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

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

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

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

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

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

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

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

xn yang memberikan harga y maksimum (maksimasi) atau minimum (minimasi). dan (2) gradient methods..(x^2– 9)^2+ 3 = f (x1. x2 = 9. serta interval awal Δx1 = 1 dan Δx2 = 2.3. x2) Sebagai cek. Metode langsung/ random search. x3.. (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. x2. Pengelompokan metodenya secara garis besar adalah: (1) nongradient methods.5. Optimasi Banyak Variabel Misal diketahui sebuah fungsi dengan banyak variabel sbb: Y=f(x1. . dan harga ymin = 3. x2.. Dalam hal ini dipilih titik awal: x1 = 1 dan x2 = 16. Beberapa metode yang akan dibahas meliputi: Metode HookeJeeves Metode.. .. x3. Misal ingin dilakukan minimasi dari suatu fungsi: y = (x1– 4)^2 + 0. dengan mudah dapat terlihat bahwa minimum terjadi pada x1 = 4. steepest ascent (ascending)/ descent (descending).……. METODE HOOKE-JEEVES Prinsip penerapan metode Hooke-Jeeves ini meliputi 2 hal.

.

METODE STEEPEST ASCENT /DESCENT .

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

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.

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

 307  20.5.2.: 503/0138.3/02..2./.3 .3 .31:38  1   ..2..2.7: .3 .7.9.3/023.8 03./.7: /9039:.1  1  2.:-. /03.-. / : /  /.3.:-.2.3./42.907.7:   /9039:.39. /...3 2094/0 0943 /.8 03.7.39.-.2.3/02.7: .9: .3: /023..-07:9    .7.7: :./42.3  .9180-.8:8 .2.3 503/0.02:33. .3 9....-.9/5074080.2.7: -.3 094/00943 094/0 3 203:3.7: -.3 8.7: .1  1  2..3.3.2 503039:.-.7 5078.

. /03.3 .. 47/0 /:.8:.: 09.3 203.2.3 40 503:3.3     /.59 99 4592:23.9 / 19 . /.83.  2. 2:..8 :.3 :39: 20.5. .3 4592.380-. 9.5-039:1  //0. 3:207  . 8--  .2.9 /:3.3 203.3 20..-4. 9. 2:.7..   . 2025:3.9 /9039:.5. 80-:.3 54342.8 80./7. -:.    094/0390754.:.3 5078. .3   .3 ...3 5077. 5. 907. 203.::5 -.2..3 503/0.3 34  /..3  4592:2 /.  107038.8.9 094/0 390754./7.3 /./ 8.9994592:23. 99 90-.3.. 3 /80-.3 .9.8.3 /50740  809 ./.5.-.9 /.7.

.        3 .-08-- 1    3  33 /.8.8 205:9 094/0 440 00./0392094/8  0-07.-0  8.1:38/03.:80-:.82:2 2.8.8  !0304254.3.78 -08.. .3 202-07.9.     592.: 232:2 232.7.7 .03/3 .3 .7.'.  2..3 2094/03.3  7.3 /-.3-.   343 7.7.7.08094/0 89005089.8  . 2094/0 ./.5.7..039 ..7 .3. 80.../09./0392094/8 /.82.3 .8.

03/3  094/0./08.38:3.039 /08.

8/.9..5.4394 -07:9 8..2.83.7..33/.7.3.  203.3/4280.3232.08/9:3:.9:1:38    )   )  ) 1    .8:808 592.32094/0440 00.3.   %   '$ !738550307.-0   03:.8/03.78:.083205:9.3/.7.  8547.:.33/08.32094/0440 00.

/.././..32:/.3907.3..0 /03.232:2907.23 ../.3/599 .$0-.2.9-.5.3 8079.9907.....7.3     ./ 5.  /.

 .

% $%!$%$%.

$%              .

7:/.9/9039:.8 93. /03.. 5748083/.3.85079.3/03./.2-.7.33.!# !%& $0-.-01   ..9. /.3:207 8.././.7./03 .5.82:23./50740994592:2808:3:3.89005089.. :39:80-:.5.  .33..3.9.7-07:93     07/.2.99  02.907...3/. 5.3 -07:..039 3.3..7  07/. ..8.3992.3 .5.82:21:38/.1:38/:..  $0.3  .:.8.3 /.8.3 /9039:.9/9039:.3 2.35.7.:.. 3.1:38/:.7 994592:23.7..:897.3.3-.3 :.7.33.:.380907:83. 3.2.7..380-08..33.33. 7.9 /9039:.-01   . /.

/ /..09477.3 5./.  ..  .3/507405.907..                .8380.2.3 ./.3:93.. 203./3.9.3 80907:83.8-07:93.907./031:383..3.3.3. 02./.380-.

7!:89.9438 90/943 047.7.208 #8   33974/:.&3.8%0.  ....70.3.330078 %0.19.223 55.8%0. 094/81473300789$419.0    :207.. #.94394:207.3/!747.. 425.57.33.0789!7088  .03 .094/8147 02.5907 $90.  !..794:7 .243/! .

Sign up to vote on this title
UsefulNot useful