Optimasi non Linier

Metode numerik pertemuan 6

OBJECTIVES

• Understand why and where optimization occurs in engineering

problem solving.
• Understand the major elements of the general optimization problem:
(1) objective function, (2) decision variables, and (3) constraints.
• Be able to distinguish between linear and nonlinear optimization, and
between constrained and unconstrained problems.
 INTRODUCTORY EXAMPLE

Persoalan pemilihan diameter pipa untuk mengangkut fluida dari satu proses
ke proses yang lain.

Diameter pipa optimum, berdasarkan:

Biaya investasi, dan biaya operasi

$ / year
Cost Pipe diamater (in) Diameter
components 1 1,25 1,5 pipa mana
2 2,5
yang akan
Anda pilih?
Operating Costs 4697 660 312 164 56
Pipe capital costs 168 308 389 474 660
Pump capital 401 192 150 150 150
costs
Total 5266 1160 852 788 866
Definisi Optimasi
• Jenis optimasi: 1- maksimasi; 2- minimasi
• Dua hal penting dalam studi optimasi: 1- fungsi objektif dan decision
variables; 2- kendala (constraints)
• Contoh-contoh persoalan optimasi dalam bidang engineering
• Contoh-contoh constraints yang menyertai persoalan optimasi
Definisi dan Jenis Optimasi

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).
Fungsi Objektif

• Secara umum, fungsi yang akan dimaksimumkan atau diminimumkan

disebut fungsi objektif (objective function), sedangkan harga-harga yang
berpengaruh dan bisa dipilih disebut variabel (perubah) atau decision
variable.
• 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.
Contoh Persoalan Optimasi dalam
Bidang Engineering

• Design pump and heat transfer equipment for maximum efficiency

• Design waste water treatment system to meet water-quality
standards of least cost
• Optimal planning and scheduling
• Optimal pipeline network
• Inventory control
• Maintenance planning to minimize cost
• etc.
Contoh Constraints yang Menyertai
Persoalan Optimasi

• Maximum process temperature

• Maximum flow rate limitation
• Maximum conversion limitation
• Product purity
• Strength of materials
• Environmental factor
• Safety consideration
• Availability of utilities
• Corrosion considerations
• Availability and characteristics of feed stocks
• Market demand for the product
• Space limitation
• An upper limit on the capital investment
Ilustrasi maksimasi (secara grafik)

• Beberapa istilah: Maksimum

lokal Maksimum global

• A unimodal function

• One hump or one valley

• Catatan: Analog, untuk

kasus minimasi
Maksimum dan minimum lokal dan global:
• Perbedaan antara persoalan optimasi dengan pencarian/ penentuan
akar persamaan:
Ilustrasi grafik optimasi dua variabel

optimum
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:
• Metode golden section
• Metode Newton
• Metode interpolasi kuadrat
• dsb.
METODE GOLDEN SECTION

Golden section merupakan salah satu cara atau metode optimasi

numerik yang bisa dipakai 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
METODE GOLDEN SECTION

• Tinjaulah fungsi f(x) yang akan

ditentukan maksimum- nya,
pada rentang x = xl dan x = xu
(perhatikan gambar di samping).
• Mirip dengan bisection, ide
dasar metode ini adalah me-
manfaatkan nilai yang lama
sebagai nilai yang baru.

• Secara matematik:
METODE GOLDEN SECTION

Karena:

Ambil kebalikannya dan kemudian definisikan:

(R biasa disebut sebagai

Golden ration atau golden number)
ALGORITMA
(kasus maksimasi):

1. Mulai dari 2 nilai tebakan

awal awal xl dan xu , yang
mengapit titik maksimum
•2. Tentukan nilai x1 dan x2 di
dalam rentang xl dan xu, sesuai
dengan golden ratio (R)
ALGORITMA (kasus maksimasi):

3. Berdasarkan harga f(x) pada 2 titik tersebut (x1 dan x2), 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.

Ada 2 kasus:

(a) Jika: f(x1) > f(x2)

Maka: domain x antara xl dan x2 dieliminasi
x2 lama = xl baru
x1 lama = x2 baru
xu lama = xu baru
x1 baru ditentukan

(b) Jika: f(x2) > f(x1)

Maka: domain x antara x1 dan xu dieliminasi
x1 lama = xu baru
x2 lama = x1 baru
xl lama = xl baru
METODE GOLDEN SECTION

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
EXAMPLE : DETERMINING MINIMATION FUNCTION

Y = 2X2 – 8X + 12

KNOWN

XA = LOWER LIMIT (BATAS BAWAH) = 0

XB = UPPER LIMIT (BATAS ATAS) = 4
TOL = 0.001 (SAMPLE)

X=XA = 0
YA = (2*02) - (8*0) + 12 = 12

X=XB=4
YB = (2*42 )– (8*4) +12 =12
• XP=XA + (1 – L) * (XB – XA)
• = 0 + ( 1 – 0.618) * (4 – 0) =1,53
• YP = (2 * 1,5322) – (8*1,53) +12 = 4,44

• XQ=XA + L*(XB – XA)

• = 0 + 0.618*(4 – 0) = 2,472
• YQ= (2*2,4722) – (8*2,472) + 12 = 4,45

• XPNEW=1,53 + (1 – L)*(2,472 – 1,53) = 1,8898

• YPNEW=( 2*1,88982) – (8*1,8898) + 12 = 4,02

• XQNEW=1,53 + 0,618*(2,472 – 1,53) = 1,915

• YPNEW = (2*1,9152) – (8*1,915) +12 = 4,01

• DST……
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:
f ' (x*) = g(x*) = 0
• (x* menyatakan nilai x optimum)
• maka, nilai x* dapat diperoleh secara iteratif sebagai berikut:
METODE INTERPOLASI KUADRAT

• Metode ini dapat digunakan

untuk melakukan optimasi
secara numerik. Hal ini
disebabkan oleh penggunaan
polinomial orde-dua yang
menghasilkan pendekatan cukup
baik terhadap bentuk f(x) di
dekat titik optimumnya.
• (Perhatikan gambar di
samping…)
METODE INTERPOLASI KUADRAT

• 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.:

• Penentuan x3 dilakukan secara iteratif, melalui strategi yang sama dengan

metode golden section, hingga diperoleh penyelesaian yang konvergen.
Latihan Golden Section Search
Gunakan metode golden-section search untuk menentukan
maksimum dari fungsi:

di dalam interval: xl = 0 dan xu = 4

• Secara grafik, fungsi f (x) pada interval x sebesar
0 s.d. 4 ditunjukkan pada gambar berikut.
• Perhatikanlah bahwa nilai maksimum fungsi
teramati di sekitar harga x = 1,5.
x1 lama = xu baru
x2 lama = x1 baru
xl lama = xl baruu
x2 lama = xl baru
x1 lama = x2 baru
xu lama = xu baru
Latihan Metode Newton
• Gunakan metode Newton untuk menentukan maksimum dari fungsi:

dengan nilai awal x sebesar x0 = 2,5

Latihan Metode Interpolasi Kuadrat
• Gunakan metode interpolasi kuadrat untuk menentukan maksimum dari fungsi:

dengan nilai-nilai awal x: x0 = 0; x1 = 1; dan x2 = 4