REVIEW
Disusun untuk memenuhi mata kuliah Optimasi Numerik
DISUSUN OLEH
ERLINA 1707065001
GHONY NURHUDA 1707065004
DAFTAR GAMBAR
Gambar 4.1 Hasil output dalam Matlab
ABSTRAK
Analisis numerik merupakan salah satu cara yang digunakan untuk menemukan
eigenvalue (nilai eigen) dan eigenvector (vektor eigen) dari suatu matriks. Tujuan
dari kajian literatur ini ialah untuk menentukan eigenvalue dan eigenvector
menggunakan metode pangkat, bisection method dan metode deflasi dengan Matlab.
Metode pangkat (power method) untuk menentukan eigenvalue yang dominan atau
terbesar dengan eigenvector yang bersesuaian dari suatu matriks melalui pendekatan
iteratif yang perhitungannya akan dilakukan sampai ditemukannya satu nilai solusi,
Bisection method merupakan salah satu metode yang digunakan dalam analisis
numerik untuk memperoleh eigenvalue yang berada pada suatu fungsi kontinu dari
interval melalui pendekatan iteratif untuk memperoleh nilai yang merupakan solusi
dari sebuah permasalahan dilakukan sampai iterasi berhenti. Sedangkan metode
deflasi digunakan dalam mempermudah mencari eigenvalue dan eigenvector jika
digabungkan penggunaannya menggunakan metode pangkat melalui eigenvector
yang telah dinormalkan.
1.1.Latar Belakang
Tidak selamanya permasalahan matematis khususnya pada model
optimisasi dapat diselesaikan dengan metode analitik. Terkadang pada
kondisi tertentu, solusi analitik dari permasalahan matematis tersebut
tidak dapat ditemukan sehingga diperlukan metode numerik. Metode
Analitik merupakan metode penyelesaian model matematika dengan
rumus-rumus aljabar yang telah baku atau lazim. Sedangkan metode
numerik merupakan metode hampiran atau pedekatan. Karena metode
numerik merupakan metode pendekatan atau hampiran, maka solusi
yang dihasilkan bukanlah nilai sesungguhnya, namun merupakan
solusi yang cukup dekat dengan solusi aslinya atau analitik. Apabila
berbicara mengenai solusi hampiran atau pendekatan maka erat
kaitannya dengan seberapa akurat solusi numerik yang diperoleh
dengan solusi analitik, dengan demikian pembicaraan mengarah pada
seberapa besar kesalahan atau eror yang dapat ditoleransi. Masalah
optimisasi berdasarkan jumlah kelinearannya dibagi atas 2 bagian,
yakni linear dan nonlinear, sedangkan berdasarkan jumlah variabel
bebasnya masalah optimisasi dibagi atas 2 bagian pula yakni 1 variabel
bebas dan banyak variable bebas. Banyak sekali metode numerik yang
dapat digunakan untuk menyelesaikan masalah optimisasi tersebut,
misalnya untuk menyelesaikan masalah optimisasi dengan 1 variabel
bebas dapat menggunakan metode Golden Rasio, Fibonacci, Biseksi,
Metode Pangkat, Secant. Lebih lanjut, untuk menyelesaikan masalah
optimisasi dengan lebih dari 1 variabel bebas dapat digunakan metode
numerik seperti Aksial, Hook and Jeeves, Arah Konjugasi, Steepest
Descent.
Dalam matematika, eigenvalue banyak diterapkan di berbagai
bidang ilmu akan tetapi tidak semua masalah yang ada dapat
diselesaikan dengan menggunakan metode analitik, sehingga
dibutuhkan analisis numerik untuk mencari penyelesaian. Salah
satu permasalahan yang ada ialah eigenvalue dan eigenvector dari
suatu matriks yang dapat diselesaikan menggunakan metode
numerik. Untuk menemukan solusi dari eigenvalue dan eigenvector
hanya diperlukan operasi-operasi aljabar biasa hanya saja
perhitungan yang dilakukan tidak cukup hanya satu atau dua kali
tetapi harus dilakukan berulang-ulang sampai ditemukannya nilai
yang konvergen ke suatu penyelesaian.
Untuk fungsi yang sulit untuk diturunkan atau mempunyai turunan yang sulit dicari
akarnya, proses optimasi dapat dilakukan secara numerik (Wahyuni, 2015).
Definisi 2.1.2 Optimasi Satu Variabel
Tinjaulah sebuah fungsi dengan satu variabel sebagai berikut : y = f(x) Ingin
dicari harga x yang memberikan harga y maksimum (maksimasi) atau minimum
(minimasi). Dalam hal ini, x yang diperoleh merupakan nilai x optimum fungsi.
Metodenya berupa Metode Golden Section, Metode Newton, Metode Interpolasi
Kuadrat, Metode Pangkat (Wahyuni, 2015).
Definisi 2.1.3 Optimasi Banyak Variabel
Misal diketahui sebuah fungsi dengan banyak variabel sebagai berikut: y = f(x1,
x2, x3, ….., xn) Ingin dicari harga x1, x2, x3, ….., xn yang memberikan harga y
maksimum (maksimasi) atau minimum (minimasi). Pengelompokan metodenya
secara garis besar: (1) nongradient methods, dan (2) gradient methods. Metodenya
dapat berupa metode Hooke-Jeeves, metode langsung/ random search , metode
steepest ascent (ascending) / descent (descending). (Wahyuni, 2015).
2.2 Metode Numerik
Definisi 2.2.1 Metode Numerik
Metode numerik adalah teknik untuk menyelesaikan
permasalahanpermasalahanyang diformulasikan secara matematis dengan cara
hitungan (Aritmatika). Seringkali model matematika tersebut muncul dalam bentuk
yang tidak ideal alias rumit. Sehingga dapat dipecahkandengan operasi hitungan atau
aritmatika biasa. Solusi angka yang didapatkan dari metode numerik adalah solusi
yang mendekati nilai sebenarnya/ solusi pendekatan (approximation) dengan tingkat
ketelitian yang kita inginkan. Karena tidak tepat samadengan solusi sebenarnya, ada
selisih diantara keduanya yang kemudian disebut galat/error (Luknanto, 2001).
Definisi 2.2.2 metode analitik
Metode analitik adalah metode penyelesaian model matematika dengan rumus-
rumus aljabar yang sudah baku (lazim). Kebanyakan persoalan matematika tidak
dapat diselesaikan dengan metode analitik. Metode analitik disebut juga metode sejati
karena iamemberi solusi sejati (exact solution) atau solusi yang sesungguhnya, yaitu
solusi yang memiliki galat (error) sama dengan nol (Luknanto, 2001).
2.3 Metode Pangkat
Definisi 2.3.1 Metode Pangkat
Metode pangkat akan memerlukan waktu yang tidak sedikit karena harus
melakukan iterasi secara terus menerus. Misalkan A adalah matriks n × n yang
bujur sangkar dengan nilai-nilai eigen h1, h2, . . . , hn. Jika v1 adalah vektor eigen
yang bersesuaian dengan λ1, dan||v1|| =, maka:
1. Matriks B = A – h1v1 v1t mempunyai nilai-nilai eigen 0, λ2, . . . , λn
2. Jika v adalah vektor eigen B yang bersesuaian dengan nilai eigen tak nol
dalam himpunan { λ2, . . . ,λn } maka v adalah juga vektor eigen A yang
bersesuaian dengan nilai eigen ini.
(Wahyuni, 2015).
BAB 3
METODOLOGI
=
* += * +
Iterasi 1 :
(* +* +) * +
ℷ1 = .=
* + * +
( )* +
=
* +* +
* +* +
= = =
* +* +
= 1,99
Iterasi 2 :
2 1
y = Ax = * +* +
=
* += * +
X2 = =
* +=* +
| |
(* +* +) * +
ℷ2 = .=
* + * +
( )* +
=
* +* +
* +* +
= = =
* +* +
= 2
Iterasi 3 :
3 2
y = Ax = * +* +
=
* += * +
X3 = =
* +=* +
| |
(* +* +) * +
ℷ3 = =
* + * +
( )* +
=
* +* +
* +* +
= = =
* +* +
= 1,5
Iterasi 4 :
4 3
y = Ax = * +* +
=
* += * +
X4 = =
* +=* +
| |
(* + * +) * +
ℷ4 = =
* + * +
( )* +
=
* +* +
* +* +
= = =
* +* +
= 2