KELOMPOK 4

1.
2.
3.
4.
5.
6.

BONA P GULTOM
1415011033
HILDA TRIANDA W
1415011069
IVONNE NISRINA K 1415011075
LIZA ROSALITA
1415011085
RIMAMUNANDA E
1415011127
ZSA ZSA RATNA P
1415011155

Analisis Optimasi
Dengan Solusi
Numerik

TEKNIK SIPIL UNIVERSITAS LAMPUNG 2016

PENGERTIAN
Optimasi merupakan suatu proses untuk mencari kondisi
yang optimum, dalam arti paling menguntungkan.
Optimasi bisa berupa maksimasi atau minimasi. Jika
berkaitan dengan masalah keuntungan, maka keadaan
optimum adalah keadaan yang memberikan keuntungan
maksimum (maksimasi). Jika berkaitan dengan masalah
pengeluaran/pengorbanan, maka keadaan optimum
adalah keadaan yang memberikan
pengeluaran/pengorbanan minimum (minimasi).

HAL-HAL PENTING DALAM

STUDI OPTIMASI
FUNGSI OBJEKTIF
DAN
DECISION VARIABLES
(beserta kendala (constraints))

Fungsi objektif, fungsi yang akan dimaksimumkan atau

diminimumkan (objective function), variabel (perubah) atau
decision variable adalah harga-harga yang berpengaruh
dan bisa dipilih.
Secara analitik, nilai maksimum atau minimum dari suatu
persamaan: y = f (x) dapat diperoleh pada
harga x yang memenuhi

y ' = f '(x) = = = 0
Untuk fungsi yang sulit untuk diturunkan atau mempunyai
turunan yang sulit dicari akarnya, proses optimasi dapat
dilakukan secara numerik.

OPTIMASI SATU VARIABEL

Tinjaulah sebuah fungsi dengan satu variabel sbb : y = f (x)
Ingin dicari harga x yang memberikan harga y maksimum
(maksimasi) atau minimum (minimasi).
Dalam hal ini, x yang diperoleh merupakan nilai x optimum fungsi.
Beberapa metode yang akan dibahas meliputi:
METODE GOLDEN SECTION
Metode Newton
Metode interpolasi kuadrat

METODE GOLDEN SECTION

Golden section merupakan salah satu cara atau metode
optimasi numerik yang dapat diterapkan untuk fungsi yang
bersifat unimodal.
Kedua tipe optimasi, yaitu maksimasi dan minimasi dapat
diselesaikan dengan cara inI.
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.

Tinjaulah fungsi f(x) yang akan ditentukan maksimum-nya, pada

rentang x = xl dan x = xu
(perhatikan gambar di bawah ini).

Berdasarkan
grafik di atas, secara matematika berlaku:

Karena:
maka:
l0 = l1 + l2

Ambil kebalikannya dan kemudian definisikan: 2

R=
maka:

atau:

atau:

1+ =

1+R=

sehingga:
R2 + R 1= 0
Nilai akar positifnya adalah sebesar:
(Bilangan R ini selanjutnya biasa disebut sebagai golden
ratio atau golden number)

Mirip dengan bisection, ide dasar metode ini

adalah memanfaatkan nilai yang lama
sebagai nilai yang baru, secara iteratif.
Sebagai akibatnya, rentang/ interval awal
variabel yang dipilih semakin lama akan
semakin menyempit, karena ada sebagian
sub-interval variabel yang dieliminasi,
hingga diperoleh tingkat konvergensi yang
diinginkan.

CONTOH SOAL
Gunakan metode golden-section search
untuk menentukan maksimum dari fungsi:
f (x) = 2 sin x di dalam interval: xl = 0 dan
xu = 4
(Secara numerik, dengan metode golden-section search, dapat
dilakukan langkah-langkah perhitungan sebagai berikut)

Iterasi
Pertama:

xl = 0 : f (xl) = 0
xu = 4 : f (xu) = -3,1136
( xu x1 ) =
x1 = xl + d = 0 + 2,4721 = 2,4721 : f (x1) = 0,6300
x2 = xu d = 4 2,4721 = 1,5279 : f (x2) = 1,7647
Karena kasus ini merupakan persoalan maksimasi, dan: f (x2) > f
(x1), maka:
xl baru = xl lama
xu baru = x1 lama
Dengan kata lain, sub-interval x kanan (yakni antara x1 dan xu)
dieliminasi.

Iterasi kedua:
xl = 0 : f (xl) = 0
xu = 2,4721 : f (xu) = 0,6300
( xu x1 ) =

x1 = xl + d = 0 + 1,5279 = 1,5279 = x2 lama : f (x1) = 1,7647

x2 = xu d = 2,4721 1,5279 = 0,9443 : f (x2) = 1,5310
Karena kasus ini merupakan persoalan maksimasi, dan: f (x2) < f
(x1), maka:
xl baru = x2 lama
xu baru = xu lama
Dengan kata lain, sub-interval x kiri (yakni antara xl dan x2)
dieliminasi.

KETERANGAN:
Cara perhitungan yang sama/ analog dapat dilakukan pada langkah
iterasi berikutnya.

Perhitungan dapat dilakukan secara

berulang-ulang hingga mencapai nilai
toleransi yang diinginkan. Perhatikanlah
bahwa penyelesaian ini konvergen menuju
nilai maksimum yang sebenarnya (yakni
pada x = 1,4276; dengan nilai maksimum f
(x) = 1,7757). Hasil-hasil perhitungan
selengkapnya (hingga langkah iterasi ke-17)
disajikan pada tabel berikut ini:

Catatan: Secara analitik, nilai maksimum fungsi dapat ditentukan dengan

cukup mudah, karena f(x) berbentuk persamaan yang mudah diturunkan (atau
ditentukan fungsi turunannya). Tentukan fungsi turunan pertama dari f(x), dan
selanjutnya tentukan nilai x yang membuat f(x) = 0. Untuk mengecek
kebenaran kategori persoalan optimasinya (yakni apakah maksimum atau
minimum) pada nilai x yang ditinjau, tentukan nilai fungsi turunan kedua dari
f(x).
Efektivitas evaluasi dengan metode golden section:
Misal diinginkan pengecilan interval sampai menjadi 0,001 dari semula, maka
jumlah step yang diperlukan (N) adalah: (0,618)N = 0,001
N = 14,3 15
Jumlah evaluasi = 2 + (N 1) x 1 = 16

METODE NEWTON
Metode ini menggunakan pendekatan yang sama dengan
metode Newton dalam penentuan akar
persamaan tak-linier, melalui pendefinisian fungsi: g(x) =
f(x)
Karena pada kondisi optimum berlaku: f '(x*) = g(x*) = 0
(dengan x* menyatakan nilai x optimum)
maka, nilai x* dapat diperoleh secara iteratif sebagai
berikut:

x i +1 = x i

CONTOH SOAL:
Gunakan metode Newton untuk menentukan maksimum
dari fungsi:
f (x) = 2 sin x
dengan nilai awal x sebesar x0 = 2,5
Penyelesaian:
Pada metode Newton, fungsi turunan pertama dan kedua
harus dievaluasi terlebih dahulu.
Untuk fungsi tersebut di atas:
f '(x) = 2 cos x
f ''(x) = 2 sin x

Iterasi
pertama:

x0 = 2,5
f (x0) = f (2,5)= 2 sin (2,5)- = 0,57194
f(x0) = f (2,5)= 2 cos (2,5)- = - 2,1023
f(x0) = f (2,5)= - 2 sin (2,5) - = - 1,3969
Dengan demikian, x1 dapat dihitung dengan cara sbb:
X1 = x0 = 2,5 - = 0,99508

Cara perhitungan yang sama atau analog

dapat dilakukan pada langkah iterasi
berikutnya. Perhitungan dapat dilakukan
secara berulang-ulang hingga mencapai
nilai toleransi yang diinginkan. Perhatikanlah
bahwa penyelesaian ini konvergen menuju
nilai maksimum yang sebenarnya (yakni
pada x = 1,42755; dengan nilai maksimum f
(x) = 1,77573). Hasil-hasilperhitungan
selengkapnya (hingga langkah iterasi ke-5)
disajikan pada tabel berikut ini:

Catatan: Berdasarkan

hasil yang disajikan dalam

tabel di atas, bagaimanakah komentar
Anda, yang berkaitan dengan laju konvergensi
metode Newton, jika dibandingkan dengan
penggunaan metode sebelumnya?

METODE INTERPOLASI
KUADRAT
Metode interpolasi kuadrat dapat digunakan untuk melakukan optimasi
secara numerik. Hal ini disebabkan oleh penggunaan polinomial ordedua yang menghasilkan pendekatan cukup baik
terhadap bentuk f (x) di dekat titik optimumnya.
(Perhatikan gambar di bawah ini)

Jika mula-mula kita mempunyai tiga buah titik tebakan awal (yakni x0,
x1, dan x2) yang mengapit titik optimumnya, maka sebuah parabola
dapat di-fit-kan melalui ketiganya. Diferensiasikan persamaan yang
diperoleh, set hasilnya menjadi sama dengan nol, dan perkiraan x
optimum dapat ditentukan (dalam hal ini sebagai x3) sbb.:

x3 =
Penentuan x3 dilakukan secara iteratif, melalui strategi yang sama
dengan metode golden section, hingga diperoleh penyelesaian yang
konvergen.

CONTOH
SOAL:

Gunakan metode interpolasi kuadrat untuk menentukan

maksimum dari fungsi:
f (x) = 2 sin x
dengan nilai-nilai awal x: x0 = 0; x1 = 1; dan x2 = 4
Penyelesaian:
Iterasi pertama:
x0 = 0 : f (x0) = 0
x1 = 1 : f (x1) = 1,5829
x2 = 4 : f (x2) = -3,1136

Berdasarkan nilai-nilai x0, f (x0), x1, f (x1), x2, dan f (x2), maka x3
dapat dihitung sbb.:

x3 =
x3 = 1,5055
Nilai f(x) pada x3 ;
f (x3) = 1,7691
Karena kasus ini merupakan persoalan maksimasi, dan:
f (x0) < f (x1) < f (x3), serta: f (x3) > f (x2) maka:
x0 lama dieliminasi
x2 baru = x2 lama
Dengan kata lain, sub-interval x kiri dieliminasi, atau 3 buah nilai x
lama (yakni x1, x2, dan x3) akan digunakan dalam perhitungan iterasi
berikutnya.

Iterasi kedua:
x0 = 1 : f (x0) = 1,5829
x1 = 1,5055 : f (x1) = 1,7691
x2 = 4 : f (x2) = -3,1136
Berdasarkan nilai-nilai x0, f (x0), x1, f (x1), x2, dan f (x2),
maka: x3 = 1,4903
Nilai f (x) pada x3: f (x3) = 1,7714
Karena kasus ini merupakan persoalan maksimasi, dan:
f (x0) < f (x3), serta: f (x3) > f (x1) > f (x2)

maka:
x2 lama dieliminasi
x0 baru = x0 lama
Dengan kata lain, sub-interval x kanan dieliminasi, atau
3 buah nilai x lama (yakni x0, x1, dan x3) akan digunakan
dalam perhitungan iterasi berikutnya.
Demikian seterusnya, untuk langkah iterasi berikutnya.
Perhitungan dapat dilakukan secara berulang-ulang hingga
mencapai nilai toleransi yang diinginkan.

Perhatikanlah bahwa penyelesaian ini konvergen menuju nilai

maksimum yang sebenarnya (yakni pada x = 1,4276; dengan nilai
maksimum f(x) = 1,7757). Hasil-hasil perhitungan selengkapnya
(hingga langkah iterasi ke-5) disajikan pada tabel berikut ini:

TERIMA KASIH