Jurnal EKSPONENSIAL Volume 3, Nomor 2, Nopember 2012 ISSN 2085-7829

Optimasi Fungsi Dua Variabel Tanpa Kendala Menggunakan Metode Steepest Ascent

Functions Two Variable Optimization Without Constraints Using Steepest Ascent Method

Syaripuddin
Staf Pengajar Program Studi Statistika FMIPA Universitas Mulawarman

Abstract
This study aims to discuss the optimization of functions of two variables without constraints using the
Steepest Ascent Method. This method uses the partial derivatives of the objective function to choose a
direction at each point. The pace of change in the objective function is the maximum of the constraint if the

vector e parallel to the vector grad f. Strategy taken in this method is to determine the vector er in the
xr direction of the steepest rise direction. Optimization problems are addressed in this study is a
maximization problem to minimization optimization problem that can be solved then converted into a
maximization problem by multiplying by minus the function.

Keywords: Optimization Problems, Non-Linear Functions, Steepest Ascent Method

PENDAHULUAN Debye (1909), yang digunakan untuk

Dalam kehidupan sehari-hari disadari atau memperkirakan fungsi Bessel.
pun tidak disadari sebenarnya manusia selalu Pada penelitian ini akan dibahas contoh kasus
melakukan optimasi untuk memenuhi kebutuhan optimasi fungsi dua variabel tanpa kendala dan
hidupnya. Akan tetapi optimasi yang dilakukan diselesaikan menggunkan metode Steepest Ascent.
oleh masyarakat awam lebih banyak didasari oleh Hasil dari penyelesaian contoh kasus tersebut yang
intuisi daripada penggunaan teori optimasi yang akan menjadi kesimpulan dari penelitian ini.
dipelajari dibangku sekolah. Optimasi merupakan
masalah yang berhubungan dengan keputusan TINJAUAN PUSTAKA
terbaik (maksimum atau minimum) dan cara 1. Optimasi Fungsi Dua Variabel Tanpa
penentuan solusi yang memuaskan. Kendala
Dalam permasalahan non linier khususnya Teorema-1: Misalkan fungsi z  f ( x1 , x2 )
permasalahan optimasi fungsi dua variabel tanpa mempunyai turunan parsial kedua yang kontinu di
kendala, terdapat beberapa persoalan yang tidak
mampu diselesaikan dengan metode analitik. sekitar (x0,y0) pada daerah D dan f ( x0 , y 0 )
Sehingga diperlukan metode numerik untuk =(0,0).
menyelesaikannya. Ada beberapa teknik metode Misalkan pula
numerik untuk menyelesaikan permasalahan D  D( x, y )  ( f xx f yy  ( f xy ) 2 )( x, y ) dan
optimasi fungsi dua variabel tanpa kendala, D0  D ( x0 , y0 ) .
diantaranya metode Fletcher-Powell, Metode
Newton, Metode Steepest Ascent dan lain-lain. a. Jika D0  0 dan f xx ( x 0 , y 0 )  0 atau
Secara umum tidak terdapat teknik penyelesaian f yy ( x 0 , y 0 )  0 maka fungsi f mencapai
yang terbaik akan tetapi beberapa teknik
penyelesaian dianggap mempunyai kelebihan maksimum di ( x 0 , y 0 ) .
diantara teknik penyelesaian yang lain karena b. Jika D0  0 dan f xx ( x 0 , y 0 )  0 atau
mampu menyelesaikan permasalahan optimasi f yy ( x 0 , y 0 )  0 maka fungsi f mencapai
dengan struktur matematika yang rumit dan
konvergensi optimumnya lebih cepat. minimum di ( x 0 , y 0 ) .
Fungsi dua variabel adalah fungsi yang c. Jika D0  0 maka fungsi f tidak mencapai
memuat dua variabel bebas. Nilai-nilai ekstrim
(maksimum/minimum) dari sebuah fungsi dua ekstrim di ( x 0 , y 0 ) . Dalam hal ini
peubah dapat diperoleh dengan menggunakan ( x 0 , y 0 ) disebut titik pelana.
konsep diferensial parsial. Bentuk umum optimasi D0  0
d. Jika maka fungsi f tidak ada
fungsi dua variabel tanpa kendala adalah
maksimumkan/minimukan z  f ( x1 , x 2 ) . kesimpulan tentang titik ( x 0 , y 0 ) . Mungkin
Pada pembahasan ini akan diperkenalkan ekstrim atau mungkin tidak.
metode Steepest Ascent yang merupakan teknik
metode numerik untuk menyelesaikan optimasi 2. Metode Steepest Ascent
fungsi dua variabel tanpa kendala. Metode Metede ini menggunakan turunan-turunan
Steepest Ascent pertama kali diterbitkan oleh parsial fungsi objektif untuk memilih arah di setiap

Program Studi Statistika FMIPA Universitas Mulawarman 49

Jurnal EKSPONENSIAL Volume 3, Nomor 2, Nopember 2012 ISSN 2085-7829

 Langkah – langkah penyelesaian dengan optimasi

titik. Misalkan e vector satuan sebagai arah
fungsi dua variabel tanpa kendala menggunakan
pencarian dengan titik awal metode Steepest Ascent sebagai berikut:
  1. Masukkan fungsi yang akan dimaksimalkan
x  ( x1 , x 2 ,..., x n ) . Vektor x yang jaraknya /diminimalkan yaitu z  f ( x, y ) , jumlah
 maksimum iterasi diperbolehkan adalah n,
s dari x dalam arah e  (e1 , e 2 ,..., e n )
titik awal (x0,y0), dan toleransi adalah t.
adalah : 2. Pilih  untuk memaksimalkan
x  x  se f ( L( k ))  f (( x( k ), y ( k ))  f ( x ( k ), ( y ( k ))
 ( x1  se1 , x 2  se2 ,..., x n  sen ) Selanjutnya hitung titik berikutnya
dan nilai menggunakan persamaan :
F ( s )  f ( x  s e)
.
 f ( x1  se1 , x 2  se2 ,..., x n  sen ) ( x( k  1), y ( k  1))  (( x( k ), y ( k ))  f ( x ( k ), ( y ( k ))
Laju perubahan fungsi objektif di titik 3. Langkah-2 diulang sampai kondisi konvergen
x  ( x1 , x 2 ,..., x n ) dalam arah yaitu f ( x ( k ), y ( k )  t . Jika kondisi
konvergen tidak bisa terpenuhi maka iterasi
e  (e1 , e2 ,..., en ) adalah :
dapat diakhiri jika jumlah titik ditemukan oleh
 dF   f  dx1  f  dx2 iterasi lebih besar dari jumlah iterasi yang
    
   
  ...  diperbolehkan dalam langkah 1 yakni sama
 ds  s 0  x1  s 0 ds  x2  s 0 ds dengan n.
 f  dxn
  HASIL DAN PEMBAHASAN
 x 
 n  s 0 ds Pada penelian ini akan dibahas persoalan
 e1 g1  e2 g 2  ....  en g n .......... .(1) memakasimumkan fungsi dua variabel tanpa
dimana: kendala yaitu:
Kasus: Gunakan metode Steepest Ascent untuk
 f   f 
g i       nilai turunan maksimumkan fungsi
 
 x1  s 0  xi  x x
parsial f di titik x . f ( x1 , x 2 )  3  x1  2 x 2  4 x1 2  3x1 x 2  x 2 2
Laju perubahan persamaan-1 akan maksimum
 Solusi Metode Steepest Ascent (Cara-1)
terhadap konstrein e1 2  e2 2  ...  e n 2  1 jika Perhatikan plot 3 dimensi dari fungsi

vektor e sejajar dengan vector grad f : Arah ini f ( x1 , x 2 )  3  x1  2 x 2  4 x1 2  3x1 x 2  x 2 2
disebut arah naik tercuram (Steepest Ascent).
Strategi yang dilakukan dalam metode ini ialah
menentukan vektor er di xr yang searah
dengan arah naik tercuram.
Pada metode naik tercuram dan pencarian
sepanjang sumbu-sumbu koordinat, panjang
langkah makin kecil jika maksimum di hampiri. Ini
berarti laju kekonvergenan makin lambat. Untuk
mengatasi ini dapat dilakukan metode pencarian
dengan panjang langkah yang tetap. Asalkan nilai
fungsi makin bertambah dan kian berkurang,
panjang langkah diperpendek. Jadi dapat dimulai
dengan x1 dan panjang langkah tetap. Tentukan Gambar-1: Plot fungsi
x 2  x1  s e1 . Jika f ( x 2 )  f ( x1 ) ambil f ( x1 , x 2 )  3  x1  2 x 2  4 x1 2  3x1 x 2  x 2 2
x 3  x 2  s e 2 dst. Jika langkah dari x r ke
Dari gambar diatas diperoleh bahwa nilai awal
x r 1 maka x r  se r memberikan
 0 
f ( x r 1 )  f ( x r ) maka panjang langkah s untuk x0    adalah pendekatan yang tepat
1 0 
diganti dengan s dan proses dimulai lagi dari untuk lokasi optimal f ( x1 , x 2 ) . Berikut tahapan
2
perhitungan menggunakan metode Steepest
xr . Ascent.
METODOLOGI PENELITIAN

50 Program Studi Statistika FMIPA Universitas Mulawarman

Jurnal EKSPONENSIAL Volume 3, Nomor 2, Nopember 2012 ISSN 2085-7829

Langkah-1: Misalkan n=20, teloransi t=0.1 dan Selanjutnya dimulai dari titik
0 x 2  ( 0.1786,0.3571) . Kemudian
titik awal x1   
0 tentukan turunan parsial dari:

Langkah-2: f
 1  8 x1  3 x 2  1.50
 Iterasi-1: x1 x 2  ( 0.1786 , 0.3571)
Dimulai dari titik x1  (0,0) . Selanjutnya dan
tentukan turunan parsial dari :
f f
 1  8 x1  3 x 2  1  2  3 x1  2 x 2  0.75
x1 x1 ( 0 , 0 ) x 2 x 2  ( 0.1786, 0.3571)
dan f  ( g1 , g 2 )  (1.50,0.75) .
Sehingga
f
 2  3 x1  2 x 2  2 Untuk menetukan e2 yang searah dengan
x 2 x1 ( 0, 0 )
(1.50,0.75), ambil
Sehingga f  ( g1 , g 2 )  ( 1,2) . Untuk e 2   ( 1.50,0.75)  ( 1.50 ,0.75 )
menetukan e1 di titik (0,0) yang searah dengan (- dengan   0 . Bilangan  dicari dari hubungan
1,2), ambil e1  (  ,2 ) dangan   0 . (1.50 ) 2  (0.75 ) 2  1 maka
Bilangan  dicari dari hubungan 2.8125 2  1
(  )  ( 2 ) 2  1 maka 5 2  1 maka
2
1
1 maka    0.35555  0,5963 .
 5  0,4472 . 2.812
5 Jadi e2  (0.8944,0.4472) .
Jadi e1  ( 0.4472,0.8944) . Sepanjang garis
Sepanjang garis
x  x  s e2  ( 0.1786,0.3571)  s (0.8944,0.4472)
x  x  s e1  (0,0)  s ( 0.4472,0.8944)  ( 0.1786  0.8944 s,0.3571  0.4472 s )
.
 ( 0.4472s,0.8944s ) .
Fungsi objektif adalah: Fungsi objektif adalah:
F ( ss) 2 f ( 0.1786  0.8944s,0.3571  0.4472 s )
F ( s )  f ( 0.4472 s,0.8944 s )  3  2.236 s  2.800
F ' ( s )  2.236  5.6 s  0 maka  3.7016  1.6773s  2.2 s 2
'
2.236 F ( s )  1.6773  4.4 s  0 maka
s  0.3993
5.6 1.6773
s  0.3812
Titik berikutnya adalah: 4.4
Titik berikutnya adalah:
x 2  x1  0.3993e1  ( 0.1786,0.3571) x3  x 2  0.3812e2  ( 0.1786,0.3571)  0.3812(0.894
 (0.1623,0.5775)
 Iterasi-2: Proses ini dilanjutkan sampai 20 buah iterasi
dalam Tabel-1 berikut.

Tabel-1 : Hasil perhitungan sampai iterasi ke-20

Iterasi xi ei F(xi)

Program Studi Statistika FMIPA Universitas Mulawarman 51

Jurnal EKSPONENSIAL Volume 3, Nomor 2, Nopember 2012 ISSN 2085-7829

1 [0 0 ] [-0.4472 0.8944] 3
2 [-0.1786 0.3571] [0.8944 0.4472] 3.4464
3 [0.1623 0.5276] [-0.4472 0.8944] 3.766
4 [0.0345 0.7833] [0.8944 0.4472] 3.9948
5 [0.2786 0.9053] [-0.4472 0.8944] 4.1586
6 [0.1870 1.0884] [0.8944 0.4472] 4.2759
7 [0.3618 1.1757] [-0.4472 0.8944] 4.3599
8 [0.2962 1.3068] [0.8944 0.4472] 4.42
9 [0.4213 1.3693] [-0.4472 0.8944] 4.463
10 [0.3744 1.4631] [0.8944 0.4472] 4.4938
11 [0.4640 1.5079] [-0.4472 0.8944] 4.5159
12 [0.4304 1.5751] [0.8944 0.4472] 4.5316
13 [0.4945 1.6071] [-0.4472 0.8944] 4.5429
14 [0.4705 1.6552] [0.8944 0.4472] 4.551
15 [0.5164 1.6781] [-0.4472 0.8944] 4.5568
16 [0.4991 1.7126] [0.8944 0.4472] 4.561
17 [0.5320 1.7290] [-0.4472 0.8944] 4.5639
18 [0.5197 1.7536] [0.8944 0.4472] 4.5661
19 [0.5432 1.7654] [-0.4472 0.8944] 4.5676
20 [0.5344 1.7830] [0.8944 0.4472] 4.5687

Perhatikan bahwa peroses ini konvergen dengan Fungsi Objektifnya adalah:

lambat menuju nilai sejatinya titik Maksimumkan:
(0.5714,1.8571) dan nilai fungsi tujuan yang f ( x1  s * f ( x1 ))  f (  s,2s )
monoton naik. Lintasan yang dilewati oleh
metode ini dapat dilihat pada Gambar-2 di bawah.  3 + 5s - 14 * s 2
Terlihat bahwa arah pencarian secara berturutan
adalah tegak lurus (ortogonal) ke vektor
Turunanannya:
sebelumnya. Arah ini dari naik tercuram di x r
adalah normal pada kontur dari fungsi objektif f ' ( x1  s * f ( x1 ))  f ' (  s,2 s )
yang melalui x r . Pada garis ini fungsi objektif  5  28s  0
diperoleh s = 0.1786
mencapai maksimum di x r 1 dimana garis
Jadi x 2  ( 0.1786, 0.3571)
adalah garis singgung pada kontur yang melalui
titik x r 1 yang juga tegak lurus pada arah Karena nilai f ( xi )  2.2361    0.01

sebelumnya. maka proses dilanjutkan ke iterasi-2.

 Solusi Metode Steepest Ascent (Cara-2)  Iterasi-2:

x 2  ( 0.1786, 0.3571)
Dimulai dari titik x1  (0,0) . Selanjutnya
tentukan turunan parsial dari: f ( x 2 )  (1.5000, 0.7500)
f f ( x1 )  ( 1) 2  2 2  1.6771
 1  8 x1  3 x 2
x1 Fungsi Objektifnya adalah:
dan Maksimumkan:
f f ( x 2  sf ( x 2 ))  f (-0.1786 + 1.5s, 0.3571  1.5s)
 2  3 x1  2 x 2
x 2  109/28 - 4(-(5/28) + (3/2)s) 2
(-(15/28) + (9/2)s)((5/14) +
 Iterasi-1:
(3/4)s) - ((5/14) + (3/4)s) 2
x1  (0,0)
Turunanannya adalah :
f ( x1 )  ( 1,2)
f ' ( x 2  sf ( x 2 ))  f ' (-0.1786 + 1.5s, 0.3571  1.5s)
f ( x1 )  ( 1) 2  2 2  2.2361  ( 45/16) - (99/8) s  0

52 Program Studi Statistika FMIPA Universitas Mulawarman

Jurnal EKSPONENSIAL Volume 3, Nomor 2, Nopember 2012 ISSN 2085-7829

diperoleh s = 0.2273 berhenti jika kondisi f ( xi )    0.01

Jadi x3  (0.1623, 0.5276) terpenuhi.
Karena nilai f ( xi )  1.6771    0.01 Berikut ini adalah hasil perhitungan sampai iterasi
maka proses dilanjutkan ke iterasi selanjutnya dan ke-20, ditampilkan dalam Tabel-2.

f ( x1 , x2 )  c1

f ( x1 , x2 )  c1

Gambar-2: Lintasan pencarian Steepest Ascent

Tabel-2 : Hasil perhitungan sampai iterasi ke-20

Iterasi x1 x2 f ( xi )

1 0 0 2.2361
2 -0.1786 0.3571 1.6771
3 0.1623 0.5276 1.6008
4 0.0345 0.7833 1.2006
5 0.2263 1.3394 1.2081
6 0.3773 1.3394 0.4530
7 0.3773 1.5659 0.6796
8 0.4622 1.5659 0.2548
9 0.4622 1.6933 0.3822
10 0.5100 1.6933 0.1433
11 0.5100 1.7650 0.2150
12 0.5369 1.7650 0.0806
13 0.5369 1.8053 0.1209
14 0.5520 1.8053 0.0454
15 0.5520 1.8280 0.0680
16 0.5605 1.8280 0.0255
17 0.5605 1.8407 0.0383
18 0.5653 1.8407 0.0144
19 0.5653 1.8479 0.0215
20 0.5680 1.8479 0.0081

Terlihat pada Tabel-1 dan Tabel-2 di atas bahwa  Solusi Eksak : Kalkulus
nilai masing-masing pada iterasi-20 yang lebih Misalkan
dekat dengan nilai sejatinya titik (0.5714,1.8571)
adalah cara-2. Ini berarti cara-2 lebih cepat
konvergen dibandingkan cara-1. f ( x1 , x 2 )  3  x1  2 x 2  4 x1 2  3x1 x 2  x 2 2

Program Studi Statistika FMIPA Universitas Mulawarman 53

Jurnal EKSPONENSIAL Volume 3, Nomor 2, Nopember 2012 ISSN 2085-7829

Syarat supaya f ( x1 , x 2 ) mencapai titik Basuki, Achmad.2005. Metode Numerik dan

maksimum/minimum: Algoritma Komputansi. Penerbit ANDI,
o Turunan parsial terhadap-x1 Yogyakarta.
Basaruddin. T.2007. Komputasi Numerikal.
1  8 x1  3x 2  0
Lembaga Penerbit FEUI. Jakarta.Nash, G.
o Turunan parsial terhadap-x2 Stephen.1996. Linear and Nonlinear
2  3 x1 2 x 2  0 Programming. McGrow-Hill International.
Tentukan titik kritis: (Dihitung menggunakan Nash, G. Stephen.1996. Linear and Nonlinear
matlab 5.1) Programming. McGrow-Hill International
Dengan menyelesaian dua persamaan diatas Setya Budhi, Wono, 2001, Kalkulus Peubah
adalah: Banyak dan Penggunaannya, ITB, Bandung,
[x,y]=solve('-1-8*x1+3*x2=0','2+3*x1-2*x2=0') Catatan Kuliah : Teknik Optimasi, ITB
x1=4/5=0.5714 dan x2=13/7=1.8571 Bandung.
S.S, RAO.1987. Optimization Theory and
Uji turunan kedua: Application. Willey Eastern Limited, New
d=subs(diff(diff(f,x1),x1),{4/7,13/7})*subs(diff(d Delhi.
iff(f,x2),x2),{4/7,13/7})-
(subs(diff(diff(f,x1),x2),{4/7,13/7})^2)=7
fxx=subs(diff(diff(f,x1),x1),{4/7,13/7})= -8.
karena d>0 dan fxx<0 maka disimpulkan bahwa
titik (x1,x2)=(0.5714;1.8571) adalah titik
maksimum.

KESIMPULAN
Kesimpulan pada penelitian ini adalah:
1. Metode Steepest Ascent merupakan suatu
teknik metode numerik meyelesaikan
optimasi fungsi dua variabel tanpa kendala
2. Metede Steepest Ascent menggunakan
turunan-turunan parsial fungsi objektif untuk
memilih arah di setiap titik. Laju perubahan
pada fungsi tujuan akan maksimum terhadap

konstrein jika vektor e sejajar dengan
vector grad f.
3. Strategi yang dilakukan pada metode
Steepest Ascent adalah menentukan vektor
er di x r yang searah dengan arah naik
tercuram
4. Masalah optimasi minimasi supaya bisa
diselesaikan maka diubah menjadi masalah
maksimasi dengan mengalikan dengan minus
pada fungsinya.

DAFTAR PUSTAKA
Bronson, R. 1996. Teori dan Soal – Soal
Operations Research. Jakarta: Erlangga.

54 Program Studi Statistika FMIPA Universitas Mulawarman