NIM : 2229101032
1. Selesaikan dua sistem persamaan berikut menggunakan metode Gauss, Gauss-Jordan, Jacobi,
danGauss-Siedel.
a. 6𝑥1 + 2𝑥2 + 2𝑥3 = −2
2𝑥1 + 2 1
𝑥 2 + 𝑥3 = 1
3 3
𝑥1 + 2𝑥2 − 𝑥3 = 0
A. Metode Gauss
[6 2 2] 𝑥1 −2
[2 2/3 1/3] {𝑥2} = { 1 } 3𝑅2 − 6𝑅3 → 𝑅2
[1 2 −1] 𝑥3 0
[6 2 2] 𝑥1 −2
[0 −10 7 ] {𝑥2} = { 3 } 6𝑅3 − 𝑅1 → 𝑅3
[1 2 −1] 𝑥3 0
6 2 2 𝑥1 −2
[0 −10 𝑥
7 ] { 2} = { 3 } 𝑅 3 + 𝑅2 → 𝑅3
0 10 −8 𝑥3 2
6 2 2 𝑥1 −2
[0 −10 𝑥
7 ] { 2} = { 3 }
0 0 −1 𝑥3 5
(I) −𝑥3 = 5
𝑥3 = −5
(I) −𝑥3 = 5
𝑥3 = −5
(II) −10𝑥2 = 38
𝑥2 = −3.8
(III) 30𝑥1 = 78
𝑥1 = 2.6
C. Metode Gauss
6x 1 + 2x 2 + 2x 3 = −2
2 1
2x + x + x = 1
x1 + 2x2 − x3 = 0
menerapkan metode jacobi hal yang pertama yang harus dilakukan adalah
melihat bahwa elemen diagonal melebihi elemen lainnya atau disebut elemen
diagonal dominan.
2 1
6 2 + 2; 2 + ;1 1+ 2
Jika matriks tidak diagonal dominan kuat maka harus dilakukan preprocessing
agar menjadi matriks diagonal dominan dengan menukar kolom atau baris
pada matriks namun pada kasus ini tidak bisa dilakukan. Jika dilakukanmaka
akan mendapatkan hasil sebagai berikut.
1
x = (−2 + 2x + 2x )
1 2 3
6
3 1
x 2 = 1+ 2x 1+ x 3
2 3
x3 = −1(0 + x1 + 2x2 )
Lakukan iterasi 1 dengan x1=x2=x3=0 hasilnya sebagai berikut:
Literasi x1 x2 x3
0 0 0 0
1 -0,3333 1,5 0
2 0,16667 0,5 -2,6667
3 -1,0556 0,66667 -1,1667
4 -0,5 -2,25 -0,2778
5 -1,1759 -0,1389 5
6 1,28704 0,47222 1,4537
7 0,30864 6,08796 -2,2315
8 0,95216 1,31019 -12,485
9 -4,0581 -1,8858 -3,5725
10 -2,1528 -12,461 7,82973
11 -1,877 -1,0435 27,0741
Dari hasil iterasi dilihat terjadi perubahan yang sangat signifikan antar
iterasisehingga metode jacobi tidak dapat dilakukan
D. Gauss-Siedel
Iterasi maju selangkah:
6x 1 + 2x 2 + 2x 3 = -2
3x 1 + x 2 + x 3 = -1
x 1 = (-1 - x 2 – x3) /3
2x 1 + 2/3x 2 + 1/3x 3 = 1
6x 1 + 2x 2 + x 3 = 3
x 2 = (3 – 6x 1 – x 3) / 2 x 1 + 2x 2 – x 3 = 0
x 3 = x 1 + 2x 2
𝜀𝑥 = x’ – x 0 / x’ *100%
= 1.5(1 – 2x 1 –1/3 x 2)
xn = x1 + 2 x2
nilai awal x 1, x 2, x n adalah 0 (nol)
x1 x2 x3
1/6 (-2 – 2 x2 – 2 xn)1.5(1-2x1-1/3x2) x1 + 2x2
awal 0.0000 0.0000 0.0000
1 -0.3333 1.5000 0.0000
2 -0.8333 2.5000 2.6667
3 -2.0556 2.6800 4.1667
4 -2.6156 5.6042 3.3044
5 -3.3029 7.7110 8.5928
6 -5.7679 7.1552 12.1191
7 -6.7581 12.8048 8.5425
8 -7.4491 17.5457 18.8515
9 -12.4658 14.5158 27.6424
10 -14.3860 25.2143 16.5658
11 -14.2600 36.4581 36.0425
12 -24.5002 26.4390 58.6562
13 -28.6984 45.9658 28.3778
14 -25.1145 73.5481 63.2333
15 -45.9271 45.5431 121.9818
2. Tentukan persamaan regresi data berikut menggunakan regresi linier, regresi non linier,
dan regresi polinomial, serta hitung kesalahan masing-masing.
X 1 2 3 4 5 6 7 8
V 0,5 0,8 1,2 1,9 3 4,8 7,5 11,9
a) Regresi Linear
No 𝑥𝑖 𝑦𝑖 𝑥𝑖 𝑦𝑖 𝑥𝑖2 (𝒚𝒊 − 𝒚)̅ 𝟐 (𝒚𝒊 − 𝒂 − 𝒃𝒙𝒊) 2
1 1 0,5 0,5 1 11,9025 3,12111111
2 2 0,8 1,6 4 9,9225 0,33199546
3 3 1,2 3,6 9 7,5625 0,2644898
4 4 1,9 7,6 16 4,2025 1,70240363
5 5 3 15 25 0,9025 2,8738322
6 6 4,8 28,8 36 0,7225 1,92020408
7 7 7,5 52,5 49 12,6025 0,03104308
8 8 11,9 95,2 64 63,2025 7,47111112
Σ 36 31,6 204,8 204 111,02 17,7161905
Lalu hitung nilai intersep (a) menggunakan persamaan berikut.
Y X 2 − X Y
a=
n
X 2 − ( X )2
Maka di dapatkan perhitungan
32.204 − 36.32
a=
8.204 − (36)2
6528
a=
−1152
1632
−1296
5379
a=
336
a = 16, 01
Selanjutnya menghitung nilai slope (b) dengan rumus
n XY − X Y
b=
n X 2 − ( X ) 2
Maka di dapatkan perhitungan
𝑎 = 𝑦̅ − 𝑏𝑥̅
𝑎 = 3.95 − (1.49047619)(4.5 ) = −𝟐. 𝟕𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕
Sehingga diperoleh persamaan garis:
𝑦 = 𝑎 + 𝑏𝑥
𝑦 = −𝟐. 𝟕𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕 + 𝟏. 𝟒𝟗𝟎𝟒𝟕𝟔𝟏𝟗 𝒙
𝐷𝑡2 = ∑(𝑦𝑖 − 𝑦̅)2 = 𝟏𝟏𝟏. 𝟎𝟐
𝑖=1
2 −𝐷 2
𝑟 = √ 𝐷𝑡 = 0.916746
b) Regresi Non-Linear
No 𝑥𝑖 = 𝑞𝑖 𝑦𝑖 𝑞2𝑖 𝑝𝑖 = 𝑙𝑛 𝑦𝑖 𝑝𝑖𝑞𝑖 (𝑦𝑖 − 𝑦̅)2 (𝑦𝑖 − 𝑎𝑒𝑏𝑥𝑖)2
1 1 0,5 1 -0,6931472 -0,6931472 11,9025 0,00001082904
2 2 0,8 4 -0,2231436 -0,4462871 9,9225 0,00036889660
3 3 1,2 9 0,18232156 0,54696467 7,5625 0,00074825492
4 4 1,9 16 0,64185389 2,56741554 4,2025 0,00085953367
5 5 3 25 1,09861229 5,49306144 0,9025 0,00107302116
6 6 4,8 36 1,56861592 9,41169551 0,7225 0,00107002704
7 7 7,5 49 2,01490302 14,1043211 12,6025 0,00003775845
8 8 11,9 64 2,4765384 19,8123072 63,2025 0,01444006882
𝚺 36 31,6 204 7,06655434 50,7963312 111,02 0,01860838971
𝑏=𝐵
𝐴 = 𝑝̅ − 𝐵𝑞̅ = 0.883319 − (1.49047619)(4.50 = −1.152056069
𝑎 = 𝑒𝐴 = 𝑒(−1.152056069) = 0.3`5986415
Sehingga diperoleh bentuk regresi
𝑦 = 𝑎𝑒𝑏𝑥
𝑦 = 0.315986415 (0.452305636 𝑥)
𝐷𝑡2 − 𝐷2
√
0,894056057
𝐷𝑡2
c) Regresi Polinomial (Order 2)
8 36 204 𝑎0 31.6
[ 36 204 𝑎
1296] { 1 } = { 204.8 } 2b2 – 9b1
204 1296 8772 𝑎2 1421.8
8 36 204 𝑎0 31.6
[0 84 756 ] {𝑎1 } = { 125.2 }
204 1296 8772 𝑎2 1421.8 2b3 – 51b1
8 36 204 𝑎0 31.6
[0 84 756 ] {𝑎1 } = { 125.2 }
0 2184 17136
𝑎2 2435.6 b3 –26b2
8 36 204
𝑎0 31.6
[0 84 756] {𝑎1} = {125.2}
0 0 −2520 𝑎2 819.6
Maka diperoleh:
𝑏0 = 𝑓(0) = 2.225541
𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑏1 =
𝑥 1 − 𝑥0
𝑏1 = 2.718282 − 2.225541
1 − 0.8
𝑏1 = 2,463705
𝑏2 = 1,363675
Metode Trapesium
𝑓(𝑎) + 𝑓(𝑏)
𝐼 = (𝑏 − 𝑎)
2
(3 2 ln 3) + (7 2 ln 7)
𝐼 = (7 − 3)
2
(9,887508) + (95,34959)
𝐼 = (4)
2
I= 210,474196
𝐼= ((9,887508) + (160,9438) + (95,34959)
6
𝑰 = 𝟏𝟕𝟕, 𝟖𝟕𝟐𝟔𝟓𝟑