CATATAN KULIAH

Pertemuan XII: Optimasi dengan Kendala Persamaan

dan Aplikasinya

A. Efek dari Satu Kendala

Tujuan utama digunakannya sebuah kendala adalah memberi
tanggung jawab kepada faktor-faktor pembatas (constrains)
tertentu dalam masalah optimasi.
Misalkan Fungsi Utilitas sederhana : U = x1 x2 + 2x1
Jika konsumen ingin membelanjakan 60 dollar, dan harga
barang P1=4 dan P2=2, maka terdapat kendala anggaran
(budget constrain):
60 = 4 x1 + 2 x2
Kendala ini menyebabkan pilihan x1* dan x2* menjadi saling
tergantung.

Untuk melihat efek kendala ini, dapat dilakukan substitusi :

x 2 = 30 2 x1
U = x1 (30 2 x1 ) + 2 x1
Ambil derivatifnya :
du
= 32 4 x1 = 0
dx1
Hasilnya adalah :
x1 = 8, x 2 = 14, U = 128

Uji derivatif orde kedua:

d2u
= 4 (max)
dx 12

B. Pencarian Nilai-nilai Stasioner

Bagaiman jika kasusnya:
Bentuk fungsional kendala kompleks
Terdapat banyak kendala
Maka dapat digunakan Metode Pengali-Lagrange
Inti dari metode pengali-Lagrange adalah mengubah
persoalan titik ekstrem terkendala menjadi persoalan
ekstrem bebas kendala.
Kondisi Orde Pertama: L = 0 menjamin kendala akan dipenuhi
L = 0 , mentransformasikan fungsi U terkendala dengan n
variabel menjadi Fungs L tanpa kendala dengan n + 1 variabel
 Fungsi Lagrange : L = f(x, y) + [c - g(x, y)];
dengan f(x,y)=fungsi objektif ; g(x,y)=fungsi kendala ; dan
=pengali Lagrange
Contoh: Fungsi Utilitas U(x1 , x 2 ) = x1x 2 + 2x1
Kendala anggaran : C = 60 4x1 2x 2 = 0
Fungsi Lagrange: L = x1x 2 + 2x1 + (60 4x1 2x 2 )

Metode pengali-Lagrange membuat pendekatan fungsi tanpa

Kendala yang sudah dibahas sebelumnya dapat digunakan:
Kondisi orde pertama untuk L, adalah:
L = Lx1= Lx2 = 0

Jika Kondisi Orde Pertama: L = 0 dipenuhi, maka kendala akan

dipenuhi:
L =60 4x1 2x2 = 0 dan L = U
Selanjutnya didapat:
L x1 = x 2 + 2 4 = 0
L x2 = x1 2 = 0
Atur dalam bentuk matriks:
0 4 2 60
4 0 1 x1 = 2 bentuk matriks Ax = d

2 1 0 x 2 0

Kemudian pecahkan untuk , x1, x2 dengan Aturan Cramer

L Lx1 Lx 2
J = L x1 Lx1 x1 L x1 x2 Jacobian matrix
L x2 L x2 x1 L x2 x2

0 4 2
J = 4 0 1 = 8 + 8 = 16
2 1 0

60 4 2
J = 2 0 1 = 4 + 60 = 64
0 1 0
 0 60 2
J x1 = 4 2 1 = 120 + 8 = 128
2 0 0
0 4 60
J x2 = 4 0 2 = 16 + 240 = 224
2 1 0

* = 64 16 = 4 x1* = 128 16 = 8 x 2* = 224 16 =14

U * = x1* x 2* + 2 x1* = (8)14 + (2 )8 = 128

Nilai Stasioner U* di atas perlu diuji lagi dengan Syarat Orde

Kedua sebelum diketahui maksimum atau minimum atau bukan
keduanya.
Pendekatan Diferensial Total
Diferensial dari L=f(x,y) : dL = fxdx + fydy = 0
Diferensial dari g=g(x,y) : dg = gxdx + gydy = 0
dimana dx dan dy bergantung satu dengan yang lain

Gradien dari kurva isokuan : dy/dx = -fx/ fy

Gradien dari kurva kendala : dy/dx = -gx/gy

Maka didapat persamaan : -gx /gy = -fx/ fy

Apakah pendekatan diferensial total menghasilkan kondisi orde

pertama yang sama dengan metode pengali Lagrange?
Dari metode Pengali Lagrange didapat:

fx/ gx = fy /gy =
Hal ini menghasilkan informasi yang tepat sama dengan hasil
pendekatan diferensial total. Selanjutnya dapat
diintrepretasikan tersendiri.

Intrepetasi dari Pengali Lagrange

adalah ukuran sensitivitas dari L terhadap perubahan dari
kendala c
, x dan y : bersifat endogen, dan c : bersifat eksogen
F(, x, y; c) = 0
Diferensial total dari fungsi implisit adalah:
dL/dc = ,
 sehingga dapat diintrepetasikan sebagai ukuran pengaruh
suatu perubahan di dalam kendala melalui parameter c terhadap
perubahan nilai optimal dari fungsi objektifnya

C. Syarat Orde Kedua

Pengali Lagrange tidak mempunyai efek pada nilai stasioner Z*
karena kendala sama dengan nol, tetapi mengakibatkan Syarat
Orde Kedua yang baru diperlukan untuk menguji nilai stasioner
Z*
Adanya kendala mengubah kondisi untuk maksimum relatif atau
minimum relatif.
Ilustrasi:
I. Kasus tanpa kendala z = z ( x, y )
Diferensial Orde Pertama : dz = z x dx + z y dy
Diferensial Orde Kedua : d 2 z = z xx dx 2 + z xy dxdy + z yx dxdy + z yy dy 2
z xx z xy dx
dalam bentuk matriks : d 2 z = [dx dy ]
z yx z yy dy

Maka uji Hessian untuk kasus tanpa kendala (Free Extremum

Hessian tests) :
1. z adalah maksimum relatif
jika d2z adalah definit negatif, yaitu jika :
|H1| < 0, |H2| > 0, |H3| < 0,
2. z adalah minimum relatif
jika d2z adalah definit positif, yaitu jika :
|H1| > 0, |H2| > 0, |H3| > 0,

II. Kasus dengan kendala

z = ax 2 + 2hxy + by 2 kendala : x + y = 0

pecahkan kendala untuk y: y = x

substitusikan ke fungsi objektif:

2

z = ax + 2hx
2
x + b x

2
x
(
z = a 2 h + b
2 2
)

 z > 0 jika a 2 2 h + b 2 > 0

0
Sedangkan H = a h = - a 2 + 2 h - b 2
h b

Maka z definit positif minimum relatif jika

0
H= a h <0
h b
Maka uji Hessian Terbatas untuk kasus dengan kendala
(Bordered Hessian tests) :
1. z adalah maksimum relatif
jika d2z adalah definit negatif (dg = 0), yaitu jika :
|H| > 0
2. z adalah minimum relatif
jika d2z adalah definit positif (dg = 0), yaitu jika :
|H| < 0

Uji Hessian Terbatas

Jika z = f(x,y) dengan kendala g(x,y) = k
Fungsi Langrangenya: L(x,y, ) = f(x,y) [g(x,y) k]

Untuk membuktikan apakah titik ekstrim yang ditemukan

merupakan titik maksimum atau minimum, yang merupakan
syarat cukup untuk titik ekstrim relatif, maka dicari MATRIKS
HESSIAN TERBATAS (BORDERED HESSIAN MATRIX) sebagai
berikut:
0 gx gy

H = g x L xx L xy
g y L yx L yy

di mana: gx = turunan pertama kendala terhadap x.
gy = turunan pertama kendala terhadap y.
Lxx = turunan dari Lx terhadap x.
Lxy = turunan dari Lx terhadap y.
Lyy = turunan dari Ly terhadap y.
Lyx = turunan dari Ly terhadap x.

Bila |H| > 0 maka fungsi tersebut mempunyai titik

maksimum relatif.
 Bila |H| < 0 maka fungsi tersebut mempunyai titik
minimum relatif.

Kasusn n-Variabel
Jika fungsi objektifnya mempunyai bentuk :
z=f(x1,x2,...,xn) dengan syarat g(x1,x2,...,xn)=c
Fungsi Langrangenya:
L(x1,x2,...,xn, ) = f(x1,x2,...,xn) [g(x1,x2,...,xn) k]

MATRIKS HESSIAN TERBATAS (BORDERED HESSIAN MATRIX)

sebagai berikut:
0 g1 g2 " gn
g L11 L12 " L1n
1
H = g2 L21 L22 " L2 n

# # # #
g n Ln1 Ln1 " Lnn

Maka uji Hessian Terbatas untuk kasus dengan kendala

(Bordered Hessian tests) :
1. z adalah maksimum relatif
jika d2z adalah definit negatif (dg = 0), yaitu jika :
minor utama |H2| > 0, |H3| < 0, |H4| > 0

2. z adalah minimum relatif

jika d2z adalah definit positif (dg = 0), yaitu jika :
minor utama |H2| < 0, |H3| < 0, |H4| < 0

Contoh:
Fungsi Utilitas U(x1 , x 2 ) = x1x 2 + 2x1
Kendala anggaran : C = 60 4x1 2x 2 = 0 g(x 1 , x 2 ) = 4x 1 + 2x 2 = 60
Fungsi Lagrange: L = x1x 2 + 2x1 + (60 4x1 2x 2 )
Dalam bagian sebelumnya telah didapatkan nilai stasioner
contoh ini sbb:
* = 64 16 = 4 x1* = 128 16 = 8 x 2* = 224 16 =14
U * = x1* x 2* + 2 x1* = (8)14 + (2 )8 = 128
Uji Hessian Terbatas :
0 g1 g2 0 4 2
| H |= g1 L11 L12 = 4 0 1 = 16 > 0
g 2 L21 L22 2 1 0
Yang memastikan nilai U* sebagai suatu maksimum relatif.
Note: Seperti anda lihat elemen-elemen matriks Hessian hampir sama
dengan matriks Jacobian, kecuali bagian g1 dan g2 berlawanan tanda
antara matriks Hessian dan matriks Jacobian. Walaupun begitu
perhitungan Determinannya mempunyai nilai yang sama.

D. Aplikasi dari Optimasi dengan Kendala Persamaan

Memaksimumkan Utilitas dan Permintaan Konsumen

Misalkan terdapat pilihan dua barang saja, dimana keduanya
mempunyai fungsi utilitas marginal postif ( U x ,U y > 0 ) dan
kontinu. Harga kedua barang ditentukan oleh pasar sehingga
bersifat eksogen. Jika daya beli konsumen adalah B, maka
persoalannya adalah pemaksimuman fungsi utilitas : U=U(x,y)
dengan syarat:
xPx + yPy = B
Fungsi Lagrangenya:
Z = U ( x, y ) + (B xPx yPy )
Syarat Orde Pertama:
Z = B xPx yPy = 0
Z x = U x Px = 0
Z y = U y Py = 0
Diferensial Fungsi Implisitnya:
Px .dx Py dy = x dPx + ydPy dB
Px d + U xx dx + U xy dy = dPx
Py d + U yx dx + U yy dy = dPy
Dalam bentuk matriks:
0 Px Py d x dPx ydPy dB

Px U xx U xy dx = dPx 0 0
Py U yx U yy dy 0 dPy 0

Syarat Orde Pertama

Syarat orde pertama ekuivalen dengan persamaan berikut:
Ux Uy U * Px U x
= = = , =
Px Py B Py U y

Kurva Utilitas indiferens

U = U ( x, y )
dU = U x dx + U y dy = 0
Dengan implikasi
dy U y U
= = negatif dr rasio utilitas marjinal x
dx Ux Uy
Untuk Garis anggaran, dapat ditulis sebagai:
B = xPx + yPy
B Px dy Px U y
y= x, = =
Py Py dx Py Ux

Bentuk yang baru ini dapat diinterpretasikan sbb: dalam

memaksimumkan utilitas, konsumen harus mengalokasikan
anggaran sehingga kemiringan/lereng garis anggaran sama
dengan kemiringan kurva indiferens.

Syarat Orde Kedua

Jika Hessian Terbatas nya adalah positif maka:

0 Px Py
H = Px U xx U xy > 0
Py U yx U yy
= Px2U yy + 2 Px PyU xy Py2U xx > 0
H : definit negatif max
Di sini nilai stasioner U* dipastikan maksimum.

I. Kemiringan kurva indiferen telah dijamin oleh

dy U y U
= = negatif dr rasio utilitas marjinal x ,
dx Ux Uy
d2y
Sedangkan kecembungan sempurna dijamin oleh >0
dx 2
d2y dy U y
Untuk mendapatkan 2
, dapat didiferensiasikan = , sbb:
dx dx U x
d 2 y d U x
= 2 (U y (dU x dx ) U x (dU y dx ))
1
=
dx 2
dx U y Uy
dU x
= U xx dx dx + U xb dy dx = U xx + U xy dy dx
dx
dU y
= U xy dx dx + U yy dy dx = U xy + U yy dy dx
dx
Sehingga di dapat:
d2y
= 2 (U y (U xx + U xy dy dx ) U x (U xy + U yy dy dx ))
1
2
dx Uy

d2y 1 Px
U xy U yy Px
= U U U U
U y2 Py Py
y xx xy x
dx 2
d2y
1
= 2 U yU xx U y Px U xy U y Px U xy + U y Px Px U yy , subtitusi U x = U y Px
dx 2
Uy Py Py Py Py Py

d2y 2
1
= 2 U yU xx 2U y Px U xy + U y Px U yy , penyederhanaan
dx 2
Uy P P 2
y y
d2y
2
=
1
(
Py2U xx 2 Py PxU xy + Px2U yy )
dx U y Py2

Kurvatur dari fungsi utilitas indiferens adalah :

d 2 y 2 Px PyU xy Py U xx Px U yy
2 2
H
= =
dx 2 U y Py2 U y Py2
1
dengan >0
U y Py2
0 Px Py
H = Px U xx U xy = 2 Px PyU xy Py2U xx Px2U yy > 0
Py U yx U yy
H > 0, positif (definit negatif) sehingga U maksimum,
Shg di dapat :
d 2 y 2 Px PyU xy Py U xx Px U yy
2 2
H
2
= 2
= >0
dx U y Py U y Py2
d2y
> 0, positif,
dx 2
d2y
Interpretasi dari > 0 adalah : Kurva Utilitas Indiferensnya
dx 2
Cembung sempurna pada titik singgungnya.
Kuantitas Q2

P0 garis anggaran
dy Px
kemiringan =
dx Py
P0

B Kurva indiferens
A dy Uy
kemiringan =
dx Ux
C U0

U1

P1 P1 Kuantitas Q1

Latihan

1. Diketahui fungsi kepuasan (utility) seorang konsumen yang

mengkonsumsi barang X dan Y adalah U = x2y, dan fungsi
anggaran dari konsumen itu adalah pxx + pyy = I, dimana: x
dan y = jumlah barang X dan Y yang dikonsumsi (dalam unit).
Px = harga barang x = $3.
Py = harga barang y = $6.
I = income konsumen = $18.
Berapa unit x dan y yang harus dikonsumsi konsumen itu agar
kepuasannya maksimum? Berapa kepuasan maksimumnya?