Scribd
Unggah
417 tayangan5 halaman

Tugas Roo

BAB III membahas optimasi multivariabel dengan kendala persamaan dan ditangani dengan 3 cara: 1) substitusi langsung, 2) variasi terkendala, 3) multiplikator Lagrange. Metode multiplikator Lagrange menambahkan variabel  untuk memenuhi syarat optimum dengan kendala. Fungsi objektif ditambah dengan hasil kali  dan kendala harus nol di titik optimum.

Diunggah oleh

Helmi Arif
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd
417 tayangan5 halaman

Tugas Roo

BAB III membahas optimasi multivariabel dengan kendala persamaan dan ditangani dengan 3 cara: 1) substitusi langsung, 2) variasi terkendala, 3) multiplikator Lagrange. Metode multiplikator Lagrange menambahkan variabel  untuk memenuhi syarat optimum dengan kendala. Fungsi objektif ditambah dengan hasil kali  dan kendala harus nol di titik optimum.

Diunggah oleh

Helmi Arif
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 5

BAB III

OPTIMASI MULTIVARIABEL DENGAN KENDALA PESAMAAN


Penyelesaian dengan 3 cara :
1. Metode Substitusi Langsung
a. nyatakan n variabel dengan (n-m) variabel lain
b. substitusikan m kendala ke fungsi tujuan, fungsi tujuan
mengandung n-m variabel
c. selesaikan optimasi (n-m) variabel tanpa kendala
2. Metode Constrained Variation
a. Untuk n = 2, m = 1 agar f(x1*, x2*) merupakan optimum x1*, x2*

harus memenuhi

f g f g

0
x1 x2 x2 x1

b. Syarat perlu agar f(x*) merupakan optimum

f
f f f
x x x .... x
k
1
2
m

f
g1 g 2
x x .......... x 0
m
k 1

g m g m ......... g m
xk x1
xm
3. Metode Multiplikator
Jika titik-titik ekstrem dari fungsi Z = f(x;y) harus ditentukan dengan
restriksi (x;y)=0, maka berlaku persyaratan sebagai berikut: (x;y)=0;

[ f ( x; y ) ( x; y )] 0
x

[ f ( x; y ) ( x; y )] 0
y
R

Penentuan Titik Ekstrem


2

2 ( f ) 2 ( f ) 2 ( f )

. .

y 2
x
x 2
xy
y y
y 2

; < 0 max ; > 0

min
Catatan:

f f ( x; y ); ( x; y )
Metode tersebut juga berlaku untuk n variabel bebas dan m restriksi (n + m
persamaan)

BENTUK-BENTUK FUNGSI MULTIVARIAT DARI SEGI BENTUK GRAFIK


I.

Fungsi Linier :
Y = ao + a1 X1 + a2 X2
Contoh: Y = 50 + 0,50 X1 + 0,60 X2

II.

Bentuk Non- Linier:


2.1. Fungsi Kuadrat :
Y = 12X1 + 18X2 - 2X12 X1 .X2 2X22
2.2. Fungsi Eksponen :
Y = ao.a1X1 .a2X2
Contoh : Y = 5. 0,8X1. 0,4X2
2.3. Fungsi Pangkat :
Y = ao.X1a1. X2a2
Contoh: Y = 50.X10,7.X20,4
2.4. Fungsi Transedental :
Y = ao.X1a1. X2a2 .eb1X1.eb2X2
Contoh : Y = 50.X10,7. X20,4. e0,6X1 . e0,5X2

BENTUK-BENTUK FUNGSI DARI SEGI KENDALA


-

FungsiTakBerkendala
FungsiBerkendala

PENGERTIAN FUNGSI BERKENDALA


Fungsi Berkendala:
=f (Q 1,Q 2)

=> Fungsi Tujuan

Q1 + Q2 = 950 => Pers.pembatas


Perusahaan memproduksi 2 macam produksi (Q1&Q2) dengan
tujuan memaksimumkan keuntungan. Masalah yang dihadapi adalah
terbatasnya modal, sehingga jumlah produksi dibatasi (kuota produksi)
950 satuan. Jika jumlah produksi dibatasi (kuota produksi = 950
satuan), berapa jumlah Q1 dan Q2 untuk mencapai keuntungan
maksimum ?
-

Keuntungan Maksimum tersebut disebut Titik Optimum Terkendala


atau MaksimumTerkendala atau MaksimumTerkendala
Salah satu Cara menentukan titik optimum terkendala yaitu dengan
Metode pengali Lagrange (Lagrange Multipliers)

Metode Lagrange
1. Prinsipnya adalah menambahkan satu variabel . Syarat perlu agar
f(x1*,x2*) merupakan jawaban masalah optimasi Minimasi f(x1*,x2*) ;
Kendala g(x1,x2) = 0

f
g * *

x1 , x2 0

x1
x1

f
g * *

x1 , x2 0

x2
x2
adalah

g x1 , x2 0

2. Misalkan x suatu vektor masalah optimasi f(x) terhadap kendala


g(x) = 0 didapat dengan
f(x) = g(x), dan g(x) = 0
L(xi,) = f(xi) + g(xi)
Vektor x, y memenuhi persamaan tersebut = titik kritis
3. Syarat cukup agar f(x*) merupakan minimum relatif

2
xix j x x *

i 1 j 1 xix j

=> Definit Positif

4. Optimasi multivariabel dengan kendala pertidaksamaan. Prinsipnya


adalah menambah variable slack tak negatif yj2 sehinggaminimum
f(x) dan kendala gj(x) 0, j = 1, 2, ... m menjadi Gj(x,y) = gj(x) + yj2
= 0, j = 1, 2, ... m
Titik x* dimana f(x*) minimum dengan syarat Kuhn-Tucker
g j
f
j
0
xi j j1 xi
Dimana i = 1, 2, ... n, j 0, j ji
J1 = kendala aktif
J2 = kendala tidak aktif

Anda mungkin juga menyukai