PEMOGRAMAN NON-LINIER

DENGAN PENDEKATAN CALCULUS

1. PENDAHULUAN
Calculus adalah cara klasik untuk menentukan lokasi titik ekstrim atau titik
belok dari suatu fungsi yang kontinyu dan terdeferensiasi (continous and
differentiable function). Dalam interval tertentu, titik extreem dapat
menjadi titik optimum dari suatu fungsi baik sebagai titik maksimum atau
minimum. Penerapan calculus terbatas pada problem sederhana. Meskipun
demikian kalkulus merupakan dasar pengembangan berbagai metode
numerik untuk optimasi.

Dalam menentukan titik optimum suatu fungsi tujuan, perlu ditentukan

batas daerah layak (feaseable space) yang dibentuk oleh fungsi-fungsi
pembatas (constraints). Existensi dan lokasi titik optimum sangat
ditentukan oleh bentuk dari fungsi tujuan dan bentuk daerah layak. Misal
diberikan optimisasi fungsi tujuan berikut :

Min z = x12 + 2 x22

Pengaruh bentuk daerah layak terhadap existensi dan lokasi titik optimum
ditunjukan pada beberapa kasus berikut.

a) Kasus-1 : Misal optimasi dilakukan

terhadap pembatas berikut

 x12 + x2 =1
 x1 + x2 = 3

Pada kasus ini lokasi titik optimum

ditentukan oleh fungsi tujuan dan
kedua pembatas. Lokasi titik optimum
yang terletak pada titik potong kedua
pembatas menunjukan bahwa kedua
pembatas bersifat aktif.

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 1

 OPTIMASI DENGAN CALCULUS

b) Kasus-2 : Misal optimasi dilakukan

terhadap pembatas berikut

 x12 + x2 1
 x1 + x2  3

Pada kasus ini lokasi titik optimum

hanya ditentukan oleh bentuk dari
fungsi tujuan. Lokasi titik optimum
yang berada diluar kedua garis batas
menunjukan bahwa kedua pembatas
tidak aktif.

c) Kasus-3 : Misal optimasi dilakukan

terhadap pembatas berikut

 x12 + x2  1
 x1 + x2  3

Pada kasus ini lokasi titik optimum

ditentukan oleh fungsi tujuan dan
pembatas pertama. Lokasi titik
optimum yang terletak pada salah satu
sisi pembatas pertama menunjukan
bahwa hanya pembatas pertama yang
aktif.

d) Kasus-4 : Misal optimasi dilakukan

terhadap pembatas berikut

 x12 + x2  1
 x1 + x2 = 3

Pada kasus ini daerah penyelesaian

layak (feaseable solution space) tidak
ada karena daerah kedua pembatas
tidak saling berpotongan. Dengan
demikian lokasi titik optimum tidak
dapat ditentukan.

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 2

 OPTIMASI DENGAN CALCULUS

Kesimpulan : Dari keempat kasus tersebut dapat disimpulkan

1. Solusi diperoleh jika daerah pembatas saling memotong membentuk
daerah penyelesaian yang tertentu.
2. Jika solusi terletak pada salah satu tepi daerah layak, berarti hanya satu
pembatas yang aktif
3. Jika solusi terletak di dalam daerah penyelesaian, problem tersebut
menunjukkan unconstraint optimization
4. Jika salah satu pembatas tidak aktif, optimasi dapat dilakukan dengan
hasil yang sama meskipun pembatas yang tidak aktif tsb dihilangkan.

2. FUNGSI SATU VARIABEL TAK BERPEMBATAS

Misal suatu fungsi satu variable f(x) didefinisikan pada interval [a,b]
seperti ditunjukan pada Gambar-1a. Dalam interval tsb fungsi f(x) dapat
memiliki titik stasioner berupa titik maximum dan minimum yang bersifat
local dan global. Problem optimasi fungsi satu variable adalah mencari x =
x* dalam interval [a,b] sedemikian sehingga x* meminimumkan f(x).

Gambar-1 : Gambar titik maximum, minimum lokal dan global

Kriteria untuk menentukan sifat dan titik stasioner dan suatu fungsi satu
variabel dapat dicari dengan menggunakan deret Taylor. Tinjau suatu
fungsi seperti ditunjukan pada Gambar-1b

x x 2 x 3 x n
f (x)  f (x 0 )  f ' (x 0 )  f "( x 0 )  f ' ' ' (x 0 )    f n (x 0 )
1! 2! 3! n!

suku orde tinggi

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 3

 OPTIMASI DENGAN CALCULUS

Jika dimisalkan (x0,y0) adalah titik stasioner, maka pada titik tsb f'(x0).
Sifat-sifat titik stasioner dapat ditentukan dengan cara sbb :

1) Jika pada titik stasioner f"(x0)  0, dan jika x  x0 maka suku orde-3
dan suku orde diatasnya dapat dibaikan, sehingga

f (x )  f (x 0 )  f "(x 0 )
x 
2

2!
karena  x 2  0 maka sifat titik stasioner dapat ditentukan sbb
 Jika f"(x0) > 0 maka (x0,y0) adalah titik minimum
 Jika f"(x0) < 0 maka (x0,y0) adalah titik maximum

2) Jika pada titik stasioner f"(x0) = 0, sifat titik stasioner dapat ditentukan
dengan melihat nilai turunan fungsi orde diatasnya dst
x x 2 x 3 x n
f (x)  f (x 0 )  f ' (x 0 )  f "( x 0 )  f ' ' ' (x 0 )    f (x 0 )
n
1! 2! 3! n!
  
0
x 3 x n
f (x)  f (x 0 )  f ' ' ' (x 0 )
   f n (x 0 )
3! n!
maka sifat titik stasioner dapat ditentukan sbb
 Jika f n ( x 0 )  0 dan n ganjil maka (x0,y0) adalah titik belok
 Jika f n ( x 0 )  0 dan n genap maka (x0,y0) adalah titik minimum
 Jika f n ( x 0 )  0 dan n genap maka (x0,y0) adalah titik maximum

2.1 CONTOH-1

Tentukan sifat titik stasioner fungsi f ( x)  14 x 4  12 x 2 dan gambarkan bentuk

fungsi f(x), f'(x) dan f"(x) dalam satu sumbu koordinat.

Jawab :

Turunan pertama dan kedua

f'(x) = x3  x = x ( x2  1 )
f"(x) = 3 x2  1

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 4

 OPTIMASI DENGAN CALCULUS

Titik stasioner

f'(x) = x ( x2  1 ) = 0  Titik stasioner x = 1, 0 dan 1

Harga f"(x0) pada titik stasioner

x = 1 f"(1) = 2  titik minimum  (1,1/4)

x = 0  f"(0) = -1 titik maximum  (0,0)

x = 1  f"(1) = 2  titik minimum  (+1,1/4)

f(x) f'(x) f"(x)

0
-4 -2 0 2 4

-2

Gambar-2 : Gambar f(x), f'(x) dan f"(x) pada contoh-1

2.2 CONTOH-2

Tentukan sifat titik stasioner fungsi f ( x )  x 5 dan gambarkan bentuk

fungsi f(x), f'(x) dan f"(x) dalam satu sumbu koordinat.

Jawab :

Turunan pertama dan kedua

f'(x) = 5 x4

f"(x) = 20 x3
Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 5
 OPTIMASI DENGAN CALCULUS

Titik stasioner

f'(x) = 5 x4 = 0  titik stasioner x = 0.

Harga f"(x0) pada titik stasioner

f"(x) = 20 x3 f"(0) = 0  belum bisa ditentukan

Harga turunan orde tinggi titik stasioner

f"'(x) = 60 x2 f"'(0) = 0  belum bisa ditentukan

fiv(x) = 180 x fiv(0) = 0  belum bisa ditentukan

fv(x) = 180 fv(0) = 180 > 0  n=5 (ganjil)  titik belok 

(0,0)
f(x) f'(x) f"(x)

0
-4 -2 0 2 4

-2

Gambar-3 : Gambar f(x), f'(x) dan f"(x) pada contoh-2

2.3 CONTOH-3

Tentukan sifat titik stasioner fungsi f ( x )  12 x 5  45 x 4  40 x 3  5 dan

gambarkan bentuk fungsi f(x), f'(x) dan f"(x) dalam satu sumbu koordinat.

Jawab :

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 6

 OPTIMASI DENGAN CALCULUS

Turunan pertama dan kedua

f'(x) = 60 x4  180 x3 + 120 x2 = 60 ( x4  3 x3 + 2 x2 )

= 60 x2 (x  1) (x  2)

f"(x) = 60 ( 4 x3  9 x2 + 4 x )

Titik stasioner

f'(x) = = 60 x2 (x  1) (x  2) = 0  Titik stasioner x = 0, 1 dan 2

Harga f"(x0) pada titik stasioner

x = 0  f"(0) = 0  belum bisa ditentukan

x = 1  f"(1) = 60  titik maximum  (1,12)

x = 2  f"(2) = 240  titik minimum  (2,11)

Harga turunan orde tinggi titik stasioner x = 0

f"'(x) = 60 ( 12 x2  18 x + 4 )

f"'(0) = 240 > 0  n = 3 (ganjil)  titik belok  (0,5).

f(x) f'(x) f"(x)

50

0
-3 -2 -1 0 1 2 3

-50

-100

Gambar-4 : Gambar f(x), f'(x) dan f"(x) pada contoh-3

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 7

 OPTIMASI DENGAN CALCULUS

3. FUNGSI DUA VARIABEL

Untuk memperoleh titik stasioner fungsi dua variabel dilakukan dengan
menurunkan fungsi tsb terhadap kedua variabel bebasnya. Sebagai contoh
tinjau suatu fungsi dua variabel f(x,y) = 0 seperti ditunjukan pada
Gambar-5.

Gambar-5 : Bentuk tipikal fungsi 2 variable

Jika turunan fungsi f(x,y) terhadap variable x dan y, masing-masing adalah

fx dan fy. Titik stasioner x 0  ( x 0 , y 0 ) diperoleh dengan mengunakan sifat
turunan pertama pada yaitu.
f f
 fx  0 dan  fy  0
x y
Sifat dan titik stasioner (maximum, minimum atau belok) suatu fungsi dua
variabel dapat dicari dari deret Taylor. Jika dimisalkan x  x 0  x , dimana
x T  x, y  , maka menurut Deret Taylor,

x y x 2
f (x)  f (x 0 )  f x (x 0 )  f y (x 0 )  f xx ( x 0 )  f xy ( x 0 ) x y 
1! 1! 2!
y 2
f yy ( x 0 )    HOT
2!
Pada titik stasioner x 0 berlaku f x  0 dan f y  0 , jika x T  x, y   0
maka suku-suku orde tinggi dapat diabaikan. Akibatnya,
x 2 y 2
f ( x )  f ( x 0 )  f xx ( x 0 )  f xy ( x 0 ) x y  f yy ( x 0 )
2 2
Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 8
 OPTIMASI DENGAN CALCULUS

f f xy  x 
f (x)  f (x 0 ) 
1
x y  xx  
2 f yx f yy  y 
atau
1
f ( x )  f ( x 0 )  x T H x
2
Untuk fungsi dua variable berlaku
f xx f xy 

f yy 
H = Matrik Hessian (matrix simetris)
f yx
xT  x, y 

x T  x, y 
Sifat titik stasioner dapat ditentukan berdasarkan nilai suku kedua pada
ruas kanan, yaitu 12 x T H x

1) Jika x T H x  0  x 0 titik minimum

2) Jika x T H x  0  x 0 titik maximum

4. FUNGSI BANYAK VARIABEL

Untuk memperoleh titik stasioner fungsi banyak variabel dilakukan dengan
menurunkan fungsi tsb terhadap seluruh variabel bebassnya. Misal tinjau
 
suatu fungsi n variabel f (x)  0 dimana x T  x1 , x 2 ,, x n . Jika fungsi
f (x)  0 diturunkan terhadap variable x , didapat gradient vektor f (x) .

 
Titik stasioner x 0T  x10 , x 02 ,, x 0n diperoleh dengan mengunakan sifat
turunan pertama yaitu gradient vektor f (x) = 0

 f 
 
 x1 
 f 
f ( x)   x1   0
 
  
 f 
 x 
 n

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 9

 OPTIMASI DENGAN CALCULUS

Sifat dan titik stasioner suatu fungsi n variabel dapat dicari dari deret
Taylor sbb
x 1
f ( x )  f ( x 0 )  f ( x 0 )  x T H x    HOT
1! 2 !
Mengingat pada titik stasioner berlaku f (x)  0 , dan jika
 
x T  x1 , x 2 ,, x n , maka suku-suku orde tinggi dapat diabaikan.
Akibatnya,
1
f (x)  f (x 0 )  x T H x
2!
dimana
 f11 f12  f1N 
 
 f 21 f 22  f 2 N 
H  = Matrik Hessian
    
 
f N1 f N 2  f NN 
xT 
 x1 , x 2 ,, x n 
x T  x , x
1 2 ,, x n 
Selanjutnya matrix Hessian H dapat dikategorikan sbb :

 positive definit   0 
positive semi - definit  0
   
H   x H x   untuk x  0
T

 negitiv semi - definit   0

 negatif definit   0

Atau misal untuk matrix Hessian H diatas dikatakan positiv definit jika
f f12 f13
f11 f12 11

H1  f11  0 H2   0 H 3  f 21 f 22 f 23  0 dst
f 21 f 22
f31 f32 f33

dan matrix Hessian H dikatakan negativ definit jika

f f12 f13
f f 11

H1  f11  0 H 2  11 12  0 H 3  f 21 f 22 f 23  0 dst
f 21 f 22
f31 f32 f33

Sifat dari titik stasioner x 0 dari fungsi f (x) dapat dilihat dari kriteria sbb :
Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 10
 OPTIMASI DENGAN CALCULUS

1. H( x 0 ) positiv definit  x 0 titik strict minimum (Lihat Gambar-6)

2. H( x 0 ) positiv semi-definit  x 0 titik non-strict minimum

3. H( x 0 ) negativ definit  x 0 titik strict maximum

4. H( x 0 ) negativ semi-definit t  x 0 titik non-strict maximum

5. H( x 0 ) tidak masuk kategori 1 s/d 4  x 0 titik pelana (sadle point)

(a) (b)

Gambar-6 : Titik a) strict-minimum dan b) non-strict minimum

4.1 CONTOH-1

Diberikan fungsi dua-variable berikut f(x,y) = (x - 1)2 + y2 + 1. Tentukan

titik stasioner, Sifat titik stasioner dan Gambarkan fungsi f(x,y)

Jawab :
Pada titik stasioner gradient vektor f (x)  0
 f x   2( x  1)  1
f ( x, y)        0  Titik stasioner x 0   
 f y   2y  0
Hessian Matrix
f xx f xy  2 0
H(x,y)   
f yx f yy  0 2

Sifat Matrix Hessian pada titik stasioner

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 11

 OPTIMASI DENGAN CALCULUS

2 0 2 0
H ( x , y)     H1  2  2  0 H2  40
0 2 0 2

Karena H1 dan H2 keduanya positif, matrix H positiv definit artinya titik

(1,0) adalah titik minimum. Gambar fungsi f(x,y) = (x - 1)2 + y2 + 1 adalah
sbb :

Gambar-7 : Gambar fungsi f(x,y) = (x - 1)2 + y2 + 1

4.2 CONTOH-2

Diberikan fungsi dua-variable berikut f(x,y) = x2 - y2. Tentukan titik

stasioner, Sifat titik stasioner dan Gambarkan fungsi f(x,y)

Jawab :

Pada titik stasioner gradient vektor f (x)  0

 f x   2x  0
f ( x, y)        0  Titik stasioner x 0   
 f y    2y  0
Hessian Matrix
f xx f xy  2 0 
H(x,y)   
f yx f yy  0  2

Sifat Matrix Hessian pada titik stasioner

2 0  2 0
H ( x , y)  
   H1  2  2  0 H2 
0 2
40
 0 2 
Karena H1 positif dan H2 negatif, matrix H bukan positiv atau negatif
Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 12
 OPTIMASI DENGAN CALCULUS

definit. Artinya titik (0,0) adalah titik pelana (sadle point). Gambar fungsi
f(x,y) = x2 - y2 adalah sbb :

Gambar-8 : Gambar fungsi f(x,y) = x2 - y2

5. OPTIMASI DENGAN PEMBATAS PERSAMAAN

Pada bagian terdahulu telah ditunjukan optimisasi untuk fungsi banyak
variable tanpa pembatas. Dalam banyak kasus, optimisasi umumnya
melibatkan pembatas baik persamaaan (equality constraint) maupun
pembatas berbentuk pertidaksamaan (in-equality constraint).

Misal untuk kasus fungsi dua variabel, optimisasi fungsi tujuan z yang
merupakan dua variable dengan pembatas dapat dinyatakan sbb :

Opt z  F( x1 , x 2 )

terhadap pembatas

h ( x1 , x 2 )  0

Untuk menyelesaikan problem optimasi dengan pembatas berbentuk

persamaan digunakan suatu fungi baru yang disebut Fungsi Lagrange
(Lagrangian Function) yang dibentuk dari fungsi semula dan parameter
yang disebut pengali Lagrange (Lagrange Multiplier) sbb :

L( x1 , x 2 , )  F( x1 , x 2 )   h ( x1 , x 2 )

dimana  adalah pengali Lagrange. Dengan penambahan satu pembatas

jumlah variable bertambah satu dst.

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 13

 OPTIMASI DENGAN CALCULUS

Dengan masuknya pembatas pada fungsi tujuan, maka proses optimisasi

fungsi dilakukan dengan cara yang sama dengan funsi tanpa pembatas.
Pada titik stasioner gradient vektor L( x1 , x 2 , )  0
 L 
 
 x1 
 L 
L ( x 1 , x 2 ,  )   0
x 2 
 
 L 
  
atau
L F( x1 , x 2 ) h ( x1 , x 2 )
  0
x1 x1 x1
L F( x1 , x 2 ) h ( x1 , x 2 )
  0
x 2 x 2 x 2
L
 h ( x1 , x 2 )  0


Penyelesaian dari ketika persamaan diatas akan menghasilkan satu atau

banyak titik stasioner. Untuk menentukan sifat titik stasioner perlu dicari
matrik Hessian dari fungsi Lagrange L dan diselidiki sifat-sifat fungsi
Prinsipal Minor dari Matrik Hessian-nya.

Generalisasi untuk kasus fungsi variabel dan pembatas lebih dari dua, dapat
dinyatakan sbb :

Opt z  F(x) xT 
 x1 , x 2 ,, x n 
terhadap pembatas

h j ( x)  0 j  1,2,..., l  n

Fungsi Lagrange (Lagrangian Function) dapat diperoleh dari penjumlahan

fungsi semula dan fungsi pembatas yang telah dikalikan parameter pengali
Lagrange sbb  j ( j  1,2,..., m) sehingga didapat

L( x, λ )  F( x)    j h j ( x) 
m
j  1,2,..., m  n
j1

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 14

 OPTIMASI DENGAN CALCULUS

Selanjutnya titik stasioner dapat ditentukan dari

L F m  h j 
0    j 0 i  1,2,, n
x i x i j1  x i 

L m  j
 j
0   h j x k  1,2,, m
j1 k

dimana
 j  1 untuk j k

 k  0 untuk j k

5.1 CONTOH-1
Tentukan titik stasioner, Sifat titik stasioner dan Gambarkan fungsi f(x,y)
untuk problem optimasi berikut

F( x, y)  ( x  1) 2  y 2

dengan pembatas

h( x, y)  ( x  14 y 2 )

Jawab :

Dengan mengalikan pengali Lagrange  pada fungsi pembatas dan

menambahkan hasilnya dengan fungsi tujuan didapat Fungsi Lagrange sbb
L( x, y, )  F( x, y)   h ( x, x )
 ( x  1) 2  y 2   ( x  14 y 2 )
Pada titik stasioner gradient vektor L(x, y, )  0 , atau

L
 2 ( x  1)    0
x
L
 y 2  12    0
y
L
 x  14 y 2  0


Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 15

 OPTIMASI DENGAN CALCULUS

Dari ketiga persamaan diatas didapat titik stasioner (x,y,)* = (0,0,2). Jika
digambarkan problem optimasi berpembatas tsb dapat dilihat pada
Gambar-9

Gambar-9 : Fungsi f(x,y) = (x - 1)2 + y2 dan pembatas x -1/4 y2 = 0

5.2 CONTOH-2
Tentukan dimensi tabung silinder yang terbuat dari pelat logam dengan
ujung bawah dan atas tertutup sehingga didapat volume tabung yang
maximum dengan luas permukaan sebesar A0 = 24 .

Jawab :

Jika dimisalkan r adalah radius tabung sedang dan h adalah tinggi tabung,
volume dan luas permukaan tabung silinder dapat dinyatakan sbg
volume  V( r , h )   r 2 h
r
Luas  A ( r , h )  2 r  2  r h
2

Problem optimasi dapat dinyatakan sbb :

Max V(r, h )   r 2 h h

terhadap pembatas
2 r 2  2  r h  24 

Dengan mengalikan pengali Lagrange  pada fungsi pembatas kemudian

menambahkan hasilnya dengan tujuan didapat fungsi Lagrange sbb :

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 16

 OPTIMASI DENGAN CALCULUS


L(r, h , )   r 2 h   2 r 2  2  r h  24  
Pada titik stasioner gradient vektor L(r, h, )  0 , atau
L
 2 r h   4 r  2 h   0 (a)
r
L
  r 2   2  r   0 (b)
h
L
 2 r 2  2  r h  24   0 (c)

dari persamaan (a) dan (b) didapat
   12 r  r  12 h (d)

Jika pers (d) disubstitusikan ke persamaan (c), solusi optimum tercapai

pada harga (r,h,)* = (2,4,1) dengan harga fungsi tujuan Vopt = 16 

5.3 CONTOH-3
Tentukan dimensi tangki sedimentasi yang terbuat dari silinder beton
dengan ujung bawah berupa kerucut terbalik dengan kemiringan sisi 4 : 3
(lihat Gambar sketsa definisi). Tentukan ukuran D, H dan R sehingga
didapat volume sebesar 4070 m3 dengan luas permukaan tangki paling
minimum sehingga didapat biayan paling minimum.

Jawab :

Berdasarkan gambar sketsa definisi diperoleh D = 0.75 R dan L = 1.25 R

volume dan luas permukaan tabung silinder dapat dinyatakan sbg
R
Volume  V  R 2 H  13 DR 2
 R 2 H  14 R 3
H
Luas Silinder  A1  2RH
Luas Kerucut  A 2  54  R 2 3 D
4 L
Luas Total  A  2 R H  54  R 2

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 17

 OPTIMASI DENGAN CALCULUS

Problem optimasi dapat dinyatakan sbb :

Min A  2 R H  54  R 2
terhadap pembatas
R 2 H  14 R 3  4070
Dengan mengalikan pengali Lagrange  pada fungsi pembatas kemudian
menambahkan hasilnya dengan tujuan didapat fungsi Lagrange sbb :


L  2 R H  54  R 2   R 2 H  14 R 3  4070 
Pada titik stasioner gradient vektor L(R, H, )  0 , atau
L
R

 2H  52 R   2R H  34 R 2  0  (a)
L
 2R  R 2   0 (b)
H
L
 R 2 H  14 R 3  4070  0 (c)

udari persamaan (a) dan (b) didapat
  2 / R  H  12 R (d)
Jika pers (d) disubstitusikan ke persamaan (c), solusi optimum tercapai
pada harga (R,H,)* = (12,6,1/6) dengan harga fungsi tujuan Aopt = 224 .
Jika digambarkan problem optimasi berpembatas tsb dapat dilihat pada
Gambar-10

Gambar-10 : Fungsi f(x,y) = 2 R H2 - 5/4  R2 dan pembatas 2 R2H -

1/4 R3 = 4070

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 18

 OPTIMASI DENGAN CALCULUS

Analisis Sistem dan Pengambilan Keputusan SDA (SA-6021) 19