LAPORAN PROJECT

“Implementasi Konsep Sistem Persamaan Linear dan Matriks untuk Setiap

Resistor Dalam Menentukan Arus Listrik Pada Rangkaian Listrik 4 Loop”

Kelompok 8 :
Muhamad Rizki (1306620051)
Muhammad Rayhan Izzati Yusuf (1306620048)
Muhammad Harits Alifi (1306620021)
Yusuf Niko Fitranto (1306620033)

PROGRAM STUDI FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI JAKARTA
2022
 BAB I
PENDAHULUAN

1.1 Sistem Persamaan Linear

Suatu persamaan dalam matematika merupakan sebuah ungkapan kesamaan dengan
tanda “=” yang melibatkan konstanta, peubah dan operasi aritmatika (+, -, x, ÷). Dalam sebuah
persamaan, komponen-komponen yang dijumlahkan atau dikurangkan disebut suku. Ungkapan
di sebelah kiri tanda “=” disebut ruas kiri dan ungkapan di sebelah kanan tanda “=” disebut ruas
kanan. SPAL didefinisikan sebagai suatu himpunan persamaan-persamaan aljabar yang peubah-
peubahnya berpangkat tunggal (linier). Sebuah persamaan dikelompokkan menjadi persamaan
linier jika suku-sukunya tidak mengandung polinom derajat tinggi atau fungsi trigonometri.
Secara umum, persamaan linier dengan N peubah, x1, x2, ... ,xN dapat ditulis dalam bentuk:
N
a N x N + a N−1 x N−1 + a N−2 x N−2 +…+a 1 x 1+ a0 x 0=0=∑ ai x i (1)
i=0

Dimana a N , a N−1 , a N−2 ,… a1 , a 0 adalah konstanta – konstanta yang diketahui.

Bentuk SPAL yang memiliki M buah persamaan dan N peubah ditulis dengan notasi berikut :

a 11 x1 + a12 x 2 +a 13 x 3+ …+a 1 N x N =b1

a 21 x1 + a22 x 2 + a23 x 3 +…+a 2 N x N =b2
a 31 x1 + a32 x 2 +a 33 x 3+ …+a 3 N x N =b3 (2)
…
a m 1 x 1+ am 2 x2 +am 3 x 3+ …+a MN x N =b N 1

Sedemikian rupa sehingga persamaan di atas dapat ditulis dalam notasi matriks berikut:
 [ ][ ] [ ]
a 11 a12 a13 … a1 N
x1 x1
a21 a22 a23 … a2 N
x2 = x2
a31 a32 a33 … a3 N (3)
x3 x3
………
¿ xN ¿ xN
a N 1 aN 2 a N 3 … a NN

Dalam sistem persamaan aljabar linier, pada umumnya hanya digunakan matriks bujur-
sangkar sehingga secara sederhana order matriks identik dengan jumlah persamaan. SPAL di
atas memiliki N buah peubah atau bilangan anu (x j , j = 1, 2,…, n) yang dicari nilainya dan
identik dengan jumlah persamaan. Koefisien-koefisien aij (a11 ... aNN) merupakan konstanta
(diketahui), demikian juga bI (b1 . . . bN).

Atau dapat ditulis dengan notasi matriks: Ax = b. Lambang matriks koefisien selalu
ditulis dalam huruf besar dan dicetak tebal, lambang vektor ditulis dalam huruf kecil tetapi
dicetak tebal, sedangkan elemen-elemennya ditulis dalam huruf kecil seperti dalam penulisan
matriks berikut:

[ ][][]
a11 a12 a13 … a1 N
x1 x1
a 21 a22 a23 … a2 N
x2 x
A= a31 a32 a33 … a3 N , x= ,b= 2 (4)
x3 x3
………
¿ xN ¿ xN
a N 1 a N 2 aN 3 … aNN

dengan: A ≡ matriks koefisien berorde N x N , x ≡ vektor peubah, dan b ≡ vektor konstanta yang
dikenal sebagai vektor ruas kanan (VRK). Vektor adalah suatu himpunan obyek berupa skalar
(berdimensi satu) yang kepadanya dapat dilakukan operasi-operasi skalar yang spesifik berupa
‘penambahan vektor’ (vector addition) dan ‘perkalian skalar’ (scalar multiplication).

1.2 Metode Eliminasi Gauss

Metode Eliminasi Gauss merupakan metode yang dikembangkan dari metode eliminasi,
yaitu menghilangkan atau mengurangi jumlah variabel sehingga dapat diperoleh nilai dari suatu
variabel bebas. Eliminasi Gauss adalah suatu cara mengoperasikan nilai-nilai di dalam matriks
sehingga menjadi matriks yang lebih sederhana. 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. Metode ini berangkat dari kenyataan bahwa bila matriks A berbentuk
segitiga atas (menggunakan Operasi Baris Elementer) seperti system persamaan berikut ini:

[ ][ ] [ ]
a11 a12 a 13 … a1 N x1 b1
a21 a22 a 23 … a 2 N x2 b2
a31 a32 a 33 … a3 N x3 = b3 (5)
………… … … …
0 0 0 … ann xN bN

Maka solusinya dapat dihitung dengan teknik penyulingan mundur (backward substitution):

bn
a nn x n=b n → x n= (6)
ann

( b n−1−a n−1, n x n )
a n−1, n−1 x n−1 +an−1 , n x n=b n−1 → xn −1 = (7)
an−1 ,n−1
… …. …. …. … …. … … … … … ….
Dst.

Sekali x n , x n−1 , x n−2 , … , x k+1 diketahui, maka nilai x k dapat dihitung dengan
n
bk − ∑ akj x j
dan a kk ≠ 0. (8)
j=k +1
xk= , k=n−1 , n−2 , … , 1
akk

Kondisi a kk ≠ 0 sangat penting. Sebab bila a kk ≠ 0 , persamaan diatas menjerjakan pembagian

dengan nol. Apabila kondisi tersebut tidak dipenuhi, maka SPL tidak mempunyai jawaban.

1.3 Metode Eliminasi Gauss-Jordan

Salah satu metode yang dapat digunakan untuk menyelesaikan sistem persamaan linier
adalah metode eliminasi Gauss-Jordan. Metode ini diberi nama Gauss-Jordan untuk
menghormati CarlFriedrich Gauss dan Wilhelm Jordan. Metode ini sebenarnya adalah
modifikasi dari metode eliminasi Gauss, yang dijelaskan oleh Jordan di tahun 1887.

Metode Gauss-Jordan ini menghasilkan matriks dengan bentuk baris eselon yang
tereduksi(reduced row echelon form), sementara eliminasi Gauss hanya menghasilkan matriks
sampai padabentuk baris eselon (row echelon form). Metode Eliminasi Gauss adalah metode
yang dikembangkan dari metode eliminasi, yaitu menghilangkanatau mengurangi jumlah
variable sehingga dapat diperoleh nilai dari suatu variable yang bebas. Eliminasi Gauss-Jordan
adalah pengembangan dari eliminasi Gauss yang hasilnya lebih sederhana lagi. Caranya adalah
dengan meneruskan operasi baris dari eliminasi Gauss sehingga menghasilkan matriks yang
Eselon-baris. Ini juga dapat digunakan sebagai salah satu metode penyelesaian persamaan linear
dengan menggunakan matriks.

Metode ini digunakan untuk mencari invers dari sebuah matriks. Prosedur umum untuk
metode eliminasi Gauss-Jordan ini adalah Ubah sistem persamaan linier yang ingin dihitung
menjadi matriks augmentasi. Lakukan operasi baris elementer pada matriks augmentasi (A|b)
untuk mengubah matriks A menjadi dalam bentuk baris eselon yang tereduksi.

Metode Eliminasi Gauss Jordan merupakan pengembangan metode eliminasi gauss,

hanya saja augmented matrik , pada sebelah kiri dirubah menjadi matrik diagonal seperti
dibawah ini.

[ ][ ]
a11 a12 a 13 … a 1 N b1 1 0 0 … 0 d1
a21 a22 a 23 … a 2 N b2 01 0 … 0 d 2
a31 a32 a 33 … a3 N b3 =¿ 0 01 … 0 d 3 (9)
……………… ………………
0 0 0 … ann b n 00 0 …1 d n

1.4 Metode Matriks Balikan

Misalnya A-1 adalah matriks inversi dari A. Hasil kali A dengan A -1 menghasilkan
matriks identitas I.

A A−1 =A−1 A=I (10)

Bila matriks A dikalikan dengan I akan menghasilkan matriks A sendiri.

 A I=IA= A (11)
Berdasarkan persamaan (10) dan (11), SPAL Ax = b dapat diselesaikan sebagai berikut:
A I =b (12)
Kalikan ruas kiri dan ruas kanan dengan A-1.
−1 −1
A Ax= A b (13)
Maka diperoleh:
−1
Ix= A b (14)
Atau
−1
x= A b (15)
Jadi penyelesaian SPAL Ax = b adalah x = A-1 B denyan syarat matriks A non-singular
(matriks yang mempunyai inversi) yaitu det(A) ≠ 0.

Matriks inversi dapat diperoleh dengan metode eliminasi GaussJordan, yaitu:

[ A∨I ] → [ I ∨ A−1 ]

[ ] [ ] [ ][ ]
a11 a12 a13 a14 1000 1000 p 11 p12 p13 p14
a 21 a22 a23 a24 01 0 0 = 0 1 0 0 p 21 p 22 p23 p24
(16)
a31 a32 a33 a34 0 01 0 0 0 1 0 p 31 p32 p33 p34
a41 a42 a43 a44 0 0 01 0 0 0 1 p41 p 42 p43 p 44

Penyelesaian dengan metode matriks inversi membutuhkan lebih banyak waktu

komputasi. Metode matriks inversi baru bermanfaat bila digunakan untuk penyelesaian sejumlah
SPAL dengan matriks koefisien A yang sama tetapi dengan beberapa vektor b yang berbeda-

beda.

1.5 Metode Dekomposisi LU

Metode dekomposisi LU merupakan metode yang paling populer untuk memecahkan

SPAL. Jika matriks A non-singular (matriks yang mempunyai inversi) maka dapat
didekomposisi (diuraikan atau difaktorkan) menjadi produk dua matriks yaitu matriks segitiga
bawah L (lower) dan matriks segitiga atas U (upper) dengan cara melakukan operasi baris
elementer. Sistem Ax = b ditransformasi menjadi menjadi LU X = b dengan matriks segitiga
bawah L, semua elemen diagonal utamanya adalah 1, sedangkan pada matriks segitiga atas U
tidak ada aturan khusus.

Gambar 1. Mentransformasi matriks menjadi matriks segitiga atas dan matrks segitiga bawah.

Sehingga dapat ditulis sebagai berikut :

A=LU

[ ] [ ][ ]
a11 a12 a13 a14 1000 U 11 U 12 U 13 U 14
a 21 a22 a23 a24 I 100 0 U 22 U 23 U 24
= 21 (17)
a31 a32 a33 a34 I 21 I 21 1 0 0 0 U 33 U 34
a41 a42 a43 a44 I I
21 21 21I 1 0 0 0 U 44

Jika diandaikan Ux = y, maka Ly = b sehingga Ax = b dapat dicari solusinya lewat dua tahap,
pertama menghitung y dari Ly = b dengan substitusi maju (karena L matrix segitiga bawah):

Ly =b

[ ][ ] [ ]
1000 y1 b1
I 21 1 0 0 y2 b
= 2 (18)
I 21 I 21 10 y3 b3
I 21 I 21 I 21 1 y4 b4

Dengan modal harga y yang diperoleh kemudian menghitung x dari Ux = y dengan substitusi
mundur (karena U matriks segitiga atas).
Ux= y

[ ][ ] [ ]
U 11 U 12 U 13 U 14 x1 y1
0 U 22 U 23 U 24 x2 y
= 2 (19)
0 0 U 33 U 34 x3 y3
0 0 0 U 44 x4 y4
 BAB II
PROBLEM

2.1 Penjelasan Topik

Hukum Kirchoff 2 juga sering disebut sebagai hukum simpal (loop rule), karena pada
kenyataannya beda potensial antara dua titik percabangan dalam satu rangkaian pada keadaan
konstan. Hukum ini merupakan bukti dari adanya hukum konservasi energi. Jika muatan Q pada
sembarang titik dengan potensial V, dengan demikian energi yang dimiliki oleh muatan tersebut
adalah QV. Hukum ini berlaku pada rangkaian yang tidak bercabang yang digunakan untuk
menganalisis beda potensial (tegangan) pada suatu rangkaian tertutup. Hukum II Kirchhoff biasa
disebut Hukum Tegangan Kirchhoff atau Kirchhoff’s Voltage Law (KVL).

Selanjutnya, jika muatan mulai bergerak melintasi simpal tersebut, maka muatan yang
kita miliki akan mendapatkan tambahan energi atau kehilangan sebagian energinya saat melalui
resistor baterai atau elemen lainnya. Namun saat kembali ke titik awalnya, energinya akan
kembali menjadi QV. Bunyi Hukum Kirchhoff 2 adalah “Jumlah keseluruhan voltase yang ada
di sekitar loop tertutup di dalam rangkaian memiliki besar yang sama dengan nol”.

Hukum II Kirchhoff ini menjelaskan bahwa jumlah penurunan beda potensial sama
dengan nol artinya tidak ada energi listrik yang hilang dalam rangkaian atau semua energi listrik
diserap dan digunakan. Untuk menganalisis suatu rangkaian listrik menggunakan Hukum II
Kirchhoff diperlukan beberapa aturan atau perjanjian.

1. Pilih loop untuk masing-masing lintasan tertutup dengan arah tertentu. Pada dasarnya
pemilihan arah loop bebas namun jika memungkinkan usahakan searah dengan arah arus.
Maksudnya bebas disini bebas yah arahnya mau searah jarum jam atau berlawanan arah
jarum jam.
2. Pada suatu cabang, jika arah loop sama dengan arah arus maka penurunan tegangan (IR)
bertanda positif, jika berlawanan arah maka penurunan tegangan (IR)  bertanda negatif.
Contohnya gini. Kalo misalkan arah loop searah jarum jam terus arah arusnya juga searah
jarum jam, maka nanti penurunan tegangan (IR) positif karena sama-sama searah jarum jam.
Penyelesaian :

Dengan mengunakan hukum Kirchoff 2, tentukan 4 buah loop sembarangan seperti pada
gambar berikut ini.

Berdasarkan hukum kirchoff 2 didapat 4 persamaan yaitu

1. Loop 1
4 i1 +2 i 1+ 4 ( i 1−i 2 ) +10=0
10 i 1−4 i 2=−10

2. Loop 2
2 i2 + 4 i 2+ 2 ( i 2−i 3 ) + 4 ( i 2−i 1 )=0
1 2i 2−2 i 3−4 i1 =0

3. Loop 3
4 i3 +2 i 3+ 4 ( i 3 −i 4 ) +2 ( i 3−i 2) =0
12 i3 −4 i 4 −2 i2=0
 4. Loop 4
2 i 4 +4 i 4−10+ 4 ( i 4 −i3 ) =0
1 0 i 4−4 i 3=10

Kemudian dibuat menjadi sistem persamaan linear dari 4 persamaan yang diperoleh dari
hukum kirchoff sebagai berikut:
1 0 i1−4 i 2 +0 i 3+ 0i 4 =−10

−4 i1 +12 i 2−2i 3 +0 i 4 =0

0 i 1−2 i2 +12 i 3+ 4 i 4 =10

0 i 1+ 0 i2−4 i 3 +10 i 4=10

Lalu dari SPL tersebut diubah kedalam bentuk matriks diperoleh :

[ ]{ } [ ]
10−4 0 0 i 1 −10
−4 12−2 0 . i 2 = 0
0−212−4 i 3 0
0 0−4 10 i4 10

2.2 Problem Statement

: Membuat program untuk menentukan tegangan dan arus listrik untuk setiap resistor
menggunakan metode sistem persamaan linear

2.3 Mathematical Equation

 Σ ε + Σ IR=0
 10 i 1−4 i 2=−10
 12 i2 −2i 3−4 i 1=0
 12 i3 −4 i 4 −2 i2=0
 10 i 4−4 i 3=10
 BAB III
METODE

3.1 Metode Eliminasi Gauss (Algoritma dan Flowchart metode Gauss)

A. Algoritma
Algoritma Fungsi
1. Memulai program
2. Mengimport numpy sebagai np
3. Mendefinisikan gaussnaive(matriks):
3.1 Menginisiasi np.asarray(matriks)
3.2 Menginisiasi matrix = matrix.astype(float)
3.3 Mencetak ("R = input")
3.4 Mencetak("Matrix in [R|I]:")
3.5 Mencetak(matriks)
3.6 Pada kondisi jika matrix[0,0] == 0.0:
3.6.1 Melakukan raise pada Exception("matrix row 1 column 1 cannot be zero!")
3.7 Menginisiasi n,m = matrix.shape
3.8 Mencetak("Baris:", n, "Kolom:", m)
3.9 Mencetak("-"*70)
3.10 Pada kondisi jika i dalam jangkauan(0,n):
3.10.1 Pada kondisi jika j dalam jangkauan(i+1, n):
3.10.1.1 Pada kondisi jika matrix[j, i] != 0.0:
3.10.1.1.1 Mencetak("Using row", i,"as pivot and row", j,"as target:")
3.10.1.1.2 Menginisiasi multiplier = matrix[j, i]/matrix[i, i]
3.10.1.1.3 Menginisiasi matrix[j, i:m]=matrix[j, i:m] -
multiplier*matrix[i, i:m]
3.10.1.1.4 Mencetak(matrix)
3.11 Menginisiasi x = []
3.12 Menginisiasi substractor = 0.0
3.13 Pada kondisi jika i dalam jangkauan(n-1, -1, -1):
 3.13.1 Pada kondisi j dalam jangkauan(0, n-i):
3.13.1.1 Pada kondisi jika j==0:
3.13.1.1.1 Menginisiasi substractor = 0
3.13.1.2 Pada kondisi lainnya:
3.13.1.2.1 Menginisiasi substractor = substractor + matrix[i, m-j-
1]*x[j-1]
3.13.2 Mengiisiasi x.append((matrix[i, m-1]-substractor)/matrix[i ,i])
3.14 Mengembalikan fungsi x
4. Mengakhiri program

Algoritma Utama
1. Memulai program
2. Mengimport numpy as np
3. Menginisiasi a = np.array ([[10.0, -4.0, 0.0, 0.0, -10.0], [-4.0, 12.0, -2.0, 0.0, 0.0], [0.0, -2.0,
12.0, -4.0, 0.0], [0.0, 0.0, -4.0, 10.0, 10.0]])
4. Menginisiasi result = gaussnaive(a)
5. Mencetak("-"*140)
6. Mencetak("The result is [I4, I3, I2, I1] =", result)
7. Mengakhiri program

B. Flowchart
1. Flowchart Fungsi
 2. Flowchart Utama

3.2 Metode Eliminasi Gauss-Jordan (Algoritma dan Flowchart metode Gauss-Jordan)

A. Algoritma
Algoritma Fungsi
1. Memulai program
2. Mengimport numpy sebagai np
3. Mendefinisikan gaussjordan(a, b):
3.1 Menginisiasi a = np.array(a, float)
3.2 Menginisiasi b = np.array(b, float)
3.3 Menginisiasi n = len(b)
3.4 Untuk k dalam range(n):
3.4.1 Pada kondisi jika np.fabs(a[k, k]) < 1.0e-12:
3.4.1.1 Untuk for i dalam range(k+1, n):
 3.4.1.1.1 Pada kondisi jika np.fabs(a[i, k]) > np.fabs(a[k, k]):
3.4.1.1.1.1 Untuk j pada range(k, n):
3.4.1.1.1.1.1 Menginisiasi a[k, j], a[i, j] = a[i, j], a[k,
j]
3.4.1.1.1.2 Menginisiasi b[k], b[i] = b[i], b[k]
3.4.1.1.1.3 Pengulangan berhenti
3.4.2 Menginisiasi pivot = a[k, k]
3.4.3 Untuk j pada range(k, n):
3.4.3.1 Menginisiasi a[k, j] /= pivot
3.4.4 Menginisiasi b[k] /= pivot
3.4.5 Untuk i pada range (n):
3.4.5.1 Pada kondisi jika i == k or a[i, k] == 0: continue
3.4.5.2 Menginisiasi factor = a[i, k]
3.4.5.3 Untuk j pada range(k, n):
3.4.5.3.1 Menginisiasi a[i, j] -= factor*a[k, j]
3.4.5.4 Menginisiasi b[i] -= factor*b[k]
3.5 Mengembalikan fungsi b,a
4. Mengakhiri program

Algoritma Utama
1. Memulai program
2. Mengimport numpy sebagai np
3. Menginisiasi a = [[10.0, -4.0, 0.0, 0.0], [-4.0, 12.0, -2.0, 0.0], [0.0, -2.0, 12.0, -4.0], [0.0,
0.0, -4.0, 10.0]]
4. Menginisiasi b = [-10.0, 0.0, 0.0, 10.0]
5. Menginisiasi X, A = gaussjordan(a, b)
6. Mencetak("The transformed [a]:")
7. Mencetak(A)
8. Mencetak("-"*100)
9. Mencetak("Hasil dari [I1, I2, I3, I4] =", X)
10. Mengakhiri program
B. Flowchart
1. Flowchart Fungsi
 2. Flowchart Utama

3.3 Metode Matriks Balikan (Algoritma dan Flowchart metode Matriks Balikan)
A. Algoritma
Algoritma Utama
1. Memulai program
2. Mengimpor numpy sebagai np
3. Menginisiasi A = np.array([[10.0, -4.0, 0.0, 0.0], [-4.0, 12.0, -2.0, 0.0], [0.0, -2.0, 12.0, -
4.0], [0.0, 0.0, -4.0, 10.0]])
4. Menginisiasi B = np.array([10.0, 0.0, 0.0, 10.0])
5. Menginisiasi result = np.linalg.solve(A,B)
 6. Mencetak("The result is [I1, I2, I3, I4] =", result)
7. Mengakhiri program

B. Flowchart

3.4 Metode Dekomposisi LU (Algoritma dan Flowchart metode Dekomposisi LU)

A. Algoritma
Algoritma Fungsi Pertama
1. Memulai program
2. Mengimpor numpy as np
 3. Menginisiasi A = np.array([[10.0, -4.0, 0.0, 0.0], [-4.0, 12.0, -2.0, 0.0], [0.0, -2.0, 12.0, -
4.0], [0.0, 0.0, -4.0, 10.0]])
4. Menginisiasi B = np.array([10.0, 0.0, 0.0, 10.0])
5. Mendefinisikan fungsi def LU_decom(a):
5.1 Menginisiasi n = len(a)
5.2 Pada kondisi untuk k dalam jangkauan(0, n-1):
5.2.1 Pada kondisi untuk i dalam jangkauan(k+1, n):
5.2.1.1 Pada kondisi jika a[i, k] != 0.0:
5.2.1.1.1 Menginisiasi lam = a[i, k]/a[k, k]
5.2.1.1.2 a[i, k+1:n] = a[i, k+1:n] - lam*a[k, k+1:n]
5.2.1.1.3 a[i, k] = lam
5.3 Mengembalikan fungsi a
6. Mengakhiri Program

B. Flowchart
1. Flowchart Utama
2. Flowchart Fungsi 1
3. Flowchart Fungsi 2
 BAB IV
HASIL DAN ANALISIS

4.1 Hasil dan Analisis dengan Metode Eliminasi Gauss

Eliminasi Gauss adalah suatu metode untuk mengoperasikan nilai-nilai di dalam matriks
sehingga menjadi matriks yang lebih sederhana lagi. Dengan melakukan operasi baris sehingga
matriks tersebut menjadi matriks yang lebih sederhana lagi. Dengan menggunakan metode ini
lebih mudah untuk memecahkan sistem persamaan liner, tetapi memiliki masalah akurasi saat
pembulatan desimal. Dari segi kecepatan, metode eliminasi Gauss lebih cepat dari metode Gauss
Jordan.  Untuk system yang kecil, lebih nyaman dalam menggunakan eliminasi Guass Jordan.
Eliminasi Gauss lebih efisien untuk computer secara komputasi.

4.2 Hasil dan Analisis dengan Metode Eliminasi Gauss-Jordan

Metode Gauss-Jordan melakukan perhitungan persamaan linear dalam bentuk matriks.

Untuk mendapatkan bentuk matriks, metode Gauss-Jordan mengubah koefisien-koefisien dalam
persamamaan linear menjadi barisan-barisan matriks atau matriks teraugmentasi. Metode Gauss-
Jordan merupakan metode penyelesaian sistem persamaan linear yang diawali dengan mengubah
persamaan linear ke dalam bentuk matriks eselon yang tereduksi, sehingga diperoleh nilai
variabel pada sistem persamaan linear

4.3 Hasil dan Analisis dengan Metode Matriks Balikan

Pada metode matriks balikan, nilai A-1 memberikan informasi tentang galat mutlak yang
dikandung data. Selain itu, matriks balikan juga dapat dipakai untuk menghitung solusi sistem
persamaan lanjar.
Jika A dan B matriks bujur sangkar sedemikian rupa sehingga A B = B A = I, maka B
disebut balikan atau invers dari A dan dapat dituliskan (B sama dengan invers A). Matriks B juga
mempunyai invers yaitu A. jika tidak ditemukan matriks B, maka A dikatakan matriks tunggal
(singular). Jika matriks B dan C adalah invers dari A maka B = C. matriks A = dapat di-invers
apabila ad – bc ≠ 0.
4.4 Hasil dan Analisis dengan Metode Dekomposisi LU
Mekanisme ‘proses dekomposisi’ dilakukan dengan cara mengisi terlebih dahulu baris
pertama matriks U. Selanjutnya, mengisi matriks L pada baris terendah terlebih dulu (mulai baris
ke-2), dan kemudian diikuti pengisian matriks U pada baris yang sama, demikian seterusnya
sampai baris terakhir (ke-n).
Harga-harga dari semua elemen matriks U pada baris l identik dengan elemen-elemen
matriks A (matriks asal). Pada metode Dekomposisi LU, matriks A ditulis ulang sebagai
perkalian  matriks Ldan U (matriks A diurai menjadi matriks Ldan U). Matriks L dan U
meerupakan matriks segitiga. Matriks B tidak berubah, karena matriks A tidak berubah,
melainkan hanya di tulis ulang.
LAMPIRAN (dalam .ipynb file terpisah)

A. Source Code Metode Eliminasi Gauss

B. Source Code Metode Eliminasi Gauss-Jordan
C. Source Code Metode Matriks Balikan
D. Source Code Metode Dekomposisi LU