MINI RISET

PRAKTIKUM ALJABAR LINEAR ELEMENTER

Disusun untuk memenuhi tugas akhir Praktikum Aljabar Linear Elementer

Disusun Oleh:

Ketua Kelompok:
Amira Zakiyah Bahri NIM. 1227010004
Anggota:
Estu Citra Palupi NIM. 1227010017
Marettha Audia Amalia NIM. 1227010034
Diah Nurhamidah NIM. 1227010009

KELAS A

JURUSAN MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SUNAN GUNUNG DJATI BANDUNG

2023
 A. TUJUAN PRAKTIKUM
Scilab adalah perangkat lunak yang dibuat dengan bahasa pemrograman numerik tingkat tinggi.
Praktikum Aljabar Linier Elementer ini bertujuan untuk membantu kami memahami konsep-konsep
dalam mata kuliah Aljabar Linier Elementer dengan menggunakan scilab. Kami belajar teori-teori
dasar dalam scilab seperti menghitung aljabar linier, mengeksekusi perintah-perintah dasar, dan
memanfaatkan fungsi-fungsi matematika yang ada.
Dengan mempelajari dan mengaplikasikan scilab pada praktikum ini, kami juga dapat
menguasai konsep dasar aljabar linier, seperti vektor, matriks, operasi matriks, determinan, invers, dan
sistem persamaan linear dengan melihat hasil yang scilab tampilkan dalam bentuk visual atau numerik
dengan cepat, akurat dan efisien. Itulah tujuan kami mempelajari penggunaan scilab untuk
menuntaskan tugas-tugas yang berkaitan dengan Aljabar Linier secara efektif.

B. DASAR TEORI
1. Matriks dan Vektor
Matriks adalah susunan bilangan real atau bilangan kompleks (atau elemen-elemen) yang
disusun dalam baris dan kolom sehingga membentuk jajaran persegi panjang. Pada umumnya, aij
menyatakan entri matriks pada baris i dan kolom j, misalnya A adalah matriks m × n maka

Matriks yang hanya memiliki satu baris misalnya matriks 1×n disebut sebagai vektor baris
atau satu kolom misalnya n × 1 disebut sebagai vektor kolom. Secara umum vektor ditulis sebagai

Sistem linear dapat direpresentasikan sebagai suatu matriks yang dinotasikan sebagai Ax =
B dengan orde m × n.
 Solusi dari matriks atau suatu sistem persamaan linear dapat diperoleh dengan menggunakan
metode operasi baris elementer atau membuat matriks dalam bentuk eselon baris tereduksi.
Di bahasa pemrograman, Scilab mempunyai fasilitas yang menjelaskan script semua operasi-
operasi matriks seperti +, −, ∗, / dan perintah-perintah inv, round, rand, rref, sum, diag, eye, ones, triu,
spec, bdiag, zeros, dan lain-lain yang dapat dicari pada fasilitas ”help”. Membuat matriks dan vektor
spesial dengan cepat, seperti matriks identitas, matriks satuan, matriks diagonal, matriks nol, matriks
sembarang dan lain-lain. Langkah awal yang dilakukan adalah dengan menuliskan
clear;
clc;
Script baris pertama berfungsi untuk mereset layar command window setiap kali program
dijalankan, sementara pada baris kedua berfungsi untuk menghapus seluruh nilai variabel yang
tersimpan pada memori komputer sehingga memori variabel dapat digunakan kembali.
2. Determinan
Setiap matriks A berorde n × n dapat mengasosiasikan suatu skalar dengan det(A), nilai tersebut
dapat menunjukkan jenis matriks singular atau taksingular. Determinan dari suatu matriks A berorde n
× n didefinisikan sebagai

dimana

adalah kofaktor-kofaktor yang diasosiasikan dengan entri-entri dalam baris pertama matriks A.
Matriks taksingular dapat menggunakan determinan untuk memperoleh invers matriksnya.
Determinan juga dapat digunakan untuk menentukan solusi dari persamaanmatriks Ax = b. Keduanya
dapat digunakan dengan menentukan matriks adjoin, misalnya A adalah matriks n × n, maka matriks
adjoin dari A didefinisikan sebagai

Bentuk adjoin matriks merupakan matriks setiap elemennya merupakan kofaktornyadan

kemudian ditransposkan. Berdasarkan Lemma yang menyatakan bahwa

sehingga mengakibatkan

Jika A taksingular, maka det(A) adalah skalar taknol dan kita dapat menuliskan
Jadi

Berdasarkan invers matriks diperoleh suatu aturan untuk menentukan penyelesian dari masalah
sistem Ax = b dengan menggunakan determinan. Aturan tersebut dinamakan aturan Cramer, misalnya
A adalah matriks taksingular n × n dan misalkan b Rn . Misalkan Ai adalah matriks yang diperoleh
dengan mengganti kolom ke−i dari A dengan b. Jika x adalah penyelesaian tunggal dari Ax = b, maka

3. Ruang Vektor

Ruang vektor adalah suatu himpunan vektor yang membentuk suatu sistem matematika serta
memenuhi seluruh aksioma ruang vektor. Berikut adalah defifinisi ruang vektor Misalkan V adalah
himpunan di mana didefifinisikan operasi-operasi penjumlahan dan perkalian dengan skalar. Dengan
ini kita mengartikan bahwa untuk setiap pasang elemen-elemen y dan y di dalam V , kita dapat
mengasosiasikannya dengan elemen x + y yang tunggal juga berada di V , dan dengan setiap elemen x
di V dan setiap skalar α, kita dapat mengasosiasikannya dengan elemen αx yang tunggal di dalam V .
Himpunan V bersama-sama dengan operasi-operasi penjumlahan dan perkalian perkalian dengan
skalar dikatakan membentuk suatu ruang vektor jika aksioma-aksioma berikut terpenuhi.
• x + y = y + x untuk setiap x dan y di V .
• (x + y) + z = x + (y + z) untuk setiap x, y, z di V .
• Terdapat elemen 0 di V sehingga x + 0 = x untuk setiap x ∈ V .
• Untuk setiap x ∈ V terdapat elemen −x di V sehingga x + (−x) = 0.
• α(x + y) = αx + αy untuk setiap skalar α dan setiap x, y ∈ V
• (α + β)x = αx + βx untuk setiap skalar α dan β serta x ∈ V .
• (αβ)x = α(βx) untuk setiap skalar α dan β serta x ∈ V .
• 1.x = x untuk setiap x ∈ V .

Jika diberikan suatu ruang vektor V , maka memungkinkan untuk membentuk vektor baru yang
merupakan subhimpunan S dari V dan menggunakan operasi operasi pada V . Misalkan A adalah
matriks m×n dan N(A) menyatakan himpunan semua penyelesaian dari sistem homogen A(x) = 0 atau

ketika memenuhi penjumlahan dan perkalian dengan skalar, maka N(A) adalah ruang bagian yang
disebut sebagai kernel (ruang nol atau nullspace).

Misalkan v1, v2, ..., vn adalah veltor-vektor dalam suatu vektor V . Jumlah vektor-vektor
berbentuk α1v1 + α2v2 + ... + αnvn, dimana α1, ..., αn adalah skalar-skalar suatu kombinasi linear dari
v1, v2, ..., vn. Himpunan semua kombinasi linear dari v1, v2, ..., vn disebut rentang (span) dari v1, v2,
..., vn. Rentang dari v1, v2, ..., vn dinyatakan sebagai (v1, v2, ..., vn).

Himpunan v1, v2, ..., vn disebut himpunan perentang untuk V jika dan hanya jika setiap vektor dalam
V dapat ditulis sebagai kombinasi linear dari v1, v2, ..., vn.
Vektor-vektor v1, v2, ..., vn dalam ruang vektor V disebut bebas linear (linearly independent) jika

Mengakibatkan semua skalar-skalar c1, c2, ..., cn harus sama dengan nol.

Vektor-vektor v1, v2, ..., vn dalam ruang vektor V disebut bebas linear (linearly independent) jika
terdapat skalar-skalar c1, c2, ..., cn yang tidak semuanya sama dengan nol, sehingga

Vektor-vektor v1, v2, ..., vn membentuk basis untuk ruang vektor V jika dan hanya jika

• v1, v2, ..., vn bebas linear

• v1, v2, ..., vn merentang V

Misalkan V adalah ruang vektor. Jika V memiliki basis yang terdiri dari n vektor, maka kita katakan
bahwa V memiliki dimensi n. Ruang bagian {0}dari V memiliki dimensi 0. V dikatakan memiliki dimensi
hingga jika terdapat himpunan berhingga vektor yang merentang V , jika tidak demikian maka V memiliki
dimensi takhingga.

Misalkan V adalah suatu ruang vektor dan misalkan E = [v1, v2, ..., vn] adalah basis terurut untuk V .
Jika v adalah sembarang elemen dari V , maka v dapat ditulis dalam bentuk dimana c1, c2, ..., cn adalah skalar.
Jadi kita dapat mengasosiasikan dengan setiap vektor v suatu vektor tunggal c = (c1, c2, ..., cn)T dalamRn . Vektor
c yang didefifinisikan sebagai vektor koordinat dari v relatif terhadap basisterurut E dan dilambangkan dengan
[v]E. Suku-suku ci disebut koordinat-koordinat dariv relatif terhadap E.

Jika A adalah matriks m × n, maka ruang bagian dari R1×n yang direntang oleh vektor-vektor
baris dari A disebut ruang baris dari A. Ruang bagian dari Rm×1yang direntang oleh vektor-vektor
kolom dari A disebut ruang kolom dari A.

Rank dari suatu matriks A adalah dimensi dari ruang baris dari A. Untuk menentukan rank
dari suatu matriks, kita dapat mereduksikan matriks yang bersangkutan menjadi bentuk eselon
baris. Baris-baris taknol dari matriks eselon baris akan membentuk basis untuk ruang barisnya.

C. PERMASALAHAN

Dalam praktikum pemrograman ini kami mengoperasikan 1000 data sampel yang isinya adalah
analisis peluang penjualan yang dievaluasi dengan data tahun sebelumnya yang terdiri dari data usia,
jumlah barang, harga barang dan minat konsumen. Data ini akan digunakan untuk
mengimplementasikan beberapa praktik pemrograman yang sudah dipelajari sebelumnya yaitu
matriks dan vektor, determinan, dan ruang vektor.
• Pada pembahasan matrik yaitu membuat script program dasar-dasar matriks dan vektor dengan
hitungan komputer pada scilab.
• Pembasanan determinan yairtu dengan mengoprasikan terkait singular dan tidak singular, jika
singular maka determinannya diperoleh dengan ketelitian berhingga sehingga ada
kemungkinan tidak sama dengan nol. Nilai determinan yang dihitung mendekati nol bisa
singular atau hanya mendekati keadaan singular.
• Pembahasan ruang vektor yaitu memgoprasikan ruang vektor suatu matriks dengan bantuan
scilab. Operasi-operasi penjumlahan dan perkalian dengan skalar banyak digunakan dalam
matematika. Teori umum mengenai sistem-sistem matematika yang melibatkan penjumlahan
dan perkalian skalar dapat diterapkan pada berbagai bidang matematika. Sistem-sistem
matematika tersebut disebut sebagai ruang vektor atau ruang linier.
 D. HASIL DAN PEMBAHASAN PEMROGRAMAN
Hasil dan Pembahasan Pemograman mencantumkan hasil pemograman dengan penjelasan
berdasarkan permasalahan yang dikaji

Pemrograman di atas menggunakan bahasa pemrograman Scilab untuk membaca data dari file
Excel, melakukan operasi matriks, dan menampilkan hasilnya. Berikut adalah penjelasan langkah-
langkah yang dilakukan oleh pemrograman tersebut:

1. [fd,SST,namasheet,sheetpos]=xls_open("C:\Users\amira\Documents\File Kakak\SEM 2 UIN\prak

ale\Data Mini Riset UAS.xls") Membuka file Excel yang terletak di direktori
"C:\Users\amira\Documents\File Kakak\SEM 2 UIN\prak ale\Data Mini Riset UAS.xls"
menggunakan fungsi `xls_open()`. Hasil dari fungsi ini adalah beberapa variabel, yaitu `fd` (file
descriptor), `SST` (spreadsheet session token),
`Data1baru` (data yang dibaca dari file Excel), dan `sheetpos` (posisi sheet dalam file Excel).

2. [data,TextInd]=xls_read(fd,sheetpos(1)) Membaca data dari sheet pertama (sheet dengan

indeks 1) menggunakan fungsi `xls_read()`. Input dari fungsi ini adalah `fd` dan `sheetpos(1)`,
dan hasilnya disimpan dalam variabel `data` (data yang dibaca) dan `TexsInd` (indeks teks
untuk data tersebut).
 3. ‘mclose(fd); Menutup file Excel yang telah dibuka menggunakan fungsi `mclose()`. Input dari
fungsi ini adalah `fd`.

4. `A1=data(2:1000,1:3)`: Mengambil data dari baris 2 hingga 1000 dan kolom 1 hingga 3 dari
matriks `data` dan menyimpannya dalam matriks `A1`.

5. `A=data(2:500,1:3)`: Mengambil data dari baris 2 hingga 500 dan kolom 1 hingga 3 dari
matriks `data` dan menyimpannya dalam matriks `A`.

6. `b=data(2:500,4)`: Mengambil data dari baris 2 hingga 500 dan kolom 4 dari matriks `data`
dan menyimpannya dalam vektor `b`.

7. `x=rref([A,b])`: Menggunakan metode eliminasi Gauss-Jordan (Reduced Row Echelon

Form) untuk menyelesaikan sistem persamaan linear dengan matriks koefisien `A` dan vektor
hasil `b`. Hasilnya disimpan dalam matriks `x`.

8. `disp(x)`: Menampilkan matriks `x` ke layar.

9. `A_inv=pinv(A)`: Menghitung invers matriks `A` menggunakan fungsi `pinv()` dan

menyimpan hasilnya dalam matriks `A_inv`.

10. `x=A_inv*b`: Mengalikan matriks `A_inv` dengan vektor `b` untuk mendapatkan solusi
sistem persamaan linear. Hasilnya disimpan dalam vektor `x`.

11. `disp(x)`: Menampilkan vektor `x` ke layar.

12. Berikutnya, terdapat beberapa blok kode yang menginisialisasi matriks `x1`, `x2`, ..., `x10`
dengan nilai-nilai tertentu dan kemudian menghitung `b1`, `b2`, ..., `b10` dengan mengalikan
matriks `A` dengan matriks-matriks tersebut. Setiap `b` ditampilkan ke layar menggunakan
`disp()`.

Dalam keseluruhan
1. //Matriks Partisi berdasarkan data sampel (membagi banyaknya data dan dengan banyaknya
kategori kemudian bulatkan ke bbilangan terkecil)
2. N=size(A,2) Menginisialisasi variabel `N` dengan N =size (A,2) dan A= matriks 3x3

3. `n=floor(size(A1,1)/N)`: Menghitung nilai `n` dengan membagi jumlah baris dalam matriks `A1` dengan `N`
dan mengambil bagian bilangan bulat ke bawah (floor). Variabel `A1` tidak terlihat dalam potongan kode ini,
tetapi diasumsikan bahwa matriks tersebut sudah didefinisikan sebelumnya.

4. `for i=1:N`: Melakukan iterasi sebanyak `N` kali menggunakan loop `for` dengan variabel `i` dari 1 hingga
`N`

5. Di dalam loop, perintah `Abaru(1:n,1+3*(i-1):3*i)=data ((i-1)n+2:i*n+1,1:3)` digunakan untuk mengisi

matriks `Abaru`. Pada setiap iterasi, baris yang diambil dari `data` ditentukan oleh `(i-1)*n+2` hingga `i*n+1`
dan kolom yang diambil adalah kolom 1 hingga 3. Data ini kemudian disimpan dalam matriks `Abaru` pada
posisi yang sesuai yaitu pada baris 1 hingga `n` dan kolom `1+3(i-1)` hingga `3*i`.

6. Setelah loop selesai, perintah `disp("Matriks Baru: ",Abaru)` digunakan untuk menampilkan isi dari matriks
`Abaru` ke layar.

7. Selanjutnya, perintah ` A_persegi=Abaru(1:9,1:9)digunakan untuk mengambil submatriks 9X9 pertama dari

`Abaru` dan menyimpannya dalam variabel `A_persegi`.

8. Terakhir, perintah `disp(A_persegi)` digunakan untuk menampilkan isi dari matriks `A_persegi` ke layar.

Dalam konteks pemrograman ini, kode tersebut bertujuan untuk memecah data dalam
matriks data menjadi beberapa potongan yang lebih kecil dalam matriks Abaru dengan menggunakan
variabel ‘N’ dan ‘n’. Selanjutnya, kode tersebut menunjukkan matriks Abaru secara lengkap dan juga
submatriks 9X9 awal dari Abaru dengan menggunakan perintah ‘disp()’

E. SCRIPT PEMROGRAMAN

Kodingan :
Hasil Kodingan:
 F. KESIMPULAN

Setelah mempelajari latihan Aljabar Linear Elementer di Scilab, kami belajar

bagaimana membuat pemrograman Scilab untuk melakukan operasi matriks dasar, seperti
membaca data dari file Excel, menyelesaikan sistem persamaan linier, inversi matriks, dan
perkalian matriks. Pemrograman ini juga menunjukkan kemampuan Scilab untuk memproses
data secara efisien dan melakukan perhitungan matematis.
 DAFTAR PUSTAKA

Irfani, Syifa. (2023). Modul Praktikum Aljabar Linear dengan Scilab. Hal 2-4

Ibid. Hal 7-9

Ibid. Hal 12-14

Scilab. (2 Januari 2022). Wikipedia. Diakses pada 7 Juni 2023 dari

https://id.wikipedia.org/wiki/Scilab

Yudha, Krysna. (10 Oktober 2022). Mengenal Apa Itu Software Scilab?. Diakses pada 7 Juni
2023 dari https://www.anakteknik.co.id/krysnayudhamaulana/articles/mengenal-apa-itu-
software-scilab