MATERI 06
OPTIMASI NUMERIK
Ir. Citra Aulian Chalik, ST., MT.
Table of contents
01 Definisi dan 02 Optimasi Satu
Ruang Lingkup Variabel
03 Latihan
01
Definisi & Ruang
Lingkup
Definisi 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, maka keadaan
optimum adalah keadaan yang memberikan pengeluaran minimum
(minimasi)
Perbedaan antara persoalan optimasi
dengan pencarian akar
Lokasi root melibatkan
pencarian nol dari sebuah
Fungsi : f(x) = 0
Sebaliknya, optimasi
melibatkan pencarian baik
minimum atau maksimal.
Jika f”(x)<0 maka
menunjukai titik maksimum,
Jika f’(x)>0 maka menunjukan
titik minimum
Analitik Vs Numerik
Fungsi yang akan dimaksimumkan atau diminimumkan disebut
fungsi objektif (objective function), sedangkan harga-harga yang
berpengaruh dan bisa dipilih disebut variable
Secara analitik, nilai maksimum atau minimum dari suatu
persamaan : y = f(x) dapat diperoleh pada harga x yang memenuhi
: y’ = f’(x) = dy/dx = df/dx = 0
Untuk fungsi yang sulit untuk diturunkan atau mempunyai turunan
yang sulit dicari akarnya, proses optimasi dapat dilakukan secara
numerik.
Persoalan optimasi dalam bidang engineering:
1. Merancang struktur Teknik sipil dengan biaya minimum
2. Perencanaan pemeliharaan untuk meminimalkan biaya
3. Merancang system pengolahan limbah untuk memenuhi standar
kualitas air dengan biaya minimal
4. Jaringan pipa yang optimal
5. Memaksimalkan keluaran daya dari jaringan listrik dan mesin
sambal meminimalkan pembangkitan panas
6. Desian pompa dan peralatan perpindahan panas untuk efisiensi
maksimum
Ilustrasi Optimasi secara Grafik:
1. Optimasi Satu
Variabel
Sebuah fungsi yang
asimtotik mendekati nol
pada plus dan minus ∞
dan memiliki dua
maksimum dan dua titik
minimum di sekitar titik
asal. Dua titik di sebelah
kanan adalah local
optima, sedangkan dua
ke kiri adalah global
Ilustrasi Optimasi secara Grafik:
2. Optimasi Dua
Variabel
Cara untuk
memvisualisasikan dua
dimensi adalah dalam
konteks naik gunung
(maksimalisasi) atau
turun ke lembah
(minimalisasi). (a) A 2-D
peta topografi yang
sesuai dengan 3-D
gunung di (b).
02
Optimasi Satu
Variabel
Optimasi Satu Variabel
Fungsi dengan satu bariabel : y = f(x)
Mencari nilai x yang memberikan nilai y maksimum atau minimum.
Dalam hal ini, x yang diperoleh merupakan nilai x optimum fungsi.
Metode yang dibahas meliputi :
1. Metode Golden Section
2. Metode Newton
3. Metode Interpolasi Kuardat
Metode Golden Section
Golden Section merupakan salah satu cara atau metode optimasi
numerik yang dapat diterapkan untuk fungsi yang bersifat
unimodal (suatu fungsi yang hanya mempunyai satu puncak
(maximum) atau satu lembah (minimum).
Golden Section mempunyai pendekatan yang mirip dengan metode
bisection dalam penentuan akar persamaan nonlinear
Metode Golden Section
Mirip dengan bisection, ide dasar
metode ini adalah memanfaatkan
nilai yang lama sebagai nilai yang
baru, secara iteratif. Nilai awal
variable yang dipilih semakin lama
akan semakin menyempit, karena
ada sebagian sub-interval variable
yang dieliminasi, hingga diperoleh
tingkat konvergensi yang
diinginkan.
Metode Golden Section
Berdasarkan grafik disamping, secara
matematika berlaku :
!" !%
= , '()( !# = !" + !%
!# !"
,-
Ambil kebalikannnya + =
,.
Metode Golden Section
Bilangan R ini selanjutnya disebut sebagai Golden Ratio
Metode Golden Section
1. Mulailah dari 2 tebakan awal X low dan
X upper yang mengapit titik maksimum
2. Tentukan nilai X1 dan X2 di dalam
rentang Xlow dan Xupper sesuai dengan
golden ratio (R), :
Metode Golden Section
3. Berdasarkan nilai f(x) pada 2 titik(X1 dan
X2) maka diharapkan ada sebagian
interval yang dapat dieliminasi, sehingga
salah satu titik lama bias dipakai lagi
pada evaluasi langkah berikutnya. Jadi
hanya diperlukan 1 titik baru. Begitu
seterusnya.
• Jika f(X1) >f(X2), maka domain X antara
X1 dan X2 dieliminasi dengan demikian
X2 lama = Xl baru
X1 lama = X2 baru
Xu lama = Xu baru
X1 baru ditentukan
• Jika f(X2) >f(X1), maka domain X antara
X1 dan Xu
X1 lama = Xu baru
X2 lama = X1 baru
Xl lama = Xl baru
X2 baru ditentukan
Perhatian: Algoritma untuk kasus minimasi merupakan kebalikan dari
algoritma untuk kasus maksimasi yang telah diuraikan tersebut di atas.
Menghitung Error –Metode
Golden Section
&' − &(
! = 1−% 100%
&)*+
LATIHAN!
Latihan 1
Gunakan metode Metode Golden-Section untuk menemukan nilai
maksimum dari persamaan berikut , X low = 0 & X upper = 4
")
! " = 2 sin " −
10
Gunakan
Excel
Metode Newton
Metode ini menggunakan pendekatan yang sama dengan metode
Newton Raphson dalam penentuan akar persamaan non linear,
Pada kondisi optimum berlaku : f’(x*) = g(x*) = 0
Dengan X* menyatakan nilai X optimum)
Maka, nilai X* dapat diperoleh secara iterative sebagai berikut
Metode Newton
nilai X* dapat diperoleh secara iterative sebagai berikut
Pada metode Newton, fungsi turunan pertama dan kedua harus
ditentukan terlebih dahulu
Menghitung Error –Metode
Newton
#$%& − #$
!= 100%
#$%&
Latihan 2
Gunakan metode Metode Newton untuk menemukan nilai
maksimum dari persamaan berikut
")
! " = 2 sin " −
10
Gunakan
Excel
Tugas
1. Gunakan metode Metode Golden-Section (X low = 0 &
X upper = 2) untuk menentukan nilai maksimum sampai
iterasi keempat!
2. Gunakan metode Newton (X0=2) untuk mennetukan
nilai maksimum sampai iterasi keempat!
! " = −1,5" ( − 2" * + 12"
Gunakan
Excel