Alhamdulillah, kita sampai di penghujung paruh pertama Semester ke-2 ini. Di tengah himpitan-himpitan pikiran untuk menghadapi UTS, kita masih diselipkan sebuah tugas komputasi. Kali ini dengan tugas terakhir untuk matakuliah Analisis Numerik paruh pertama di semester ini. Beberapa waktu lalu, kita mempelajari penyelesaian masalah optimisasi secara numerik. Ada dua jenis masalah optimisasi yang kita pelajari. Pertama, optimisasi tanpa kendala. Kedua optimisasi dengan kendala. Optimisasi-nya sendiri terbatas hanya pada fungsi dua dimensi (dua variabel).

Untuk fungsi 1 variabel, kita mempelajari beberapa metode. Diantaranya adalah

1. Direct Search
2. Golden Search Ratio
3. Successive Polinomial Interpolation

Sementara untuk fungsi 2 variabel, kita diperkenalkan dengan dua metode (saya lupa yang lain), yaitu:

1. Steepest Descent Method
2. Conjugate Gradient Method

Tentu saja implementasi dari metode-metode di atas adalah dengan MATLAB.

Untuk tugasnya, sudah saya coba selesaikan. Silahkan bagi yang berminat dapat mendownloadnya di sini

Penyelesaian Tugas V Analisis Numerik

Sebuah catatan saja untuk metode baik Steepest Descent atau Conjugate Gradien, asisten menjelaskan bahwa pemilihan parameter alpha bersifat coba-coba dan nilainya selalu tetap pada setiap iterasi. Padahal jika dibandingkan dengan algoritma-nya, maka haruslah nilai tersebut bisa berubah sesuai dengan parameter fungsi-nya. Sehingga, disini saya (lagi-lagi) membuat script sendiri untuk mengerjakan soal-soal pada tugas tersebut. Jika rekan-rekan sekalian tidak begitu setuju dengan saya, silahkan menggunakan script yang diberikan oleh asisten, tinggal pakai tetapi tidak sesuai dengan algoritmanya. Bahkan bisa jadi tidak sesuai (lama) atau ill-condition.

Jika membutuhkan bahan-bahan kuliah dan praktikum-nya, silahkan mendownloadnya melalui link di bawah ini:

• Materi Kuliah Optimisasi Numerik
• Bahan Praktikum Optimisasi Numerik
  

Demikian, semoga bermanfaat.