ALGORITMA GOLDEN SECTION SEARCH

Kelompok 10

Mega Widya P Siti Nurlela Revyana

1157010038 1167010068 1167010055
 OPTIMISASI
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, maka
keadaan optimum adalah keadaan yang memberikan pengeluaran minimum (minimasi).
 ALGORITMA GOLDEN SECTION SEARCH
Golden section search merupakan salah satu cara atau metode optimasi numerik yang dapat di
terapkan untuk fungsi yang bersifat unimodal. Kedua tipe optimasi, yaitu maksimasi dan minimasi dapat di
selesaikan 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.

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.
 Langkah-Langkah
1. Mulailah dari 2 nilai tebakan awal 𝑿𝒍 dan 𝑿𝒖 , yang mengapit titik maksimum/minimum

2. Tentukan 𝑿𝟏 dan 𝑿𝟐

𝑿𝟏 = 𝑿𝒍 + 𝒅

𝑿𝟐 = 𝑿𝒖 − 𝒅

Dengan d

𝟓−𝟏
d= (𝑿𝒖 - 𝑿𝒍 )
𝟐
3. Berdasarkan harga f (x) pada 2 titik tersebut (𝑋1 dan 𝑋2 ), maka diharapkan ada sebagian interval yang
dapat dieliminasi, sehingga salah satu titik lama bisa dipakai lagi pada evaluasi langkah berikutnya. Jadi
hanya diperlukan 1 titik baru. Demikian seterusnya.
4. STOP jika ( 𝑋𝑢 - 𝑋𝑙 ) < 𝛼

f(𝑋1 ) > f (𝑋2 ) f(𝑋1 ) ≤ f (𝑋2 )

𝑋𝑙 = 𝑋2 𝑋𝑙 = 𝑋𝑙
Kasus maksimasi 𝑋𝑢 = 𝑋𝑢 𝑋𝑢 = 𝑋1
𝑋2 = 𝑋1 𝑋1 = 𝑋2

𝑋𝑙 = 𝑋𝑙 𝑋𝑙 = 𝑋2
Kasus Minimasi 𝑋𝑢 = 𝑋1 𝑋𝑢 = 𝑋𝑢
𝑋1 = 𝑋2 𝑋2 = 𝑋1
Contoh : Max:f(x) = ln(x) – 0,1𝑋 2 pada selang [1,3], dengan toleransi (𝛼) = 0,5 menggunak
an Algoritma Golden-Section search

Penyelesaian
𝑋𝑙 = 1
𝑋𝑢 = 3
𝟓−𝟏 𝟓−𝟏
d= (𝑿𝒖 - 𝑿𝒍 ) = (3-1) = 1,236
𝟐 𝟐

𝑿𝟏 = 𝑿𝒍 + 𝒅
= 1 + 1,236 = 2,236
𝑿𝟐 = 𝑿𝒖 − 𝒅
=3 - 1,236 = 1,764
f(𝑿𝟏 ) = ln(2,236) – 0,1(2,236)2 = 0,305
f(x2) = ln(1,764) – 0,1(1,764)2 = 0,256
f(𝑋1 ) > f (𝑋2 )
Iterasi 1
𝑋𝑙 = 1,764 (1,236) > 𝛼
𝑋𝑢 = 3
𝑋2 = 2,236
Cari 𝑋1 baru :

𝟓−𝟏 𝟓−𝟏
d= (𝑿𝒖 - 𝑿𝒍 ) = (3 -1,764) = 0,764
𝟐 𝟐

𝑿𝟏 = 𝑿𝒍 + 𝒅
= 1,764 + 0,764 = 2,528
f(𝑿𝟏 ) = ln(2,528) – 0,1(2,528)2 = 0,288
f(x2) = 0,305
f(𝑋1 ) < f (𝑋2 )
iterasi 2
𝑋𝑙 = 1,764 (0,764) > 𝛼
𝑋𝑢 = 2,528
𝑋1 = 2,236
Cari 𝑋2
𝟓−𝟏 𝟓−𝟏
d= (𝑿𝒖 - 𝑿𝒍 ) = (2,528 -1,764) = 0,0472
𝟐 𝟐
𝑿𝟐 = 𝑿𝒖 − 𝒅
= 2,528 - 0,0472 = 2,4808
f(𝑿𝟏 ) = 0,305
f(𝑋2 ) = ln(2,4808) – 0,1 (2,4808)2 = 0,298
f(𝑋1 ) > f (𝑋2 )
iterasi 3
𝑋𝑙 = 2,4808 (0,0472) < α
𝑋𝑢 = 2,528
𝑋2 = 2,236
STOP
Jadi titik maksimumnya di
𝑋 ∗ = 2,236
dengan nilai maksimum fungsi
f(𝑋 ∗ ) = ln(2,236) -0,1 (2,236)2 =0,305
Contoh 2
Min f(x) =-x (5π-x) pada selang [0,20], dengan toleransi = 1, menggunakan Algoritma Golden Section search .
Penyelesaian :
𝑋𝑙 = 0
𝑋𝑢 = 20
𝟓−𝟏 𝟓−𝟏
d= (𝑿𝒖 - 𝑿𝒍 ) = (20-0) = 12,36
𝟐 𝟐

𝑿𝟏 = 𝑿𝒍 + 𝒅
= 0 + 12,36 = 12,36
𝑿𝟐 = 𝑿𝒖 − 𝒅
= 20-12,36 = 7,64
f(𝑿𝟏 ) = -12,36 (5(3,14) – 12,36) = -41,37
f(x2) = -7,64(5(3,14) – 7,64) = -61,64
f(𝑋1 ) > f (𝑋2 )
Iterasi 1 Cari 𝑿𝟏 baru
𝑋𝑙 = 0 12,36 > 𝛼 𝟓−𝟏 𝟓−𝟏
d= (𝑿𝒖 - 𝑿𝒍 ) = (12,36 – 4,72) =4,72
𝟐 𝟐
𝑋𝑢 = 12,36
𝑿𝟏 = 𝑿𝒍 + 𝒅
𝑿𝟏 = 7,64
=4,72 + 4,72 =9,44
Cari 𝑿𝟐 baru
f(𝑿𝟏 ) = -9,44 (5(3,14) – 9,44) = -59,09
𝟓−𝟏 𝟓−𝟏
d= (𝑿𝒖 - 𝑿𝒍 ) = (12,36 - 0) =7,64 f(x2) = -7,64 (5(3,14) – 7,64) = - 61,58
𝟐 𝟐

𝑿𝟐 = 𝑿𝒖 − 𝒅 f(𝑋1 ) > f (𝑋2 )

=12,36 – 7,64 = 4,72
f(𝑿𝟏 ) = -7,64 (5(3,14) – 7,64) = -61,58
f(x2) = -4,72 (5(3,14) – 4,72) = - 51,82
f(𝑋1 ) < f (𝑋2 )
iterasi 2
𝑋𝑙 = 4,72 7,64 > 𝛼
𝑋𝑢 = 12,36
𝑿𝟐 = 7,64
Iterasi 3 f(𝑿𝟏 ) = -8,32 (5(3,14) – 8,32) = -61,40
𝑋𝑙 = 4,72 4,72 > 𝛼 f(x2) = -7,64 (5(3,14) – 7,64) = - 61,58
𝑋𝑢 = 9,44 f(𝑋1 ) > f (𝑋2 )
𝑿𝟏 = 7,64 iterasi 5
Cari 𝑿𝟐 baru 𝑋𝑙 = 6,52 1,80 > 𝛼
d=
𝟓−𝟏
(𝑿𝒖 - 𝑿𝒍 ) =
𝟓−𝟏
(9,44 - 4,72) = 2,92 𝑋𝑢 = 8,32
𝟐 𝟐 𝑿𝟏 = 7,64
𝑿𝟐 = 𝑿𝒖 − 𝒅 Cari 𝑿𝟐 baru
=9,44 – 2,92 = 6,52 𝟓−𝟏 𝟓−𝟏
f(𝑿𝟏 ) = -7,64 (5(3,14) – 7,64) = -61,58 d= (𝑿𝒖 - 𝑿𝒍 ) = (8,32 – 6,52) =1,11
𝟐 𝟐
f(x2) = -6,52 (5(3,14) – 6,52) = - 59,85 𝑿𝟐 = 𝑿𝒖 − 𝒅
f(𝑋1 ) < f (𝑋2 ) =8,32 –1,11 = 7,21
iterasi 4 2,92 > 𝛼 f(𝑿𝟏 ) = -7,64 (5(3,14) – 7,64) = -61,58
𝑋𝑙 = 6,52 f(x2) = -7,21 (5(3,14) – 7,21) =- 61,21
𝑋𝑢 = 9,44 f(𝑋1 ) < f (𝑋2 )
𝑿𝟐 = 7,64
Cari 𝑿𝟏 baru
𝟓−𝟏 𝟓−𝟏
d= (𝑿𝒖 - 𝑿𝒍 ) = (9,44 – 6,52) = 1,80
𝟐 𝟐
𝑿𝟏 = 𝑿𝒍 + 𝒅
= 6,52 + 1,80 = 8,32
Iterasi 6
𝑋𝑙 = 7,21 1,11 > 𝛼
𝑋𝑢 = 8,32
𝑿𝟐 = 7,64
Cari 𝑿𝟏 baru
𝟓−𝟏 𝟓−𝟏
d= (𝑿𝒖 - 𝑿𝒍 ) = (8,32 – 7,21) =0,685
𝟐 𝟐
𝑿𝟏 = 𝑿𝒍 + 𝒅
=7,21 + 0,685 = 7,90
f(𝑿𝟏 ) = -7,90 (5(3,14) – 7,90) = -61,62
f(x2) = -7,64 (5(3,14) – 7,64) =- 61,58
f(𝑋1 ) < f (𝑋2 )
iterasi 7 :
𝑋𝑙 = 7,64 0,68 < 𝛼
𝑋𝑢 = 8,32
𝑿𝟐 = 7,90
STOP
jadi titik minimum pendekatannya ialah
𝑋 ∗ = 7,90
dengan nilai minimum fungsi
f(𝑋 ∗ ) = −7,90 5 3,14 − 7,90 = −61,62
ANY QUESTION ?
 KESIMPULAN

Algoritma Golden section search merupakan salah satu cara atau

metode optimasi numerik yang dapat diterapkan untuk fungsi yang bersifat
unimodal.