I PENDAHULUAN
1.1 Latar Belakang
Optimasi dalam matematika mengacu pada pemillihan elemen terbaik dari beberapa
himpunan alternatif yang tersedia. Dalam kasus
yang paling
sederhana berarti
memecahkan masalah-masalah dimana orang berusaha
meminimumkan atau
memaksimumkan fungsi yaitu dengan cara yang sistematis memilih nilai-nilai variabel
integer atau real dari himpunan yang diperbolehkan Nematollahi 2008.
Salah satu bagian dari optimasi adalah optimasi linear yang mempelajari suatu
masalah dimana
seseorang ingin
meminimumkan atau memaksimumkan suatu fungsi tujuan yang berbentuk linear, dengan
kendala-kendala yang dinyatakan dalam persamaan danatau pertidaksamaan linear.
Optimasi Linear OL muncul menjadi model matematika setelah perang dunia ke-2,
yaitu ketika Dantzig memaparkan metode simpleks
untuk menyelesaikan
masalah optimasi linear. Daerah fisibel dari masalah
OL adalah
suatu polihedron.
Untuk memperoleh solusi optimal, metode simpleks
bergerak dari verteks ke verteks. Metode ini dirancang sedemikian rupa sehingga dalam
pergerakan dari satu verteks ke verteks selanjutnya, nilai fungsi tujuan berubah secara
monoton menuju nilai optimal.
Kesuksesan metode
simpleks telah
menimbulkan beberapa pertanyaan. Salah satu pertanyaan pada saat itu adalah: apakah ada
masalah optimasi linear yang memerlukan iterasi eksponensial bila diselesaikan dengan
metode simpleks. Pertanyaan tersebut dijawab pada tahun 1972 oleh Klee dan Minty dengan
memberikan contoh masalah OL dengan 2n pertidaksamaan, dimana metode simpleks
memerlukan 2 1
n
iterasi untuk menye- lesaikan permasalahan Klee-Minty Silalahi
2011. Kelemahan metode simpleks, memacu
penelitian untuk mencari metode lain yang dapat menyelesaikan masalah OL dengan
waktu polinomial
seiring bertambahnya
jumlah pertidaksamaan. Pada tahun 1978 Kachiyan mengusulkan metode ellipsoid.
Metode ini merupakan algoritme waktu polinomial pertama untuk masalah OL. Tetapi
hasil yang diperoleh tidak seperti yang diharapkan,
dalam aplikasinya
metode simpleks lebih baik dari metode ellipsoid.
Terobosan yang sungguh-sungguh efektif untuk menyelesaikan masalah OL terjadi pada
tahun 1984, ketika Karmarkar mengusulkan metode waktu polinomial yang dikenal
dengan metode projektif Karmarkar untuk menyelesaikan masalah OL. Secara teori
waktu komputasi dan aplikasinya metode Karmarkar lebih baik dari metode ellipsoid.
Karmarkar memulai revolusi dalam bidang optimasi, dengan munculnya penelitian-
penelitian
pengoptimuman dengan
menggunakan metode interior MI. Tidak seperti metode simpleks, metode interior
bergerak di dalam interior dari domain secara monoton menuju solusi optimal Silalahi
2011.
Dalam perkembangannya
Metode interior dikembangkan dengan beberapa
pendekatan, yang dikelompokkan dalam tiga kategori,yaitu: metode affine scaling, metode
potential reduction barrier dan metode central trajectory path-following Mitchell
1998.
Nematollahi dkk, kemudian memberi- kan contoh kasus-kasus terburuk untuk
penyelesaian optimasi linear menggunakan metode interior, yaitu dengan menambahkan
kendala-kendala redundant pada masalah Klee-Minty
KM. Penelitian-penelitian
mereka dapat dilihat pada Tabel di bawah, kolom pertama menyatakan jenis kendala
redundant yang digunakan dan kolom kedua menyatakan jumlah kendala redundant.
Dengan adanya penambahan kendala redundant ini dapat mengubah central path
dan analytic center. Tipe kendala
redundant Jumlah
pertidaksam aan
Referensi
1 k
k
y y
d
2 6
2
n
O n Deza dkk.
2006
1 k
k
y y
d
3
2
n
O n Deza dkk.
2009
1 k
k k
y y
d
3 2
2
n
O n Deza dkk.
2008
k
y d
2
2
n
O n Nematollahi
dkk. 2008a
k
y
2
2
n
O
Nematollahi dkk. 2008b
Tabel tipe-tipe kendala redundant
Dalam karya ilmiah ini akan diamati kendala redundant Klee-Minty tipe
k
y
kendala redundant tipe lima pada Tabel, yaitu semua kendala redundantnya menyentuh
daerah fisibel,
yang akan di analisa
menggunakan metode interior MI dengan pendekatan
central trajectory
path- following. Dalam pengamatan masalah Klee-
Minty beserta
kendala redundantnya
digunakan bantuan MATLAB R2008b.
1.2 Tujuan
Penulisan karya ilmiah ini bertujuan untuk:
i Membahas metode interior primal- dual dengan langkah full-Newton
ii Mengamati pergerakan central path pada masalah KM bila ditambahkan
kendala redundant tipe
k
y ,
berdasarkan metode interior primal- dual dengan langkah full-Newton
menggunakan bantuan MATLAB R2008b.
II LANDASAN TEORI
2.1 Sistem Persamaan Linear Definisi 1 Fungsi Linear
Suatu fungsi
f
dalam variabel-variabel
1 2
, ,...,
n
x x x
adalah suatu fungsi linear jika dan hanya jika untuk suatu himpunan
konstanta
1 2
, ,...,
n
c c c
,
f
dapat ditulis sebagai
1 2
, ,...,
n
f x x x
1 1
c x
2 2
c x
...
n n
c x
. Winston 2004
Definisi 2 Pertidaksamaan dan Persama- an Linear
Untuk sebarang fungsi linear
f
dan sembarang bilangan
c
, pertidaksamaan
1 2
, ,...,
n
f x x x
c
dan
1
f x
2
, x ,...
,
n
x
c
adalah pertidaksamaan linear, sedangkan suatu persamaan
1
f x
2
, x ,...
,
n
x c
merupakan persamaan linear. Winston 2004
Definisi 3 Sistem Persamaan Linear Suatu sistem persamaan linear SPL dari
persamaan dan variabel adalah sistem
dengan bentuk
11 1
+
12 1
+ +
1
=
1
,
21 1
+
22 1
+ +
2
=
2
,
1 1
+
2 1
+ +
= .
dengan dan
1 , 1
adalah bilangan-bilangan real dan
1
,
2
, …,
adalah variabel. SPL ini disebut SPL berukuran
× . Leon 2001
Selain itu SPL juga dapat ditulis dalam bentuk
� =
dengan matriks � berukuran
× dan
vektor kolom b berukuran × 1, seperti
berikut ini: � =
11 12
1 21
22 2
⋱
1 2
dan
b =
1 2
,
matriks � disebut matriks koefisien dan
vektor disebut vektor konstanta. Penyelesaian SPL tersebut adalah vektor
kolom berukuran × 1 yaitu
x =
1 2
,
yang memenuhi semua persamaan linear dalam sistem. Vektor yang demikian disebut
vektor penyelesaian. Leon 2001
2.2 Optimasi Linear Definisi 4 Optimasi linear