10.

4 OPTIMASI BERSYARAT

Dalam kenyataan sering kali kita harus

mengekstrimkan atau mengoptimumkan
suatu fungsi yakni mencari nilai maksimum
atau nilai minimumnya tetapi terkekang oleh
suatu fungsi lain yang harus dipenuhi
dengan kata lain fungsi yang hendak
dioptimumkan tadi menghadapi suatu
kendala (constraint) kasus optimasi
bersyarat semacam ini banyak dijumpai
dalam bidang ekonomi. Misalnya seseorang
hendak memaksimumkan utilitas atau
tingkat kepuasannya tetapi terikat pada
fungsi pendapatan atau sebuah perusahaan
ingin memaksimumkan labanya namun
terikat pada fungsi produksi.

10.4.1 PENGGANDA LAGRANGE

Perhitungan nilai ekstrim sebuah fungsi

yang menghadapi kendala berupa sebuah
fungsi lain dapat diselesaikan dengan
metode lagrange caranya adalah dengan
membentuk sebuah fungsi baru disebut
fungsi lagrange yang merupakan
penjumlahan dari fungsi yang hendak
dioptimumkan ditambah hasil kali
pengganda lagrange A dengan fungsi
kendalanya.
Misalnya hendak dioptimumkan z= = f(x, y)
Dengan syarat harus terpenuhi u = g(x, y)

Maka fungsi lagrangenya:

F(x,y,2) = f(x,y) +λ g(x,y)

Nilai ekstrim F(x, y,λ) dapat dicari dengan

memformulasikan masing-masing derifatif
parsial pertamanya sama dengan nol

Pengganda lagrange 2 adalah suatu

variable tak tentu yang hanya bersifat
sebagai pembantu syarat diatas merupakan
syarat yang diperlukan untuk menghitung
nilai ekstrim dari fungsi baru yang dibentuk
dan karenanya disebut sebagai syarat yang
diperlukan atau necessary condition akan
tetapi untuk mengetahui jenis nilai ekstrim
tersebut maksimum ataukah minimum
masih harus disidik melalui derifatif parsial
keduanya yang merupakan syarat yang
mencukupkan atau sufficient condition
dalam hal ini nilai ekstrim tadi adalah:
Maksimum bilaF<0 dan F<0

Maksimum bilaF> 0 dan Fw>0

Contoh:

1. Tentukan nilai ekstrim z dari fungsi

z=2x+2y dengan syarat x²+ y²=8

Jelaskan jenis nilai ekstrimnya

Fungsi lagrange:F-2x+2y+2(x²+ y²-8)")

=2x+2y+2x²+2y2-82

Agar F ekstrim F-0

Jadi nilai ekstrim z=+8

Penyidikan nilai ekstrimnya:

Untuk x-2 dan y = 2, 2=-

F-21--1 <0

Fy-22--1 <0
Karena F dan F,, <0 nilai ekstrimnya

adalah nilai maksimum dengan Zmaks = 8

Untuk x--2 dan y--2-

Fx=24=1>0 Fyy-21=1>0

Karena F dan Fyy>0 nilai ekstrimnya adalah

nilai minimum dengan Zmin=-8

2. Optimumkan z=xy dengan syarat x + 2y =

10 F=xy+(x+2y-10)

=xy+Ax+22y-102

Syarat yang diperlukan agar F optimum=0

bersifat tidak mengikat (non-binding), oleh

karenanya dapat diabaikan; dalam hal > 0

kendalanya disebut mengikat (binding)].

Sedangkan prosedur metode Kuhn-Tucker
secara langsung dilakukan sebagai berikut:

(1) Rumuskan permasalahannya, misalnya

maksimumkan fx, y) terhadap g(x, y) ≤ 0,
atau minimumkan fx, y) terhadap g(x, y)≥0.
(2) Tetapkan kondisi Kuhn-Tucker:

(3) Ujilah (2c) masing-masing untuk λ= 0

dan g(x, y) = 0 guna menentukan mana
diantaranya yang memenuhi persamaan-
persamaan (2a) dan (2b) serta
pertidaksamaan kendala g(x, y). Nilai-nilai x
dan y yang memenuhi ketiga kondisi ini
merupakan nilai-nilai yang
mengoptimumkan fungsi tujuan Ax, y).

Contoh:

(1) Maksimumkan fx, y) = 10 xy-2,5x-y

terhadap kendala x+y≤9

Dengan menganggap kendala

pertidaksamaan berlaku sebagai sebuah
persamaan (x+y= 9), maka berdasarkan
metode Lagrange:

Menurut kendala: x+y=9 →0,8y+y=9→y=5

y=5-x-0,8(5)=4-sehingga f(x, y)aks = 135
X=10(5)-5(4)-10(4)-2(5)-30
Karena 0 berarti x = 4 dan y 5, yang
memaksimumkan fx, y) terhadap kendala
yang (dianggap) berbentuk persamaan,
berlaku juga
terhadap kendala yang berbentuk
pertidaksamaan.

Dengan metode kondisi Kuhn-Tucker

langsung di mana g(x, y)=x+y-9<0:

(4)-1-0-10y-5x-2-0 ()-1-0-10x-2y-2-0

(c) Ag-0-2(x+y-9)=0

di mana gx+y-950

Jika λ=0, maka x-y=0 agar persamaan (a)

dan (b) terpenuhi, dan kendala x + y ≤9 juga
terpenuhi, dalam hal ini 0,0)-0.

Jikar+y-9-0, maka x=9-y, sehingga:

(a) 10y-5x-2-0-10y-45+5y-2-0

(b) 10x-2y-2-0-90-10 y-2y-λ-0

dan 2-30
Dengan memasukkan y-5 dan - 30 ke
dalam (a) dan (b), diperoleh x-4. Untuk x=4
dan

y= 5. fx,y)- 10(4)(5)-2,5 (4)-(5) 135. Jadi,

sesuai
dengan penyelesaian melalui

metode Lagrange sebelumnya, x dan y

yang memaksimum Axy) terhadap kendala

pertidaksamaan x+y≤9 adalah x-4 dan y=5.

[Dalam pengujian A-0 sebelumnya kiya juga

menemukan bahwa Axy) maksimum pada
x- y= 0. Namun karena (4,5)>(0,0),
sedangkan kasusnya adalah maksimisasi,
maka (4,5)

lah yang dipilih].

Karena 2< 0 berarti x = 10 dan y 5 tidak

berlaku untuk maksimasi (xy)

terhadap kendala yang berbentuk

pertidaksamaan. Dalam hal ini
persoalancukup diselesaikan dengan
memaksimumkan fxy) tanpa
memperhatikan g(x,y), mengingat kendala
ini todak mengikat.
Jadi, untuk g(x,y) = x + y ≤ 15, fx,y)
maksimum pada x = 5 dan y = 0, nilai
maksimum (x,y)=5.
Prosedur penyelesaian langsung dengan
kondisi Kuhn-Tucker:

Jika λ = 0, maka menurut (a): 100 = (x+5),

sehingga x = 5; sedang diperoleh x = 10
dan y=5 (lihat penyelesaian sebelumnya
melalui metode Lagrange); Adapun Лx,y) =
1,67. Dalam hal ini kendala x + y ≤ 15 juga
terpenuhi. Namun mengingat (5,0)>(0,5),
sedangkan masalah kita di sini adalah
maksimisasi, maka yang paling memenuhi
syarat jalahkedudukanyx-5 dan y=0.

(3) Minimumkan fx,y)=x-xy+2y'terhadap

x+y28. Kondisi Kuhn-Tucker:

Jika 2-0, maka agar (a) dan (b) terpenuhi

haruslahr-y-0, akan tetapi kemudian
kendala x + y ≥ 8 tidak terpenuhi. Berarti 20
(atau xy-0) tidak meminimumkanf(x,y)
terhadap g(xy)≥0.

Jika x+y-8-0, dengan kata lain y=8-x, maka

berdasarkan
Dengan x 5 dan y 3 kendala x + y 2 8
terpenuhi. Jadi, x dan y yang
meminimumkanf(xy) terhadap x+y>8 adalah
x 5 dan y-3.
Optimasi bersyarat versi Kuhn-Tucker dapat
pula digunakan untuk
menyelesaikanpersoalan- persoalan yang
melibatkan lebih dari satu fungsi kendala.
Ini merupakan kelebihannyadibandingkan
metode Lagrange.

10.5 HOMOGENITAS FUNGSI

Suatu fungsi dikatakan

homogenberderajatnapabila hasil kali setiap
variable bebasnya

dengan sembarangbilangan menyebabkan

nilai fungsinya menjadi 2" kali. Dengan
demikian, z

=fxy) dikatakan homogenapabila.

Az-Ax, Ay)

Contoh:

Fungsi homogenberderajat
satu disebut juba fungsi homogen linear.
Perihalhomogenitasfungsi merupakan
bahasanpenting dalam teori produksi.
Dengan diketahuinyaderajathomogenitas
suatu fungsi produksi, akan dapat diketahui
pula tingkat
penambahan hasil produksi atas
penambahan faktor produksi yang
digunakan.

10.4.2 KONDISI KUHN-TUCKER

Metode Kuhn-Tucker merupakan

pengembangan lebih lanjut dari model
optimasi bersyarat. Jika dalam metode
pengganda lagrange kita mengoptimumkan
sebuah fungsi terhadap kendala yang
berbentuk persamaan, maka dalam metode
Kuhn-Tucker kita mengoptimumkan sebuah
fungsi terhadap sebuah fungsi yang
berbentuk pertidaksamaan. Bentuk
permasalahannya biasanya berupa:

Maksimumkan fungsi tujuan Ax, y) terhadap

kendala g(z, y) ≤0

Atau

Minimumkan fungsi tujuan fx, y) terhadap

kendala g(x, y)≥0
Prosedur penyelesaiannya dapat ditempuh
melalui dua macam cara, yakni melalui
metode Lagrange yang dimodifikasikan
kemudian diuji dengan kondisi
(persyaratan) Kuhn- Tucker, atau secara
langsung
dengan menggunakan Kuhn-Tucker sendiri.

Prosedur metode Kuhn-Tucker melalui

metode Lagrange yang dimodifikasikan
dilakukan

sebagai berikut:

(1) Anggap kendala pertidaksamaannya

sebagai sebuah persamaan. Kemudian
selesaikan masalahnya dengan metode
Lagrange yang biasa hingga diperoleh nilai
optimum yang dicari [khusus dalam hal ini
fungsi baru Lagrangenya harus dibentuk
dengan cara:F(x, y.λ)=xy)-Ag(xy); jadi, tidak
boleh: Ax yλ) + Ag(x, y)]

(2) Lakukan pengujian terhadap nilai 2. Jika

0 berarti nilai optimum yang diperoleh
(berdasarkan kendala yang telah
dimodifikasikan) tadi juga merupakan nilai
optimum berkenaan fungsi kendala yang
berbentuk pertidaksamaan. Jika 20 berarti
optimasi fungsi tujuan f(x, y) tanpa
menyertakan fungsi kendala g (x, y) sudah
dengan sendirinya akan memenuhi
kendalanya. [Dalam hal as Okendala yang
bersangkutan dikatakan