KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS RIAU
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
JURUSAN MATEMATIKA
PROGRAM STUDI S1 MATEMATIKA
Kampus: Bina Widya Km. 12,5 Simpang Baru Telp. (0761) 7078119 Pekanbaru 28293

PAM22021 PENGANTAR OPTIMISASI 21 April 2020

DOSEN: DR. M. D. H. GAMAL, M.Sc.
SEMESTER GENAP 2019/2020

HANDOUT

OPTIMISASI BERKENDALA (CONSTRAINED OPTIMIZATION)

1. Pendahuluan
 Dalam hal tertentu, optimisasi berkendala nonlinear tidak lebih sulit diselesaikan daripada optimisasi
tanpa kendala.
 Sebagai contoh, misalkan ingin diselesaikan
maks 𝑧 = 𝑓(x)
(1)
kendala 𝑔𝑖 (𝐱) = 𝑏𝑖 , 𝑖 = 1, 2, … , 𝑚.

 Asumsikan bahwa, biasanya tetapi bukan kasus yang selalu, m < n (lebih sedikit kendala daripada
variabel). Lalu, dapat digunakan persamaan 𝑔𝑖 (𝐱) = 𝑏𝑖 , 𝑖 = 1, 2, … , 𝑚. Untuk mengeliminasi m
variabel pertama dari 𝑥1 , 𝑥2 , … , 𝑥𝑛 dan mensubstitusikan persamaan-persamaan tersebut ke dalam 𝑓(x).
 Selanjutnya sebuah masalah optimisasi tanpa kendala berikut dapat diselesaikan:
maks 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = maks ℎ(𝑥𝑚+1 , 𝑥𝑚+2 , … , 𝑥𝑛 ) (2)

Contoh 1: maks 𝑧 = 𝑓(x) = −3𝑥12 − 4𝑥22

(3)
kendala 𝑥1 + 2𝑥2 = 8

Selesaikan untuk 𝑥1 : 𝑥1 + 2𝑥2 = 8 ⟹ 𝑥1 = 8 − 2𝑥2

Kemudian disubstitusikan ke dalam 𝑓(x):
maks 𝑧 = −3(8 − 2𝑥2 )2 − 4𝑥22
maks 𝑧 = −16𝑥22 + 96𝑥2 − 192 (4)
𝑑𝑧
= −3𝑥2 + 96 = 0 ⟹ 𝑥2 = 32.
𝑑𝑥2
𝑑2 𝑧
= −3 < 0, ∴ Masalah ini adalah sebuah masalah maksimisasi.
𝑑𝑥22
Selanjutnya, 𝑥1 = 8 − 2𝑥2 ⟹ 𝑥1 = 8 − 64 = −56,
dan 𝑧 = 𝑓(−56 , 32) = 13.504 adalah nilai maksimum.

1
 Keberhasilan yang mudah dari Contoh 1 mengiring kita kepada kesimpulan bahwa sebarang masalah
sejenis dengan ini dapat diselesaikan dengan cara ini.
 Perhatikan masalah

min 𝑧 = 𝑓(x) = 3𝑥12 + 4𝑥1 + 5𝑥2

(5)
kendala 𝑥1 sin𝑥2 + 3𝑥2 sin𝑥1 = 12

 Untuk (5) tidak ada substitusi yang mudah yang dapat dilakukan.
 Untuk itu akan dikembangkan teori untuk kasus yang paling sederhana dan kemudian akan diperumum.

2. Metode Pengali Lagrange

 Diketahui masalah

maks 𝑧 = 𝑓(𝑥1 , 𝑥2 )
(6)
kendala 𝑔(𝑥1 , 𝑥2 ) = 𝑏

 Selanjutnya anggaplah bahwa adalah memungkinkan untuk memperoleh representasi eksplisit dari 𝑥2 :
𝑔(𝑥1 , 𝑥2 ) = 𝑏 ⟹ 𝑥2 = ℎ(𝑥1 )
sehingga
maks 𝑧 = 𝑓(𝑥1 , ℎ(𝑥1 )) Fungsi satu variabel (7)
𝑇
 Syarat cukup bagi f untuk memiliki sebuah maksimum pada x0 = [𝑥10 , 𝑥20 ] adalah

𝑑𝑓
| =0
𝑑𝑥1 𝑥=𝑥0

 Ingat kembali dari kalkulus,

𝑑 𝜕𝑓(𝑥1 ,𝑥2 ) 𝜕𝑓(𝑥1 , 𝑥2 ) 𝑑ℎ

𝑓(𝑥1 , 𝑥2 ) = + (8)
𝑑𝑥1 𝜕𝑥1 𝜕𝑥2 𝑑𝑥1
 Karena 𝑥2 = ℎ(𝑥1 ), diperoleh

𝑑 𝜕𝑓(𝑥10 ,𝑥20 ) 𝜕𝑓(𝑥10 , 𝑥20 ) 𝑑ℎ(𝑥10 )

𝑓(𝑥10 , 𝑥20 ) = +
𝑑𝑥1 𝜕𝑥1 𝜕𝑥2 𝑑𝑥1
(9)
𝑑
Diketahui bahwa 𝑓(𝑥10 , 𝑥20 ) = 0 jika 𝐱0 adalah maksimum atau minimum.
𝑑𝑥1

 Teknik yang akan diturunkan dikenal sebagai metode pengali Lagrange (Lagrange Multiplier Method).
 Karena keseluruhan rasional adalah untuk menghindari untuk memiliki 𝑥2 dan mencari ℎ(𝑥1 ), mari
𝑑ℎ
pikirkan bagaimana cara mengeliminasi dari (9).
𝑑𝑥1

2
 Perhatikan kembali bahwa

𝑔(𝑥1 , 𝑥2 ) = 𝑏
atau
𝑔(𝑥1 , ℎ(𝑥1 )) = 𝑏 (10)

 Turunkan (10) untuk mendapatkan

𝑑𝑔(𝑥1 ,𝑥2 ) 𝜕𝑔(𝑥1 ,𝑥2 ) 𝜕𝑔(𝑥1 ,𝑥2 ) 𝑑ℎ(𝑥1 )

= + =0 (11)
𝑑𝑥1 𝜕𝑥1 𝜕𝑥2 𝑑𝑥1

 Dari (11) diperoleh

𝑑ℎ(𝑥1 ) 𝑔𝑥1
=− (12)
𝑑𝑥1 𝑔𝑥2

dengan
𝜕𝑔(𝑥1 ,𝑥2 ) 𝜕𝑔(𝑥1 ,𝑥2 )
𝑔𝑥1 = ; 𝑔𝑥2 = .
𝜕𝑥1 𝜕𝑥2

𝑑ℎ
 Substitusikan pada (12) ke dalam (9) yang dievaluasi pada x0 dan tetapkan derivatif tersebut sama
𝑑𝑥1
dengan nol,

𝑔𝑥1
𝑓𝑥1 − 𝑓𝑥2 =0 (13)
𝑔𝑥2

 Definisikan sebuah konstanta 𝜆 (dinamakan pengali Lagrange),

𝜕𝑓(𝑥10 ,𝑥20 )⁄𝜕𝑥2 𝑓𝑥2

𝜆= = a (14)
𝜕𝑔(𝑥10 ,𝑥20 )⁄𝜕𝑥2 𝑔𝑥2

 Substitusikan (14) ke dalam (13),

𝑓𝑥1 (𝑥10 , 𝑥20 ) − 𝜆𝑔𝑥2 (𝑥10 , 𝑥20 ) = 0 (15)

 Dari (14) didapat

𝑓𝑥2 (𝑥10 , 𝑥20 ) − 𝜆𝑔𝑥2 (𝑥10 , 𝑥20 ) = 0 (16)

Dan kendala asal juga harus memenuhi

𝑔(𝑥10 , 𝑥20 ) = 𝑏 (17)

3
 Persamaan (14) – (17) adalah himpunan syarat perlu bagi keberadaan sebuah solusi untuk masalah asal
(6).
 Telah diturunkan tiga persamaan dalam tiga variabel: 𝑥1 , 𝑥2 , dan 𝜆 yang akan diselesaikan untuk
𝑥10 , 𝑥20 , dan 𝜆0.
 Maksud pertama kali telah tercapai: Mencari 𝑥10 dan 𝑥20 tanpa harus memiliki f dalam ℎ(𝑥1 ) secara
eksplisit.
 Cara yang paling mudah untuk menurunkan syarat perlu ini untuk beberapa masalah yang spesifik
adalah dengan mengkonstruksi apa yang dikenal sebagai fungsi Lagrange,

𝐹(𝑥1 , 𝑥2 , 𝜆) = 𝑓(𝑥1 , 𝑥2 ) + 𝜆[𝑏 − 𝑔(𝑥1 , 𝑥2 )] (18)

 Jika diturunkan F terhadap 𝑥1 , 𝑥2 , dan 𝜆 seolah-olah ianya tak berkendala dan menyamakan hasilnya
dengan nol diperoleh
𝐹𝑥1 = 𝑓𝑥1 − 𝜆 𝑔𝑥1 = 0
𝐹𝑥2 = 𝑓𝑥2 − 𝜆 𝑔𝑥2 = 0 (19)
𝐹𝜆 = 𝑏 − 𝑔(𝑥1 , 𝑥2 ) = 0
 Sistem persamaan (19) identik dengan (14) – (17).

Contoh 2: Akan diselesaikan

min z = 3𝑥12 + 4𝑥22
kendala 𝑥1 + 2𝑥2 = 8
Fungsi Lagrange
𝐹(𝑥1 , 𝑥2 , 𝜆) = 3𝑥12 + 4𝑥22 + 𝜆[8 − 𝑥1 − 2𝑥2 ]
Syarat orde pertama,
𝐹𝑥1 = 6𝑥1 − 𝜆 = 0
𝐹𝑥2 = 8𝑥2 − 2𝜆 = 0
𝐹𝜆 = 8 − 𝑥1 − 2𝑥2 = 0
Bila sistem persamaan ini diselesaikan diperoleh solusi 𝑥10 = 2, 𝑥20 = 3, dan 𝜆0 .

Contoh 3: Akan dicari dimensi dari tanki silinder tertutup dengan volum yang diketahui 𝑉𝑐 yang
memiliki luas permukaan minimum 𝐴.

Luas permukaan tanki/silinder adalah 𝐴 = 2𝜋𝑟 2 + 2𝜋𝑟𝑙, dengan r adalah jari-jari silinder dan
l tinggi silinder. Volum silinder adalah 𝑉𝑐 = 𝜋𝑟 2 𝑙. Masalah optimisasi untuk kasus ini adalah
min 𝐴 = 2𝜋𝑟 2 + 2𝜋𝑟𝑙
kendala 𝑉𝑐 = 𝜋𝑟 2 𝑙.

4
 Fungsi Lagrange diberikan oleh
𝐹(𝑟, 𝑙, 𝜆) = 2𝜋𝑟 2 + 2𝜋𝑟𝑙 + 𝜆[𝑉𝑐 − 𝜋𝑟 2 𝑙]
Syarat orde pertama,
𝐹𝑟 = 4𝜋𝑟 + 2𝜋𝑙 − 2𝜋𝜆𝑟𝑙 = 0
𝐹𝑙 = 2𝜋𝑟 − 𝜋𝜆𝑟 2 = 0
𝐹𝜆 = 𝑉𝑐 − 𝜋𝑟 2 𝑙 = 0
Karena 𝑟 ≠ 0, maka
2𝑟 + 𝑙 − 𝜆𝑟𝑙 = 0
2 − 𝜆𝑟 = 0
𝑉𝑐 − 𝜋𝑟 2 𝑙 = 0

Solusi dari sistem persamaan ini adalah

2 4 2 2 4
𝑟 = , 𝑙 = , dan 𝑉𝑐 = 𝜋 ( ) ( )
𝜆 𝜆 𝜆 𝜆

Dengan menyelesaikan untuk 𝜆 diperoleh

1⁄ 1⁄
16𝜋 3 𝑉𝑐 3
𝜆=( ) . Kemudian diperoleh 𝑟 = ( ) dan
𝑉𝑐 𝜋

1⁄
4𝑉𝑐 3
𝑙=( ) .
𝜋

3. Hessian Terbatas untuk Optimisasi Berkendala

 Untuk mengoptimalkan fungsi f x, y  terhadap kendala g x, y  telah ditunjukkan pada kuliah yang
lalu bahwa suatu fungsi baru dapat dibentuk
F x, y,    f x, y    k  g x, y 
dengan syarat orde satu (necessary condition) adalah Fx  Fy  F  0 .

 Syarat orde dua (sufficient condition) sekarang dapat dinyatakan dalam Hessian terbatas H dengan

salah satu cara berikut:

Fxx Fxy gx 0 gx gy
H = Fyx Fyy g y atau g x Fxx Fxy
gx gy 0 gy Fyx Fyy

5
 yang merupakan Hessian biasa
Fxx Fxy
Fyx Fyy

yang dibatasi oleh turunan pertama dari kendala dengan nol pada diagonal utama.
 Orde dari bordered principal minor ditentukan oleh orde dari principal minor yang sedang dibatasi. Jadi
H di atas menunjukkan bordered principal minor orde dua karena principal minor yang sedang

dibatasi adalah 2 X 2.

 Untuk suatu fungsi n variabel f x1 , x2 , , xn  terhadap kendala g x1 , x2 , , xn  ,

F11 F12  F1n g1 0 g1 g2  gn

F21 F22  F2 n g2 g1 F11 F12  F1n
H =      atau g2 F21 F22  F2 n
Fn1 Fn 2  Fnn gn     
g1 g2  gn 0 gn Fn1 Fn 2  Fnn

dengan H = H n karena principal minor n X n sedang dibatasi.

 Jika semua principal minor negatif, yaitu jika H 2 , H 3 ,  , H n  0 , Hessian terbatas adalah definit

positif, dan Hessian definit positif selalu memenuhi syarat cukup bagi minimum relatif.

 Jika principal minor berubah tanda secara konsisten dari positif ke negatif, yaitu jika H 2  0 , H 3  0 ,

H 4  0 ,  ,  1 H n  0 , Hessian terbatas adalah definit negatif, dan Hessian definit negatif selalu
n

memenuhi syarat cukup bagi maksimum relatif.

Contoh Perhatikan masalah berikut:

Optimalkan z  4 x 2  3xy  6 y 2 dengan kendala x  y  56 .

Fungsi Lagrange adalah
Z  4 x 2  3xy  6 y 2 +  56  x  y 

dengan f ( x)  4 x 2  3xy  6 y 2 dan g x   x  y

Syarat orde satu:
𝑍𝑥 = 0: 8𝑥 + 3𝑦 − 𝜆 = 0

6
 𝑍𝑦 = 0: 3𝑥 + 12𝑦 − 𝜆 = 0

𝑍𝜆 = 0: 56 − 𝑥 − 𝑦 = 0

Solusi dari SPL di atas adalah 𝑥 ∗ = 36, 𝑦 ∗ = 20, dan 𝜆∗ = 348.

Akan ditentukan apakah Z dimaksimumkan atau diminimumkan pada nilai kritis adalah 𝑥 ∗ = 36,
𝑦 ∗ = 20, dan 𝜆∗ = 348.

Z xx Z xy gx 8 3 1
H = Z yx Z yy g y = 3 12 1
gx gy 0 1 1 0

Mulai dari principal minor kedua H 2 ,

12 1 3 1 3 12
H2 = H = 8 –3 +1
1 0 1 0 1 1

= 8 (–1) – 3 (–1) + 1 (–9) = –14

Dengan H 2  0 , H adalah definit positif, yang berarti bahwa z berada pada minimum.