(fungsi sederhana)
Lanjutan……
Hakekat Derivatif dan Diferensial
y
lereng dari kurva y f(x)
x
lim y dy
x 0 x dx
Variabel terikat
dy/dx lereng taksiran (approximated slope)
dari kurva y = f(x) pada kedudukan x tertentu.
∆y/∆x lereng yang sesungguhnya (the true
slope)
Lereng taksiran ini dapat lebih besar (over
estimated), atau lebih kecil (under estimated),
atau sama dengan lereng sesungguhnya
(teragantung pada jenis fungsinya dan besar
kecilnya perubahan pada variabel bebas)
Fungsi y = f(x) yang linier, lereng taksiran =
lereng sesungguhnya, berapapun ∆x dy/dx
= ∆y/ ∆x
y = f(x) Perubahan x = ∆x
Perubahan y = ∆y
Diferensial x = dx
R
Diferensial y = dy
∆y = dy Kuosien diferensi =
P ∆y/ ∆x
Q
Derivatif = dy/dx
∆x = dx
dy/dx = ∆y/ ∆x
Fungsi y = f(x) yang non-linier
y y
S
S
R QR=∆y R
P Q QR=dy
P QS=dx
Q QS=∆y
∆x = dx
∆x = dx
0 x 0 x
(a) (b)
dy > ∆y dy < ∆y
Over-estimated Under-estimated
Contoh
Andaikan y = 3x-4x+5 dan ingin diketahui serta
dibandingkan nilai dy dan nilai Δy untuk Δx = 0.0001
dari kedudukan x =2.
dy/dx = 6x-4 = 6(2) – 4 = 8
dy = dy/dx Δx = 8 (0,0001) = 0,0008
Δy = f(x+Δx) – f(x)
= 3(x+Δx) - 4(x+Δx)+5 – (3x-4x+5)
=3(2+0,0001) - 4(2+0,0001)+5 – 3(2)+4(2)-5=0,0008
Jadi untuk x=2 dan Δx =0,0001 ternyata dy=Δy=0,0008,
berarti lereng taksirannya sama persis dengan lereng yang
sesungguhnya
Derivatif dari derifatif
Setiap fungsi bisa diturunkan lebih dari 1
kali (tergantung derajatnya).
Turunan pertama (turunan dari fungsi
awal), turunan kedua (turunan dari fungsi
pertama, dst.
contoh :
y f ( x) x 3 4 x 2 5 x 7
y ' dy / dx 3 x 2 8 x 5
y ' ' d 2 y / dx 2 6 x 8
y ' ' ' d 3 y / dx 3 6
y 'v d 4 y / dx 4 0
Hubungan antara fungsi dan Derivatifnya
Dengan mengetahui hub. antara fungsi dan
derivatifnya besarnya turunan pertama dan
turunan kedua akan bisa dikenali bentuk gambar
dari fungsi tersebut
Kita akan mengetahui kurva menaik atau menurun,
titik ekstrim dan juga titik beloknya.
contoh :
y f ( x) 1 x 3 4 x 2 12 x 5 fungsi kubik
3
y ' dy / dx x 2 8 x 5 fungsi kuadrat
y ' ' d y / dx 2 x 8 fungsi linear
2 2
Lereng nol
y = f(x)
y = x2 – 8x + 12
12
y’= 2x - 8
2 y” = 2
0 x
2 4 6
-4
(4,-4)
-8
Parabola y = f(x) mencapai titik ekstrim pada y’ = 0
Jika y” < 0 : bentuk parabolanya terbuka ke bawah,
titik ekstrimnya adalah titik maksimum.
Jika y” > 0 : bentuk parabolanya terbuka ke atas, titik
ekstrimnya adalah titik minimum.
Titik Ekstrim dan Titik Belok Fungsi Kubik
Titik maksimum atau minimum fungsi kubik,
serta titik beloknya dapat dicari melalui turunan
pertama dan kedua dari fungsi tersebut. Derivatif
pertama berguna menentukan letak titik
ekstrimnya, sedangkan derivatif kedua bermanfaat
mengetahui jenis titik ekstrim dan menentukan
letak titik beloknya
Perhatikan fungsi kubik dan turunannya berikut :
y = 1/3x3 – 3x2 + 8x – 3 ………….fungsi kubik
y’ = x2 – 6x + 8 ……………………fungsi kuadratik
y” = 2x – 6 ………………………..fungsi linear
Jika y’ = 0,
x2 – 6x + 8 = 0
(x – 2)(x – 4) = 0 x1 = 2, x2 = 4
Untuk x1 = 2 dimasukkan pada persamaan kubik
maka y = 3.67 (2, 3.67) titik ekstrim maksimum
Untuk x1 = 2 apabila dimasukkan dalam turunan ke dua,
maka y” = -2 < 0 (turunan kedua negatif)
Untuk x2 = 4 dimasukkan pada persamaan kubik
maka y = 2.33 (4, 2.33) titik ekstrim minimum
Untuk x2 = 4 apabila dimasukkan dalam turunan ke dua,
maka y” = 2 > 0 (turunan kedua positif)
Jika y” = 0 2x – 6 = 0 x = 3, nilai x = 3 dimasukkan
dalam persamaan kubik didapatkannilai y = 3 titik
belok (3,3)
y
y’ = x2 – 6x + 8
8
y’’= 2x – 6
(2,3.67)
3.67 y = 1/3x3 – 3x2 + 8x + 3
(3,3)
(4,2.33)
2 y” = 2
0 x
2 3 4
-2 (3,-1)
-4
-6
Fungsi Kubik y = f(x) mencapai titik ekstrim pada y’ =
0
Jika y” < 0 pada y’ = 0, maka titik ekstrimnya adalah
titik maksimum
Jika y” > 0 pada y’ = 0, maka titik ekstrimnya adalah
titik minimum
Fungsi kubik y = f(x) berada di titik belok pada y” = 0
Diferensial & Optimalisasi
Diferensial Fungsi Majemuk
Optimalisasi
Penerapan dalam ekonomi
Parsial Diferensial
• Sebuah fungsi yg hanya mengandung satu variabel
bebas hanya akan memiliki satu macam turunan
Jika y = f(x) maka turunan y terhadap x: y’ = dy/dx
• Sedangkan jika fungsi yg bersangkutan memiliki
lebih dari satu variabel bebas, maka turunannya
akan lebih dari satu macam, tergantung jumlah
variabel bebasnya
Parsial Diferensial
• Jika y = f(x, z)
y dy
dy dx dz
x z
y y y y
dx dz
x dan z disebut derivatif parsial, x dan z
disebut diferensial parsial, sedangkan dy disebut
diferensial total
• Jika p = f(q, r, s)
p p p
dp dq dr ds
q r s
Parsial Derivatif
• y = f(x1, x2, x3, …, xn) dimana xi (i = 1, 2, 3, …, n)
adalah variabel yg independen satu sama lainnya,
tiap variabel dapat berubah tanpa mempengaruhi
variabel lainnya (variabel lainnya konstan)
• Jika variabel x1 mengalami perubahan sebesar ∆x1
sedangkan variabel lainnya (x2, x3, …, xn) tetap,
maka y akan berubah sebesar ∆y. Maka kuosien
diferensi dapat ditulis:
y f ( x1 x1 , x2 , x3 ,..., xn ) f ( x1 , x2 , x3 ,..., xn )
x1 x1
Parsial Derivatif
• Derivative y terhadap x1 sebagaimana contoh diatas
disebut sebagai derivatif parsial dan dilambangkan
dengan: y
x1
• Fungsi turunannya (derivative) adalah:
y y
lim
x1 x1 0 x1
Contoh (2): Derivative Parsial
• Carilah turunan parsial terhadap x1 dan x2 dari
fungsi y = f(x1, x2) = 3x12 + x1x2 +4x22
dengan menganggap x2 konstan, turunan terhadap
x1 adalah:
y
6 x1 x2
x1
turunan terhadap x2:
y
8 x2 x1
x1
Contoh (3): Derivative Parsial
• Carilah turunan parsial terhadap u dan v dari
fungsi y = f(u, v) = (u+4)(3u+2v)
dengan menganggap v konstan, turunan terhadap
u adalah:
y
3 u 4 1 3u 2v 6u 2v 12
u
turunan terhadap v:
y
2 u 4 0 3u 2v 2 u 4
v
Contoh (4): Derivative Parsial
• Carilah turunan parsial terhadap u dan v dari
fungsi y = f(u, v) = (3u – 2v)/(u2+3v)
dengan menganggap v konstan, turunan terhadap
u adalah:
y 3 u 2 3v 3u 2v 2u 3u 2 4uv 9v
u 2
u 3v
2
2
u 3v
2
turunan terhadap v:
2
y 2 u 3v 3u 2v 3 u 2u 9
v 2
u 3v 2 2
u 3v
2
Derivatif dari Parsial Derivatif
• Sama seperti diferensial fungsi sederhana, derivatif
fungsi majemuk juga dapat diturunkan kembali
• Jika y = x3 + 5z2 -4x2z – 6xz2 + 8z – 7, maka
turunan pertama y terhadap x dan z:
y 2 2 y 2
1 3 x 8 xz 6 z 2 10 z 4 x 12 xz 8
x z
turunan ke-2:
2 y 2
y
1a 2
6 x 8z 2a 10 12 x
x z 2
2 y 2 y
1b 8 x 12 z 2b 8 x 12 z
xz zx
Derivatif dari Parsial Derivatif
turunan ke-3:
3 y 3 y
1aa 3
6 2aa 3
0
x z
3 y 3 y
1ab 2
8 2ab 2
12
x z z x
3 y 3 y
1ba 2
8 2ba 2
12
x z z x
3 y 3 y
1bb 2
12 2bb 2
8
xz zx
Nilai Ekstrim
• Untuk y = f(x, z) maka y akan mencapai titik
ekstrimnya jika (necessary condition):
y y
0 dan 0
x z
• Untuk mengetahui apakah titik ekstrim yg tercapai
adalah maksimum atau minimum, maka (sufficient
condition):
2 y 2 y Maksimum
0 dan 0
x 2 z 2
2 y 2 y
2
0 dan 2 0 Minimum
x z
Contoh (5): Titik Ekstrim
• Carilah titik ekstrim dari fungsi:
y = -x2 + 12x – z2 + 10z - 45
selidikilah apakah titik ekstrim dari fungsi tersebut
merupakan titik maksimum atau minimum!
1) Titik ekstrim: yx dan yz = 0
y
2 x 12 0 x 6
x
y
2 z 10 0 z 5
z
y = -(6)2 + 12(6) – (5)2 + 10(5) – 45 = 16
letak titik ekstrim adalah (6, 16, 5) → 3-dimensi
Contoh (5): Titik Ekstrim
• Carilah titik ekstrim dari fungsi:
y = -x2 + 12x – z2 + 10z - 45
selidikilah apakah titik ekstrim dari fungsi tersebut
merupakan titik maksimum atau minimum!
2) Jenis titik ekstrim: yxx dan yzz :
2 y 2 y
2
2 0 2
2 0
x z
Maka titik ekstrim adalah titik maksimum
dengan ymax = 16
Latihan
• Carilah titik ekstrim dari fungsi:
p = 3q2 – 18q + r2 – 8r + 50
selidikilah apakah titik ekstrim dari fungsi tersebut
merupakan titik maksimum atau minimum!
Optimalisasi Bersyarat
• Optimalisasi suatu fungsi objektif (fungsi yg akan
dioptimalkan—baik maksimum atau minimum) atas
suatu fungsi kendala dapat diselesaikan dgn (1)
metode substitusi dan (2) metode Lagrange
• Nilai optimum diperoleh ketika turunan pertama dari
fungsi tersebut sama dengan nol (necessary condition)
• Sedangkan untuk mengetahui apakah nilai tersebut
adalah maksimum atau minimum, dapat diselidiki
dari turunan keduanya (sufficient condition):
Jika turunan kedua < 0, maka maksimum
Jika turunan kedua > 0, maka minimum
Metode Substitusi
• Jika fungsi objektif:
z = f(x, y)
s.t. u = g(x, y) → fungsi kendala
1) manipulasi fungsi kendala menjadi persamaan
salah satu variabel
2) Substitusi persamaan tersebut kedalam fungsi
objektifitasnya
3) Cari turunan pertama dari fungsi tersebut
(untuk mencari nilai ekstrim)
4) Selidiki maksimum/minimum dengan mencari
turunan kedua sesuai dengan persyaratan
Contoh (6) Metode Substitusi
• π = 80X – 2X2 – XY – 3Y2 + 100Y .…...… (1)
• s.t. X + Y = 12 .......... (2)
• Rearrange (2): X = 12 – Y ………. (3)
• Substitusi (3) ke (1):
= 80(12 – Y) – 2(12 – Y)2 – (12 – Y)Y
– 3Y2 + 100Y
= 960 – 80Y – 2(144 – 24Y – Y2) – 12Y
+ Y2 – 3Y2 + 100Y
= –4Y2 + 56Y +672 ………. (4)
Contoh (6) Metode Substitusi
• Derivasi order ke-1 persamaan (4): dπ/dY = 0
–8Y + 56 = 0 ↔ Y* = 7
• Substitusi nilai Y ke (3): X* = 12 – 7 = 5
• Profit (π):
π = 80(5) – 2(5)2 – (5)7 – 3(7)2 + 100(7)
= $868
• Jenis titik ekstrim:
d2π/dY2 = -8 < 0 → titik ekstrim maksimum
Metode Lagrange
• Jika fungsi objektif:
z = f(x, y)
s.t. u = g(x, y) → fungsi kendala
maka:
L(x, y, λ) = f(x, y) + λ(g(x, y) – u)
Nilai optimum terjadi pada saat Lx dan Ly = 0
(necessary condition)
Nilai optimum adalah maksimum jika Lxx dan Lyy < 0
dan minimum jika Lxx dan Lyy > 0 (sufficient
condition)
Contoh (7) Metode Lagrange
• π = 80X – 2X2 – XY – 3Y2 + 100Y .…...… (1)
• s.t. X + Y = 12 .......... (2)
• Fungsi Lagrangian:
L = 80X – 2X2 – XY – 3Y2 + 100Y
+ λ(X + Y – 12)
• Dengan menggunakan derivatif parsial, solusi
ditemukan pada saat f’(z) = 0:
L
80 4 X Y 0 ………. (3)
X
Contoh (7) Metode Lagrange
L
X 6Y 100 0 ………. (4)
Y
L
X Y 12 0 ………. (5)
• Persamaan (3) dikurangi (4):
80 – 4X – Y + λ = 0
100 – X – 6Y + λ = 0
–20 – 3X + 5Y = 0 ………. (6)
Contoh (7) Metode Lagrange
• Kali (5) dengan 3 dan jumlahkan dengan (6):
3X + 3Y – 36 = 0
–3X + 5Y – 20 = 0
8Y – 56 = 0 ↔ Y* = 7
X + 7 – 12 = 0 ↔ X* = 5
• π = 80(5) – 2(5)2 – 5(7) – 3(7)2 + 100(7) = $868
• Jenis titik ekstrim:
d2π/dX2 = -4 < 0
titik esktrim maksimum
d2π/dY2 = -8 < 0
• Masukkan nilai Y* & X* ke (3) atau (4), nilai λ:
λ = –5 – 42 + 100 = –53
Latihan
• Carilah titik ekstrim dari fungsi:
z = 2x + 2y dengan kendala (syarat) x2 + y2 = 8
Jelaskan jenis titik ekstrim dan tentukan nilai
ekstrim fungsi tersebut!
Penerapan dalam Ekonomi
Permintaan Marjinal
• Apabila 2 macam barang mempunyai hubungan
dalam penggunaannya, maka permintaan atas
masing-masing barang akan fungsional terhadap
harga kedua barang tersebut
• Jika Qda = f(Pa, Pb) dan Qdb = f(Pa, Pb) maka:
Permintaan marjinal Permintaan marjinal
Qd a Qd b
akan A berkenaan akan B berkenaan
Pa dengan Pa Pa dengan Pa
U U
2xy 3
3x 2 y 2
x y
• Berapakah utilitas marjinal jika konsumen
mengkonsumsi 14 unit X dan 13 unit Y?
U U
2(14)13 3 61516 314 13 99372
2 2
x y
Contoh (10) Utilitas Optimum
• Apakah dengan mengkonsumsi 14 unit X dan 13
unit Y konsumen memaksimumkan utilitasnya?
MU x MU y 61516 99372
Px Py 25 50
• Kombinasi X dan Y yg memaksimumkan utilitas:
MU x MU y 2 xy 3 3x 2 y 2
Px Py 25 50
2 2 xy 3 3x 2 y 2 4 xy 3 3x 2 y 2
y 3 3x 2 3
2
y x
y 4x 4
Contoh (10) Utilitas Optimum
• Kombinasi X dan Y yg memaksimumkan utilitas:
L
25 x 50 y 1000 0
• Substitusi nilai y = ¾ x kedalam persamaan λ:
3
25 x 50 x 1000 0 x 16
4 3
x = 16, maka y 4 16 y 12
Utilitas maksimum:
u x y 16 12 442368
2 3 2 3
MP dan Keseimbangan Produksi
• Jika jumlah keluaran P dan input yang digunakan
xj = (j = 1, 2, 3, …, n) maka fungsi produksinya:
P = f(x1, x2, x3, …, xn )
• Seandainya diasumsikan bahwa seorang produsen
hanya menggunakan 2 macam input, K dan L,
maka fungsi produksinya:
P = f(k, l)
Fungsi produksi P = f(k, l) merupakan persamaan
kurva isoquant—kurva yg menunjukkan
berbagai kombinasi penggunaan input K dan L
yang memberikan tingkat produksi yang sama
MP dan Keseimbangan Produksi
• Derivatif pertama dari P terhadap K dan L merupakan
fungsi produk marjinal parsialnya:
P Produksi marjinal Produksi marjinal
berkenaan dengan P
berkenaan dengan
k input K l input Y
• Isocost:
garis yang mencerminkan kemampuan produsen
membeli berbagai macam input berkenaan dgn harga
masing-masing input dan jumlah dana yg dimiliki. Jika
M adalah jumlah dana yg dianggarkan, P K dan PL harga
input K dan L maka:
M = K x P K + L x PL
MP dan Keseimbangan Produksi
• Keseimbangan produksi—suatu keadaan atau
tingkat penggunaan kombinasi faktor-faktor
produksi secara optimum, yakni tingkat produksi
maksimum dengan kombinasi biaya terendah
(least cost combination)—tercapai pada saat kurva
isoquant bersinggungan (tangent) dgn isocost
• Optimalisasi dpt diselesaikan dengan membentuk
persamaan Lagrange dan derivatif pertama = 0:
Z = f(K, L) + λ(KPK + LPL – M)
Z Z
f K K , L PK 0 f L K , L PL 0
K L
MP dan Keseimbangan Produksi
• Manipulasi Lx dan Ly:
Z f K K , L
f K K , L PK 0
K PK f K K , L f L K , L
Z f L K , L PK PL
f L K , L PL 0
L PL
• Utilitas marjinal (MP) = P’ = f ‘(K, L), maka:
MPK MU L
PK PL
Produksi optimum dgn kombinasi biaya terendah
akan tercapai jika hasibagi produk marginal masing-
masing input terhadap harganya adalah sama
Fungsi Produksi Cobb-Douglas
• Dinyatakan dengan:
P AK L
dimana:
A : Total factor productivity
K : Capital
L : Labor
α dan β : elastisitas output
• Jika:
α + β = 1 → constant return to scale
α + β > 1 → increasing return to scale
α + β < 1 → decreasing return to scale
Contoh (11) Utilitas Optimum
• Seorang produsen mencadangkan Rp 96 untuk
membeli input K dan L. Harga per unit input K
adalah 4 rupiah dan input L adalah 3 rupiah. Jika
fungsi produksi adalah P = 12KL, berapa unit tiap
input harus digunakan agar produksi optimum dan
berapakah produksi optimum tersebut?
MATRIKS
Pengertian Matriks
Susunan atau daftar dari suatu angka-angka yang
mempunyai ikatan berdasar baris atau kolom yang
mempunyai kegunaan tertentu
Susunan baris : angka-angka diurutkan secara
horizontal (ke arah kanan – kiri)
Susunan kolom : angka-angka diurutkan secara
vertikal (ke atas bawah)
Ikatan : hubungan secara berturut-turut, misalkan
karena matriks merupakan nilai
parameter/variabel/angka dari suatu persamaan
Kegunaan matriks : untuk menyerdehanakan,
memudahkan ataupun mempercepat perhitungan
suatu persamaan
Bentuk Matriks
Suatu matriks B ditulis B = ( bij )
dimana i = menunjukkan baris ( i = 1,2,3 )
j = menunjukkan kolom ( j = 1,2,3,4 )
B = ( bij ) ini mempunyai arti bahwa matriks B adalah
A
3x3 sering juga dituliskan A3, demikian pula An
maksudnya adalah Anxn, matriks demikian sering
disebut matriks bujursangkar / square matrix.
Contoh/macam-macam Matriks
Matriks Baris
contoh ; A = ( 1 2 3 ) A1x3
A = ( 2 6 1 5 ) A1x4
Matriks Kolom
4
contoh ; 2
5
B 4 B
1 3
2
B31 B41
catatan ; - matriks satu baris merupakan vektor baris
- matriks satu kolom merupakan vektor kolom
Contoh/macam-macam Matriks
Matriks berorder/berdimensi banyak ; Amxn
1 3 4 6
A
0 B
2
7
5
1 3 4 6 5 9
CAB
0
2 7 5 7 7
Operasi Matriks
a11 a12 b11 b12
A
a a B
b b
21 22 21 22
a11b
11 a12b12
CAB a b a b
21 21 22 22
Catatan ;
A2x2 + B2x2 = C2x2 dapat dioperasikan
Amxn + Bmxn = Cmxn dapat dioperasikan
Amxn + Bmxm ≠ tidak dapat dioperasikan
Operasi Matriks
Substraction of matrix (pengurangan dalam matriks)
Syarat mempunyai dimensi yang sama
Contoh :
4 6 1 3
A
7 B
5
0
2
4 6 1 3 3 3
CAB
7
5
0 2
7 3
a a a
b b
A
1112
13
B
11
12
a
a a
212223 b
b
21
22
CA
B tidak
dapat
dioper
an
Operasi Matriks
Scalar multiplication and multiplication of matrix
Multiplikasi atau perkalian dalam matriks akan dapat
dilakukan apabila kedua matriks tersebut mempunyai
kesamaan dalam jumlah kolom matriks yang dikalikan
dengan jumlah baris matriks yang digunakan sebagai
pengali atau jumlah kolom multiplicant sama dengan
jumlah baris multiplier.
Operasi Matriks
Perhatikan :
A12B21
A33B32 dapat
dioperasik
an/dikalikan
A B
m n nm
A
mnBmn tidak
dapat
dioperasik
an
A
11
Bmn
dapat
dioperasik
an
A
mnB
11
Operasi Matriks
Contoh :
Perkalian matriks dengan skalar atau skalar dengan matriks,
suatu matriks berdimensi 1x1merupakan angka atau
konstanta atau skalar. Perkalian demikian disebut perkalian
skalar.
1 3
A 4 B
0 2
1
3 4 12
C A B 4
0
2 0 8
1 3 4 12
D B A 4
0 2 0 8
Operasi Matriks
Catatan : A·B = B·A
1 3
A k B
0
2
1 3 k 3k
CAB k
0
2 0 2k
A
12
B22
C
1
2
13
A46
B
0 2
13
CAB46
0 2 4
1
60 4
32
6 4 24
Operasi Matriks
A2 2 B 2 2 C 2 2
4 6 1 3
A B
7 5 0 2
4 6 1 3
C A B
7 5 0 2
4 1 6 0 4 3 6 2 4 24
7 1 5 0 7 3 5 2 7 31
1 3 4 6
D B A
0 2 7 5
1 4 3 7 1 6 3 5 25 41
0 4 2 7 0 6 2 5 14 10
Catatan : A·B ≠ B·A
Operasi Matriks
Catatan :
Dimensi hasil-kali (multiplication sum) merupakan jumlah
baris matriks yang dikalikan (multiplicant) kali jumlah kolom
matriks pengali (multiplier)
1 3 1 3
A
0 2; A0 2 12032
b11 b12 b13
Bb21 b22 b23
b b b
31 32 33
B b11b22b33b12b23b31b13b21b32
b31b22b13b32b23b11b33b21b12
Determinant Suatu Matriks
Determinant suatu matriks dapat ditentukan dengan lebih
dahulu menentukan determinan matriks minor tiap elemen
dan kofaktor.
Menentukan minor elemen bij dan minor elemen akan
mempunyai determinan.
b22 b23 b
11 b
12
11 M
b 11 b33M33
b32 b33 b21 b22
b21 b22 b11 b13
13 M
b 13 b22M22
b31 b32 b31 b33
b
12 b
13 b21 b23
b31M31 12 M
b 12
b22 b23 b31 b33
Determinant Suatu Matriks
Selanjutnya |M21|, |M23|, |M32| dapat ditentukan dengan cara:
M21 ditentukan dengan menghapus peranan baris II dan kolom I
M23 ditentukan dengan menghapus peranan baris II dan kolom III
M32 ditentukan dengan menghapus peranan baris III dan kolom II
Kofaktor, k = (-1)i+j |M |
ij ij
b22 b23
k11 1 M
11
11 b22b33b32b23
b32 b33
b21 b23
k12 1 M
12
12 b21b33b31b23
b31 b33
b21 b22
k13 1 M
13
13 b21b32b31b22
b31 b32
Determinant Suatu Matriks
1 2 1
B1 2 3
2 1 3
Tanda (+) dan (-) menunjukkan (-1)i+j yang genap akan (+)
dan sebaliknya bila bernilai ganjil akan (-).
Determinant Suatu Matriks
Perhatikan Kolom I :
23 21 21
B
1 1 2
13 13 23
6
13
16
1
26
2
3
58
6
Atau Perhatikan Kolom II :
13 11 11
B2
2 1
23 23 13
3
26
23
2
13
16
22
6
Seterusnya dapat dengan melihat masing-masing baris atau
kolom.
Invers Suatu Matriks
Invers matriks dapat dicari dengan : cara substitusi, cara
adjoint, cara kaunter dan cara partisi matriks. Dibawah ini
hanya akan dibicarakan cara adjoint.
Suatu matriks A mempunyai inverse A-1.
1 1
A adj A; adj A K '
A
Dan K’ adalah transpose dari matriks kofaktor kij dari
elemen aij , sehingga K’ = KT adalah
k11 k 12 k 13 ..........
k1n
k k k ..........
k
K 21 22 23 2n
.........................
.....
k
n1 kn2 kn3 ..........
knn
Invers Suatu Matriks
Untuk matriks A3x3 misalnya, akan mempunyai matriks
kofaktor K3x3. Contoh :
1 2 3
A 2 1 4
2 1 3
Tahap I : mencari determinan A
A 1
13242 3
2
1 2
1
31
4
1 3
2
2
316 6 6 4 143
Tahap II : mencari adjoint A
k11 k21 k31
KT k k
12 22 32k
k13 k23 k33
Invers Suatu Matriks
1 4
k11 (1)11 M11 1 1
1 3 1 3 5
2 2
2 4
k12 (1)12 M12 1
2 3
2 K T
3
k13 (1)13 M13 1
2 1
0
0 3 3
2 1
6. Scalar : square matrix yang hanya mempunyai satu baris dan satu
kolom.
7. Vector : matriks yang terdiri dari satu baris atau satu kolom.
8. Matrix Diagonal : matriks yang bila dikalikan dengan transpose
matriksnya menghasilkan identity matrix.
9. Matrix Non-Singular : square matrix yang mempunyai inverse dan
determinannya ≠ 0.
10. Matrix Singular : square matrix yang tidak mempunyai invers dan
determinannya = 0.
11. Commute Matrix : bila AB = BA maka kedua matriks adalah
commute.
Kegunaan Determinan
Perhatikan persamaan berikut;
5x1 + 4x2 = 31 ……….X1 5x1 + 4x2 = 31
8x1 - 2x2 = 16……….X2 16x1 - 4x2 = 32 +
21x1 = 63 x1 = 3
5x1 + 4x2 = 31
5(3) + 4x2 = 31 4x2 = 31 – 15, x2 = 4
Didapat nilai x1 = 3 dan x2 = 4
Persamaan diatas juga dapat diubah;
5 4x 1
31
8 2
x
16
2
Kegunaan Determinan
Secara sederhana dapat ditulis Ax = d, dimana ;
54
x
1
31
A ;
X
;
dan
d
8
2
x
2 16
Menurut kaidah Cramer :
Ai
xi
A
Biaya total :
Biaya marjinal :
Konstanta k adalah biaya tetap. Jika diketahui biaya tetap tersebut sebesar
4, maka:
C = Q3 – 3Q2
AC = Q2 – 3Q4/Q
FUNGSI PENERIMAAN
Kasus:
C=f ( Y )=a+bY
MPC=C^'= dC/dY=f^' ( Y )= b
F(x) Maka luas area antara kedua kurva ini untuk rentang
wilayah dari a ke b ( a adalah :
KAIDAH-KAIDAH INTEGRASI
TERTENTU
1. Surplus konsumen
2. Surplus produsen
1. Surplus konsumen
Surplus konsumen adalah suatu keuntungan lebih
atau surplus yang dinikmati konsumen,
berkenaan dengan tingkat harga pasar suatu
barang.
Fungsi permintaan P=f(Q) jumlah barang
yang akan dibeli pada harga tertentu.
Besarnya surplus konsumen :
Qe
Csf(
Q)
dQQP
ee
0
Atau
f(
Cs P)dP p
^
Pe
Contoh kasus :
Fungsi permintaan suatu barang
ditunjukkan oleh persamaan Q = 48
– 0.03 P2. Hitunglah surplus
konsumen jika tingkat harga pasar
adalah 30.
Jawab
Q = 48 – 0,03 P2 Jika Q = 0, P = 40 = Pˆ
Jika P = 0, Q = 48 P = 30, Q = Qe = 21
p^f(P 40
)dP 0
(48 .03
P2
)dP
Pe 30
Cs
48
P0
.01
P 3 40
30
48 )0
(40 .01 ) 48
(40 )0
(30 .01 )
3
(30 3
(1920
640
)(1440
270
)110
.
2. Surplus Produsen
Adalah suatu keuntungan yang dinikmati produsen
berkenaan dengan tingkat harga pasar dari barang
yanng ditawarkannya.
Besarnya surplus produsen :
f
Qe
Cs
Q
P
ee (Q)
dQ
Atau 0
f(
Ps P)dP P
e
P
^
Contoh Kasus
Seseorang produsen mempunyai fungsi penawaran P =
0,50Q + 3. Berapa surplus produsen itu bila tingkat
keseimbangan di pasar adalah 10?
Jawab :
P = 0,50Q + 3 Q = -6 + 2P
P=0 Q = -6
Q=0 P = 3 = P^
Pe = 10 Qe = 14
QeP f (Q)dQ
Qe
e
0
(14
)( ) 14(0,50
10 Q3)dQ
0
140
0,25
Q 3Q02
14
0,25
140 (14
) 2
3(14
) 0,25
(0)2 3(0)
14091
0
49
.
Trimakasih
6s-152 Linear Programming
Operations Management
William J. Stevenson
8th edition
6s-153 Linear Programming
LINEAR PROGRAMMING
MODEL LP
Kegiatan Pemakaian sumber per unit Kapasitas
Sumber Kegiatan (keluaran) Sumber
1 2 3 …. n
Model Matematis???
6s-156 Linear Programming
Model Matematis
· Fungsi tujuan:
· Maksimumkan Z = C1X1+ C2X2+ C3X3+ ….+ CnXn
· Batasan :
1.a11X11+ a12X2 + a13X3 + ….+ a1nXn ≤ b1
2.a21X11+ a22X2 + a33X3 + ….+ a2nXn ≤ b1
…..
Asumsi-asumsi Dasar
Linear Programming
1. Proportionality
naik turunnya nilai Z dan penggunaan sumber atau
fasilitas yang tersedia akan berubah secara sebanding
(proportional) dengan perubahan tingkat kegiatan
2. Additivity
nilai tujuan tiap kegiatan tidak saling mempengaruhi, atau
dalam LP dianggap bahwa kenaikan dari nilai tujuan (Z)
yang diakibatkan oleh kenaikan suatu kegiatan dapat
ditambahkan tanpa mempengaruhi bagian nilai Z yang
diperoleh dari kegiatan lain
6s-158 Linear Programming
Asumsi-asumsi Dasar
Linear Programming
3. Divisibility
keluaran (output) yang dihasilkan oleh setiap kegiatan
dapat berupa bilangan pecahan. Demikian pula dengan
nilai Z yang dihasilkan
4. Deterministic (Certainty)
Asumsi ini menyatakan bahwa semua parameter yang
terdapat dalam model LP (aij, bi Cj) dapat diperkirakan
dengan pasti, meskipun jarang dengan tepat
6s-159 Linear Programming
Bentuk Tabel
Merek I1 I2 Kapasitas
Mesin (X1) (X2) Maksimum
1 2 0 8
2 0 3 15
3 6 5 30
Sumbangan laba 3 5
6s-161 Linear Programming
Bentuk Matematis
· Maksimumkan Z = 3X1 + 5X2
· Batasan (constrain)
(1) 2X1 8
(2) 3X2 15
(3) 6X1 + 5X2 30
6s-162 Linear Programming
X2
2X1 = 8
2X1 8 dan X1
0, X2 0
0 4 X1
X2
6X1 + 5X2 = 30 2X1 = 8
6
D C
5 3X2 = 15
Daerah
feasible
A
0 4 5 X1
6s-164 Linear Programming
X2
6X1 + 5X2 = 30 2X1 = 8
3X1 + 5X2 = 20 6
10 = 3X1 + 5X2 D C
5 3X2 = 15
4 Daerah
feasible
A
0 4 5 X1
6s-165 Linear Programming
MENCARI KOMBINASI YANG OPTIMUM
2. Dengan membandingkan nilai Z pada tiap-tiap alternatif
Z = 3X1 + 5X2
X2
6X1 + 5X2 = 30 2X1 = 8
Titik C:
X2 = 5. Substitusikan batasan (3),
Titik D: maka 6X1 + 5(5) = 30.
Pada titik ini nilai 6 Jadi nilai X1 = (30 –25)/6 = 5/6.
Nilai Z = 3(5/6) + 5(5) = 27,5
X2 = 5; X1 = 0 D C
5 3X2 = 15
Nilai Z = 3(0) + 5(5) = 25
Titik A:
Titik B: Daerah Pada titik ini nilai
X1 = 4. Substitusikan batasan feasible
X1 = 4; X2 = 0
(3), maka 6(4) + 5X2 = 30. Nilai Z = 3(4) + 0 = 12
Jadi nilai X2 = (30 –24)/5 = 6/5. B
Nilai Z = 3(4) + 5(6/5) =18
A
0 4 5 X1
6s-166 Linear Programming
Contoh :
Batasan ketiga (6X1 + 5X2
30) diubah ketidaksamaannya
X2 menjadi 6X1 + 5X2 30
6X1 + 5X2 = 30 2X2 = 8
6
C B 3X2 = 15
5 Daerah
feasible
0 4 5 X1
6s-167 Linear Programming
X2
6X1 + 5X2 = 30 2X2 = 8
6
C B 3X2 = 15
4
2
A
0 4 5 X1
PROGRAM LINIER :
SOLUSI SIMPLEKS
Syarat :
Model program linier ( Canonical
form) harus dirubah dulu kedalam
suatu bentuk umum yang dinamakan
”bentuk baku” (standard form).
Ciri-ciri dari bentuk baku model
program linier
Semua fungsi kendala/pembatas berupa
persamaan dengan sisi kanan non-negatif.
Semua variabel keputusan non-negatif.
Fungsi tujuan dapat memaksimumkan
maupun meminimumkan
dapat dituliskan :
Fungsi tujuan :
Maks / Min Z = CX
Fungsi pembatas :
AX = b
X>0
Perlu diperhatikan :
Bahwa metode simpleks hanya bisa
dipakai (diaplikasikan) pada bentuk
standar, sehingga kalau tidak dalam
bentuk standar harus ditransformasikan
dulu menjadi bentuk standar.
Untuk memudahkan melakukan transformasi ke bentuk
standar, beberapa hal yang perlu diperhatikan :
Fungsi Pembatas
Suatu fungsi pembatas yang mempunyai
tanda < diubah menjadi suatu bentuk
persamaan (bentuk standar) dengan cara
menambahkan suatu variabel baru yang
dinamakan slack variable (variabel
pengurang).
Fungsi Tujuan
Dengan adanya slack variable pada fungsi
pembatas, maka fungsi tujuan juga harus
disesuaikan dengan memasukkan unsur slack
variable ini.
Karena slack variable tidak mempunyai
kontribusi apa-apa terhadap fungsi tujuan,
maka konstanta untuk slack variable tersebut
dituliskan nol.
Contoh 1 :
Fungsi tujuan :
Maks Z = 4 X1 + 5 X2
Fungsi pembatas :
X1 + 2 X2 < 40
4 X1 + 3 X2 < 120
X1 , X2 > 0
Rubahlah menjadi bentuk standar.
Untuk merubah menjadi bentuk standar, maka harus
menambahkan slack variable, menjadi :
X1 + 2 X2 < 40 X1 + 2 X2 + S1 = 40
4 X1 + 3 X2 < 120 4 X1 + 3 X2 + S2 = 120
1 2 1 0
4 3 0 1
Variabel basis adalah S1 dan S2, sedangkan
variabel non-basis adalah variabel X1 dan
variabel X2
Matriks basis biasanya dinyatakan dengan
BFS (Basis Feasible Solution), dan dituliskan
dengan matriks B ( matriks identitas) yaitu :
1 0
0 1
Tabel Simpleks
Langkah-langkah penyelesaian dalam
metode simpleks adalah dengan
menggunakan suatu kerangka tabel yang
disebut dengan tabel simpleks.
Tabel ini mengatur model ke dalam suatu
bentuk yang memungkinkan untuk penerapan
penghitungan matematis menjadi lebih
mudah
Contoh bentuk tabel simpleks
cj Variabel 4 5 0 0
Basis Kuantitas X1 X2 S1 S2
0 S1 40 1 2 1 0
0 S2 120 4 3 0 1
zj 0 0 0 0 0
cj - zj 4 5 0 0
Langkah-langkah metode simpleks
Mengubah bentuk batasan model
pertidaksamaan menjadi persamaan.
Membentuk tabel awal untuk solusi feasible
dasar pada titik orijin dan menghitung nilai-
nilai baris zj dan cj – zj.
Menentukan kolom pivot (kolom pemutar)
dengan cara memilih kolom yang memiliki
nilai positif terbesar pada baris cj – zj. Kolom
pivot ini digunakan untuk menentukan
variabel non-basis yang akan masuk ke
dalam variabel basis.
Menentukan baris pivot (baris pemutar) dengan cara
membagi nilai-nilai pada kolom kuantitas dengan
nilai-nilai pada kolom pivot, kemudian memilih baris
dengan hasil bagi yang non-negatif terkecil. Baris
pivot ini digunakan untuk menentukan variabel basis
yang akan keluar dari variabel basis.
Perpotongan antara kolom pivot dan baris pivot
diperoleh nilai pivot.
Mengubah nilai baris pivot yang baru dengan cara :
nilai
baris
pivot
lama
nilai
baris
pivot
baru
nilai
pivot
Fungsi tujuan :
Maks Z = 400 X1 + 200 X2
Fungsi pembatas :
X1 + X2 = 30
2 X1 + 8 X2 > 80
X1 < 20
X1 , X2 > 0
Selesaikan dengan metode simpleks
Masalah Jenis Program Linier yang Tidak Teratur
(Iregular), a.l. :
cj Variabel 4 3 0 0
Basis Kuantitas X1 X2 S1 S2
0 S1 10 0 5/4 1 -1/4
4 X1 30 1 3/4 0 1/4
zj 120 4 3 0 1
cj - zj 0 0 0 -1
Pada tabel optimal terlihat bahwa nilai pada baris
cj - zj < 0 , dan diperoleh solusi optimal X2 = 0 , X1
= 30, dan Z = 120.
Pada tabel optimal terlihat bahwa variabel X 2,
bukan merupakan variabel basis tetapi pada baris
cj – zj mempunyai nilai nol.
Hal ini mengindikasikan bahwa solusi optimal
yang diperoleh lebih dari satu dan biasa disebut
sebagai masalah solusi optimal majemuk (Multiple
Optimal Solution).
Untuk mengetahui solusi optimal yang lain,
adalah dengan menganggap variabel X2
menjadi kolom pivot, kemudian cari baris
pivot seperti biasa.
Pemilihan ini menjadikan baris S1 menjadi
baris pemutar. Setelah itu, proses
penyelesaiannya mengikuti proses
penyelesaian seperti biasa
Masalah tidak layak (tidak feasible)
cj Variab 5 3 0 0 0 -M -M
el
Basis Kuantita X1 X2 S1 S2 S3 A1 A2
s
3 X2 4 2 1 1/2 0 0 0 0
-M A1 4 1 0 0 -1 0 1 0
-M A2 2 -2 0 -1/2 0 -1 0 1
cj - zj -1-M 0 -3/2-M/2 -M -M 0 0
Pada tabel simpleks optimal terlihat bahwa
nilai-nilai pada baris cj-zj < 0, dan diperoleh
solusi X2 = 4 , A1 = 4, dan A2 = 2.
Karena pada solusi akhir ini masih ada
variabel artifisial (yaitu A1 dan A2), maka
solusi ini tidak mempunyai arti apa-apa,
dengan kata lain, masalah di atas tidak
feasible
Masalah solusi tidak terbatas
Dalam beberapa masalah daerah solusi yang feasible
dibentuk oleh batasan-batasan model yang tidak
tertutup, dimana fungsi tujuan akan naik terus
menerus tidak terbatas tanpa mencapai nilai
maksimum, mengingat fungsi tujuan tidak akan
pernah mencapai batas daerah yang layak (daerah
feasible).
Sebagai contoh :
Fungsi tujuan : Maks Z = 4 X1 + 2 X2
Fungsi pembatas :
X1 > 4
X2 < 2
X1 , X2 > 0
Diperoleh hasil iterasi 1 adalah:
cj Variab 4 2 0 0
el
Basis Kuantit X1 X2 S1 S2
as
4 X1 4 1 0 -1 0 -
0 S2 2 0 1 0 1 -
zj 16 4 0 -4 0
cj - zj 0 2 4 0
Dari tabel iterasi 1 tersebut terlihat bahwa
nilai rasio bernilai negatif atau nol, sehingga
hal ini mengindikasikan bahwa tidak ada titik
“yang paling dibatasi”.
Jadi, dapat disimpulkan bahwa masalah ini
mempunyai solusi yang tidak tertutup atau
disebut juga solusi tidak terbatas.
Masalah dengan kolom pivot dan baris
pivot yang sama (seri)
Kadangkala dalam pemilihan kolom pivot dan
baris pivot terdapat nilai yang sama (seri),
maka untuk menyelesaikannya dipilih salah
satu secara acak.
Dalam hal ini, tidak ada indikasi sebelumnya
bahwa pemilihan salah satu dari kolom/ baris
pivot memerlukan pengulangan tabel (iterasi)
dan perhitungan yang lebih sedikit dari pada
kolom/baris pivot lainnya.
Masalah dengan batasan yang mempunyai
nilai kuantitas negatif
Misalnya dipunyai fungsi batasan sbb. :
-6 X1 + 2 X2 > -30
Masalah seperti ini dapat diatasi dengan cara
mengalikan pertidaksamaan tersebut dengan
-1, menjadi :
(-1) . (-6 X1 + 2 X2 > -30)
6 X1 - 2 X2 < 30