ANALISIS SISTEM DAN OPTIMASI

PERTEMUAN KE-9: SINGLE-VARIABLE

OPTIMIZATION

SEMESTER 7
DOSEN PENGAMPU:
HARUM AZIZAH DAROJATI ST, MT
EMAIL : harum.azizah@batan.go.id
JURUSAN TEKNOKIMIANUKLIR
SEKOLAH TINGGI TEKNOLOGI NUKLIR-BATAN
SINGLE-
VARIABLE
OPTIMIZATION
METODE OPTIMASI SATU VARIABEL

Optimasi Satu Variabel

 menentukan titik minimum atau maksimum dari sebuah fungsi dengan satu variabel f(x)
1. Metode Bisection
2. Metode Golden Section
3. Metode Newton Raphson
4. Quadratic Method
5. Secant Method
6. Cubic Search Method
METODE
BISECTION
DEFINISI
Ide awal metode ini adalah metode table,
dimana area dibagi menjadi N bagian. Hanya
saja metode biseksi ini hanya membagi range
menjadi 2 bagian, dari dua bagian ini dipilih
bagian mana yang mengandung dan bagian
yang tidak mengandung akar dibuang. Hal ini
dilakukan berulang-ulang hingga diperoleh
akar persamaan.
 Pilih a sebagai batas bawah dan
b sebagai batas atas untuk
taksiran akar sehingga terjadi
Langkah 1 perubahan tanda fungsi dalam
selang interval. Atau periksa
apakah benar bahwa
f(a) . f(b) < 0
 a+b
Langkah 2
Taksiran nilai akar baru,
c diperoleh dari : c=
2
 Jika z merupakan akar fungsi, maka f(x
< z) dan f(x > z) saling berbeda
tanda.
Langkah 3 f(a)*f(c) negatif, berarti di antara a & c
ada akar fungsi.
f(b)*f(c) positif, berarti di antara b & c
tidak ada akar fungsi
 Proses pencarian akar fungsi
dihentikan setelah
Langkah 3 keakuratan yang diinginkan
dicapai, yang dapat
diketahui dari kesalahan
relatif semu.
 Algoritma
Algoritma Metode Bisection
1. Definisikan fungsi f(x) yang akan dicari akarnya
2. Tentukan interval perkiraan awal, nilai a dan b
3. Tentukan toleransi e dan iterasi maksimum N
4. Hitung f(a) dan f(b)
5. Jika f(a).f(b)>0 maka proses dihentikan karena tidak ada akar, bila tidak dilanjutkan
6. Hitung titik tengah interval x=(a+b)/2
7. Hitung f(x)
8. Jika f(x).f(a)<0 maka b=x dan f(b)=f(x), jika tidak a=x dan f(a)=f(x)
9. Jika |b-a| atau iterasi>iterasi maksimum maka proses dihentikan dan didapatkan
akar=x, dan jika tidak ulangi langkah 6
 Contoh Soal
-x
Xe +1=0
Tentukan nilai x
menggunakan metode
biseksi dengan range awal
x=[-1,0]

✓ Pada iterasi ke 10 diperoleh nilai x=-0,56738 dan nilai f(x)=-0,00066

✓ Untuk menghentikan iterasi dapat menggunakan toleransi error
atau iterasi maksimum
✓ Catatan: Dengan menggunakan metode biseksi dengan toleransi
error 0,001 dibutuhkan 10 iterasi, semakin teliti (kecil toleransi
errornya) maka semakin banyak jumlah iterasi yang dibutuhkan
METODE
GOLDEN
SECTION
 METODE GOLDEN SECTION
o Golden section merupakan salah satu cara optimasi numeris yang bisa dipakai untuk
fungsi yang bersifat unimodal (Rudd dan Watson, 1968). Kedua tipe optimasi, yaitu
maksimasi dan minimasi dapat diselesaikan dengan cara ini.
o Bila berhadapan dengan masalah keuntungan, keadaan optimum adalah keadaan
yang memberikan keuntungan maksimum (maksimasi), sedangkan apabila
berhadapan dengan masalah pengeluaran/pengorbanan, keadaan optimum adalah
memberikan pengeluaran/pengorbanan minimum (minimasi).
 Golden-section (search) method merupakan metode optimasi satu variabel yang
sederhana, dan mempunyai pendekatan yang mirip dengan metode bisection dalam
penentuan akar persamaan tak linier.
METODE GOLDEN SECTION

 Secara analitis, nilai maksimum atau minimum dari suatu persamaan:

y= f(x) (1)
 Dapat diperoleh pada harga x yang memenuhi
y ’(x)=f ’(x)=0 (2)
 Untuk fungsi yang sukar untuk diturunkan atau mempunyai turunan yang sukar dicari
akarnya, proses optimasi dapat dilakukan secara numeris.
METODE GOLDEN SECTION

 Tinjaulah fungsi f(x) yang akan ditentukan

maksimum-nya, pada rentang x = xl dan x = xu 𝑙1 𝑙2
 =
𝑙0 𝑙1
𝑙𝑖 𝑙2
 =
𝑙1+𝑙2 𝑙1
𝑙1+𝑙2 𝑙1 𝑙2
 = →𝑅=
𝑙1 𝑙2 𝑙1
𝑙2 𝑙1
 1+ =
𝑙2 𝑙2
1 Bilangan R ini selanjutnya
 1+𝑅 = biasa disebut sebagai golden
𝑅
ratio atau golden number

https://diyarkholisoh.files.wordpress.com/2008/12/optimasi-numerik-doc-dy.pdf
METODE GOLDEN SECTION

Bilangan R ini selanjutnya

𝑅 = 0,61803
biasa disebut sebagai golden
ratio atau golden number

https://media.neliti.com/media/publications/98930-ID-none.pdf
 𝑙1 𝑙2
 =
𝑙0 𝑙1
𝑙𝑖 𝑙2
 =
𝑙1+𝑙2 𝑙1
𝑙1+𝑙2 𝑙1 𝑙2
 = →𝑅=
𝑙1 𝑙2 𝑙1
𝑙2 𝑙1
 1 + =
Gambar 1. Metode Golden Section 𝑙2 𝑙2
1
 1+𝑅 =
𝑅
 𝑅 = 0,61803
A. MAKSIMASI → F’’(X)<0

Gambar 2. yp<yq Gambar 3. yp>yq

 Pada maksimasi, nilai y yang lebih kecil yang dieliminasi areanya

B. MINIMASI → F’’(X)>0

Gambar 4. yp<yq Gambar 5. yp>yq

 Pada minimasi, nilai y yang lebih besar yang dieliminasi areanya

CONTOH MINIMASI

Soal:
Penyelesaian:
𝑦 𝑥 = 2𝑥 2 − 8𝑥 + 12
𝒙𝒒 = 𝒙𝒃 − 𝒙𝒂 𝟎, 𝟔𝟏𝟖𝟎𝟑
𝑦 ′ 𝑥 = 4𝑥 − 8 = 0
𝑥𝑞 = (4) 0,61803
4𝑥 = 8
𝑥𝑞 = 2,4721 → 𝑦𝑞 = 4,4458
𝑥=2
𝒙𝒑 = 𝒙𝒃 − 𝒙𝒂 − 𝒙𝒒
𝑥𝑝 = 4 − 2,4721
𝑦 𝑥 = 2(2)2 −8(2) + 12
𝑥𝑝 = 1,5279 → 𝑦𝑝 = 4,4458
𝑦 𝑥 =4
CONTOH MINIMASI

Penyelesaian (lanjutan):
𝑥𝑞4 = 2,4721 − 1,5279 𝑥 0,61803 + 1,5279 = 2,1114
𝑥𝑝2 = 2,4721 𝑥 1,5279
𝑥𝑝2 = 0,9442 → 𝑦𝑝2 = 6,0232
𝑦𝑞2 = 𝑦𝑞 = 4,4458

1,8885 + 2,1114
𝑥 𝑚𝑖𝑛 = = 1,999995 = 2
2
𝑦𝑝3 = 𝑦𝑞2 = 4,4458
Nilai dianggap benar jika Xp dan Xq sama atau mirip.
𝑥𝑞3 = 1,8885 → 𝑦𝑞3 = 4,0249
METODE
NEWTON-
RAPHSON
OVERVIEW
Ditemukan oleh Newton untuk menyelesaikan persamaan
nonlinear kemudian dikembangkan oleh Raphson.

Menggunakan pendekatan kuadratik

Perlu data turunan pertama dan kedua dari fungsi x, f(x)

Metode Newton Raphson
Metode Newton Rapshon merupakan
metode pendekatan yang mengguna
-kan satu titik awal dan mendekatinya
dengan memperhatikan gradien pada
titik tersebut.
Metode ini dimulai dengan mencari
garis singgung kurva pada titik (xi,
f(xi)). Perpotongan garis singgung
dengan sumbu x yaitu Xi+1, akan
menjadi nilai x yang baru, dengan
cara dilakukan berulang-ulang
(iterasi)
 HOW TO CALCULATE?
Diketahui nilai f(x) = 0, maka berapa nilai x yang memenuhi persamaan tersebut?

1ST STEP
2 ND STEP

Tetapkan nilai tebakan awal 𝑥𝑖 Hitung nilai 𝑥𝑖+1 melalui nilai tebakan
Hitung nilai 𝑓 𝑥 pada saat 𝑥 = awal dengan cara:
𝑥𝑖 [𝑓′(𝑥𝑖 )] 𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 +
Hitung nilai turunan pertama 𝑓 𝑥 𝑓′(𝑥𝑖 )
pada saat 𝑥 = 𝑥𝑖 [𝑓′(𝑥𝑖 )]

3 RD STEP
4 TH STEP

Hitung nilai 𝑥𝑖+2 dengan nilai tebakan Jika hasil 𝑥𝑖+2 nilainya selisih sedikit
awal berupa nilai 𝑥𝑖+1 (mendekati 0) daripada nilai 𝑥𝑖+1
𝑓(𝑥𝑖+1 ) serta jika 𝑥𝑖+2 dimasukkan ke dalam
𝑥𝑖+2 = 𝑥𝑖 +
𝑓′(𝑥𝑖+1 ) persamaan f(x) = 0; maka nilai x
adalah 𝑥𝑖+2
Hitunglah akar dari 𝑥 4 − 5𝑥 3 + 9𝑥 + 3 = 0 akurat dengan 6 decimal
pada interval [4,6]
STEP 1 STEP 2
Tebakan awal 𝑥0 = 5
𝑓 𝑥0 = 𝑥 4 − 5𝑥 3 + 9𝑥 + 3 𝑓(𝑥0 )
𝑓 𝑥0 = 54 − 5 53 + 9 5 + 3
𝑥1 = 𝑥0 +
𝑓′(𝑥0 )
𝒇 𝒙𝟎 = 𝟒𝟖 48
𝑥1 = 5 +
134
𝑓 ′ 𝑥0 = 4𝑥 3 − 15𝑥 2 + 9
𝒙𝟏 = 𝟒, 𝟔𝟒𝟏𝟕𝟗𝟏𝟎𝟒𝟓
𝑓 ′ 5 = 4 53 − 15 52 + 9 = 134
𝒇′ 𝟓 = 𝟏𝟑𝟒

STEP 3 STEP 4
𝑓(𝑥1 ) 𝑓(𝑥2 )
𝑥2 = 𝑥1 + 𝑥3 = 𝑥2 +
𝑓′(𝑥1 ) 𝑓′(𝑥2 )
48 48
𝑥2 = 𝟒, 𝟔𝟒𝟏𝟕𝟗𝟏𝟎𝟒𝟓 + 𝑥3 = 𝟒, 𝟓𝟐𝟖𝟗𝟕𝟑𝟕𝟐𝟕 +
134 134
𝒙𝟐 = 𝟒, 𝟓𝟐𝟖𝟗𝟕𝟑𝟕𝟐𝟕 𝒙𝟑 = 𝟒, 𝟓𝟐𝟖𝟗𝟏𝟕𝟗𝟔
Hitunglah akar dari 𝑥 4 − 5𝑥 3 + 9𝑥 + 3 = 0 akurat dengan 6 decimal
pada interval [4,6]
STEP 5 FINISHED
𝑓(𝑥3 )
𝑥4 = 𝑥3 + Karena 𝑥3 = 𝑥4 maka akar dari
𝑓′(𝑥3 )
48 persamaan f(x) adalah 𝟒, 𝟓𝟐𝟖𝟗𝟏𝟕𝟗𝟔
𝑥4 = 𝟒, 𝟓𝟐𝟖𝟗𝟏𝟕𝟗𝟔 +
134
𝒙𝟒 = 𝟒, 𝟓𝟐𝟖𝟗𝟏𝟕𝟗𝟔
 (INTERPOLA
QUADRATIC SI
METHOD KUADRATIK)
 INTERPOLASI
Interpolasi adalah perkiraan suatu nilai tengah
dari suatu set nilai yang diketahui. Interpolasi
dengan pengertian yang lebih luas merupakan
upaya mendefinisikan suatu fungsi dekatan suatu
fungsi analitik yang tidak diketahui atau pengganti
fungsi rumit yang tak mungkin diperoleh
persamaan analitiknya.
Interpolasi metode numerik terdiri dari interpolasi
linear dan interpolasi kuadratik
 INTERPOLASI KUADRATIK
Diketahui : 3 buah titik data
(x0, y0)
(x1, y1)
(x2, y2)

Polinom yang menginterpolasikan

ketiga buah titik itu adalah polinom
kuadrat yang berbentuk:
𝑝2 𝑥 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2
  PENYELESAIAN POLINOM P2 (X)
3. Hitung 𝑎0 , 𝑎1 , dan 𝑎2 dari
sistem persamaan tersebut
dengan metode eliminasi 4. Selain menggunakan metode
2. Diperoleh tiga persamaan Gauss. eliminasi Gauss, menentukan
dengan tiga buah parameter 𝑎0 , 𝑎1 , dan 𝑎2 dapat ditentukan
yang tidak diketahui yaitu: dengan cara sebagai berikut:
𝑎0 , 𝑎1 , dan 𝑎2 Hitung
𝑦𝑖+1 − 𝑦𝑖
𝑎0 + 𝑎1 𝑥0 + 𝑎2 𝑥02 = 𝑦0 𝐹01 =
𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥12 = 𝑦1 𝑥𝑖+1 − 𝑥𝑖
𝑦𝑖+2 − 𝑦𝑖+1
𝑎0 + 𝑎1 𝑥2 + 𝑎2 𝑥22 = 𝑦2 𝐹12 =
𝑦𝑖+2 − 𝑦𝑖+1
𝐹12 − 𝐹01
𝐹012 =
𝑥𝑖+2 − 𝑥𝑖
Quadratic Method
1. Substitusikan (𝑥𝑖 , 𝑦𝑖 ) ke
dalam persamaan
𝑝2 𝑥 = 𝑎0 + 𝑎1 𝑥𝑖 + 𝑎2 𝑥𝑖2 5. Hitung
dengan i = 0, 1, 2 𝑃 = 𝑦1 + 𝑥 − 𝑥𝑖 𝐹01 + (𝑥 −
𝑥𝑖 )(𝑥 − 𝑥𝑖+1 )𝐹012
  ALGORITMA INTERPOLASI KUADRATIK

1. Tentukan nilai 𝒙𝟎 , 𝒚𝟎 , 𝒙𝟏 , 𝒚𝟏 , 𝒙𝟐 , dan

𝒚𝟐 . 5. Hitung
𝒚𝟏 − 𝒚𝟎
𝑭𝟎𝟏 =
𝒙𝟏 − 𝒙𝟎
𝒚𝟐 − 𝒚𝟏
2. Periksa apakah 𝒙𝟎 < 𝒙𝟏 < 𝒙𝟐 . Jika 𝑭𝟏𝟐 =
𝒙𝟐 − 𝒙𝟏
tidak, maka kembali ke langkah 1 sebab 𝑭𝟏𝟐 − 𝑭𝟎𝟏
nilai fungsinya tidak terdefinisi dalam 𝑭𝟎𝟏𝟐 =
𝒙𝟐 − 𝒙𝟎
kondisi ini. Jika tidak, maka dilanjutkan
ke langkah 3.
6. Hitung
𝑷 = 𝒚𝟏 + 𝒙 − 𝒙𝒊 𝑭𝟎𝟏 + 𝒙 − 𝒙𝒊 (𝒙 − 𝒙𝒊 )𝑭𝟎𝟏𝟐
3. Masukkan nilai 𝐱.
7. Periksa apakah 𝑭𝟎𝟏𝟐 = 𝟎. Jika ya,
4. Periksa apakah maka persamaan yang dihasilkan
𝒎𝒊𝒏 𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 ≤ 𝐱 ≤ 𝒎𝒂𝒙 𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 linear. Jika tidak maka persamaan
. Jika tidak, maka masukkan nilai 𝐱 yang dihasilkan merupakan
yang lain. Jika ya, maka dilanjutkan persamaan kuadrat.
langkah 5.
8. Tulis hasil 𝐲 = 𝐏.
DIAGRAM ALIR
INTERPOLASI
KUADRATIK
CONTOH:
Diberikan titik
ln(8.0) = 2.0794,
ln(9.0) = 2.1972, dan
ln(9.5) = 2.2513.
Tentukan nilai ln(9.2) dengan
interpolasi kuadratik.
  Diketahui

DIketahui: Sistem persamaan yang terbentuk adalah:

𝑥0 = 8.0, 𝑦0 = 2.0794 𝑎0 + 8.0 𝑎1 + 64.00 𝑎2 = 2.0794
𝑥1 = 9.0, 𝑦1 = 2.1972 𝑎0 + 9.0 𝑎1 + 81.00 𝑎2 = 2.1972
𝑥2 = 9.5, 𝑦2 = 2.2513 𝑎0 + 9.5 𝑎1 + 90.25 𝑎2 = 2.2513

Untuk perhitungan secara manual,

Ditanya : sistem persamaan diselesaikan dengan
Tentukan nilai ln (9.2). metode eliminasi Gauss
  Penyelesaian
𝑎0 + 8.0 𝑎1 + 64.00 𝑎2 = 2.0794
Matriks yang terbentuk dari persamaan → 𝑎0 + 9.0 𝑎1 + 81.00 𝑎2 = 2.1972
𝑎0 + 9.5 𝑎1 + 90.25 𝑎2 = 2.2513

1 8 64 2.0794 𝑅2, R1(−1) 1 8 64 2.0794

1 9 81 2.1972 0 1 17 0.1178
𝑅3, R1(−1)
1 9.5 90.25 2.2513 0 1.5 26.25 0.1719

𝑅12(−8) 10−72 1.137 1 10−72 1.137

01 17 0.1178 𝑅3, 𝑅1 01 17 0.1178
𝑅32(−1.5) 0,75
000.75−0.0048 00 1 −0.0064

𝑅13(72) 100 0.6762

010 0.2266
𝑅23(−17)
001−0.0064
  Penyelesaian (lanjutan)
Add Text
Simple
PowerPoint
Presentation
Menggunakan metode Eliminasi gauss menghasilkan
𝑎0 = 0.6762, 𝑎1 = 0.2266, 𝑎2 = −0.0064
Polinom kuadratnya adalah:
𝑝2 𝑥 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2
𝑝2 9.2 = 0.6762 + 0.2266. 9.2 + −0.0064. (9.2)2
Add Text 𝑝2 9.2 = 2.2192
Simple
PowerPoint
Presentation
METODE SECANT
 Waktu di SMA, kita sering menyelesaikan
persamaan kuadrat yaitu berbentuk f(x) = a.
x²+ b.x+ c
misalnya persamaan kuadrat:
x²- 9 = 0,
INGATKAH maka akar-akarnya dapat ditentukan dengan
persamaan abc

KAMU?? x = (-b ± √ b²-4.ac)/2a

Maka akar x2- 9 = adalah
x1= + 3 dan x2= - 3
METODE SECANT

Kelemahan dari metode Newton

Raphson adalah evaluasi nilai turunan
dari f(x), karena tidak semua f(x)
Metode Secant memerlukan 2
mudah dicari turunannya. Suatu saat
tebakan awal yang tidak harus
mungkin saja ditemukan suatu fungsi
mengurung/ mengapit akar
yang sukar dicari turunannya. Untuk
menghindari hal tersebut
diperkenalkan metode Secant.
METODE SECANT
LANGKAH KERJA

▪ Tentukan harga awal xi dan xi-1

▪ Taksiran akar pada xi+1 ditentukan
dengan persamaan:
CONTOH
Hitung salah satu akar dari

dengan tebakan awal 1.4 dan 1.5;

CONTOH
Langkah 1
CONTOH
Langkah 2
CONTOH

Jika dibandingkan dengan Newton Raphson dengan akar = 1,3191 dan

maka metode Secant lebih cepat, tapi tingkat kesalahannya lebih besar
METODE CUBIC
SEARCH
 CUBIC SEARCH METHODE

Mirip dengan metode estimasi titik kuadrat berturut-turut kecuali bahwa

derivatif digunakan untuk mengurangi jumlah nilai awal yang diperlukan.
Misalnya

ҧ
𝑓(x)=𝑎 𝑜 + 𝑎1 𝑥 − 𝑥1 + 𝑎2 𝑥 − 𝑥1 𝑥 − 𝑥2 + 𝑎3 𝑥 − 𝑥1
2
𝑥 − 𝑥2

𝑎0 , 𝑎1 , 𝑎2 , 𝑎3 menjadi tidak diketahui karena itu memerlukan

setidaknya empat nilai untuk menentukan fungsi.

Fungsi juga dapat ditentukan dengan menentukan nilai fungsi serta

turunannya pada dua titik

( 𝑎1 , 𝑓1 , 𝑓′1 , (𝑎2 , 𝑓2 , 𝑓′2 )) dan dengan mengatur persamaan ke nol.

CUBIC SEARCH METHODE

{
𝑥2 , 𝑗𝑖𝑘𝑎 𝜇 = 0
𝑥ҧ = 𝑥2 − 𝜇 𝑥2 − 𝑥1 , 𝑗𝑖𝑘𝑎 0 ≤ 𝜇 ≤ 1
𝑥1 , 𝑗𝑖𝑘𝑎 𝜇 > 1

dimana
3(𝑓1 − 𝑓2 )
𝑧= + 𝑓′1 + 𝑓′2
𝑥1 − 𝑥2
𝑥1 − 𝑥2
𝑤= (𝑧 2 − 𝑓′1 𝑓′2 )
𝑥1 − 𝑥2

𝑓′2 + 𝑤 − 𝑧
𝜇=
𝑓′1 − 𝑓 ′ 2 + 2𝑤
 CUBIC SEARCH METHODE

Mirip dengan metode estimasi kuadratik Powell berturut-turut, estimasi f(x)

dapat digunakan untuk memperkirakan nilai minimum sebenarnya dari fungsi
tujuan.

Perkirakan dengan dua poin sebelumnya digunakan untuk menemukan

estimasi berikutnya dari titik minimum sebenarnya.

Produk turunannya dari dua nilai adalah negatif.

Prosedur dilanjutkan sampai keakuratan yang diinginkan

 CUBIC SEARCH METHODE

Algoritma Perhitungan

Tahap 1
✓ Pilih nilai awal 𝑥 (0) , selisih Δ dan dua parameter terminasi 𝜀1 dan 𝜀1
✓ Hitung 𝑓′(𝑥 (0) )
✓ Jika 𝑓 ′ 𝑥 0 > 0, atur Δ = - Δ, atur k=0

Tahap 2 :Hitung 𝑥 (𝑘+1) = 𝑥 (𝑘) + 2𝑘 ∆

Tahap 3: Evaluasi 𝑓′(𝑥 (𝑘+1) )

✓ Jika 𝑓′(𝑥 (𝑘+1) ) 𝑓′(𝑥 (𝑘) ) ≤ 0, atur 𝑥1 = 𝑥 𝑘 , 𝑥1 = 𝑥 (𝑘+1) kemudian ke tahap 4
✓ Atau Atur 𝑘 = 𝑘 + 1 dan ke tahap 2

Tahap 4 : hitung nilainya dengan

{
𝑥2 , 𝑗𝑖𝑘𝑎 𝜇 = 0
𝑥ҧ = 𝑥2 − 𝜇 𝑥2 − 𝑥1 , 𝑗𝑖𝑘𝑎 0 ≤ 𝜇 ≤ 1
𝑥1 , 𝑗𝑖𝑘𝑎 𝜇 > 1
 CUBIC SEARCH METHODE

Tahap 5: jika 𝑓(𝑥)ҧ ≤ 𝑓 𝑥1 kemudian ke tahap 6

𝑥−𝑥
✓ jika tidak atur 𝑥ҧ = 𝑥ҧ − ( 2 1) sampai 𝑓(𝑥)ҧ ≤ 𝑓 𝑥1 dicapai

ҧ 1
𝑥−𝑥
Tahap 6: Hitung 𝑓 ′ 𝑥ҧ . Jika 𝑓 ′ 𝑥ҧ < 𝜀1 dan ≤ 𝜀1 perhitungan selesai
𝑥ҧ
Jika tidak
✓ Jika 𝑓′ 𝑥ҧ . 𝑓′ 𝑥1 < 0, atur 𝑥2 = 𝑥ҧ ;
✓ Jika tidak 𝑥1 = 𝑥ҧ ;
Kemudian ke tahap 4
 CUBIC SEARCH METHODE

CONTOH PENYELESAIAN

54
𝐹 𝑥 = 𝑥2 +
𝑥
Langkah pertama:
 x(0)= 1; △= 0,5; ԑ(1)= ԑ(2)= 10^-3
54
 𝐹 ′ 𝑥 = 2𝑥 − 2 ; 𝐹 ′
𝑥 0 = −52
𝑥

 Karena 𝐹 ′ 𝑥 0 < 0 maka △= 0,5

 k=0; 𝑥 1 = 1,5; 𝐹 ′ 𝑥 1 = −21
 CUBIC SEARCH METHODE

Langkah kedua:
𝑘 = 1; 𝑥 2 = 2,5; 𝐹’ 𝑥 2 = −3,64
𝑘 = 2; 𝑥 3 = 4,5; 𝐹 ′ 𝑥 3 = 6,333
𝐹′ 𝑥 2 × 𝐹′ 𝑥 3 < 0; langkah selanjutnya dapat
dilakukan
𝑥1 = 𝑥 2 = 2,5; 𝑥2 = 𝑥 3 = 4,5
 CUBIC SEARCH METHODE

Langkah 4 : Perkiraan titik dihitung

Langkah 4: (Iterasi Kedua)
 z = -3,907
 x1 = 2.5, f '(x1) = - 3.641, x2 = 3.030
 w = 6,190
 μ = 0,735  f' (x2) = 0.178
 x = 4,5-0,735 (4,5-2,5) = 3,030  x = 2.999

Langkah 5: Langkah 5: (Iterasi Kedua)

 f (x) = 27,003
 f (x) = 27.00 <F (x1)
 karena f (x) <f (x1), lanjutkan ke Langkah 6.

Langkah 6 :
 f '(x) = 0,178 (kriteria belum memuaskan)
 f '(x) f' (x1) <0, maka x2 = x = 3.030
 Akhir iterasi satu. dan lanjutkan ulangi ke
Langkah 4
Langkah 6: (Iterasi Kedua)
 f '(x) = ‐0,007 → x2 = 3.030 dan x1 = 2.999 untuk iterasi berikutnya
 Metode lebih cepat daripada kuadrat Powell karena derivatif digunakan.
Metode Powell lebih disukai jika turunannya harus dievaluasi secara
numerik.
  Metode paling efektif jika turunan pastinya
tersedia
 Bracketing dari titik minimum yang dicapai
dalam tiga langkah pertama
 Algoritma bracketing mirip dengan metode
fase terikat
 Kecuali iterasi pertama, nilai fungsi serta

CUBIC SEARCH turunan pertama dihitung hanya pada satu

titik baru ꟷ>Hanya diperlukan dua evaluasi
fungsi baru.

METHODE  Iterasi pertama membutuhkan eksekusi

berulang dari langkah 2 dan 3 untuk
mendapatkan titik kurung.
 Jika titik baru lebih baik daripada x1, salah
satu dari dua titik tersebut dihilangkan
tergantung pada tanda kurung mana dengan
minimum sebenarnya.
 Jika titik baru lebih buruk dari x1, dua yang
terbaik di antara titik dan akan braket.
 Perhitungan turunan yang berlebihan
dihindari dengan hanya memodifikasi titik.
TUGAS1 (KELOMPOK)

 Carilah contoh soal dalam aplikasi teknokimia nuklir yang menggunakan penyelesaian metose single variable tadi:
1. Metode Golden Section
2. Metode Newton Raphson
3. Quadratic Method
4. Bisection Method
5. Secant Method
6. Cubic Search Method
dikerjakan secara kelompok beranggotakan 4-5 orang, dikumpulkan paling lambat 28 November 2021 pukul 24.00
lewat classrom, dibuat dalam bentuk file ppt dengan menyertakan soal dengan pendefinisian persamaan dan
variabel atau kendala yang diketahui dan yang ditanyakan, lalu penyelesaiannya
NEXT:
MULTIVARIABLE
OPTIMIZATION