Anda di halaman 1dari 8

I TUJUAN

1. Mampu menentukan solusi dari sistem persamaan linier menggunakan


metode iterasi.
2. Mampu membedakan penggunaan metode langsung dan metode tidak
langsung dalam menentukan solusi persamaan linier.
3. Mampu menentukan laju konvergensi dari metode iterasi yang digunakan.
II TEORI DASAR
2.1. Metode Iterasi
Metode Iterasi adalah metode di mana penyelesaian persamaan diprediksi
dengan suatu nilai awal yang kemudia diuju melalui subsitusi ke dalam
persamaan. Besar perbedaan yang diperoleh dijadikan dasar untuk menentukan
nilai prediksi seterusnya. Perulangan dalam suatu metode iterasi boleh saja tidak
berbatas, namun umumnya dibatasi oleh besarnya error-koreksi yang diperoleh.
Apabila besarnya telah lebih kecil dari nilai yang diharapkan
2.2. Metode Iterasi Jacobi
Metode Iterasi Jacobi merupakan salah satu metode tak langsung, yang
bermula dari suatu hampiran penyelesaian awal dan kemudian berusaha
memperbaiki hampiran dalam tak berhingga namun langkah konvergen. Metode
iterasi Jacobi ini digunakan untuk menyelesaikan persamaan linear yang proporso
koefisien nolnya besar.
Jika diubah dari persamaan linear, maka menjadi:
Ax=b
Kemudian diketahui bahwa:
A=D+ ( L+ U )
Dimana D merupakan matriks diagonal, L merupakan matriks segitiga bawah, dan
U merupakan matriks segitiga atas. Lalu persamaan tersebut diubah menjadi
Dx+ ( L+U ) x=b

x=D −1 [ b−( L+ U ) x ]
Jika ditulis dalam aturan iteratif, maka metode iterasi Jacobi dapat ditulis sebagai
berikut:

X (k)=D −1 (b−( L+U ) X (k−1) )

Dimana k merupakan banyaknya iterasi. Jika X (k) menyatakan hampiran ke-k


penyelesaian SPL, maka X (0) adalah hampiran awal.
n
1
X (k)
i = ( )
b −∑ a x (k−1) , i=1,2 ,… , n ; k =1,2,3 , … ,
a ii i j ≠i ij j

2.3. Metode Iterasi Gauss-Seidel


Metode iterasi Gauss Seidel hampir sama dengan metode iterasi Jacobi.
Perbedaannya hanya terletak pada penggunaan nilai elemen veketor X baru yang
labgsung digunakan pada persamaan di bawahnya.
Rumus untuk hampiran ke-k pada metode iterasi Gauss Seidel adalah sebagai
berikut:
i−1 n
1
( k)
X =
i
a ii (
bi −∑ aij x (jk )− ∑ a ij x(jk−1)
j=1 j=i+1
)
Dengan syarat a ii ≠0 dan k =1,2 , … ,

2.4. Successive Over Relaxation (SOR)


Metode ini diperoleh dengan cara mengekstrapolasi metode iterasi Gauss-
Seidel sehinga muncul faktor relaksasi 𝜔. Metode Relaksasi dengan pilihan 𝜔
yang berkisar antara 0 dan 1 disebut Under-relaxation Method , di mana
metode ini berguna agar sistem persamaan linear mencapai kondisi
konvergen walaupun sistem tersenut sulit mencapao kondisi konvergen
dengan metode Gauss Seidel.
Bila 𝜔 nilainya lebih besar dari angka 1, maka disebut metode
Succesive Over Relaxation (SOR), yang mana metode ini berguna untuk
mengakselerasi kondisi konvergen dibandingkan dengan Gauss Seidel.
Metode SOR ini juga sangat berguna untuk menyelesaikan sistem persamaan
linear yang muncul dari persamaan diferensial-parsial tertentu.
i−1 n
( k)
X = (1−ω ) X
i
( k−1)
i +
ω
aii [∑
j=1
(k )
a ij x −
j ∑
j=i+1
aij x (jk−1) ]

III TUGAS PENDAHULUAN


1. Turunkan Persamaan 4.5, 4.8, dan 4.10 menggunakan metode dekomposisi
matriks serta nyatakan dalam bentuk komponen.
Diketahui sistem persamaan linear
Ax=b
A=D+ ( L+ U )
Dimana D merupakan matriks diagonal, L merupakan matriks segitiga
bawah, dan U merupakan matriks segitiga atas. Lalu persamaan tersebut
diubah menjadi
Dx+ ( L+U ) x=b

x=D −1 [ b−( L+ U ) x ]
Jika ditulis dalam aturan iteratif, maka metode iterasi Jacobi dapat ditulis
sebagai berikut:

X (k)=D −1 (b−( L+U ) X (k−1) )


Atau dapat ditulis sebagai berikut:

X (k)=D−1 ( L+U ) X ( k−1) + D−1 b, k =1,2 , … , (4.5)


Ax=b
A=D+ ( L+ U )
Dimana D merupakan matriks diagonal, L merupakan matriks segitiga
bawah, dan U merupakan matriks segitiga atas. Lalu persamaan tersebut
diubah menjadi
Dx+ ( L+U ) x=b

x=D −1 [ b−( L+ U ) x ]

x(k) =D−1 [ b− ( L+U ) x (k−1) ]

( D+ L ) x ( k )=b−U x(k−1)

x (k )=( D+ L ) ( b−U x ( k−1 ) )


−1

Yang menghasilkan

X (k)= ( D+ L )−1 U x (k−1) + ( D+ L )−1 ( 4.8)

Ax=b
A=D+ ( L+ U )
Dimana D merupakan matriks diagonal, L merupakan matriks segitiga
bawah, dan U merupakan matriks segitiga atas. Lalu persamaan tersebut
diubah menjadi
Dengan mengekstrapolasi metode Gauss Seidel didapatkan
x(k) (k) (k−1)
i =ω x́ i +(1−ω)x i
Dimana x́ menyatakan iterasi Gauss Seidel dan ω adalah faktor
ekstrapolasi. Dengan mencari nilai ω untuk mempercepat konvergensi dari
solusi iterasi.
( k−1 )
x(k) −1
+ ( D+ L )−1 ) x́(k) (k−1)
i =( ( D+ L ) U x i +(1−ω)x i

x(k) =(D−ω L)−1+ [ ω U + ( 1−ω ) D ] x(k−1) +ω ( D−ω L)−1 b

2. Apakah yang dimaksud dengan norm matriks dan norm vektor?

3. Hitunglah solusi dari sistem persamaan linier di bawah menggunakan


iterasi Jacobi hingga iterasi ke-3.
−3 x 1−0.1 x2−0.2 x 3=7.85

0.1 x 1+7 x 2−0.3 x 3=−19.3

0.3 x 1−0.2 x2 +10 x 3=71.4

Listing Program
function x=JACOBI(n,A,b)

x=zeros(n,1);
xk=zeros(n,1);
dx=zeros(n,1);
A1=zeros(n);
b1=zeros(n,1);
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
%hasil pivot
for i=1:n
ib=vb(i);
for j=1:n
A1(i,j)=A(ib,j);
end
b1(i)=b(ib);
end
%proses iterasi
k=0;
for i=1:n
xk(i)=0.0;
end
tol=5.0e-7;
delta=1.6e-4;
maxiter=3;
while((k<maxiter)&&(delta>tol))
for i=1:n
w=b1(i);
for j=1:n
if (i~=j)
w=w-A1(i,j)*xk(j);
end
end
x(i)=w/A1(i,i);
end
%periksa error
delta=0.0;
for i=1:n
a=(x(i)-xk(i));
dx(i)=abs(a);
xk(i)=x(i);
if (dx(i)>delta)
delta=dx(i);
end
end
k=k+1;
fprintf('iterasi ke-%g ',k);
for i=1:n
fprintf('%10.6f ',x(i));
end
fprintf('\n');
end
return

Dengan Fungsi
A=[-3 -0.1 -0.2; 0.1 7 -0.3; 0.3 -0.2 10];
b = [7.86 -19.3 71.4];
n=length(b);
x=JACOBI(n,A,b);
disp('Solusi SPL');
for i=1:n
fprintf('x(%g) = %10.6f\n',i,x(i));
end
Tampilan Program
IV Algoritma Program
Metode Iterasi Jacobi

Start

Dimensi n, Matriks A,

Ruas kanan b

Inisialisasi vektro x

Maxiter=

Solusi SPL
K=maxiter

Tol belum
tercapai tidak

ya

For i=1:n

w=b(i)

DAFTAR PUSTAKA
Hernadi, J. (2012). Matematika Numerik dengan Implementasi MATLAB (Edisi
Pertama). Yogyakarta: Andi Offset
Mathews, J. And Fink, K. (1999). Numerical Methods Using MATLAB (3rd ed).
New Jersey: Prentice Hall
Suarga (2014). Komputasi Numerik: Pemrograman MATLAB untuk Metode
Numerik. Yogyakarta: Andi Offset

Anda mungkin juga menyukai