5-6th - Persamaan Linear #2 PDF

Metode Numerik
Oleh: Elvis Saputra, S.T., M.T.
Prodi Teknik Sipil

Fakultas Teknik Sipil dan Perencanaan
Universitas Islam Indonesia
2021
Universitas Islam Indonesia 1

KONSEP PROSEDUR CONTOH ANALISIS
SISTEM PERSAMAAN LINEAR

Metode Sistem Persamaan Linear 1. Metode Eliminasi Gauss
2. Metode Gauss-Jordan
3. Metode Iterasi
- Jancobi
- Gauss-Seidel
METODE GAUSS-JORDAN
# Pendahuluan
▪ Metode Gauss-Jordan adalah pengembangan dari metode Eliminasi Gauss yang
hasilnya lebih sederhana
▪ Selain dapat digunakan untuk menyelesaikan sistem persamaan linier, metode
Gauss-Jordan juga dapat digunakan untuk menghitung Matriks Invers.
▪ Dalam metode Gauss-Jordan, bilangan tak diketahui dieliminasi dari semua
persamaan, yang dalam metode Gauss bilangan tersebut dieliminasi dari
persamaan berikutnya. Dengan demikian langkah-langkah eliminasi tersebut
menghasilkan matriks identitas 𝐼 .
▪ Setelah menjadi Matriks Identitas, maka langsung dapat ditentukan nilai dari
variabel-variabelnya tanpa melakukan substitusi balik.
KONSEP PROSEDUR ANALISIS CONTOH ANALISIS
METODE GAUSS-JORDAN
# Ilustrasi a11 x + a12 y + a13 z = b1
a21 x + a22 y + a23 z = b2
a31 x + a32 y + a33 z = b3
Dieliminasi menjadi matriks Identitas

a11 a12 a13 b1 1 0 0 b1 ∗
a21 a22 a23 อ b2 → 0 1 0อ b2 ∗
a31 a32 a33 b3 0 0 1 b3 ∗
𝑥 = b1 ∗
Solusi: 𝑦 = b2 ∗
z = b3 ∗
METODE GAUSS-JORDAN
# Contoh Analisis
Selesaikan sistem persamaan linear berikut ini :
3𝑥 + 𝑦 − 𝑧 = 5
4𝑥 + 7𝑦 − 3𝑧 = 20 3 1 −1 5
4 7 −3 20
2𝑥 − 2𝑦 + 5𝑧 = 10 2 −2 5 10
3 1 −1 𝑥 5
4 7 −3 𝑦 = 20
2 −2 5 𝑧 10
METODE GAUSS-JORDAN
# Contoh Analisis
Tahap 1 Jadikan = 1
Baris pertama dibagi dengan koefisien pertamanya:
3 1 −1 5
4 7 −3 20
3 1 −1 𝑥 5 2 −2 5 10
4 7 −3 𝑦 = 20
2 −2 5 𝑧 10
1 0,333 −0,333 1,667
4 7 −3 20
2 −2 5 10
METODE GAUSS-JORDAN
# Contoh Analisis
Jadikan = 0
Tahap 2 1 0,333 −0,333 1,667
Baris ke-2 dikurangkan dengan hasil perkalian antara baris ke- 4 7 −3 20
1 dengan koefisien pertama dari baris ke 2. 2 −2 5 10
1 0,333 −0,333 𝑥 1,667

4 7 −3 𝑦 = 20 1 0,333 −0,333 1,667
2 −2 5 𝑧 10 0 5,667 −1,667 13,33
2 −2 5 10
METODE GAUSS-JORDAN
# Contoh Analisis Jadikan = 0
Tahap 3 1 0,333 −0,333 1,667
Baris ke-3 dikurangkan dengan hasil perkalian antara baris ke- 0 5,667 −1,667 13,33
1 dengan koefisien pertama dari baris ke 3. 2 −2 5 10
1 0,333 −0,333 𝑥 1,667

0 5,667 −1,667 𝑦 = 13,333
𝑧 1 0,333 −0,333 1,667
2 −2 5 10
0 5,667 −1,667 13,333
0 −2,667 5,667 6,667
METODE GAUSS-JORDAN
Tahap 4 1 0,333 −0,333 1,667

Baris ke-2 dibagi dengan koefisien keduanya: 0 5,667 −1,667 13,333
0 −2,667 5,667 6,667
1 0,333 −0,333 𝑥 1,667

0 5,667 −1,667 𝑦 = 13,333
2 −2,667 5,667 𝑧 6,667 1 0,333 −0,333 1,667
0 1 −0,294 2,353
0 −2,667 5,667 6,667
METODE GAUSS-JORDAN
Jadikan = 0
# Contoh Analisis
Tahap 5
1 0,333 −0,333 1,667
Baris ke-1 dikurangkan dengan hasil perkalian antara baris ke- 0 1 −0,294 2,353
2 dengan koefisien kedua dari baris ke-1. 0 −2,667 5,667 6,667
1 0,333 −0,333 𝑥 1,667
0 1 −0,294 𝑦 = 2,353
0 −2,667 5,667 𝑧 6,667
1 0 −0,235 0,882
0 1 −0,294 2,353
0 −2,667 5,667 6,667
METODE GAUSS-JORDAN
# Contoh Analisis
Jadikan = 0
Tahap 6
1 0 −0,235 0,882
Baris ke-3 dikurangkan dengan hasil perkalian antara baris ke- 0 1 −0,294 2,353
2 dengan koefisien kedua dari baris ke-3. 0 −2,667 5,667 6,667
1 0 −0,235 𝑥 0,882
0 1 −0,294 𝑦 = 2,353
0 −2,667 5,667 𝑧 6,667
1 0 −0,235 0,882
0 1 −0,294 2,353
0 0 4,882 12,941
METODE GAUSS-JORDAN
# Contoh Analisis
Jadikan = 1
Tahap 7
Baris ke-3 dibagi dengan koefisien ketiganya. 1 0 −0,235 0,882
0 1 −0,294 2,353
0 0 4,882 12,941
1 0 −0,235 𝑥 0,882
0 1 −0,294 𝑦 = 2,353
0 0 4,882 𝑧 12,941
1 0 −0,235 0,882
0 1 −0,294 2,353
0 0 1 2,651
METODE GAUSS-JORDAN
Tahap 8
Baris ke-1 dikurangkan dengan hasil perkalian antara baris ke-
1 0 −0,235 0,882
3 dengan koefisien ketiga dari baris ke-1.
0 1 −0,294 2,353
1 0 −0,235 𝑥 0,882 0 0 1 2,651
0 1 −0,294 𝑦 = 2,353
0 0 1 𝑧 2,651
1 0 0 1,506
0 1 −0,294 2,353
0 0 1 2,651
METODE GAUSS-JORDAN
Tahap 9
Baris ke-2 dikurangkan dengan hasil perkalian antara baris ke-
1 0 0 1,506
3 dengan koefisien ketiga dari baris ke-2.
0 1 −0,294 2,353
1 0 0 𝑥 1,506 0 0 1 2,651
0 1 −0,294 𝑦 = 2,353
0 0 1 𝑧 2,651
1 0 0 1,506
0 1 0 3,132
Dari hasil disamping diperoleh hasil: 0 0 1 2,651
x = 1,506 1 0 0 𝑥 1,506
y = 3,123 0 1 0 𝑦 = 3,132
z = 2,651 0 0 1 𝑧 2,651
Metode Sistem Persamaan Linear 1. Metode Eliminasi Gauss
2. Metode Gauss-Jordan
3. Metode Iterasi
- Jacobi
- Gauss-Seidel
METODE ITERASI (JACOBI)

# Pendahuluan
▪ Metode ini ditemukan oleh matematikawan Jerman, yaitu Carl Gustav Jakob
Jacobi
▪ Dalam hal tertentu metode ini lebih baik dibanding dengan metode langsung,
misal untuk matriks yang tersebar, yaitu matriks dengan banyak elemen nol
▪ Metode ini juga dapat digunakan untuk menyelesaikan sistem persamaan tidak
linier.
▪ Hitungan dimulai dengan nilai perkiraan sembarang untuk variabel yang dicari
(biasanya semua variabel diambil sama dengan nol).
▪ Nilai perkiraan awal tersebut disubstitusikan ke dalam ruas kanan dari sistem
persamaan yang sudah dimodifikasi.
▪ Nilai variabel baru yang didapat disubstitusikan lagi ke ruas kanan dari sistem
persamaan untuk mendapatkan nilai perkiraan baru.
▪ Prosedur diulang sampai nilai setiap variabel pada iterasi ke n mendekati nilai
pada iterasi ke n-1.

# Ilustrasi
▪ Sebagai contoh, sistem 3 persamaan dengan 3 bilangan tak diketahui :
a11 x1 + a12 x 2 + a13 x3 = b1
a21 x1 + a22 x 2 + a23 x3 = b2
a31 x1 + a32 x 2 + a33 x3 = b3
▪ Persamaan pertama dari sistem di atas dapat digunakan untuk menghitung x1
sebagai fungsi dari x2 dan x3. Demikian juga persamaan kedua dan ketiga untuk
menghitung x2 dan x3, sehingga didapat :
(𝑏1 −𝑎12 𝑥2 −𝑎13 𝑥3 )
𝑥1 =
𝑎11
(𝑏2 −𝑎21 𝑥1 −𝑎23 𝑥3 )
𝑥2 =
𝑎22
(𝑏3 −𝑎31 𝑥1 −𝑎32 𝑥2 )
𝑥3 =
𝑎33

# Ilustrasi (𝑏1 − 𝑎12 𝑥 2
𝑛−1
− 𝑎13 𝑥 𝑛−1
3 )
𝑛
𝑥1 =
𝑎11
𝑛−1 𝑛−1
𝑛
(𝑏2 − 𝑎 21 𝑥1 − 𝑎 23 𝑥3 )
𝑥2 =
𝑎22
𝑛−1 𝑛−1
𝑛
(𝑏3 − 𝑎 31 𝑥1 − 𝑎 32 𝑥2 )
𝑥3 =
𝑎33
▪ Iterasi hitungan berakhir setelah :
𝑥1𝑛 ≈ 𝑥1𝑛−1 ; 𝑥2𝑛 ≈ 𝑥2𝑛−1 ; dan 𝑥3𝑛 ≈ 𝑥3𝑛−1
▪ atau setelah dipenuhi kriteria berikut :
𝑥𝑖𝑛 −𝑥𝑖𝑛−1
𝜀𝑎 = *100% < 𝜀𝑠
𝑥𝑖𝑛
▪ dengan 𝜀𝑠 adalah ketelitian yang dikehendaki

# Contoh Analisis
Selesaikan sistem persamaan berikut ini dengan Metode Iterasi Jacobi :
3𝑥 + 𝑦 − 𝑧 = 5
4𝑥 + 7𝑦 − 3𝑧 = 20
2𝑥 − 2𝑦 + 5𝑧 = 10

# Contoh Analisis
a11 x1 + a12 x 2 + a13 x3 = b1 3𝑥 + 𝑦 − 𝑧 = 5
a21 x1 + a22 x 2 + a23 x3 = b2 4𝑥 + 7𝑦 − 3𝑧 = 20
a31 x1 + a32 x 2 + a33 x3 = b3 2𝑥 − 2𝑦 + 5𝑧 = 10
(𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3 )

𝑥1 = (5 − 𝑦 + 𝑧)
𝑎11 𝑥=
3
(𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3 ) (20 − 4𝑥 + 3𝑧) Sistem persamaan
𝑥2 = 𝑦=
𝑎22 baru
7
(𝑏3 − 𝑎31 𝑥1 − 𝑎32 𝑥2 ) (10 − 2𝑥 + 2𝑦)
𝑥3 = 𝑧=
𝑎33 5

# Contoh Analisis
Dicoba estimasi awal x = y = z = 0
(5 − 𝑦 + 𝑧) (5 − 0 + 0)
𝑥′ = = = 𝟏, 𝟔𝟔𝟕
3 3 Nilai x’ ,y’, dan z’ yang diperoleh
belum sama dengan asumsi awal,
(20 − 4𝑥 + 3𝑧) (20 − 4.0 + 3.0)
𝑦′ = = = 𝟐, 𝟖𝟓𝟕 sehingga perlu dilakukan
7 7 pengulangan atau iterasi
(10 − 2𝑥 + 2𝑦) (10 − 2.0 + 2.0) berikutnya.
𝑧′ = = =𝟐
5 5

# Contoh Analisis
Dugunakan nilai x, y, dan z pada hitungan sebelumnya (x’, y’,z’)
(5 − 𝑦 + 𝑧) (5 − 2,857 + 2) 𝜀𝑥 =
1,381−1,667
*100% = 20,69%
𝑥" = = = 𝟏, 𝟑𝟖𝟏 1,381
3 3
(20 − 4𝑥 + 3𝑧) (20 − 4. (1,667) + 3. (2)) 𝜀𝑦 =

2,762−2,857
*100% = 3,45%
𝑦" = = = 𝟐, 𝟕𝟔𝟐 2,762
7 7
2,476−2
(10 − 2𝑥 + 2𝑦) (10 − 2. (1,667) + 2 (2,857)) 𝜀𝑧 = *100% = 19,22%
𝑧" = = = 𝟐, 𝟒𝟕𝟔 2,476
5 5
Hitungan dilanjutkan dengan prosedur yang sama, sampai pada akhirnya diperoleh kesalahan yang
relatif kecil setiap variabelnya!

METODE ITERASI (GAUSS SEIDEL)

# Pendahuluan
▪ Teknik iterasi jarang digunakan untuk menyelesaikan sistem persamaan linier
berukuran kecil karena metode-metode langsung seperti metode Eliminasi Gauss
lebih efisien daripada metode iteratif.
▪ Akan tetapi, untuk sistem persamaan linier 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 Gauss-Seidel sesatan pembulatan dapat diperkecil karena dapat
meneruskan iterasi sampai solusinya seteliti mungkin sesuai dengan batas
sesatan yang diperbolehkan.
▪ Di dalam metode Iterasi Jacobi, nilai x1 yang dihitung dari persamaan pertama
tidak digunakan untuk menghitung nilai x2 dengan persamaan kedua. Demikian
juga nilai x2 tidak digunakan untuk mencari x3, sehingga nilai-nilai tersebut tidak
dimanfaatkan.
▪ Sebenarnya nilai-nilai baru tersebut lebih baik dari nilai-nilai lama.
▪ Di dalam metode Gauss-Seidel, nilai-nilai tersebut dimanfaatkan untuk
menghitung variabel berikutnya.

(𝑏1 −𝑎12 𝑥20 −𝑎13 𝑥30 )
𝑥11 =
𝑎11
▪ Nilai baru dari 𝑥11 tersebut kemudian disubstitusikan ke dalam

persamaan kedua dari sistem yang termodifikasi :
(𝑏2 −𝑎21 𝑥11 −𝑎23 𝑥30 )
𝑥21 =
𝑎22
▪ Demikian juga ke dalam persamaan ketiga dari sistem termodifikasi,

disubstitusikan nilai baru 𝑥11 dan 𝑥21 , sehingga didapat :
(𝑏3 −𝑎31 𝑥11 −𝑎32 𝑥21 )
𝑥31 =
𝑎33
▪ Dengan cara seperti ini nilai x1, x2, dan x3 akan diperoleh lebih cepat
daripada metode Jacobi.

# Contoh Analisis
Selesaikan sistem persamaan berikut ini dengan Metode Iterasi Gauss-Seidel :
3𝑥 + 𝑦 − 𝑧 = 5
4𝑥 + 7𝑦 − 3𝑧 = 20
2𝑥 − 2𝑦 + 5𝑧 = 10

# Contoh Analisis
a11 x1 + a12 x 2 + a13 x3 = b1 3𝑥 + 𝑦 − 𝑧 = 5
a21 x1 + a22 x 2 + a23 x3 = b2 4𝑥 + 7𝑦 − 3𝑧 = 20
a31 x1 + a32 x 2 + a33 x3 = b3 2𝑥 − 2𝑦 + 5𝑧 = 10
(𝑏1 − 𝑎12 𝑥20 − 𝑎13 𝑥30 )

𝑥11 = (5 − 𝑦 + 𝑧)
𝑎11 𝑥=
3
(𝑏2 − 𝑎21 𝑥11 − 𝑎23 𝑥30 ) (20 − 4𝑥 + 3𝑧)
𝑥21 =
𝑎22 𝑦=
7
(𝑏3 − 𝑎31 𝑥11 − 𝑎32 𝑥21 ) (10 − 2𝑥 + 2𝑦)
𝑥31 = 𝑧=
𝑎33 5

# Contoh Analisis
Dicoba estimasi awal y = z = 0 dan dihitung x’
5−𝑦+𝑧 (5 − 0 + 0)
𝑥′ = = = 𝟏, 𝟔𝟔𝟕
3 3
Lanjutkan menghitung y’ dengan mengsubstitusikan nilai x’ Nilai x’ ,y’, dan z’ yang
diperoleh belum sama
dengan asumsi awal,
20 − 4𝑥 + 3𝑧 20 − 4(1,667) + 3. (0)
𝑦′ = = = 𝟏, 𝟗𝟎𝟒𝟔𝟕 sehingga perlu dilakukan
7 7 pengulangan atau iterasi
berikutnya.
Lanjutkan menghitung z’ dengan mengsubstitusikan nilai x’ dan y’
10 − 2𝑥 + 2𝑦 10 − 2 1,667 + 2 1,90467
𝑧′ = = = 𝟐, 𝟎𝟗𝟓𝟐𝟒
5 5

# Contoh Analisis
Iterasi dilanjutkan
5−𝑦+𝑧 (5 − 1,904 + 2,09524) 1,73016−1,667

𝑥′ = = = 𝟏, 𝟕𝟑𝟎𝟏𝟔 𝜀𝑥 = *100% = 3,67%
1,73016
3 3
(20 − 4𝑥 + 3𝑧) (20 − 4. (1,73016) + 3. (2,09524)) 2,7664−1,904

𝑦" = = = 𝟐, 𝟕𝟔𝟔𝟒 𝜀𝑦 = *100% = 31,15%
2,7664
7 7
(10 − 2𝑥 + 2𝑦) (10 − 2. (1,73016) + 2 (2,7664)) 𝜀𝑧 =

2,4154−22,095
*100% = 13,22%
𝑧" = = = 𝟐, 𝟒𝟏𝟓𝟒 2,4154
5 5
Hitungan dilanjutkan dengan prosedur yang sama, sampai pada akhirnya diperoleh kesalahan yang
relatif kecil setiap variabelnya!

# Contoh Analisis

# Contoh Analisis

5-6th - Persamaan Linear #2 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

5-6th - Persamaan Linear #2 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Metode Numerik

Oleh: Elvis Saputra, S.T., M.T.

Prodi Teknik Sipil

Universitas Islam Indonesia 1

SISTEM PERSAMAAN LINEAR

Metode Sistem Persamaan Linear 1. Metode Eliminasi Gauss

Dieliminasi menjadi matriks Identitas

1 0,333 −0,333 𝑥 1,667

1 0,333 −0,333 𝑥 1,667

Tahap 4 1 0,333 −0,333 1,667

1 0,333 −0,333 𝑥 1,667

Metode Sistem Persamaan Linear 1. Metode Eliminasi Gauss

METODE ITERASI (JACOBI)

METODE ITERASI (JACOBI)

METODE ITERASI (JACOBI)

METODE ITERASI (JACOBI)

METODE ITERASI (JACOBI)

METODE ITERASI (JACOBI)

(𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3 )

METODE ITERASI (JACOBI)

METODE ITERASI (JACOBI)

(20 − 4𝑥 + 3𝑧) (20 − 4. (1,667) + 3. (2)) 𝜀𝑦 =

METODE ITERASI (JACOBI)

METODE ITERASI (GAUSS SEIDEL)

METODE ITERASI (GAUSS SEIDEL)

METODE ITERASI (GAUSS SEIDEL)

▪ Nilai baru dari 𝑥11 tersebut kemudian disubstitusikan ke dalam

▪ Demikian juga ke dalam persamaan ketiga dari sistem termodifikasi,

METODE ITERASI (GAUSS SEIDEL)

METODE ITERASI (GAUSS SEIDEL)

(𝑏1 − 𝑎12 𝑥20 − 𝑎13 𝑥30 )

METODE ITERASI (GAUSS SEIDEL)

METODE ITERASI (GAUSS SEIDEL)

5−𝑦+𝑧 (5 − 1,904 + 2,09524) 1,73016−1,667

(20 − 4𝑥 + 3𝑧) (20 − 4. (1,73016) + 3. (2,09524)) 2,7664−1,904

(10 − 2𝑥 + 2𝑦) (10 − 2. (1,73016) + 2 (2,7664)) 𝜀𝑧 =

METODE ITERASI (GAUSS SEIDEL)

METODE ITERASI (GAUSS SEIDEL)

Anda mungkin juga menyukai