1
a 0 c d 2
21 a 22 a 23 ... a2n b2 22 c23 ... c2 n
a 31 a 32 a 33 ... a3 n b3 0 0 c33 ... c3n d3
... ... ... ... ... ... ... ... ... ... ... ...
a n1 0 d n
an2 an3 ... a nn bn 0 0 ... cnn
Metode dasar untuk menyelesaikan Sistem Persamaan Linier adalah mengganti sistem
yang ada dengan sistem yang baru yang mempunyai himpunan solusi yang sama dan lebih
mudah untuk diselesaikan. Sistem yang baru diperoleh dengan serangkaian step yang
menerapkan 3 tipe operasi. Operasi ini disebut Operasi Baris Elementer
1. Mengalikan persamaan dengan konstanta kecuali nol
2. Mempertukarkan dua baris
3. Menambahkan perkalian suatu baris pada baris lainya.
Gauss menyelesaikan persamaan linear simultan melalui proses menghilangkan atau
mengganti secara beruntun beberapa besaran yang dicari sampai sistem menjadi satu
persamaan dengan satu besaran. Persamaan yang menyatakan satu variabel yang tidak
diketahui disebut persamaan PIVOTAL atau persamaan POROS. Jika telah diketahui nilai
satu variabel, maka variabel lainnya diperoleh melalui proses substitusi ke belakang
dengan menggunakan persamaan pivotal.
Dalam penyelesaian numerik cara Gauss selalu ditentukan terlebih dahulu persamaan
pivotal atau persamaan poros bagi variabel, yaitu persamaan yang mempunyai koefisien
terbesar dari besaran yang akan dieliminasi. Apabila besaran yang akan dieliminasi secara
berturut-turut adalah x1,x2, maka persamaan pivotal pertama diperoleh dari koefisien x1
mutlak yang terbesar. P
Persamaan ini dipindahkan posisinya pada susunan baris pertama, sehingga koefisien yang
terbesar berada pada lokasi diagonal a11. Persamaan pivotal kedua x2 dari hasil susunan
persamaan pivotal pertama dipilih dari koefisien besaran x2 yang terbesar. Demikian
seterusnya sehingga tersusun persamaan linear simultan dengan koefisien diagonal dapat
ditulis sebagai berikut:
49
Tinjaulah contoh penyelesaian sistem persamaan linear dengan cara Gauss sebagai berikut.
Persamaan linear dengan 4 besaran yang tidak diketahui disusun pada empat persamaan:
Besaran yang akan dihilangkan berturut-turut adalah x1, x2, dan x3. Karena koefisien x1
terbesar pada persamaan (3), ini merupakan persamaan pivotal pertama. Nyatakan x1 dari
persamaan ini:
Dari persamaan (6), (7), dan (8) terlihat koefisien terbesar x2 pada persamaan (6), sehingga
ini merupakan persamaan pivotal kedua.
Nyatakan x2 dari persamaan ini:
50
Dengan cara subsitusi ke belakang, besaran x3, x2 dan x1 diperoleh dari persamaan (12), (9)
dan (5). Dengan mengisikan nilai x4 ke persamaan (12) diperoleh x3 = 0.22636 dan dengan
mengisikan nilai x3 dan x4 ke persamaan (9) didapat x2 = 0.208898, sehingga nilai x1 dapat
diperoleh dari persamaan (5) dari x2, x3, da x4 yang telah diketahui, yaitu x1 = 1.038335.
Hasil penyelesaian sistem :
Untuk memeriksa kebenaran keempat nilai di atas, masukkan nilai x1, x2, x3, dan x4 pada
persamaan (1), (2), (3) dan (4). Terlihat bahwa cara Gauss menyelesaikan sistem
persamaan linear adalah dengan mengubah sistem persamaan yang diketahui menjadi
persamaan pivotal sistem triangulasi. Dalam penyajian matriks, susunan akhir menjadi :
Dengan mudah dari matriks ini dihitung determinan, berupa perkalian nilai koefisien
diagonal utama : D = 5.36 x 4.287538 x 1.47564 x (-3.117463) = -105.720.
Dengan penjelasan dalam contoh di atas, Algoritma Program mengubah bentuk umum
persamaan simultan :
51
Hal ini dilakukan melalui proses me-nol-kan kolom 1 sampai kolom n-1 di bawah posisi
diagonal. Untuk tujuan ini dibutuhkan (n-1) tahapan proses. Setiap tahap k, k = 1, 2, ..., n-1
akan menghasilkan nilai 0 pada kolom k tanpa mengubah nilai 0 yang sudah ada pada
kolom sebelumnya. Ini berarti bahwa pada setiap tahap dicari suatu pengali mik, dan
kemudian dilakukan pengurangan hasil pengali dari baris persamaan pivoting yang ditinjau
dengan persamaan dari baris lainnya sedemikian rupa sehingga diperoleh nilai nol. Untuk
mendapatkan nilai nol pada kolom pertama di bawah diagonal elemen a11 pada contoh
berikut:
Secara umum :
Pada proses perhitungan besaran ini sesungguhnya hanya ditinjau nilai j = k+1, k+2, .., n,
karena besaran nol di bawah posisi diagonal tidak memerlukan perhitungan lanjut. Dengan
substitusi ke belakang
52
dengan i = n-1, n-2, ..., 2, 1, akan diperoleh besaran variabel yang dicari.
Elemen akk yang digunakan menghitung mik disebut elemen PIVOT. Pada tahap akhir
penghitungan, determinan dunyatakan sebagai :
Sehingga jika ada pivot bernilai nol, berarti determinan |A| = 0. Ini menunjukkan invers
-1
[A] tidak ada, dan tidak ada penyelesaian unik persamaan sebab solusi vektor x dicari dari
-1
{x} = [A] {b}.
Jika pada proses eliminasi nilai akk bernilai 0, tetapi elemen di bawahnya bukan 0, maka
perlu modifikasi susunan baris, dengan pertukaran baris dalam matriks untuk mendapatkan
pivot yang bukan bernilai 0. Proses ini disebut proses PIVOTING.
Suatu pivot bernilai kecil sekali, dan sistem persamaan mempunyai nilai determinan yang
kecil; sistem disebut berkondisi ill (ill conditioned); yang berarti solusi yang akan
diperoleh tidak memberikan hasil yang besar. Penjelasan uraian ini dapat dilihat pada
solusi dua persamaan berikut
yang dalam penyajiannya secara grafik hampir paralel. Solusi persamaan ini tidak stabil
dan hasilnya dengan cara apa pun tidak akan memberikan nilai yang benar.
Algoritma yang memberikan sifat tidak stabil harus dicegah dengan menetapkan syarat
perlu :
Dengan ketentuan ini, prosedur pivoting perlu dimodifikasi pada tahap ke-k, sebelum
dibentuk pengali mik dengan penyusunan baris baru sedemikian rupa untuk memperoleh
nilai mutlak terbesar elemen dalam kolom k di posisi diagonal utama.
Algoritma Program
Algoritma penyelesaian persamaan simultan cara eliminasi Gauss :
a). Masukkan nilai matriks [A] dan {b} yang membentuk persamaan simultan linear.
b). Bentuk matriks gabungan [G] yang merupakan gabungan matriks [A] dan {b}.
c). Lakukan eliminasi untuk me-nol-kan bagian segitiga bawah matriks.
d). Lakukan substitusi mundur untuk mendapatkan hasil perhitungan.
e). Tulis keluaran dan akhiri program.
53
Gambar 5.2 Flowchart Penyelesaian Numerik SistemPersamaan Linear
54
5.2 Metode Eliminasi Gauss Jordan
Metode ini merupakan pengembangan metode eliminasi Gauss, hanya saja augmented
matrik, pada sebelah kiri diubah menjadi matrik diagonal.
a11 a12 a13 ... a1n b1 1 0 0 ... 0 d1
a 0 d 2
21 a22 a23 ... a2 n b2 1 0 ... 0
a31 a32 a33 ... a3n b3 0 0 1 ... 0 d3
... ... ... ... ... ... ... ... ... ... ... ...
an1 an 2 an 3 ... ann bn 0 0 0 ... 1 d n
Penyelesaian dari persamaan linier simultan diatas adalah nilai d1,d2,d3,…,dn dan atau:
x1 = d1 , x2 = d 2 , x3 = d 3 ,...., xn = d n
Teknik yang digunakan dalam metode eliminasi Gauss-Jordan ini sama seperti metode
eliminasi Gauss yaitu menggunakan OBE (Operasi Baris Elementer). Hanya perhitungan
penyelesaian secara langsung diperoleh dari nilai pada kolom terakhir dari setiap baris.
Contoh 1:
Selesaikan persamaan linier simultan:
x1 + x2 = 3 1 1 3
2 x1 + 4 x2 = 8 2 4 8
Penyelesaian dengan operasi baris elementer:
1 1 3
B2 − 2b1
0 2 2
1 1 3
B 2 / 2
0 1 1
1 0 2
B1 − B2
0 1 1
Penyelesaian persamaan linier simultan : x1 = 2 dan x2 = 1
Contoh 2:
x + y + 2z = 9
2 x + 4 y − 3z = 1
3x + 6 y − 5 z = 0
1 1 2 9 B2-2B1 1 1 2 9 B3-3B1
2 4 − 3 1 0 2 − 7 − 17
3 6 − 5 0 3 6 − 5 0
1 1 2 9 ½ B2 1 1 2 9 B3-3B2
0 2 − 7 − 17 0 1 − 7 − 17
2 2
0 3 − 11 − 27 0 3 − 11 − 27
55
1 1 2 9 -2 B3 1 1 2 9 B1- B2
0 1 − 7 0 1 − 7 − 172
2 − 172 2
0 0 − 12 − 32 0 0 1 3
1 0 112 35
B2 + 7/2 B3 1 0 0 1
2
0 1 − 7 −
17 0 1 0 2
2 2
B1 - 11/2 B3
0 0 1 3 0 0 1 3
Secara umum prosedur me-nol-kan unsur pada posisi atas dan bawah diagonal dilakukan
dengan pengali.
Dengan hanya unsur diagonal matriks ≠ 0 dapat dilakukan normalisasi pada matriks. Hasil
perhitungan langsung didapatkan pada kolom terakhir matriks. Bentuk matriks gabungan
setelah normalisasi adalah sebagai berikut :
56
(b) Jadikan nilai diagonalnya menjadi satu, dengan cara untuk setiap kolom k
dimana k=1 s/d n+1, hitung
Dari pembuktian matematika, jika suatu matriks [A] bukanlah singular sifatnya (ada
penyelesaian yang unik :
triangular [L] dan [U]. [L] disebut matriks triangular bawah yang elemen matriksnya
mempunyai nilai satu pada diagonal dan nilai 0 di atas diagonal, seperti :
[U] disebut matriks triangulasi atas dengan nilai elemen di bawah diagonal sama dengan 0.
Dengan demikian :
[A] = [L] [U]
Bila persamaan linear yang simultan dinyatakan dalam matriks [A]{x} ={b}, maka
mengisikan matriks [A] dengan [L] [U] menghasilkan
[L][U]{x} ={b} (5.21)
57
Berarti terdapat dua sistem :
[L] {z} = {b} untuk mencari {z}, dan [U] {x} = {z} untuk memperoleh {x}.
Matriks [U] sama dengan matriks triangulasi yang diperoleh dari metode Gauss.
Penyelesaian [U] {x} = {z} dilakukan dengan cara substitusi ke belakang, setelah diketahui
nilai {z}, yang diselesaikan dari [L] {z} = {b}.
Unsur elemen matriks [L] merupakan pengali dalam proses eleminasi Gauss, sehingga
menyimpan pengali ini selama proses eliminasi menjadi dasar pembentukan matriks [L]
dan [U]. Metode penyelesaian seperti ini disebut metode dekomposisi LU.
Algoritma proses dekomposisi LU:
a). Mendapatkan matriks [L] dan [U].
b). Menyelesaikan [L]{z} = {b}.
c). Menyelesaikan [U]{x} = {z}
Proses ini mempunyai syarat telah memasukkan prosedur pivotal. Selanjutnya, cara
dekomposisi ini mempunyai keunggulan dari cara Gauss, yaitu untuk nilai {b} yang
berbeda-beda cukup dilakukan satu kali penguraian matriks [A] ke [L][U].
Dari persamaan awal terlihat perlu dilakukan proses pivotal untuk koefisien x1
Proses pertama ialah menghilangkan elemen di bawah a11 menjadi nol. Secara umum:
58
Susunan baru [A] :
Dari susunan unsur tidak ada perubahan pivotal untuk meneruskan proses triangulasi.
59
sedangkan [L] ialah
Dari langkah (a), vektor {b} dapat mempunyai nilai yang berbeda, sehingga vektor {z}
sebagai vektor antara mendapatkan nilai vektor {x} menjadi fasilitator penyelesaian
persamaan bagi berbagai nilai vektor {b}. []{}{}bxA=
Metode dekomposisi LU banyak dipakai dalam pemrograman solusi analisis sistem yang
baku, yang unsur matriks [A] tetap, tetapi unsur vektor {b} yang terkait dengan pengaruh
luar terhadap sistem mempunyai beberapa variasi.
Algoritma Program
Algoritma penyelesaian persamaan simultan linear dengan metode dekomposisi LU:
a). Masukkan nilai matriks [A] dan {b}.
b).Lakukan dekomposisi matriks [A] (algoritma diberikan selengkapnya pada Bagan Alir
Program program).
c). Lakukan substitusi ke depan.
d). Lakukan substitusi ke belakang untuk mendapatkan penyelesaian persamaan.
e). Tulis keluaran dan akhiri program.
60
5.4 Metode Iterasi Gauss-Seidel
Metode interasi Gauss-Seidel adalah metode yang menggunakan proses iterasi hingga
diperoleh nilai-nilai yang berubah. Bila diketahui persamaan linier simultan:
Berikan nilai awal dari setiap xi (i=1 s/d n) kemudian persamaan linier simultan diatas
dituliskan menjadi:
x1 =
1
(b1 − a12 x2 − a13 x3 − .... − a1n xn )
a11
x2 =
1
(b2 − a21 x1 − a23 x3 − .... − a2n xn )
a2 2
...............................................................
xn =
1
(bn − an1 x1 − an 2 x2 − .... − ann−1 xn−1 )
ann
Dengan menghitung nilai-nilai xi (i=1 s/d n) menggunakan persamaan-persamaan di atas
secara terus-menerus hingga nilai untuk setiap xi (i=1 s/d n) sudah sama dengan nilai xi
pada iterasi sebelumnya maka diperoleh penyelesaian dari persamaan linier simultan
tersebut. Atau dengan kata lain proses iterasi dihentikan bila selisih nilai xi (i=1 s/d n)
dengan nilai xi pada iterasi sebelumnya kurang dari nilai tolerasi error yang ditentukan.
Untuk mengecek kekonvergenan :
Hati-hati dalam menyusun sistem persamaan linier ketika menggunakan metode iterasi
Gauss-Seidel ini. Perhatikan setiap koefisien dari masing-masing xi pada semua persamaan
di diagonal utama (aii).Letakkan nilai-nilai terbesar dari koefisien untuk setiap xi pada
diagonal utama. Masalah ini adalah ‘masalah pivoting’ yang harus benar-benar
diperhatikan, karena penyusun yang salah akan menyebabkan iterasi menjadi divergen dan
tidak diperoleh hasil yang benar.
x1 + x2 = 5
2 x1 + 4 x2 = 14
Berikan nilai awal : x1 = 0 dan x2 = 0. Susun persamaan menjadi:
61
Nilai interasi ke-7 sudah tidak berbeda jauh dengan nilai interasi ke-6 maka proses
dihentikan dan diperoleh penyelesaian:
62
(8) Bila iterasi lebih dari max_iter atau tidak terdapat ei <ε untuk i=1 s/d n maka proses.
proses
dihentikan dari penyelesaiannya adalah xi untuk i=1 s/d n. Bila tidak maka ulangi langkah
(5)
Diperoleh x1 = 6 dan x2 = 4,
artinya bahan yang tersedia dapat dibuat 6 boneka A dan 4 boneka B.
Contoh Kasus 2:
Permasalahan aliran panas pada plat baja
Diketahui panas beberapa titik pada plat baja yaitu pada sisi luar. Bila ditentukan bahwa
aliran panas
nas bergerak secara laminar dan panas pada sebuah titik adalah rata-rata
rata panas
dari 4 titik tetangganya, maka dapat dihitung panas pada titik T1 dan T2 sebagai berikut:
63
Persamaan panas pada titik T1 dan T2 dapat dihitung dengan:
C. Rangkuman
1. Persamaan linier simultan adalah suatu bentuk persamaan-persamaan yang secara
bersama-sama menyajikan banyak variabel bebas. Bentuk persamaan linier simultan
dengan m persamaan dan n variabel bebas dapat dituliskan sebagai berikut:
64
2. Persamaan Linier Simultan atau Sistem Persamaan Linier mempunyai kemungkinan
solusi:
• Tidak mempunyai solusi
• Tepat satu solusi
• Banyak solusi
3. Metode eliminasi gauss, adalah suatu metode dimana bentuk matrik di atas, pada
biagan kiri diubah menjadi matrik segitiga atas atau segitiga bawah dengan
menggunakan OBE (Operasi Baris Elementer).
4. Operasi Baris Elementer
• Mengalikan persamaan dengan konstanta kecuali nol
• Mempertukarkan dua baris
• Menambahkan perkalian suatu baris pada baris lainya.
5. Persamaan yang menyatakan satu variabel yang tidak diketahui disebut persamaan
PIVOTAL atau persamaan POROS
6. Suatu pivot bernilai kecil sekali, dan sistem persamaan mempunyai nilai determinan yang
kecil; sistem disebut berkondisi ill (ill conditioned); yang berarti solusi yang akan diperoleh
tidak memberikan hasil yang besar.
7. Dekomposisi LU
8. Metode interasi Gauss-Seidel adalah metode yang menggunakan proses iterasi hingga
diperoleh nilai-nilai yang berubah
D. Tugas
Pilihlah satu metode untuk menyelesaikan Sistem Persamaan Linear secara numerik diatas,
kemudian coba aplikasikan algoritmanya dalam sebuah bahasa pemograman menggunakan
bahasa pemograman MATLAB!
E. Evaluasi
Perbandingkan metode Eliminasi Gauss, Iterasi Gauss-Seidel, dan Aturan Cramers dalam
menyelesaikan persamaan linear di bawah ini:
x1 + 2 x 2 + 3 x3 = 14
− 2 x1 + 3 x 2 + 2 x3 = 10
5 x1 − 8 x 2 + 6 x3 = 7
65
DAFTAR PUSTAKA
A. Pustaka
Anton, Howard. Dasar-dasar Aljabar Linear Jilid 2 Edisi 7. 2000. Penerbit Interaksara. Jakarta
Buku Ajar Aljabar Linear Oleh Yuliant Sibaroni 2002
Aljabar Linier Elementer. Mahmud ’Imrona. 2002
PAUL CALTER, 1979, Theory and Problems of Technical Mathematics, Schaum’s outline, Mc
GRAW.HILL BOOK COMPANY
Slide: AgusSoft, dll.
Gilbert Strang, Linear Algebra and its Applications, second edition, Harcourt Brace Jovanovich,
1980.
Evar D. Nering, Linear Algebra and Matrix Theory, second edition, John Wiley, 1970.
Serge Lang, Linear Algebra, Addison-Wesley, 1966.
66