Universitas Nahdlatul Ulama Kalimantan Barat Pengantar Aljabar Linier & Geometri
Pondasi Matematis Komputasi Modern: Dari Grafika Komputer, Kecerdasan Buatan (AI/LLM), hingga Sains Data.
Dosen Pengampu
Aditya Pratama
Program Studi & Institusi
Informatika / Sains Data UNU Kalbar
Rujukan Akademis
Rinaldi Munir (ITB) & Howard Anton
Paradigma Perkuliahan Bukan Sekadar Menghitung Angka di Kertas
Bagi seorang mahasiswa teknologi informasi, Aljabar Linier adalah bahasa pemrograman bagi ruang dan data. Kita merancang algoritma yang dieksekusi miliaran kali per detik di atas GPU.
Inti Aljabar Linier dalam Sains Komputer:
1. Vektor = Representasi suatu status, fitur gambar, teks embedding, atau posisi koordinat.
2. Matriks = Mesin transformasi yang mengubah arah, memutar, memfilter, atau mengompresi data tersebut.
1. Vektor = Representasi suatu status, fitur gambar, teks embedding, atau posisi koordinat.
2. Matriks = Mesin transformasi yang mengubah arah, memutar, memfilter, atau mengompresi data tersebut.
Grafika & Citra Digital
Semua piksel gambar dan objek 3D game adalah susunan bilangan matriks yang diputar dan diskalakan.
Kecerdasan Artifisial
Deep Learning & LLM (seperti ChatGPT) pada dasarnya adalah jutaan perkalian matriks bobot (*tensors*).
Temu Balik Informasi (IR)
Mesin pencari mengukur kemiripan kueri Anda dengan artikel web menggunakan sudut antar-vektor (*Cosine Similarity*).
Simulasi Interaktif Langsung Melihat Matriks Mentransformasikan Ruang
Cobalah geser slider di bawah ini. Perhatikan bagaimana matriks $T = \begin{bmatrix} a & b \\ c & d \end{bmatrix}$ menggerakkan vektor basis $\hat{i}$ (hijau) dan $\hat{j}$ (ungu) serta memutar objek:
T = [ 1.00 , 0.00 ; 0.00 , 1.00 ]
Aplikasi Komputasi #1 Grafika Komputer: Transformasi Geometri Homogen
Di dunia grafika 3D, koordinat objek $(x, y, z)$ diperluas menjadi koordinat homogen $(x, y, z, 1)$ menggunakan matriks berukuran $4 \times 4$.
Matriks Pipa Grafika (MVP Matrix)
$$P_{\text{layar}} = M_{\text{Projection}} \cdot M_{\text{View}} \cdot M_{\text{Model}} \cdot P_{\text{lokal}}$$
Translasi, rotasi, dan pembesaran objek dapat digabung (*concatenated*) menjadi satu perkalian matriks tunggal sehingga GPU memproses jutaan poligon secara instan.
Proyeksi Perspektif ke Layar 2D
Bagaimana monitor datar Anda menampilkan ilusi kedalaman ruang 3D? Komputer membagi koordinat dengan nilai kedalaman $w = z$, prinsip yang diadaptasi langsung dari konsep aljabar proyektif.
Aplikasi Komputasi #2 Sistem Temu Balik Informasi (Search Engine)
Bagaimana sistem seperti Google, perayap web, atau pencarian dokumen menemukan dokumen yang paling relevan dengan kueri pengguna?
Vector Space Model (VSM)
Setiap dokumen teks dan kueri pencarian dikonversi menjadi vektor numerik berbobot frekuensi kata:
$$D = (w_1, w_2, \dots, w_n), \quad Q = (q_1, q_2, \dots, q_n)$$
Cosine Similarity (Dot Product)
Mengukur sudut kemiripan $\theta$ antara kueri dan dokumen:
$$\cos \theta = \frac{Q \cdot D}{\|Q\| \|D\|}$$
Jika $\cos \theta = 1$ ($0^\circ$), isi dokumen sangat relevan dengan kueri pencarian!
Aplikasi Komputasi #3 Visi Komputer: Pengenalan Wajah & SVD
Gambar digital adalah matriks nilai piksel. Citra wajah $100 \times 100$ menghasilkan vektor 10.000 dimensi yang sangat berat diproses secara langsung.
Metode Eigenfaces (Vektor Eigen)
Dengan menghitung vektor eigen dari matriks kovariansi sekumpulan wajah, kita memperoleh “wajah basis” (*eigenfaces*). Setiap wajah baru cukup dikenali dari kombinasi bobot terhadap eigenfaces tersebut.
Singular Value Decomposition (SVD)
Dekomposisi $A = U \Sigma V^T$ memampatkan matriks gambar dengan membuang nilai singular kecil tanpa merusak kualitas visual (dasar kompresi gambar JPEG & reduksi noise).
Aplikasi Komputasi #4 Pengembangan Game 3D: Rotasi & Quaternion
Dalam game action atau simulator penerbangan, rotasi menggunakan sudut biasa (Euler: Roll, Pitch, Yaw) memiliki kelemahan fatal berupa Gimbal Lock.
Bahaya Gimbal Lock
Saat dua sumbu rotasi berimpit secara paralel, satu sumbu derajat kebebasan hilang. Gerakan pesawat atau kamera menjadi terkunci dan berputar tidak wajar.
Solusi: Aljabar Quaternion
Menggunakan sistem bilangan 4 dimensi:
$$q = w + x\mathbf{i} + y\mathbf{j} + z\mathbf{k}$$
Rotasi berlangsung sangat mulus, efisien dihitung, dan kebal dari masalah *gimbal lock*.
Aplikasi Komputasi #5 & #6 Revolusi AI (LLM) & Komputasi Kuantum
Model Bahasa Besar (LLM)
Model seperti ChatGPT memahami hubungan antar kata dalam kalimat dengan mekanisme atensi (*Self-Attention*):
$$\text{Attention}(Q,K,V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V$$
Di mana $Q, K, V$ adalah matriks perkalian embedding kata berdimensi tinggi.
Komputasi Kuantum
Qubit berada pada superposisi vektor status di ruang Hilbert 2D:
$$|\psi\rangle = \alpha |0\rangle + \beta |1\rangle$$
Operasi pada komputer kuantum diimplementasikan menggunakan gerbang logika berupa perkalian matriks uniter.
Contoh Latihan Aplikatif #1 Latihan 1: Perhitungan Kemiripan Dokumen (IR)
Sebuah mesin pencari menerima kueri $Q = (2, 1)$. Terdapat 2 dokumen dalam database:
Data Vektor Dokumen
Vektor Kueri: $Q = (2, 1)$
Dokumen 1: $D_1 = (4, 2)$
Dokumen 2: $D_2 = (1, 3)$
Pertanyaan: Dokumen mana yang memiliki kemiripan paling tinggi dengan kueri $Q$?
Dokumen 1: $D_1 = (4, 2)$
Dokumen 2: $D_2 = (1, 3)$
Pertanyaan: Dokumen mana yang memiliki kemiripan paling tinggi dengan kueri $Q$?
Kunci Pembahasan Lengkap:
Hitung Dokumen 1 ($D_1$):
$Q \cdot D_1 = (2)(4) + (1)(2) = 10$
$\|Q\| = \sqrt{2^2 + 1^2} = \sqrt{5}, \quad \|D_1\| = \sqrt{4^2 + 2^2} = \sqrt{20}$
$\cos \theta_1 = \frac{10}{\sqrt{5} \cdot \sqrt{20}} = \frac{10}{\sqrt{100}} = \frac{10}{10} = \mathbf{1.0} \quad (100\%)$
Hitung Dokumen 2 ($D_2$):
$Q \cdot D_2 = (2)(1) + (1)(3) = 5$
$\cos \theta_2 = \frac{5}{\sqrt{5} \cdot \sqrt{10}} = \frac{5}{\sqrt{50}} \approx \mathbf{0.707} \quad (70.7\%)$
Kesimpulan: Dokumen $D_1$ paling relevan (paralel sempurna terhadap kueri).
$Q \cdot D_1 = (2)(4) + (1)(2) = 10$
$\|Q\| = \sqrt{2^2 + 1^2} = \sqrt{5}, \quad \|D_1\| = \sqrt{4^2 + 2^2} = \sqrt{20}$
$\cos \theta_1 = \frac{10}{\sqrt{5} \cdot \sqrt{20}} = \frac{10}{\sqrt{100}} = \frac{10}{10} = \mathbf{1.0} \quad (100\%)$
Hitung Dokumen 2 ($D_2$):
$Q \cdot D_2 = (2)(1) + (1)(3) = 5$
$\cos \theta_2 = \frac{5}{\sqrt{5} \cdot \sqrt{10}} = \frac{5}{\sqrt{50}} \approx \mathbf{0.707} \quad (70.7\%)$
Kesimpulan: Dokumen $D_1$ paling relevan (paralel sempurna terhadap kueri).
Contoh Latihan Aplikatif #2 Latihan 2: Transformasi Koordinat Objek Grafika
Sebuah titik sudut karakter game berada pada koordinat $P = (2, 3)$.
Soal Transformasi Matriks
1. Titik $P$ diputar $90^\circ$ berlawanan arah jarum jam dengan matriks:
$$R_{90^\circ} = \begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix}$$ 2. Kemudian objek diperbesar 2x lipat menggunakan matriks skala:
$$S = \begin{bmatrix} 2 & 0 \\ 0 & 2 \end{bmatrix}$$ Tentukan posisi akhir titik $P''$!
$$R_{90^\circ} = \begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix}$$ 2. Kemudian objek diperbesar 2x lipat menggunakan matriks skala:
$$S = \begin{bmatrix} 2 & 0 \\ 0 & 2 \end{bmatrix}$$ Tentukan posisi akhir titik $P''$!
Kunci Pembahasan Lengkap:
Tahap 1 (Rotasi):
$$P' = R_{90^\circ} \cdot P = \begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix} \begin{bmatrix} 2 \\ 3 \end{bmatrix} = \begin{bmatrix} -3 \\ 2 \end{bmatrix}$$ Tahap 2 (Skala 2x):
$$P'' = S \cdot P' = \begin{bmatrix} 2 & 0 \\ 0 & 2 \end{bmatrix} \begin{bmatrix} -3 \\ 2 \end{bmatrix} = \begin{bmatrix} -6 \\ 4 \end{bmatrix}$$ Posisi Akhir: Titik berpindah ke koordinat $(-6, 4)$!
*(Atau dihitung sekaligus: $T = S \cdot R_{90^\circ} = \begin{bmatrix} 0 & -2 \\ 2 & 0 \end{bmatrix}$)*.
$$P' = R_{90^\circ} \cdot P = \begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix} \begin{bmatrix} 2 \\ 3 \end{bmatrix} = \begin{bmatrix} -3 \\ 2 \end{bmatrix}$$ Tahap 2 (Skala 2x):
$$P'' = S \cdot P' = \begin{bmatrix} 2 & 0 \\ 0 & 2 \end{bmatrix} \begin{bmatrix} -3 \\ 2 \end{bmatrix} = \begin{bmatrix} -6 \\ 4 \end{bmatrix}$$ Posisi Akhir: Titik berpindah ke koordinat $(-6, 4)$!
*(Atau dihitung sekaligus: $T = S \cdot R_{90^\circ} = \begin{bmatrix} 0 & -2 \\ 2 & 0 \end{bmatrix}$)*.
Kurikulum & Rencana Pembelajaran Peta Perjalanan Belajar Semester Ini
Blok 1: Matriks & SPL
Review Matriks & Bentuk Eselon
Eliminasi Gauss & Gauss-Jordan
Determinan & Invers Matriks
Aplikasi SPL pada Rekayasa & Fisika
Eliminasi Gauss & Gauss-Jordan
Determinan & Invers Matriks
Aplikasi SPL pada Rekayasa & Fisika
Blok 2: Ruang Vektor
Vektor Euclidean di $\mathbb{R}^n$
Dot & Cross Product, IR System
Kombinasi Linier, Rentang (Span)
Basis, Dimensi & Transformasi Linier
Dot & Cross Product, IR System
Kombinasi Linier, Rentang (Span)
Basis, Dimensi & Transformasi Linier
Blok 3: Spektral & Lanjut
Nilai Eigen & Vektor Eigen
SVD (Singular Value Decomposition)
Dekomposisi LU & Dekomposisi QR
Aljabar Quaternion & Geometri
SVD (Singular Value Decomposition)
Dekomposisi LU & Dekomposisi QR
Aljabar Quaternion & Geometri
Pesan Pengampu Perkuliahan Langkah Pertama: Nikmati Logika di Balik Matriks
Aljabar Linier adalah investasi jangka panjang paling menguntungkan untuk karier Anda di bidang teknologi.
Pesan Pembuka dari Aditya Pratama:
“Ketika Anda melihat matriks, jangan lihat sekadar sekumpulan baris dan kolom angka. Lihatlah sebuah sistem yang sedang memutar, meregangkan, dan mentransformasikan dunia digital kita. Selamat belajar dan mari bereksplorasi!"
“Ketika Anda melihat matriks, jangan lihat sekadar sekumpulan baris dan kolom angka. Lihatlah sebuah sistem yang sedang memutar, meregangkan, dan mentransformasikan dunia digital kita. Selamat belajar dan mari bereksplorasi!"
Materi Selanjutnya: Review Operasi Matriks (Algeo 01) dan Menemukan Bentuk Eselon Baris (Algeo 02).