Masalah maksimisasi dapat ditinjau dari metode minimisasi, karena
|
|
- Shinta Dharmawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Lecture 2: Optimization of Function of One Variable A. Pendahuluan Ide dasar dari masalah optimisasi adalah mengoptimumkan (memaksimumkan/ meminimumkan) suatu besaran skalar yang merupakan harga suatu fungsi dari n variabel x, x,, x. Bentuk masalah minimisasi: Minimumkan: z = f(x, x,, x ). (2.1) Masalah maksimisasi dapat ditinjau dari metode minimisasi, karena Maksimum f(x, x,, x ) = minimum f(x, x,, x ). (2.2) Sehingga tanpa mengurangi keumuman, pada penyelesaian masalah optimasi berikutnya hanya dibahas masalah minimisasi. Jika jumlah variabel n = 1, maka (2.1) menjadi Minimumkan: z = f(x) (2.3) yang merupakan masalah optimasi fungsi satu variabel. B. Fungsi Unimodal dan Fungsi Konveks Unimodal. Fungsi satu variabel f adalah unimodal jika pada selang (daerah definisi) kurvanya hanya mempunyai satu titik minimum/maksimum relatif x. Gambar 2.1 Ilustrasi fungsi unimodal, bimodal dan multimodal
2 Himpunan Konveks. Definisi 2.1 Suatu himpunan S dikatakan konveks jika dan hanya jika x, x S dan [0,1] berlaku x = x + (1 )x S. Dengan kata lain S merupakan himpunan konveks jika garis hubung (line segment) antara sebarang dua titik di S juga berada di S. Untuk selanjutnya, titik x = x + (1 )x dengan 0 1 disebut kombinasi konveks (convex combination) dari titik x dan x. x x (a) Konveks (b) Tidak konveks Gambar 2.2 Ilustrasi himpunan konveks The following are some examples of convex sets. 1. Hyperplane S = {(x, x, x ): x + 2x x = 4} E This is an equation of a plane in E. In general, S = {x: p x = α} is called a hyperplane in E, where p is a nonzero vector in E, usually referred to as the normal to the hyperplane, and α is a scalar. sol = Solve[x + 2y z == 4, z] Plot3D[Evaluate[z/. sol], {x, 50,50}, {y, 50,50}] Gambar 2.3 Illustration of hyperplane.
3 2. Halfspace S = {(x, x, x ): x + 2x x 4} E These are points on one side of the hyperplane defined above. These points form a half space. In general S = {x: p x α} in E is a convex set. RegionPlot3D[x + 2y z 4, {x, 10,10}, {y, 10,10}, {z, 10,10}] 3. Polyhedral set Gambar 2.4 Illustration of half space. S = (x, x, x ): x + 2x x 4, E 2x x + x 6 This set is the intersection of two half spaces. In general, the set S = {x: Ax b} is a convex set, where A is an m n matrix, and b is an m vector. This set is the intersec-tion of m half spaces and is usually called a polyhedral set. RegionPlot3D[x + 2y z 4&&2x y + z 6, {x, 10,10}, {y, 10,10}, {z, 10,10}]
4 Gambar 2.5 Illustration of polyhedral set. 4. Convex cone S = {(x, x ): x x } E This set represents a convex cone in E. RegionPlot[y Abs[x], {x, 10,10}, {y, 10,10}] Gambar 2.6 Illustration of convex cone. 5. Points on and inside a circle S = {(x, x ): x + x 4} E This set represents points on and inside a circle with center (0,0) and radius 2. RegionPlot[x + y 4, {x, 2,2}, {y, 2,2}]
5 Gambar 2.7 Illustration of points on and inside a circle 6. Linear programming problem S = {x: x solves problem P below} Problem P Minimize Subject to c x Ax = b x 0 Here c is an n vector, b is an m vector, A is an m n matrix, and x is an n vector. The set S gives all optimal solutions of the linear programming problem of minimizing the linear function c x over the polyhedral region defined by Ax = b and x 0. The following lemma is an immediate consequence of the definition of convexity. It states that the intersection of two convex sets is convex and that the algebraic sum of two convex sets is also convex. Lema 2.2 Misal S and S merupakan himpunan konveks di E. Maka 1. S S konveks 2. S + S = {x + x : x S, x S } konveks 3. S S = {x x : x S, x S } konveks. Fungsi Konveks. Definisi 2.3 Suatu fungsi f adalah konveks pada suatu selang S (berhingga ataupun tidak), jika x 1, x 2 S dan [0,1] berlaku ( x 1 + (1 )x 2 ) f(x ) + (1 )f(x ). (2.4)
6 Gambar 2.8 Ilustrasi fungsi konveks Fungsi Konveks Tegas. Jika (2.4) berlaku dengan tanda ketidaksamaan tegas (strict inequality), yaitu f( x + (1 )x ) < f(x ) + (1 )f(x ) (2.5) untuk x x dan (0,1), maka fungsi f tersebut dikatakan konveks tegas (strictly convex). Fungsi Konkav. Jika (2.4) berlaku dengan tanda ketidaksamaan terbalik, yaitu f( x + (1 )x ) f(x ) + (1 )f(x ). (2.6) maka fungsi f dikatakan konkav (concave). Gambar 2.9 Ilustrasi fungsi konkav Fungsi Konveks Tegas. Jika (2.6) berlaku dengan tanda ketidaksamaan tegas (strict inequality), yaitu f( x + (1 )x ) > f(x ) + (1 )f(x ) (2.7) untuk x x dan (0,1), maka fungsi f tersebut dikatakan konkav tegas (strictly concave).
7 Jadi berlaku pernyataan berikut: Jika fungsi f konveks, maka f konkav. dan Jika fungsi f konveks tegas, maka f konkav tegas. Demikian juga sebaliknya. Catatan. 1. Fungsi konveks/konkav adalah fungsi yang unimodal. 2. Fungsi linear (linear function) merupakan fungsi konveks dan fungsi konkav. (a) Fungsi konveks dan konkav (b) Fungsi not conveks not concave Gambar 2.10 Ilustrasi fungsi konveks dan fungsi konkav serta tidak keduanya C. Minimum Mutlak (Global) dan Minimum Relatif (Lokal) Definisi 2.4. Fungsi f dikatakan memiliki minimum relatif (minimum lokal) di x D jika terdapat ε > 0 sedemikian sehingga f(x) f(x ), x D\{x } dan x x < ε. (2.8) Definisi 2.5. Fungsi f dikatakan memiliki minimum mutlak (minimum global) di x D jika x D, f(x) f(x ). (2.9) Definisi maksimum lokal dan maksimum global berturut-turut dengan membalik tanda Ketidaksamaan (2.8) dan (2.9), yaitu " " diganti " ". Catatan: Suatu minimum/maksimum global juga merupakan minimum/maksimum lokal, sebab D juga merupakan persekitaran dari x. Tetapi, tidak setiap minimum lokal adalah minimum global.
8 Gambar 2.11 Ilustrasi minimum lokal minimum global D. Beberapa Metode Optimasi Menentukan letak optimum dengan kalkulus pada prakteknya ada yang tidak berhasil. Hal ini dimungkinkan karena fungsi objektifnya tidak analitik sehingga diferensiasinya tidak mungkin dihitung, atau titik-titik stasionernya tidak dapat diperoleh secara aljabaris. Dalam kasus-kasus seperti ini, maka metode-metode numerik digunakan untuk menghitung nilai-nilai pendekatan terhadap satu atau beberapa optimum relatif hingga suatu toleransi yang dapat diterima. Terdapat 2 jenis metode optimasi fungsi satu variabel, yaitu 1. Metode Penyelidikan (search method). Dapat diaplikasikan untuk sembarang fungsi unimodal tanpa menggunakan derivatif fungsi. Ide dasar: Penyusutan selang yang mengandung minimum lokal hingga mencapai selang yang dibatasi dalam limit-limit yang dapat diterima (toleransi yang diberikan). 2. Metode Pendekatan (approximation method). Hanya dapat diaplikasikan untuk fungsi-fungsi unimodal yang diferensiabel kontinu, yaitu menggunakan derivatif fungsi tersebut. E. Metode Penyelidikan Asumsi. Perhatikan fungsi f: D R dengan D R. Jadi f adalah fungsi satu variabel yang didefinisikan pada domain D. Diasumsikan f mempunyai minimum, yaitu untuk setiap [p, q] D(= [a, b]) terdapat suatu x [p, q] sehingga f(x ) = min [, ] f(x). (2.10) Jadi ada suatu minimum untuk f pada [p, q]. Ide dasar. Diberikan suatu fungsi f: [a, b] R dengan asumsi (2.10) dan ditentukan suatu bilangan kecil α > 0 (sebagai toleransi). Akan dicari suatu selang I = [p, q] dengan I = q p α yang mempunyai suatu titik minimum lokal.
9 Teorema. Ditentukan f: [a, b] R yang memenuhi asumsi (2.10) dan a < p < q < b. Maka i. Jika f(p) f(q), maka (p, b] mempunyai titik minimum lokal. ii. Jika f(p) f(q), maka [a, q) mempunyai titik minimum lokal. Bukti: i. Andai f(p) > f(q) Dari asumsi (2.10): ii. x [p, b] sehingga f(x ) = min [, ] f(x), maka x p. Sehingga x (p, b] yang berarti x adalah titik minimum lokal. Andai f(p) = f(q) Dari asumsi (2.10): 1. Jika f(x ) = f(p), maka dapat ditulis juga f(x ) = f(q), sehingga dapat ditentukan x = q (p, b] yang berarti q adalah titik minimum lokal. 2. Jika f(x ) > f(q), dari asumsi (2.10) hal ini tidak mungkin terjadi. 3. Jika f(x ) < f(q), maka x (p, b], berarti x titik minimum lokal. Bukti analog. Langkah untuk mengerjakan proses pengurangan selang. [a, b ] : selang awal yang mengandung minimum lokal. p, q : pasangan titik yang diselidiki untuk menentukan minimum lokal. 1. Jika f(p) f(q), maka [a, q] adalah selang kedua: pilih titik a = a, b = q, q = p, dan pilih titik baru p < q. f(p ) f(q ) a i p i q i b i a i+1 p i+1 q i+1 b i+1 Gambar 2.12 Ilustrasi untuk f(p ) < f(q ) 2. Jika f(p) f(q), maka [p, b] adalah selang kedua: pilih titik a = p, b = b, p = q dan pilih titik baru q > p.
10 a i p i q i b i a i+1 p i+1 q i+1 b i+1 Gambar 2.13 Ilustrasi untuk f(p ) > f(q ) Misal interval pada iterasi ke-i, yaitu [a, b ] mempunyai panjang l. Panjang l seharusnya independen (tidak bergantung) terhadap pemilihan interval pada iterasi ke-i (iterasi sebelumnya). Oleh karena itu titik p dan q dapat dipilih sedemikian sehingga panjang interval [a, q ] sama dengan [p, b ], yaitu l = q a = b p. (2.11) Karena q a = (p a ) + (q p ) b p = (q b ) + (q p ), akibatnya p a = b q. Perhaikan ilustrasi berikut. p a b q ai pi qi bi q a Perhatikan ilustrasi berikut. b p l a i p i q i b i l l a i+1 p i+1 q i+1 b i+1 Gambar 2.14 Ilustrasi untuk f(p ) < f(q )
11 l a i p i q i b i l l a i+1 p i+1 q i+1 b i+1 Gambar 2.15 Ilustrasi untuk f(p ) > f(q ) Sehingga diperoleh persamaan rekursif l = l + l
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 terperinciStaff Pengajar Jurusan Teknik Mesin, FT-Universitas Sebelas Maret Surakarta
DESAIN OPTIMASI UNGSI TAK LINIER MENGGUNAKAN METODE PENYELIDIKAN IBONACCI Yemi Kuswardi Nurul Muhayat Abstract: optimum design is an action to design the best product based on the problem. Theoretically,
Lebih terperinciII. TINJAUAN PUSTAKA. Pada bab ini akan didiskusikan tentang istilah-istilah, teorema-teorema yang akan
II. TINJAUAN PUSTAKA Pada bab ini akan didiskusikan tentang istilah-istilah, teorema-teorema yang akan digunakan dalam penelitian ini. 2.1 Himpunan Himpunan adalah kumpulan objek-objek yang memiliki karakteristik
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Derivatif memegang peranan penting dalam syarat optimalitas fungsi, yaitu untuk mencapai ekstrim, derivatif order satu fungsi tersebut harus bernilai nol.
Lebih terperinciBAB 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 terperinciBAB I Sekilas tentang Teori-teori sebagai Dasar Program Linear
BAB I Sekilas tentang Teori-teori sebagai Dasar Program Linear. Himpunan konveks Sebuah himpunan X dalam R n disebut himpunan konveks apabila memenuhi sifat berikut: jika diberikan sebarang dua titik x
Lebih terperinciBAB 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 terperinciBAB II TEOREMA NILAI RATA-RATA (TNR)
BAB II TEOREMA NILAI RATA-RATA (TNR) Teorema nilai rata-rata menghubungkan nilai suatu fungsi dengan nilai derivatifnya (turunannya), dimana TNR merupakan salah satu bagian penting dalam kuliah analisis
Lebih terperinciBAB 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 terperinciOptimasi Desain. Dhimas Satria Website : No HP :
Optimasi Desain Dhimas Satria Email : dhimas@untirta.ac.id Website : www.mesin.untirta.ac.id/dhimas No HP : 081327744433 Daftar Pustaka Arora, J.S., 1989, Introduction to Optimum Design, McGraw-Hill, International
Lebih terperinciasimtot.wordpress.com BAB I PENDAHULUAN
BAB I PENDAHULUAN. Latar Belakang Kalkulus Differensial dan Integral sangat luas penggunaannya dalam berbagai bidang seperti penentuan maksimum dan minimum. Suatu fungsi yang sering digunakan mahasiswa
Lebih terperinciBAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan
BAB II KAJIAN PUSTAKA Kajian pustaka pada bab ini akan membahas tentang pengertian dan penjelasan yang berkaitan dengan fungsi, turunan parsial, pemrograman linear, pemrograman nonlinear, fungsi konveks
Lebih terperinciOPTIMASI (Pemrograman Non Linear)
OPTIMASI (Pemrograman Non Linear) 3 SKS PILIHAN Arrival Rince Putri, 013 1 Silabus I. Pendahuluan 1. Perkuliahan: Silabus, Referensi, Penilaian. Pengantar Optimasi 3. Riview Differential Calculus II. Dasar-Dasar
Lebih terperinciBAB 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 terperinciBAB 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 terperinciII. LANDASAN TEORI ( ) =
II. LANDASAN TEORI 2.1 Fungsi Definisi 2.1.1 Fungsi Bernilai Real Fungsi bernilai real adalah fungsi yang domain dan rangenya adalah himpunan bagian dari real. Definisi 2.1.2 Limit Fungsi Jika adalah suatu
Lebih terperinciSYARAT 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 terperinciPLAGIAT 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 terperinciBAB II DASAR TEORI. Di dalam BAB II ini akan dibahas materi yang menjadi dasar teori pada
BAB II DASAR TEORI Di dalam BAB II ini akan dibahas materi yang menjadi dasar teori pada pembahasan BAB III, mulai dari definisi sampai sifat-sifat yang merupakan konsep dasar untuk mempelajari Fungsi
Lebih terperinciChapter 5 GENERAL VECTOR SPACE 5.1. REAL VECTOR SPACES 5.2. SUB SPACES
Chapter 5 GENERAL VECTOR SPACE 5.1. REAL VECTOR SPACES 5.2. SUB SPACES Definisi : VECTOR SPACE Jika V adalah ruang vektor dimana u,v,w merupakan objek dalam V sebagai vektor, dan terdapat skalar k dan
Lebih terperinciOPTIMISASI 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 terperincia home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Turunan Pertemuan - 4
a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 SKS : 3 SKS Turunan Pertemuan - 4 a home base to excellence TIU : Mahasiswa dapat memahami turunan fungsi dan aplikasinya TIK : Mahasiswa
Lebih terperinciProsiding 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 terperinciIII 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 terperinciBAB 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 terperinciBAB II LANDASAN TEORI. Pada Bab Landasan Teori ini akan dibahas mengenai definisi-definisi, dan
BAB II LANDASAN TEORI Pada Bab Landasan Teori ini akan dibahas mengenai definisi-definisi, dan teorema-teorema yang akan menjadi landasan untuk pembahasan pada Bab III nanti, diantaranya: fungsi komposisi,
Lebih terperinciNon Linear Estimation and Maximum Likelihood Estimation
Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation We have studied linear models in the sense that the parameters are
Lebih terperinci3 LIMIT DAN KEKONTINUAN
Menurut Bartle dan Sherbet (1994), Analisis matematika secara umum dipahami sebagai tubuh matematika yang dibangun dari berbagai konsep limit. Pada bab sebelumnya kita telah mempelajari limit barisan,
Lebih terperinciBAB II KAJIAN TEORI. Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program linear, metode simpleks, dan program linear fuzzy untuk membahas penyelesaian masalah menggunakan metode fuzzy
Lebih terperinciKata Pengantar. Medan, 11 April Penulis
Kata Pengantar Puji syukur penulis panjatkan kepada Tuhan YME, bahwa penulis telah menyelesaikan tugas mata kuliah Matematika dengan membahas Numerical Optimization atau Optimasi Numerik dalam bentuk makalah.
Lebih terperinciDASAR-DASAR ANALISIS MATEMATIKA
(Bekal untuk Para Sarjana dan Magister Matematika) Dosen FMIPA - ITB E-mail: hgunawan@math.itb.ac.id. December 26, 2007 Misalkan f kontinu pada interval [a, b]. Apakah masuk akal untuk membahas luas daerah
Lebih terperinciBAB III TRANSFORMASI MATRIKS DERET DIRICHLET HOLOMORFIK. A. Transformasi Matriks Mengawetkan Kekonvergenan
BAB III TRANSFORMASI MATRIKS DERET DIRICHLET HOLOMORFIK A. Transformasi Matriks Mengawetkan Kekonvergenan Pada bagian A ini pembahasan dibagi menjadi dua bagian, yang pertama membahas mengenai transformasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Program linier (Linier Programming) Pemrograman linier merupakan metode matematik dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan
Lebih terperinciALJABAR LINEAR SUMANANG MUHTAR GOZALI KBK ANALISIS
ALJABAR LINEAR SUMANANG MUHTAR GOZALI KBK ANALISIS UNIVERSITAS PENDIDIKAN INDONESIA BANDUNG 2010 2 KATA PENGANTAR Bismillahirrahmanirrahim Segala puji bagi Allah Rabb semesta alam Shalawat serta salam
Lebih terperinciMatematika Bisnis (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM.
(Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM. www.febriyanto79.wordpress.com - Linear Programming Linear programing (LP) adalah salah satu metode matematis yang digunakan untuk
Lebih terperinciBAB 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 terperinciOPTIMISASI KONVEKS: Konsep-konsep
OPTIMISASI KONVEKS: Konsep-konsep Caturiyati, M.Si 1 dan Himmawati Puji Lestari, M.Si 2 1,2 Jurdik Matematika FMIPA UNY 1 wcaturiyati@yahoo.com 2 himmawatipl@yahoo.com Abstrak Pada masalah optimisasi konveks
Lebih terperinciMETODE STEEPEST DESCENT
METODE STEEPEST DESCENT DENGAN UKURAN LANGKAH BARU UNTUK PENGOPTIMUMAN NIRKENDALA D. WUNGGULI 1, B. P. SILALAHI 2, S. GURITMAN 3 Abstrak Metode steepest descent adalah metode gradien sederhana untuk pengoptimuman.
Lebih terperinciSyarat 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 terperinciOptimisasi 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pemrograman Non Linier Pemrograman Non linier merupakan pemrograman dengan fungsi tujuannya saja atau bersama dengan fungsi kendala berbentuk non linier yaitu pangkat dari variabelnya
Lebih terperinciMisal, dan diberikan sebarang, terdapat sehingga untuk setiap
PROGRAM STUDI PENDIDIKAN MATEMATIKA FKIP UNMUH PONOROGO PENYELESAIAN SOAL UJIAN AKHIR SEMESTER GENAP TA 2012/2013 Mata Ujian : Analisis Real 1 Tipe Soal : Reguler Dosen : Dr. Julan HERNADI Waktu : 90 menit
Lebih terperincia. untuk (n+1) genap: terjadi ekstrem, dan jika (ii) f (x ) > 0, maka f(x) mencapai minimum di titik x.
Lecture I: Introduction A. Masalah Optimisasi Dalam kehidupan sehari-hari, manusia cenderung untuk berprinsip ekonomi, yaitu dengan sumber daya terbatas dapat memperoleh hasil sebanyak-banyaknya. Banyak
Lebih terperinciMENENTUKAN NILAI EKSTREM SUKU BANYAK TERTENTU DENGAN PERTIDAKSAMAAN RATA-RATA
MENENTUKAN NILAI EKSTREM SUKU BANYAK TERTENTU DENGAN PERTIDAKSAMAAN RATA-RATA Kasiyah M. Junus Fakultas Ilmu Komputer, Universitas Indonesia, Depok 16424, Indonesia E-mail: kasiyah@cs.ui.ac.id Abstrak
Lebih terperinciPENCARIAN SOLUSI PEMROGRAMAN NON LINIER MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND
Seminar Nasional Aplikasi Teknologi Informasi 009 (SNATI 009) Yogyakarta, 0 Juni 009 ISSN:1907-50 PENCARIAN SOLUSI PEMROGRAMAN NON LINIER MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND Victor Hariadi Jurusan Teknik
Lebih terperinciPROGRAM FRAKSIONAL LINIER DENGAN KOEFISIEN INTERVAL. Annisa Ratna Sari 1, Sunarsih 2, Suryoto 3. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang
PROGRAM FRAKSIONAL LINIER DENGAN KOEFISIEN INTERVAL Annisa Ratna Sari 1, Sunarsih 2, Suryoto 3 1,2,3 Jurusan Matematika FSM Universitas Diponegoro Jl. Prof. H. Soedarto, S.H. Tembalang Semarang Abstract.
Lebih terperinciI 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 terperinciPROGRAM LINEAR. sudir15mks
PROGRAM LINEAR A. Sistem Pertidaksamaan Linear Dua Variabel Suatu garis dalam bidang koordinat dapat dinyatakan dengan persamaan yang berbentuk: x a x b a1 1 2 2 Persamaan semacam ini dinamakan persamaan
Lebih terperinciII LANDASAN TEORI. suatu fungsi dalam variabel-variabel. adalah suatu fungsi linear jika dan hanya jika untuk himpunan konstanta,.
II LANDASAN TEORI Pada pembuatan model penjadwalan pertandingan sepak bola babak kualifikasi Piala Dunia FIFA 2014 Zona Amerika Selatan, diperlukan pemahaman beberapa teori yang digunakan di dalam penyelesaiannya,
Lebih terperinciBab 2 TINJAUAN PUSTAKA
Bab 2 TINJAUAN PUSTAKA 2.1 Masalah Transportasi Masalah transportasi pertama kali digunakan pada awal perang dunia kedua untuk menentukan bagaimana mengirimkan pasukan yang terletak disuatu tempat latihan
Lebih terperinciLinear Discrimant Model
(update 1 Februari 01) Lecture 3 Linear Discrimant Model Learning a Class from Examples (Alpaydin 009) Class C of a family car Prediction: Is car x a family car? Knowledge extraction: What do people expect
Lebih terperinciBAB II KAJIAN TEORI. Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan
BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan digunakan pada pembahasan berdasarkan literatur yang relevan. A. Program Linear Model Program Linear (MPL) merupakan
Lebih terperinci1. Fungsi Objektif z = ax + by
Nilai Optimum Suatu Fungsi Objektif, Program Linear, Fungsi Objektif, Cara Menentukan, Contoh Soal, Rumus, Pembahasan, Metode Uji Titik Sudut, Metode Garis Selidik, Matematika Nilai Optimum Suatu Fungsi
Lebih terperinciBab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik
Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses
Lebih terperinci(b) M merupakan nilai minimum (mutlak) f apabila M f(x) x I..
3. Aplikasi Turunan a. Nilai ekstrim Bagian ini dimulai dengan pengertian nilai ekstrim suatu fungsi yang mencakup nilai ekstrim maksimum dan nilai ekstrim minimum. Definisi 3. Diberikan fungsi f: I R,
Lebih terperinci3 LIMIT DAN KEKONTINUAN
Menurut Bartle dan Sherbet (994), Analisis matematika secara umum dipahami sebagai tubuh matematika yang dibangun oleh berbagai konsep limit. Pada bab sebelumnya kita telah mempelajari limit barisan, kekonvergenan
Lebih terperinciALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB-SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI
ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB-SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI Nama Mahasiswa : Rahmawati Erma.S. NRP : 1208100030 Jurusan : Matematika Dosen Pembimbing : 1. Subchan, M.Sc, Ph.D
Lebih terperinciKARAKTERISTIK RUANG HASIL KALI DALAM PADA FUNGSI KONVEKS KUAT TUGAS AKHIR
KARAKTERISTIK RUANG HASIL KALI DALAM PADA FUNGSI KONVEKS KUAT TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains Pada Jurusan Matematika Oleh: DESI HARTUTI 10754000066
Lebih terperinciBAB I VEKTOR DALAM BIDANG
BAB I VEKTOR DALAM BIDANG I. KURVA BIDANG : Penyajian secara parameter Suatu kurva bidang ditentukan oleh sepasang persamaan parameter. ; dalam I dan kontinue pada selang I, yang pada umumnya sebuah selang
Lebih terperinciBAB II KAJIAN TEORI. masalah fuzzy linear programming untuk optimasi hasil produksi pada bab
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai program linear, konsep himpunan fuzzy, program linear fuzzy dan metode Mehar untuk membahas penyelesaian masalah fuzzy linear programming untuk
Lebih terperincikita menggunakan variabel semu untuk memulai pemecahan, dan meninggalkannya setelah misi terpenuhi
Lecture 4: (B) Supaya terdapat penyelesaian basis awal yang fisibel, pada kendala berbentuk = dan perlu ditambahkan variabel semu (artificial variable) pada ruas kiri bentuk standarnya, untuk siap ke tabel
Lebih terperinciPENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR
PENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR T-11 RIVELSON PURBA 1 1 FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS MUSAMUS MERAUKE etong_extreme@yahoo.com ABSTRAK Purba, Rivelson. 01. Penerapan Logika
Lebih terperinciDefinisi. Turunan (derivative) suatu fungsi f di sebarang titik x adalah. f merupakan fungsi baru yang disebut turunan dari f (derivative of f).
Lecture 5. Derivatives C A. Turunan (derivatives) Sebagai Fungsi Definisi. Turunan (derivative) suatu fungsi f di sebarang titik x adalah f ()() (x) = lim. f merupakan fungsi baru yang disebut turunan
Lebih terperinci3 LIMIT DAN KEKONTINUAN
Menurut Bartle dan Sherbet (1994), Analisis matematika secara umum dipahami sebagai tubuh matematika yang dibangun oleh berbagai konsep limit. Pada bab sebelumnya kita telah mempelajari limit barisan,
Lebih terperinciAlgoritma Simpleks Dan Analisis Kepekaan
Modul 1 Algoritma Simpleks Dan Analisis Kepekaan Prof. Bambang Soedijono P PENDAHULUAN ada Modul 1 ini dibahas metode penyelesaian suatu masalah program linear. Pada umumnya masalah program linear mengkaitkan
Lebih terperinciTeori Dualitas dan Penerapannya (Duality Theory and Its Application)
Teori Dualitas dan Penerapannya (Duality Theory and Its Application) Kuliah 6 TI2231 Penelitian Operasional I 1 Materi Bahasan 1 Teori dualitas 2 Metode simpleks dual TI2231 Penelitian Operasional I 2
Lebih terperinciAplikasi Turunan. Diadaptasi dengan tambahan dari slide Bu Puji Andayani, S.Si, M.Si, M.Sc
Aplikasi Turunan Diadaptasi dengan tambahan dari slide Bu Puji Andayani, S.Si, M.Si, M.Sc 1 Menggambar Grafik Fungsi Informasi yang dibutuhkan: A. Titik potong dengan sumbu dan sumbu y B. Asimtot fungsi
Lebih terperinciBAB 2 OPTIMISASI KOMBINATORIAL
BAB 2 OPTIMISASI KOMBINATORIAL Optimisasi kombinatorial merupakan suatu cara yang digunakan untuk mencari semua kemungkinan nilai real dari suatu fungsi objektif. Proses pencarian dapat dilakukan dengan
Lebih terperinciKOMBINASI PERSYARATAN KARUSH KUHN TUCKER DAN METODE BRANCH AND BOUND PADA PEMROGRAMAN KUADRATIK KONVEKS BILANGAN BULAT MURNI
Jurnal LOG!K@ Jilid 7 No 1 2017 Hal 52-60 ISSN 1978 8568 KOMBINASI PERSYARATAN KARUSH KUHN TUCKER DAN METODE BRANCH AND BOUND PADA PEMROGRAMAN KUADRATIK KONVEKS BILANGAN BULAT MURNI Khoerunisa dan Muhaza
Lebih terperinciPEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING
PEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING Oleh : Heny Nurhidayanti 1206 100 059 Dosen Pembimbing : Drs. Sulistiyo, MT Jurusan Matematika Fakultas Matematika dan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Aljabar Linear Definisi 2.1.1 Matriks Matriks A adalah susunan persegi panjang yang terdiri dari skalar-skalar yang biasanya dinyatakan dalam bentuk berikut: [ ] Definisi 2.1.2
Lebih terperinciTRANSFORMASI LINIER UNTUK PERSOALAN PROGRAM KUADRATIK NOL-SATU
JURNAL EDUCATION BUILDING Volume 3, Nomor 2, Desember 2017: 68-72, ISSN : 2477-4898 TRANSFORMASI LINIER UNTUK PERSOALAN PROGRAM KUADRATIK NOL-SATU M Khahfi Zuhanda Universitas Me Area, Me Surel : Khahfi@staff.uma.ac.id
Lebih terperinciIlustrasi Persoalan Matematika
Pendahuluan Persoalan yang melibatkan model matematika banyak muncul dalam berbagai disiplin ilmu pengetahuan, seperti dalam bidang fisika, kimia, ekonomi, atau pada persoalan rekayasa (engineering), seperti
Lebih terperinci11. FUNGSI MONOTON (DAN FUNGSI KONVEKS)
11. FUNGSI MONOTON (DAN FUNGSI KONVEKS) 11.1 Definisi dan Limit Fungsi Monoton Misalkan f terdefinisi pada suatu himpunan H. Kita katakan bahwa f naik pada H apabila untuk setiap x, y H dengan x < y berlaku
Lebih terperinciMetode Simpleks (Simplex Method) Materi Bahasan
Metode Simpleks (Simplex Method) Kuliah 03 TI2231 Penelitian Operasional I 1 Materi Bahasan 1 Rumusan Pemrograman linier dalam bentuk baku 2 Pemecahan sistem persamaan linier 3 Prinsip-prinsip metode simpleks
Lebih terperinciBAB 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 terperinciMETODE ITERASI VARIASIONAL PADA MASALAH STURM-LIOUVILLE
METODE ITERASI VARIASIONAL PADA MASALAH STURM-LIOUVILLE oleh HILDA ANGGRIYANA M0109035 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika JURUSAN
Lebih terperinciBAB 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 terperinciBAB III FUNGSI UJI DAN DISTRIBUSI
BAB III FUNGSI UJI DAN DISTRIBUSI Bab ini membahas tentang fungsi uji dan distribusi di mana ruang yang memuat keduanya secara berturut-turut dinamakan ruang fungsi uji dan ruang distribusi. Ruang fungsi
Lebih terperinciDiscrete Time Dynamical Systems
Discrete Time Dynamical Systems Sheet 1 and Solution (1) Tentukan titik tetap dari fungsi berikut. (a) f(x) = x x (b) f(x) = 2x + bx (c) f(x) = e (a) Titik tetap f memenuhi persamaan f(x) = x x x = x x
Lebih terperinciBAB 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 terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciOPTIMASI FUNGSI MULTIVARIABLE TANPA KENDALA DENGAN METODE NEWTON
OPTIMASI FUNGSI MULTIVARIABLE TANPA KENDALA DENGAN METODE NEWTON Susi Ranangga [M008067], Aeroni Dwijayanti [M008078] Hamdani Citra P. [M0003], Nafi Nur Khasana [M00058]. Pendahuluan Dalam kehidupan sehari-hari
Lebih terperinciKENDALI OPTIMAL PERMAINAN NON-KOOPERATIF KONTINU SKALAR DUA PEMAIN DENGAN STRATEGI NASH TUGAS AKHIR. Oleh : M.LUTHFI RUSYDI
KENDALI OPTIMAL PERMAINAN NON-KOOPERATIF KONTINU SKALAR DUA PEMAIN DENGAN STRATEGI NASH TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Pada Jurusan Matematika Oleh
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Program linier merupakan metode matematika dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan, seperti memaksimumkan keuntungan dan meminimumkan
Lebih terperinciMETODE SIMPLEKS FUZZY UNTUK PERMASALAHAN PEMROGRAMAN LINEAR DENGAN VARIABEL TRAPEZOIDAL FUZZY
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 01 No. 1 (2012) hal 23 30. METODE SIMPLEKS FUZZY UNTUK PERMASALAHAN PEMROGRAMAN LINEAR DENGAN VARIABEL TRAPEZOIDAL FUZZY Anastasia Tri Afriani
Lebih terperinciBAB II LINIER PROGRAMMING ( LP )
A. Tujuan Praktikum BAB II LINIER PROGRAMMING ( LP ) Meningkatkan kemanpuan dengan mengunakan teknoligi B. Landasan Tori Dalam model LP di kenal 2 macam pungsi yaitu : a. Secara Umum : Program linier merupakan
Lebih terperinciOPTIMISASI KONVEKS: KONSEP-KONSEP
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 OPTIMISASI KONVEKS: KONSEP-KONSEP Caturiyati 1 dan Himmawati Puji Lestari
Lebih terperinciDwijanto. Program Linear. Berbantuan Komputer: Lindo, Lingo dan Solver. Pontianak Surabaya Balikpapan. Makasar 450. Manado 450.
Dwijanto Jakarta 300 Program Linear Pontianak 400 250 400 200 Berbantuan Komputer: Lindo, Lingo dan Solver Surabaya Balikpapan 200 600 400 Makasar 450 Manado 450 Jayapura Dwijanto Program Linear Berbantuan
Lebih terperinciPROSES KEPUTUSAN MARKOVIAN TEKNIK RISET OPERASI
PROSES KEPUTUSAN MARKOVIAN TEKNIK RISET OPERASI Contoh TIA 310 3 Contoh TIA 310 4 TIA 310 5 TIA 310 6 TIA 310 7 TIA 310 8 Cara Perhitungan 0.2 x 7 + 0.5 x 6 + 0.3 x 3 = 5.3 0 x 0 + 0.5 x 5 + 0.5 x 1 =
Lebih terperinciMemahami definisi barisan tak hingga dan deret tak hingga, dan juga dapat menentukan
4 BARISAN TAK HINGGA DAN DERET TAK HINGGA JUMLAH PERTEMUAN : 5 PERTEMUAN TUJUAN INSTRUKSIONAL KHUSUS : Memahami definisi barisan tak hingga dan deret tak hingga, dan juga dapat menentukan kekonvergenan
Lebih terperinciCatatan Kuliah 7 Memahami dan Menganalisa Optimisasi Sederhana Tanpa Kendala dengan Satu Variabel Keputusan
Catatan Kuliah 7 Memahami dan Menganalisa Optimisasi Sederhana Tanpa Kendala dengan Satu Variabel Keputusan Optimisasi Ilmu ekonomi adalah ilmu yang mempelajari bagaimana melakukan penelitian yang terbaik
Lebih terperinciBAB II MAKALAH Makalah 1 :
BAB II MAKALAH Makalah 1 : Analisis penilaian kinerja karyawan menggunakan Fuzzy Linear Programming (FLP). Dipresentasikan dalam Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA 2013 yang diselenggarakan
Lebih terperinciPEMROGRAMAN FRAKSIONAL LINEAR
PEMROGRAMAN FRAKSIONAL LINEAR FARIDA HANUM Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor, Indonesia ABSTRAK. Pemrograman
Lebih terperinciPENERAPAN METODE BRANCH AND BOUND DALAM PENYELESAIAN MASALAH PADA INTEGER PROGRAMMING
Jurnal Manajemen Informatika dan Teknik Komputer Volume, Nomor, Oktober 05 PENERAPAN METODE BRANCH AND BOUND DALAM PENYELESAIAN MASALAH PADA INTEGER PROGRAMMING Havid Syafwan Program Studi Manajemen Informatika
Lebih terperinciMetode Simpleks dalam Bentuk Tabel (Simplex Method in Tabular Form) Materi Bahasan
Metode Simpleks dalam Bentuk Tabel (Simplex Method in Tabular Form) Kuliah 04 TI2231 Penelitian Operasional I 1 Materi Bahasan 1 Metode simpleks dalam bentuk tabel 2 Pemecahan untuk masalah minimisasi
Lebih terperinciPENDEKATAN MASALAH MULTIOBJEKTIF STOKASTIK DENGAN PENDEKTAN STOKASTIK DAN PENDEKATAN MULTIOBJEKTIF
Prosiding Seminar Nasional Penelitian Pendidikan dan Penerapan MIPA Fakultas MIPA Universitas Negeri Yogyakarta 16 Mei 2009 PENDEKATAN MASALAH MULTIOBJEKTIF STOKASTIK DENGAN PENDEKTAN STOKASTIK DAN PENDEKATAN
Lebih terperinciMETODE NUMERIK ARAH KONJUGASI
METODE NUMERIK ARAH KONJUGASI 14 Mei 2016 Diajukan untuk Memenuh Tugas Ujian Akhir Semester Mata kuliah Metode Numerik Dosen Pengampu Bapak Rukmono Budi Utomo,M.Sc Nur Aliyah 1384202043 6A1 Fakultas Keguruan
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN. Latar Belakang Masalah penentuan rute bus karyawan mendapat perhatian dari para peneliti selama lebih kurang 30 tahun belakangan ini. Masalah optimisasi rute bus karyawan secara matematis
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Optimasi Menurut Nash dan Sofer (1996), optimasi adalah sarana untuk mengekspresikan model matematika yang bertujuan memecahkan masalah dengan cara terbaik. Untuk tujuan bisnis,
Lebih terperinci