Analisis Karakteristik Fungsi Lagrange Dalam Menyelesaikan Permasalahan Optimasi Berkendala
Characteristics Analysis of Lagrange Functions in Resolving Problems with Constrained Optimization
| Authors | ||
| Issue | Vol 1 No 1 (2018): Talenta Conference Series: Science and Technology (ST) | |
| Section | Articles | |
| Galley | ||
| DOI: | https://doi.org/10.32734/st.v1i1.187 | |
| Keywords: | Optimasi Optimasi Berkendala Metode Pengali Lagrange | |
| Published | 2018-10-17 |
Abstract
Optimasi adalah suatu aktivitas untuk mendapatkan hasil terbaik di dalam suatu keadaan yang diberikan. Tujuan akhir dari aktivitas tersebut adalah meminimumkan usaha (effort) atau memaksimumkan manfaat (benefit) yang diinginkan. Metode pengali Lagrange merupakan metode yang digunakan untuk menangani permasalahan optimasi berkendala. Pada penelitian ini dianalisis karakteristik dari metode pengali Lagrange sehingga metode ini dapat menyelesaikan permasalahan optimasi berkendala. Metode tersebut diaplikasikan pada salah satu contoh optimasi berkendala untuk meminimumkan fungsi objektif kuadrat sehingga diperolehlah nilai minimum dari fungsi objektif kuadrat adalah -0.0403. Banyak masalah optimasi tidak dapat diselesaikan dikarenakan kendala yang membatasi fungsi objektif. Salah satu karakteristik dari metode pengali Lagrange adalah dapat mentransformasi persoalan optimasi berkendala menjadi persoalan optimasi tanpa kendala. Dengan demikian persoalan optimasi dapat diselesaikan.
Optimization is an activity to get the best results in a given situation. The ultimate goal of the activity is to minimize the effort or maximize the desired benefits. The Lagrange multiplier method is a method used to handle constrained optimization problems. This study analyzed the characteristics of the Lagrange multiplier method with the aim of solving constrained optimization problems. The method was applied to one sample of constrained optimization to minimize the objective function of squares and resulted -0.0403 as the minimum value of the objective quadratic function. Many optimization problems could not be solved due to constraints that limited objective functions. One of the characteristics of the Lagrange multiplier method was that it could transform constrained optimization problems into non-constrained ones. Thus the optimization problem could be resolved.
