# Nakafa Learning Content

> For AI agents: use [llms.txt](https://nakafa.com/llms.txt) for the site index. Markdown versions are available by appending `.md` to content URLs or sending `Accept: text/markdown`.

URL: https://nakafa.com/id/materi/ai-ds/metode-linear-ai/perhitungan-determinan
Source: https://raw.githubusercontent.com/nakafaai/nakafa.com/refs/heads/main/packages/contents/material/lesson/ai-ds/linear-methods/determinant-calculation/id.mdx

Pelajari perhitungan determinan dengan ekspansi kofaktor, eliminasi Gauss, dan matriks segitiga. Pelajari metode efisien untuk aljabar linear AI.

---

## Metode Perhitungan Determinan

Setelah memahami [konsep dasar determinan](/id/materi/ai-ds/metode-linear-ai/definisi-determinan), kita perlu mengetahui cara menghitungnya secara praktis. Ada beberapa metode yang bisa digunakan tergantung pada bentuk matriks yang kita hadapi.

Untuk matriks berukuran kecil, kita bisa menggunakan rumus langsung. Namun untuk matriks yang lebih besar, kita memerlukan strategi yang lebih efisien.

## Kasus Dasar Matriks Ordo Satu

Untuk matriks berukuran $$1 \times 1$$, determinan sangat sederhana. Jika $$A \in \mathbb{R}^{1 \times 1}$$ dengan $$A = (a_{11})$$, maka:

Visible text: Untuk matriks berukuran , determinan sangat sederhana. Jika dengan , maka:

```math
\det A = a_{11}
```

Ini adalah kasus paling dasar yang menjadi fondasi untuk perhitungan determinan matriks yang lebih besar.

## Konsep Submatriks

Sebelum membahas metode ekspansi kofaktor, kita perlu memahami konsep **submatriks**. Untuk matriks $$A \in \mathbb{R}^{n \times n}$$ dan indeks $$i, j \in \{1, 2, \ldots, n\}$$, submatriks $$A_{ij}$$ adalah matriks berukuran $$(n-1) \times (n-1)$$ yang diperoleh dengan menghilangkan baris $$i$$ dan kolom $$j$$ dari matriks $$A$$.

Visible text: Sebelum membahas metode ekspansi kofaktor, kita perlu memahami konsep **submatriks**. Untuk matriks dan indeks , submatriks adalah matriks berukuran yang diperoleh dengan menghilangkan baris dan kolom dari matriks .

Mari kita lihat contoh untuk matriks $$3 \times 3$$. Misalkan kita memiliki:

Visible text: Mari kita lihat contoh untuk matriks . Misalkan kita memiliki:

```math
A = \begin{pmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{pmatrix}
```

Untuk mendapatkan submatriks $$A_{12}$$, kita menghilangkan baris ke-$$1$$ dan kolom ke-$$2$$:

Visible text: Untuk mendapatkan submatriks , kita menghilangkan baris ke- dan kolom ke-:

Component: MathContainer
Children:

```math
A_{12} = \begin{pmatrix} \cancel{a_{11}} & \cancel{a_{12}} & \cancel{a_{13}} \\ a_{21} & \cancel{a_{22}} & a_{23} \\ a_{31} & \cancel{a_{32}} & a_{33} \end{pmatrix}
```

```math
= \begin{pmatrix} a_{21} & a_{23} \\ a_{31} & a_{33} \end{pmatrix}
```

Untuk submatriks $$A_{23}$$, kita menghilangkan baris ke-$$2$$ dan kolom ke-$$3$$:

Visible text: Untuk submatriks , kita menghilangkan baris ke- dan kolom ke-:

Component: MathContainer
Children:

```math
A_{23} = \begin{pmatrix} a_{11} & a_{12} & \cancel{a_{13}} \\ \cancel{a_{21}} & \cancel{a_{22}} & \cancel{a_{23}} \\ a_{31} & a_{32} & \cancel{a_{33}} \end{pmatrix}
```

```math
= \begin{pmatrix} a_{11} & a_{12} \\ a_{31} & a_{32} \end{pmatrix}
```

Proses ini berlaku untuk semua kombinasi baris dan kolom yang dihilangkan.

## Ekspansi Kofaktor

Metode yang paling umum untuk menghitung determinan adalah ekspansi kofaktor. Untuk matriks $$A \in \mathbb{R}^{n \times n}$$ dengan $$n > 1$$, determinan dapat dihitung menggunakan rumus:

Visible text: Metode yang paling umum untuk menghitung determinan adalah ekspansi kofaktor. Untuk matriks dengan , determinan dapat dihitung menggunakan rumus:

Component: MathContainer
Children:

```math
\det A = \sum_{i=1}^{n} (-1)^{i+j} \cdot a_{ij} \cdot \det A_{ij}
```

untuk kolom $$j$$ yang tetap dan dipilih secara bebas.

Visible text: untuk kolom yang tetap dan dipilih secara bebas.

Dalam rumus ini, istilah $$(-1)^{i+j} \cdot \det A_{ij}$$ disebut **kofaktor** dari elemen $$a_{ij}$$. Tanda $$(-1)^{i+j}$$ memberikan pola papan catur untuk menentukan tanda positif atau negatif.

Visible text: Dalam rumus ini, istilah disebut **kofaktor** dari elemen . Tanda memberikan pola papan catur untuk menentukan tanda positif atau negatif.

### Contoh Ekspansi Kofaktor Ordo Tiga

Mari kita lihat contoh ekspansi kofaktor untuk matriks $$3 \times 3$$:

Visible text: Mari kita lihat contoh ekspansi kofaktor untuk matriks :

```math
A = \begin{pmatrix} 2 & 1 & 3 \\ 0 & 4 & 1 \\ 1 & 2 & 0 \end{pmatrix}
```

Kita pilih baris pertama untuk ekspansi:

Component: MathContainer
Children:

```math
\det A = 2 \cdot (-1)^{1+1} \det A_{11} + 1 \cdot (-1)^{1+2} \det A_{12} + 3 \cdot (-1)^{1+3} \det A_{13}
```

```math
= 2 \cdot \det \begin{pmatrix} 4 & 1 \\ 2 & 0 \end{pmatrix} - 1 \cdot \det \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} + 3 \cdot \det \begin{pmatrix} 0 & 4 \\ 1 & 2 \end{pmatrix}
```

```math
= 2 \cdot (4 \cdot 0 - 1 \cdot 2) - 1 \cdot (0 \cdot 0 - 1 \cdot 1) + 3 \cdot (0 \cdot 2 - 4 \cdot 1)
```

```math
= 2 \cdot (-2) - 1 \cdot (-1) + 3 \cdot (-4) = -4 + 1 - 12 = -15
```

Kita bisa melakukan ekspansi berdasarkan baris atau kolom mana pun. Biasanya kita memilih baris atau kolom yang memiliki banyak nol untuk mempermudah perhitungan.

## Matriks Segitiga dan Diagonal

Untuk beberapa jenis matriks khusus, perhitungan determinan menjadi sangat sederhana:

### Matriks Segitiga Atas

Untuk matriks segitiga atas $$R$$:

Visible text: Untuk matriks segitiga atas :

Component: MathContainer
Children:

```math
R = \begin{pmatrix} r_{11} & * & \cdots & * \\ 0 & r_{22} & \cdots & * \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & r_{nn} \end{pmatrix}
```

Determinannya adalah:

Component: MathContainer
Children:

```math
\det R = r_{11} \cdot r_{22} \cdot \ldots \cdot r_{nn}
```

### Matriks Segitiga Bawah

Untuk matriks segitiga bawah $$L$$:

Visible text: Untuk matriks segitiga bawah :

Component: MathContainer
Children:

```math
L = \begin{pmatrix} l_{11} & 0 & \cdots & 0 \\ * & l_{22} & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ * & * & \cdots & l_{nn} \end{pmatrix}
```

Determinannya adalah:

Component: MathContainer
Children:

```math
\det L = l_{11} \cdot l_{22} \cdot \ldots \cdot l_{nn}
```

### Matriks Diagonal

Untuk matriks diagonal $$D$$:

Visible text: Untuk matriks diagonal :

Component: MathContainer
Children:

```math
D = \begin{pmatrix} d_{11} & 0 & \cdots & 0 \\ 0 & d_{22} & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & d_{nn} \end{pmatrix}
```

Determinannya adalah:

Component: MathContainer
Children:

```math
\det D = d_{11} \cdot d_{22} \cdot \ldots \cdot d_{nn}
```

> Pada ketiga jenis matriks ini, determinan sama dengan perkalian semua elemen diagonal utama.

## Matriks Elementer

Matriks elementer adalah matriks yang diperoleh dari matriks identitas dengan satu operasi baris elementer. Determinan matriks elementer memiliki nilai yang mudah dihitung:

1. **Matriks skalar** $$S_i(\lambda)$$ yang mengalikan baris ke-i dengan $$\lambda$$:

    
   
   ```math
   \det S_i(\lambda) = \lambda
   ```

2. **Matriks pertukaran** $$Q_i^j(\lambda)$$ yang menukar baris ke-i dan ke-j:

    
   
   ```math
   \det Q_i^j(\lambda) = 1
   ```

3. **Matriks transveksi** $$P_i^j$$ yang menambahkan kelipatan baris ke-$$j$$ ke baris ke-$$i$$:

    
   
   ```math
   \det P_i^j = -1
   ```

Visible text: 1. **Matriks skalar** yang mengalikan baris ke-i dengan :

 
 

2. **Matriks pertukaran** yang menukar baris ke-i dan ke-j:

 
 

3. **Matriks transveksi** yang menambahkan kelipatan baris ke- ke baris ke-:

Perhatikan bahwa matriks pertukaran memiliki determinan $$1$$, bukan $$-1$$ seperti yang sering dikira. Tanda negatif muncul ketika kita **melakukan** operasi pertukaran baris pada matriks lain.

Visible text: Perhatikan bahwa matriks pertukaran memiliki determinan , bukan seperti yang sering dikira. Tanda negatif muncul ketika kita **melakukan** operasi pertukaran baris pada matriks lain.

## Eliminasi Gauss untuk Perhitungan Determinan

Salah satu metode paling efisien untuk menghitung determinan adalah menggunakan eliminasi Gauss. Prosesnya adalah mengubah matriks menjadi bentuk segitiga atas, lalu mengalikan elemen-elemen diagonal.

Ketika matriks $$A$$ ditransformasi menjadi bentuk segitiga atas $$R$$ melalui eliminasi Gauss, kita perlu menghitung berapa kali pertukaran baris dilakukan. Jika ada $$p$$ pertukaran baris, maka:

Visible text: Ketika matriks ditransformasi menjadi bentuk segitiga atas melalui eliminasi Gauss, kita perlu menghitung berapa kali pertukaran baris dilakukan. Jika ada pertukaran baris, maka:

```math
\det A = (-1)^p \cdot \det R
```

Karena $$R$$ adalah matriks segitiga atas:

Visible text: Karena adalah matriks segitiga atas:

```math
\det R = r_{11} \cdot r_{22} \cdot \ldots \cdot r_{nn}
```

Sehingga:

Component: MathContainer
Children:

```math
\det A = (-1)^p \cdot r_{11} \cdot r_{22} \cdot \ldots \cdot r_{nn}
```

### Efisiensi Metode

Eliminasi Gauss memiliki kompleksitas waktu $$O(\frac{1}{3}n^3)$$, yang jauh lebih efisien dibandingkan ekspansi kofaktor yang memiliki kompleksitas $$O(n!)$$.

Visible text: Eliminasi Gauss memiliki kompleksitas waktu , yang jauh lebih efisien dibandingkan ekspansi kofaktor yang memiliki kompleksitas .

Untuk matriks besar yang tidak terstruktur, eliminasi Gauss adalah metode yang paling praktis dan dapat diandalkan.

## Contoh Perhitungan Lengkap

Mari kita lihat contoh perhitungan determinan menggunakan eliminasi Gauss:

```math
A = \begin{pmatrix} 0 & 3 & 3 \\ 2 & 2 & 0 \\ 1 & 0 & 1 \end{pmatrix}
```

**Langkah** $$1$$: Tukar baris $$1$$ dan $$3$$ untuk mendapatkan pivot yang tidak nol:

Visible text: **Langkah** : Tukar baris dan untuk mendapatkan pivot yang tidak nol:

```math
\begin{pmatrix} 1 & 0 & 1 \\ 2 & 2 & 0 \\ 0 & 3 & 3 \end{pmatrix}
```

**Langkah $$2$$**: Eliminasi kolom pertama dengan mengurangi $$2$$ kali baris $$1$$ dari baris $$2$$:

Visible text: **Langkah **: Eliminasi kolom pertama dengan mengurangi kali baris dari baris :

```math
\begin{pmatrix} 1 & 0 & 1 \\ 0 & 2 & -2 \\ 0 & 3 & 3 \end{pmatrix}
```

**Langkah $$3$$**: Eliminasi kolom kedua dengan mengurangi $$1.5$$ kali baris $$2$$ dari baris $$3$$:

Visible text: **Langkah **: Eliminasi kolom kedua dengan mengurangi kali baris dari baris :

```math
\begin{pmatrix} 1 & 0 & 1 \\ 0 & 2 & -2 \\ 0 & 0 & 6 \end{pmatrix} = R
```

Karena ada satu pertukaran baris ($$p = 1$$):

Visible text: Karena ada satu pertukaran baris ():

Component: MathContainer
Children:

```math
\det A = (-1)^1 \cdot \det R
```

```math
= (-1)^1 \cdot 1 \cdot 2 \cdot 6
```

```math
= -12
```