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

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

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

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

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

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

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

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

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

.

METODE STEEPEST ASCENT /DESCENT .

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

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

3 8./42.3/023.-.3.2.. 307  20.7: /9039:.7: -.3  .7: .9: .7: -.3/02.2.8 03.31:38  1   .:-.-07:9    .7 5078.2..7.7: :..907.3: /023. /03./.39.9.2../..7..2.2.1  1  2.5.02:33..3 094/00943 094/0 3 203:3.3 2094/0 0943 /./42.3/02.-.7:   /9039:.7: .3 .39.1  1  2. /.3 9.7: .7.:-.: 503/0138..9/5074080. .3 503/0.9180-.3 .-..-.2 503039:.2.3.3 .2. / : /  /.3.8:8 .8 03..3.

  .3     /. 47/0 /:. 80-:.3 /50740  809 . 9./.3 20.3 203. 8--  .3.5.3 :39: 20.3   .83.. 3:207  .3 . 2:./7..2.3 4592./ 8.380-. 3 /80-.  107038.9 /9039:.3 503/0.9994592:23. 2:. 5.8 80.3 . 203.3 5077. /03.8:.5-039:1  //0.. 2025:3.2. 99 90-.-4..3  4592:2 /.::5 -. 907.9 / 19 .9./7.59 99 4592:23.-.9 094/0 390754.3 34  /.  2.3 40 503:3...9 /:3.3 . /.: 09.. -:.5.7..8 :.    094/0390754.3 54342.3 /.7. . 9.8.5.3 203.3 5078..2. .8.:..9 /.

 2094/0 .78 -08.7 .8..82.3.82:2 2./0392094/8  0-07. .08094/0 89005089.3 .3 2094/03. 80.  2.3 202-07.3-.8./.1:38/03.'./09.8  !0304254..     592.3 /-.-08-- 1    3  33 /.7..8 205:9 094/0 440 00.   343 7.7.-0  8.3  7./0392094/8 /.03/3 .7..:80-:.9.3 .: 232:2 232.8..039 .8  .5...        3 .7 .7.3.7.

039 /08./08.03/3  094/0.38:3.

.83.:.4394 -07:9 8.5.3.8:808 592.33/.2.  8547.8/.3.78:.3/4280.9:1:38    )   )  ) 1    .7.08/9:3:.3232.  203.32094/0440 00.   %   '$ !738550307.7.8/03.3/...9.33/08.32094/0440 00.083205:9.-0   03:.7.

3 8079.232:2907.9-.9907..32:/./ 5.3     ../..  /.$0-.23 ../.5...2.3./.7.3907../.0 /03..3/599 .

 .

% $%!$%$%.

$%              .

89005089.33.3/03.2....3  ..7..7:/./..039 3.9 /9039:.3 -07:.3 /9039:.7.33. /.3. 7./.5.35./50740994592:2808:3:3.  $0.99  02..7.3992. /03.!# !%& $0-..82:21:38/.907.:897.2.9/9039:./.3 .9/9039:.1:38/:..5.2-.3.:.1:38/:.7.3 2.380-08.7-07:93     07/. 3.85079.33.8 93.82:23.9. . 5748083/..33.3 :. 3..:.3 /.. :39:80-:..33.3.7.:.-01   .  .9.3-..380907:83..8.7  07/. /. 5.3:207 8./03 .8.8.5.7 994592:23.3/.3.7.-01   .

.3.3.2.9./031:383. 203...  .3:93./ /./3...09477./.380-./.                .8-07:93./.3 5.  .3/507405.907.8380.907.3. 02.3 80907:83.3 .

9438 90/943 047.7!:89.3.223 55.03 .70.  !.  ....&3.7.94394:207.57.5907 $90.8%0..794:7 .0789!7088  . 425.. 094/81473300789$419.19.094/8147 02.330078 %0.208 #8   33974/:. #.243/! .33.3/!747..8%0.0    :207.

Sign up to vote on this title
UsefulNot useful