Abe Alkaff

Penyelidikan Operasi

3. Penyelesaian Analitis
Persoalan Optimisasi
 Abe Alkaff

Materi
Optimisasi Tanpa Kendala

Optimisasi dengan Kendala Persamaan

Optimisasi dengan Kendala Pertidaksamaan

Bentuk Umum Persoalan Optimisasi

Bentuk Umum dengan Kendala Nonnegatif

2
 Abe Alkaff

Optimisasi Tanpa Kendala

Bentuk Umum
min 𝑓 𝑥 𝑑𝑖𝑚𝑎𝑛𝑎 𝑓 𝑥 : ℛ𝑛 ⟶ ℛ

max 𝑓 𝑥 𝑑𝑎𝑝𝑎𝑡 𝑑𝑖𝑛𝑦𝑎𝑡𝑎𝑘𝑎𝑛 𝑑𝑒𝑛𝑔𝑎𝑛 min −𝑓 𝑥

Persoalan ini dapat diartikan sebagai berikut:
Akan dicari 𝑥 ∗ ∋ 𝑓 𝑥 ∗ ≤ 𝑓 𝑥 ∀𝑥 ∈ ℛ𝑛
Dengan kata lain 𝑥 ∗ adalah titik minimum
Persoalan ini dapat diselesaikan dengan menggunakan syarat
cukup dan syarat perlu keoptimalan pada bab sebelumnya
 Abe Alkaff

Optimisasi Tanpa Kendala

Syarat Perlu
𝛻𝑓 𝑥 ∗ = 0 ⟹ 𝑥 ∗ adalah titik optimal

Syarat Cukup
Η 𝑥 ∗ ≥ 0 ⟹ 𝑥 ∗ adalah titik minimum, sehingga
⟹ 𝑥 ∗ adalah penyelesaian dari min 𝑓 𝑥

Η 𝑥 ∗ ≥ 0 adalah notasi untuk kemudahan menyatakan bahwa matriks

Hessiannya adalah positive semi definite
 Abe Alkaff

Optimisasi Tanpa Kendala

Berdasarkan kedua syarat tersebut dapat dirancang algoritma

penyelesaian persoalan ini sebagai berikut:
1. Cari titik(-titik) yang memenuhi syarat perlu dengan menyelesaikan
persamaan yang diperoleh dari gradient = 0
2. Bila ada, cek apakah titik(-titik) tersebut memenuhi syarat cukup
dengan memastikan bahwa matriks Hessiannya adalah positive semi
definite
3. Bila ada yang memenuhi, tentukan nilai fungsinya
4. Penyelesaiannya adalah nilai fungsi pada 3. dengan titik pada 2.
 Abe Alkaff

Optimisasi Tanpa Kendala

Algoritma ini dalam bentuk pseudo code adalah sebagai berikut:
1. Start
2. Find 𝛻𝑓 𝑥
3. Solve 𝛻𝑓 𝑥 = 0. Let 𝐶 = 𝑥|𝛻𝑓 𝑥 = 0 be the candidate set
4. If 𝐶 is empty, then stop
5. Else, find 𝛨 𝑥
6. Let S = 𝑥 ∗ |𝛻𝑓 𝑥 ∗ = 0, 𝛨 𝑥 ∗ ≥ 0 be the solution set.
7. For ∀𝑥 ∗ ∈ 𝐶 calculate 𝛨 𝑥 ∗
8. If 𝛨 𝑥 ∗ ≥ 0 then 𝑥 ∗ ∈ 𝑆
9. Else, repeat
10. For ∀𝑥 ∗ ∈ 𝑆 calculate 𝑓 𝑥 ∗
11. Print ‘Solution is’ 𝑓 𝑥 ∗ at 𝑥 ∗ , repeat
12. End
 Abe Alkaff

Optimisasi Tanpa Kendala

Contoh 1: Cari penyelesaian dari Min 3𝑥1 2 + 2𝑥2 2 + 4𝑥1 𝑥2 − 6𝑥1 − 8𝑥2 + 6

Langkah 1: Cari titik yang memenuhi syarat perlu 𝛻𝑓 𝑥 = 0

6𝑥1 + 4𝑥2 − 6 0
𝛻𝑓 𝑥 = =
4𝑥1 + 4𝑥2 − 8 0
Atau
Diperoleh:
6𝑥1 + 4𝑥2 − 6 = 0
−1
4𝑥1 + 4𝑥2 − 8 = 0 𝑥∗ =
3
𝑥1 = −1
𝑥2 = 3 Kandidat Titik Minimum
 Abe Alkaff

Optimisasi Tanpa Kendala

Langkah 2: Cek apakah titik yg diperoleh memenuhi

syarat cukup Η 𝑥 ∗ ≥ 0 (positive semi definite)
6 4
Η 𝑥 =
4 4
Η1 = 6 > 0
positif definit
Η2 = 6 4 − 4 4 = 8 > 0

∗ −1
𝑥 = = 𝑎𝑑𝑎𝑙𝑎ℎ 𝑡𝑖𝑡𝑖𝑘 𝑚𝑖𝑛𝑖𝑚𝑢𝑚
3
⟹ 𝑎𝑑𝑎𝑙𝑎ℎ 𝑡𝑖𝑡𝑖𝑘 𝑝𝑒𝑛𝑦𝑒𝑙𝑒𝑠𝑎𝑖𝑎𝑛 yang dicari
 Abe Alkaff

Optimisasi Tanpa Kendala

Langkah 3: Hitung nilai minimumnya

−1
𝑓 𝑥∗ pada titik 𝑥∗ =
3

𝑓 𝑥 ∗ = 3(−1)2 +2(3)2 +4(−1)(3) − 6(−1) − 8(3)+6

𝑓 𝑥 ∗ = −3

−1
Langkah 4: Jadi nilai minimumnya adalah -3 pada titik
3
 Abe Alkaff

Optimisasi Tanpa Kendala

titik minimum

(-1,3)

𝑓1

𝑓2 > 𝑓1
𝑓3 > 𝑓2
10

Plot Contour f(x) pada Contoh 1

 Abe Alkaff

Optimisasi Tanpa Kendala

f(𝑥)

x1
x2
11

Plot Grafik 3D 𝑓 𝑥 pada Contoh 1

 Abe Alkaff

Optimisasi Tanpa Kendala

Contoh 2
min − 3𝑥1 2 − 2𝑥2 2 − 4𝑥1 𝑥2 + 6𝑥1 + 8𝑥2 − 6
1. Syarat Perlu 𝛻𝑓 𝑥 ∗ = 0
−6𝑥1 − 4𝑥2 + 6 0
𝛻𝑓 𝑥 = =
−4𝑥1 − 4𝑥2 + 8 0
−1
−6𝑥1 − 4𝑥2 + 6 = 0 𝑥∗ =
3
−4𝑥1 − 4𝑥2 + 8 = 0
Kandidat Titik Minimum
𝑥1 = −1
𝑥2 = 3
 Abe Alkaff

Optimisasi Tanpa Kendala

2. Syarat CukupΗ 𝑥 ∗ 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 (𝑠𝑒𝑚𝑖) 𝑑𝑒𝑓𝑖𝑛𝑖𝑡

−6 −4
Η 𝑥 =
−4 −4
Η1 = −6 < 0
negatif definit
Η2 = −6 −4 − −4 −4 = 8 > 0
−1
𝑥∗ = = 𝑡𝑖𝑡𝑖𝑘 𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚 ⟹ 𝑡𝑖𝑑𝑎𝑘 𝑚𝑒𝑚𝑒𝑛𝑢ℎ𝑖 𝑠𝑦𝑎𝑟𝑎𝑡 𝑐𝑢𝑘𝑢𝑝
3
Jadi persoalan ini tidak memiliki penyelesaian
 Abe Alkaff

Optimisasi Tanpa Kendala

titik maksimum

𝑓1

𝑓2 < 𝑓1
𝑓3 < 𝑓2
14

Plot Contour f(x) pada Contoh 2

 Abe Alkaff

Optimisasi Tanpa Kendala

15

Plot Grafik 3D f(x) pada Contoh 2

 Abe Alkaff

Optimisasi Tanpa Kendala

Contoh 3
Jika diperoleh 6 6
Η 𝑥 =
6 4

Η1 = 6 > 0
indefinit
Η2 = 6 4 − 6 6 = −12 < 0

𝑀𝑎𝑘𝑎 𝑡𝑖𝑡𝑖𝑘 𝑘𝑎𝑛𝑑𝑖𝑑𝑎𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑟𝑜𝑙𝑒ℎ 𝑑𝑎𝑟𝑖 𝑠𝑦𝑎𝑟𝑎𝑡 𝑝𝑒𝑟𝑙𝑢 𝑘𝑒𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑎𝑛

𝑡𝑖𝑑𝑎𝑘 𝑚𝑒𝑚𝑒𝑛𝑢ℎ𝑖 𝑠𝑦𝑎𝑟𝑎𝑡 𝑐𝑢𝑘𝑢𝑝 𝑘𝑒𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑎𝑛, 𝑠𝑒ℎ𝑖𝑛𝑔𝑔𝑎
𝑏𝑢𝑘𝑎𝑛 𝑡𝑖𝑡𝑖𝑘 𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚 𝑚𝑎𝑢𝑝𝑢𝑛 𝑡𝑖𝑡𝑖𝑘 𝑚𝑖𝑛𝑖𝑚𝑢𝑚
 Abe Alkaff

Optimisasi Tanpa Kendala

Contoh 4: Cari penyelesaian dari Min 𝑓 𝑥 = 𝑥13 +2𝑥1 𝑥2 +2𝑥22

1. Cari titik-titik yang memenuhi syarat perlu 𝛻𝑓 𝑥 ∗ = 0
3𝑥12 + 2𝑥2 0 4ൗ
𝛻𝑓 𝑥 = = 0
2𝑥2 + 4𝑥1 0 ∗
𝑥 = , 3
0 − 8ൗ
2
3
3𝑥1 + 2𝑥2 = 0
2𝑥2 + 4𝑥1 = 0
3𝑥12 − 4𝑥1 = 0 Kandidat Titik Minimum
𝑥1 = 0 ∨ 𝑥1 = 4ൗ3 , 𝑥2 = 0 ∨ 𝑥2 = − 8ൗ3
 Abe Alkaff

Optimisasi Tanpa Kendala

2. Cek apakah memenuhi Syarat Cukup Η 𝑥 ∗ ≥ 0

6𝑥1 2
Η 𝑥 =
2 4
∗ 0
a. Cek untuk kandidat 𝑥 =
0
Η1 = 0 ≥ 0
negative semi definite
Η2 = 0 4 − 2 2 = −4 < 0
0
𝑥∗ = 𝑡𝑑𝑘 𝑚𝑒𝑚𝑒𝑛𝑢ℎ𝑖 𝑠𝑦𝑎𝑟𝑎𝑡 𝑐𝑢𝑘𝑢𝑝 𝑠𝑏𝑔 𝑡𝑡𝑘 𝑚𝑖𝑛 (𝑏𝑢𝑘𝑎𝑛 𝑝𝑒𝑛𝑦𝑒𝑙𝑒𝑠𝑎𝑖𝑎𝑛)
0
 Abe Alkaff

Optimisasi Tanpa Kendala

4ൗ
b. Cek untuk kandidat 𝑥 ∗ = 83
− ൗ3
6𝑥1 2
Η 𝑥 =
2 4
Η1 = 8 > 0
positif definit
Η2 = 8 4 − 2 2 = 28 > 0
4ൗ
∗
𝑥 = 3 𝑚𝑒𝑚𝑒𝑛𝑢ℎ𝑖 𝑠𝑦𝑎𝑟𝑎𝑡 𝑐𝑢𝑘𝑢𝑝 𝑠𝑏𝑔 𝑡𝑖𝑡𝑖𝑘 𝑚𝑖𝑛𝑖𝑚𝑢𝑚 (𝑝𝑒𝑛𝑦𝑒𝑙𝑒𝑠𝑎𝑖𝑎𝑛)
8
− ൗ3
 Abe Alkaff

Optimisasi Tanpa Kendala

Langkah 3: Hitung nilai minimumnya 𝑓 𝑥 = 𝑥13 +2𝑥1 𝑥2 +2𝑥22

4/3
Hitung 𝑓 𝑥 ∗ ∗
pada titik 𝑥 =
−8/3
4 3 4 8 8 2
𝑓 𝑥∗ = ( ) +2( )(− ) +2 −
3 3 3 3
256
𝑓 𝑥∗ = −
27
Langkah 4: Jadi penyelesaiannya adalah:
4/3
nilai minimum = (256/27) pada titik
−8/3
 Abe Alkaff

Optimisasi Tanpa Kendala

titik minimum

21

Contour Contoh 4
 Abe Alkaff

Optimisasi Tanpa Kendala

Gunakan pseudo code

yang diberikan didepan
untuk menyelesaikan
contoh 4! Langkah-
langkah penyelesaian
sesuai dengan langkah-
langkah pada pseudo
code 22

Grafik 3D Fungsi pada Contoh 4

 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Bentuk Umum
𝑚𝑖𝑛 𝑓 𝑥 Fungsi optimisasi
dengan syarat (d.s) ℎ 𝑥 = 0 Fungsi kendala berbentuk persamaan

𝑓 𝑥 : ℛ𝑛 → ℛ
ℎ 𝑥 : ℛ𝑛 → ℛ𝑚 𝑚 ∶ sembarang (menyatakan banyaknya kendala)
Akan dicari 𝑥 ∗ ∋ ℎ 𝑥 ∗ = 0 𝑑𝑎𝑛 𝑓(𝑥 ∗ ) < 𝑓 𝑥 ∀𝑥
Langkah: 1. Mencari titik(-titik) yang memenuhi semua kendala
2. Mencari titik(-titik) optimal
3. Mencari titik(-titik) penyelesaian
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Definisikan 𝑆 = 𝑥|ℎ 𝑥 = 0

• Himpunan titik – titik yang memenuhi semua kendala

• Titik – titik yang layak (karena memenuhi kendala)
• Daerah kelayakan yang memuat titik – titik yang layak

𝑆 = Daerah Kelayakan
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Contoh
min 3𝑥1 2 + 2𝑥2 2 + 4𝑥1 𝑥2 − 6𝑥1 − 8𝑥2 + 6
d.s 𝑥1 + 𝑥2 = 1
Dari syarat perlu diperoleh:
∗ ∗ −1 Metode Eliminasi
𝛻𝑓 𝑥 = 0 ⟹ 𝑥 =
3
𝑆 = 𝑥|𝑥1 + 𝑥2 = 1
𝑥∗ ∉ 𝑆 𝑥 ∗ bukan titik yang layak
𝑥 ∗ bukan titik penyelesaian
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

**Titik minimum ⟹
titik yang dihasilkan
dari persinggungan
antara garis kendala
titik yang dengan contour
memenuhi paling dalam
kendala

Contour dengan Kendala Persamaan Contoh 1

 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Untuk menyelesaikan persoalan ini dengan menggunakan syarat

keoptimalan dipergunakan pengali Lagrange 𝜆 (Lagrange Multipliers)

Untuk min 𝑓(𝑥) dengan syarat ℎ 𝑥 = 0, definisikan:

𝐿 𝑥, 𝜆 = 𝑓 𝑥 + ෍ 𝜆𝑖 ℎ𝑖 (𝑥)
𝑖=1
𝐿 disebut sebagai fungsi Lagrange
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

“Untuk menyelesaikan persoalan optimisasi dengan kendala

persamaan dapat dilakukan dengan menyelesaikan
persoalan optimisasi tanpa kendala dari fungsi Lagrange
yang bersesuaian dengan fungsi tujuan dan fungsi kendala
pada persoalan optimasi dengan kendala.”
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Persoalan diubah menjadi

min 𝑓(𝑥) ⟶ min 𝐿 𝑥, 𝜆 = 𝑓 𝑥 + σ𝑚
𝑖=1 𝜆𝑖 ℎ𝑖 (𝑥) Memiliki dua
d.s. ℎ 𝑥 = 0 variabel 𝑥 , 𝜆
Syarat perlu
𝑥 ∗ , 𝜆∗ titik minimum ⟶ 𝛻𝐿 𝑥 ∗ , 𝜆∗ = 0
dimensi 𝑛
𝜕𝐿 𝜕𝐿
𝜕𝑥
= 𝛻𝑓 𝑥 + σ𝑚
𝑖=1 𝜆𝑖 𝛻ℎ𝑖 (𝑥) = 0
𝛻𝐿 𝑥 ∗ , 𝜆∗ = 𝜕𝐿
=0 𝜕𝑥
𝜕𝐿
𝜕𝜆 = ℎ𝑖 𝑥 = 0
𝜕𝜆
dimensi 𝑚
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Contoh
min 3𝑥1 2 + 2𝑥2 2 + 4𝑥1 𝑥2 − 6𝑥1 − 8𝑥2 +6

d.s 𝑥1 + 𝑥2 = 1 𝒙𝟏 + 𝒙𝟐 − 𝟏 = 𝟎 ⟹ 𝒉 𝒙 = 𝟎

𝐿 𝑥, 𝜆 = 3𝑥1 2 + 2𝑥2 2 + 4𝑥1 𝑥2 − 6𝑥1 − 8𝑥2 + 6 + 𝜆 𝑥1 + 𝑥2 − 1 = 0

min 𝐿 𝑥, 𝜆
Syarat Perlu 1. 𝛻𝑓 𝑥 + 𝜆𝛻ℎ 𝑥 = 0 2. ℎ 𝑥 = 0
6𝑥1 + 4𝑥2 − 6 1 𝑥1 + 𝑥2 − 1 = 0
+𝜆 =0
4𝑥1 + 4𝑥2 − 8 1
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

3 variable dengan 3 persamaan 𝑥1 , 𝑥2 , 𝜆

6𝑥1 + 4𝑥2 − 6 + 𝜆 = 0
4𝑥1 + 4𝑥2 − 8 + 𝜆 = 0
𝑥1 = −1
substitusi ke salah satu persamaan untuk mencari λ
𝑥2 = 2
6 −1 + 4 2 − 6 + 𝜆 = 0
λ=4
−1
𝑥∗ = ⟶ 𝑡𝑖𝑡𝑖𝑘 𝑜𝑝𝑡𝑖𝑚𝑎𝑙, 𝑠𝑒𝑏𝑎𝑔𝑎𝑖 𝑐𝑎𝑙𝑜𝑛 𝑡𝑖𝑡𝑖𝑘 𝑚𝑖𝑛𝑖𝑚𝑢𝑚 𝑑𝑒𝑛𝑔𝑎𝑛 λ = 4
2
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Calon titik
minimum

Contour dengan Kendala Persamaan pada Contoh 2

 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Syarat Cukup, di cek dari konfektifitas 𝐿(𝑥, 𝜆)

Karena, 𝐿 𝑥, 𝜆 = 𝑓 𝑥 + σ𝑚 𝑖=1 𝜆𝑖 ℎ𝑖 (𝑥)
Konfektifitas dari L, dapat dilihat dari konfektifitas 𝑓(𝑥) dan ℎ(𝑥)

Sehingga syarat cukupnya adalah

𝑓 𝑥 = konveks
ℎ𝑖 𝑥 = konveks untuk 𝜆𝑖 > 0
konkav untuk 𝜆𝑖 < 0
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Contoh
min 3𝑥1 2 + 2𝑥2 2 + 4𝑥1 𝑥2 − 6𝑥1 − 8𝑥2 +6

d.s 𝑥1 + 𝑥2 − 1 = 0

Bila 𝐿(𝑥, 𝜆) adalah konfeks maka 𝑥 ∗ adalah titik minimum yang dicari
• 𝑓(𝑥) adalah konfeks karena 𝐻(𝑥) adalah positif definit
• Untuk λ = 4, ℎ(𝑥) adalah konfeks karena linier

−1
Syarat cukup dipenuhi ⟹ 𝑥 ∗ = 𝑎𝑑𝑎𝑙𝑎ℎ 𝑝𝑒𝑛𝑦𝑒𝑙𝑒𝑠𝑎𝑖𝑎𝑛 (𝑡𝑖𝑡𝑖𝑘 𝑚𝑖𝑛𝑖𝑚𝑢𝑚) 𝑦𝑎𝑛𝑔 𝑑𝑖𝑐𝑎𝑟𝑖
2
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Syarat keoptimalan optimisasi dengan kendala persamaan dapat

dituliskan sebagai berikut:

Syarat perlu 𝛻𝐿 𝑥 ∗ , 𝜆∗ = 0 ⟶ 𝑥 ∗ , 𝜆∗ titik minimum

𝐿 𝑥, 𝜆 = 𝑓 𝑥 + ෍ 𝜆𝑖 ℎ𝑖 𝑥
Syarat Cukup
konfeks + positif + konfeks
konfeks + negatif + konkaf
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Interpretasi Geometris dari Penyelesaian Optimal

Bila diperhatikan dari Syarat perlu
6𝑥1 + 4𝑥2 − 6 • 𝛻𝑓 𝑥 + 𝜆𝛻ℎ 𝑥 = 0
𝛻𝑓 𝑥 =
4𝑥1 + 4𝑥2 − 8 • 𝛻𝑓 𝑥 = −𝜆𝛻ℎ 𝑥 = 0
−1 −4 −1 1
𝛻𝑓 = , 𝛻ℎ = Skalar = 4
2 −4 2 1
−1 −4 1 −4
Pada titik optimal : 𝛻𝑓 𝑥 = = −𝜆𝛻ℎ 𝑥 = −4 =
2 −4 1 −4
Atau, 𝛻𝑓 𝑥 segaris dengan 𝛻ℎ 𝑥 : - Berlawanan arah bila 𝜆 > 0
- Searah bila 𝜆 < 0
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

𝜵𝒇
𝜵𝒉
𝝀<𝟎
titik minimum
tanpa kendala

𝟏
𝜵𝒉 =
𝟏
𝝀>𝟎
Kendala
−𝟒
𝜵𝒇 =
−𝟒 persamaan

titik minimum
dengan kendala

Contour Contoh 2 dengan Intepretasi Geometris Titik Optimalnya

 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Pada titik optimal berlaku:

• 𝛻𝑓(𝑥) segaris dengan 𝛻ℎ(𝑥)
• Bila 𝛻ℎ(𝑥) berlawanan arah dengan 𝛻𝑓(𝑥), maka 𝜆 > 0
• Bila 𝛻ℎ(𝑥) searah dengan 𝛻𝑓(𝑥), maka 𝜆 < 0
• Bila kendala melewati titik optimal dari 𝑓(𝑥) dan titik
optimal memenuhi syarat cukup, maka 𝜆 = 0
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Contoh dengan 3 variabel

min 𝑥1 2 + 2𝑥2 2 + 2𝑥2 + 2𝑥1 − 8𝑥3
d.s 𝑥1 + 𝑥2 + 𝑥3 = 1 𝒙𝟏 + 𝒙𝟐 + 𝒙𝟑 − 𝟏 = 𝟎 ⟹ 𝒉 𝒙 = 𝟎
𝑥1 − 𝑥2 − 𝑥3 = 3 𝒙𝟏 − 𝒙𝟐 − 𝒙𝟑 − 𝟑 = 𝟎 ⟹ 𝒉 𝒙 = 𝟎

𝐿 𝑥, 𝜆 = 𝑥1 2 + 2𝑥2 2 + 2𝑥2 𝑥3 + 3𝑥1 − 8𝑥3 + 𝜆1 𝑥1 + 𝑥2 + 𝑥3 − 1 + 𝜆2 𝑥1 − 𝑥2 − 𝑥3 − 3

Persoalan berubah menjadi:

min 𝐿 𝑥, 𝜆 𝑑𝑒𝑛𝑔𝑎𝑛 5 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙, 3 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑑𝑎𝑛 2 𝑢𝑛𝑡𝑢𝑘 𝜆
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Syarat Perlu 1. 𝛻𝑓 𝑥 + 𝜆1 𝛻ℎ1 𝑥 + 𝜆2 𝛻ℎ2 𝑥 = 0

2𝑥1 + 2 1 1
4𝑥2 + 2 + 𝜆1 1 + 𝜆2 −1 = 0
2𝑥2 − 8 1 −1
2. ℎ 𝑥 = 0
𝑥1 + 𝑥2 + 𝑥3 − 1 = 0
𝑥1 − 𝑥2 − 𝑥3 − 3 = 0
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

5 variable dengan 5 persamaan 𝑥1 , 𝑥2 , 𝑥3 , 𝜆1 , 𝜆2

2𝑥1 + 2 + 𝜆1 + 𝜆2 = 0
𝑥1 + 𝑥2 + 𝑥3 = 1
4𝑥2 + 2 + 𝜆1 − 𝜆2 = 0
𝑥1 − 𝑥2 − 𝑥3 = 3
2𝑥2 − 8 + 𝜆1 − 𝜆2 = 0
𝑥1 = 2
4𝑥2 + 2 + 𝜆1 − 𝜆2 = 0
4𝑥2 − 16 + 2𝜆1 − 2𝜆2 = 0
𝜆1 − 𝜆2 = 18
𝜆1 = 6
𝜆2 = −12
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Diketahui 𝑥1 = 2, 𝜆1 = 6, 𝜆2 = −12
4𝑥2 + 2 + (6) − (−12) = 0 (2) + (−5) + 𝑥3 = 1
𝑥2 = −5 𝑥3 = 4
2
𝑥 ∗ = −5 ⟶ 𝑐𝑎𝑙𝑜𝑛 𝑡𝑖𝑡𝑖𝑘 𝑚𝑖𝑛𝑖𝑚𝑢𝑚 𝑑𝑒𝑛𝑔𝑎𝑛 𝜆1 = 6, 𝜆2 = −12
4

Untuk memastikan bahwa adalah penyelesaian dari persoalan ini masih harus
dibuktikan bahwa syarat cukup terpenuhi, yaitu f(𝑥) konveks, h1(𝑥) konveks
karena 𝜆1 = 6 dan h2(𝑥) adalah konkaf karena 𝜆2 = −12. Buktikan!
 Abe Alkaff

Optimisasi dengan Kendala Persamaan

Algoritma penyelesaian persoalan optimasi dengan kendala persamaan

dapat dituliskan dalam bentuk pseudo code sebagai berikut:
1. Start
2. Construct 𝐿 𝑥, 𝜆
3. Find 𝛻𝐿 𝑥, 𝜆
4. Solve 𝛻𝐿 𝑥, 𝜆 = 0
5. Let 𝐶 = 𝑥, 𝜆 |𝛻𝐿 𝑥, 𝜆 = 0 be the candidate set
6. If 𝐶 is empty, then stop
7. Else, find … . .
8. …
Lanjutkan rancangan pseudo code ini!
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

Bentuk Umum
Min 𝑓 𝑥 Fungsi tujuan

ds 𝑔𝑖 𝑥 ≤ 0 𝑖 = 1, 2, . . 𝑚 Fungsi kendala pertidaksamaan

Bentuk lain harus dikonversi ke bentuk umum tersebut

Max 𝑓 𝑥 Min −𝑓 𝑥
Dengan syarat 𝑔𝑖 𝑥 ≥ 0 Dengan syarat −𝑔𝑖 𝑥 ≤ 0
𝑔𝑗 𝑥 ≥ 𝑎 −𝑔𝑗 𝑥 + 𝑎 ≤ 0
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

Untuk menyelesaikan persoalan ini, ubah pertidaksamaan menjadi persamaan

dengan menambahkan variable yang menyatakan selisih antara ruas kanan dan ruas
kiri atau biasa disebut slack variables
𝑔 𝑥 ≤0→𝑔 𝑥 +𝑠 =0 S disebut slack yang bernilai nonnegatif
𝑠 = 𝑎2
𝑔 𝑥 + 𝑎2
Dapat dibentuk =
fungsi
0 Lagrange sebagai berikut:
𝐿 𝑥, 𝜆, 𝑎 = 𝑓 𝑥 + λ(𝑔 𝑥 + 𝑎2 )
Sekarang persoalannya dapat dituliskan sebagai:
Min 𝐿 𝑥, 𝜆, 𝑎
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

𝐿 𝑥, 𝜆, 𝑎 = 𝑓 𝑥 + λ(𝑔 𝑥 + 𝑎2 )
𝒈 𝑥 + 𝒂𝟐 = 𝟎
Syarat Perlu
𝜕𝐿
𝒂𝟐 = −𝒈 𝑥
• = 𝛻𝑓 𝑥 + 𝜆𝛻𝑔 𝑥 = 0 1
𝜕𝑥 𝒂= −𝒈(𝑥)
𝜕𝐿
• = 𝑔 𝑥 + 𝑎2 = 0 𝑔(𝑥) ≤ 0 2
𝜕𝜆
𝜕𝐿
• = 2𝑎𝜆 = 0
𝜕𝑎
𝑎𝜆 = 0
−𝑔 𝑥 𝜆 = 0 ∗ −𝑔(𝑥)
𝑔 𝑥 𝜆=0 3

𝜆≥0 4 ?
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

𝑔 𝑥 𝜆=0 Disebut complementary slackness
• Bila 𝑔 𝑥 = 0, maka 𝜆 ≠ 0 Persyaratan 3
• Bila 𝑔(𝑥) ≠ 0, maka 𝜆 = 0
𝝀>𝟎 Kendala Berpengaruh (binding constraint)
Yang digunakan persamaannya (=)
𝝀 = 𝟎 Kendala Tidak Berpengaruh (non binding constraint)
Yang digunakan pertidaksamaannya (<)
Titik optimal tidak dipengaruhi oleh kendala tersebut
**Pengali Lagrange (𝜆) harus lebih besar dari 0 sehingga titik
penyelesaian yang memenuhi yaitu 𝛻𝑓 berlawanan arah dengan 𝛻𝑔 (?)
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

Contoh 1
min 3𝑥1 2 + 2𝑥2 2 + 4𝑥1 𝑥2 − 6𝑥1 − 8𝑥2 + 6
d.s 𝑥1 + 𝑥2 ≤ 1

𝑔 𝑥 = 𝑥1 + 𝑥2 − 1
Contoh 2
min 3𝑥1 2 + 2𝑥2 2 + 4𝑥1 𝑥2 − 6𝑥1 − 8𝑥2 + 6
d.s 𝑥1 + 𝑥2 ≥ 1
48
𝑔 𝑥 = −𝑥1 − 𝑥2 + 1
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

Solusi 1
6𝑥1 + 4𝑥2 − 6
𝛻𝑓 𝑥 =
4𝑥1 + 4𝑥2 − 8
1
𝛻𝑔 𝑥 =
1 −4
𝛻𝑓 𝑥 =
Solusi 2 −4
6𝑥1 + 4𝑥2 − 6
𝛻𝑓 𝑥 =
4𝑥1 + 4𝑥2 − 8
−1 49
𝛻𝑔 𝑥 =
−1
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

Kendala berpengaruh, karena

nilai titik optimal ditentukan
Daerah kelayakan
oleh kendala tersebut. Dalam
𝟏
𝜵𝒈 𝑥 = kasus ini terlihat bahwa
𝟏
Titik optimal 𝑥∗ 𝝀>𝟎

−𝟒 𝒙 𝟏 + 𝒙𝟐 = 𝟏
𝜵𝒇 𝑥 =
−𝟒
50

Contour dengan Solusi Contoh 1

 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

Kendala tidak berpengaruh,

karena nilai titik optimal tidak
Titik optimal dipengaruhi oleh kendala
tersebut. Dalam kasus ini
berlaku
𝑥∗
𝝀=𝟎
Karena tidak ada kasus lain
−𝟏
𝜵𝒈 𝑥 = Daerah kelayakan selain dari dua kasus ini, dapat
−𝟏
disimpulkan bahwa
−𝟒 𝜆≥0
𝜵𝒇 𝑥 = Sebagai salah satu syarat perlu
−𝟒 𝒙𝟏 + 𝒙𝟐 = 𝟏
keoptimalan yang harus
51
dipenuhi
Contour dengan Solusi untuk Contoh 2
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

Contoh 3: selesaikan contoh 1 dengan menggunakan syarat perlu
min 3𝑥1 2 + 2𝑥2 2 + 4𝑥1 𝑥2 − 6𝑥1 − 8𝑥2 + 6
d.s 𝑥1 + 𝑥2 ≤ 1
Syarat Perlu
6𝑥1 + 4𝑥2 − 6 1 6𝑥1 + 4𝑥2 − 6 + 𝜆 = 0
1 +𝜆 =0
4𝑥1 + 4𝑥2 − 8 1 4𝑥1 + 4𝑥2 − 8 + 𝜆 = 0
2 𝑥1 + 𝑥2 − 1 ≤ 0
3 𝜆(𝑥1 + 𝑥2 − 1) = 0
52
4 𝜆≥0
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

Kemungkinan 1 : 𝜆 = 0 Kemungkinan 2 : 𝜆 > 0

6𝑥1 + 4𝑥2 − 6 = 0 𝑥1 = −1 3 𝜆 𝑥1 + 𝑥2 − 1 = 0 → 𝑥1 + 𝑥2 − 1 = 0
1
4𝑥1 + 4𝑥2 − 8 = 0 𝑥2 = 3 6𝑥1 + 4𝑥2 − 6 + 𝜆 = 0 𝑥1 = −1
1
4𝑥1 + 4𝑥2 − 8 + 𝜆 = 0 𝑥2 = 2
𝑥1 + 𝑥2 − 1 = 0
2
−1 + 3 − 1 ≠ 0 𝜆 = 4 (𝑚𝑒𝑚𝑒𝑛𝑢ℎ𝑖)
(Tidak Memenuhi)
−1
Jadi, 𝑥 ∗ = dan 𝜆 = 4
2
−1
Untuk memastikan bahwa 𝑥 ∗ = dan 𝜆 = 4 adalah penyelesaian yang dicari,
2
harus dibuktikan terlebih dahulu bahwa syarat cukup dipenuhi 53
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

Syarat perlu keoptimalannya adalah

1 𝛻𝑓 𝑥 + σ𝑚𝑖=1 𝜆𝑖 𝛻𝑔𝑖 𝑥 = 0
2 𝑔𝑖 (𝑥) ≤ 0, 𝑖 = 1,2, . . 𝑚
3 𝜆𝑖 𝑔𝑖 𝑥 = 0, 𝑖 = 1,2, . . 𝑚
4 𝜆𝑖 ≥ 0, 𝑖 = 1,2, . . 𝑚
Syarat cukup keoptimalannya adalah
𝑓 𝑥 adalah konveks
𝑔𝑖 𝑥 adalah konveks untuk 𝜆𝑖 > 0 54
𝑔𝑖 𝑥 adalah bebas untuk 𝜆𝑖 = 0
 Abe Alkaff

Optimisasi dengan Kendala Pertidaksamaan

Syarat cukup keoptimalannya adalah:

𝑓 𝑥 harus konveks
𝑔 𝑥 harus konveks karena 𝜆 = 4 > 0
Karena linier, 𝑔 𝑥 dapat dipastikan adalah konveks.
Sedangkan untuk membuktikan 𝑓 𝑥 adalah konveks dilakukan dengan mencari
matriks Hessiannya. Dengan mudah dapat dilihat bahwa matriks Hessiannya adalah
positive definite, sehingga 𝑓 𝑥 adalah konveks.
−1
Karena syarat cukupnya terpenuhi, 𝑥 ∗ = dengan 𝜆 = 4 adalah penyelesaiannya
2
Tuliskan pseudo code untuk algoritma pencarian penyelesaian 55

persoalan optimasi dengan kendala pertidaksamaan!

 Abe Alkaff

Bentuk Umum Persoalan Optimisasi

Bentuk umum persoalan optimisasi dapat dituliskan sebagai berikut:

Fungsi optimisasi
Min 𝑓 𝑥
ds 𝑔𝑖 𝑥 ≤ 0 𝑖 = 1,2, . . 𝑚 Fungsi kendala pertidaksamaan
ℎ𝑗 𝑥 = 0 𝑗 = 1,2, . . 𝑘 Fungsi kendala persamaan

Fungsi Lagrange-nya adalah

𝑚 𝑘
𝐿 𝑥, 𝜆, 𝜇 σ σ
= 𝑓 𝑥 + 𝑖=1 𝜆𝑖 𝑔𝑖 𝑥 + 𝑗=1 𝜇𝑗 ℎ𝑗 𝑥
Dengan n adalah dimensi 𝑥, m dimensi 𝑔, dan k dimensi ℎ
 Abe Alkaff

Bentuk Umum Persoalan Optimisasi

Syarat perlu keoptimalannya adalah
1 𝛻𝑓 𝑥 + σ𝑚 𝑖=1 𝜆𝑖 𝛻𝑔𝑖 𝑥 = 0
2 𝑔𝑖 (𝑥) ≤ 0, 𝑖 = 1,2, . . 𝑚
3 ℎ𝑗 𝑥 = 0, 𝑗 = 1,2, . . 𝑘 Dikenal sebagai Syarat
4 Keoptimal Kuhn-Tucker
𝜆𝑖 𝑔𝑖 𝑥 = 0, 𝑖 = 1,2, . . 𝑚
5 𝜆 ≥ 0, 𝑖 = 1,2, . . 𝑚
𝑖
Syarat cukup keoptimalannya adalah
𝑓 𝑥 = konveks
𝑔𝑖 𝑥 = konveks untuk 𝜆𝑖 > 0, bebas untuk 𝜆𝑖 = 0
ℎ𝑗 𝑥 = konveks untuk 𝜇𝑗 > 0, konkaf untuk 𝜇𝑗 < 0, bebas unt 𝜇𝑗 = 0
 Abe Alkaff

Bentuk Umum Persoalan Optimisasi

Contoh
max 2𝑥1 + 𝑥2
𝑑. 𝑠 𝑥1 + 𝑥2 = 2
𝑥1 ≥ 0
𝑥2 ≥ 0

Konversi ke Bentuk Umum max 2𝑥1 + 𝑥2  min −2𝑥1 − 𝑥2

𝑓 𝑥 = −2𝑥1 − 𝑥2
𝑔1 𝑥 = −𝑥1 ada 4 gradient
𝑔2 𝑥 = −𝑥2 58
ℎ 𝑥 = 𝑥1 + 𝑥2 − 2
 Abe Alkaff

Bentuk Umum Persoalan Optimisasi

Syrat Perlu
1 𝛻𝑓 𝑥 + 𝜆1 𝛻𝑔1 𝑥 + 𝜆2 𝛻𝑔2 𝑥 + 𝜇𝛻ℎ 𝑥 = 0 −2 − 𝜆1 + 𝜇 = 0 1a
−2 −1 0 1 −1 − 𝜆2 + 𝜇 = 0 1b
+ 𝜆1 + 𝜆2 +𝜇 =0
−1 0 −1 1
2 −𝑥1 ≤ 0 2a
−𝑥2 ≤ 0 2b
3 𝑥1 + 𝑥2 − 2 = 0
4 𝜆1 𝑥1 = 0 4a
𝜆2 𝑥2 = 0 4b
5 𝜆1 ≥ 0 5a 59
𝜆2 ≥ 0 5b
 Abe Alkaff

Bentuk Umum Persoalan Optimisasi

Berdasarkan Kemungkinan 1 : 𝜆1 > 0 𝜆2 > 0

kombinasi nilai 𝜆𝑖 , 4 𝑥1 = 0 3 𝑥1 + 𝑥2 − 2 = 0
diperoleh 4 𝑥2 = 0 0 + 0 −2≠0
kemungkinan (Tidak Memenuhi)
Kemungkinan 2 : 𝜆1 = 0 𝜆2 > 0
4 𝑥2 = 0
3 𝑥1 + 𝑥2 − 2 = 0
𝑥1 = 2
60
1 −2 − 𝜆1 + 𝜇 = 0 ⇒ 𝜇 = 2
−1 − 𝜆2 + 𝜇 = 0 ⇒ 𝜆2 = 1 (Memenuhi)
 Abe Alkaff

Bentuk Umum Persoalan Optimisasi

Kemungkinan 3 : 𝜆1 > 0 𝜆2 = 0
4 𝑥1 = 0 −1 − 𝜆2 + 𝜇 = 0 ⇒ 𝜇 = 1
1
3 𝑥1 + 𝑥2 − 2 = 0 −2 − 𝜆1 + 𝜇 = 0 ⇒ 𝜆1 = −1 (Tidak Memenuhi)
𝑥2 = 2
Kemungkinan 4 : 𝜆1 = 0 𝜆2 = 0

1 −2 − 𝜆1 + 𝜇 = 0 ⇒ 𝜇 = 2
−1 − 𝜆2 + 𝜇 = 0 ⇒ 𝜇 = 1 (Tidak Memenuhi)
2
Jadi, 𝑥∗ = dengan 𝜆1 = 0, 𝜆2 = 1, 𝜇 = 2 adalah calon titik optimal
0
Dengan nilai Minimum 61

min −2𝑥1 − 𝑥2 = −2 2 − 0 = −4
 Abe Alkaff

Bentuk Umum Persoalan Optimisasi

𝛻ℎ
𝜆1 > 0
𝜆2 = 0
𝛻𝑔1

𝛻ℎ
𝛻𝑓
𝜆1 > 0 𝜆1 = 0
𝜆2 > 0 𝜆2 > 0

𝛻𝑓
𝛻𝑔2

Contour dengan Intepretasi Geometris Penyelesaian Contoh 3

 Abe Alkaff

Bentuk Umum Persoalan Optimisasi

Syarat cukup dapat dicek sebagai berikut:

1. Fungsi tujuan 𝑓 𝑥 adalah fungsi linear. Sehingga syarat
konveks terpenuhi
2. Fungsi kendala Semua
1. 𝑔1 𝑥 tidak berpengaruh karena 𝜆1 = 0, sehingga bebas syarat
2. 𝑔2 𝑥 berpengaruh karena 𝜆2 > 0, sehingga harus konveks. cukup
Karena linear, syarat tersebut dengan sendirinya terpenuhi
terpenuhi!
3. ℎ 𝑥 harus konveks karena 𝜇 > 0. Karena linear, syarat
tersebut dengan sendirinya terpenuhi.
0
Jadi, 𝑥 ∗ = dengan 𝜆1 = 0, 𝜆2 = 1, 𝜇 = 2 adalah penyelesaiannya
2
Buat pseudo code untuk algoritma penyelesaian bentuk umum persoalan optimisasi!
63
 Abe Alkaff

Persoalan Optimasi dengan Kendala Non-Negatif

Seringkali dijumpai persoalan dengan syarat semua variable harus non-

negative karena variable-variable tersebut menyatakan jumlah barang,
bahan bakar, lama pengerjaan yang selalu bernilai non-negative.

𝑀𝑖𝑛 𝑓 𝒙 Fungsi tujuan

𝑑𝑠 𝑔 𝑥 ≤0
Kendala fungsional
ℎ 𝑥 ≥0
𝑥 ≥0 Kendala non-negatif
 Abe Alkaff

Persoalan Optimasi dengan Kendala Non-Negatif

Bentuk Umum
Dalam bentuk umum persoalan optimisasi dapat ditulis,

𝑀𝑖𝑛 𝑓 𝒙 Fungsi tujuan

𝑑𝑠 𝑔 𝑥 ≤0
Kendala fungsional
ℎ 𝑥 =0
−𝑥 ≤0 Kendala non-negatif
*notes
ℎ(𝑥)  menyatakan kendala persamaan
𝑔(𝑥)  menyatakan kendala pertidaksamaan
 Abe Alkaff

Persoalan Optimasi dengan Kendala Non-Negatif

Kita dapati fungsi lagrange,
𝐿 𝑥, 𝜆, 𝜇, 𝑣 = 𝑓 𝑥 + 𝜆𝑔 𝑥 + 𝜇ℎ 𝑥 − 𝑣𝑥

Untuk mendapatkan titik optimum, harus memenuhi syarat perlu Kuhn-

Tucker
1. 𝛻𝑓 + 𝜆𝛻𝑔 + 𝜇𝛻ℎ − 𝑣 = 0 5. 𝜆𝑔 𝑥 = 0
2. 𝑔 𝑥 ≤ 0 6. 𝜆 ≥ 0
3. ℎ 𝑥 = 0 7. 𝑣𝑥 = 0
4. 𝑥 ≥ 0 8. 𝑣 ≥ 0
 Abe Alkaff

Persoalan Optimasi dengan Kendala Non-Negatif

Penyederhanaan Syarat Perlu

𝛻𝑓 + 𝜆𝛻𝑔 + 𝜇𝛻ℎ − 𝑣 = 0  dari syarat perlu nomor satu

𝛻𝑓 + 𝜆𝛻𝑔 + 𝜇𝛻ℎ = 𝑣  disubtitusikan ke syarat nomor 7 dan 8

Maka, syarat perlu Kuhn-Tuckernya dapat disederhanakan menjadi,

1. 𝑥(𝛻𝑓 + 𝜆𝛻𝑔 + 𝜇𝛻ℎ) = 0 4. ℎ 𝑥 = 0
2. 𝛻𝑓 + 𝜆𝛻𝑔 + 𝜇𝛻ℎ ≥ 0 5. 𝜆𝑔 𝑥 = 0
3. 𝑔 𝑥 ≤ 0 6. 𝜆 ≥ 0
 Abe Alkaff

Persoalan Optimasi dengan Kendala Non-Negatif

Contoh
𝑀𝑖𝑛 − 2𝑥1 − 𝑥2
𝑑𝑠 𝑥1 + 𝑥2 = 2
𝑥1 ≥ 0
𝑥2 ≥ 0
Syarat Perlu
1. 𝑥 𝛻𝑓 + 𝜆𝛻𝑔 + 𝜇𝛻ℎ = 0 2. −2 + 𝜇 ≥ 0
−2 1 𝑥1 −1 + 𝜇 ≥ 0
+ 𝜇 𝑥 =0 3. 𝑥1 + 𝑥2 = 2
−1 1 2
−2 + 𝜇 𝑥1 = 0 4. 𝑥1 ≥ 0
−1 + 𝜇 𝑥2 = 0 𝑥2 ≥ 0
 Abe Alkaff

Persoalan Optimasi dengan Kendala Non-Negatif

Penyelesaian
 Kemungkinan 1 (𝑥1 > 0 ; 𝑥2 > 0)
(1) −2 + 𝜇 = 0 → 𝜇 = 2
tidak memenuhi
−1 + 𝜇 = 0 → 𝜇 = 1 (ada dua nilai 𝜇 yang berbeda)

 Kemungkinan 2 (𝑥1 > 0 ; 𝑥2 = 0)

(3) 𝑥1 + 0 = 2 → 𝑥1 = 2
(2a) −2 + 𝜇 = 0 → 𝜇 = 2
(2) −2 + 𝜇 = 0 ≥ 0
memenuhi
−1 + 𝜇 = 1 ≥ 0
 Abe Alkaff

Persoalan Optimasi dengan Kendala Non-Negatif

 Kemungkinan 3 (𝑥1 = 0 ; 𝑥2 > 0)

(3) 0 + 𝑥2 = 2 → 𝑥2 = 2
tidak memenuhi
(2b) −1 + 𝜇 = 0 → 𝜇 = 1
(2) −2 + 𝜇 = −1 < 0

 Kemungkinan 4 (𝑥1 = 0 ; 𝑥2 = 0)
(3) 0+0 ≠2 tidak memenuhi

2
Sehingga didapatkan 𝑥∗ = dengan 𝜇 = 2
0
 Abe Alkaff

Tugas 3

1. Buat sebuah persoalan optimisasi yang melibatkan dua variable, fungsi tujuan orde dua, satu
kendala persamaan orde dua, dan satu kendala pertidaksamaan orde satu.
a. Dengan menggunakan psedo code untuk algoritma optimisasi yang anda buat, tentukan penyelesaian
analitis dari persoalan tersebut
b. Tunjukkan bahwa syarat keoptimalan Kuhn Tucker terpenuhi
c. Gambarkan (menggunakan komputer) kontur, daerah kelayakan, dan vektor gradien untuk menunjukkan
bahwa titik optimal yang diperoleh memenuhi semua syarat perlu
2. Buat sebuah persoalan optimisasi tanpa kendala dengan dua variable dan fungsi tujuan orde
tiga yang memiliki nilai minimum dan maksimum. Ulangi pertanyaan a, b, c pada soal nomer
1.
3. Buat sebuah soal optimasi yang melibatkan tiga variable orde dua, satu kendala persamaan
orde satu, dan satu kendala pertidaksamaan orde satu. Ulangi pertanyaan a dan b pada
71 soal
nomer 1.