Optimasi Numerik PPT Dy PDF
Optimasi Numerik PPT Dy PDF
INTRODUCTORY EXAMPLE
OBJECTIVES Persoalan pemilihan diameter pipa untuk mengangkut
fluida dari satu proses ke proses yang lain.
Understand why and where optimization occurs
in engineering problem solving. Diameter pipa optimum, berdasarkan:
Biaya investasi, dan biaya operasi
Understand the major elements of the general
optimization problem: (1) objective function, (2) $ / year Diameter
decision variables, and (3) constraints. Cost components Pipe diameter (in) pipa mana
1 1,25 1,5 2 2,5 yang akan
Be able to distinguish between linear and Operating costs 4697 660 312 164 56 Anda pilih?
nonlinear optimization, and between Pipe capital costs 168 308 389 474 660
constrained and unconstrained problems. Pump capital costs 401 192 150 150 150
Total 5266 1160 852 788 866
1
PENGANTAR-1 Definisi dan Jenis Optimasi
Optimasi merupakan suatu proses untuk mencari
Definisi optimasi kondisi yang optimum, dalam arti paling
Jenis optimasi: 1- maksimasi; 2- minimasi menguntungkan.
Dua hal penting dalam studi optimasi: 1- fungsi Optimasi bisa berupa maksimasi atau minimasi.
objektif dan decision variables; 2- kendala Jika berkaitan dengan masalah keuntungan, maka
(constraints) keadaan optimum adalah keadaan yang memberikan
Contoh-contoh persoalan optimasi dalam bidang keuntungan maksimum (maksimasi).
engineering Jika berkaitan dengan masalah
pengeluaran/pengorbanan, maka keadaan optimum
Contoh-contoh constraints yang menyertai
adalah keadaan yang memberikan
persoalan optimasi
pengeluaran/pengorbanan minimum (minimasi).
2
Contoh Constraints yang Menyertai PENGANTAR-2
Persoalan Optimasi Ilustrasi maksimasi (secara grafik):
Maximum process temperature
Beberapa istilah:
Maximum flow rate limitation
Maximum conversion limitation Maksimum lokal
Product purity Maksimum global
Strength of materials
Environmental factor A unimodal function
Safety consideration
Availability of utilities
Corrosion considerations One hump or
Availability and characteristics of feed stocks one valley
Market demand for the product
Space limitation Catatan: Analog,
An upper limit on the capital investment
untuk kasus minimasi
PENGANTAR-4
PENGANTAR-3
Perbedaan antara persoalan optimasi dengan
Maksimum dan minimum lokal dan global: pencarian/ penentuan akar persamaan:
3
PENGANTAR-5 OPTIMASI SATU VARIABEL
Ilustrasi grafik optimasi dua variabel:
Tinjaulah sebuah fungsi dengan satu variabel sbb.:
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.
4
METODE GOLDEN SECTION ALGORITMA
(kasus maksimasi):
l1 l
Karena: l0 = l1 + l2 maka: = 2 1. Mulai dari 2 nilai tebakan
l1 + l2 l1 awal xl dan xu, yang mengapit
l2 titik maksimum.
Ambil kebalikannya dan kemudian definisikan: R=
l1 2. Tentukan nilai x1 dan x2 di
l1 + l2 l1 l l 1 dalam rentang xl dan xu, sesuai
= atau: 1+ 2 = 1 atau: 1 + R = dengan golden ratio (R)
l1 l2 l1 l2 R
5 −1
sehingga: R2 + R −1 = 0 d= ( xu − xl )
2
Nilai akar positifnya:
5 −1
(R biasa disebut sebagai x1 = xl + d
R= = 0,61803... golden ratio atau
2 golden number) x2 = xu − d
5
METODE NEWTON METODE INTERPOLASI KUADRAT
Metode ini menggunakan pendekatan yang sama dengan Metode ini dapat digu-
metode Newton dalam penentuan akar persamaan tak- nakan untuk melakukan
linier, melalui pendefinisian fungsi: g(x) = f’(x) optimasi secara nume-
Karena pada kondisi optimum: rik. Hal ini disebabkan
f ' ( x*) = g ( x*) = 0 oleh penggunaan polino-
mial orde-dua yang
(x* menyatakan nilai x optimum) menghasilkan pende-
maka, nilai x* dapat diperoleh secara iteratif sebagai katan cukup baik terha-
berikut: dap bentuk f(x) di dekat
f ' ( xi ) titik optimumnya.
xi +1 = xi −
f ' ' ( xi ) (Perhatikan gambar di
samping…)
Silakan pelajari contoh soal #2…!
6
X1 x2 y Komentar HOOKE-
METODE HOOKE-JEEVES 1 16 36,5 Basis JEEVES-2
Eksplorasi dengan Δx1 = 1, Δx2 =2
7
METODE LANGSUNG (RANDOM SEARCH) METODE STEEPEST ASCENT/DESCENT
Sesuai dengan namanya, metode ini secara berulang- Merupakan jenis metode gradien yang paling sederhana.
ulang mengevaluasi nilai fungsi pada nilai-nilai variabel
Terminologi:
bebas tertentu (selected values) secara acak. Jika
banyaknya sampel yang dicoba mencukupi, maka steepest ascent Æ untuk pencarian maksimum fungsi
kondisi optimumnya akan teramati. steepest descent Æ untuk pencarian minimum fungsi
Æ tidak efisien…! Prinsip pencarian optimum:
Metode ini dapat diterapkan untuk fungsi yang Dilakukan serangkaian proses transformasi untuk
discontinuous dan non-differentiable sekalipun. mengubah sebuah fungsi dengan banyak variabel (multi-
Pendekatan ini pada umumnya akan menghasilkan titik dimensional function) menjadi sebuah fungsi dengan
optimum global (bukan optimum lokal) variabel tunggal (one-dimensional function), berdasarkan
gradien arah pencarian. Langkah pencarian optimum ini
Silakan pelajari contoh soal #5…! selanjutnya dilakukan secara berulang-ulang (iteratif).
8
∂f ∂f Contoh Aplikasi:
dan merupakan turunan parsial fungsi f(x,y) LOKASI OPTIMUM PENGOLAH LIMBAH TERPADU
∂x ∂y terhadap x dan y Sejumlah N pabrik dengan posisi koordinat masing-masing (xi,yi)
Dalam hal ini, vektor gradien fungsinya dinyatakan sbg: menghasilkan limbah masing-masing sejumlah Qi. Akan dibangun
suatu unit pengolah limbah terpadu untuk seluruh pabrik tersebut.
∂f ∂f Ongkos pengangkutan limbah dari pabrik ke unit pengolah limbah
∇f = i+ j berbanding lurus dengan debit pangkat 0,6. Ingin ditentukan posisi
∂x ∂y (koordinat) unit pengolah limbah agar ongkos pengangkutan
limbah minimum.
Pada kasus ini, sebuah fungsi 2 variabel dalam x dan y,
f(x,y), ditransformasikan menjadi sebuah fungsi satu Analisis:
H arg a = k .( jarak )(
. debit )
0,6
variabel dalam h, g(h).
Misal: Lokasi pengolah limbah berada di titik P (xP, yP)
Nilai x dan y yang diperoleh pada langkah iterasi ini
selanjutnya menjadi x0 dan y0 pada langkah iterasi Jarak pabrik (xi,yi) ke lokasi pengolah limbah:
berikutnya. Demikian seterusnya. di = (x P − x i )2 + (y P − y i )2