Pendahuluan
Setelah mempelajari bab ini, anda dapat:
• Menentukan nilai optimum fungsi variabel tunggal tanpa
kendala menggunakan kalkulus
• Menentukan nilai optimum fungsi multi variabel tanpa kendala
menggunakan kalkulus
Pendahuluan
A. Pendahuluan
Metode optimasi kalkulus (klasik) digunakan dalam pencarian
solusi optimum fungsi yang dapat dideferensialkan dan kontinu.
Metode ini merupakan metode analitik dan menggunakan kalkulus
differensial dalam usaha mendapatkan titik-titik optimum. Karena
beberapa masalah praktikal melibatkan fungsi obyektif yang tidak
kontinu dan/atau tidak dapat dideferensialkan, maka teknik optimasi
klasik mempunyai keterbatasan ruang lingkup dalam penerapan
praktis.
Optimasi Fungsi Satu Variabel
B. Optimasi Fungsi Satu Variabel
Suatu fungsi satu variabel f(x) dikatakan mempunyai minimum
lokal atau minimum relatif di x = x* jika f(x*)≤ f(x*+h) untuk
semua nilai h positif maupun negatif yang cukup kecil. Dengancara
serupa, sebuah titik x=x* dikatakan maksimum lokal atau
maksimum relatif jika f(x*)≥ f(x*+h) untuk semua nilai h positif
maupun negatif yang cukup kecil. Suatu fungsi f(x) dikatakan
mempunyai sebuah minimum global atau minimum absolut di x =x*
jika f(x*) ≤f(x) untuk semua x tidak hanya untuk semua x yang
dekat dengan x* dalam domain sepanjang f(x) terdefenisi.
Serupa,sebuah titik x=x* dikatakan maksimum global ataupun
maksimum absolut jika f(x*) ≥ f(x) untuk semua x dalam
domainnya.
Optimasi Fungsi Satu Variabel
Masalah optimasi fungsi satu variabel adalah masalah optimasi
dimana nilai x = x* ditemukan dalam interval [a,b] sehingga x*
meminimisasi f(x). Berikut dua buah teorema yang menyediakan
syarat perlu dan syarat cukup untuk minimum relatif suatu fungsi
satu variabel.
Contoh 3.1
Tentukan nilai-nilai maksimum dan minimum dari fungsi:
f(x) = 12x5-45x4+40x3+5.
Optimasi Fungsi Satu Variabel
Jawaban
Karena f’(x) = 60x4-180x3+120x2=60x2(x-1)(x-2), maka f’(x) = 0
pada x = 0, x = 1 dan x = 2. Turunan keduanya adalah
f’’(x)=60(4x3-9x2+4x).
Pada x = 1, f’’(x) = -60 < 0, jadi x = 1 adalah sebuah maksimum
relatif. Dengan demikian fmaks = f(1) = 12.
Pada x = 2, f”(x) = 240 > 0, jadi x = 2 adalah sebuah minimum
relatif. Dengan demikian fmin = f(2) = -11.
Pada x = 0, f’’(x) = 0, dengan demikian kita harus menginvestigasi
turunan ordo berikutnya. F’’’(x) = 60(12x2-18x+4) = 240 pada x =
0.
Karena f’’’(x) ≠ 0 pada x = 0, maka x = 0 bukan minimum maupun
maksimum, dan x = 0 adalah titik belok.
Optimasi Fungsi Satu Variabel
Latihan 3.1
1. Tentukan nilai minimum dari fungsi:
(3.1)
Bukti. Menurut Teorema Taylor, untuk 0 < θ < 1,
f(X*+h)-f(X*) = ∇ f(X*)h+1/2 hTHh|X*+θh
Dimana h = (h1,h2,…hn)T dan H adalah matriks Hess (Matriks
turunan parsial ordo dua dari f). Untuk |hj| yang cukup kecil, suku
1/2hTHh adalah ordo hj2 sehingga
f(X*+h)-f(X*) = ∇ f(X*)h+o(h2) ≈ ∇ f(X*)h
Optimasi Fungsi Multivariabel Tanpa
Kendala
Akan ditunjukkan dengan kontradiksi bahwa ∇f(X*) = 0 pada sutu
titik minimum X*. Andaikan ∇f(X*) ≠ 0 pada suatu titik minimum
X*, maka untuk suatu j berlaku
atau
Catatan 3.2
1. Matriks turunan ordo dua (Matriks Hess) dari f(X) pada X*
didefenisikan oleh
(3.2)
(3.4)
Matriks A adalah defenit positif jika dan hanya jika semua nilai A1,
A2, A3,…, An positif. Matriks A adalah defenit negatif jika dan
hanya jika tanda Aj, adalah (-1)j untuk j = 1,2,…,n. Jika beberapa Aj
positif dan lainnya bernilai nol, matriks A dikatakan semidefinit.
Optimasi Fungsi Multivariabel Tanpa
Kendala
Berdasarkan pada teorema 3.3 dan 3.4 dapt diturunkan prosedur
untuk mendapatkan titik ekstrim (minimum atau maksimum) untuk
fungsi multivariabel tanpa kendala. Misalkan f(X) adalah fungsi
dari n variabel dimana X = (x1,x2,…,xn)T. Untuk mencari nilai
optimum (Maksimum ataupun minimum) dari f(X) digunakan
langkah-langkah sebagai berikut.
1. Cari titik stasioner X=X* dengan menyelesaikan persamaan
2. (a) X* adalah titik minimum relatif dari f(X) jika matriks Hess dari
f(X) defenit positif.
(b) X* adalah titik maksimum relatif dari f(X) jika matriks Hess
dari f(X) defenit negatif.
Optimasi Fungsi Multivariabel Tanpa
Kendala
(c) X* adalah tidak dapat ditentukan jenisnya jika matriks Hess dari
f(X) semi definit.
3. Dalam kasus fungsi dua variabel, f(x,y), matriks Hess
dimungkinkan bukan defenit positif maupun negatif pada titik
(x*,y*) yang mana
Titik (x*,y*) tersebut dinamakan titik saddle. Karakteristik titik
saddle terkait dengan sebuah minimu atau maksimum relatif dari
fungsi f(x,y) terhadap satu variabel, misalkan x (variabel lainnya
tetap pada y = y*) dan sebuah maksimum atau minimum relatif dari
fungsi f(x,y) terhadap variabel kedua y (variabel lainnya tetap
berada pada x=x*). Sebagai contoh,diberikan fungsi f(x,y) = x2-y2.
Optimasi Fungsi Multivariabel Tanpa
Kendala
Untuk fungsi yang memberikan titik stasioner
x*=0 dan y* = 0. Matriks Hess fungsi f di titik (x*,y*)
adalah
Karena matriks ini buka defenit positif maupun defenit negatif, titik
(x*,y*) = (0,0) adalah sebuah titik saddle. Dapat ditunjukkan bahwa
f(x*,y*) = f(x,0) mempunyai minimum relatif dan f(x*,y) = f(0,y)
mempunyai maksimum relatif pada titik saddle (x*,y*). Titik saddle
bisa terjadi pada fungsi dengan variabel lebih dari dua.
Optimasi Fungsi Multivariabel Tanpa
Kendala
Contoh 3.3
Jawaban
Ak+Bk(X-Xk) = 0
X = Xk-Bk-1Ak
Optimasi Fungsi Multivariabel Tanpa
Kendala
Ide Metode ini adalah mulai dari titik awal X0. Dengan
menggunakan persamaan ke depan, titik X k+1 ditentukan dari Xk
dengan rumusan Xk+1 = Xk-Bk-1Ak
Latihan 3.2
(c)
Optimasi Fungsi Multivariabel Tanpa
Kendala
2. Tentukan titik-titik ekstrim fungsi berikut
Biaya setiap iklan di surat kabar atau setiap menit tayanagan iklan
di televisi adalah $ 1000. Bagaimana perusahaan mengalokasikan
Optimasi Fungsi Multivariabel Tanpa
Kendala
dana $ 48,000 di antara dua media periklanan tersebut untuk
memaksimumkan profit?
Optimasi Fungsi Multivariabel Tanpa
Kendala
Contoh 3.2
f(x1,x2)=x13+x23+2x12+4x22+6
Jawaban
= 3x1+4x1 = x1(3x1+4) = 0
= 3x22+8x2 = x2(3x2+8) = 0
Optimasi Fungsi Multivariabel Tanpa
Kendala
Persamaan-persamaan ini dipenuhi pada titik-titik
, dan ;