BAB 2

SISTIM PERSAMAAN LINEAR DAN NON LINEAR

Sistem persamaan linear banyak dijumpai pada penyelesaian persamaan diferensial

parsial eliptik, parabolik dan hiperbolik yang akan diberikan pada Bab 6, 7, dan 8. Dalam

bab ini akan dibahas mengenai matriks dan penyelesaian sistim persamaan linear dengan

metoda eliminasi Gauss dan Iterasi Gauss-Seidel.

2.1. MATRIKS

Matriks ordo m x n adalah jajaraan bilangan persegi empat terdiri dari baris m dan

kolom n dalam bentuk :

a11 a12 a13 ........ a1n 

a a22 a23 ........ a2 n 
A =  21
..... ..... ..... ........ ......
 
am1 am 2 am 3 ........ amn 

Setiap bilangan ajk dalam matriks ini disebut suatu elemen. Subskrip j menunjukkan baris dan

k menunjukkan kolom. Matrik yang mempunyai satu baris disebut matriks baris sedangkan

yang mempunyai satu kolom disebut matriks kolom. Matriks bujur sangkar adalah matriks

yang mempunyai jumlah baris dan kolom yang sama. Matriks Nyata adalah matriks yang

memiliki bilangan nyata, sedangkan Matriks Kompleks adalah matriks yang mempunyai

bilangan kompleks.
Contoh : Matriks Nyata (Riil)

 2 1 − 1
A =  1 − 2 3 
− 2 1 2

Contoh : Matriks Kompleks

0 − i
A = 
i 0

Dua buah matriks atau lebih yang berukuran sama dapat dijumlahkan atau dikurangkan.

Jumlah dari matriks A = [aij] dan B = [bij] adalah suatu matriks yang elemen-elemennya

merupakan penjumlahan elemen-elemen yang berhubungan dari matriks A dan B.

C = A + B = [aij] + [bij] = [cij] (2.1.1)

Pengurangan matriks A dan matriks B menghasilkan suatu matriks yang elemen-

elemennya merupakan elemen-elemen yang berhubungan dari matriks A dan B.

C = A - B = [aij] - [bij] = [cij] (2.1.2)

Contoh :

− 1 4 2  3 5 0
A =  3 0 5 ; B =  1 4 − 3 
− 2 1 6  − 1 2 − 4

− 2 9 2
A + B = C =  4 4 2 
− 3 3 2 

− 4 −1 2
A − B = C =  2 −4 8 
− 1 −1 10

Jika matriks A = (nxm) dan matriks B = (mxr) dikalikan akan menghasilkan :

 (a11 b11 + ... + a1m b m1 ) ... (a11 b1r + ... + a1m b mr ) 
(a b + ... + a b ) ... (a b + ... + a b )
 21 11 2m m1 21 1r 2m mr 

a b  = c 
ij ij ij = . 
 
. 
(a n1 b11 + ... + a nm b m1 ) ... (a n1 b1r + ... + a nm b mr )
 

Perkalian antara skalar dengan matriks akan menghasilkan suatu matriks yang elemen-

elemennya adalah perkalian skalar dengan elemen matriks asal :

k A = C, [cij] = k [aij]

Contoh :

− 1 2
 2 0  1 
4
A =  B =  0
− 1 2 3
 4 − 1 

− 4 0 6
− 2 8
A. B =  B . A = − 1 3 
− 3
; 2
 13  9 14 − 3 

Sistim persamaan linear dapat didefinisikan sebagai perkalian antara matriks A dengan

vektor kolom x menghasilkan vektor kolom b yang dapat ditulis sebagai :

a11x1 + a12x2 + ………. + a1nxn = b1,

a21x1 + a22x2 + ………. + a2nxn = b2,

.
.
.

an1x1 + an2x2 + ………. + annxn = bn,

atau dapat ditulis sebagai Ax = b, dimana :

 a11 a12 ... a1n   x1  b1 
a a22 ... a2 n  x  b 
A =  21 , x =  2 , b =  2
.     
     
an1 an 2 ... ann   xn  bn 

Sistem persamaan linear dapat diselesaikan dengan metoda langsung (direct method)

atau dengan metoda iterasi (iterative method).

2.2. METODA ELIMINASI GAUSS

Metoda Gaussion Elimination merupakan salah satu metoda langsung (direct

method). Metoda ini dimulai dengan membuat augmented matrix, dan selanjutnya

dilakukan operasi baris pada augmented matrix untuk mendapatkan upper triangular

matrix. Back subtitution (substitusi mundur) digunakan pada langkah akhir untuk

mendapatkan harga variabel-variabel bebas yang dibutuhkan. Contoh diberikan suatu set

persamaan linear :

3 x1 - x2 + 2 x3 = 12

x1 + 2 x2 + 3 x3 = 11

2 x1 - 2 x2 - x3 = 2.

Hitung besarnya x1, x2, dan x3.

Dari set persamaan tersebut dibuat augmented matrix :

3 −1 2 : 12 
1 2 3 : 11

2 −2 −1 : 2 

3 -1.000 2.000 12.000

Row 2 – (1/3) Row 1 0 2.333 2.334 7.004
Row 3 – (2/3) Row 1 0 -1.334 -2.332 -5.992

3 -1.000 2.000 12.000

0 2.333 2.334 7.004
Row 3 – (-1.334/2.333) Row 2 0 0 -1.000 -1.993

Melalui back substitution yang dimulai dari

persamaan ketiga dan kembali ke persamaan kedua dan pertama didapat :

− 1.993
x3 = = 1.993
− 1.000

7.004 − 2.334 x3
x2 = = 1.008
2.3333

12 − (− 1 x2 + 2 x3 )
x1 = = 3.007
3

Algoritma Metoda Eliminasi Gauss

1. Buat augmented matrix dari n x n matriks dengan vector sisi kanan sama dengan

Menjadi matriks n x (n + 1).

2. Pertukarkan baris jika diperlukan agar a11 menjadi koefisien terbesar pada

Kolom pertama.
 3. Bentuk nol pada baris ke dua sampai ke n pada kolom pertama dengan

Mengurangkan baris ke I dengan ai1/a11 x baris pertama. Simpan ai1/a11

Dalam ai1, i = 2, …….. , n.

4. Ulangi langkah (2) dan (3) untuk baris kedua sampai dengan baris (n-1) pertama,

Dengan menempatkan koefisien bernilai terbesar pada diagonal melalui pertukaran

baris, kemudian mengurangkan baris ke I dengan aij/ajj x baris ke j untuk membentuk

nol pada semua posisi kolom j dibawah diagonal. Simpan aij/ajj dalam aij, i = j + 1, …,

n. Sistem yang diperoleh adalah upper-triangular.

5. Selesaikan xn dari persamaan ke n melalui persamaan :

xn = an,n+1 / ann,

6. Selesaikan untuk xn-1, xn-2, …., x1 dengan persamaan :

n
xi = (ai,n+1 -  aij xj) / aii
j=i+1

2.3. METODA GAUSS-SEIDEL

Metoda gauss-seidel merupakan salah satu metoda iterasi (iterative method).

Metoda ini lebih banyak digunakan apabila koefisien matrix dari set persamaan lebih banyak

merupakan bilangan nol. Penggunaan metoda ini akan dijelaskan melalui suatu contoh

penyelesaian persamaan linear.

Contoh : Selesaikan set persamaan linear berikut :

8 x1 + x2 - x3 = 8, (2.3.1)

x1 - 7 x2 + 2 x3 = -4. (2.3.2)

2 x1 + x2 + 9 x3 = 12 (2.3.3)

Set persamaan ini ditulis kembali kedalam suatu bentuk persamaan untuk mendapatkan
variabel-variabel dengan koefisien yang besar, yaitu :

x1 = 1 - 0.125 x2 + 0.125 x3 (2.3.4)

x2 = 0.571 + 0.143 x1 + 0.286 x3 (2.3.5)

x3 = 1.333 - 0.222 x1 - 0.111 x2 (2.3.6)

Pada iterasi pertama diberikan harga aproksimasi dari x1, x2, dan x3. Pada iterasi berikutnya

harga x1 dihitung dari persamaan (2.3.4) menggunakan harga aproksimasi x2 dan x3. Harga

x2 dihitung dari persamaan (2.3.5) menggunakan harga x1 yang baru dihitung dan harga

approksimasi x3. Harga x3 dihitung dari persamaan (2.3.6) menggunakan harga x1 dan x2

yang baru.

Persamaan (2.3.4) sampai dengan (2.3.6) dapat ditulis kedalam persamaan :

x1(n+1) = 1 - 0.125 x2(n) + 0.125 x3(n) (2.3.7)

x2(n+1) = 0.571 + 0.143 x1(n+1) + 0.286 x3(n) (2.3.8)

x3(n+1) = 1.333 - 0.222 x1(n+1) - 0.111 x2(n+1) (2.3.9)

Dimana n = nomor iterasi.

Perhitungan dapat dimulai dengan x1 = 0, x2 = 0, dan x3 = 0. Dengan menggunakan persamaan

(2.2.7) sampai dengan persamaan (2.2.9) diperoleh hasil perhitungan sebagaimana yang

ditampilkan pada Tabel 2.2.1. Dari tabel ini dapat dilihat bahwa persen kesalahan antara

nomor iterasi 5 dan 6 dapat diabaikan. Harga x1, x2 dan x3 pada kolom keenam merupakan

jawaban dari contoh persoalan yang diberikan.

 Tabel 2.2.1. Hasil Perhitungan Penyelesaian Set Persamaan
dengan Metoda Gauss - Seidel

Nomor Iterasi
Var 1 2 3 4 5 6
x1 0 1.000 1.041 0.997 1.001 1.000
x2 0 0.714 1.014 0.996 1.000 1.000
x3 0 1.032 0.990 1.002 1.000 1.000

Algoritma Iterasi Gauss – Seidel

Untuk menyelesaikan persamaan linear N, susun kembali baris-baris persamaan sehingga

elemen diagonal memiliki bilangan sebesar mungkin dibandingkan dengan bilangan dari

koefisien lain pada baris yang sama. Definisikan system yang disusun sebagai Ax = b.

Dengan memisalkan harga awal x(1), hitung masing-masing komponen x(n+1) , untuk I =

1, 2, ,,,,,, N, dengan persamaan :

Xi(n+1) = bi/aii -  (aij/aii) xj(n+1) -  (aij/aii) xj(n), n = 1,2, …….

Kondisi konvergensi diberikan oleh persamaan :

aij >  aij, i = 1,2,…., N.

2.4. SISTEM PERSAMAAN NON LINEAR

Sistem persamaan non linear seperti :

x2 + y2 = 4 (2.4.1)

ex + y = 1 (2.4.2)

dapat diselesaikan secara grafik dan numerik. Penyelesaian secara grafik didapat melalui

perpotongan lingkaran x 2 + y2 = 4 dengan kurva y = 1 − e x .

(1.8 , 0.8) 1

-2 -1 1 2
-1

-2

(1 , -1.7)
2.4.1. Metoda Iterasi

Persamaan (2.4.1) dan persamaan (2.4.2) disusun dalam

bentuk :

x = f (x , y) dan y = g (x , y)

x2 + y 2 = 4
y 2 = 4 − x2 (2.4.3)
y =  4 − x2

ex + y = 1
ex = 1 − y (2.4.4)
ln (e x ) = ln (1 − y)
x = ln (1 − y)

dimulai dengan y1 = -1,7 diperoleh nilai x dan y dari persamaan (2.4.3) dan (2.4.4), yaitu

x: 0,993 1,006 1,0038 1,0042 1,0042

y: -1,7 -1,736 -1,7286 -1,7299 -1,7296

Penyelesaian : x = 1,0042

y = -1,7296
Kriteria Kovergensi

Sitem persamaan : x = f (x, y, z, ….)

y = g (x, y, z, ….)

z = h (x, y, z, ….)

akan konvergen jika dalam interval di sekitar akar :

fx + fy + fz + .........  1,

gx + gy + gz + .........  1,

hx + hy + hz + .........  1,

Metoda Newton

Bentuk set persamaan fungsi non linear :

f (x , y) = 0 (2.4.5)

g (x , y) = 0 (2.4.6)

misalkan x = r, y = s adalah akar-akar persamaan (2.4.5) dan persamaan (2.4.6). Persamaan

(2.4.5) dan persamaan (2.4.6) dapat diekspansi menggunakan Deret Taylor di sekitar

titik (x1, y1), titik didekat akar persamaan dalam bentuk (r – x1), (s – y1) :

f (r,s) = 0 = f (x1,y1) + fx (x1,y1) (r – x1) + fy (x1,y1) (s – y1) + ………

g (r,s) = 0 = g (x1,y1) + gx (x1,y1) (r – x1) + gy (x1,y1) (s – y1) + …….

 − f fy
−g gy
r − x1 =
fx fy
gx gy

− f fy
−g gy
s − y1 =
fx fy
gx gy

catatan : semua fungsi dihitung pada (x1,y1)

Contoh :

Carilah akar x dan y sehingga :

f (x,y) = 4 – x2 – y2 = 0

g (x,y) = 1 – ex – y = 0

dimulai dengan x1 = 1, y1 = -1,7

fx = -2x fx (1, -1,7) = -2

fy = -2y fy (1, -1,7) = 3,4

gx = -ex gx (1, -1,7) = -e1 = -2,7183

gy = -1 gy (1, -1,7) = -1

− f fy
−g gy
r = x1 + f (1,-1,7) = 0,110
fx fy
gx gy

g(1,-1,7) = -0,0183

− 0,110 3,4
+ 0,0183 −1
r= 1 + = 1,0042
−2 3,4
− 2,7183 − 1
 −2 − 0,110
− 2,7183 0,0183
s = − 1,7 + = − 1,7298
11,2422

2.5 Program Penyelesaian Sistim Persamaan Linear dengan

Metoda Gaussian Elimination

C TUJUAN : PENYELESAIAN SISTIM PERSAMAAN LINEAR MENGGUNAKAN

C METODA GAUSSIAN ELIMINATION
C
C CONTOH : SELESAIKAN SET PERSAMAAN
C 3 X1 - X2 + 2 X3 = 12
C X1 + 2X2 + 3 X3 = 11
C 2 X1 - 2X2 - X3 = 2
C -----------------------------------------------------------
C
C PARAMETER-PARAMETER
C AB - KOEFISIEN AUGMENTED MATRIX
C N - JUMLAH PERSAMAAN
C NP - JUMLAH KOLOM DALAM AUGMENTED MATRIX
C NDIM - DIMENSI PERTAMA DARI MATRIX
C U - KOEFISIEN VEKTOR BERUPA HASIL PERHITUNGAN
C -----------------------------------------------------------
DIMENSION AB(10,15),U(10)
INTEGER N,NP,NDIM,I,J

OPEN (UNIT=6,FILE='ELIM.OUT',STATUS='NEW')
C INPUT DATA
N=3
NP = 4
NDIM = 3

AB(1,1) = 3.0
AB(1,2) = -1.0
AB(1,3) = 2.0
AB(1,4) = 12.0
AB(2,1) = 1.0
AB(2,2) = 2.0
AB(2,3) = 3.0
AB(2,4) = 11.0
AB(3,1) = 2.0
AB(3,2) = -2.0
AB(3,3) = -1.0
AB(3,4) = 2.0

NM1 = N – 1
DO 35 I = 1,NM1
IPVT = I
IP1 = I + 1
DO 10 J = IP1,N
IF (ABS(AB(IPVT,I)).LT.ABS(AB(J,I))) IPVT=J
10 CONTINUE

IF (ABS(AB(IPVT,I)).LT.1.0E-6) THEN
WRITE(6,100)
GO TO 200
ENDIF

IF (IPVT.NE.I) THEN
DO 20 JCOL = 1,NP
SAVE = AB(I,JCOL)
AB(I,JCOL) = AB(IPVT,JCOL)
AB(IPVT,JCOL) = SAVE
20 CONTINUE
ENDIF
 DO 32 JROW = IP1,N
IF (AB(JROW,I).EQ.0.0) GO TO 32
RATIO = AB(JROW,I) / AB(I,I)
AB(JROW,I) = RATIO
DO 30 KCOL = IP1,NP
AB(JROW,KCOL) = AB(JROW,KCOL) -
+ RATIO*AB(I,KCOL)
30 CONTINUE
32 CONTINUE
35 CONTINUE

IF(ABS(AB(N,N)).LT.1.0E-6) THEN
WRITE(6,100)
GO TO 200
ENDIF
NP1 = N + 1
DO 50 KCOL = NP1,NP
AB(N,KCOL) = AB(N,KCOL) / AB(N,N)
DO 45 J = 2,N
NVBL =NP1 - J
L = NVBL + 1
VALUE = AB(NVBL,KCOL)
DO 40 K = L,N
VALUE = VALUE - AB(NVBL,K) * AB(K,KCOL)
40 CONTINUE
AB(NVBL,KCOL) = VALUE/AB(NVBL,NVBL)
45 CONTINUE
50 CONTINUE

DO 51 I = 1,NDIM
U(I) = AB(I,NP)
51 CONTINUE
WRITE(6,150)
150 FORMAT(' VEKTOR PENYELESAIAN ADALAH = ')
WRITE(6,151)
151 FORMAT(' ')

DO 53 I = 1,NDIM
WRITE(6,54)I,U(I)
54 FORMAT(' I =',I5,3X,' X(I) =',F8.3)
53 CONTINUE

100 FORMAT(/'SOLUTION NOT FEASIBLE. A NEAR ZERO PIVOT',

$ 'WAS ENCOUNTEREDD.')
200 STOP
 END

Output Sistim Persamaan Linear dengan Metoda Gaussian Elimination

VEKTOR PENYELESAIAN ADALAH =

I = 1 X(I) = 3.000
I = 2 X(I) = 1.000
I = 3 X(I) = 2.000

2.5.1. Program Penyelesaian Sistim Persamaan Linear dengan

Metoda Gauss-Seidel

C TUJUAN : PENYELESAIAN SET PERSAMAAN LINEAR MENGGUNAKAN

C METODA GAUSS-SEIDEL
C CONTOH : SELESAIKAN PERSAMAAN
C 8 X1 + X2 - X3 = 8
C X1 - 7 X2 + 2 X3 = -4
C 2 X1 + X2 + 9 X3 = 12
C ----------------------------------------------------------
C
C PARAMETER - PARAMETER
C A - ARRAY DARI KOEFISIEN MATRIX DENGAN BILANGAN
C TERBESAR PADA DIAGONAL
C B - ARRAY DARI ELEMEN-ELEMEN VEKTOR
C N - JUMLAH PERSAMAAN
C X - HARGA APROKSIMASI AWAL, JUGA SEBAGAI OUPUT
C HASIL YANG DIINGINKAN
C NITER - JUMLAH ITERASI YANG DIIZINKAN
C TOL - HARGA TOLERANSI YANG DIIZINKAN
C NDIM - JUMLAH DIMENSI PERTAMA
C -----------------------------------------------------------

DIMENSION A(10,10),B(10),X(10)
INTEGER N,NDIM,NITER,I,J
REAL TOL

OPEN(UNIT=6,FILE='SEIDEL.OUT',STATUS='NEW')

C INPUT DATA
B(1) = 8
B(2) = -4
B(3) = 12

N=3
X(1) = 0
X(2) = 0
X(3) = 0
NDIM = 3
NITER = 50
TOL = 0.00001
A(1,1) = 8
A(1,2) = 1
A(1,3) = -1
A(2,1) = 1
A(2,2) = -7
A(2,3) = 2
A(3,1) = 2
A(3,2) = 1
A(3,3) = 9

DO 10 I = 1,N
SAVE = A(I,I)
B(I) = B(I) / SAVE
DO 5 J = 1,N
A(I,J) = A(I,J) / SAVE
C WRITE(*,*)I,J,A(I,J)
5 CONTINUE
10 CONTINUE

DO 40 ITER = 1,NITER
 XMAX = 0
DO 30 I = 1,N
SAVE = X(I)
X(I) = B(I)
DO 20 J =1,N
IF (J.NE.I) THEN
X(I) = X(I) - A(I,J)*X(J)
ENDIF
20 CONTINUE
IF (ABS(X(I) - SAVE) .GT. XMAX) THEN
XMAX = ABS( X(I) - SAVE )
ENDIF
30 CONTINUE
IF (XMAX.LE.TOL) GO TO 50
40 CONTINUE

IF (ITER.GE.NITER) THEN
WRITE(*,*)' TOLERANSI TIDAK TERCAPAI SETELAH
$ ITERASI ',ITER,'DAN HARGA X TERAKHIR
$ YANG DIBERIKAN '
GO TO 60
ENDIF
50 WRITE(6,49)ITER
49 FORMAT(' JUMLAH ITERASI =',I5)
WRITE(6,51)
51 FORMAT(' HARGA X YANG DIDAPAT ADALAH = ')

DO 52 I = 1,N
WRITE(6,53)I,X(I)
53 FORMAT(' I = ',I5,3X,' X(I) = ',F8.3)
52 CONTINUE
60 STOP
END

Output Sistim Persamaan Linear dengan Metoda Gauss-Seidel

JUMLAH ITERASI = 8
HARGA X YANG DIDAPAT ADALAH =
I = 1 X(I) = 1.000
I = 2 X(I) = 1.000
I = 3 X(I) = 1.000
2.6. SOAL-SOAL

1. Diberikan matrix A, B dan vektor x, y dimana

− 1 
 1 −3 2 1  2
A =  4 5 6 3  x =  
 3
− 1 9 7 0  
 − 2

 4
− 3 2 1 4  1
B =  6 1 9 − 2 y =  
 5
 13 4 1 2   
− 3

a. Carilah A + B , 2 A - 3 B, 5 x - 3 y

b. Carilah Ax, By, xTy

c. Carilah AT, BT

2. Diberikan matriks

− 2 3 1 5 4 −2 1
A =  2 0 −4 − 1  , B = 1 −3 − 4 
 1 6 −3 2  2 5 7 

a. Carilah BA, B2, AAT

b. Carilah det(B)

c. Carilah tr(B)

d. Carilah U dan L sehingga U + L = B

3. Misalkan
 1 −2 2  −1 −2 4
A = 3 1 1  , B =  1 3 − 5 
2 0 1   2 4 − 7 

 −1 1 2
C =  0 1 3 
− 1 0 1 

a. Tunjukkan bahwa AB = BA = I dimana I adalah matriks 3 x 3,

1 0 0
I = 0 1 0
0 0 1 

b. Tunjukkan bahwa AI = IA = A.

c. Tunjukkan bahwa AC = CA dan BC = CB.

4. Tulis sebagai sistim persamaan linear

1 3 1 − 1  x1   3
2 x 
 0 1 1  2
 1
 
=
0 −1 4 1 x 3   6
     
0 1 1 − 5 x 4  16

5. Selesaikan sistim persamaan linear dengan metoda Eliminasi Gauss :

3 x1 - 2 x2 + 2 x3 = 10
x1 + 2 x2 - 3 x3 = -1
4 x1 + x2 + 2 x3 = 3
6. Selesaikan sistim persamaan linear dengan metoda Eliminasi Gauss :

2 x1 + 3 x2 - 4 x3 = -3
3 x1 - 2 x2 + 5 x3 = 24
 x1 + 4 x2 - 3 x3 = -6

7. Selesaikan sistim persamaan linear dengan metoda Eliminasi Gauss :

x1 + 3 x2 + 2 x3 = 3
2 x1 - x2 - 3 x3 = -8
5 x1 + 2 x2 + x3 = 9

8. a. Selesaikan dengan substitusi mundur :

4 x1 - 2 x2 + x3 = 8
- 3 x2 + 5 x3 = 3
- 2 x3 = 6.

b. Selesaikan dengan substitusi maju :

5 x1 = -10
2 x1 - 3x2 = -13
4 x1 + 3x2 - 6 x3 = 7

9. Selesaikan soal nomor 8a dan 8b dengan iterasi Gauss-Seidel, mulai dengan (2, 2, -1).

10. Selesaikan sistem :

x2 + x + - y2 = 1 dan
y – sin x2 = 0

dengan metoda iterasi.

11. Selesaikan sistem :

x2 + y2 + z2 = 9,
xyz = 1,
x + y - z2 = 0

dengan iterasi untuk memperoleh penyelesaian di dekat (2.5, 0.2, 1.6).

12. Selesaikan soal nomor (10) dengan Metoda Newton.

13. Selesaikan dengan Metoda Newton persamaan berikut :

x3 + 3y2 = 21,
x2 + 2y + 2 = 0

Buat sketsa grafik untuk menentukan nilai awal.

13. Selesaikan set persamaan non linear :

f (x,y) = x2 + y2 - 4 = 0, dan

g (x,y) = y + ex - 1 = 0

dengan metoda Hooke – Jeeves Search.

Petunjuk :

Formulasikan fungsi objektif sebagai :

=  f ( x, y) + g ( x, y)
2 2
F
F = ( y + e x − 1)2 + ( x 2 + y2 − 4)2

ditentukan x,y dengan meminimumkan nilai F