Kontrol Optimum. MKO dengan Kendala pada Peubah Kontrol. Toni Bakhtiar. Departemen Matematika IPB. Februari 2017

Ukuran: px
Mulai penontonan dengan halaman:

Download "Kontrol Optimum. MKO dengan Kendala pada Peubah Kontrol. Toni Bakhtiar. Departemen Matematika IPB. Februari 2017"

Transkripsi

1 Kontrol Optimum MKO dengan Kendala pada Peubah Kontrol Toni Bakhtiar Departemen Matematika IPB Februari 2017 (IPB) MAT332 Kontrol Optimum Februari / 53

2 Outline MKO berkendala Kendala persamaan pada peubah kontrol Kendala pertaksamaan pada peubah kontrol Kontrol optimum linear (IPB) MAT332 Kontrol Optimum Februari / 53

3 MKO Berkendala Kendala pada masalah kontrol optimum sudah dibahas pada bagian sebelumnya, yaitu berupa kendala di titik akhir x(t ) = x T atau x(t ) b atau x(t ) bebas. Syarat terpenuhinya kendala tersebut dinyatakan dalam bentuk syarat transversalitas. Di bagian berikut akan dibahas kendala pada MKO yang harus dipenuhi di sepanjang waktu, [0, T ]. Karena MKO melibatkan peubah state dan peubah kontrol, maka MKO berkendala dibedakan atas: 1 MKO dengan kendala pada peubah kontrol: 1 kendala persamaan 2 kendala pertaksamaan 3 kendala isoperimetrik 4 kendala pertaksamaan integral 2 MKO dengan kendala pada peubah state. Pendekatan yang akan digunakan ialah metode pengganda Lagrange. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

4 Kendala Persamaan Bentuk umum MKO dengan kendala persamaan pada peubah kontrol dan peubah state (mixed constraint) diberikan oleh: max J = T 0 f (x, u 1, u 2, t) dt s.t. ẋ = g(x, u 1, u 2, t) h(x, u 1, u 2, t) = c. Masalah di atas merupakan bentuk sederhana dari MKO dengan m peubah kontrol dan q kendala persamaan. Disyaratkan, q < m. Dalam kasus di atas, m = 2 dan q = 1. Fungsi hamilton: H = f (x, u 1, u 2, t) + p(t)g(x, u 1, u 2, t). Prinsip maksimum memproses maksimisasi H untuk setiap t [0, T ]. Namun kali ini, proses tersebut diberi kendala h(x, u 1, u 2, t) = c, sehingga perlu dibentuk fungsi lagrange. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

5 Kendala Persamaan Fungsi lagrange: Syarat perlu optimalitas: L = H + λ(t)(c h(x, u 1, u 2, t)) = f + pg + λ(c h) 1 L ui = f ui + pg ui λh ui = 0, t [0, T ] (i = 1, 2) 2 L λ = c h = 0 h(x, u 1, u 2, t) = c (kendala pada peubah kontrol) 3 ẋ = L p ẋ = H p ẋ = g(x, u 1, u 2, t) (kendala persamaan diferensial) 4 ṗ = L x ṗ = H x + λh x. Syarat transversalitas. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

6 Kendala Persamaan Example Partai berkuasa yang mengontrol pemerintahan selalu berusaha mempertahankan kekuasaannya melalui penerapan kebijakan yang mendapat dukungan mayoritas dari masyarakat. Dalam model ini, perhatian difokuskan hanya pada kebijakan ekonomi yang melibatkan dua indikator: tingkat pengangguran U dan tingkat inflasi p. Reaksi masyarakat terhadap kebijakan yang dipilih diasumsikan berbentuk f = f (U, p), f U < 0, f p < 0, dengan f dapat dipandang sebagai ukuran yang menggambarkan besarnya dukungan. Hubungan antara U dan p dinyatakan sebagai berikut: p = φ(u) + aπ, φ < 0, 0 < a 1, π = b(p π), b > 0, tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

7 Kendala Persamaan Example dengan π menyatakan nilai harapan (expectation) dari tingkat inflasi. Karena π = b(p π) menggambarkan dinamika (equation of motion) dari π, maka π merupakan peubah state. Karena U memengaruhi p dan kemudian memengaruhi π, maka U merupakan peubah kontrol. Masalah kontrol optimum: max J = T 0 f (U, p)ert dt, r < 0, s.t. π = b(p π) p = φ(u) + aπ π(0) = π 0, π(t ) free, π 0, T given, dengan r menyatakan the rate of decay of memory. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

8 Kendala Persamaan (Metode Substitusi) Asumsikan: MKO: f (U, p) = U 2 hp, h > 0, φ(u) = j ku, j, k > 0. max J = T 0 ( U2 h(j ku + aπ))e qt dt, q = r, s.t. π = b(j ku + (a 1)π) π(0) = π 0, π(t ) free, π 0, T given. Fungsi hamilton dan CVH: H = ( U 2 h(j ku + aπ))e qt + λb(j ku + (a 1)π) H = U 2 h(j ku + aπ) + mb(j ku + (a 1)π), m = λe qt. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

9 Kendala Persamaan (Metode Substitusi) Prinsip maksimum Pontryagin: H U = 0 2U + hk mbk = 0 U(t) = 1 2 k(h m(t)b) ṁ mq = H π ṁ mq = ha mb(a 1) ṁ + mq = ha, dengan Q := b(a 1) q, sehingga m(t) = ha Q + Ce Qt. STV: m(t ) = 0 ha Q + Ce QT = 0 C = ha Q eqt, sehingga m (t) = ha Q (1 eq (T t) ) λ (t) = ha Q eqt (1 e Q (T t) ). U (t) = kh 2 habk 2Q (1 eq (T t) ). tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

10 Kendala Persamaan (Metode Substitusi) Diperoleh: du dt dm dt = kb 2 U (0) = kh 2 hab 2Q (1 eqt ) U (T ) = kh 2 > 0. = kbha 2 eq (T t) < 0 du dt < 0 menyatakan bahwa U merupakan fungsi turun terhadap t, sehingga kebijakan ekonomi yang optimal ialah menetapkan tingkat pengangguran cukup tinggi segera setelah menang pemilu di awal periode (t = 0) dan kemudian membiarkannya turun dalam periode [0, T ]. U (T ) = kh 2 U min = kh 2. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

11 Kendala Persamaan (Metode Lagrange) MKO: Fungsi lagrange: max J = T 0 f (U, p)ert dt s.t. π = b(p π) p = φ(u) + aπ π(0) = π 0, π(t ) free, π 0, T given, L = f (U, p)e rt + λb(p π) + θ(φ(u) + aπ p) = ( U 2 hp)e rt + λb(p π) + θ(j ku + aπ p). Peubah kontrol: U dan p. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

12 Kendala Persamaan (Metode Lagrange) Syarat perlu optimalitas: 1 L U = 0 2Ue rt θk = 0 2 L p = 0 he rt + λb θ = 0 θ = he rt + λb 3 L θ = 0 j ku + aπ p = 0 p = j ku + aπ 4 π = L λ π = b(p π) 5 λ = L π λ = λb θa. Syarat transversalitas. Dari syarat (1) dan (2): 2Ue rt + hke rt λbk = 0 2U + hk mbk = 0. Dari syarat (3) dan (4): π = b(j ku + (a 1)π). tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

13 Kendala Persamaan (Metode Lagrange) Dari syarat (2) dan (5): λ = λb + hae rt λba λe rt = λbe rt + ha λbae rt λe qt = λbe qt + ha λbae qt λe qt + λqe qt = ha + e qt λ (b + q ab) ṁ = ha + m (b(1 a) + q) ṁ = ha m(b(a 1) q) ṁ + mq = ha Semua syarat yang diperoleh dengan menggunakan Metode Lagrange ekuivalen dengan syarat yang diperoleh dengan menggunakan Metode Substitusi, sehingga solusinya sama. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

14 Kendala Pertaksamaan Pada MKO dengan kendala pertaksamaan, banyaknya peubah kontrol tidak harus melebihi banyaknya kendala pertaksamaan seperti pada kasus sebelumnya. Kendala pertaksamaan memberikan lebih banyak keleluasaan daripada kendala persamaan. Bentuk umum dengan r peubah kontrol dan q kendala pertaksamaan: max J = T f (x, u, t) dt 0 s.t. ẋ = g(x, u, t) h(x, u, t) 0, dengan x R n, u R r, h R q dan 1 q r n. Kendala pertaksamaan dapat diubah menjadi kendala persamaan: h(x, u, t) ξ 2 = 0, dengan ξ merupakan vektor peubah dummy. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

15 Kendala Pertaksamaan Theorem (Berkovitz, 1961) Untuk MKO: definisikan opt J = T f (x, u, t) dt 0 s.t. ẋ = g(x, u, t) h(x, u, t) 0, H = f + pg H = f + pg + λh = H + λh. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

16 Kendala Pertaksamaan Theorem (Berkovitz, 1961) Syarat perlu optimalitas bagi u sehingga mengoptimumkan ialah: 1 p = 0 2 H u = 0 H u + λh u = 0 3 ṗ = H x ṗ = (H x + λh x ) 4 ẋ = H p ẋ = g 5 λ 0, h 0, λh = 0 (maksimisasi), λ 0, h 0, λh = 0 (minimisasi) * Syarat (5) mirip dengan Kondisi Kuhn-Tucker (KKT). tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

17 Kendala Pertaksamaan Jika kendala peubah kontrol berbentuk m u M (seperti misalnya u 1), maka untuk masalah maksimisasi berlaku: 0 jika u = M H u = 0 jika m < u < M. 0 jika u = m. Ingat kembali H H u min u max u u min u max u tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

18 Kendala Pertaksamaan Kendala peubah kontrol berbentuk m u M dapat ditulis menjadi (m u) dan (u M) (u m 0) dan (M u 0), sehingga dapat didefinisikan h 1 : = M u, h 2 : = u m. Untuk kasus u 1 dapat didefinisikan h 1 : = 1 u, h 2 : = u + 1. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

19 Kendala Pertaksamaan Example Selesaikan MKO berikut: min J = 1 2 [10x 2(10) x 1 (10)] u2 dt s.t. ẋ 1 = x 2 ẋ 2 = u x 1 (0) = 0 x 2 (0) = 20 x 1 (10) free, x 2 (10) free. Peubah kontrol u takberbatas, Peubah kontrol u memenuhi 1 u 3. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

20 Kendala Pertaksamaan Kasus 1 Peubah kontrol u tak berbatas Definisikan fungsi hamilton H = 1 2 u2 + p 1 x 2 p 2 u. Prinsip maksimum Pontryagin memberikan: 1 H u = 0 u p 2 = 0 u = p 2. 2 ṗ 1 = H x1 ṗ 1 = 0 p 1 = A. 3 ṗ 2 = H x2 ṗ 2 = p 1 p 2 = At + B. 4 Syarat transversalitas p(10) = S x (10) memberikan 1 p 1 (10) = S x1 (10) A = p 2 (10) = S x2 (10) 5 + B = 5 B = 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

21 Kendala Pertaksamaan Diperoleh p 1 (t) = 1 2, p 2 (t) = 1 2 t, u (t) = 1 2 t. Selanjutnya dari kendala persamaan diferensial dan syarat batas diperoleh: x2 (t) = 1 4 t2 + 20, x1 (t) = 1 12 t3 + 20t. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

22 Kendala Pertaksamaan Kasus 2 Peubah kontrol u memenuhi 1 u 3. Definisikan: h 1 = 3 u, h 2 = u 1, H = H + λh = 1 2 u2 + p 1 x 2 p 2 u + λ 1 (3 u) + λ 2 (u 1). Syarat kedua Teorema Berkovitz memberikan H u = 0 u p 2 λ 1 + λ 2 = 0 u = p 2 + λ 1 λ 2. Proses pengoptimuman dibagi menjadi dua kasus: 1 Interior optimization: 1 < u < 3 2 Boundaries optimization: u = u max dan u = u min. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

23 Kendala Pertaksamaan Interior optimization Karena 1 < u < 3 maka h 1 = 3 u > 0 h 2 = u 1 > 0, sehingga syarat kelima λ 0, h 0, λh = 0 (minimisasi) memberikan Akibatnya, λ 1 = λ 2 = 0. u = p 2 1 < p 2 < 3. Boundary optimization: u = u max u = 3 : h 1 = 3 u = 0 λ 1 0 h 2 = u 1 = 2 > 0 λ 2 = 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

24 Kendala Pertaksamaan Diperoleh u = p 2 + λ 1 λ 2 u = p 2 + λ 1 u p 2 (karena λ 1 0) 3 p 2. Boundary optimization: u = u min u = 1 : Diperoleh h 1 = 3 u = 2 > 0 λ 1 = 0 h 2 = u 1 = 0 λ 2 0. u = p 2 + λ 1 λ 2 u = p 2 λ 2 u p 2 (karena λ 2 0) 1 p 2. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

25 Kendala Pertaksamaan Dengan demikian, 1 ; p 2 1 u = p 2 ; 1 < p 2 < 3 3 ; p 2 3, atau dengan menggunakan hasil Kasus 1, yaitu p 2 (t) = 1 2 t, diperoleh u (t) = = 1 1 ; 2 t t ; 1 < 1 2 t < ; 2 t 3 1 ; 0 t t ; 2 < t < 6 3 ; 6 t 10. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

26 Kendala Pertaksamaan Kontrol optimum: u* t tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

27 Kendala Pertaksamaan Pengganda lagrange: (1 < u < 3) λ 1 = λ 2 = 0, (u = 3) λ 1 = u p 2 = 3 p 2, λ 2 = 0, (u = 1) λ 1 = 0, λ 2 = p 2 u = p 2 1, atau λ 1(t) = λ 2(t) = 0 ; 0 t 2 0 ; 2 < t < t ; 6 t 10, 1 2 t 1 ; 0 t 2 0 ; 2 < t < 6 0 ; 6 t 10. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

28 Kendala Pertaksamaan Karena ẋ 2 = u dan x 2 (0) = 20 maka 1 ; 0 t 2 ẋ 2 = 1 2 t ; 2 < t < 6 x 2 = 3 ; 6 t 10 t + 20 ; 0 t t2 + B ; 2 < t < 6 3t + C ; 6 t 10. Karena ẋ 1 = x 2 dan x 1 (0) = 0 maka ẋ 1 = x 1 = t + 20 ; 0 t t2 + B ; 2 < t < 6 3t + C ; 6 t t2 + 20t ; 0 t t3 + Bt + D ; 2 < t < t2 + Ct + E ; 6 t 10. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

29 Kendala Pertaksamaan Parameter B, C, D, E dipilih sedemikian sehingga x 1 dan x 2 kontinu (B = 19, C = 28, D = 2 3, E = 52 3 ). Jadi, 1 x1 2 t2 + 20t ; 0 t 2 (t) = 1 12 t3 + 19t ; 2 < t < 6, 3 2 t2 + 28t 52 3 ; 6 t 10 t + 20 ; 0 t 2 x2 (t) = 1 4 t ; 2 < t < 6. 3t + 28 ; 6 t 10 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

30 Kendala Pertaksamaan x t tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

31 Solusi Numerik (Metode Runge-Kutta Orde-4) Sistem persamaan diferensial: ẋ 1 = x 2, x 1 (0) = 0 Baris terakhir dapat ditulis menjadi: ẋ 2 = u, x 2 (0) = 20 ṗ 1 = 0, p 1 (10) = 1 2 ṗ 2 = p 1, p 2 (10) = 5 u = p 2, 1 u 3. u = min{3, max{1, p 2 }}. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

32 Solusi Numerik (Metode Runge-Kutta Orde-4) (IPB) MAT332 Kontrol Optimum Februari / 53

33 Solusi Numerik (Metode Runge-Kutta Orde-4) (IPB) MAT332 Kontrol Optimum Februari / 53

34 Kendala Pertaksamaan Problem Selesaikan MKO berikut: min J = 2 0 ( 1 2 u2 x) dt s.t. ẋ = u x(0) = 1, x(2) free. Peubah kontrol u tak berbatas, Peubah kontrol u memenuhi u 1. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

35 Kendala Pertaksamaan Problem Selesaikan MKO berikut: min J = 2 0 ( 1 2 u2 x) dt s.t. ẋ = u + x x(0) = 1, x(2) free. Peubah kontrol u tak berbatas, Peubah kontrol u memenuhi 0 u 1. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

36 Kontrol Optimum Linear Di beberapa kasus, fungsi hamilton memiliki bentuk linear terhadap peubah kontrol u, sehingga dapat dituliskan sebagai: H = ψ(x, p, t) + σ(x, p, t)u. Secara umum ekstremum dari MKO tidak ditemukan karena H u = 0 σ(x, p, t) = 0, sehingga u tidak dapat ditentukan. Namun jika peubah kontrol u berbatas, misalnya m u M, maka H mencapai maksimum/minimum jika dan hanya jika u = { M ; σ > 0 m ; σ < 0, u = { m ; σ > 0 M ; σ < 0. u di atas disebut bang-bang control dan fungsi σ(x, p, t) disebut sebagai fungsi switching. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

37 Kontrol Optimum Linear Misalkan: 1 u 3 H 6 H u H = 1 + 2u u 4 H = 1 2u tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

38 Kontrol Optimum Linear Example Diberikan masalah kontrol optimum berikut: min J = T 0 dt s.t. ẋ = x + u x(0) = 5, x(t ) = 11, T bebas, u [ 1, 1] Tentukan kontrol optimum u, trajektori optimum x, dan waktu T. Solution Diperoleh fungsi hamilton (linear terhadap u) berikut: H = 1 + p(x + u) = 1 + px + pu. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

39 Kontrol Optimum Linear Solution Karena H linear terhadap u dan u memenuhi 1 u 1 maka kontrol optimum untuk masalah minimisasi diberikan oleh bang-bang control berikut: { u 1 ; p(t) > 0 (t) = 1 ; p(t) < 0. Prinsip maksimum Pontryagin memberikan: ṗ = H x ṗ = p p(t) = Ae t. Karena T bebas maka syarat transversalitas memberikan H t=t = p(t )x(t ) + p(t )u = Ae T + u Ae T = 0 (11 + u )Ae T = 1. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

40 Kontrol Optimum Linear Solution Karena u = 1 atau u = 1 maka 11 + u > 0, sehingga A = 1 et (11 + u = )e T 11 + u < 0. Karena A < 0 maka p(t) = Ae t < 0, akibatnya u (t) = 1.Selanjutnya dari kendala persamaan diferensial diperoleh ẋ = x + u ẋ = x + 1 x(t) = Be t 1. Dari syarat awal dan syarat batas: x(0) = 5 B 1 = 5 B = 6 x (t) = 6e t 1, x(t ) = 11 6e T 1 = 11 e T = 2 T = ln 2. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

41 Kontrol Optimum Linear Solution (Alternatif) Solusi bang-bang di atas dapat juga ditunjukkan sebagai berikut. MKO dapat dipandang sebagai MKO dengan kendala pertaksamaan berikut: min J = T 0 dt s.t. ẋ = x + u h 1 (u) 0 h 2 (u) 0 x(0) = 5, x(t ) = 11, T bebas, dengan h 1 (u) := 1 u dan h 2 (u) = 1 + u. Definisikan fungsi lagrange H = H + λ 1 h 1 + λ 2 h 2 = 1 + px + pu + λ 1 (1 u) + λ 2 (1 + u). tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

42 Kontrol Optimum Linear Solution (Alternatif) Diperoleh H u = 0 p λ 1 + λ 2 = 0, sehingga kontrol optimum u tidak dapat ditentukan dari kondisi ini. Hal ini berarti interior optimization tidak memberikan solusi. Boundary optimization dengan u = 1 memberikan h 1 (u) = 2 > 0 h 2 (u) = 0, sehingga syarat (λ 1 0, h 1 0, λ 1 h 1 = 0) dan (λ 2 0, h 2 0, λ 2 h 2 = 0) memberikan λ 1 = 0 dan λ 2 0. Akibatnya p λ 1 + λ 2 = 0 p + λ 2 = 0 p 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

43 Kontrol Optimum Linear Solution (Alternatif) Jika u = 1 maka h 1 (u) = 0 h 2 (u) = 2 > 0, sehingga syarat (λ 1 0, h 1 0, λ 1 h 1 = 0) dan (λ 2 0, h 2 0, λ 2 h 2 = 0) memberikan λ 1 0 dan λ 2 = 0. Akibatnya p λ 1 + λ 2 = 0 p λ 1 = 0 p = λ 1 0. Diperoleh kontrol optimum yang sama: { u 1 ; p(t) > 0 (t) = 1 ; p(t) < 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

44 Kontrol Optimum Linear Example Selesaikan MKO berikut: max J = 1 0 (2x x 2 ) dt s.t. ẋ = u x(0) = 0, x(1) = 0, u 1. Solution Diperoleh fungsi hamilton yang linear terhadap u: H = 2x x 2 + pu, dengan p merupakan fungsi switching. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

45 Kontrol Optimum Linear Solution Kontrol optimum diberikan oleh: { u 1 ; p(t) > 0 (t) = 1 ; p(t) < 0. Selanjutnya diperoleh syarat optimalitas berikut: Perhatikan bahwa: Karena t [0, 1] maka ṗ = H x ṗ = 2 + 2x = 2(x 1). ẋ = u 1 dx dt 1 dx dt x t. x 1 x 1 0 2(x 1) 0 ṗ 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

46 Syarat awal x(0) = 0 memberikan x (t) = t sehingga x(1) = 1. Kontradiksi dengan syarat batas x(1) = 0. Haruslah p(t) 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53 Kontrol Optimum Linear Solution Fakta ṗ 0 mengatakan bahwa p merupakan fungsi turun terhadap t. Akan ditinjau tiga kasus p(t) seperti diilustrasikan gambar berikut: p(t) > 0 p(t) < 0 p(t) berubah tanda Kasus 1: Andaikan p(t) > 0 untuk semua t [0, 1]. Akibatnya, u (t) = 1 ẋ = 1 x (t) = t + A.

47 Kontrol Optimum Linear Solution Kasus 2: Andaikan p(t) < 0 untuk semua t [0, 1]. Akibatnya, u (t) = 1 ẋ = 1 x (t) = t + B. Syarat awal x(0) = 0 memberikan x (t) = t dan x(1) = 1. Kontradiksi dengan syarat batas x(1) = 0. Haruslah p(t) 0. Kasus 3: Dari dua pengandaian di atas, haruslah p(t) berubah tanda pada t [0, 1], yaitu p(t) > 0 pada t [0, t ) dan p(t) < 0 pada t (t, 1]. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

48 Kontrol Optimum Linear Solution Pada [0, t ) diketahui p(t) > 0, sehingga u (t) = 1 ẋ = 1 x (t) = t + A. Syarat awal x(0) = 0 memberikan x (t) = t. Pada (t, 1] diketahui p(t) < 0, sehingga u (t) = 1 ẋ = 1 x (t) = t + B. Syarat batas x(1) = 0 memberikan x (t) = t + 1. Agar x(t) kontinu di t = t haruslah t = t + 1 t = 1 2. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

49 Kontrol Optimum Linear Solution Jadi, u (t) = x (t) = { 1 ; 0 t < ; 2 < t 1, { t ; 0 t t ; 2 < t 1. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

50 Kontrol Optimum Linear u,x t 1.0 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

51 Kontrol Optimum Linear Solution Fungsi adjoin: Jadi, ṗ = 2 + 2x = { 2t 2 ; 0 t t ; 2 < t 1. { p t (t) = 2 2t + A ; 0 t 1 2 t B ; 2 < t 1. Parameter A dan B ditentukan dari t 2 2t + A = 0 = t 2 + B A = 0 = B A = 3 4 dan B = 1 4. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

52 Kontrol Optimum Linear p t 0.6 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

53 Kontrol Optimum Linear Problem Diberikan masalah kontrol optimum berikut: Tentukan u, x, dan p. max J = 10 4x dt 0 s.t. ẋ = x + u x(0) = 5, x(10) bebas, u [0, 2] tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 53

Kontrol Optimum. MKO dengan Mixed Constraints dan Pure State Constraints. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014

Kontrol Optimum. MKO dengan Mixed Constraints dan Pure State Constraints. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014 Kontrol Optimum MKO dengan Mixed Constraints dan Pure State Constraints Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 38 Outline

Lebih terperinci

Kontrol Optimum. Prinsip Maksimum Pontryagin. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014

Kontrol Optimum. Prinsip Maksimum Pontryagin. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014 Kontrol Optimum Prinsip Maksimum Pontryagin Toni Bakhtiar Departemen Matematika IPB Februari 214 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 214 1 / 25 Outline Masalah kontrol optimum Prinsip

Lebih terperinci

Kontrol Optimum. Syarat Transversalitas, Current-valued Hamiltonian. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014

Kontrol Optimum. Syarat Transversalitas, Current-valued Hamiltonian. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014 Kontrol Optimum Syarat Transversalitas, Current-valued Hamiltonian Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 37 Outline Syarat

Lebih terperinci

Kontrol Optimum. MKO dengan Horizon Takhingga, Syarat Cukup. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014

Kontrol Optimum. MKO dengan Horizon Takhingga, Syarat Cukup. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014 Kontrol Optimum MKO dengan Horizon Takhingga, Syarat Cukup Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 23 Outline MKO dengan

Lebih terperinci

Kalkulus Variasi. Persamaan Euler, Masalah Kalkulus Variasi Berkendala, Syarat Batas. Toni Bakhtiar. Departemen Matematika IPB.

Kalkulus Variasi. Persamaan Euler, Masalah Kalkulus Variasi Berkendala, Syarat Batas. Toni Bakhtiar. Departemen Matematika IPB. Kalkulus Variasi Persamaan Euler, Masalah Kalkulus Variasi Berkendala, Syarat Batas Toni Bakhtiar Departemen Matematika IPB Februari 214 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 214 1

Lebih terperinci

Kalkulus Variasi. Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas. Toni Bakhtiar. Departemen Matematika IPB

Kalkulus Variasi. Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas. Toni Bakhtiar. Departemen Matematika IPB Kalkulus Variasi Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum

Lebih terperinci

Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas

Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas Slide II Toni Bakhtiar Departemen Matematika IPB February 2012 TBK (IPB) Kalkulus Variasi February 2012 1 / 37 Masalah Brachystochrone

Lebih terperinci

Kalkulus Variasi. Syarat Cukup, Masalah Kalkulus Variasi dengan Horizon Takhingga. Toni Bakhtiar. Departemen Matematika IPB.

Kalkulus Variasi. Syarat Cukup, Masalah Kalkulus Variasi dengan Horizon Takhingga. Toni Bakhtiar. Departemen Matematika IPB. Kalkulus Variasi Syarat Cukup, Masalah Kalkulus Variasi dengan Horizon Takhingga Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 /

Lebih terperinci

Kalkulus Variasi. Pendahuluan, Model Matematika, Keterkontrolan. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014

Kalkulus Variasi. Pendahuluan, Model Matematika, Keterkontrolan. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014 Kalkulus Variasi Pendahuluan, Model Matematika, Keterkontrolan Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 42 Outline Beberapa

Lebih terperinci

Persamaan Diferensial Biasa

Persamaan Diferensial Biasa Persamaan Diferensial Biasa Pendahuluan, Persamaan Diferensial Orde-1 Toni Bakhtiar Departemen Matematika IPB September 2012 Toni Bakhtiar (m@thipb) PDB September 2012 1 / 37 Pendahuluan Konsep Dasar Beberapa

Lebih terperinci

MAT332 Kontrol Optimum

MAT332 Kontrol Optimum MAT332 Kontrol Optimum Kontrak Belajar dan Rencana Perkuliahan Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 12 Identitas 1 Nama

Lebih terperinci

II LANDASAN TEORI. ii. Constant returns to scale, yaitu situasi di mana output meningkat sama banyaknya dengan porsi peningkatan input

II LANDASAN TEORI. ii. Constant returns to scale, yaitu situasi di mana output meningkat sama banyaknya dengan porsi peningkatan input 2 II LANDASAN EORI Pada bab ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan dalam karya ilmiah ini. 2.1 Istilah Ekonomi Definisi 1 (Pertumbuhan Ekonomi) Pertumbuhan ekonomi

Lebih terperinci

PENERAPAN PRINSIP MAKSIMUM PONTRYAGIN PADA SISTEM INVENTORI-PRODUKSI. Nurus Sa adah, Toni Bakhtiar, Farida Hanum

PENERAPAN PRINSIP MAKSIMUM PONTRYAGIN PADA SISTEM INVENTORI-PRODUKSI. Nurus Sa adah, Toni Bakhtiar, Farida Hanum PENERAPAN PRINSIP MAKSIMUM PONTRYAGIN PADA SISTEM INVENTORI-PRODUKSI Nurus Sa adah, Toni Bakhtiar, Farida Hanum Departemen Matematika FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor

Lebih terperinci

PENGENDALIAN OPTIMAL DISTRIBUSI VAKSIN PADA MODEL EPIDEMIK RABIES DENGAN MASA KELAHIRAN PERIODIK

PENGENDALIAN OPTIMAL DISTRIBUSI VAKSIN PADA MODEL EPIDEMIK RABIES DENGAN MASA KELAHIRAN PERIODIK PENDAHULUAN PENGENDALIAN OPTIMAL DISTRIBUSI VAKSIN PADA MODEL EPIDEMIK RABIES DENGAN MASA KELAHIRAN PERIODIK Oleh : Qurrotu Ainy Jufri (1210100072) Dosen Pembimbing : Drs. Kamiran, M.Si. Jurusan Matematika

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan mengenai teori teori yang berhubungan dengan pembahasan ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan

Lebih terperinci

Persamaan Diferensial Biasa

Persamaan Diferensial Biasa Persamaan Diferensial Biasa Titik Tetap dan Sistem Linear Toni Bakhtiar Departemen Matematika IPB Oktober 2012 Toni Bakhtiar (m@thipb) PDB Oktober 2012 1 / 31 Titik Tetap SPD Mandiri dan Titik Tetap Tinjau

Lebih terperinci

Outline. Bagian 0: Motivasi. Bagian 1: Optimasi Taklinier Dasar dasar Teorema Karush Kuhn Tucker. Bagian 2: Sequential Quadratic Programming

Outline. Bagian 0: Motivasi. Bagian 1: Optimasi Taklinier Dasar dasar Teorema Karush Kuhn Tucker. Bagian 2: Sequential Quadratic Programming Outline Bagian 0: Motivasi Bagian 1: Optimasi Taklinier Dasar dasar Teorema Karush Kuhn Tucker Bagian 2: Sequential Quadratic Programming Bagian 3: Masalah Kendali Optimal dengan Persamaan Di erensial

Lebih terperinci

SYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak

SYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak Syarat Fritz John... (Caturiyati) SYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com

Lebih terperinci

Kuliah Pengantar Kontrol Optimum dan Metode Numeriknya dalam Scilab

Kuliah Pengantar Kontrol Optimum dan Metode Numeriknya dalam Scilab Kuliah Pengantar Kontrol Optimum dan Metode Numeriknya dalam Scilab Effendi Syahril Agah D. Garnadi Kuliah Pengantar Kontrol Optimum dan Metode Numeriknya dalam Scilab Effendi Syahril Agah D. Garnadi e-version

Lebih terperinci

II LANDASAN TEORI. Contoh. Ditinjau dari sistem yang didefinisikan oleh:

II LANDASAN TEORI. Contoh. Ditinjau dari sistem yang didefinisikan oleh: 5 II LANDASAN TEORI 2.1 Keterkontrolan Untuk mengetahui persoalan sistem kontrol mungkin tidak ada, jika sistem yang ditinjau tidak terkontrol. Walaupun sebagian besar sistem terkontrol ada, akan tetapi

Lebih terperinci

Kalkulus Multivariabel I

Kalkulus Multivariabel I Maksimum, Minimum, dan Statistika FMIPA Universitas Islam Indonesia Titik Kritis Misalkan p = (x, y) adalah sebuah titik peubah dan p 0 = (x 0, y 0 ) adalah sebuah titik tetap pada bidang berdimensi dua

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Optimasi Non-Linier Suatu permasalahan optimasi disebut nonlinier jika fungsi tujuan dan kendalanya mempunyai bentuk nonlinier pada salah satu atau keduanya. Optimasi nonlinier

Lebih terperinci

APLIKASI METODE TRANSFORMASI DIFERENSIAL PADA SISTEM PERSAMAAN DIFERENSIAL BIASA PENDAHULUAN

APLIKASI METODE TRANSFORMASI DIFERENSIAL PADA SISTEM PERSAMAAN DIFERENSIAL BIASA PENDAHULUAN APLIKASI METODE TRANSFORMASI DIFERENSIAL PADA SISTEM PERSAMAAN DIFERENSIAL BIASA E. KHATIZAH 1, P. T. KARIMA 2, D. I. ASTUTI 2 Abstrak Metode transformasi diferensial merupakan salah satu metode pendekatan

Lebih terperinci

PENGGUNAAN METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN PADA KALKULUS VARIASI ABSTRACT

PENGGUNAAN METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN PADA KALKULUS VARIASI ABSTRACT PENGGUNAAN METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN PADA KALKULUS VARIASI Febrian Lisnan, Asmara Karma 2 Mahasiswa Program Studi S Matematika 2 Dosen Jurusan Matematika Fakultas Matematika

Lebih terperinci

KONTROL OPTIMAL PADA PENGADAAN BAHAN MENTAH DENGAN KEBIJAKAN PENGADAAN TEPAT WAKTU, PERGUDANGAN, DAN PENUNDAAN

KONTROL OPTIMAL PADA PENGADAAN BAHAN MENTAH DENGAN KEBIJAKAN PENGADAAN TEPAT WAKTU, PERGUDANGAN, DAN PENUNDAAN LAPORAN TUGAS AKHIR 01 WINTER Template KONTROL OPTIMAL PADA PENGADAAN BAHAN MENTAH DENGAN KEBIJAKAN PENGADAAN TEPAT WAKTU, PERGUDANGAN, DAN PENUNDAAN Oleh: Darsih Idayani 1206 100 040 Pembimbing: Subchan,

Lebih terperinci

BAB I DASAR-DASAR PEMODELAN MATEMATIKA DENGAN PERSAMAAN DIFERENSIAL

BAB I DASAR-DASAR PEMODELAN MATEMATIKA DENGAN PERSAMAAN DIFERENSIAL BAB I DASAR-DASAR PEMODELAN MATEMATIKA DENGAN PERSAMAAN DIFERENSIAL Pendahuluan Persamaan diferensial adalah persamaan yang memuat diferensial Kita akan membahas tentang Persamaan Diferensial Biasa yaitu

Lebih terperinci

III RELAKSASI LAGRANGE

III RELAKSASI LAGRANGE III RELAKSASI LAGRANGE Relaksasi Lagrange merupakan salah satu metode yang terus dikembangkan dalam aplikasi pemrograman matematik. Sebagian besar konsep teoretis dari banyak aplikasi menggunakan metode

Lebih terperinci

BAB IV MODEL HIDDEN MARKOV

BAB IV MODEL HIDDEN MARKOV BAB IV MODEL HIDDEN MARKOV 4.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang (Ω, F, P). Misalnya X = {X : k N} adalah rantai Markov dengan state berhingga yang bersifat homogen

Lebih terperinci

Syarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak

Syarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak Syarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com 2 himmawatipl@yahoo.com Abstrak

Lebih terperinci

dy = f(x,y) = p(x) q(y), dx dy = p(x) dx,

dy = f(x,y) = p(x) q(y), dx dy = p(x) dx, 5. Persamaan Diferensian Dengan Variabel Terpisah Persamaan diferensial berbentuk y = f(), dengan f suatu fungsi kontinu pada suatu interval real, dapat dicari penyelesaiannya dengan cara mengintegralkan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Zaman yang semakin berkembang membuat persoalan semakin kompleks, tidak terkecuali persoalan yang melibatkan persoalan matematika. Dalam pemecahannya, matematika memegang

Lebih terperinci

SISTEM HUKUM KEKEKALAN LINEAR

SISTEM HUKUM KEKEKALAN LINEAR Bab 3 SISTEM HUKUM KEKEKALAN LINEAR 3.1 Sistem Linear Hiperbolik Sistem linear dalam pengertian Tugas Akhir ini adalah suatu sistem hukum kekekalan dengan bentuk umum, t u + d A α (t) xα u = 0 (3.1.1)

Lebih terperinci

BAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,

BAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, BAB II KAJIAN PUSTAKA Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, pemrograman linear, metode simpleks, teorema dualitas, pemrograman nonlinear, persyaratan karush kuhn

Lebih terperinci

Penentuan Koefisien Daya Angkat Pesawat Terbang Layang Terhadap Gerakan Angin Vertikal

Penentuan Koefisien Daya Angkat Pesawat Terbang Layang Terhadap Gerakan Angin Vertikal J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 9 16 Penentuan Koefisien Daya Angkat Pesawat Terbang Layang Terhadap Gerakan Angin Vertikal Yatini, E. Apriliani, Soetrisno Jurusan Matematika

Lebih terperinci

Kalkulus Multivariabel I

Kalkulus Multivariabel I dan Fungsi Implisit dan Fungsi Implisit Statistika FMIPA Universitas Islam Indonesia dan Fungsi Implisit Ingat kembali aturan rantai pada fungsi satu peubah! Jika y = f (x(t)), di mana baik f maupun t

Lebih terperinci

Soal Ujian 2 Persamaan Differensial Parsial

Soal Ujian 2 Persamaan Differensial Parsial Soal Uian 2 Persamaan Differensial Parsial M. Jamhuri April 15, 2013 1 Buktikan bahwa ux,t) = πˆ 1 x e θ2 dθ merupakan solusi persamaan difusi u t = u xx untuk setiap x R,t > 0. Untuk x 0 tunukkan bahwa

Lebih terperinci

Fourier Analysis & Its Applications in PDEs - Part II

Fourier Analysis & Its Applications in PDEs - Part II Fourier Analysis & Its Applications in PDEs Hendra Gunawan http://personal.fmipa.itb.ac.id/hgunawan/ Analysis and Geometry Group Bandung Institute of Technology Bandung, INDONESIA WIDE 2010 5-6 August

Lebih terperinci

TE Sistem Linier. Sistem Waktu Kontinu

TE Sistem Linier. Sistem Waktu Kontinu TE 226 - Sistem Linier Jimmy Hasugian Electrical Engineering - Maranatha Christian University jimlecture@gmail.com - http://wp.me/p4scve-g Sistem Waktu Kontinu Jimmy Hasugian (MCU) Sistem Waktu Kontinu

Lebih terperinci

III HASIL DAN PEMBAHASAN

III HASIL DAN PEMBAHASAN 7 III HASIL DAN PEMBAHASAN 3.1 Perumusan Model Pada bagian ini akan dirumuskan model pertumbuhan ekonomi yang mengoptimalkan utilitas dari konsumen dengan asumsi: 1. Terdapat tiga sektor dalam perekonomian:

Lebih terperinci

BAB 2 KAJIAN PUSTAKA. Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut:

BAB 2 KAJIAN PUSTAKA. Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut: BAB 2 KAJIAN PUSTAKA 2.1 Masalah Optimisasi dan Program Non Linier Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut: 1. Masalah optimisasi tanpa kendala.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa pengertian dari optimasi bersyarat dengan kendala persamaan menggunakan multiplier lagrange serta penerapannya yang akan digunakan sebagai landasan

Lebih terperinci

BAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR

BAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR 3 BAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR 4.. Sebaran asimtotik dari,, Teorema 4. ( Normalitas Asimtotik

Lebih terperinci

PENYELESAIAN MASALAH KONTROL OPTIMAL KONTINU YANG MEMUAT FAKTOR DISKON

PENYELESAIAN MASALAH KONTROL OPTIMAL KONTINU YANG MEMUAT FAKTOR DISKON Jrnal Matematika UNAND Vol. 2 No. 3 Hal. 157 161 ISSN : 233 291 c Jrsan Matematika FMIPA UNAND PENYELESAIAN MASALAH KONTROL OPTIMAL KONTINU YANG MEMUAT FAKTOR DISKON DALIANI Program Stdi Matematika, Fakltas

Lebih terperinci

METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN NILAI BATAS PADA PERSAMAAN DIFERENSIAL PARSIAL NONLINEAR ABSTRACT

METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN NILAI BATAS PADA PERSAMAAN DIFERENSIAL PARSIAL NONLINEAR ABSTRACT METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN NILAI BATAS PADA PERSAMAAN DIFERENSIAL PARSIAL NONLINEAR Birmansyah 1, Khozin Mu tamar 2, M. Natsir 2 1 Mahasiswa Program Studi S1 Matematika

Lebih terperinci

Persamaan Di erensial Orde-2

Persamaan Di erensial Orde-2 oki neswan FMIPA-ITB Persamaan Di erensial Orde- Persamaan diferensial orde-n adalah persamaan yang melibatkan x; y; dan turunan-turunan y; dengan yang paling tinggi adalah turunan ke-n: F x; y; y ; y

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pemrograman Non linier Pemrograman non linier adalah suatu bentuk pemrograman yang berhubungan dengan suatu perencanaan aktivitas tertentu yang dapat diformulasikan dalam model

Lebih terperinci

Selanjutnya didefinisikan fungsional objektif yang diperbesar (augmented) J ( u ) sebagai:

Selanjutnya didefinisikan fungsional objektif yang diperbesar (augmented) J ( u ) sebagai: LAMPIRAN Lampiran 1. Bukti Teorema 4 Diketahui masalah memaksimumkan: T J ( x) = S( x( T), T) + f ( x( t), u( t), t) dt (1) dengan kendala : x() t = f( x(), t u(),) t t dt () Misalkan x() = x, t =, sedangkan

Lebih terperinci

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI METODE TITIK-INTERIOR PADA PEMROGRAMAN KUADRATIK KONVEKS Skripsi Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Matematika Oleh: Fenny Basuki NIM: 831143 PROGRAM

Lebih terperinci

PERBANDINGAN METODE RUNGE-KUTTA ORDE EMPAT DAN METODE ADAMS-BASHFORTH ORDE EMPAT DALAM PENYELESAIAN MASALAH NILAI AWAL ORDE SATU

PERBANDINGAN METODE RUNGE-KUTTA ORDE EMPAT DAN METODE ADAMS-BASHFORTH ORDE EMPAT DALAM PENYELESAIAN MASALAH NILAI AWAL ORDE SATU PERBANDINGAN METODE RUNGE-KUTTA ORDE EMPAT DAN METODE ADAMS-BASHFORTH ORDE EMPAT DALAM PENYELESAIAN MASALAH NILAI AWAL ORDE SATU Lilik Prasetiyo Pratama Jurusan Matematika, FMIPA UNS 1. LATAR BELAKANG

Lebih terperinci

DASAR-DASAR ANALISIS MATEMATIKA

DASAR-DASAR ANALISIS MATEMATIKA (Bekal untuk Para Sarjana dan Magister Matematika) Dosen FMIPA - ITB E-mail: hgunawan@math.itb.ac.id. December 11, 2007 Misalkan f terdefinisi pada suatu himpunan H. Kita katakan bahwa f naik pada H apabila

Lebih terperinci

Simulasi Persamaan Gelombang

Simulasi Persamaan Gelombang December 15, 213 Soal 1 Perhatikan persamaan gelombang u tt = u xx, untuk x 1, dengan syarat batas u x (,t) = dan u (1,t) =, dan syarat awal u t (x,) = dan { 2 u (x,) = 16 (x 3) 2 (x 7) 2, 3 x 7, untuk

Lebih terperinci

METODE PSEUDO ARC-LENGTH DAN PENERAPANNYA PADA PENYELESAIAN SISTEM PERSAMAAN NONLINIER TERPARAMETERISASI

METODE PSEUDO ARC-LENGTH DAN PENERAPANNYA PADA PENYELESAIAN SISTEM PERSAMAAN NONLINIER TERPARAMETERISASI Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 9 17 ISSN : 233 291 c Jurusan Matematika FMIPA UNAND METODE PSEUDO ARC-LENGTH DAN PENERAPANNYA PADA PENYELESAIAN SISTEM PERSAMAAN NONLINIER TERPARAMETERISASI RAHIMA

Lebih terperinci

KOMPUTASI PENGENDALIAN TUBERKULOSIS DUA STRAIN DENGAN METODE BEDA HINGGA

KOMPUTASI PENGENDALIAN TUBERKULOSIS DUA STRAIN DENGAN METODE BEDA HINGGA J. Math. and Its Appl. ISS: 89-605X Vol. 4, o., ovember 007, 9 9 KOMPUTASI PEGEDALIA TUBERKULOSIS DUA STRAI DEGA METODE BEDA HIGGA Lukman Hanafi, Mardlijah, E. Wahyuni 3 Jurusan Matematika FMIPA Institut

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Berikut ini adalah beberapa definisi dan teorema yang menjadi landasan dalam penentuan harga premi, fungsi permintaan, dan kesetimbangannya pada portfolio heterogen. 2.1 Percobaan

Lebih terperinci

BAB III PEMBAHASAN. Bab III terbagi menjadi tiga sub-bab, yaitu sub-bab A, sub-bab B, dan subbab

BAB III PEMBAHASAN. Bab III terbagi menjadi tiga sub-bab, yaitu sub-bab A, sub-bab B, dan subbab BAB III PEMBAHASAN Bab III terbagi menjadi tiga sub-bab, yaitu sub-bab A, sub-bab B, dan subbab C. Sub-bab A menjelaskan mengenai konsep dasar C[a, b] sebagai ruang vektor beserta contohnya. Sub-bab B

Lebih terperinci

Optimisasi dengan batasan persamaan (Optimization with equality constraints) Mengapa batasan relevan dalam kajian ekonomi?

Optimisasi dengan batasan persamaan (Optimization with equality constraints) Mengapa batasan relevan dalam kajian ekonomi? Optimisasi dengan batasan persamaan (Optimization with equality constraints) Mengapa batasan relevan dalam kajian ekonomi? Masalah ekonomi timbul karena kelangkaan (scarcity). Kelangkaan menyebabkan keputusan

Lebih terperinci

BAB II TINJAUAN PUSTAKA. operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan di

BAB II TINJAUAN PUSTAKA. operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan di BAB II TINJAUAN PUSTAKA 2.1 Pemrograman Linier (Linear Programming) Pemrograman linier (linear programming) merupakan salah satu teknik riset operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan

Lebih terperinci

9. Teori Aproksimasi

9. Teori Aproksimasi 44 Hendra Gunawan 9 Teori Aproksimasi Mulai bab ini tema kita adalah aproksimasi fungsi dan interpolasi Diberikan sebuah fungsi f, baik secara utuh ataupun hanya beberapilai di titik-titik tertentu saja,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari baik disadari maupun tidak, sebenarnya orang selalu melakukan optimasi untuk memenuhi kebutuhannya. Tetapi optimasi yang dilakukan masyarakat

Lebih terperinci

Jurnal MIPA 38 (1) (2015): Jurnal MIPA.

Jurnal MIPA 38 (1) (2015): Jurnal MIPA. Jurnal MIPA 38 (1) (2015): 79-88 Jurnal MIPA http://journal.unnes.ac.id/nju/index.php/jm KENDALI OPTIMAL DARI SISTEM INVENTORI DENGAN PENINGKATAN DAN PENURUNAN BARANG P Affandi Faisal, Y Yulida Prodi Matematika,

Lebih terperinci

FUNGSI EVANS, SIFAT-SIFAT DAN APLIKASINYA PADA PELACAKAN NILAI EIGEN DARI MASALAH STURM-LIOUVILLE

FUNGSI EVANS, SIFAT-SIFAT DAN APLIKASINYA PADA PELACAKAN NILAI EIGEN DARI MASALAH STURM-LIOUVILLE Jurnal Matematika UNAND Vol. 4 No. Hal. 23 3 ISSN : 233 29 c Jurusan Matematika FMIPA UNAND FUNGSI EVANS, SIFAT-SIFAT DAN APLIKASINYA PADA PELACAKAN NILAI EIGEN DARI MASALAH STURM-LIOUVILLE HILDA FAHLENA,

Lebih terperinci

13. Aplikasi Transformasi Fourier

13. Aplikasi Transformasi Fourier 13. plikasi ransformasi Fourier Misal adalah operator linear pada fungsi yang terdefinisi pada R dengan sifat: jika [f(x] = g(x, maka [f(x + s] = g(x + s untuk setiap s R. Maka, fungsi f(x = e ax (a C

Lebih terperinci

KENDALI OPTIMAL PADA MODEL PERIKLANAN NERLOVE-ARROW DENGAN MENGGUNAKAN PRINSIP MAKSIMUM

KENDALI OPTIMAL PADA MODEL PERIKLANAN NERLOVE-ARROW DENGAN MENGGUNAKAN PRINSIP MAKSIMUM KENDALI OPTIMAL PADA MODEL PERIKLANAN NERLOVE-ARROW DENGAN MENGGUNAKAN PRINSIP MAKSIMUM Skripsi Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Matematika Oleh: Dewita

Lebih terperinci

MODEL EKONOMI PRODUKSI UNTUK PERMINTAAN YANG TERGANTUNG WAKTU DALAM PENGERJAAN ULANG DAN m PENGADAAN PRODUKSI. Alfi Mafrihah ABSTRACT

MODEL EKONOMI PRODUKSI UNTUK PERMINTAAN YANG TERGANTUNG WAKTU DALAM PENGERJAAN ULANG DAN m PENGADAAN PRODUKSI. Alfi Mafrihah ABSTRACT MODEL EKONOMI PRODUKSI UNTUK PERMINTAAN YANG TERGANTUNG WAKTU DALAM PENGERJAAN ULANG DAN m PENGADAAN PRODUKSI Alfi Mafrihah Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

MODIFIKASI METODE RUNGE-KUTTA ORDE-4 KUTTA BERDASARKAN RATA-RATA HARMONIK TUGAS AKHIR. Oleh : EKA PUTRI ARDIANTI

MODIFIKASI METODE RUNGE-KUTTA ORDE-4 KUTTA BERDASARKAN RATA-RATA HARMONIK TUGAS AKHIR. Oleh : EKA PUTRI ARDIANTI MODIFIKASI METODE RUNGE-KUTTA ORDE-4 KUTTA BERDASARKAN RATA-RATA HARMONIK TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh : EKA PUTRI ARDIANTI

Lebih terperinci

Pertemuan Minggu ke Bidang Singgung, Hampiran 2. Maksimum dan Minimum 3. Metode Lagrange

Pertemuan Minggu ke Bidang Singgung, Hampiran 2. Maksimum dan Minimum 3. Metode Lagrange Pertemuan Minggu ke-11 1. Bidang Singgung, Hampiran 2. Maksimum dan Minimum 3. Metode Lagrange 1. BIDANG SINGGUNG, HAMPIRAN Tujuan mempelajari: memperoleh persamaan bidang singgung terhadap permukaan z

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Program Stokastik Keputusan adalah suatu kesimpulan dari suatu proses untuk memilih tindakan yang terbaik dari sejumlah alternatif yang ada, sedangkan pengambilan keputusan adalah

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA. ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah. dalam hal pembahasan hasil utama berikutnya.

BAB 2 TINJAUAN PUSTAKA. ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah. dalam hal pembahasan hasil utama berikutnya. BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dijelaskan mengenai teori-teori yang berhubungan dengan pembahasan ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan

Lebih terperinci

MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA

MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALAM STATISTIKA HARGA HARAPAN Definisi Misalkan X variabel random. Bila X variabel random kontinu dengan f.k.p. f (x) dan maka harga harapan X adalah

Lebih terperinci

Variabel Banyak Bernilai Real 1 / 1

Variabel Banyak Bernilai Real 1 / 1 Fungsi Variabel Banyak Bernilai Real Turunan Parsial dan Turunan Wono Setya Budhi KK Analisis dan Geometri, FMIPA ITB Variabel Banyak Bernilai Real 1 / 1 Turunan Parsial dan Turunan Usaha pertama untuk

Lebih terperinci

STABILISASI SISTEM DESKRIPTOR LINIER KONTINU

STABILISASI SISTEM DESKRIPTOR LINIER KONTINU Jurnal Matematika UNAND Vol. No. 1 Hal. 1 5 ISSN : 303 910 c Jurusan Matematika FMIPA UNAND STABILISASI SISTEM DESKRIPTOR LINIER KONTINU YULIAN SARI Program Studi Matematika, Pascasarjana Fakultas Matematika

Lebih terperinci

Teori kendali. Oleh: Ari suparwanto

Teori kendali. Oleh: Ari suparwanto Teori kendali Oleh: Ari suparwanto Minggu Ke-1 Permasalahan oleh : Ari Suparwanto Permasalahan Diberikan sistem dan sinyal referensi. Masalah kendali adalah menentukan sinyal kendali sehingga output sistem

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 7 BAB II LANDASAN EORI 2.. Dasar Dasar Peluang Program stokastik adalah salah satu cabang matematika yang berhubungan dengan keputusan optimal dalam keadaan tidak pasti yang dinyatakan dengan distribusi

Lebih terperinci

METODE TRANSFORMASI DIFERENSIAL UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL VOLTERRA JENIS KEDUA. Edo Nugraha Putra ABSTRACT ABSTRAK 1.

METODE TRANSFORMASI DIFERENSIAL UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL VOLTERRA JENIS KEDUA. Edo Nugraha Putra ABSTRACT ABSTRAK 1. METODE TRANSFORMASI DIFERENSIAL UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL VOLTERRA JENIS KEDUA Edo Nugraha Putra Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

OPTIMISASI PEMROGRAMAN CEMBUNG MENGGUNAKAN SYARAT KUHN-TUCKER SKRIPSI

OPTIMISASI PEMROGRAMAN CEMBUNG MENGGUNAKAN SYARAT KUHN-TUCKER SKRIPSI OPTIMISASI PEMROGRAMAN CEMBUNG MENGGUNAKAN SYARAT KUHN-TUCKER SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian Persyaratan Guna

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 1.1 Latar Belakang Salah satu observasi yang berguna dalam bidang komputasi di tahun 1970 adalah observasi terhadap permasalahan relaksasi Lagrange. Josep Louis Lagrange merupakan tokoh ahli

Lebih terperinci

EKONOMI PRODUKSI. PERTEMUAN KEDELAPAN: MAKSIMISASI TERKENDALA (Lanjutan)

EKONOMI PRODUKSI. PERTEMUAN KEDELAPAN: MAKSIMISASI TERKENDALA (Lanjutan) EKONOMI PRODUKSI Kode PTE-4103 PERTEMUAN KEDELAPAN: MAKSIMISASI TERKENDALA (Lanjutan) Rini Dwiastuti 2007 Sub-pokok Bahasan (Lanjutan) 7. Constrained Revenue Max. 8. Second Order Condition 9. Interpretation

Lebih terperinci

17. Transformasi Wavelet Kontinu dan Frame

17. Transformasi Wavelet Kontinu dan Frame 17. Transformasi Wavelet Kontinu dan Frame Pada 16 kita mempelajari basis ortonormal {e 2πimx g(x n)} dengan g = χ [,1). Transformasi f f(x)g(x n)e 2πimx dx, m, n Z, dikenal sebagai transformasi Fourier

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA A. Efektivitas Efektivitas berasal dari kata efektif, yang merupakan kata serapan dari bahasa Inggris yaitu effective yang artinya berhasil. Menurut kamus ilmiah popular, efektivitas

Lebih terperinci

BAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY

BAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY BAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY 3.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang Ω,,. Misalkan ; adalah rantai Markov dengan state berhingga

Lebih terperinci

BAB 2 PROGRAM LINIER DAN TAK LINIER. Program linier (Linear programming) adalah suatu masalah matematika

BAB 2 PROGRAM LINIER DAN TAK LINIER. Program linier (Linear programming) adalah suatu masalah matematika BAB 2 PROGRAM LINIER DAN TAK LINIER 2.1 Program Linier Program linier (Linear programming) adalah suatu masalah matematika yang mempunyai fungsi objektif dan kendala berbentuk linier untuk meminimalkan

Lebih terperinci

OPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR

OPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR 40 Jurnal Matematika Vol 6 No 2 Tahun 2017 OPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR OPTIMIZATION OF FOOD CROPS IN MAGELANG WITH QUADRATIC

Lebih terperinci

TERAPAN INTEGRAL. Bogor, Departemen Matematika FMIPA IPB. (Departemen Matematika FMIPA IPB) Kalkulus I Bogor, / 22

TERAPAN INTEGRAL. Bogor, Departemen Matematika FMIPA IPB. (Departemen Matematika FMIPA IPB) Kalkulus I Bogor, / 22 TERAPAN INTEGRAL Departemen Matematika FMIPA IPB Bogor, 2012 (Departemen Matematika FMIPA IPB) Kalkulus I Bogor, 2012 1 / 22 Topik Bahasan 1 Luas Daerah Bidang Rata 2 Nilai Rataan Fungsi (Departemen Matematika

Lebih terperinci

OPTIMASI MULTIVARIAT DENGAN KENDALA PERSAMAAN. Oleh : Hafidh Munawir

OPTIMASI MULTIVARIAT DENGAN KENDALA PERSAMAAN. Oleh : Hafidh Munawir OPTIMASI MULTIVARIAT DENGAN KENDALA PERSAMAAN Oleh : Hafidh Munawir BENTUK-BENTUK FUNGSI MULTIVARIAT DARI SEGI BENTUK GRAFIK I. Fungsi Linier : Y = ao + a 1 X 1 + a 2 X 2 Contoh: Y = 50 + 0,50 X 1 + 0,60

Lebih terperinci

METODE BENTUK NORMAL PADA PENYELESAIAN PERSAMAAN RAYLEIGH

METODE BENTUK NORMAL PADA PENYELESAIAN PERSAMAAN RAYLEIGH Jurnal Matematika UNAND Vol. 5 No. 3 Hal. 77 84 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND METODE BENTUK NORMAL PADA PENYELESAIAN PERSAMAAN RAYLEIGH EKA ASIH KURNIATI, MAHDHIVAN SYAFWAN, RADHIATUL

Lebih terperinci

Aplikasi Prinsip Maksimum Pontryagin Pada Model Bioekonomi Mangsa-Pemangsa Dengan Waktu Tunda

Aplikasi Prinsip Maksimum Pontryagin Pada Model Bioekonomi Mangsa-Pemangsa Dengan Waktu Tunda Aplikasi Prinsip Maksimum Pontryagin Pada Model Bioekonomi Mangsa-Pemangsa Dengan Waktu Tunda Lusiana Prastiwi 1, Subiono 2 1 Mahasiswa Magister Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

TINJAUAN PUSTAKA. diketahui) dengan dua atau lebih peubah bebas dinamakan persamaan. Persamaan diferensial parsial memegang peranan penting di dalam

TINJAUAN PUSTAKA. diketahui) dengan dua atau lebih peubah bebas dinamakan persamaan. Persamaan diferensial parsial memegang peranan penting di dalam II. TINJAUAN PUSTAKA 2.1 Persamaan Diferensial Parsial Persamaan yang mengandung satu atau lebih turunan parsial suatu fungsi (yang diketahui) dengan dua atau lebih peubah bebas dinamakan persamaan diferensial

Lebih terperinci

ANALISA STEADY STATE ERROR SISTEM KONTROL LINIER INVARIANT WAKTU

ANALISA STEADY STATE ERROR SISTEM KONTROL LINIER INVARIANT WAKTU Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 9 97 ISSN : 233 29 c Jurusan Matematika FMIPA UNAND ANALISA STEADY STATE ERROR SISTEM KONTROL LINIER INVARIANT WAKTU FANNY YULIA SARI Program Studi Matematika,

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai

Lebih terperinci

Pengintegralan Fungsi Rasional

Pengintegralan Fungsi Rasional Pengintegralan Fungsi Rasional Ahmad Kamsyakawuni, M.Kom Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Jember 25 Maret 2014 Pengintegralan Fungsi Rasional 1 Pengintegralan Fungsi Rasional 2

Lebih terperinci

Catatan Kuliah MA1123 KALKULUS ELEMENTER I BAB III. TURUNAN

Catatan Kuliah MA1123 KALKULUS ELEMENTER I BAB III. TURUNAN BAB III. TURUNAN Kecepatan Sesaat dan Gradien Garis Singgung Turunan dan Hubungannya dengan Kekontinuan Aturan Dasar Turunan Notasi Leibniz dan Turunan Tingkat Tinggi Penurunan Implisit Laju yang Berkaitan

Lebih terperinci

Analisis Riil II: Diferensiasi

Analisis Riil II: Diferensiasi Definisi Turunan Definisi dan Teorema Aturan Rantai Fungsi Invers Definisi (Turunan) Misalkan I R sebuah interval, f : I R, dan c I. Bilangan riil L dikatakan turunan dari f di c jika diberikan sebarang

Lebih terperinci

Open Source. Not For Commercial Use

Open Source. Not For Commercial Use Ringkasan Kalkulus 2, Untuk dipakai di ITB 1 Limit dan Kekontinuan Misalkan z = f(, y) fungsi dua peubah dan (a, b) R 2. Seperti pada limit fungsi satu peubah, limit fungsi dua peubah bertujuan untuk mengamati

Lebih terperinci

PDP linear orde 2 Agus Yodi Gunawan

PDP linear orde 2 Agus Yodi Gunawan PDP linear orde 2 Agus Yodi Gunawan Pada bagian ini akan dipelajari tiga jenis persamaan diferensial parsial (PDP) linear orde dua yang biasa dijumpai pada masalah-masalah dunia nyata, yaitu persamaan

Lebih terperinci

PAM 252 Metode Numerik Bab 2 Persamaan Nonlinier

PAM 252 Metode Numerik Bab 2 Persamaan Nonlinier PAM 252 Metode Numerik Bab 2 Persamaan Nonlinier Mahdhivan Syafwan Jurusan Matematika FMIPA Universitas Andalas Semester Genap 2013/2014 1 Mahdhivan Syafwan Metode Numerik: Persamaan Nonlinier Solusi persamaan

Lebih terperinci

MODEL PERTUMBUHAN EKONOMI DENGAN INPUT SUMBER DAYA ALAM TERBARUKAN NUR NA IMAH

MODEL PERTUMBUHAN EKONOMI DENGAN INPUT SUMBER DAYA ALAM TERBARUKAN NUR NA IMAH MODEL PERTUMBUHAN EKONOMI DENGAN INPUT SUMBER DAYA ALAM TERBARUKAN NUR NA IMAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ABSTRAK NUR NA IMAH.

Lebih terperinci

Prosiding Matematika ISSN:

Prosiding Matematika ISSN: Prosiding Matematika ISSN: 2460-6464 Optimisasi Fungsi Nonlinier Dua Variabel Bebas dengan Satu Kendala Pertidaksamaan Menggunakan Syarat Kuhn-Tucker Optimization of Nonlinear Function of Two Independent

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Assignment problem yang biasa dibentuk dengan matriks berbobot merupakan salah satu masalah dalam dunia teknik informatika, dimana masalah ini merupakan masalah yang

Lebih terperinci

SKEMA NUMERIK UNTUK MEMPEROLEH SOLUSI TAKSIRAN DARI KELAS PERSAMAAN INTEGRAL FREDHOLM NONLINEAR JENIS KEDUA. Vanny Restu Aji 1 ABSTRACT

SKEMA NUMERIK UNTUK MEMPEROLEH SOLUSI TAKSIRAN DARI KELAS PERSAMAAN INTEGRAL FREDHOLM NONLINEAR JENIS KEDUA. Vanny Restu Aji 1 ABSTRACT SKEMA NUMERIK UNTUK MEMPEROLEH SOLUSI TAKSIRAN DARI KELAS PERSAMAAN INTEGRAL FREDHOLM NONLINEAR JENIS KEDUA Vanny Restu Aji 1 1 Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

FORMULA PENGGANTI METODE KOEFISIEN TAK TENTU ABSTRACT

FORMULA PENGGANTI METODE KOEFISIEN TAK TENTU ABSTRACT FORMULA PENGGANTI METODE KOEFISIEN TAK TENTU Syofia Deswita 1, Syamsudhuha 2, Agusni 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas

Lebih terperinci