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.
METODOLOGI PENELITIAN
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
1 8 x1 3 x 2 1 f
x1 2 3 x1 2 x 2 0.75
x1 ( 0 , 0 ) x 2 x 2 ( 0.1786, 0.3571)
dan
Sehingga f ( g1 , g 2 ) (1.50,0.75) .
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 ) 1 maka 5 1 maka
2 2 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 0.8944s,0.3571 0.4472s )
( 0.4472s,0.8944s )
.
Fungsi objektif adalah: Fungsi objektif adalah:
2
F ( s ) f ( 0.4472 s ,0.8944 s ) 3 2.236 s 2.800
F ( ss) f (0.1786 0.8944s,0.3571 0.4472s )
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
Titik berikutnya adalah: s 0.3812
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.
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
f ( x1 , x2 ) c1
f ( x1 , x2 ) c1
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 2 2
konvergen dibandingkan cara-1. f ( x1 , x 2 ) 3 x1 2 x 2 4 x1 3x1 x 2 x 2
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 xr 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.