Utomo, R. B.
Jurnal Pendidikan Matematika STKIP Garut e-mosharafa.org
METODE NUMERIK STEPEST DESCENT TERINDUKSI NEWTON DALAM PEMECAHAN MASALAH OPTIMISASI TANPA KENDALA INDUCTED NEWTON STEEPEST DESCENT AS A NUMERICAL METHOD TO SOLVE OPTIMIZATION PROGRAM WITHOUT CONSTRAIN Rukmono Budi Utomo Universitas Muhammadiyah Tangerang Tanggerang, Indonesia
[email protected]
Abstrak Penelitian teoritis ini mengkaji mengenai metode numerik Stepest Descent yang terinduksi Newton. Penelitian ini dilakukan dengan cara memahami terlebih dahulu mengenai metode numerik Stepest Descent dan Newton, kemudian mengkonstruksi metode baru yang disebut dengan Stepest Descent terinduksi Newton. Pada makalah ini turut disertakan pula contoh perhitungan numerik antara ketiga metode tersebut beserta analisis perhitungannya. Kata Kunci: Metode Stepest Descent, Newton, Metode Stepest Descent terinduksi Newton
Abstract This research is investigating numerical method of Steepest Descent inducted of Newton. Steps of this research can be described as follows: First, the author has to understand the definition and algorithm of Steepest Descent and Newton methods. After that, the second, author constructing the new method called by Steepest Descent inducted newton. In this paper, author also containing examples of numerical counting among that three methods and analyze them self. Keyword: Steepest Descent, Newton, Steepest Descent Inducted Newton.
I. PENDAHULUAN Tidak selamanya solusi analitik dari suatu permasalahan matematika khususnya optimisasi dapat ditemukan. Terkadang ditemukan kendala yang cukup rumit sehingga solusi analitik tidak mudah ditemukan. Berdasarkan hal tersebut solusi numerik merupakan sesuatu hasil yang cukup realistis untuk dicari meski hasilnya merupakan hampiran. Metode numerik merupakan suatu metode pendekatan (approximation) dari solusi sejati, dan karenanya terdapat besarnya angka kesalahan (eror) yang dihasilkan oleh perhitungan numerik [1]. Kesalahan ini
lebih sering diakibatkan baik karena pemotongan suku atau pembulatan nilai. Masalah optimisasi merupakan persoalan yang banyak menggunakan metode numerik dalam mencari solusi penyelesaian tatkala solusi analitik sulit ditemukan. Menurut kendalanya (constrain), masalah optimisasi dibagi 2 yakni masalah optimisasi dengan kendala dan tanpa kendala, sedangkan menurut variabel bebasnya masalah optimisasi juga dibagi atas dua, yakni masah optimisasi dengan 1 varibel bebas dan banyak variabel bebas. Metode numerik untuk menyelesaikan masalah optmisasi dengan
Jurnal “Mosharafa”, Volume 5 Nomor 3 September 2016 p-ISSN: 2086-4280, e-ISSN: 2527-8827
187
Utomo, R. B.
Jurnal Pendidikan Matematika STKIP Garut e-mosharafa.org
kendala dapat menggunakan metode Kuhn-Tucker, sedangkan untuk masalah optimisasi tanpa kendala dengan 1 variabel bebas dapat menggunakan metode Golden Rasio, Fibonacci, Biseksi, Dichotomus dan Secant. Lebih lanjut untuk menyelesaikan masalah optmisasi dengan lebih dari 1 variabel bebas dapat menggunakan metode Aksial, Newton, Hook and Jeeves, Stepest Descent, Arah Konjugasi, dan Roosenberg [2]. Makalah ini membahas mengenai metode numerik Steepest Descent yang terinduksi newton. Penelitian dilakukan dengan memahami terlebih dahulu mengenai metode numerik Steepest Descent dan Newton kemudian memformulasikan metode baru yang disebut dengan metode Steepest Descent terinduksi Newton. Dalam makalah ini juga akan diberikan contoh perhitungan numerik untuk ketiga metode tersebut beserta analisisnya.
A. Definisi Ruang Vektor Himpunan tak kosong V merupakan ruang vektor apabila x, y, z V dan sedemikian hingga memenuhi aksioma-aksioma sebagai berikut: [3] i. x y V ii. x y yx iii.
x y z x y z
vi. vii.
0 V 0 V V 0 0 x V x x 0 ax V a x y ax ay
viii.
a b x ax bx
iv. v.
188
1x x
x.
B. Definisi Norm Diberikan X , Y sembanrang dua buah vektor. Sembarang bilangan riil || X ||
X dinamakan norm dari memenuhi aksioma-aksioma berikut: i. | X || 0 ii. | aX || 0 X 0 iii. || aX ||| a ||| X ||, a R iv. | X Y |||| X || || Y ||
apabila sebagai
C. Definisi Kombinasi Linear [3] Misalkan X i , 1 i m vektor-vektor di
V maka X disebut kombinasi linear dari m
vektor-vektor
X i jika X ai X i i 1
D. Definisi Bebas Linear [3] Vektor X i , 1 i m anggota-anggota
II. KAJIAN TEORI
a, b R
ab x a bx
ix.
V disebut tak bebas linear jika dan hanya jika terhadap bilangan-bilangan riil tak semuanya nol sedemikian hingga m
a X i 1
i
i
ai 0 ,
0 . Apabila pembuat nol hanya maka
vektor-vektor
tersebut
dikatakan bebas linear. E.
Definisi Hubungan Vektor [2] Diberikan dua buah vektor
dengan
X {x1 , x2 ,..., xn }
Y { y1 , y2 ,..., yn } .
Pernyataan
X ,Y
dan berikut
adalah benar Jurnal “Mosharafa”, Volume 5 Nomor 3 September 2016 p-ISSN: 2086-4280, e-ISSN: 2527-8827
Utomo, R. B.
Jurnal Pendidikan Matematika STKIP Garut e-mosharafa.org
i. X Y jika dan hanya jika
xi yi
i, i 1, 2,..., n
ii.
X Y jika dan hanya jika xi yi i, i 1, 2,..., n
iii. X Y jika dan hanya jika
xi yi
i, i 1, 2,..., n
F.
Definisi Bola Terbuka [2] Diberikan serta 0. ( ) * ‖ Himpunan ‖ + merupakan persekitaran dari
merupakan himpunan tertutup komplemen dari himpunan terbuka.
K. Definisi Terbatas Ke Atas [5] Himpunan S dikatakan terbatas ke bawah jika dengan semua komponennya berhingga sedemikian sehingga x S , y x , sebaliknya S dikatakan terbatas ke atas. L.
Definisi Bentuk Kuadratik [5] F ( X ) c11 x12 c2 2 x22 ... cnn xn2 c12 x1 x2 c1,3 x1 x3 ... c23 x2 x3 ...
x0 atau disebut bola terbuka dengan pusat
dengan cij R , 1 i , j n disebut fungsi
x0 dan radius .
bentuk G. Definisi Titik Dalam [4] Titik disebut titik dalam (interior point) dari himpunan X jika
0 sehingga B x0 , X
.
kuadratik
dengan
H. Definisi Titik Batas [4] Titik disebut titik batas (boundary point) dari himpunan X jika
x0 memuat beberapa
titik yang berada di X dan beberapa titik yang tidak berada di X . I.
Definisi Komplemen [4] Jika , maka himpunan yang memuat semua titik-titik yang ada di namun tidak dari X disebut komplemen dari X . J.
Definisi Himpunan Tertutup [5] Himpunan X disebut himpunan terbuka jika setiap titik dari X merupakan titik interior dari X . Lebih lanjut himpunan Y
n
variabel
x1 , x2 ,..., xn M. Definisi Kondisi Kuadratik [6] Bentuk kuadratik X t AX disebut positif
X t AX ()0 untuk
(negatif) definit jika
setiap sekitar dari
jika
semua X 0 dan terdapat sekurangnya satu vektor tak nol sedemikian hingga X t AX 0 . Apabila tidak memenuhi keduanya, maka bentuk kuadratik tersebut dikatakan indefinite. N. Definisi Minimum Global [6] Fungsi memiliki F ( x) dikatakan minimum global di
f ( x) f ( x0 )
x0 dalam S jika
.
O. Definisi Minimum Lokal [6] Fungsi memiliki F ( x) dikatakan minimum lokal (relatif) di jika
Jurnal “Mosharafa”, Volume 5 Nomor 3 September 2016 p-ISSN: 2086-4280, e-ISSN: 2527-8827
terdapat
sekitar
x0 dalam S dari
x0 189
Utomo, R. B.
sedemikian setiap
x
Jurnal Pendidikan Matematika STKIP Garut e-mosharafa.org
hingga
f ( x) f ( x0 ) untuk
Z Z Z , , , xn x1 x2
ii. Dibentuk Z X
di dalam persekitaran tersebut.
P. Definisi Deret Taylor [1] Deret Taylor untuk fungsi
F(X )
gradient fungsi Z saat X 1 , kemudian tentukan untuk Z X 1 serta lakukan untuk Z X k
X {x1 , x2 ,..., xn } didefinisikan iii. Jika
dengan
Z X k ,
maka
iterasi
sebagai
berhenti, sebaliknya iterasi dilanjutkan iv. Cari k dengan cara mencari titik F ( X x) F ( X ) F ( X )X H ( X )(x) 3 ekstrim Z X k k d k yakni dengan dengan 3 merupakan suku berderajat cara menderivatifkan fungsi besar, dan H ( X ) matrik Hessian yang dan menyamaZ X k k d k didefinisikan sebagai dengankan nol dengan arah pencarian ( X )' 2
d k Z X k
2F 2F 2F 2 x1 x2 x1 xn x1 2 F 2 F 2F 2 H x2 x1 x2 x2 xn .. . . . 2F 2F 2F x x x x x 2 n 2 n n 1
Xk
v. Nilai
ditentukan
dengan
X k X k 1 k 1dk 1
Syarat perlu agar X merupakan titik ekstrim dari fungsi F ( X ) adalah F ( X ) 0 dengan F ( X ) didefinisikan
R. Algoritma Newton [7] Tahapan-tahapan dalam metode Newton analog dengan Stepest Descent, yakni diberikan fungsi
Z F ( X ) F ( x2 , x2 ,., xn ) dan
X {x1 , x2 ,., xn } yang
F F F sebagai F ( X ) , ,..., xn x1 x2
ditentukan
Q. Algoritma Stepest Descent [7] Diberikan fungsi
Stepest Descent, namun Nilai X k adalah
Z F ( X ) F ( x2 , x2 ,., xn ) ditentukan
nilai
dan
X {x1 , x2 ,., xn }
meminimalkan fungsi F ( X ) tersebut. Lakukan langkah i sampai iii dalam
akan yang
X k X k 1 H X k 1 Z X k 1 dengan 1
H X k 1 merupakan 1
invers
metrik
Hessian ketika X k 1 . Lebih lanjut iterasi
meminimalkan fungsi F ( X ) tersebut.
X1 {x1 , x2 ,., xn } R i. Ambil sembarang titik awal dan ò 0 suatu konstanta positif yang menyatakan besarnya kesalahan eror yang ditoleransi. n
190
nilai
akan
berhenti ketika Z X k .
III. PEMBAHASAN Berdasarkan algoritma Stepest Descent dan Newton, akan dikembangkan suatu
Jurnal “Mosharafa”, Volume 5 Nomor 3 September 2016 p-ISSN: 2086-4280, e-ISSN: 2527-8827
Utomo, R. B.
Jurnal Pendidikan Matematika STKIP Garut e-mosharafa.org
metode baru yang disebut Metode Stepest Descent terinduksi Newton.
Z X 1 7, 0 .
A.
Arah pencarian d1 Z X 1 7, 0 dan
Algoritma Stepest Terinduksi Newton Diberikan dan
X {x1 , x2 ,., xn }
yang
meminimalkan fungsi F ( X ) tersebut.
X1 {x1 , x2 ,., xn } R i. Ambil titik sembarang titik awal dan ò 0 suatu konstanta positif yang menyatakan besarnya kesalahan eror yang ditolerasnsi. n
Z Z Z , , , xn x1 x2
ii. Dibentuk Z X
Tentukan untuk Z X 1 serta Z X k iii. Jika
Z X k ,
maka
iterasi
berhenti, sebaliknya iterasi dilanjutkan. iv. Cari k dengan cara mencari titik ekstrim fungsi Z X k k d k yakni dengan cara menderivatifkan fungsi Z X k k d k dan menyama- dengankan nol dengan arah pencarian
d k H X k 1 Z X k 1 1
B.
Contoh Numerik 1 Tentukan
nilai
X {x1 , x2 }
yang
meminimalkan Z ( x1, x2 ) 2 x1 x2 3x1 x2 2
2
dengan menggunakan metode Stepest Descent dan Newton dengan toleransi kesalahan ò 0.03 C.
Solusi dengan Stepest Descent Ambil sebarang titk awal
X1 {1, 12} R2 . Berdasarkan masalah optimisasi
di
atas
norm
Z X 1 7 maka iterasi dilanjutkan. berdasarkan hal tersebut dapat diperoleh
fungsi akan
Z F ( X ) F ( x2 , x2 ,., xn )
ditentukan
Descent
Karena
dapat
ditentukan
1
1 . Apabila dicari, maka diperoleh 4
3 1 4 2
nilai X 2 , dengan Z X 2 0, 0 dan Z X 2 0 . Iterasi
berhenti
sehingga
nilai
X x1 , x2 yang meminimalkan masalah
3 1 4 2
optimisasi di atas adalah X 2 , .
Z X 2 0
Karena
hal
ini
mengindikasikan bahwa solusi numerik ini sama dengan solusi analitiknya. D. Solusi dengan Newton Ambil sebarang titk
awal
X1 {1, 12} R2 . Berdasarkan masalah optimisasi
di
atas Z X 1 7, 0 .
dapat ditentukan Karena norm
Z X 1 7
maka
iterasi
dilanjutkan.Dibentuk matriks Hessian 4 0 H . Berdasarkan hal tersebut 0 2 4 0 14 0 1 H X1 dan H X 1 1 . 0 2 0 2 Berdasarkan hal diatas akan diperoleh
H X 1 Z X 1 74 , 0 . 1
t
Dengan
cara yang sama dapat dicari X 2 { 34 , 12} dengan nilai gradien Z X 2 0, 0 dan
Z X 1 0 .Iterasi berhenti sehingga
Jurnal “Mosharafa”, Volume 5 Nomor 3 September 2016 p-ISSN: 2086-4280, e-ISSN: 2527-8827
191
Utomo, R. B.
nilai
Jurnal Pendidikan Matematika STKIP Garut e-mosharafa.org
X x1 , x2 yang
masalah
optimisasi
di
meminimalkan atas
berhenti sehingga solusi nilai X x1 , x2
adalah
yang meminimalkan masalah optimisasi di
3 1 X 2 , . Dari solusi yang diperoleh 4 2
atas adalah X 3 , . Berrdasarkan hal
melalui Stepest Descent dan Newton dengan pengambilan titik awal X 1 yang sama akan menghasilkan solusi numerik yang identik dengan solusi analitik. E.
Solusi dengan Stepest Descent Terinduksi Newton Ambil sebarang titik awal
X1 {1, 12} R2 . Berdasarkan masalah optimisasi
di
atas dapat ditentukan nilai norm Z X 1 7, 0 .Karena
Z X 1 7 maka iterasi dilanjutkan. Arah
pencarian
d1 H X 1 Z X 1 , 0 1
dengan
demikian
Berdasarkan
t
7 4
hal
1
diperoleh tersebut
35 49
.
diperoleh
3 X 2 ,1 .dengan Z X 2 0,1 . 4 Karena
dilanjuttkan. Dengan analog diperoleh 4 0 14 0 1 H X2 dan H X 1 1 0 2 0 2 dengan H X 2 Z X 2 0,
.
1 t 2
Berdasarkan hal tersebut diperoleh
2 1 dan X 3 , dengan 3 1 4 2
Z X 3 0, 0 dan
Karena 192
norm
Z X 3 0 ,
gradien
Z X 3 0 . maka
di atas pula, maka solusi numerik dalam solusi ini identic dengan solusi analitiknya. F.
Contoh Numerik 2 Pandang kembali contoh numerik 1.
Apabila diambil nilai
X1 {1,1} R2
,penyelesaian akan dilakukan dengan tiga metode. G. Penyelesian dengan Stepest Descent Berdasarkan hal tersebut diperoleh nilai norm Z X 1 7,1 dengan
Z X 1 50 . Karena norm masih dari , maka iterasi Arah pencarian d1 Z X 1 7, 1 dan berdasarkan hal
lebih besar dilanjutkan.
tersebut dapat diperoleh 1
Z X 2 1 , maka iterasi
1
3 1 4 2
iterasi
dicari,
maka
76 74 X 2 , dengan 99 99
50 . Apabila 198
akan
diperoleh
nilai
Z X 2 0.070, 0.494 dan
gradient
nilai
norm
Z X 2 0.498 , maka berdasarkan hal tersebut iterasi dilanjutkan. Dengan cara analog, maka akan diperoleh nilai dan d 2 Z X 2 0.070, 0.494 berdasarkan hal tersebut dapat diperoleh
2 0.49 .
Lebih lanjut dengan caa yang
sama diperoleh nilai X 3 0.732, 0.504
dengan gradien Z X 3 0.072,0.008 dan Jurnal “Mosharafa”, Volume 5 Nomor 3 September 2016 p-ISSN: 2086-4280, e-ISSN: 2527-8827
Utomo, R. B.
Jurnal Pendidikan Matematika STKIP Garut e-mosharafa.org
norm Z X 3 0.07 .
nilai
Proses
I.
dilanjutkan
diperoleh nilai d3 Z X 3 0.072, 0.008 serta
3 0.25 .
Berdasarkan
hal
tersebut
3 1 4 2
diperoleh X 4 , dengan nilai gradien
Z X 2 0 .
Z X 2 0, 0 dan
Berdasarkan hal tersebut iterasi berhenti dan solusi numeriknya juga merupakan solusi analitik.
Penyelesian dengan Stepest Descent Terinduksi Newton Diambil X1 {1,1} R
hal
tersebut
dengan
hal
tersebut
2
Berdasarkan Z X 1 7,1
t
diperoleh
Z X 1 50
dengan
dan
1 0 1 H X 1 4 1 . Berdasarkan hal tersebut 0 2
H X 1 Z X 1 , sehingga diperoleh nilai X 2 { 34 , 32} dengan nilai 1
7 4
1 2
t
gradien Z X 2 0, 2
t
Z X 2 2
dan sehingga
iterasi
1
X 3 { 34 , 12}
t
X 3 { 34 , 12}
yang
1 4751 dan nilai
t
nilai
norm
Z X 1 1.997 . Lebih lanjut diperoleh nilai
2 0.96 dan
X 3 0.612,0.5
dengan nilai norm Z X 3 0.552 . Kemudian
diperoleh
X 4 { 34 , 12} dengan
3 1 dan Z X 4 0
sehingga iterasi stop. Solusi numerik dengan metode ini identik dengan solusi analitik.
IV. PENUTUP Dari penelitian yang telah dilakukan, terdapat beberapa hal yang dapat disimpulkan: 1. Dalam suatu masalah optimisasi dua variabel tanpa kenda dengan nilai awal
serta
sehingga iterasi berhenti. Berdasarkan hal tersebut solusi numerik dengan Newton adalah
Z X 1 50 . Berdasarkan
Z X 2 0.552,1.92 dan
Z X 3 0
dengan
t
X 2 0.612,1.460 dengan nilai gradien
dilanjutkan. Dengan langkah yang sama diperoleh nilai
H X 2 Z X 2 0, 1
Z X 1 7,1
diperoleh
langkah analog diperoleh
iterasi
dilanjutkan. Lebih lanjut dibentuk matrik 4 0 H X1 Hessian dan 0 2
Berdasarkan
hal tersebut iterasi dilanjutkan dan dengan
H. Penyelesian dengan Newton Diambil X1 {1,1} R
2
sekaligus
tertentu X1 , solusi numerik Stepest Descent akan menghasilkan solusi yang sama dengan Newton, dan dalam langkah iterasi yang sama. Dalam hal yang tertentu pula solusi numerik ini identik dengan solusi analitik pada masalah optimisasi yang dibahas dalam makalah ini.
merupakan solusi analitik. Jurnal “Mosharafa”, Volume 5 Nomor 3 September 2016 p-ISSN: 2086-4280, e-ISSN: 2527-8827
193
Utomo, R. B.
Jurnal Pendidikan Matematika STKIP Garut e-mosharafa.org
2. Dalam nilai awal
tertentu X 1 dan
dalam suatu masalah optimisasi, solusi numerik yang dihasilkan oleh metode Stepest Descent terinduksi Newton akan menghasilkan nilai yang sama dengan solusi yang dihasilkan oleh kedua metode di atas meskipun memerlukan iterasi yang lebih panjang. Hal ini dikarenakan nilai
dk
[3] Howard
[4]
[5]
[6]
pada metode Stepest Descent diinduksi dengan d k H X k 1 Z X k 1 1
[7]
3. Adakalanya metode Stepest Descent lebih baik dari Newton dan hal ini dapat dilihat pada contoh kedua yakni dengan soal yang sama seperti contoh satu,
namun
titik
awal
X 1 yang
berbeda. 4. Dari contoh dua, metode Stepest Descent terinduksi membutuhkan iterasi yang lebih panjang dari dua metode sebelumnya. Hal ini dikarenakan adanya induksi dari Newton kepada Stepest Descent untuk menggantikan arah pencarian d k pada Stepest Descent
Anton, Aljabar Linier, Penerjemah Pantur Silaban, Jakarta: Erlangga, 1991. Edwin K. P. Chong, An Introduction to Optimization, USA: John Wiley & Sons, Inc. 2001. S. Bazaraa. Mochtar, Nonlinear Programming Theory and Algorithms, London: Willey Interscience, 2006. Yoshikazu Sawaragi, Theory of multiobjective optimization, London: Academic Press Inc. 1985. Rukmono Budi Utomo, (2016, Mei), Materi Ajar Metode Numerik FKIP UMT, http://www.fkip.umt.ac.id/download s.
RIWAYAT HIDUP PENULIS Rukmono Budi Utomo, M.Sc. Lahir di Tangerang 26 September 1991. Penulis merupakan alumnus S1 Matematika Undip (2013), S2 Matematika UGM (2015) dan sekarang selain bekerja sebagai Dosen di Prodi Pendidikan Matematika UMT, Penulis juga mahasiswa program Doktoral Matematika ITB.Nama Penulis dilengkapi dengan gelar.
UCAPAN TERIMA KASIH Ucapan terima penulis sampaikan kepada Universitas Muhammadiyah Tangerang atas segala dukungan sehingga paper ini dapat terselesaikan.
DAFTAR PUSTAKA [1] Rinaldi
Munir, Metode numeric, Bandung: Informatika, 2008. [2] Salmah. Diktat Optimisasi. Yogyakarya: FMIPA UGM, 2011. 194
Jurnal “Mosharafa”, Volume 5 Nomor 3 September 2016 p-ISSN: 2086-4280, e-ISSN: 2527-8827