Metode Pangkat, Bisection Method dan Metode Deflasi

dalam Menentukan Eigenvalue dan Eigenvector

REVIEW
Disusun untuk memenuhi mata kuliah Optimasi Numerik

DISUSUN OLEH

ERLINA 1707065001
GHONY NURHUDA 1707065004

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS MULAWARMAN
SAMARINDA
2019
 DAFTAR ISI
DAFTAR ISI .................................................................................................. i
DAFTAR GAMBAR ..................................................................................... ii
ABSTRAK ...................................................................................................... iii
ABSTRACT ..................................................................................................... iv
KATA PENGANTAR .................................................................................... v
BAB I PENDAHULUAN
1.1 Latar Belakang ................................................................................... 1
1.2 Rumusan Masalah .............................................................................. 2
1.3 Tujuan Penulisan .................................................................................. 3
1.3.1 Tujuan Khusus ........................................................................... 3
1.3.2 Tujuan Umum ........................................................................... 3
BAB II DASAR TEORI
2.1 Optimasi Numerik ............................................................................... 4
2.1.1 Optimasi Numerik ....................................................................... 4
2.1.2 Optimasi Satu Variabel ................................................................ 4
2.1.3 Optimasi Banyak Variabel…………………………………… 4
2.2 Metode Numerik ................................................................................ 5
2.2.1 Metode Numerik ........................................................................ 5
2.2.2 Metode Analitik .......................................................................... 5
2.3 Metode Pangkat ……………………………………………………….. 5
2.3.1 Metode Pangkat…………………………………………………. 5
BAB III METODOLOGI
3.1 Metodologi Penulisan............................................................................ 6
BAB IV HASIL DAN PEMBAHASAN
4.1 Perhitungan Nilai Eigen dengan Metode Pangkat…………………. 7
BAB V PENUTUP
5.1 Kesimpulan .......................................................................................... 10
 5.2 Saran ..................................................................................................... 10
DAFTAR PUSTAKA
LAMPIRAN

DAFTAR GAMBAR
Gambar 4.1 Hasil output dalam Matlab
 ABSTRAK

Analisis numerik merupakan salah satu cara yang digunakan untuk menemukan
eigenvalue (nilai eigen) dan eigenvector (vektor eigen) dari suatu matriks. Tujuan
dari kajian literatur ini ialah untuk menentukan eigenvalue dan eigenvector
menggunakan metode pangkat, bisection method dan metode deflasi dengan Matlab.
Metode pangkat (power method) untuk menentukan eigenvalue yang dominan atau
terbesar dengan eigenvector yang bersesuaian dari suatu matriks melalui pendekatan
iteratif yang perhitungannya akan dilakukan sampai ditemukannya satu nilai solusi,
Bisection method merupakan salah satu metode yang digunakan dalam analisis
numerik untuk memperoleh eigenvalue yang berada pada suatu fungsi kontinu dari
interval melalui pendekatan iteratif untuk memperoleh nilai yang merupakan solusi
dari sebuah permasalahan dilakukan sampai iterasi berhenti. Sedangkan metode
deflasi digunakan dalam mempermudah mencari eigenvalue dan eigenvector jika
digabungkan penggunaannya menggunakan metode pangkat melalui eigenvector
yang telah dinormalkan.

Kata kunci: bisection, deflasi, eigenvalue, eigenvector, metode pangkat

 ABSTRACT
Numerical analysis is one of the ways used to find eigenvalue (eigen value) and
eigenvector (Eigen vector) of a matrix. The purpose of this literature study is to
determine eigenvalue and eigenvector using the Rank method, bisection method and
deflation method with Matlab. The power method to determine the dominant or
greatest eigenvalue with a corresponding eigenvector of a matrix through an iterative
approach whose calculation will be done until the discovery of a solution value,
Bisection Method is one of the methods used in numerical analysis to obtain the
eigenvalue that is in a continuous function of the interval through an iterative
approach to obtaining a value that is the solution of a problem Done until the iteration
stops. While the deflation method is used to make it easier to find eigenvalue and
eigenvector if combined use using the Rank method...

Keyword: bisection, deflasi, eigenvalue, eigenvector, rank method

 KATA PENGANTAR
Dengan menyebut nama Allah Subhanahu Wa Ta’ala Yang Maha Pemurah
dan Lagi Maha Penyayang, puji syukur kami panjatkan kehadirat Allah Subhanahu
Wa Ta’ala, yang telah melimpahkan Hidayah, Inayah dan Rahmat-Nya sehingga
kami mampu menyelesaikan penyusunan makalah optimasi numerik dengan judul
“Metode Pangkat, Bisection Method dan Metode Deflasi dalam Menentukan
Eigenvalue dan Eigenvector” tepat pada waktunya.
Penyusunan makalah sudah kami lakukan semaksimal mungkin dengan
dukungan dari pak Fidia selaku dosen mata kuliah ini, sehingga bisa memudahkan
dalam penyusunannya. Untuk itu kami pun tidak lupa mengucapkan terima kasih dari
pak Fidia yang sudah membantu kami dalam rangka menyelesaikan makalah ini.
Tetapi tidak lepas dari semua itu, kami sadar sepenuhnya bahwa dalam
makalah ini masih terdapat banyak kekurangan baik dari segi penyusunan bahasa
serta aspek-aspek lainnya. Maka dari itu, dengan lapang dada kami membuka seluas-
luasnya pintu bagi para pembaca yang ingin memberikan kritik ataupun sarannya
demi penyempurnaan makalah ini.
Akhirnya penyusun sangat berharap semoga dari makalah yang sederhana ini
bisa bermanfaat dan juga besar keinginan kami bisa menginspirasi para pembaca
untuk mengangkat berbagai permasalah lainnya yang masih berhubungan pada
makalah-makalah berikutnya.
 BAB 1
PENDAHULUAN

1.1.Latar Belakang
Tidak selamanya permasalahan matematis khususnya pada model
optimisasi dapat diselesaikan dengan metode analitik. Terkadang pada
kondisi tertentu, solusi analitik dari permasalahan matematis tersebut
tidak dapat ditemukan sehingga diperlukan metode numerik. Metode
Analitik merupakan metode penyelesaian model matematika dengan
rumus-rumus aljabar yang telah baku atau lazim. Sedangkan metode
numerik merupakan metode hampiran atau pedekatan. Karena metode
numerik merupakan metode pendekatan atau hampiran, maka solusi
yang dihasilkan bukanlah nilai sesungguhnya, namun merupakan
solusi yang cukup dekat dengan solusi aslinya atau analitik. Apabila
berbicara mengenai solusi hampiran atau pendekatan maka erat
kaitannya dengan seberapa akurat solusi numerik yang diperoleh
dengan solusi analitik, dengan demikian pembicaraan mengarah pada
seberapa besar kesalahan atau eror yang dapat ditoleransi. Masalah
optimisasi berdasarkan jumlah kelinearannya dibagi atas 2 bagian,
yakni linear dan nonlinear, sedangkan berdasarkan jumlah variabel
bebasnya masalah optimisasi dibagi atas 2 bagian pula yakni 1 variabel
bebas dan banyak variable bebas. Banyak sekali metode numerik yang
dapat digunakan untuk menyelesaikan masalah optimisasi tersebut,
misalnya untuk menyelesaikan masalah optimisasi dengan 1 variabel
bebas dapat menggunakan metode Golden Rasio, Fibonacci, Biseksi,
Metode Pangkat, Secant. Lebih lanjut, untuk menyelesaikan masalah
optimisasi dengan lebih dari 1 variabel bebas dapat digunakan metode
numerik seperti Aksial, Hook and Jeeves, Arah Konjugasi, Steepest
Descent.
 Dalam matematika, eigenvalue banyak diterapkan di berbagai
bidang ilmu akan tetapi tidak semua masalah yang ada dapat
diselesaikan dengan menggunakan metode analitik, sehingga
dibutuhkan analisis numerik untuk mencari penyelesaian. Salah
satu permasalahan yang ada ialah eigenvalue dan eigenvector dari
suatu matriks yang dapat diselesaikan menggunakan metode
numerik. Untuk menemukan solusi dari eigenvalue dan eigenvector
hanya diperlukan operasi-operasi aljabar biasa hanya saja
perhitungan yang dilakukan tidak cukup hanya satu atau dua kali
tetapi harus dilakukan berulang-ulang sampai ditemukannya nilai
yang konvergen ke suatu penyelesaian.

Dalam penyelesaian soal-soal praktis, suatu matriks seringkali

begitu besar sehingga penentuan persamaan karakteristik tidak
praktis pada penggunaan metode determinan. Akibatnya, digunakan
berbagai metode aproksimasi. Metode aproksimasi (numerik) yang
dapat digunakan untuk menentukan eigenvalue dan eigenvector
dalam kajian literatur ini ada 3, yang pertama adalah metode
pangkat (power method). Metode Pangkat merupakan suatu
langkah yang digunakan untuk menentukan eigen value dominan
matriks A. Metode Pangkat juga digunakan untuk menentukan
eigenvalue dominan dari A yang mengakibatkan ditemukannya
vektor eigen singular dominan dan metode pangkat untuk matriks
yang tidak simetris. Perhitungan yang dilakukan menggunakan
proses perkalian matriks atau dapat disebut sebagai vektor awal
yang dilakukan secara berulang-ulang sampai ditemukan nilai yang
konvergen ke nilai yang merupakan solusinya.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, pokok permasalahan yang akan
dibahas dalam makalah ini adalah sebagai berikut.

1. Bagaimana solusi eigenvalue dan eigenvector?

2. Bagaimana langkah-langkah untuk mencari nilai eigenvalue dan eigen
vector dalam menggunakan metode pangkat?
3. Bagaimana perbandingan antara solusi metode numerik dan metode
analitik?

1.3 Tujuan Penulisan

1.3.1 Tujuan Khusus
Makalah ini disusun dalam rangka memenuhi tugas akhir mata kuliah
Optimasi Numerik.
1.3.2 Tujuan Umum
Secara umum penulisan makalah ini bertujuan untuk.
1. Menentukan solusi eigenvalue dan eigenvector
2. Melakukan simulasi untuk mencari nilai eigenvalue dan eigen vector dalam
menggunakan metode pangkat
3. Membandingkan antara solusi metode numerik dan metode analitik
 BAB 2
TINJAUAN PUSTAKA

2.1 Optimasi Numerik

Definisi 2.1.1 Optimasi Numerik
merupakan suatu proses untuk mencari kondisi yang optimum, dalam arti paling
menguntungkan. Optimasi bisa berupa maksimasi atau minimasi. Secara umum,
fungsi yang akan dimaksimumkan atau diminimumkan disebut fungsi objektif
(objective function), sedangkan harga-harga yang berpengaruh dan bisa dipilih
disebut variabel (perubah) atau decision variable. Secara analitik, nilai maksimum
atau minimum dari suatu persamaan: y = f (x) dapat diperoleh pada harga x yang
memenuhi:
( ) (2.1)

Untuk fungsi yang sulit untuk diturunkan atau mempunyai turunan yang sulit dicari
akarnya, proses optimasi dapat dilakukan secara numerik (Wahyuni, 2015).
Definisi 2.1.2 Optimasi Satu Variabel
Tinjaulah sebuah fungsi dengan satu variabel sebagai berikut : y = f(x) Ingin
dicari harga x yang memberikan harga y maksimum (maksimasi) atau minimum
(minimasi). Dalam hal ini, x yang diperoleh merupakan nilai x optimum fungsi.
Metodenya berupa Metode Golden Section, Metode Newton, Metode Interpolasi
Kuadrat, Metode Pangkat (Wahyuni, 2015).
Definisi 2.1.3 Optimasi Banyak Variabel
Misal diketahui sebuah fungsi dengan banyak variabel sebagai berikut: y = f(x1,
x2, x3, ….., xn) Ingin dicari harga x1, x2, x3, ….., xn yang memberikan harga y
maksimum (maksimasi) atau minimum (minimasi). Pengelompokan metodenya
secara garis besar: (1) nongradient methods, dan (2) gradient methods. Metodenya
dapat berupa metode Hooke-Jeeves, metode langsung/ random search , metode
steepest ascent (ascending) / descent (descending). (Wahyuni, 2015).
2.2 Metode Numerik
Definisi 2.2.1 Metode Numerik
Metode numerik adalah teknik untuk menyelesaikan
permasalahanpermasalahanyang diformulasikan secara matematis dengan cara
hitungan (Aritmatika). Seringkali model matematika tersebut muncul dalam bentuk
yang tidak ideal alias rumit. Sehingga dapat dipecahkandengan operasi hitungan atau
aritmatika biasa. Solusi angka yang didapatkan dari metode numerik adalah solusi
yang mendekati nilai sebenarnya/ solusi pendekatan (approximation) dengan tingkat
ketelitian yang kita inginkan. Karena tidak tepat samadengan solusi sebenarnya, ada
selisih diantara keduanya yang kemudian disebut galat/error (Luknanto, 2001).
Definisi 2.2.2 metode analitik
Metode analitik adalah metode penyelesaian model matematika dengan rumus-
rumus aljabar yang sudah baku (lazim). Kebanyakan persoalan matematika tidak
dapat diselesaikan dengan metode analitik. Metode analitik disebut juga metode sejati
karena iamemberi solusi sejati (exact solution) atau solusi yang sesungguhnya, yaitu
solusi yang memiliki galat (error) sama dengan nol (Luknanto, 2001).
2.3 Metode Pangkat
Definisi 2.3.1 Metode Pangkat
Metode pangkat akan memerlukan waktu yang tidak sedikit karena harus
melakukan iterasi secara terus menerus. Misalkan A adalah matriks n × n yang
bujur sangkar dengan nilai-nilai eigen h1, h2, . . . , hn. Jika v1 adalah vektor eigen
yang bersesuaian dengan λ1, dan||v1|| =, maka:
1. Matriks B = A – h1v1 v1t mempunyai nilai-nilai eigen 0, λ2, . . . , λn
2. Jika v adalah vektor eigen B yang bersesuaian dengan nilai eigen tak nol
dalam himpunan { λ2, . . . ,λn } maka v adalah juga vektor eigen A yang
bersesuaian dengan nilai eigen ini.
(Wahyuni, 2015).
 BAB 3
METODOLOGI

3.1 Metodologi Percobaan

Metode penelitian yang digunakan dalam artikel ini ialah terlebih dahulu
melakukan studi literatur dari beberapa buku terkait dengan cara menemukan
eigenvalue dan eigenvector suatu matriks dengan metode pangkat (power
method). Matriks yang akan dicari eigenvalue dan eigenvector dianalisis secara
analitik dan dengan bantuan software MATLAB
1. Menentukan topik permasalahan
Pada tahap ini dilakukan pencarian jurnal acuan dan memilih topik yang akan
disajikan dalam makalah.
2. Merumuskan masalah
Ini dimaksudkan untuk memperjelas hal-hal yang nantinya akan dibahas dalam
makalah dan juga memberikan asumsi/ batasan terhadap permasalahan yang ada.
3. Studi pustaka
Pada tahap ini dilakukan kajian pustaka dengan cara mengumpulkan informasi
dari berbagai sumber, seperti : internet, buku, dan/atau jurnal pendukung. Hal ini
dimaksudkan untuk memperoleh bahan dasar dalam upaya pemecahan masalah.
4. Analisis dan Pemecahan Masalah
Langkah-langkah dalam menentukan nilai eigen dengan metode pangkat
adalah sebagai berikut:
A. Ambil sebarang matriks x 0 yang tak nol
B. Hitung nilai y1 = Ax0
C. Cari harga mutlak terbesar dari elemen y1
D. Hitung nilai x1 = x1 = | |
E. Hitung aproksimasi nilai eigen mulai dari iterasi pertama yaitu
1= .
ℷ
sampai dengan iterasi berikutnya dengan langkah yang sama hingga
mendapatkan aproksimasi nilai eigen dominannya
(nilai eigen terbesar).
 BAB 4
HASIL DAN PEMBAHASAN
Hasil dari penelitian yang telah dilakukan bahwasannya untuk mencari
eigenvalue dan eigenvector suatu matriks berukuran n × n dapat dilakukan
menggunakan metode pangkat, metode bisection atau belah dua dan metode
deflasi. Masing-masing metode mempunyai langkah berbeda untuk menentukan
eigenvalue dan eigenvector dari suatu matriks. Berikut ini akan dicari
menggunakan perhitungan manual maupun program Matlab nilai eigen dan vektor
eigen yang bersesuaian untuk matriks A = * +.

4.1 Perhitungan Nilai Eigen dengan Metode Pangkat

Perhitungan manual dengan menggunakan langkah-langkah metode pangkat
berikut ini.

A. Ambil sebarang matriks x0 yang tak nol, misalnya x 0 = * +

B. Maka diperoleh y1 = Ax0 = * +* +

=
* += * +

Harga mutlak terbesar dari elemen y1 adalah |1.625|, sehingga diperoleh

=
X1 = =
* +=* +
| |

Iterasi 1 :
(* +* +) * +
ℷ1 = .=
* + * +

( )* +
=
* +* +

* +* +
= = =
* +* +

= 1,99
Iterasi 2 :
2 1
y = Ax = * +* +

=
* += * +

X2 = =
* +=* +
| |

(* +* +) * +
ℷ2 = .=
* + * +

( )* +
=
* +* +

* +* +
= = =
* +* +

= 2
Iterasi 3 :
3 2
y = Ax = * +* +

=
* += * +

X3 = =
* +=* +
| |

(* +* +) * +
ℷ3 = =
* + * +

( )* +
=
* +* +

* +* +
= = =
* +* +

= 1,5
Iterasi 4 :
4 3
y = Ax = * +* +

=
* += * +

X4 = =
* +=* +
| |

(* + * +) * +
ℷ4 = =
* + * +

( )* +
=
* +* +

* +* +
= = =
* +* +

= 2

Perhatikan bahwa aproksimasi eigenvector pada iterasi ke-4 yaitu X4 = * +

Sehingga dengan menggunakan metode pangkat diperoleh eigenvalue dominan

sebesar 2 ≈ 2 dengan eigenvector dominannya * + Untuk hasil dari script Matlab
–3
dengan error sebesar 10 menggunakan metode pangkat sebagai berikut:

Gambar 4.1 Hasil output dalam Matlab

 BAB 5
SARAN & KESIMPULAN
5.1 Kesimpulan
1. Metode pangkat (power method) merupakan sautu langkah iteratif yang
bertujuan untuk mendapatkan hampiran nilai eigen dominan terbesar dari
suatu matriks.
2. Dalam metode ini diperlukan adanya hubungan sehingga akan diperoleh
langkah-langkah yang runtut dalam menemukan eigenvector yang
bersesuaian dengan eigenvalue dominan terbesar.
3. Dalam mencari nilai eigen dominan dan vektor eigen menggunakan metode
pangkat (power method) semakin kecil (error atau galat) yang diberikan
menyebabkan semakin banyak iterasi yang terjadi sehingga semakin baik
hasil yang diperoleh. Perhitungan berlanjut sampai ditemukan nilai yang
konvergen ke suatu nilai yang merupakan solusinya.
5.2 Saran
1. Adanya penelitian tentang metode untuk mencari nilai eigen bilangan
kompleks.
 DAFTAR PUSTAKA
Wahyuni, T. Azisah, “Metode pangkat dan metode deflasi dalam
menentukan nilai eigen dan vektor eigen dari matriks”,
Jurnal MSA UINAM, vol.3 No.2, pp.64-74, Juli-Desember
2015.
Luknanto, Djoko. 2001. Metode Numerik. Yogyakarta : UGM.
 LAMPIRAN

A = [1.25, .75; .75, 1.25]; %[-7,13,-16;13,-10,13;-16,13,-7];

n= size(A,1);
x_0 = [1, .5]; %[1,-.8,.9]; %rand(n,1);
index = 1;
err_tol = 10^-3;
max_iterates = 20;
x_init=zeros(n,1);
lamda=zeros(max_iterates,1);
%define x_init and require it to be a column vector.
for i=1:n
x_init(i)=x_0(i);
end
%find the max element in size.
[max_x,i_max]=max(abs(x_init));
%noemalize the initil vector to have an
%infinity norm of 1.
z=x_init/x_init(i_max);
%if index=0, generate a special vector for the
%approximate eigenvalue computation.
if index==0
spec_vec=rand(1,n);
end
format short;
error=inf;
it_count=0;
iterasi = [];
m_z = [];
%main loop.
while abs(error)>err_tol && it_count<max_iterates
it_count=it_count+1;
iterasi = [iterasi; it_count];
w=A*z;
[max_w,i_max]=max(abs(w));
%calculate approximate eigenvalue
if index==0
lamda(it_count)=(spec_vec*w)/(spec_vec*z);
else
lamda(it_count)=w(index)/z(index);
end
if it_count>1
error=lamda(it_count)-lamda(it_count-1);
end
z=w/w(i_max);
%save approximate aigenvector.
m_z = [m_z; z.'];
end
%setting of output variables.
eigenvec=z;
lamda=lamda(1:it_count);
diff=zeros(it_count,1);
ratio=zeros(it_count,1);
diff(2:it_count)=lamda(2:it_count)-lamda(1:it_count-1);
ratio(3:it_count)=diff(3:it_count)./diff(2:it_count-1);
%matlab 2013b
%T = table(iterasi, m_z(:,1), m_z(:,2), lamda, diff, ratio);
%T.Properties.VariableNames = {'Iterasi' 'Z1' 'Z2' 'Lamda' 'Diff'
'Ratio'};
%T = table(iterasi, m_z(:,1), m_z(:,2), m_z(:,3), lamda, diff,
ratio);
%T.Properties.VariableNames = {'Iterasi' 'Z1' 'Z2' 'Z3' 'Lamda'
'Diff' 'Ratio'};
%matlab r2013a
%T = array2table([iterasi, m_z(:,1), m_z(:,2), lamda, diff,
ratio],'VariableNames',{'Iterasi' 'Z1' 'Z2' 'Lamda' 'Diff'
'Ratio'});
%disp(T);
%matlab lama
hasil = [iterasi, m_z(:,1), m_z(:,2), lamda, diff, ratio];
fprintf('%6s %12s %12s %12s %12s %12s\n', 'Iterasi', 'Z1', 'Z2',
'Lamda', 'Diff', 'Ratio');
fprintf('%6.0f %12.8f %12.8f %12.8f %12.8f %12.8f\n', hasil.');
if it_count==max_iterates
disp(' ')
disp('*** your answers may possibly not ...satisfy your error
tolerance.')
end