MATEMATIKA

MATEMATIKA
OPTIMASASI
OPTIMASASI
 Optimasi

Optimasi adalah suatu proses untuk mencapai hasil yang ideal

Optimasi adalah suatu proses untuk mencapai hasil yang ideal
- atau optimal (nilai efektif yang dapat dicapai)
- atau optimal (nilai efektif yang dapat dicapai)

Dalam disiplin matematika, optimasi merujuk pada studi

Dalam disiplin matematika, optimasi merujuk pada studi
permasalahan yang mencoba untuk mencari nilai
permasalahan yang mencoba untuk mencari nilai
minimum atau maksimum dari suatu fungsi riil
minimum atau maksimum dari suatu fungsi riil
Apa itu
Matematika Optimasi?
Penyelesaianmasalah
Penyelesaian masalahoptimasi
optimasidengan
dengan
teknikmatematis
teknik matematisatau
ataukalkulus
kalkulus

Disebutjuga
Disebut jugaCalculus
CalculusOptimization
Optimization
Optimasi terbagi 2,
15

1. Optimasi Tanpa Kendala

Masalah optimasi yang tidak melibatkan sebarang kendala dinamakan optimasi tanpa kendala dan dinyatakan sebagai:

Minimumkan 𝑓 = 𝑓(𝑋)

𝑋 = (𝑥1, 𝑥2, … , 𝑥 𝑛 ) 𝑇

2. Optimasi Dengan Kendala

Masalah optimasi yang melibatkan sebarang kendala dinamakan optimasi terkendala dan dinyatakan sebagai:

Minimumkan 𝑓 = 𝑓(𝑋)
𝑋 = (𝑥1, 𝑥2, … , 𝑥 𝑛 )𝑇

dengan kendala:
𝑖 = 1,2, … , 𝑚
𝑔 𝑖 (𝑋 ) ≤ 0
𝑙 𝑗 (𝑋 ) = 0 𝑗 = 1,2, … , 𝑝

dimana 𝑋 adalah sebuah vektor berdimensi- 𝑛 yang dinamakan vektor disain atau variabel keputusan, 𝑓(𝑋) disebut

fungsi obyektif, 𝑔 𝑖 (𝑋 ) dan 𝑙 𝑗 (𝑋 ) dikenal sebagai kendala ketaksamaan dan kendala kesamaan.
Klasifikasi Masalah Optimasi

Masalah optimasi dapat diklasifikasikan dalam 6 (enam) cara, seperti diuraikan berikut.

1. Klasifikasi Berdasarkan Kepada Keberadaan Kendala

Seperti dinyatakan sebelumnya, sebarang masalah optimasi dapat diklasifikasikan sebagai

masalah optimasi tanpa kendala dan masalah
 16

optimasi terkendala, tergantung kepada ada tidaknya kendala dalam masalah optimasi.

2. Klasifikasi Berdasarkan Kepada Bentuk Persamaan Fungsi yang Terlibat

Masalah optimasi dapat juga diklasifikasikan berdasarkan kepada bentuk fungsi obyektif dan fungsi kendala.
Menurut klasifikasi ini, masalah optimasi dapat diklasifikasikan sebagai masalah pemrograman linier,
nonlinier, geometrik, dan kuadratik.

a) Masalah Pemrograman Linier

Jika fungsi obyektif dan semua kendala adalah fungsi linier dari variabel keputusan, maka masalah
pemrograman matematika tersebut dinamakan pemrograman linier (LP). Masalah pemrograman linier dapat
dinyatakan dalam bentuk standar berikut:

Minimumkan 𝑓(𝑋 ) = ∑ 𝑛 𝑖=1 CiXi

dengan kendala 𝑛

∑ 𝑎 𝑖 𝑗 𝑥 𝑖 ≤ 𝑏 𝑗, 𝑗 = 1,2, … , 𝑚
𝑖=1

𝑥𝑖 ≥ 0, 𝑖 = 1,2, … , 𝑛

dimana 𝑐 𝑖 , 𝑎 𝑖 𝑗 dan 𝑏𝑗 adalah konstanta (yang selanjutnya dinamakan sebagai parameter).

b). Masalah Pemrograman Nonlinier

Jika terdapat fungsi nonlinier di antara fungsi obyektif dan fungsi-fungsi kendala, maka masalah tersebut
dinamakan masalah pemrograman nonlinier (nonlinier programming).
c. Masalah Pemrograman Kuadratik
Suatu masalah pemrograman kuadratik adalah suatu masalah pemrograman nonlinier dimana fungsi obyektif
berbentuk kuadratik dan fungsi kendala berbentuk linier. Masalah pemrograman kuadratik dapat dinyatakan
sebagai berikut:
𝑛 𝑛 𝑛

𝐹 (𝑋 ) = 𝑐 + ∑ 𝑞 𝑖 𝑥 𝑖 + ∑ ∑ 𝑄 𝑖 𝑗 𝑥 𝑖 𝑥 𝑗 (2.5)
𝑖=1 𝑖=1 𝑗 =1

dengan kendala
𝑛

∑ 𝑎 𝑖 𝑗 𝑥 𝑖 = 𝑏𝑗, 𝑗 = 1,2, … , 𝑚 (2.6)

𝑖=1
𝑥𝑖 ≥ 0, 𝑖 = 1,2, … , 𝑛

dimana 𝑐 𝑖 , 𝑎 𝑖 𝑗 dan 𝑏𝑗 adalah konstanta.

d. Masalah Pemrograman Geometrik

Sebuah fungsi ℎ(𝑋) dinamakan posynomial 𝑛 suku jika ℎ dapat dituliskan

C1x1 a11 x12 …. Xna12 + … + CNX1an1x2an2 … xnaNm
dimana 𝑐𝑖 dan 𝑎 𝑖 𝑗 adalah konstanta dengan 𝑐𝑖 > 0 dan 𝑥𝑖 > 0.

Suatu masalah pemrograman geometric (GMP) adalah masalah pemrograman nonlinier dimana
fungsi obyektif dan fungsi kendala dinyatakan sebagai posynomial dalam variabel keputusan. Jadi masalah
GMP dapat dituliskan sebagai:
𝑁0 𝑛
𝑝𝑖 𝑗
𝑀𝑖𝑛𝑖𝑚𝑢𝑚𝑘𝑎𝑛 𝑓 (𝑋 ) = ∑ 𝑐i ( ∏ 𝑥j 𝑖
), 𝑗 𝑐𝑖 > 0, 𝑥𝑖 > 0 (2.7)
 18

dengan kendala
𝑁𝑘 𝑛
𝑞 𝑖𝑗𝑘
𝑔 𝑘 (𝑋𝑖=1
) = ∑ 𝑎 𝑖 𝑘 ( ∏ 𝑥𝑗 ) > 0, 𝑎𝑖 𝑘
𝑖=1 > 0, 𝑥𝑖 > 0 (2.8)

dimana 𝑁0 dan 𝑁𝑘 berturut-turut menyatakan banyaknya suku posynomial dari fungsi obyektif dan fungsi kendala ke-k.

3. Klasifikasi Berdasarkan Kepada Nilai Variabel Keputusan yang Diperbolehkan

Berdasarkan kepada nilai variabel keputusan yang diperbolehkan, masalah optimasi dapat diklasifikasikan sebagai masalah
pemrograman bilangan bulat (integer) dan pemrograman bilangan riil.

a.) Masalah Pemrograman Bilangan Bulat (Integer)

Jika beberapa atau semua variabel keputusan 𝑥 𝑖 ( 𝑖 = 1,2, … , 𝑛) dari suatu masalah optimasi dibatasi hanya bernilai bilangan
bulat (integer) atau diskrit, masalah optimasi tersebut dinamakan pemrograman bilangan bulat.

b. Masalah Pemrograman Bilangan Riil

Jika semua variabel keputusan bernilai bilangan riil maka masalah optimasi dinamakan masalah pemrograman riil.
4. Klasifikasi Berdasarkan Kepada Nilai Parameter yang Diperbolehkan

Berdasarkan kepada nilai parameter yang diperbolehkan, masalah optimasi dapat

diklasifikasikan sebagai masalah pemrograman stokastik dan masalah
pemrograman deterministik.

a.) Masalah Pemrograman Stokastik

Suatu masalah pemrograman stokastik adalah masalah optimasi dimana beberapa

atau semua parameter dalam optimasi bersifat probabilistik (non deterministik
atau stokastik).
 19

b. Masalah Pemrograman Deterministik

Jika semua parameter dalam optimasi bersifat deterministik, masalah optimasi tersebut dinamakan masalah
pemrograman deterministik.

5. Klasifikasi Berdasarkan Kepada Separabilitas Fungsi

Masalah optimasi dapat diklasifikasikan sebagai masalah pemrograman separabel atau nonseparabel
berdasarkan kepada separabilitas fungsi obyektif dan fungsi kendala.

a) Masalah Pemrograman Separabel

(2.9)
Suatu fungsi 𝑓(𝑋) dikatakan separabel jika dapat dituliskan sebagai jumlah dari 𝑛 fungsi tunggal 𝑓1(𝑥1),
𝑛

… , 𝑓𝑛(𝑥𝑛) yaitu 𝑓(𝑋) = ∑ 𝑓𝑖(𝑥𝑖 )

Masalah pemrograman
𝑖=1 separabel adalah masalah optimasi dimana fungsi obyektif dan fungsi

kendala adalah separabel dan dapat dituliskan dalam bentuk standar:

Minimumkan 𝑓(𝑋 ) = ∑ 𝑛 𝑓𝑖 (𝑥 𝑖 ) (2.10)

𝑖=1

𝑛 𝑋 = (𝑥1, 𝑥 2, … , 𝑥 𝑛 ) 𝑇
𝑗 = 1,2, … , 𝑚 (2.11)
𝑔 𝑗 ( 𝑋 ) = ∑ 𝑔 𝑖 𝑗 ( 𝑥 𝑖 ) ≤ 𝑏𝑗,
dengan kendala
𝑖=1

dimana 𝑏𝑗 konstanta.

b.) Masalah Pemrograman Nonseparabel

Jika fungsi obyektif atau fungsi kendala dari masalah optimasi non separabel, masalah tersebut dinamakan
masalah pemrograman nonseparabel.
 20

6. Klasifikasi Berdasarkan Kepada Banyaknya Fungsi Obyektif

Bergantung kepada banyaknya fungsi obyektif yang diminimumkan, masalah optimasi dapat diklasifikasikan
sebagai masalah pemrograman obyektif-tunggal dan multi obyektif.

a.) Masalah Pemrograman Obyektif-Tunggal

Masalah optimasi yang hanya melibatkan sebuah fungsi obyektif dinamakan pemrograman obyektif-tunggal.
Pemrograman linier merupakan salah satu contoh dari masalah pemrograman obyektif-tunggal.

 Masalah Pemrograman Multiobyektif

Suatu masalah pemrograman multiobyektif dapat dinyatakan sebagai berikut:

Minimumkan 𝑓1 (𝑋 ), 𝑓2 (𝑋 ), … , 𝑓𝑘 (𝑋) (2.12)

𝑋 = (𝑥1, 𝑥2, … , 𝑥 𝑛 ) 𝑇

dengan kendala

𝑔𝑗 (𝑋 ) ≤ 0, 𝑗 = 1,2, … , 𝑚 (2.13)

dimana 𝑓1, 𝑓2, … , 𝑓𝑘adalah fungsi-fungsi obyektif yang diminimumkan secara simultan.
 SEKIAN
SEKIAN
DAN
DAN
TERIMA
TERIMA KASIH
KASIH