Kursus/Pelatihan Matlab | Training Matlab Optimasi Master Class Selama 3 Hari

Silabus Master Class MATLAB Optimasi (3 Hari, 09:00 – 16:00)

Hari 1: Dasar-dasar Optimasi dengan MATLAB

09:00 – 10:30 | Pengenalan Optimasi di MATLAB

• Konsep dasar optimasi: unconstrained & constrained optimization
• Toolbox dan fungsi MATLAB untuk optimasi
• Instalasi dan setup MATLAB Optimization Toolbox

10:45 – 12:00 | Optimasi Tanpa Kendala (Unconstrained Optimization)

• Pengenalan metode Gradient Descent, Newton’s Method
• Implementasi optimasi tanpa kendala dengan fminunc
• Contoh kasus optimasi fungsi nonlinear

13:00 – 14:30 | Optimasi dengan Kendala (Constrained Optimization)

• Metode Lagrange Multiplier, Karush-Kuhn-Tucker (KKT)
• Fungsi fmincon untuk optimasi dengan kendala
• Studi kasus: optimasi pemakaian bahan baku industri

14:45 – 16:00 | Latihan & Implementasi Studi Kasus

• Optimasi fungsi kuadratik dan non-kuadratik
• Pemodelan permasalahan optimasi di MATLAB

---

Hari 2: Optimasi Numerik dan Metode Heuristik

09:00 – 10:30 | Optimasi Berbasis Persamaan Numerik

• Teknik pemrograman kuadratik & linier
• linprog dan quadprog untuk linear dan quadratic programming
• Contoh kasus: optimasi alokasi sumber daya

10:45 – 12:00 | Metode Evolusioner: Optimasi Genetika (GA)

• Konsep dasar algoritma genetika
• Implementasi optimasi GA dengan ga di MATLAB
• Studi kasus: optimasi desain struktur

13:00 – 14:30 | Optimasi Berbasis Swarm Intelligence

• Particle Swarm Optimization (PSO)
• Implementasi optimasi PSO di MATLAB
• Studi kasus: optimasi jaringan sensor nirkabel

14:45 – 16:00 | Latihan & Studi Kasus Kompleks

• Optimasi multi-objektif dengan gamultiobj
• Implementasi optimasi pada sistem teknik

---

Hari 3: Optimasi Multi-Objektif dan Penerapan Industri

09:00 – 10:30 | Multi-Objective Optimization (MOO)

• Teori dasar optimasi multi-objektif
• Implementasi MOO dengan paretosearch dan gamultiobj
• Studi kasus: optimasi biaya vs efisiensi energi

10:45 – 12:00 | Optimasi dengan Machine Learning

• Hyperparameter optimization dengan MATLAB
• Bayesian Optimization dengan bayesopt
• Studi kasus: tuning parameter model ML

13:00 – 14:30 | Penerapan Optimasi di Industri

• Optimasi supply chain dan logistik
• Optimasi dalam sistem tenaga listrik
• Simulasi dan evaluasi performa optimasi

14:45 – 16:00 | Final Project & Review

• Implementasi optimasi pada permasalahan nyata
• Presentasi hasil proyek oleh peserta
• Evaluasi dan diskusi open-ended

---

Target Peserta:

• Profesional yang ingin menguasai optimasi di MATLAB
• Engineer, data scientist, akademisi, dan analis yang ingin menerapkan optimasi dalam bidangnya

Output yang Diharapkan:
✅ Pemahaman menyeluruh tentang optimasi numerik dan heuristik
✅ Keterampilan dalam menggunakan MATLAB untuk menyelesaikan masalah optimasi
✅ Implementasi optimasi dalam berbagai studi kasus industri