1

DUALITAS
Pengertian
Setiap persoalan PL selalu memiliki 2 (dua)
macam analisis yang menjadi satu (dua
paket menjadi satu), yaitu : Analisis Primal
dan Analisis Dual.
Analisis dual : sebuah masalah PL yang di-
turunkan secara matematis dari satu model
PL primal, dan dapat digunakan untuk
pengujian/pengecekan apakah nilai-nilai
yang telah dihasilkan dengan metode
simplex telah benar.
2
Masalah dual dan primal sangat berkaitan
erat sehingga pemecahan simpleks optimal
dari salah satu masalah akan secara otoma-
tis menghasilkan pemecahan optimum
untuk masalah lain.
Bentuk pertama atau bentuk asli dari suatu
model PL adalah bentuk primal dan bentuk
keduanya adalah bentuk dual, sehingga
suatu solusi terhadap persoalan PL yg asli
(primal) juga akan memberikan solusi
bentuk dual.
3
Bentuk Umum
(1). Bentuk Primal
Fungsi Tujuan :
Maksimumkan/Minimumkan

Fungsi Pembatas :


X
j
0; i = 1,2,3, . . ., m
j = 1,2,3,. . ., n

j
n
1 j
j
X C Z

=
=
i
n
1 j
j ij
b atau atau X a = > s

=
4
(2). Bentuk Dual
Fungsi Tujuan :
Minimumkan/Maksimumkan

Fungsi Pembatas :

Y
j
0; i = 1,2,3, . . ., m
j = 1,2,3,. . ., n

j
m
1 i
j
Y b G

=
=
j
m
1 i
j ij
C atau atau Y a = > s

=
5
Tabel Primal-Dual PL

PRIMAL
Koefisien
X
1
X
2
. . . . . .

X
n
NK


Y
1
Y
2
Y
3

.
Y
n

a
11
a
12
. . . . . . a
1n
b
1
a
21
a
22
. . . . . . a
2n
b
2
a
31
a
32
. . . . . . a
3n
b
3

. . . . . . . . ..
a
m1
a
m2
. . . . . . a
mn
b
m
KOEFISIEN
FUNGSI
TUJUAN
MINIMISASI
NK C
1
C
2
. . . . . . C
n
KOEFISIEN FUNGSI TUJUAN
MAKSIMISASI
D
U
A
L

6
Model Matematis Primal
Maks z = c
1
x
1 +
c
2
x
2 +...+
c
j
x
j +...+
c
n
x
n
Fungsi Batasan :


11
x
1 +

12
x
2 +...+

1j
x
j +...+

1n
x
n
b
1

21
x
1 +

22
x
2 +...+

2j
x
j +...+

2n
x
n
b
2
.........

m1
x
1 +

m2
x
2 +...+

mj
x
j +...+

mn
x
n
b
m
x
1
, x
2
, ... , x
n
0
Model Matematis Dual
Min z
0
= b
1
y
1 +
b
2
y
2 +...+
b
j
y
j +...+
b
n
y
n
Fungsi Batasan :


11
y
1 +

21
y
2 +...+

i1
y
i +...+

m1
y
m
c
1

12
y
1 +

22
y
2 +...+

i2
y
i +...+

m2
y
m
c
2
.........

1n
y
1 +

2n
y
2 +...+

in
y
i +...+

mn
y
m
c
n

y
1
, y
2
, ... , y
m
0
7
Contoh
Bentuk Primal :
Fungsi Tujuan :
Maksimumkan Z = 3X
1
+ 5 X
2

Fungsi Pembatas :
2X
1
8
3X
2
15
6X
1
+ 5X
2
30
X
1
, X
2
0
8
Bentuk Dual
Fungsi Tujuan :
Minimumkan G =8Y
1
+15Y
2
+30Y
3

Fungsi Pembatas :
2Y
1
+ 0Y
2
+ 6Y
3
3
0Y
1
+ 3Y
2
+ 5Y
3
5
Y
1
, Y
2
, Y
3
0

Bentuk Primal




Bentuk Dual
Merk
Mesin
X1 X2
Kapasitas
maksimum
A 2 0 8
B 0 3 15
C 6 5 30
Kontribusi terhadap
keuntungan / lusin ( dalam
Rp 100.000,- )
3 5
9
A B C
X1 2 0 6 3
X2 0 3 5 5
8 15 30


10
Variabel
Dasar
X
1
X
2
X
3
X
4
X
5
NK
Z -3 -5 0 0 0 0
X
3
2 0 1 0 0 8
X
4
0 3 0 1 0 15
X
5
6 5 0 0 1 30
X
1
X
2
X
3
X
4
X
5
NK
Z -3 0 0 5/3 0 25
X
3
2 0 1 0 0 8
X
2
0 1 0 1/3 0 5
X
5
6 0 0 -5/3 1 5
X
1
X
2
X
3
X
4
X
5
NK
Z 0 0 0 5/6 1/2 27
1
/
2
X
3
0 0 1 5/9 -1/3 6
1
/
3
X
2
0 1 0 1/3 0 5
X
1
1 0 0 -5/18 1/6 5/6
11
Perhatikan nilai-nilai dibawah variabel
dasar X3, X4, dan X5 pada baris Z
tersebut di atas. Nilainya adalah 0, 5/6,
dan 1/2. Nilai-nilai ini secara umum
dapat diartikan sebagai besarnya
tambahan keuntungan perusahaan
apabila masing-masing kapasitas
batasan bertambah sebesar 1 unit
kapasitas ( misalnya mesin A dari 8 jam
menjadi 9 jam, mesin B dari 15 jam
menjadi 16 jam).
Selain mununjukkan tabahan keuntungan yang
diakibatkan oleh penambahan kapasitas
sebesar 1 unit, nilai-nilai dibawah kolom
variabel dasar (X3, X4, dan X5) tersebut atau
nilai 0, 5/6, dan 1/2 apabila dimasukkan ke
dalam fungsi tujuan Dual-nya akan
menghasilkan keuntungan yang sama ketika
keuntungan tersebut diperoleh dari fungsi
tujuan Primal-nya (hal ini sekaligus dapat
digunakan untuk memastikan bahwa hasil
optimal pada masalah Primal/Simplex-nya
sudah benar).


12
Fungsi tujuan Dual :
Minimalkan :
Y = 8Y1 + 15Y2 + 30Y3
= 8(0) + 15(5/6) + 30(1/2)
= 27,5 nilai ini sama
dengan yang dihasilkan dari fungsi
tujuan primal/simplex sebelumnya



13
14
Penyelesaian Masalah Primal
Model Program Linear
Fungsi Tujuan :
Maksimumkan Z = 15X
1
+ 10X
2

Fungsi Pembatas :
1. Bahan A : X
1
+ X
2
600
2. Bahan B : 6X
1
+ X
2
1000
X
1
, X
2
0
15
Tabel Simpleks

Var Dasar X
1
X
2
S
1
S
2
NK Indeks
Z -15 -10 0 0 0 -
S
1
1 1 1 0 600 600
S
2
2 1 0 1 1000 500
Iterasi-1
Z 1 -5/2 0 15/2 7500 -
S
1
0 1 - 100 200
X
1
1 0 500 1000
Iterasi-2
Z 1 0 5 5 8000
X
2
0 1 2 -1 200
X
1
1 0 -1 1 400
16
Penyelesaian Masalah Dual
Fungsi Tujuan : Minimumkan
G = 600Y
1
+1000Y
2
+ MA
1
+ MA
2

Fungsi Pembatas :
X
1
: Y
1
+2Y
2
S
1
+ A
1
= 15
A
1
= 15-Y
1
-2Y
2
+S
1

X
2
: Y
1
+ Y
2
S
2
+ A
2
= 10
A
2
= 10-Y
1
-Y
2
+S
2

Y
1
,Y
2
, S
1
,S
2
,A
1
,A
2
0
17

G = 600Y
1
+1000Y
2
+ MA
1
+ MA
2

= 600(15-Y
1
-2Y
2
+S
1
)+1000(10-Y
1
-Y
2
+S
2
)
=(600-2M)Y
1
+(1000-3M)Y
2
+MS
1
+MS
2
+25M

G (600-2M)Y
1
(1000-3M)Y
2
MS
1
MS
2

= 25 M

18
Tabel Simpleks Dual

Var
Dasar
Y
1
Y
2
S
1
S
2
A
1
A
2
NK Indeks
G -600+2M -1000+3M -M -M 0 0 25M -
A1 1 2 -1 0 1 0 15 15/2
A2 1 1 0 -1 0 1 10 10
Iterasi-1
G -100+ M 0 -500+ M -M 500-3/2M 0 7500+5/2M -
Y
2
1 - 0 0 15/2 15
A
2
0 -1 - 1 5/2 5
Iterasi-2
G 0 0 -400 -200 400-1/2M 200-M 8000
Y
2
0 1 -1 1 1 -1 5
Y
1
1 0 1 -2 -1 2 5
Kesimpulan : Y
1
= 5 dan Y
2
= 5 ; G
min
= 8000.-
19
ANALISIS SENSITIVITAS
Pengertian
Analisis sensitivitas (analisis post-optimal) :
analisis dampak perubahan parameter
terhadap solusi optimal.
Seorang analis sulit untuk dapat menentu-
kan parameter model PL seperti : C
j
, b
j
, dan
a
ij
dengan pasti karena bersifat uncontrola-
ble variabel.
20
Misalnya : permintaan masa depan, biaya
bahan mentah, harga bahan bakar, dan
sebagainya tidak dapat diperkirakan dengan
tepat sebelum masalah selesai. Sementara
itu solusi optimum model PL didasarkan
pada parameter ini. Akibatnya analisis perlu
menyesuaikan pengaruh perubahan para-
meter terhadap solusi optimum. Analisis
perubahan parameter dan pengaruhnya
terhadap solusi PL dinamakan : Analisis
Sensitivitas (Post-Optimality Analysis).
21
Perubahan-perubahan parameter dikelom-
pokkan menjadi :
a. Perubahan koefisien fungsi tujuan (C
j
).
b. Perubahan konstanta NK (b
j
).
c. Perubahan koefisien f-pembatas (a
ij
).
d. Penambahan variabel baru.
e. Penambahan persamaan f-pembatas yg
baru.
22
Contoh :
Fungsi Tujuan : Maksimumkan Laba
Z = 15X
1
+ 10X
2
(Dlm Rp10.000)
Fungsi Pembatas :
Bahan A : X
1
+ X
2
600
Bahan B : 2X
1
+ X
2
1000
X
1
, X
2
0

23
Solusi Awal :







Solusi Optimum :

Var
Dasar
X
1
X
2
S
1
S
2
NK Indek
Z -15 -10 0 0 0 -
S
1
1 1 1 0 600 600
S
2
2 1 0 1 1000 500
Var
Dasar
X
1
X
2
S
1
S
2
NK Indek
Z 1 0 5 5 8000 -
X
2
0 1 2 -1 200 -
X
1
1 0 -1 1 400 -
24

Matriks A :

Matriks A ini dalam analisis sensitivitas disebut :
Matriks Starting Solution. Matriks ini menjadi
pedoman dalam melakukan perubahan-
perubahan parameter dalam analisis sensitivitas.
a. Perubahan koefisien f-tujuan (C
j
).
Solusi Optimum :



G = 600(5) + 1000(5) = 8000.-

(

1 1 -
1 - 2
( )
( ) ( ) 5 5 15 10 15 20
1 1
1 2
15) 10 (
1 1
1 2
C C
1 2
= + =
(

=
(

25
Perubahan (C
2
C
1
) dari (10 15) menjadi
(12 15) maka :





G = 600(9) + 1000(3) = 5400 + 3000 = 8400.

( ) ( )
( )
) Y Y (
3 9
15 12 15 24
1 1
1 2
15 12
2 1
=
=
+ =
(

b. Perubahan kapasitas sumberdaya b
i
(NK)
Pada solusi optimum, kapasitas sumberdaya b
i
(NK)
yang dipergunakan adalah :




Setelah solusi optimum terjadi perubahan :
a. Dari :


Jadi : X
1
= 300, X
2
= 400, dan Z = 8.500.
: maka
1000
600
b
b
2
1
(

=
(

8.000 dan Z , 200 X ; 400 X jadi ,

400
200

1000
600
1 1
1 2
2 1
= = =
(

=
(

=
(

300
400
000 . 1
700
1 1 -
1 - 2
: maka ,
1.000
700
menjadi
1000
600

b. Dari

Jadi : X
1
= 300, X
2
= 300, dan Z = 7.500.

c. Dari

Jadi : X
1
= 100, X
2
= 400, dan Z = 5.500

(

=
(

300
300
900
600
1 1 -
1 - 2
: maka ,
900
600
menjadi
1000
600
(

=
(

400
100
900
500
1 1 -
1 - 2
: maka ,
900
500
menjadi
1000
600