Kata Pengantar Puji syukur penulis panjatkan kepada Tuhan YME, bahwa penulis telah menyelesaikan tugas mata

kuliah Matematika dengan membahas Numerical Optimization atau Optimasi Numerik dalam bentuk makalah. Dalam penyusunan tugas atau materi ini, tidak sedikit hambatan yang penulis hadapi. Namun penulis menyadari bahwa kelancaran dalam penyusunan materi ini tidak lain berkat sumber-sumber buku yang terdapat di perpustakaan dan bantuan dari berbagai pihak, sehingga kendala-kendala yang penulis hadapi teratasi. Oleh karena itu penulis mengucapkan terima kasih kepada : 1. Dosen bidang studi Matematika yang telah memberikan tugas, petunjuk, kepada penulis sehingga penulis termotivasi dan menyelesaikan tugas ini. 2. Kerabat yang telah turut membantu, membimbing, dan mengatasi berbagai kesulitan sehingga tugas ini selesai. Semoga materi ini dapat bermanfaat dan menjadi sumbangan pemikiran bagi pihak yang membutuhkan, khususnya bagi penulis sehingga tujuan yang diharapkan dapat tercapai.

Medan, 11 April 2011

Penulis

proses optimasi dapat dilakukan secara numerik. Jika berkaitan dengan masalah keuntungan. . Definisi Optimasi merupakan suatu proses untuk mencari kondisi yang optimum. maka keadaan optimum adalah keadaan yang memberikan keuntungan maksimum (maksimasi). Nilai maksimum atau minimum dari suatu persamaan: y = f (x) dapat diperoleh pada hargaxyangmemenuhi: y'=f'(x)=dy/dx=df/dx =0 Untuk fungsi yang sulit untuk diturunkan atau mempunyai turunan yang sulit dicari akarnya.OPTIMASI NUMERIK 1. Jika berkaitan dengan masalah pengeluaran/pengorbanan. Optimasi bisa berupa maksimasi atau minimasi. maka keadaan optimum adalah keadaan yang memberikan pengeluaran/pengorbanan minimum (minimasi). dalam arti paling menguntungkan.

maksimum global Minimum lokal.Ilustrasi secara Grafik Contoh maksimasi satu variabel: Beberapa istilah Maksimum lokal. minimum global A unimodal functionone hump or one valley .

Perbedaan antara persoalan optimasi dengan pencarian/ penentuan akar persamaan: Contoh optimasi dua variabel (maksimasi): Titik optimum .

Optimasi 1 Variabel Tinjaulah sebuah fungsi dengan satu variabel sbb. Tinjaulah fungsi f(x) yang akan ditentukan maksimum-nya. Golden-section (search) method merupakan metode optimasi satu variabel yang sederhana. Metode Newton. . pada rentang x = xl dan x = xu (perhatikan gambar di bawah ini).: y=f(x) Ingin dicari harga x yang memberikan harga y maksimum (maksimasi) atau minimum (minimasi). Dalam hal ini. dan mempunyai pendekatan yang mirip dengan metode bisection dalam penentuan akar persamaan tak linier.2. x yang diperoleh merupakan nilai x optimum fungsi. Beberapa metode yang akan dibahas meliputi: Metode golden section. Kedua tipe optimasi. Metode interpolasi kuadrat METODE GOLDEN SECTION Golden section merupakan salah satu cara atau metode optimasi numerik yang dapat diterapkan untuk fungsi yang bersifat unimodal. yaitu maksimasi dan minimasi dapat diselesaikan dengan cara ini.

) .. Mulailah dari 2 nilai tebakan awal xl dan xu.Berdasarkan grafik di atas. secara matematika berlaku: Karena l1/l0=l2/l1.. yang mengapit titik maksimum. (Perhatikan ilustrasi grafik berikut ini. maka l0=l1+l2 Ambil kebalikannya dan definisikan R=l1/l2 ALGORITMA (Kasus Maksimasi): 1.

sehingga salah satu titik lama bisa dipakai lagi pada evaluasi langkah berikutnya. maka diharapkan ada sebagian interval yang dapat dieliminasi. yakni sebesar: dengan: 3. Demikian seterusnya.2. x1 =xl +d x2 =xu −d . Tentukan nilai x1 dan x2 di dalam rentang xl dan xu. Berdasarkan harga f (x) pada 2 titik tersebut (x1 dan x2). Jadi hanya diperlukan 1 titik baru. sesuai dengan golden ratio (R).

yaitu: (a) Jika: f(x1) > f(x2). melalui pendefinisian fungsi: g(x)=f’(x) Maka. dapat diperoleh secara iteratif sebagai berikut: .Ada 2 kemungkinan kasus. maka: domain x antara xl dan x2 dieliminasi Dengan demikian: x2 lama = x1 baru x1 lama = x2 baru xu lama = xu baru x1 baru ditentukan (b) Jika: f(x2) > f(x1). maka: domain x antara x1 dan xu dieliminasi Dengan demikian: x1 lama = xu baru x2 lama = x1 baru xl lama = xl baru x2 baru ditentukan Metode Newton Metode ini menggunakan pendekatan yang sama dengan metode Newton dalam penentuan akar persamaan tak-linier.

set hasilnya menjadi sama dengan nol. Diferensiasikan persamaan yang diperoleh. x1.Metode Interpolasi Kuadrat Metode Interpolasi Kuadrat dapat digunakan untuk melakukan optimasi secara numerik.: . dan x2) yang mengapit titik optimumnya. Jika mula-mula kita mempunyai tiga buah titik tebakan awal (yakni x0. maka sebuah parabola dapat di-fit-kan melalui ketiganya. dan perkiraan x optimum dapat ditentukan (dalam hal ini sebagai x3) sbb. Hal ini disebabkan oleh penggunaan polinomial orde-dua yang menghasilkan pendekatan cukup baik terhadap bentuk f (x) di dekat titik optimumnya.

x2) Sebagai cek.3. xn) Ingin dicari harga x1.5. METODE HOOKE-JEEVES Prinsip penerapan metode Hooke-Jeeves ini meliputi 2 hal. x2. x2 = 9.. dan (2) gradient methods.. . (1) Eksplorasi nilai ∆xi (i menyatakan indeks variabel x) (2) Mengulangi langkah sukses Optimasi dengan metode Hooke-Jeeves ditunjukkan dalam contoh berikut.. serta interval awal Δx1 = 1 dan Δx2 = 2. x3. Optimasi Banyak Variabel Misal diketahui sebuah fungsi dengan banyak variabel sbb: Y=f(x1.. x2. steepest ascent (ascending)/ descent (descending). xn yang memberikan harga y maksimum (maksimasi) atau minimum (minimasi). dengan mudah dapat terlihat bahwa minimum terjadi pada x1 = 4. Dalam hal ini dipilih titik awal: x1 = 1 dan x2 = 16. Beberapa metode yang akan dibahas meliputi: Metode HookeJeeves Metode.. Metode langsung/ random search.(x^2– 9)^2+ 3 = f (x1. Misal ingin dilakukan minimasi dari suatu fungsi: y = (x1– 4)^2 + 0. Pengelompokan metodenya secara garis besar adalah: (1) nongradient methods.……. . dan harga ymin = 3. x3.

.

METODE STEEPEST ASCENT /DESCENT .

y) yang akan dicari titik optimumnya. nilai x dan y yang baru dapat ditentukan dengan: . dapat ditentukan nilai gradien (atau arah steepest ascent)-nya. Demikian seterusnya. Secara numerik: Misal. tinjaulah fungsi dua variabel f(x..y) yang akan ditentukan titik maksimumnya. proses ini dilakukan berulang-ulang hingga diperoleh titik optimum sesungguhnya. yakni sebesar h0. yakni pada titik “1”. nilai maksimum fungsi dapat ditentukan. untuk sebuah fungsi dua variabel: f(x.. dengan nilai awal: x = x0 dan y = y0.) Berdasarkan nilai awal x = x0 dan y = y0. (lihat gambar berikut ini. maka pada langkah iterasi pertama.PENCARIAN OPTIMUM: Sebagai ilustrasi. Berdasarkan nilai h0.

Demikian seterusnya.Dalam hal ini. vektor gradien fungsinya dinyatakan sebagai: Nilai x dan y yang diperoleh pada langkah iterasi ini selanjutnya menjadi x0 dan y0 pada langkah iterasi berikutnya. .

Chapter 6 Steven C. Riggs. Chapra & Raymond P. Texas: Texas Tech University Press. Part Four . 2003. “Numerical Methods for Engineers: With Software and Programming Applications”. 4th edition.Daftar Pustaka James B. “An Introduction to Numerical Methods for Chemical Engineers”. 1988. New York: McGraw-Hill Company Inc. Canale.

/.-.:-.3: /023.3./42.9: .2.2 503039:.3 503/0.3 2094/0 0943 /.:-.02:33.. 307  20.3..39.3. .. /03.7: .2.31:38  1   .907./42.3  ..3 .3/02.7: -.7.9.8 03.2.../.2.39.7: -.-.3./.1  1  2.7 5078.7.1  1  2.2.7: /9039:.3 .8:8 .2.7:   /9039:.3/023.9/5074080.3 8.-.7.3 094/00943 094/0 3 203:3.. / : /  /.2.3/02.8 03.9180-.7: .-.: 503/0138...7: :..-07:9    .7: .3 .2.3 9.5.

3 4592.3 503/0. 80-:.7.9 094/0 390754.3 34  /.2. 3 /80-.7..3 .  2.380-..5-039:1  //0.59 99 4592:23.8 :.3 203.2.3 5077.8..9 /:3.9 / 19 .8 80.2.3 40 503:3.. 9..   . 99 90-./.3.3   . 3:207  ..9 /9039:.9994592:23.  107038.3 20.3     /.3 5078.8. .3 54342.5..3 .3 /50740  809 . .: 09. -:.    094/0390754..-.9. 203.5.3 203.3  4592:2 /.:./7. /.83.9 /./ 8. 2:.5.. 907. 47/0 /:./7. 2025:3. 2:.3 . /03.::5 -. 5.3 :39: 20.3 /. 9..-4. 8--  .8:.

8.82.82:2 2.8. 80.3  7. .: 232:2 232.7 ./09.1:38/03..        3 .   343 7.3 .7.-08-- 1    3  33 /.-0  8.3 202-07./.7. 2094/0 ..039 .3.  2.8  ..3 .9.:80-:.8.8 205:9 094/0 440 00.8  !0304254.'.78 -08.3.7 ..3 /-./0392094/8 /....7.7.03/3 .3 2094/03.3-./0392094/8  0-07.7.08094/0 89005089.5.     592.

/08.039 /08.38:3.03/3  094/0.

3232.32094/0440 00..3/4280.7..  203.9:1:38    )   )  ) 1    .:.5.   %   '$ !738550307.3.78:.4394 -07:9 8.-0   03:.7.33/.32094/0440 00.83..8:808 592.9.8/03.8/.3/.2.083205:9.7.3.08/9:3:.33/08.  8547.

./ 5.232:2907..0 /03.23 .3/599 .  /.7.5.9907.3 8079../..32:/..3907././.3./..2.9-.$0-..3     ..

 .

% $%!$%$%.

$%              .

 7.82:21:38/. 5.2./03 .3992.5.3 -07:./.2.3 :.2-.3 .3-.3 /.7.33.89005089.!# !%& $0-.3:207 8.85079.7-07:93     07/. /.. /03. 3..99  02.7..-01   ..380-08.:.9.8. 3..8.-01   . /.7.5..5.9.3/. .907.33.3.8..039 3.3 2..7.33.7.3  ./....3 /9039:.33.33. :39:80-:..3.8 93. 5748083/.9/9039:.1:38/:..35.  .  $0.3/03.7  07/.:.3.380907:83..82:23.7 994592:23..9 /9039:./50740994592:2808:3:3.1:38/:.7:/./.3.9/9039:.:.7.:897.

/3.3 80907:83./031:383..3.2.3 5.8-07:93..3.                .3 .. 203..9. 02.907.  .907./ /.  .09477./.8380.3:93.380-..3/507405.3././.

8%0.3/!747.&3.7!:89.7.94394:207.0    :207.57.223 55.243/! .3.330078 %0.9438 90/943 047. #. 425..0789!7088  .03 .70. 094/81473300789$419.33....794:7 .208 #8   33974/:.094/8147 02.8%0.19..  !..  .5907 $90.