LAPORAN PRAKTIKUM

KOMPUTASI GEOFISIKA

KODE MATA KULIAH RTGC

MODUL KE – 02

SOLUSI SISTEM PERSAMAAN LINEAR : DEKOMPOSISI LU

Oleh:

Vera Sarah Simatupang 12117139

Asisten :

Putu Pradnya ` 12115017

Diana Putri Yuliza 12115024
Prana Al Mahkya 12116160
Felik Destian Putra 12116007
M. Fadel Hotman 12116067
Nugroho Prasetyo 12116155
Kris Hamonangan P.David 12116133
Sadrak Siregar 12116085

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI

INSTITUT TEKNOLOGI SUMATERA

2019
I.Tujuan
Adapun tujuan dari praktikum ini antara lain:
1.Mahasiswa dapat melakukan operasi matriks menggunakan metode dekomposisi LU
2.Mahasiswa dapat menyelesaikan system persamaan linear (SPL) dengan
menggunakan metode dekomposisi LU

II.Dasar Teori
2.1 Metode LU Decomposition
Jika matrik A non singular maka A dapat difaktorkan (diuraikan atau
didekomposisi menjadi matriks segitiga bawah (lower) dan matriks segitiga atas U
(upper) :
A=LU
Dalam bentuk matriks, pemfaktoran ini ditulis sebagai berikut, matriks yang
dicontohkan adalah 3 x 3
a11 a 12 a13

[
A= a21 a 22 a23
a31 a 32 a33 ]
1 0 0 U 11 U 12 U 13
L
[
L= 21 1 0
L31 L32 1 ] [ U= 0 U 22 U 23
0 0 U 33 ]
Pada matriks segitiga bawah L, semua elemen diagonal adalah 1, sedangkan
pada matriks U tidak ada aturan khusus pada elemen diagonalnya.
Metode ini dinamakan juga metode-metode pemfaktoran segitiga (triangular
factorization). Metode eliminasi Gauss merupakan suatu dekomposisi LU dari
matriks A.
Penyelesaian Ax = b dengan metode dekomposisi LU adalah sebagai berikut:
Ax = b
Faktorkan A menjadi L dan U sedememikian rupa, sehingga
A= LU
Jadi, LU x = b. Misalkan Ux=y, maka Ly = b
Untuk memperoleh y1,y2 ,y3,…yn menggunakan Lower
 1 0 0 y1 b1
Ly = b
[L31 L32 1][][]
L= L21 1 0 x y 2 = b2
y3 b3

Untuk memperoleh x1,x2, x3,…..xn menggunakan Upper

U 11 U 12 U 13 y1 b1
Ux = y
0 [ 0 U 33][ ] []
U= 0 U 22 U 23 x y 2 = b2
y3 b3

Jadi, langkah-langkah menghitung solusi sistem persamaan linier dengan

metode dekomposisi LU dapat diringkas sebagai berikut :
1. Bentuklah matriks Ldan U dari A
2. Pecahkan Ly = b , lalu hitung y dengan menggunakan Lower
3. Pecahkan Ux = y , lalu hitung x dengan menggunakan Upper

2.2 Metode Eliminasi Gauss

Eliminasi Gauss adalah suatu cara mengoperasikan nilai-nilai di dalam matriks
sehingga menjadi matriks yang lebih sederhana (ditemukan oleh Carl Friedrich
Gauss). Caranya adalah dengan melakukan operasi baris sehingga matriks tersebut
menjadi matriks yang Eselon-baris. Ini dapat digunakan sebagai salah satu metode
penyelesaian persamaan linear dengan menggunakan matriks. Caranya dengan
mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan
mengoperasikannya. Setelah menjadi matriks Eselon-baris, lakukan substitusi balik
untuk mendapatkan nilai dari variabel-variabel tersebut.
Ciri ciri Metode Gauss adalah 
1. Jika suatu baris tidak semua nol, maka bilangan pertama yang tidak nol adalah 1
(1 utama)
2. Baris nol terletak paling bawah 
3. 1 utama baris berikutnya berada dikanan 1 utama baris diatasnya
4. Dibawah 1 utama harus nol
Jika diketahui suatu persamaan linier sebagai berikut
a 11 x 1 +a12 x 2 +a 13 x 3=b1
a 21 x1 + a22 x 2+ a23 x 3=b2
a 31 x1 +a 32 x 2+ a33 x 3=b 3
 Eliminasi Gauss dapat dinyatakan dalam bentuk matriks A.X=b, yaitu
a11 a 12 a13 x1 b1

[
a31 a 32 a33 x3 ] [] []
A= a21 a 22 a23 ; X= x 2 ; b= b2
b3

Metode eliminasi Gauss bertujuan untuk mengubah matriks A berbentuk

segitiga atas dan diagonal A bernilai 1. Matriks dibawah ini dikatakan matriks
eselon baris
1 a12 a13

[
A= 0 1 a23
0 0 1 ]
Selanjutnya untuk mendapatkan nilai x1, x2 dan x3 dapat dihitung degan cara
berikut:
1 a12 a13 x 1 b1

[ ][ ]
0 1 a23 x 2 = b2
0 0 1 x 3 b3

1 x1 +a 12 x 2+ a13 x 3=b 1
0 x 1+ 1 x 2+ a13 x 3=b2
0 x 1+ 0 x 2 +1 x3 =b3
Sehingga dari persamaan perhitungan diatas kita mendapatkan nilai x1, x2 dan x3.

III.Langkah Kerja
1.Metode LU Gauss
import numpy as np
import copy

n=int(input("Masukkan ukuran matriks A(matriks persegi):"))

a=np.zeros((n,n))
b=np.zeros((n,1))
print("Masukkan elemen matriks A:")
for i in range (n):
for j in range(n):
a[i,j]=float(input("a(%d,%d):"%(i,j)))

#dekomposisi LU
l=np.eye(n)
u=copy.deepcopy(a)
for i in range (n):
if j < i :
l[i,j]=u[i,j]/u[j,j]
if l[i,j] !=np.inf:
for k in range(n):
if k >=j:
u[i,k]=u[i,k]-l[i,j]*u[j,k]
else: #pivoting
temp=copy.deepcopy(u[i,:])
u[i,:]=copy.deepcopy(u[j,:])
u[j,:]=copy.deepcopy(temp)
temp2=copy.deepcopy(l[i,0:j])
l[i,0:j]=copy.deepcopy(l[i,0:j])
l[j,0:j]=copy.deepcopy(temp2)
temp3=copy.deepcopy(b[i])
b[i]=copy.deepcopy(b[i])
b[j]=copy.deepcopy(temp3)
l[i,j]=u[i,j]/u[j,j]
for k in range(n):
if k>=j:
u[i,k]=u[i,k]-l[i,j]*u[j,k]

#menampilkan matriks L dan U

print("Menampilkan matriks L")
print(l)
print("Menampilkan matriks U")
print(u)

2.Metode Crout
import numpy as np
import copy

n=int(input("Masukkan ukuran matriks A(matriks persegi):"))

a=np.zeros((n,n))
print("Masukkan elemen matriks A:")
for i in range(n):
for j in range(n):
a[i,j]=float(input("A(%d,%d):"%(i,j)))

#dekomposisi LU
l=np.eye(n)
u=np.zeros((n,n))
for p in range(n):
for j in np.arange(p,n):
if p==0:
u[p,j]=copy.deepcopy(a[p,j])
else:
sum=0
for k in range(p):
sum += l[p,k]*u[k,j]
u[p,j]=a[p,j]-sum

for i in np.arange(p+1,n):
if p < n-1:
sum=0
for k in range (p):
sum += l[i,k]*u[k,p]
 l[i,p]=(a[i,p]-sum)/u[p,p]

#menampilkan matriks L dan U

print("Menampilkan matriks L")
print(l)
print("Menampilkan matriks U")
print(u)

IV.Hasil
1.SOAL 1
1.1 Metode LU Gauss
 1.2 Metode Crout

2.SOAL 2
2.1 Metode LU Gauss
 2.2 Metode Crout

V.Analisis
Sistem persamaan linier merupakan bagian dari materi aljabar linier. Sistem
persamaan linier yang mempunyai m persamaan dan n variable disebut sistem
persamaan linier orde mxn , sedangkan bila jumlah persamaan sama dengan jumlah
variable disebut dengan sistem persamaan linier orde nxn . Asa berbagai macam metode
untuk menyelesaikan sistem persamaan linier orde mxn dan orde nxn , oleh karena itu
perlu dicari metode yang paling efektif dan efisien.
Terdapat dua metode untuk memfaktorkan A atas L dan U yaitu Metode LU Gauss
dan Metode reduksi Crout. Metode dekomposisi LU akan efektif bila digunakan untuk
menyelesaikan sejumlah sistem persamaan linier dengan matriks A yang sama tetapi
dengan b berbeda. Sekali A difaktorkan menjadi L dan U, keduanya dapat digunakan
untuk menghitung solusi sejumlah sistem persamaan linier tersebut. Metode
dekomposisi LU merupakan metode yang paling popular untuk memecahkan sistem
persamaan linear. Metode crout mendekomposisi suatu matriks untuk memperoleh
elemen diagonal utama matriks segitiga atas (U) bernilai satu dan elemen lainnya
bernilai bebas.

VI.Kesimpulan
Hasil perhitungan dari permasalahan yang dibahas memiliki hasil yang sama baik antara
metode Eliminasi Gauss dan metode LU Decomposition. Kedua metode tersebut
memiliki tingkat akurasi yang sama. Namun setelah diperhatikan pada percobaan ini
dapat ditarik kesimpulan bahwa metode eliminasi Gauss lebih efisien dan efektif dalam
menyelesaikan sistem persamaan linear. Perbandingan ini dapat dilihat dari banyaknya
langkah penyelesaian, jumlah operasi matriks dan ketepatan dalam menentukan solusi
sistem persamaan linear.

DAFTAR PUSTAKA

[1] Chapra,S.C.,Canale,R.P.,1990, Numerical Method for Engineers.

[2] Press, W.H., Teukolsky, S.A., Vetterling, W.T., Flannery, B.P., 1997,Numerical
Recipes in C, edisi 2.
[3] Raharjo, B.,2006,Pemrograman C++, Informatika:Bandung.
[4] Dahrin, Darharta, dkk. 2007. Modul Praktikum Komputasi ITB. ITB: Bandung
[5] Abdullah, Agus, dkk. 2007. Modul Praktikum Komputasi Universitas
Pertamina. UP: Bandung