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

maka keadaan optimum adalah keadaan yang memberikan pengeluaran/pengorbanan minimum (minimasi). Jika berkaitan dengan masalah pengeluaran/pengorbanan. 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. maka keadaan optimum adalah keadaan yang memberikan keuntungan maksimum (maksimasi). . dalam arti paling menguntungkan.OPTIMASI NUMERIK 1. Jika berkaitan dengan masalah keuntungan. proses optimasi dapat dilakukan secara numerik. Optimasi bisa berupa maksimasi atau minimasi. Definisi Optimasi merupakan suatu proses untuk mencari kondisi yang optimum.

Ilustrasi secara Grafik Contoh maksimasi satu variabel: Beberapa istilah Maksimum lokal. maksimum global Minimum 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 .

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

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

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

dapat diperoleh secara iteratif sebagai berikut: . yaitu: (a) Jika: f(x1) > f(x2). 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. melalui pendefinisian fungsi: g(x)=f’(x) Maka.Ada 2 kemungkinan kasus.

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

x3. x2. x2) Sebagai cek. Dalam hal ini dipilih titik awal: x1 = 1 dan x2 = 16.5.. . xn yang memberikan harga y maksimum (maksimasi) atau minimum (minimasi).. Optimasi Banyak Variabel Misal diketahui sebuah fungsi dengan banyak variabel sbb: Y=f(x1. Metode langsung/ random search. xn) Ingin dicari harga x1..(x^2– 9)^2+ 3 = f (x1. (1) Eksplorasi nilai ∆xi (i menyatakan indeks variabel x) (2) Mengulangi langkah sukses Optimasi dengan metode Hooke-Jeeves ditunjukkan dalam contoh berikut. steepest ascent (ascending)/ descent (descending). . dengan mudah dapat terlihat bahwa minimum terjadi pada x1 = 4. x2 = 9.. Beberapa metode yang akan dibahas meliputi: Metode HookeJeeves Metode. dan harga ymin = 3. serta interval awal Δx1 = 1 dan Δx2 = 2. Pengelompokan metodenya secara garis besar adalah: (1) nongradient methods.3..……. x3. METODE HOOKE-JEEVES Prinsip penerapan metode Hooke-Jeeves ini meliputi 2 hal. dan (2) gradient methods. Misal ingin dilakukan minimasi dari suatu fungsi: y = (x1– 4)^2 + 0. x2.

.

METODE STEEPEST ASCENT /DESCENT .

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

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

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

.8:8 .2.02:33.3 .:-.3 .3: /023./42.7:   /9039:./..3 094/00943 094/0 3 203:3. /03.2.39.3 9.2.9180-.2.1  1  2.7 5078.8 03./.8 03.3 503/0.7: ..3 2094/0 0943 /.3/02.3.. / : /  /. /.7: -..7: /9039:.9.-.3  .2.31:38  1   .3 ..39.2.2.2.-.9: .3/023.3/02.9/5074080..2 503039:. .3.: 503/0138.7: ..3.-. 307  20..7: :.-07:9    .5./42.3.7: -.7.-.7.7.3 8.7: .1  1  2.907.:-..

: 09. 80-:.3 4592. 9.5.3 54342.   .2. .3 :39: 20.9 /:3. 9. .5.8 :. 8--  .::5 -. 99 90-.3   ./7.3 34  /. 47/0 /:.7.3 20..    094/0390754..3 203. 2:.3     /.9 / 19 ..3 40 503:3.9 094/0 390754.3 .3 203. 907.9 /9039:..  2.  107038. 203...83.380-. 3 /80-. 2025:3.2.9.:.8:.5-039:1  //0.59 99 4592:23. /03.8 80.3 5078. 5..3 /..-4.3 503/0.8.5./ 8.9994592:23.3 ..3 .9 /.2.3  4592:2 /.3.3 /50740  809 ./7. /./. -:.8.3 5077.-. 2:.7.. 3:207  .

7..:80-:.03/3 .3-.3.08094/0 89005089... 80.-0  8.82.9.     592.8  .3 .3 .8.7.5.8.7 .8  !0304254.   343 7.8.3 202-07..        3 .3 /-./0392094/8  0-07../0392094/8 /.7./09.3  7. 2094/0 ..  2.7.: 232:2 232.039 .1:38/03..-08-- 1    3  33 /. .3.8 205:9 094/0 440 00.78 -08.7.7 .'./.82:2 2.3 2094/03.

039 /08.38:3.03/3  094/0./08.

83.7.3.32094/0440 00.9.8/.78:.33/08.5.33/.:.7.8/03.08/9:3:.-0   03:.3232.8:808 592.32094/0440 00.2..4394 -07:9 8.083205:9.3.   %   '$ !738550307..7..  203.9:1:38    )   )  ) 1    .3/4280.  8547.3/.

3/599 .3 8079.  /.2....9-.23 ./.9907.0 /03....7././.../ 5./.$0-.3907.232:2907.3     .5.32:/.3.

 .

% $%!$%$%.

$%              .

. /03.35..3 .3 /9039:.!# !%& $0-.7 994592:23.33...82:23.7.9/9039:.3...  ../50740994592:2808:3:3.8.380-08..5.1:38/:./03 ./..039 3.3:207 8. 7.33.9/9039:.7-07:93     07/.7..7  07/..82:21:38/.7.-01   .:.5.:.7.. /. :39:80-:. 3.3992.:897.3/.3  . 5.33..7.380907:83.2.3/03..3.33./.9 /9039:.9.7.3 /. 5748083/.-01   .99  02.2-..8.3 -07:.3.907./. 3.:.3 :.89005089.2.7:/.3.9.85079.8.33.3-.  $0. /..5.3 2.8 93.1:38/:.

/. 02..3 .907./.2.3/507405..3 5.09477. 203.380-.3:93.9./031:383.3 80907:83.                .  ./3...8-07:93./ /.3./.3..  .8380.907.3.

 094/81473300789$419.223 55.7.0789!7088  .243/! .208 #8   33974/:.0    :207..70.33.8%0.5907 $90.  .8%0. 425.3/!747.. #.03 .9438 90/943 047.3.94394:207.57.094/8147 02.794:7 .&3.7!:89.330078 %0.19.  !.....

Sign up to vote on this title
UsefulNot useful