RINI MAEDIANENGSIH
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
ABSTRAK
Metode interior primal-dual dengan langkah full-Newton adalah salah satu metode untuk
menyelesaikan masalah optimasi linear. Metode ini dirancang sedemikian rupa sehingga solusi
optimal diperoleh di dalam interior dari domain. Metode ini memiliki kompleksitas polinomial.
Karya ilmiah ini membahas dan menganalisis kompleksitas algoritme masalah optimasi linear
menggunakan metode interior primal-dual langkah full-Newton. Beberapa masalah optimasi linear
diselesaikan dengan metode ini untuk melihat kesesuainnya dengan kompleksitas algoritme. Dari
studi kasus yang telah dilakukan, dapat disimpulkan bahwa banyaknya iterasi sesuai dengan
kompleksitas algoritme.
Primal-dual interior method with full-Newton step is a method for solving linear optimization
problems. This method is designed in such a way that an optimal solution is obtained an interior of
the domain. It has polynomial complexity. This paper discusses and analyzes the complexity of
linear optimization problems using primal-dual interior method with full-Newton steps. From the
case studies that have been conducted, can be concluded that the number of iterations is in
accordance with the complexity of the algorithm.
RINI MAEDIANENGSIH
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Matematika
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Judul Sripsi : Analisis Kompleksitas Masalah Optimasi Linear Menggunakan
Metode Interior Primal-Dual dengan Langkah Full-Newton.
Nama : RINI MAEDIANENGSIH
NIM : G54080044
Menyetujui,
Pembimbing I Pembimbing II
Dr. Ir. Bib Paruhum Silalahi, M.Kom. Muhammad Ilyas, S.Si, M.Sc.
NIP. 19670101 199203 1 004
Mengetahui:
Ketua Departemen Matematika
Tanggal Lulus :
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala rahmat dan
karunia-Nya serta shalawat dan salam kepada Nabi Muhammad SAW sehingga karya ilmiah ini
berhasil diselesaikan. Penyusunan karya ilmiah ini juga tidak lepas dari bantuan berbagai pihak.
Untuk itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Dr. Ir. Bib Paruhum Silalahi, M.Kom, selaku dosen pembimbing I (terima kasih atas semua
ilmu, kesabaran, motivasi, dan bantuannya selama penulisan skripsi ini).
2. Muhammad Ilyas, S.Si, M.Sc, selaku dosen pembimbing II (terima kasih atas semua ilmu,
saran dan motivasinya).
3. Dr. Ir. I Gusti Putu Purnaba, DEA, selaku dosen penguji (terima kasih atas semua ilmu dan
sarannya).
4. Semua dosen Departemen Matematika (terima kasih atas semua ilmu yang telah diberikan).
5. Staf Departemen Matematika: Pak Yono, Bu Ade, Mas Heri, Bu Susi dan Mas Deni (terima
kasih atas bantuan dan motivasinya).
6. Keluargaku tercinta: Bapak, Mamah, adikku Rena dan Adelia (terima kasih atas doa,
dukungan, kesabaran, kepercayaan dan kasih sayangnya).
7. Teman-teman kosan: Yuli, Sri, Davi, Chacha, Kak Nurul, Kak Tanti, Kak Runi (terima kasih
atas bantuan, doa dan dukungannya).
8. Teman-teman satu bimbingan: Haya, Bram, Irwan (terima kasih atas bantuan dan
dukungannya).
9. Sahabat terdekat: Roni, Nova, Dina, Aisyah (terima kasih atas semangat, doa dan
dukungannya).
10. Teman-teman Math 45: Herlan, Prama, Arbi, Dini, Rahma, Mya, Pipin, Tiwi, Mega, Fuka,
Annisa, Ana, Dimas, Fina dan yang lainnya (terima kasih atas dukungan, bantuan dan doanya).
11. Adik-adik Math 46: Sefira, Fitria, Anne, Mirna, Andri dan yang lainnya (terima kasih atas
dukungan, bantuan, dan doanya).
Semoga karya ilmiah ini dapat bermanfaat bagi dunia ilmu pengetahuan khususnya matematika
dan menjadi inspirasi bagi penelitian-penelitian selanjutnya.
Rini Maedianengsih
RIWAYAT HIDUP
Penulis dilahirkan di Ciamis pada tanggal 5 Februari 1990 sebagai anak pertama dari tiga
bersaudara. Anak dari pasangan Muhaemin dan Eros Saripah.
Pada tahun 1996 penulis menyelesaikan pendidikan di TK LKMD Kuningan. Tahun 2002
penulis lulus dari SDN Tangkolo 1, Kuningan. Tahun 2005 penulis lulus dari SLTPN 3 Rancah,
Ciamis. Tahun 2008 penulis lulus dari SMAN 2 Ciamis dan pada tahun yang sama lulus seleksi
masuk IPB melalui jalur Ujian Saringan Masuk IPB (USMI). Penulis memilih Jurusan
Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama mengikuti perkuliahan, penulis menjadi anggota Biro Kewirausahaan GUMATIKA
IPB pada tahun 2009-2010. Kegiatan lain yang pernah diikuti oleh penulis yaitu sebagai pengajar
Matematika untuk tingkat SMP di sebuah bimbingan belajar pada tahun 2012.
DAFTAR ISI
Halaman
I. PENDAHULUAN ...................................................................................................... 1
1.1 Latar Belakang ................................................................................................... 1
1.2 Tujuan ............................................................................................................... 1
1.3 Sistematika Penulisan ......................................................................................... 1
LAMPIRAN .................................................................................................................... 17
viii
DAFTAR TABEL
Halaman
DAFTAR LAMPIRAN
Halaman
ix
I PENDAHULUAN
II LANDASAN TEORI
𝑥1 𝑦1
𝑥1
𝑥2 𝑦2
𝑥2
. . 𝐱= 𝑥i = ⋮
x= . , y= .
𝑥𝑛
. .
𝑥𝑛 𝑦𝑛 (Roos et al. 2006)
maka hasil kali skalar dari x dan y adalah Definisi 5 (Norm dari Suatu Vektor di ℝ𝒏 )
𝐱 T 𝐲 = 𝑥1 𝑦1 + 𝑥2 𝑦2 + . . . + 𝑥𝑛 𝑦𝑛
(Leon 2001) Misalkan x ∈ ℝ𝑛 dengan
Definisi 6 (Ruang Baris dan Ruang Kolom) nilai fungsi objektif paling besar. Sedangkan
Jika A adalah matriks 𝑚 × 𝑛, maka ruang solusi optimal untuk masalah minimisasi
bagian dari ℝ1×𝑛 yang direntang oleh vektor- adalah suatu titik pada daerah fisibel dengan
vektor baris dari A disebut ruang baris dari A. nilai fungsi objektif paling kecil.
Ruang bagian dari ℝ𝑚 yang direntang oleh (Winston 2004)
vektor-vektor kolom dari A disebut ruang
kolom dari A. Proposisi 1 ( Dualitas Lemah)
(Leon 2001) Misalkan x dan s masing-masing fisibel untuk
(P) dan (D). Kemudian 𝐜 T x - 𝐛T y = 𝐱 T s ≥ 0.
Definisi 7 (Ruang Nol)
Akibatnya, 𝐜 T x terbatas di atas untuk nilai
Misalkan A adalah matriks 𝑚 × 𝑛. Misalkan optimal dari (D), dan 𝐛T y terbatas di bawah
N(A) menyatakan himpunan semua untuk nilai optimal dari (P). Selain itu, jika
penyelesaian dari sistem homogen 𝐀𝐱 = 𝟎. kesenjangan dualitas (duality gap) 𝐱 T s
Jadi bernilai nol maka x adalah solusi optimal
𝑁 𝐀 = {𝐱 ∈ ℝ𝑛 |𝐀𝐱 = 𝟎} untuk (P) dan (y,s) adalah solusi optimal
Himpunan semua penyelesaian dari sistem untuk (D).
homogen 𝐀𝐱 = 𝟎 membentuk ruang bagian (Roos et al. 2006)
dari ℝ𝑛 . Ruang bagian N(A) disebut kernel
(ruang nol atau nullspace) dari A.
(Leon 2001) Bukti :lihat Roos
Taylor. Sebagai contoh untuk fungsi satu linear. Untuk mencari solusi persamaan
peubah atau 𝑖 = 1, dan 𝐱 = 𝑥1 ∈ ℝ, orde 𝑓1 𝑥1 = 0, metode Newton melakukan
pertama deret Taylor 𝑓1 (𝑥1 ) sebagai berikut pendekatan dengan cara mencari solusi
𝑓1 𝑥1 ≈ 𝑓 𝑥1.0 + 𝑓 ′ 𝑥1.0 𝑥1 − 𝑥1.0 𝔣 𝑥1 = 0, dengan 𝔣 adalah fungsi linear.
= 𝔣(𝑥1 ) Selain itu, untuk fungsi dua peubah atau
dengan 𝑥1.0 adalah hampiran awal (Munir 𝑖 = 2, dan 𝐱 = (𝑥1 , 𝑥𝟐 )T ∈ ℝ. Deret Taylor
2003). orde pertama dapat dituliskan untuk masing-
masing persamaan sebagai berikut
Dengan menggunakan metode Newton,
fungsi taklinear dapat diubah menjadi fungsi
dengan 𝑥1.0 dan 𝑥2.0 adalah hampiran awal Jadi, persamaan baru setelah pelinearan
(Munir 2003). adalah
−𝑥1 + 1 = 0
Contoh 1
Diketahui fungsi taklinear f 𝑥1 = 𝑒 𝑥 1 − 5𝑥1 Pelinearan untuk persamaan (2)
dengan hampiran awal 𝑥1.0 = 0. 𝑓2 𝑥1 , 𝑥2 ≈ 𝔣 𝑥1 , 𝑥2 = 0
𝑓1 𝑥1 ≈ 𝑓 𝑥1.0 + 𝑓 ′ 𝑥1.0 𝑥1 − 𝑥1.0
𝑓1 𝑥1 ≈ 𝔣 𝑥1 = 0 𝑥2 2 − 𝑥1 𝑥2 − 2 = 0
𝔣 𝑥1 = 𝑓 0 + 𝑓 ′ 0 𝑥1 − 0
𝑥1 − 0 = 0
= 𝑒 0 − 5 0 + 𝑒 0 − 5 𝑥1 − 0 𝑓2 0,1 + −1 2
𝑥2 − 1
= 1 + −4 𝑥1 −1 + −1 𝑥1 + 2 𝑥2 − 1 = 0
Pada saat 𝔣 𝑥1 = 0 maka
1 + −4 𝑥1 = 0 −𝑥1 + 2𝑥2 − 3 = 0
𝑥1 = 1
4 Jadi, persamaan baru setelah pelinearan
adalah
Contoh 2 −𝑥1 + 2𝑥2 = 3
Diketahui fungsi taklinear dengan dua Solusi dari 𝑥1 dan 𝑥2 dapat diperoleh dengan
variabel sebagai berikut mensubstitusikan persamaan (1) ke persamaan
(2) sebagai berikut
𝑓1 𝑥1 , 𝑥2 = 𝑥1 2 − 𝑥1 𝑥2 + 1 (1) − 1 + 2𝑥2 = 3
𝑓2 (𝑥1 , 𝑥2 ) = 𝑥2 2 − 𝑥1 𝑥2 − 2 (2) 2𝑥2 = 4
𝑥2 = 2
Jadi, solusi dari 𝑥1 dan 𝑥2 setelah dilakukan
dengan hampiran awal 𝑥1.0 = 0, 𝑥2.0 = 1
pelinearan adalah 𝑥1 = 1dan 𝑥2 = 2.
Pelinearan untuk persamaan (1)
𝑓1 𝑥1 , 𝑥2 ≈ 𝔣 𝑥1 , 𝑥2 = 0
2.5 Kompleksitas
𝑥1 2 − 𝑥1 𝑥2 + 1 = 0
Definisi 12 (Kompleksitas)
𝑥1 − 0 = 0
𝑓1 0,1 + −1 0 Fungsi kompleksitas waktu 𝑓(𝑛) adalah
𝑥2 − 1
fungsi yang mengukur banyak operasi dalam
1 + −1 𝑥1 = 0 suatu algoritme yang mempunyai variabel
input n.
𝑥1 = 1
(Grimaldi 2004)
III HASIL DAN PEMBAHASAN
𝐀∆𝐱 = 𝟎,
𝐀𝐱 = 𝐛, 𝐱 ≥ 𝟎 (5)
𝐀T ∆𝐲 + ∆𝐬 = 𝟎,
𝐀T 𝐲 + 𝐬 = 𝐜, 𝐬 ≥ 𝟎 (2)
𝐬∆𝐱 + 𝐱∆𝐬 + ∆𝐱∆𝐬 = 𝜇𝐞 – 𝐱𝐬.
𝐱𝐬 = 𝜇𝐞.
Untuk mencari solusi sistem (5) digunakan
Solusi dari sistem (2) dinotasikan dengan metode Newton. Persamaan pertama dan
x(µ), y(µ), dan s(µ). x(µ) disebut µ-center persamaan kedua pada sistem (5) merupakan
dari (P) dan (y(µ), s(µ)) disebut µ-center dari persamaan linear. Sedangkan, persamaan
(D). ketiga merupakan persamaan taklinear karena
Himpunan semua x(µ) disebut central mengandung faktor kuadratik ∆𝐱∆𝐬. Untuk
path dari (P), demikian pula himpunan semua menyelesaikan sistem (5), persamaan ketiga
(y(µ), s(µ)) disebut central path dari (D). dilinearkan dengan menggunakan metode
Ketika µ berjalan menuju nol, maka x(µ), Newton, sebagai berikut
−𝜇 + 𝑥1 𝑠1 + 𝑠1 ∆𝑥1 + 𝑥1 ∆𝑠1 = 0
𝑠1 ∆𝑥1 + 𝑥1 ∆𝑠1 = 𝜇 − 𝑥1 𝑠1
Untuk persamaan kedua sampai dengan ke-n dilakukan pelinearan dengan cara yang sama,
sehingga diperoleh
𝑠1 ∆𝑥1 + 𝑥1 ∆𝑠1 − 𝜇 + 𝑥1 𝑠1 = 0
𝑠2 ∆𝑥2 + 𝑥2 ∆𝑠2 − 𝜇 + 𝑥2 𝑠2 = 0
⋮
𝑠𝑛 ∆𝑥𝑛 + 𝑥𝑛 ∆𝑠𝑛 − 𝜇 + 𝑥𝑛 𝑠𝑛 = 0
Dapat juga ditulis
𝑠1 ∆𝑥1 𝑥1 ∆𝑠1 1 𝑥1 𝑠1 0
𝑠2 ∆𝑥2 𝑥2 ∆𝑠2 𝑥
1 + 2 𝑠2 0
⋮ + ⋮ -𝜇 ⋮ ⋮ = ⋮
⋮ ⋮ ⋮
𝑠𝑛 ∆𝑥𝑛 𝑥𝑛 ∆𝑠𝑛 1 𝑥𝑛 𝑠𝑛 0
s∆𝐱 + 𝐱∆𝐬 − 𝜇𝐞 + 𝐱𝐬 = 𝟎
𝐱 𝑫T 𝐀T 𝐝y + 𝐝s = 𝟎
jika didefinisikan 𝑫 = diag maka 𝐀𝑫 T 𝐝y + 𝐝s = 𝟎
𝐬
sistem (6) setara dengan Jadi, persamaan kedua terbukti.∎
Lema 3
Misal (𝐱, 𝐬) adalah pasangan primal-dual positif dan 𝜇 > 0 sedemikian rupa sehingga 𝐱 T 𝐬 = 𝑛𝜇.
Selanjutnya, jika
𝜃2𝑛
𝛿 ∶= 𝛿(𝐱, 𝐬; 𝜇) dan 𝜇+ = (1 − 𝜃)𝜇 maka 𝛿(𝐱, 𝐬; 𝜇+ )2 = 1 − 𝜃 𝛿 2 + 4(1−𝜃 )
(Silalahi 2011)
Bukti :
𝐱𝐬
Didefinisikan 𝛿 + ≔ 𝛿(𝐱, 𝐬; 𝜇 + ) dan 𝐮 = , maka dapat dituliskan
𝜇
1 2
(𝛿 +)2 = 2
(𝐮+)−1 − 𝐮+
1
=
4
(𝐮+)−1 − 𝐮+ 2
𝐱𝐬
Karena 𝐮+ = , diperoleh
𝜇+
9
𝐱𝐬 𝐱𝐬 𝐱𝐬 1 𝐮
𝐮+ = = = =
𝜇+ (1−𝜃)𝜇 𝜇 1−𝜃 1−𝜃
1−𝜃
(𝐮+ )−1 =
𝐮
Sehingga diperoleh
2
1 1−𝜃 𝐮 1 𝐮 2
+ 2
𝛿 = − = 1 − 𝜃 𝐮−1 −
4 𝐮 1−𝜃 4 1−𝜃
1 𝐮 𝜃𝐮 𝜃𝐮 2
= 1 − 𝜃 𝐮−1 − − +
4 1−𝜃 1−𝜃 1−𝜃
2
1 𝐮 − 𝜃𝐮 𝜃𝐮
= 1 − 𝜃 𝐮−1 − +
4 1−𝜃 1−𝜃
2
1 −1
(1 − 𝜃)𝐮 𝜃𝐮
= 1−𝜃 𝐮 − +
4 1−𝜃 1−𝜃
2
1 1 − 𝜃 𝐮−1 − (1 − 𝜃)𝐮 𝜃𝐮
= +
4 1−𝜃 1−𝜃
2 2
1 1 − 𝜃 (𝐮−1 − 𝐮) 𝜃𝐮 1 𝜃𝐮
= + = 1 − 𝜃 (𝐮−1 − 𝐮) +
4 1−𝜃 1−𝜃 4 1−𝜃
Dari 𝐱 T 𝐬 = 𝑛𝜇 diperoleh 𝐮 2
= 𝑛, seperti berikut
𝑥1 𝑠1
𝜇
2 𝑥1 𝑠1 𝑥2 𝑠2 𝑥𝑛 𝑠𝑛 𝑥2 𝑠2
2 T
𝐮 = 𝐮T 𝐮 = 𝐮 𝐮= … 𝜇
𝜇 𝜇 𝜇
⋮
𝑥𝑛 𝑠𝑛
𝜇
𝑥1 𝑠1 𝑥2 𝑠2 𝑥𝑛 𝑠𝑛 𝐱T 𝐬
= + + ⋯+ = =𝑛
𝜇 𝜇 𝜇 𝜇
kemudian,
𝜇
𝑥1 𝑠1
𝑥1 𝑠1 𝜇
𝑥2 𝑠2 𝑥𝑛 𝑠𝑛
𝐮T 𝐮−1 = ⋯ 𝑥2 𝑠2 = 1 + 1 + ⋯ + 1 = 𝑛. 1 = 𝑛
𝜇 𝜇 𝜇
⋮
𝜇
𝑥𝑛 𝑠𝑛
selanjutnya, 𝐮T 𝐮−1 − 𝐮 = 𝐮T 𝐮−1 − 𝐮T 𝐮 = 𝑛 − 𝐮 2
=𝑛−𝑛=0
Jadi u ortogonal terhadap 𝐮−1 − 𝐮. Akibatnya,
1−𝜃 𝜃2 𝐮 2
(𝛿 + )2 = 𝐮−1 − 𝐮 2
+
4 4(1 − 𝜃)
10
Untuk menjamin nilai 𝛿 pada Lema 3 maka Teorema berikut ini adalah batas atas iterasi
diperlukan Lema 4 dan akibat 1 sebagai untuk metode interior primal-dual dengan
berikut langkah full-Newton.
Lema 4 Teorema 2
1 1
Jika 𝛿 ≔ 𝛿(𝐱, 𝐬; 𝜇) ≤ 1, maka langkah Jika 𝜏 = dan 𝜃 = , maka jumlah
2 𝑛 +1
Newton primal-dual fisibel yaitu 𝐱 + dan 𝐬+
iterasi tidak lebih dari
taknegatif. Selain itu, jika 𝛿 < 1 maka 𝐱 + dan
𝐬+ positif dan 𝑛𝜇0
𝑛 + 1 ln
𝛿2 𝜀
𝛿(𝐱 + , 𝐬+ ; 𝜇) ≤ Output dari primal-dual pasangan (x, s) yaitu
2(1 − 𝛿 2 )
𝐱 T 𝐬 ≤ 𝜀.
(Roos et al. 2006)
(Silalahi 2011)
1−𝜃 𝜃2𝑛 1 − 𝜃 2 + 𝜃 2 𝑛 𝜃 2 − 2𝜃 + 1 + 𝜃 2 𝑛
𝛿 𝐱 + , 𝐬+ ; 𝜇+ 2
≤ + = =
4 41−𝜃 4 1−𝜃 4 1−𝜃
1 2 𝑛 𝑛+1 2 2
𝑛+1−
+1+𝑛+1 𝑛+1− +1 1− +1
𝑛+1 𝑛+1 𝑛+1
= = =
1 1 1
4 1− 4 1− 4 1−
𝑛+1 𝑛+1 𝑛+1
2 1
2− 2 1−
𝑛+1 𝑛+1 2 1
= = = =
1 1 4 2
4 1− 4 1−
𝑛+1 𝑛+1
Dari penyelesaian di atas diperoleh atas dengan Lema 2 maka diperoleh Teorema
1
𝛿 𝐱 + , 𝐬+ ; 𝜇+ 2 ≤ 2 = 𝜏. Ini berarti bahwa 2.
𝛿(𝐱, 𝐬; 𝜇) ≤ 𝜏 tetap dipertahankan pada setiap Jadi, Teorema 2 terbukti.∎
iterasi. Dengan menggabungkan penjelasan di
IV STUDI KASUS
Maksimumkan −𝑦2
Dengan kendala 𝑦1 ≤ 1 Gambar 1 Masalah Klee-Minty pada saat
−𝑦1 ≤ 0 𝑛 = 4, 𝜇 = 10, dan 𝜀 = 10−5 .
1
𝑦 − 𝑦2 ≤ 0
3 1
1
𝑦 + 𝑦2 ≤ 1
3 1
Pada saat 𝜇 = 10, 𝜀 = 10−5 , 𝑛 = 4, dan 𝑚 = 2 maka jumlah iterasinya sebanyak 25 iterasi.
Banyaknya iterasi pada Tabel 1 telah sesuai dengan Teorema 2 yaitu batas atas iterasinya sebanyak
34 iterasi.
Pada saat 𝜇 = 100, 𝜀 = 10−5 , 𝑛 = 4, dan 𝑚 = 2 maka jumlah iterasinya sebanyak 29 iterasi.
Banyaknya iterasi pada Tabel 2 telah sesuai dengan Teorema 2 yaitu batas atas iterasinya sebanyak
39 iterasi.
Pada saat 𝜇 = 10, 𝜀 = 10−3 , 𝑛 = 4, dan 𝑚 = 2 maka jumlah iterasinya sebanyak 17 iterasi.
Banyaknya iterasi pada Tabel 3 telah sesuai dengan Teorema 2 yaitu batas atas iterasinya sebanyak
24 iterasi.
Iterasi 𝑛𝜇 𝑥1 𝑦1 𝑠1
0 60 32.9543 0.3035 0.3035
1 37.3221 20.4994 0.3034 0.3034
2 23.2157 12.7524 0.3034 0.3034
3 14.4410 7.9342 0.3034 0.3034
4 8.9828 4.9381 0.3033 0.3033
5 5.5876 3.0761 0.3029 0.3029
6 3.4757 1.9205 0.3021 0.3021
7 2.1620 1.2053 0.3001 0.3001
8 1.3448 0.7652 0.2956 0.2956
9 0.8365 0.4969 0.2859 0.2859
10 0.5204 0.3357 0.2673 0.2673
11 0.3237 0.2408 0.2362 0.2362
12 0.2013 0.1862 0.1929 0.1929
13 0.1252 0.1551 0.1443 0.1443
14 0.0779 0.1374 0.1002 0.1002
15 0.0485 0.1270 0.0663 0.0663
16 0.0301 0.1209 0.0428 0.0428
17 0.0188 0.1171 0.0272 0.0272
18 0.0117 0.1148 0.0171 0.0171
19 0.0073 0.1134 0.0107 0.0107
20 0.0045 0.1125 0.0067 0.0067
21 0.0028 0.1120 0.0042 0.0042
22 0.0017 0.1117 0.0026 0.0026
23 0.0011 0.1115 0.0016 0.0016
24 6.7564e-004 0.1113 0.0010 0.0010
25 4.2027e-004 0.1112 0.6299e-003 0.0006
26 2.6142e-004 0.1112 0.3920e-003 0.0004
27 1.6262e-004 0.1112 0.2439e-003 0.0002
28 1.0115e-004 0.1111 0.1517e-003 0.0002
29 6.2920e-005 0.1111 0.9437e-004 0.0001
14
Pada saat 𝜇 = 10, 𝜀 = 10−5 , 𝑛 = 6, dan 𝑚 = 3 maka jumlah iterasinya sebanyak 32 iterasi.
Banyaknya iterasi pada Tabel 4 telah sesuai dengan Teorema 2 yaitu batas atas iterasinya sebanyak
41 iterasi.
Pada saat 𝜇 = 100, 𝜀 = 10−5 , 𝑛 = 6, dan 𝑚 = 3 maka jumlah iterasinya sebanyak 37 iterasi.
Banyaknya iterasi pada Tabel 5 telah sesuai dengan Teorema 2 yaitu batas atas iterasinya sebanyak
47 iterasi.
15
Pada saat 𝜇 = 10, 𝜀 = 10−3 , 𝑛 = 6, dan 𝑚 = 3 maka jumlah iterasinya sebanyak 23 iterasi.
Banyaknya iterasi pada Tabel 6 telah sesuai dengan Teorema 2 yaitu batas atas iterasinya sebanyak
29 iterasi.
2
DAFTAR PUSTAKA
Grimaldi RP. 2004. Discrete and Munir Rinaldi. 2003. Metode Numerik.
Combinatorial Mathematics: An Applied Bandung: Informatika.
Introduction. Ed ke-5. New York: Pearson.
Ross C, Terlaky T, and Vial J-Ph. 2006.
Leon SJ. 2001. Aljabar Linear dan Interior Point Methods for Linear
Aplikasinya. Ed ke-5. Bondan A, Optimization. New York: Springer.
Penerjemah; Hardani HW, Editor. Jakarta:
Erlangga. Terjemahan dari Linear Algebra Silalahi BP. 2011. On the Central Path of
with Aplications. Redundant Klee-Minty Problems. PhD
thesis. Roos C (promotor). Delft
Mitchell JE, P.M. Pardalos and M.G.C. University of Technology. The
Resende. 1998. Interior Point Methods for Netherlands: TU Delft.
Combinatorial Optimization. Kluwer
Academic Publishers. Winston WL. 2004. Operation Research:
Applications and Algorithms. Ed ke-4.
New York: Duxbury.
2
LAMPIRAN
18
rb = b - A*x;
rc = c - A'*y - s;
v = sqrt(x.*s/mu);
r = v.^(-1)-v;
D = diag(sqrt(x./s));
AA=A*D;
M=AA*AA';
dy=M\rhs;
Dy = sqrt(mu)*dy;
ds = diag(v./s)*rc - AA'*dy;
dx = r - ds;
Dx = x.*dx./v;
Ds = s.*ds./v;
alpha = 1;
x = x + alpha*Dx;
y = y + alpha*Dy;
s = s + alpha*Ds;
return
19
y = [0.5 0.5]';
s = c - A'*y
mu = 10
% mu = 100
% hilangkan tanda persen jika digunakan
x = mu./s
figure(3)
axis([0 1 0 1])
line('color',[0 0 0],'linestyle','*','erase','none','xdata',
y(1),'ydata',y(2),'markersize',5);
for i = 1:250,
[x,y,s] = Newton_step(A,b,c,x,y,s,mu);
line('color',[0 0 0], 'linestyle','*','erase','none','xdata',
y(1),'ydata',y(2),'markersize',5);
end
rb = A*x-b;
rc = c - A'*y - s;
[x s]
x
y
x.*s
mu=(x'*s)/(n);
theta = 1/sqrt(5);
% theta = 1/sqrt(n+1)
% nilai theta bergantung pada n
eps = 10^(-3);
% eps = 10^(-5)
% hilangkan tanda persen jika digunakan
figure(3)
line('color',[0 1 0],'linestyle','o','erase','none','xdata',
y(1),'ydata',y(2),'markersize',2);
20
Lanjutan Lampiran 2
it=0
while n*mu>eps,
nmu=n*mu
mu = (1-theta)*mu
x
y
s
[x,y,s] = Newton_step(A,b,c,x,y,s,mu);
line('color',[0 0 1],'linestyle','o','erase','none','xdata',
y(1),'ydata',y(2),'markersize',2);
it=it+1
end
line('color',[1 0 0],'linestyle','*','erase','none','xdata',y(1),
'ydata',y(2),'markersize',4);
return
21
figure(3)
clf
figure(3)
axis([0 1 0 1])
line('color',[0 0 0],'linestyle','*','erase','none','xdata',
y(1),'ydata',y(2),'markersize',5);
for i = 1:250,
[x,y,s] = Newton_step(A,b,c,x,y,s,mu);
line('color',[0 0 0], 'linestyle','*','erase','none','xdata',
y(1),'ydata',y(2),'markersize',5);
end
rb = A*x-b;
rc = c - A'*y - s;
[x s]
x
y
x.*s
mu=(x'*s)/(n);
theta = 1/sqrt(7);
% theta = 1/sqrt(n+1)
% nilai theta bergantung pada n
eps = 10^(-3);
% eps = 10^(-5)
% hilangkan tanda persen jika digunakan
figure(3)
line('color',[0 1 0],'linestyle','o','erase','none','xdata',y(1),
'ydata',y(2),'markersize',2);
22
Lanjutan Lampiran 3
it=0
while n*mu>eps,
nmu=n*mu
mu = (1-theta)*mu
x
y
s
[x,y,s] = Newton_step(A,b,c,x,y,s,mu);
line('color',[0 0 1],'linestyle','o','erase','none','xdata',
y(1),'ydata',y(2),'markersize',2);
it=it+1
%pause(0.2)
%end
end
line('color',[1 0 0],'linestyle','*','erase','none','xdata',y(1),
'ydata',y(2),'markersize',4);
line('color',[1 0 0],'linestyle','-','erase','none','xdata',xx,
'ydata',yy,'markersize',4);
return