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

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

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

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

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

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

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

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

Jika mula-mula kita mempunyai tiga buah titik tebakan awal (yakni x0. dan x2) yang mengapit titik optimumnya. Diferensiasikan persamaan yang diperoleh. x1. 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.Metode Interpolasi Kuadrat Metode Interpolasi Kuadrat dapat digunakan untuk melakukan optimasi secara numerik.: . set hasilnya menjadi sama dengan nol.

Optimasi Banyak Variabel Misal diketahui sebuah fungsi dengan banyak variabel sbb: Y=f(x1. (1) Eksplorasi nilai ∆xi (i menyatakan indeks variabel x) (2) Mengulangi langkah sukses Optimasi dengan metode Hooke-Jeeves ditunjukkan dalam contoh berikut.(x^2– 9)^2+ 3 = f (x1... steepest ascent (ascending)/ descent (descending). x2 = 9. serta interval awal Δx1 = 1 dan Δx2 = 2.5. Beberapa metode yang akan dibahas meliputi: Metode HookeJeeves Metode. dengan mudah dapat terlihat bahwa minimum terjadi pada x1 = 4..……. METODE HOOKE-JEEVES Prinsip penerapan metode Hooke-Jeeves ini meliputi 2 hal. . . x3. x2.. x2) Sebagai cek. Misal ingin dilakukan minimasi dari suatu fungsi: y = (x1– 4)^2 + 0. x2.3. Metode langsung/ random search. Pengelompokan metodenya secara garis besar adalah: (1) nongradient methods. xn yang memberikan harga y maksimum (maksimasi) atau minimum (minimasi). Dalam hal ini dipilih titik awal: x1 = 1 dan x2 = 16. x3. xn) Ingin dicari harga x1.. dan harga ymin = 3. dan (2) gradient methods.

.

METODE STEEPEST ASCENT /DESCENT .

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

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

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

31:38  1   .3.7.../42./.9: ..9/5074080.:-.7..3  .3/023.7.1  1  2.3 .2.:-.3 2094/0 0943 /. /.9..39.3/02.3 9.3 8.2.7: -.5.7: /9039:.2.3: /023.7 5078./42.7: .-.2.39.. ....7: .3 503/0.-.7: .02:33.: 503/0138.-07:9    . / : /  /..2 503039:.3 . 307  20.1  1  2.9180-.3 094/00943 094/0 3 203:3.-.8 03.8:8 ./.7: :.3.3.-.2.8 03.3/02. /03.2.2.907.7: -.7:   /9039:.3 .3.2.

5..    094/0390754.-4.8.3 203.. 9../.3   .-.5-039:1  //0.3.8:.59 99 4592:23.3 /50740  809 ..3 4592..3 40 503:3...   . 8--  .3 54342. 47/0 /:. 80-:. 99 90-./7./7.7.3  4592:2 /. /03.380-.2./ 8.8 :. /.3 503/0.2. 5.9 / 19 .::5 -.7..5. .3 .3 34  /..3 :39: 20.  2.5.83.:.3 .3 20.9994592:23.3 /.8 80.3     /.3 .2. 2:..9 /.9 /:3. 3 /80-.3 203.9.3 5078. -:.  107038. .9 /9039:. 2025:3. 907.9 094/0 390754. 203. 9.: 09. 3:207  . 2:.3 5077.8.

8  .8  !0304254.8../0392094/8 /.3 .7.7 .   343 7.78 -08.3..7. 80..5.03/3 .8.-0  8..  2.08094/0 89005089./09.7.:80-:.7.3 .3 202-07.3.3  7.7 .. 2094/0 .8.-08-- 1    3  33 /.3 2094/03.7.3-..     592./0392094/8  0-07.82:2 2.3 /-.        3 .: 232:2 232.039 ..9.1:38/03./.82. .8 205:9 094/0 440 00.'.

38:3.039 /08./08.03/3  094/0.

3.3.9:1:38    )   )  ) 1    .32094/0440 00..3/.7.08/9:3:.8/.32094/0440 00.4394 -07:9 8.8:808 592.9.7.7.5.3232.   %   '$ !738550307.83.78:.8/03.33/08.33/.  8547.3/4280..:.-0   03:.083205:9..  203.2.

0 /03.9-..3907./.7../.$0-...3.3 8079.  /.3     .232:2907.32:/.5..3/599 ./..23 .9907././ 5...2.

 .

% $%!$%$%.

$%              .

33.!# !%& $0-. 3./.7.:.380-08..-01   . /..9.8.9/9039:../..2.3.:.7./03 .3-.907.89005089.33.2.3/03.  .35.3 -07:.5.3 .5.3 :..8.039 3.2-.-01   .82:23.:.9.99  02. /03. 3. .1:38/:.3992.9/9039:. 5...7-07:93     07/.  $0..8 93.7 994592:23.3.7  07/.1:38/:..9 /9039:.85079./.3/.3 2.7..3 /..7..3  .33.3 /9039:.380907:83. 7.3.33.3:207 8.33.82:21:38/../50740994592:2808:3:3. 5748083/. :39:80-:.7.7.7:/..:897..3. /.8.5.

3.907.  ..2. 02.3:93..  .3 80907:83.3.3 ././.3.09477.907.8-07:93..380-./3.                .9.. 203./.3/507405.3 5./ /.8380../031:383.

223 55.94394:207.7.330078 %0.  .8%0.19.70.5907 $90.208 #8   33974/:...33.9438 90/943 047.243/! .794:7 ..&3. 425...57.7!:89. #.  !.3/!747.094/8147 02.03 .0789!7088  . 094/81473300789$419.8%0.3.0    :207..

Sign up to vote on this title
UsefulNot useful