Makalah Gauss Seidel 1
Makalah Gauss Seidel 1
PENDAHULUAN
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. (Niyyaka : 2016)
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.
1.3. Tujuan
Berdasarkan rumusan masalah yang diberikan sebelumnya, maka tujuan dari
pembuatan makalah ini adalah :
2
1) Untuk mengetahui apakah dengan metode Gauss Seidel dalam sistem
pemograman matlab mampu menyelesaikan persamaan linier.
2) Untuk mengetahui cara metode Gauss Seidel dalam menyelesaikan persamaan
linier pada pemograman matlab ?
3) Untuk mengetahui proses pembuatan aplikasi pemograman matlab dengan
menggunakan metode Gauss Seidel dalam menyelesaikan persamaan linier ?
4) Untuk mengetahui cara menjalankan aplikasi pemograman matlab dengan
menggunakan metode Gauss Seidel dalam menyelesaikan persamaan linier ?
1.4. Manfaat
Berdasarkan latar belakang, rumusan dan tujuan pembuatan makalah, maka
manfaat yang bisa diperoleh dari makalah ini adalah sebagai berikut :
1) Menambah referensi bacaan dalam mempelajari pemograman matlab dengan
metode Gauss Seidel.
2) Menambah referensi bagi para pembaca dalam membuat serta menjalankan
aplikasi pemograman matlab dengan dengan metode Gauss Seidel.
3) Sebagai bahan referensi bagi mahasiswa yang sedang memperlajari pemograman
matlab khususnya dengan metode Gauss Seidel.
3
BAB II
TINJAUAN TEORITIS
Dengan a1, a2, . . . , an dan b adalah konstanta-konstanta riil, n adalah jumlah persamaan,
dan x1, x2, . . . , xn adalah bilangan tak diketahui (Anton, 1987).
Penyelesaian dari persamaan linier a1x1 + a2x2 + ... + anxn = b adalah urutan dari
bilangan s1, s2, ... , sn sedemikian sehingga persamaan tersebut bernilai benar bila
bilangan s1, s2, ... , sn masing-masing disubstitusikan ke x1, x2, . . . , xn. Suatu sistem
sebarang yang terdiri dari n persamaan linear dengan peubah n ditulis sebagai :
4
2. SPL yang tidak mempunyai penyelesaian
3. SPL mempunyai tak berhingga penyelesaian (Sahid, 2005)
2.2. Matriks
Misalkan kita memiliki suatu susunan bilangan seperti yang dicontohkan di
bawah ini:
Maka susunan bilangan yang diatur sedemikan rupa dalam format baris dan
kolom yang membentuk sebuah persegi tersebut dinamakan Matriks. Sebuah matriks A
dikatakan berukuran (m× n) jika memiliki m baris dan k kolom, dengan elemen pada
baris ke i dan kolom ke j dilambangkan dengan aij ,
kolom ke j
baris ke i
5
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 )
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
yang menghasilkan
6
digunakan pada persamaan di bawahnya. Untuk lebih jelasnya, perhatikan sistem
persamaan linier berikut,
10x1 – x2 + 2x3 =6 (P1)
-x1 + 11x2 – x3 +3x4 = 25 (P2)
2x1 – x2 + 10x3 – x4 = -11 (P3)
3x2 – x3 + 8x4 = 15 (P4)
Nyatakan terlebih dahulu setiap variabel dalam ketiga variabel yang lain :
1. Nyatakan x1 dari persamaan (P1) dalam x2, x3, dan x4.
2. Nyatakan x2 dari persamaan (P2) dalam x1, x3, dan x4.
3. Nyatakan x3 dari persamaan (P3) dalam x1, x2, dan x4.
4. Nyatakan x4 dari persamaan (P4) dalam x1, x2, dan x3.
hasilnya adalah :
(P5)
(P6)
(P7)
(P8)
Pada baris pertama, x1baru dihitung berdasarkan x2lama dan x3lama. Kemudian x1baru
tersebut langsung dipakai pada baris kedua untuk menghitung x2baru. Selanjutnya x1baru
dan x2baru digunakan pada baris ketiga untuk mendapatkan x3baru. Begitu seterusnya
hingga x4baru pun diperoleh pada baris keempat.
7
Sistem persamaan tersebut dapat dinyatakan dalam indeks k seperti di bawah ini dimana
k adalah jumlah iterasi.
Jika diberikan nilai-nilai awal x(0) adalah x1(0) = 0, x2(0) = 0, x3(0) = 0, dan x4(0) = 0, atau
dinyatakan sebagai hampiran awal x(0) = (0;0;0;0)T, jika pada k = 1 akan memperoleh
hampiran pertama sebagai berikut :
Lalu proses perhitungan diulangi lagi dengan k = 2. Begitu seterusnya proses ini
diulang-ulang lagi untuk nilai-nilai k berikutnya sampai x(k) mendekati solusi yang
sesungguhnya, yaitu
x = (1; 2; -1; 1)T
8
1. Proses iterasi efisien jika tebakan dekat dengan nilai sejatinya.
Tebakan yang baik bisa dibuat jika fenomena fisiknya telah dipahami.
2. Proses iterasi bisa konvergen (menuju nilai sejatinya) atau sebaliknya.
Untuk menjaga konvergensi, pastikan persamaan iterasi disusun dari matriks
dominan diagonal.
Artinya, nilai mutlak kebanyakan elemen diagonal (aii) lebih besar daripada
elemen lainnya (aij).
Matriks [A] dalam SPL [A][X]=[B] dikatakan dominan diagonal jika :
n
a ii
j 1
a ij untuk semua baris i
j i
n
a ii
j 1
a ij untuk sedikitnya 1 baris i
j i
9
Operasi ( * ) = perkalian.
Save = menyimpan pekerjaan ke dalam file.
Tic toc = menghitung waktu dari suatu operasi dalam second.
Zeros = membuat matrik atau vektor nol (semua elemennya berisi angka nol)
yang berukuran n x n.
10
m = m - a(ib,j)*x(j);
end
end
end
5. Untuk mencek error
delta=0.0;
for i=1:n
d = (x(i)-xk(i));
dx(i)=abs(d);
xk(i)=x(i);
if(dx(i)>delta)
delta = dx(i);
end
end
k = k+1;
fprintf('iterasi ke-%g',k);
x
end
6. Stop
11
display('Elemen ruas kanan');b
vb = 1:n;
for i=1:n
ib=vb(i);
bar=i;
ibx=ib;
m = abs(a(ib,i));
for j=i+1:n
ib=vb(j);
if(abs(a(ib,i))>m)
m=abs(a(ib,i));
bar=j;
ibx=ib;
end
end
ib=vb(i);
vb(i)=ibx;
vb(bar)=ib;
end
% proses iterasi
k=0;
for i=1:n
xk(i)=0.0;
end
tol=5.0e-5;
delta=1.6e-4;
maxstep=100;
while((k<maxstep)&(delta>tol))
for i=1:n
ib = vb(i);
m = b(ib);
for j=i+1:n
12
m = m - a(ib,j)*xk(j);
end
for j=1:i
if (i==j)
x(i)=m/a(ib,i);
else
m = m - a(ib,j)*x(j);
end
end
end
%periksa error
delta=0.0;
for i=1:n
d = (x(i)-xk(i));
dx(i)=abs(d);
xk(i)=x(i);
if(dx(i)>delta)
delta = dx(i);
end
end
k = k+1;
fprintf('iterasi ke-%g',k);
x
end
13
2. Sehingga akan muncul tampilan seperti gambar di bawah
14
4. Selanjutnya masukkan coding yang telah disediakan ke dalam file yang baru di
buka seperti pada gambar berikut;
5. Setelah cooding dibuat, langkah selanjutnya yaitu menyimpan pada work Matlab
dengan syarat tidak boleh menggunaan spasi. Kemudian mengklik Debug-Run,
seperti langkah di bawah.
15
6. Setelah me-run, maka lakukan masukkan matriks yang dingin dicari.
Testing I
Sistem Persamaan linear
12x1-x2+3x3 =8
x1+7x2-3x3 = -51
4x1-4x2+9x3 = 61
16
17
Catatan :
Hasil akar persaman tidak langsung diperoleh, namun diperoleh dalam
bentuk iterasi.
Jika kita masukkan nilai x pada iterasi terakhir pada persamaan,
diperoleh hasil yang sama maksudnya nilai ruas kanan sama dengan nilai
ruas kiri.
Banyaknya persamaan diperoleh melalui data matriks a dan matriks b.
Testing II
Sistem Persamaan Linear
12x1 – x2 = -7
x1 + 7x2 = -36
4x1 -4x2 =16
18
Catatan :
Dengan nilai x yang sama dengan testing sebelumnya, dilakukan untuk
mencari 2 variabel, ternyata hasil yang diperoleh tetap sama.
Cooding persamaan ini tidak hanya berlaku pada matriks 3 x 3, namun
juga berlaku untuk matriks 2 x 3 atau yang lainya.
19
Testing III
Sistem Persamaan linear
12x1-x2+3x3 =8
x1+7x2-3x3 = -51
4x1-4x2+9x3 = 61
Catatan :
Jika jumlah variabel yang kita masukkan tidak sesuai dengan jumlah
variabel yang ada pada matriks, maka hasil yang diperoleh tidak sesuai.
Testing IV
Sistem Persamaan Linear
12x1-x2+10x3 =33
x1+7x2+18x3 =45
4x1-4x2+31x3 =-30
20
21
Catatan:
Dengan memasukkan persamaan linear yang tidak ada solusi jika
diselesaikan dengan analitis, metode gauss seidel mampu menemukan
nilai variabel persamaan.
Nilai variabel yang diperoleh pada persamaan linear yang tidak ada
solusi dalam bentuk pecahan desimal.
Jika nilai variabel dimasukkan kedalam persamaan, hasil yang diperoleh
mendekati hasil yang sebenarnya.
22
BAB III
KESIMPULAN DAN SARAN
3.1. Kesimpulan
Berdasarkan penjelasan yang diberikan di atas dapat disimpulkan bahwa :
1) Dengan metode Gauss Seidel dalam sistem pemograman matlab mampu
menyelesaikan persamaan linier yang tidak memiliki solusi melalui iterasi-iterasi
yang dimunculkan pada pemograman.
2) Cara metode Gauss Seidel dalam menyelesaikan persamaan linier yang tidak
memiliki solusi pada pemograman matlab antara lain :
Nyatakan terlebih dahulu setiap variabel dalam variabel yang lainnya
Pada baris pertama, x1baru dihitung berdasarkan x2lama dan x3lama. Kemudian x1baru
tersebut langsung dipakai pada baris kedua untuk menghitung x2baru.
Selanjutnya x1baru dan x2baru digunakan pada baris ketiga untuk mendapatkan
x3baru. Begitu seterusnya untuk setiap variabel.
Jika diberikan nilai-nilai awal x(0) adalah x1(0) = 0, x2(0) = 0, x3(0) = 0, dan x4(0) =
0, atau dinyatakan sebagai hampiran awal x(0) = (0;0;0;0)T.
Proses perhitungan diulangi lagi dengan k = 1, 2, 3, ... dst. Begitu seterusnya
proses ini diulang-ulang lagi untuk nilai-nilai k berikutnya sampai x(k)
mendekati solusi yang sesungguhnya.
3.2. Saran
23
DAFTAR PUSTAKA
Niyyaka, Shella. 2016. Perbandingan Metode Iterasi Jacobi Dan Iterasi Gauss-Seidel
Dalam Penyelesaian Sistem Persamaan Linier Dengan Menggunakan Simulasi
Komputasi. Lampung : Universitas Negeri Lampung (skripsi)
Alatas, Husin. Buku Pelengkap Fisika Matematika Edisi I. Bogor : Institut Pertanian
Bogor
24