MK.

TEKNIK OPTIMASI
UNCONSTRAINED FUNCTIONS:
ONE DIMENSIONAL SEARCH

9 Maret 2010
 Teknik Optimasi
1. Indirect Method
Mencari titik optimum menggunakan syarat perlu dan
analisa turunan
(sdh dijelaskan minggu lalu)

2. Direct Method
(Optimasi Numerik)
Pencarian titik optimum dengan perbandingan langsung
nilai fungsi f(x) pada beberapa titik percobaan
x(1), x(2), … tanpa melibatkan turunan fungsi
 dapat dilakukan dengan bantuan komputer
Teknik Optimasi

Indirect method, stop when:

f(xk+1) - f(xk) < ε

 Teknik Optimasi
unconstrained function: one dimensional search

1. Newton’s Method
2. Finite Difference Approximation of
Newton’s Method (FDAD) / Quasi
Newton Method
3. Secant Method

Metode numerik kadang tidak dpt menemukan titik

optimum yg pas, tapi mendekati
 1. NEWTON’S METHOD
• Metoda Iteratif (berulang!)

Dengan sendirinya rumus memberikan arah pencarian

Tentukan x awal !

Sampai kapan iterasi selesai?

- Sampai erornya ≤ dari yg kita
kehendaki ε ≤ 0.0..
- Sdh tidak ada beda antara nilai
fungsi iterasi satu dengan nilai
k+n
fungsi pada iterasi berikutnya
2. FDAD/QUASI NEWTON METHOD
Digunakan dalam kasus turunan fungsi tidak diketahui
atau bila f(x) sulit diturunkan

Tentukan nilai h

Didekati dgn 2 titik dari

Samping kanan dan kiri
 3. SECANT METHOD
Digunakan dalam kasus turunan fungsi tidak diketahui
atau bila f(x) sulit diturunkan

~
x* = xq – f’ (xq)
[f’(xq) – f’(xp)] / (xq-xp)
 CONTOH SOAL
Minimisasi fungsi f(x) = x2 – x
Menggunakan metode
1.Indirect (analisa turunan)
2.Newton (x0=3)
3.Quasi Newton (misal h=10-3)
4.Secant
(misal xp = -3 dan xq = 3)