optimasi-1a.pdf
TRANSCRIPT
-
1. Pendahuluan
Optimasi adalah usaha untuk memperoleh suatu hasil terbaik (solusi terbaik) diantara
banyak solusi yang ada dengan melihat persyaratan yang diberikan.
Tinjauan akhir dari sistem optimasi adalah (objektif)
- Minimum (misal Pemakaian energi minimum) - Maksimum (misal Perolehan keuntungan yang maksimal)
Dalam system optimasi, kedua peroblem diatas (maks dan min) kita sebut fungsi obyektif atas variabel-variabel yang dicari.
obyektiffungsixf :)(
)()( xfxg
Dari penjelasan tersebut, maka diketahui bahwa proses optimasi sering dipandang sebagai
proses minimasi atau maksimasi suatu fungsi obyektif atas variabel-variabelnya.
2. Formulasi Persoalan Optimasi
Formulasi persoalan optimasi, secara garis besar ada dua, yaitu:
- Persoalan tanpa kendala - Persoalan dengan kendala
Missalnya bahasa standard untuk menyatakan persoalan optimasi atau dengan matematik
adalah:
Cari Tnxxx ),,( 1 yang memberikan nilai minimal f(x) atas persyaratan yang
memberikan kondisi :
,0)( xg j mj ,,1
,0)( xh j pj ,,1
dimana x Designe variable
)(xf Objective function (fungsi objektif)
)(xg j Inequality constrains (punya toleransi)
)(xh j Equality constrain (sangat tidak toleransi)
Formulasi persoalan optimasi diatas termasuk kedalam kelas constrain optimation problem atau persoalan optimasi dengan kendala. Jika persoalan optimasi tanpa berkendala, maka tidak ada fungsi constrainnya, seperti g(x) dan h(x).
Solusi ditentukan dengan pendekatan
minimal (effort)
Solusi ditentukan dengan pendekatan
maksimal (keuntungan)
-
H
D
Contoh:
Industri proses untuk pembuatan kaleng selinder, akan merancang suatu kaleng dengan volume
minimal 400cc. Fungsi obyektifnya adalah cost yang menyangkut harga bahan, dalam kasus ini luas plat/kaleng yang akan dibutuhkan.
Pada sistem pabrikasi yang tersedia terdapat beberapa kriteria (kendala), yaitu:
3,5 cm D 8 cm
8 cm H 18 cm, D = Diameter kaleng; H = Tinggi kaleng
Maka formulasi persoalan (formulasi standard) dari kejadian proses tersebut
adalah.
Design variable : Hx
Dx
2
1
Fungsi Obyektif Luas bahan yang digunakan :
2
1212
),( xxxDHf
Fungsi Kendala Volume 400 cm3.
322
1 4004
cmxx
3,5 cm D 8 cm
8 cm H 18 cm,
Jadi dalam formulasi standard, fungsi kendala adalah :
4004
2
2
1 xx
cm3 Fungsi kendala 1
x1 8 cm Fungsi kendala 2 x1 3,5 cm Fungsi kendala 3 x2 18 cm Fungsi kendala 4 x2 8 cm Fungsi kendala 5
-
P
D
Contoh :
Pada proses industri pembuatan pipa yang berbentuk silinder, akan dirancang pipa dengan
volume minimal 500 cc. Fungsi obyektifnya adalah cost yang
menyangkut harga bahan, dalam kasus ini adalah luas pipa luar dan
dalam (dengan anggapan bukan merupakan pipa padat) yang akan
dibutuhkan. Bila diameter untuk pipa luar (D1) maksimum 20 cm dan
minimum 10 cm dan diameter pipa dalam (D2) maksimum 15 cm dan
minimum 5 cm. Panjang pipa (P) maksimum 100 cm dan minimum 25
cm. Formulasikan persoalan desain optimasi pada proses industri
pembuatan pipa ini.
Solusi :
................................
Contoh :
Pada proses industri pembuatan pipa yang berbentuk
silinder, akan dirancang pipa dengan volume minimal
800 cc. Fungsi obyektifnya adalah cost yang
menyangkut harga bahan, dalam kasus ini adalah luas
pipa luar dan dalam (dengan anggapan bukan
merupakan pipa padat) yang akan dibutuhkan. Bila
jari-jari pipa dan panjang pipa tersebut mempunyai
kriteria sebagai berikut :
Jari-jari pipa :
5 cm r1 10 cm 10 cm r2 20 cm 15 cm r3 30 cm
Panjang pipa :
10 cm P1 20 cm 15 cm P2 30 cm 20 cm P3 50 cm
Formulasikan persoalan desain optimasi pada proses industri pembuatan pipa ini.
Solusi :
................................
r1
r2
r3
P1
P2
P3
-
3. Metoda Optimasi Klasik (Menggunakan Differensial) Optimasi pada metoda ini, umumnya mencari nilai maksimum atau minimum dari suatu
fungsi yang kontinyu (differensiabel). Perkakas utama yang digunakan untuk
menyelesaikan permasalahan ini adalah dengan kalkulus differensial.
3.1 Optimasi Tanpa Kendala Dengan Design Variable Tunggal
Ada empat kriteria dalam mendifinisikan nilai ekstrim, yaitu :
1. Suatu fungsi f(x) mempunyai solusi minimum relatif (lokal minimum) pada x=x* jika
f(x) f(x*+h) untuk semua nilai h yang kecil positip maupun negatip. 2. Fungsi f(x) mempunyai solusi maksimum relatif (lokal maksimum ) pada x=x
* jika
f(x) f(x*+h) untuk semua nilai h yang kecil positip maupun negatip. 3. Fungsi f(x) dikatakan mempunyai solusi minimum absolut (global minimum) pada x=x
*
jika f(x*) f(x) untuk semua nilai x didaerah dimana f(x) didefinisikan.
4. Fungsi f(x) dikatakan mempunyai solusi maksimum absolut (global maksimum) pada
x=x* jika f(x
*) f(x) untuk semua nilai x didaerah dimana f(x) didefinisikan. Daerah
perhatian dibatasi oleh daerah f(x) itu sendiri. (Solusi maksimum/minimum absolut,
relatif terhadap daerah definisinya).
Teorema syarat perlu
Untuk mencari nilai-nilai ekstrim dari suatu sistem atau suatu fungsi, maka digunakan syarat
perlu, dengan ketentuan yang didefinisikan sebagai berikut:
Jika x didefinisikan pada selang a x b dan mempunyai solusi (max/min) pada x=x*, dimana a x b dan jika turunan f(x)/x untuk x=x* ada, maka f(x)=0 .
Buktikan dengan deret taylor:
Pada definisi diatas, akan didapat nilai-nilai ekstrim atau harga x*, dengan mendifferensial
(turunan pertama) dari fungsi yang bersangkutan atau f(x)=0, maka didapat harga-harga x (real atau integer) yang merupakan solusi dari permasalahan. Jika nilainya tidak ada, maka
boleh dikatakan bahwa fungsi tersebut tidak memiliki solusi, misalnya dari hasil perhitungan,
didapat bilangan komplek.
h- h
+
x*
h- h
+
x*
Global Maksimum
Lokal Minimum
Lokal Maksimum
Global Minimum
-
Dengan syarat perlu diatas, kita masih belum bisa menentukan kondisi ekstrim dari fungsi
tersebut, apakah maksimum, minimum atau lainnya (deflection), untuk itu akan digunakan
syarat cukup.
Teorema syarat cukup
Untuk mengetahui bentuk dari fungsi tersebut maksimum atau minimum atas nilai-nilai yang
telah didapat pada syarat perlu diatas, maka digunakan syarat cukup berikut:
Misalkan 0)()('')(' *1** xfxfxf n , tetapi 0)( * xf n , maka :
(i) *x adalah solusi minimum, jika 0)(* xf n , dimana n bilangan genap
(ii) *x adalah solusi maksimum, jika 0)(* xf n , dimana n bilangan genap
(iii) *x adalah bukan solusi, jika n bilangan ganjil.
Contoh:
Tentukan solusi maksimum atau minimum dari fungsi berikut:
5404512)( 345 xxxxf
Jawab
Untuk mencari nilai ekstrim dari fungsi tersebut digunakan syarat perlu.
0)(' xf 234 12018060)(' xxxxf = )23(60 22 xxx = )1)(2(60 2 xxx =0
didapat akar-akar polinomial yang merupakan nilai ekstrim adalah
02,1 x ; 13 x ; 24 x
Untuk melihat titik maksimum atau minimum dari nilai tersebut, digunakan syarat cukup.
xxxxf 240540240)('' 23
akan dimasukkan masing-masing nilai polinomial diatas,
0240540240)0('' 2321 xxxxxf
60240540240)1('' 233 xxxxf
240240540240)2('' 234 xxxxf
dari pernyataan (hasil) diatas, dapat disimpulkan bahwa:
02,1x Bukan solusi (didapat harga = 0, inflection point)
13x Adalah solusi maksimum (didapat harga -60 atau kecil dari nol)
24x Adalah solusi minimum (didapat harga 240 atau besar dari nol)
Contoh:
Suatu generator listrik DC mempunyai tahanan output R, output open sebesar V volt, lihat gambar dibawah ini. Akan dicari tahanan beban R, agar daya yang tersalur maksimum.
generator beban
r
R
D
C V
-
Jawab:
Daya listrik p
V = i.r
P= v. i
2irp rR
vi
2222
2 rRrR
rv
rR
vrp
fungsi obyektif
Syarat perlu:
Digunakan rumus differensial: ''. uvvuvu dan 2
''
v
uvvu
v
u
0
2
)(
2
222'
222
222
222
2222
rRrR
rRv
rRrR
rRrvrRrRvrp
r
p
didapat rrR yang diambil adalah positip (tidak mungkin negatip)
Syarat cukup:
2
2
8)(''
R
vrp Hasil negatip ( kecil dari nol )
Terlihat dari hasil bahwa R = r adalah solusi maksimum
Contoh:
Suatu sistem kompresor yang terdiri dari dua tangki (lihat gambar), untuk mengalirkan gas dari
kondisi p1 ke kondisi p3 pada output sistem.
p1 = sumber, p3 = yang diberikan, p1 = designe variable.
Akan dicari kondisi kerja dari sistem yang dinyatakan oleh p2.
Sistem Kompresor Jawab
Misalkan total kerja yang diberikan oleh sistem adalah:
21
1
2
3
1
1
2k
k
k
k
p
p
p
p
k
kNRTW fungsi obyektif
Keterangan:
W = Kerja
N = Berat molekul gas
R = Konstanta gas
k = Rasio panas spesifik
T = Temperatur fluida yang mengalir
P1
P
P3
-
P = Besar tekanan pada tangki tertentu
Syarat perlu
0)(' 2
2
pWp
W 2
1
312 ppp (periksa sendiri)
Syarat cukup
0)('' 222
2
pW
p
W
3.2 Optimasi Tanpa Kendala Dengan Design Variable Jamak Pada bagian ini juga akan mencari nilai maksimum atau minimum dari suatu fungsi, dengan
designe variable jamak atau lebih dari satu, misalnya : ),,,( 21 nxxxx .
Teorema syarat perlu
Jika )(xf mempunyai suatu harga ekstrim (maksimum atau minimum) pada *xx dan jika
turunan pertama )(xf pada *x ada, maka :
0)()()( **
2
*
1
x
x
fx
x
fx
x
f
n
Teorema syarat cukup
Syarat cukup bahwa *x ekstrim maksimum atau minimum dari )(xf adalah jika matrik
Hessian yang dievaluasi pada *x adalah :
(i) Positip definit, jika *x adalah minimum
(ii) Negatip definit , jika *x adalah maksimum
Contoh:
Terlihat pada gambar yaitu keadaan tiga buah
pegas, maka akan dicari posisi x1 dan x2 jika sistem
dalam keadaan setimbang ( 0F ).
Jawab
Sistem dalam keadaan setimbang, jika energi
potensial atas gaya F adalah minimum.
Formulasi sistem
Designe variable x1 dan x2
Fungsi obyektif = Energi potensial
U = Energi potensial = Energi dari pegas Energi dari gaya = )(xf dimana Txxx 21,
2
2
123212
12212
2121 )()( Fxxxkxkxkxf
Syarat perlu:
0)()(
12312
1
xxkxk
x
xf pers 1
F
k1
k2 k3
x1 x2
-
0)()(
12321
2
Fxxkxk
x
xf pers 2
Dengan mensubstitusi kedua persamaan diatas, didapat harga-harga ekstrim:
323121
3*
1kkkkkk
Fkx
;
323121
32*
2
)(
kkkkkk
kkFx
Syarat Cukup
Dengan menggunakan matrik Hessian
313
332
2
2
2
21
221
2
2
1
2
)()(
)()(
kkk
kkk
x
xf
xx
xf
xx
xf
x
xf
J
233132313
332
1 det kkkkkkkk
kkkJ
03131312
3
2
3313131 kkkkkkkkkkkkkk
0322 kkJ
Jadi, karena J1 dan J2 positip (lebih besar dari nol), maka system adalah definit positip atau
relative minimum.
Kasus Semi definit
Misalkan turunan parsial dari f(x) hingga orde ke-k 2 adalah kontinyu disekitar dan
0*
xx
k f , 1 r k-1 dan 0*
xx
k f , maka:
(i) *x adalah minimum relative, jika *xx
k f
positip definit
(ii) *x adalah maksimum relative, jika *xx
k f
negatip definit
(iii) jika *xx
k f
adalah semi definit, maka tidak ada konklusi umum, kecuali jika k
adalah ganjil maka *x adalah pasti bukan solusi umum.
Kasus Saddle Point Misalkan suatu fungsi obyektif mempunyai dua buah design variable: f(x,y), maka untuk
syarat cukup dengan matrik Hessian nya dapat bukan positip atau pun bukan negatip pada
** , yx , meskipun syarat perlu dipenuhi. Kasus ini adalah termasuk kasus Saddle point.
-
Contoh
1. 22),( yxyxf
20
02
0
00
2
2
*
*
Jy
x
yy
f
xx
f
J1 = det (J)= -4
J2 = 2
Dalam hal ini bukan positip definit dan bukan negatip definit.
2. 642),( 222
1
3
2
3
121 xxxxxxf
Syarat perlu:
043 111
xx
x
f
083 222
xx
x
f
Dari kedua persamaan diatas, didapat solusi yaitu: (0, 0), (0, -8/3), (-4/3, 0), (-4/3, -8/3)
Syarat cukup:
860
046
2
1
x
xJ
46 11 xJ
860
046det
2
1
2x
xJ 8646 21 xx
Maka solusinya terlihat pada tabel berikut:
*x J1 J2 Kondisi J Kondisi *x *xf
(0, 0) +4 +32 Positip definite Relative minimum 6
(0, -8/3), +4 -32 Indefinite Saddle point 418/27
(-4/3, 0), -4 -32 Indefinite Saddle point 194/27
(-4/3,-8/3) -4 +32 Negatip definit Relative maksimum 50/3
3. Tentukan vektor gradient dan matriks Hessian pada titik (3,2) dari fungsi berikut :
f(x1,x2)=2x14-x2
3+3x1
3+5x2
2-3x1x2+x1+5x2-10
Solusi :
Vektor gradient adalah turunan pertama dari fungsi obyektif terhadap masing-masing variable
desainnya, sehingga
-
vector gradient (f(x))=
4
292
2
1
x
xf
x
xf
2921639381398 2322
1
3
1
1
xxx
x
xf
4592102353103 2122
2
2
xxx
x
xf
Matriks Hessian adalah turunan kedua terhadap masing-masing desain variable yang
dimaksud. Dengan menggunakan matrik Hessian
23
3270
)()(
)()(
2
2
2
21
221
2
2
1
2
x
xf
xx
xf
xx
xf
x
xf
J
Dari penyelesaian turunan pertama diatas maka akan dicari matriks Hessiannya;
1398 2
2
1
3
1
1
xxx
x
xf
2703189241824 12
12
1
2
xx
x
xf
3
21
2
xx
xf
53103 12
2
2
2
xxx
x
xf
21026106 222
2
x
x
xf
3
12
2
xx
xf
4. Tentukan vektor gradient dan matriks Hessian pada titik (1,2) dari fungsi berikut :
f(x1,x2)=x13+x2
3+2x1
2+3x2
2-x1x2+2x1+4x2
3.3 Optimasi Dengan Kendala Dan Design Variable Jamak
Seperti pada bagian 3.2, pada persoalan optimasi ini juga akan mencari nilai ekstrim dari
fungsi obyektif )(xf dengan nxxxx ,, 21 dan fungsi kendala 0jg , dimana j=1,2,3,,m.
Pada persoalan ini, diharapkan nm , jika nm , maka persoalan akan menjadi over constrain yaitu sulit diselesaikan, umumnya tidak diperoleh solusi.
Metoda penyelesaian pada kasus dilakukan dengan dua cara, yaitu:
- Metoda substitusi langsung (direct substitution)
- Dengan Metoda Lagrange.
3.3.1 Metoda Substitusi Langsung
-
Metoda substitusi langsung, yang disubstitusi adalah fungsi kendalanya, yang kemudian
disubstitusi pada fungsi obyektif. Sebagai contoh akan diberi persoalan berikut.
Akan dirancang sebuah kubus yang menempati sebuah bola yang diinginkan volume kubus
tersebut maksimum. Jari-jari bola 1 meter (lihat ilustrasi gambar).
Dengan substitusi langsung (direct subtitution), akan dicari solusi optimal ruas kubus tersebut
agar volume dari kubus tersebut maksimal.
( a ) ( b )
Gambar diatas adalah menunjukkan kubus didalam bola, yang mana pada gambar (b) adalah
pandangan kubus tiga dimensi.
Misal sisi-sisi kubus adalah 2x1, 2x2, dan 2x3 , maka volume kubus adalah
)(8 321 xfxxxV sebagai fungsi obyektif.
Karena kubus berada didalam bola, maka haruslah : 12232
2
2
1 rxxx atau
01)( 232
2
2
1 xxxxg sebagai fungsi kendala.
Syarat perlu
Untuk melakukan proses optimasi, maka harus disubstitusi terlebih dahulu fungsi kendalanya,
yaitu:
232
2
2
1 1 xxx 2
3
2
21 1 xxx
3218)( xxxxf 3218 xxx2
3
2
232 18 xxxx
021)( 2
3
2
2
2
xx
x
xf ..(1)
021)( 2
3
2
2
3
xx
x
xf ..(2)
x r x3
x3
x2
x2
x1 x1
-
Dari dua persamaan diatas, akan disubstitusi, akan didapat 32 xx , dengan memasukkan salah
kedalam persamaan (1) atau (2), serta persamaan sebelumnya, maka didapat:
3
1321 xxx
untuk membuktikan hasil tersebut adalah benar (maksimal), maka digunakan syarat cukup.
Syarat cukup
Akan digunakan matrik Hessian:
2
2
2
21
221
2
2
1
2
)()(
)()(
x
xf
xx
xf
xx
xf
x
xf
J
=
3
32
3
163
16
3
32
PosistipJ
NegatipJ
256det
3
32
2
1
Karena J1 Negatip dan J2 Positip, maka kondisinya definit negatip dan keadaannya adalah maksimum.
Jadi sesuai dengan apa yang diinginkan, yaitu mencari volume yang maksimum.