Anda di halaman 1dari 39

HANDOUT PERKULIAHAN OPTIMASI

DOSEN EFENDI, MSI

LP : METODE SIMPLEKS

Dilakukan jika metode grafik tidak bisa dipakai (variabel keputusan 2)

Metode Simpleks :
1. Simpleks Primal
2. Simpleks Dual

Bentuk Linear Programming baku (standar) :


* Semua kendala adalah persamaan ( sisi kanan 0 )
* Semua variabel non-negatif
* Fungsi tujuan berupa maksimisasi / minimisasi
Kendala (Constraints)
1. Kendala jenis diubah menjadi = dengan menambahkan Variabel Slack di
sisi kiri.
Kendala jenis diubah menjadi = dengan mengurangkan Variabel Surplus
di sisi kiri.
Contoh :
Kendala X1 + X2 15

->

X1 + X2 + S1 = 15 dengan S1 0

(S1 adalah sumber daya yang berlebih)


Kendala 2 X1 + X2 15

->

2 X1 + X2 - S2 = 15 dengan S2 0

(S2 adalah sumber daya yang langka)


2. Sisi kanan harus dibuat non-negatif
Contoh :
-5 X1 + X2 = -25

diubah menjadi

5 X1 - X2 = 25

3. Arah pertidaksamaan dibalik jika kedua sisi dikalikan -1


Contoh :

-5 X1 + X2 -25

5 X1 - X2 25

diubah menjadi

Variabel
Variabel unrestricted (tidak dibatasi) jika bernilai negatif / positif
Misal Xj adalah variabel unrestricted,
maka Xj = Xj - Xj
Xj , Xj 0
Hanya satu (Xj atau Xj) saja yang bernilai positif
Fungsi Tujuan
Maksimisasi fungsi = Minimisasi negatif fungsi itu.
Contoh :
Maks. Z = 5X1 + 2X2 + 3X3

Min. (-Z) = -5X1 - 2X2 - 3X3

Contoh Soal :
Ubah dalam bentuk Standar :
Min. Z = 2X1 + 3X2
Kendala :

X 1 + X2

= 10

-2 X1 + 3 X2 -5
7 X 1 - 4 X2 6
X1 (Unrestricted)
X2 0
Jawab :
Min. Z = 2 X1 - 2 X1 + 3 X2 + 0 S2 + 0 S3
Kendala :

X1 - X1 + X2

= 10

-2 X1 + 2 X1 + 3 X2 + S2 = -5 ->
7 X1 - 7 X1 - 4 X2 + S3 = 6
X1 , X1 , X2 , S2 , S3 0

2 X1 - 2 X1 - 3 X2 - S2 = 5

Solusi Dasar

Jika ada model Linear Programmingdengan m persamaan (kendala) dan


n variabel keputusan, maka solusi dasar -> n - m = 0
Sisanya dipecahkan sehingga mendapat solusi layak dan unik.

n - m variabel yang dibuat nol disebut variabel non-basis


n variabel sisanya disebut variabel basis

Contoh :

2X1 +

X2 + 4X3 + X4 = 2

X1 + 2 X2 + 2X3 + X4 = 3
m=2
n= 4
n m = 2 -> Variabel non-basis
Sisa

= 2 -> Variabel basis

Pilih 2 variabel yang dibuat nol, misal X3 = 0, X4 = 0


Maka 2X1 +

X2 = 2

X1 + 2 X 2 = 3
Dengan eliminasi dihasilkan X1 = 1/3 dan X2 = 4/3

{hasil

non-negatif

layak}
Solusi dasar X1 = 1/3 , X2 = 4/3 , X3 = 0 , X4 = 0
X1 dan X2 adalah var. Basis
X3 dan X4 adalah var non-basis.

METODE SIMPLEKS PRIMAL

Variabel masuk adalah variabel non-basis yang masuk ke himpunan variabel


dasar pada iterasi berikutnya.

Variabel keluar adalah variabel basis yang keluar dari solusi basis pada iterasi
berikutnya.

Dua kondisi Simpleks Primal:

1.

Kondisi Optimal Variabel


:

2.

masuk

dalam

maksimisasi

(minimisasi)

adalah

variabel non-basis dengan koefisien paling negatif (positif)

Kondisi

dalam persamaan fungsi tujuan (Z).


Layak Variabel keluar adalah variabel basis yang mempunyai titik

potong terkecil (rasio minmum dengan penyebut positif).

Langkah-langkah iterasi Simpleks Primal :


1.

Dengan bentuk standar, tentukan solusi dasar awal yang layak.

2.

Pilih variabel masuk diantara variabel non-basis dengan menggunakan kondisi


optimal.

3.

pilh variabel keluar dari variabel basis dengan menggunakan kondisi layak.

4.

Tentukan nilai variabel basis yang baru dengan membuat variabel masuk
tersebut sebagai variabel basis dan variabel keluar sebagai variabel non-basis.

5.

Kembali ke langkah 1.

Contoh :
Sebuah perusahaan meubel memproduksi meja dan kursi menggunakan
papan, kayu, dan waktu pengerjaan. Setiap meja membutuhkan 5 unit papan, 2 unit
kayu, dan 4 jam pengerjaan. Setiap kursi membutuhkan 2 unit papan, 3 unit kayu,
dan 2 jam pengerjaan. Perusahaan dapat keuntungan $12 untuk meja dan $8 untuk
kursi. Tersedia 150 unit papan, 100 unit Kayu, dan 80 jam pengerjaan. Berapa
banyak produk agar keuntungan maksimum?
Jawab :
- Variabel Keputusan

: X1 = meja, dan X2 = kursi

- Fungsi Tujuan

: Maks. Z = 12 X1 + 8 X2

- Kendala

: papan, kayu, dan waktu

Formulasi Model :
Maks. Z = 12 X1 + 8 X2
Kendala :

5 X1 + 2 X2 150
2 X 1 + 3 X2 100
4 X1 + 2 X2 80
X 1 , X2 0

Bentuk standard
Maks. Z = 12 X1 + 8 X2 + 0.S1 + 0.S2 + 0.S3

Kendala :

5 X1 + 2 X2 + S1 = 150
2 X 1 + 3 X2 + S2 = 100
4 X 1 + 2 X2 + S3 = 80
X1 , X 2 , S1 , S2 , S3 0

Tabel Simpleks

non basis

Basis

X1

X2

S1

S2

S3

Solusi

(Dasar)
Z
S1
S2
S3

1
0
0
0

-12
5
2
4

-8
2
3
2

0
1
0
0

0
0
1
0

0
0
0
1

0
150
100
80

Pers
Pers
Pers
Pers

Z
S1
S2
S3

Var msk

Basis

X1

X2

S1

S2

S3

Solusi

Rasio

(Dasar)
Z
S1

1
0

-12
5

-8
2

0
1

0
0

0
0

0
150

150/5 =

S2

100

30
100/2

S3

80

=50
80/4 =
20

Pers Pivot (Var Keluar)

elemen pivot

Aturan metode Gauss Jordan :


1. Pers. Pivot
Pers. Pivot baru = pers. pivot lama : elemen pivot
2. Pers. Lain
Pers. Baru = pers. Lama ( koef kolom var masuk * pers. Pivot baru )

Maka :
S3

X1 = ( 0 4 2 0 0 1 80 ) / 4
= ( 0 1 0 0 20 )

S2 baru

= ( 0 2 3 0 1 0 100 ) - 2 ( 0 1 0 0 20 )
= ( 0 2 3 0 1 0 100 ) - ( 0 2 1 0 0 40 ) = ( 0 0 2

0 1 - 60 )
S1 baru

= ( 0 5 2 1 0 0 150 ) - 5 ( 0 1 0 0 20 )
= (0

150 ) - ( 0

/2

/4

100 ) = ( 0

- 1 0 -5/4 50 )
Z baru

= ( 1 -12 -8 0 0 0 0 ) - (-12) ( 0 1 0 0 20 )
= ( 1 -12 -8 0 0 0 0 ) - ( 0 -12 6 0 0 -3 -240 ) = ( 1 0

-2 0 0 3 240 )
Var msk

Basis

X1

X2

S1

S2

S3

Solusi

Rasio

(Dasar)
Z
S1

1
0

0
0

-2
-

0
1

0
0

3
-5/4

240
50

50/(-) =

S2
X1

0
0

0
1

0
0

1
0

60
20

-100
60/2 = 30
20/() = 40

elemen pivot

Pers Pivot (Var Keluar)

S2

X2 = ( 0 0 2 0 1 - 60 ) / 2
= ( 0 0 1 0 - 30 )

X1 baru

= ( 0 1 0 0 200 ) - ( 0 0 1 0 - 30 )
= (0

0 0 -

200 ) - ( 0

-1/8 15 ) = ( 0

/8 5 )
= ( 0 0 - 1 0 -5/4 50 ) - (- )( 0 0 1 0 - 30 )

S1 baru

= ( 0 0 - 1 0 - 5/4 50 ) - ( 0 0 - 0 -

/8 -15 ) = ( 0 0 0

1 -11/8 65 )
Z baru

= ( 1 0 -2 0 0 3 240 ) - (-2 )( 0 0 1 0

- 30 )

= ( 1 0 -2 0 0 3 240 ) - ( 0 0 -2 0 -1
0 0 1

-60 ) = ( 1 0

/2 300 )

Tabel Akhir
Basis

X1

X2

S1

S2

S3

(Dasar)
Z
S1
X2
X1

1
0
0
0

0
0
0
1

0
0
1
0

0
1
0
0

5
2
11
8

Kesimpulan : X1 = 5

Solusi

/
- /
-
3
/8

300
65
30
5

( banyak meja )

X2 = 30

( banyak kursi )

S1 = 65

( unit papan / pers. Kendala 1 yg berlebih )

Z = 300 ( keuntungan maks )


Bukti

Fungsi tujuan

Z = 12 X1 + 8 X2
= 12 ( 5 ) + 8 ( 30 )
= 60 + 240

Papan

300

5 X1 + 2 X2 150
5 ( 5 ) + 2 ( 30 ) = 25 + 60 = 85

150 - 85 =

65 ( sisa )

Kayu

2 X1 + 3 X2 100
2 ( 5 ) + 3 ( 30 ) = 10 + 90 = 100

Waktu

4 X1 + 2 X2 80
4 ( 5 ) + 2 ( 30 ) = 20 + 60 = 80

METODE SIMPLEKS PRIMAL


DENGAN VARIABEL BUATAN (ARTIFICIAL)

1. TEKNIK M ( METODE PENALTY )

Kendala tidak
semuanya

2. TEKNIK DUA FASE

1. TEKNIK M

Contoh:

Min Z = 4 X1 + X2
Kendala

3 X1 + X2 = 3
4 X1 + 3 X 2 6
X1 + 2 X2 4
X1 , X 2 0

Bentuk standar
Min Z = 4 X1 + X2
Kendala

3 X1 + X2

= 3

......... ( 1 )

4 X1 + 3 X 2 - X3 = 6

......... ( 2 )

X1 + 2 X2 + X4 = 4
X1 , X2 , X3 , X4 0
Karena ( 1 ) dan ( 2 ) tidak memiliki var slack , maka ditambahkan R1 dan R2
sebagai var bantuan
(1)

3 X1 + X 2

+ R1 = 3

(2)

4 X1 + 3 X2 - X3 - R2 = 6

Pada fungsi tujuan berikan koefisien M > 0, untuk R 1 dan R2 ; sehingga :

CONTOH:

Min Z = 4 X1 + X2
Kendala

3 X1 + X2 = 3
4 X1 + 3 X 2 6
X1 + 2 X2 4
X1 , X 2 0

BENTUK STANDAR
Min Z = 4 X1 + X2 + 0.S1 + 0.S2 +MR1 + MR2
Kendala

3 X1 + X2

+ A1

= 3

4 X 1 + 3 X 2 - S1

+A2

= 6

X1 + 2 X2

+S2

= 4

X 1 , X 2 , S 1 , S 2 , A1 , A2 0
Subtitusikan R1 dan R2 ke fungsi tujuan :
R 1 = 3 - 3 X 1 - X2
R2 = 6 - 4 X1 - 3 X2 + X3
Maka :
Z = 4 X1 + X2 + M(3 - 3 X1 - X2) + M(6 - 4 X1 - 3 X2 + X3)
= ( 4 - 7M ) X1 + ( 1 4M ) X2 + M X3 + 9M
Persamaan Z dalam tabel :
Z + ( 7M - 4 ) X1 + ( 4M - 1 ) X2

M X3 = 9M

Solusi dasar awal ; X1 = 0, X2 = 0, X3 = 0


Sehingga

-> Z = 9M

X1 , X2 , X3 var non basis

Tabel Metode Big M


Iterasi 0

Basi

X1

X2

X3

R1

R2

X4

Solusi

(awal) X1

s
Z

(7M

(4M

-M

9M

R1
R2
X4
Z

4)
3
4
1
0

1)
1
3
2
(1+5M)

0
-1
0
-M

1
0
0
(4-

0
1
0
0

0
0
1
0

3
6
4
4+2M

3/3 = 1
6/4
4/1

X1

/3
/3

7M)/3
1
/3

1/(1/3)=

R2

-1

-4/3

3
2/

0
0
1
0
0
0

(paling
+ ) R1
Keluar
( 1 ) X2
masuk
R2 keluar

( 2 ) X3
masuk
X4 keluar
(3)

X4
Z
X1
X2
X4
Z

/3

/3
0
0
1
0
0

0
/5
1
/5
-3/5
1
0
1

- /3
( /3-M)
3
/5
-4/5
1
7
/3-M
8

0
(- /5-M)
-1/5
3
/5
-1
-M
1

1
0
0
0
1
1
- /5

3
/3
3
/5
6
/5
1
17
/5

(5/3)=6/5
8
/5

18

3
1

(optimu
m)

X1
X2
X3

1
0
0

0
1
0

0
0
1

/5
- /5
1

-1/5
3
/5
1

0
0
-1

/5
/5
1

2. DUA FASE
Bertujuan untuk mengurangi kesalahan perhitungan dari pemberian nilai yg
besar untuk konstanta M pada metode TEKNIK M (penalty)
Contoh = Min Z = 4 X1 + X2
Kendala

3 X1 + X2 = 3
4 X1 + 3 X 2 6
X1 + 2 X2 4
X1 , X 2 0

Tahap 1 :
Bentuk dengan var buatan : R1 dan R2
Min r = R1 + R2
Kendala

3 X1 + X2

+ R1

4 X1 + 3 X 2 - X3

= 3

- R2

= 6

X1 + 2 X2

+ X4

= 4

X1 , X2 , X3 , R1 , R2 , X4 0
Fungsi tujuan r = R1 + R2
= ( 3 3 X 1 - X2

) + ( 6 - 4 X1 - 3 X2 + X3 )

= -7 X1 - 4 X2 + X3 + 9
Tabel Awal
Basi

X1

X2

X3

R1

R2

X4

Solusi

s
Z
R1
R2
X4

7
3
4
1

4
1
3
2

-1
0
-1
0

0
1
0
0

0
0
1
0

0
0
0
1

9
3
6
4

X4

Solusi

Tabel optimum : setelah 2 iterasi ( periksa ! )


Basi

X1

X2

X3

R1

R2

s
r
X1
X2
X4

0
1
0
0

0
0
1
0

0
/5
-3/5
1

-1
/5
-4/5
1

-1
-1/5
3
/5
-1

0
0
0
1

0
/5
6
/5
1
3

Karena minimum solusi r = 0, masalah ini memiliki pemecahan ( solusi ) layak.


Lanjutkan ke tahap ( Fase ) kedua.
Tahap 2

Menyingkirkan variabel buatan ( R1 dan R2 )

Dari tabel optimum tahap 1 didapatkan :


1

X1 +
X2 -

/5X3

/5

= 6/5

/5X3

X3 + X 4

= 1

Masalah semula ditulis :


Min Z = 4 X1 + X2
Kendala

X1 +
X2 -

/5X3

/5X3

X 3 + X4

/5

......... ( 1 )

/5

......... ( 2 )

= 1

X1 , X2 , X3 , R1 , R2 , X4 0
Maka terdapat 3 persamaan dan 4 variabel sehingga solusi dasar layak
didapat dg membuat
X3 = 0

(4 3) = 1 variabel dibuat nol

->

X1 = 3/5 ; X2 =

/5 ; X 4 = 1

Fungsi tujuan Z = 4 X1 + X2

= 4(

/5 +

= - 1 /5 X 3 +

/5 X3 ) + (6/5 +

18

/5

Tabel Awal
Var msk

Basis
Z
X1
X2
X4

X1
0
1
0
0

X2
0
0
1
0

X3
/5
1
/5
-3/5
1
1

X4
0
0
0
1

Solusi
18
/5
3
/5
6
/5
1

/5X3 )

Tabel optimum
Basis
Z
X1
X2
X3

X1
0
1
0
0

X2
0
0
1
0

X3
0
0
0
1

X4
-1/5
-1/5
3
/5
1

Solusi
17
/5
2
/5
9
/5
1

Bandingkan dengan TEKNIK M!

METODE SIMPLEKS DUAL

Memecahkan masalah LP yg tidak memiliki pemecahan dasar layak


tanpa variabel buatan.

Kondisi Kelayakan : Variabel keluar adalah variabel basis yg memiliki


nilai paling negatif ( jika sama tentukan sembarang ) pada kolom solusi ( jika
semua var basis non negatif, selesai )

Kondisi Optimalitas : Variabel masuk adalah variabel non basis yg


memiliki rasio terkecil (posistif) antara pers 2 dg koef. negatif dari pers. var.
keluar ( jika penyebab (koef.var keluar) nol atau positif, maka tidak terdapat
solusi layak )

Contoh = Min Z = 3 X1 + 2 X2
3 X1 + X2 3

Kendala

4 X1 + 3 X 2 6
X1 + 2 X2 3
X1 , X 2 0
Menjadi
Min Z = 3 X1 + 2 X2
-3 X1 - X2

+ X3 = -3

-4 X1 - 3 X2 + X4 = -6
X1 + 2 X2 + X5 = 3
X1 , X2, X3, X4, X5 0
Solusi dasar awal
X3 = -3 , X4 = -6

X5 = 3

} tdk layak

non basis

Basis
Z
X3
X4
X5

X1
-3
-3
-4
1

X2
-2
-1
-3
1

X3
0
1
0
0

X4
0
0
1
0

X5
0
0
0
1

Solusi
0
-3
-6
3

Var keluar

-> X4

-> Solusi paling negatif = -6

Var masuk

-> X2

-> Rasio positif terkecil =

Elemen Pivot

= -3

(basis)

(non basis)

Persamaan pivot baru (X2 menggantikan X4) :


-> ( -4 -3 0 1
-> (

/3

1 0

Iterasi 1
Basis
Z
X3
X4
X5

X1
-1/3
-5/3
4
/3
-1/3

0 -6 ) / -3
/3 0

2 )

non basis

X2
0
0
1
0

X3
0
1
0
0

X4
-2/3
-1/3
-1/3
1
/3

X5
0
0
0
1

Solusi
4
-1
2
1

-2

/-3 =

/3

Rasio

/5

Maka

(-1/3) / (-5/3)

->

X1

Var masuk

X3

Var keluar

= -5/3

Elemen pivot

Persamaan pivot baru (X1 menggantikan X3) :


-> ( -5/3 0
-> (

- 1 /3

1
0 -3/5

-1 ) / (-5/3)

/5

/5 )

iterasi 2 ( tabel optimal )


Basis
Z
X3
X4
X5

X1
0
1
0
0

X2
0
0
1
0

X3
-1/5
-3/5
4
/5
-1/5

Solusi : X1 = 3/5

X4
-3/5
1
/5
3
- /5
2
/5

X2 = 6/5

X5
0
0
0
1

Z=

Solusi
21
/5
3
/5
6
/5
6
/5

21

/5

KASUS-KASUS KHUSUS METODE SIMPLEKS


1.

DEGENERASI
Max Z = 3 X1 + 9 X2
Kendala

X1 + 4 X2 8
X1 + 2 X 2 4
X1 , X 2 0

Iterasi
(0)
X2 masuk
X3 keluar
(1)
X1 masuk
X4 keluar
(2)
optimum

Basis
Z
X3
X4

X1
-3
1
1

X2
-9
4
2

Z
X2
X4

-3/4
1
/4
1
/2

0
0
2

Z
X2
X1

0
0
1

0
1
0

X3
0
1
0
9

/4
/4
-1/2
1

/2
/2
-1

X4
0
0
1

Solusi
0
8
4

0
0
1

18
2
0

/2
-1/2
2

18
2
0

Solusi tdk mengalami perubahan (perbaikan) pada itersai selanjutnya

2.

OPTIMUM ALTERNATIF
Max Z = 2X1 + 4X2
X1 + 2 X2 5

Kendala

X2 4

X1 +

X1 , X 2 0
Iterasi
(0)
X2 masuk

Basis
Z
X3
X4

X1
-2
1
1

X2
-4
2
1

X3
0
1
0

X4
0
0
1

Solusi
0
5
4

Basis
Z
X3
X4

X1
0
1
/2
1
/2

X2
0
1
0

X3
2
1
/2
-1/2

X4
0
0
1

Solusi
10
5
/2
3
/2

Z
X2
X4

0
0
1

0
1
0

2
1
-1

0
-1
2

10
1
3

X3 keluar
(1)
X1 masuk
X4 keluar
(2)
optimum
alternatif
X2 = 5/2

Ada 2 solusi : X1 = 0 ;
Atau X1 =

3.

X2

Z=
1

=1

PEMECAHAN TDK DIBATASI


Max Z = 2 X1 + X2
X1 - X2 10

Kendala

2 X1

40

X 1 , X2 0
Basis
Z
X3
X4

X1
-2
1
2

X2
-1
-1
0

X3
0
1
0

X4
0
0
1

Solusi
0
10
40

Semua koefisien batasan dibawah X2 adalah negatif atau nol

Sehingga X2 dapat dinaikan secara tidak terbatas tanpa melanggar


batasan

DUALITAS dan ANALISA SENSITIVITAS


TEORI DUALITAS

Didorong oleh pentingnya informasi tambahan yg dapat diperoleh dari tabel


simpleks optimum

Setiap LP terdiir atas 2 bentuk : Primal dan Dual

Contoh :
Kandungan
Mineral
Vitamin
Harga per unit

Daging
2
3
3

Sayur
4
2
2.5

Kebutuhan Min
40
50

Masalah -> menentukan biaya pembelian daging dan sayuran hingga


kebutuhan minimum per hari akan mineral dan vitamin terpenuhi.
Formulasi model :
Min

Z = 3 X1 + 2.5 X2

Kendala

2 X1 + 4 X2 40
3 X1 + 2 X2 50
X1 , X 2 0

Ada masalah yang berbeda yang berhubngan dengan masalah yang pertama
( bentuk primal ).
Misalkan ada sebuah dealer yg menjual mineral dan vitamin. Masalah bagi dealer
adalah menetapkan harga jual mineral dan vitamin per unit yang maksimum
demikian hingga menghasilkan harga daging dan sayur tidak melebihi harga
pasar.

-> Untuk membuat formulasi modelnya misalkan harga daging per unit Y 1 dan
sayur Y2, sehingga formulasi modelnya menjadi :
Max

W = 40 Y1 + 50 Y2
2 Y 1 + 3 Y2 3

Kendala

4 Y 1 + 2 Y2 2.5
Y1 , Y2 0
Bentuk ini dinamakan bentuk Dual , Y1 dan Y2 disebut variable dual
Bila masalah primal dibandingkan dg masalah dual ada beberapa hubungan:
1. Koef fungsi tujuan primal menjadi sisi kanan dual
Sisi kanan primal menjadi koef dungsi tujuan dual
2. Tanda pertidaksamaan kendala dibalik
3. Tujuan diubah dari min (max) dalam primal menjadi max (min) dalam dual
4. Kolom primal baris (kendala) dalam dual
kendala dual = variabel primal
5. Baris (kendala) primal kolom dual
Sehingga ada satu variabel dual kendala primal
6. Bentuk dual dari dual adalah primal
A.

Masalah Primal-Dual Simetrik


Bentuk Umum :
Primal : Max

Z = C1 X1 + C2 X2 + ... + Cn Xn

Kendala A11 X1 + A12 X2 + ... +A1n Xn B1


A21 X1 + A22 X2 + ... +A2n Xn B2
n Varibel

m Kendala

.
Am1 X1 + Am2 X2 + ... +Amn Xn Bm
X1 ,

Dual

: Min

X2 , ...

Xn 0

W = B1 Y1 + B2 Y2 + ... + Bm Ym

Kendala A11 Y1 + A12 Y2 + ... +A1m Ym C1


A21 Y1 + A22 Y2 + ... +A2m Ym C2
m Varibel

n Kendala

.
A1n Y1 + A2n Y2 + ... +Amn Ym Cn
Y1 ,

Ym 0

Y2 , ...

Dalam notasi matrik, masalah primal dual simetrik :


Primal

: Maksimumkan
Dengan syarat

Z = cX
:

Ax b

x 0
Dual

: Minimumkan
Dengan syarat

W = Yb
:

yA c

y 0
Dimana

A = matriks m x n

x = vektor kolom n x 1

b = vektor kolom m x 1

y = vektor baris 1 x m

c = vektor baris 1 x n
Aturan umum menuliskan bentuk dual dari LP yang simetrik :
a.

Misalkan sebuah variabel dual (non negatif) untuk setiap kendala


primal

b.

Vektor baris koef fungsi tujuan primal diubah menjadi vektor kolom sisi
kanan dual

c.

Vektor kolom sisi kanan primal diubah menjadi vektor baris koef fungsi
tujuan dual

d.

Transpose koef matriks kendala primal ke kendala dual

e.

Balik arah pertidaksamaan kendala

f.

Balik arah optimisasi ( min -> max atau sebaliknya )

1. Teori I ( Weak Duality Theorem )


Misal bentuk primal dual simetrik
Max

Z = cX

dan

Min

W = Yb

Dengan syarat

Ax b

Dengan syarat

yA

c
x 0

0
Nilai fungsi tujuan masalah minimisasi (dual) untuk setiap solusi yg layak
selalu masalah maksimasi (primal)nya

Bukti :
Misal Xdan Y adalah vektor solusi yg layak untuk masalah primal dan dual.
Harus dibuktikan bahwa Yb cX
Karena X layak bagi primal dengan kendala
AX b
X 0
Kemudian jika pertidaksamaan kendala dikalikan dengan Y diperoleh
YAX Yb

.... (I)

Karena Y layak bagi dual dengan kendala


YA c
Y 0
Kemudian jika pertidaksamaan kendala dikalikan dengan X diperoleh
YA X cX

.... (II)

Pertidaksamaan I dan II secara tidak langsung mengatakan bahwa :


Yb YA X cX
Dari Weak Duality Theorem diperoleh hasil hasil :
a. Nilai fungsi tujuan masalah maksimasi (primal) untuk setiap solusi layak
adalah batas bawah dari nilai minimum fungsi tujuan masalah dual
b. Nilai fungsi tujuan masalah minimisasi (dual) untuk setiap solusi layak
adalah batas atas dari jilai maksimum fungsi tujuan msalah primal
c. Jika masalah primal adalah layak dan nilai tujuannya tak terbatas, maka
masalah dualnya tdk memiliki suatu solusi layak, atau

d. Jika masalah primal adalah layak dan tak terbatas, maka masalah primal
adalah tak layak, atau
e. Jika masalah dual adalah layak dan primal tak layak maka dual adalah tak
terbatas.

Contoh
Primal

: Max

Z = X1 + 2 X2 + 3 X3 + 4 X4

Dengan syarat

X1 + 2 X2 + 2 X3 + 3 X4 20
X2 + 3 X3 + 2 X4 20

2 X1 +
X1 ,

X2 ,

X3 ,

X4 0

X1 = X2 = X3 = X4 = 1 adalah layak untuk primal dengan nilai fungsi tujuan


Z = cX = 10
Dual : Min

W = 20 Y1 + 20 Y2

Dengan syarat

2 Y2 1

Y1 +

2 Y1 +

Y2 2

2 Y1 +

3 Y2 3

3 Y1 +

2 Y2 4

Y1 ,

Y2 0

Y1 = Y2 = 1 adalah layak bagi dual dengan nilai fungsi tujuan W = Yb =


40
Ingat bahwa

cX Yb

berarti memenuhi Weak Duality Theorem.

Berdasarkan hasil solusi layak primal, nilai minimum fungsi tujuan W tak
dapat lebih kecil dari 10. berdasarkan hasil solusi layak dual, nilai maksimum
fungsi tujuan primal Z tak dapat melebihi 40.
2. Teori 2 ( Optimality Criterion theorem )
Jika terdalap solusi layak X dan Y, pada bentuk primal dual simetrik
demikian hingga nilai-nilai fungsi tujuan yg berhubungan adalah sama, maka
solusi layak ini adalah solusi optimum terhadap masalah tersebut.

Contoh :
Berdasarkan contoh Teori 1. Misalkan

X1 = 0 , X2 = 0 , X3 = 4 , X4 = 4

adalah suatu solusi layak yang lain terhadap masalah primal, sementara Y 1 =
1.2 , Y2 = 0.2 adalah solusi layak bagi dual. Nilai Z = W = 28 solusi ini
optimum
3. Teori 3 ( Main Duality Theorem )
Jika baik masalah primal maupun dual adalah layak, maka keduanya memiliki
solusi demikian hingga nilai optimum fungsi tujuannya adalah sama.
4. Teori 4 ( Complentary slackness theorem )
Jika suatu variabel primal X j bernilai positif, maka kendala dual yang

a.

berhubungan akan dipenuhi sebagai suatu persamaan pada keadaan


optimum (variabel slack atau surplus pada kendala dual = 0)
b.

Jika suatu kendala primal berupa pertidaksamaan murni pada keadaan


optimum (variabel slack atau surplus pada kendala primal 0), maka
variabel dual yang berhubungan Y i harus = 0 pada keadaan optimum
Jika suatu variabel dual Y i bernilai positif, maka kendala primal yg

c.

berhubungan akan memenuhi sebagai suatu persamaan pada keadaan


optimum (variabel slack atau surplus pada kendala primal = 0)
B.

Masalah Primal Dual Asimetrik


Contoh :
Max
Dg syarat

Z = 4 X1 + 5 X2
3 X1 + 2 X2 20
4 X1 - 3 X2 10
X1 +

X2 =

X1 0 , X2 tak terbatas
Ubah kedalam bentuk simetri, dengan cara :
1. Kendala 2 dikalikan
2. Kendala 3 diganti dg X1 + X2 5 dan X1 + X2 5
3. Variabel tak terbatas X2 diganti dg selisih 2 variabel non negatif X 3 dan X4

Sehingga bentuk simetrisnya menjadi


Max

Z = 4 X1 + 5 X3 - 5 X4

Dg syarat

3 X1 + 2 X 3 - 2 X 4

20

4 X 1 - 3 X3 + 3 X 4

-10

X1 +
- X1 -

X3 +

X4

X3 +

X4

-5

X3 ,

X4

X1 ,

Bentuk dualnya :
Min
Dg syarat

Z = 20 U1 - 10 U2 + 5 U3 - 5 U4

3 U 1 - 4 U2 + U 3 - U 4

2 U1 + 3 U2 + U3 - U4

-5

-2 U1 + 3 U2 - U3 + U4
U1 ,

U 2 , U3 , U 4

Bila bentuk dual dibandingkan dg bentuk primal yg belum disimetrikan maka tak
ada ciri ciri hubungan primal dual yg terpenuhi.
Kemudian misalkan Y1

U1 ,

Y2

-U2

Y3

U 3 + U4

dandua

pertidaksamaan terakhir diganti sebuah persamaan, hasilnya adalah :


Min
Dg syarat

W = 20 Y1 - 10 Y2 + 5 Y3
3 Y1 + 4 Y2 + Y3

2 Y1 - 3 Y2 + Y3 =

Y1 0 , Y2 0, Y3 tak terbatas
Bentuk ini memenuhi hubungan primal dual, kecuali arah pertidaksamaan
kendala dan tanda pembatas variabel.
Ciri ciri bentuk dual LP (simetris / tak simetris)
1. Elemen matriks kendala dual = transpose ol. Primal
2. Koef tujuan dual = sisi kanan primal
3. Sisi kanan dual = koef tujuan primal
4. Primal max dual min dan sebaliknya
Hubungan Primal - Dual
Primal
A elemen matriks
kendala
I. Maksimasi
b vektorKendala
sisi kanan
ke-i jenis
c koef fungsi tujuan
Kendala ke-i persamaan
Xj tak terbatas

Dual
Transpose elemen
matriks
Minimisasi
Koef fungsi
tujuan
Variabel dual y : 0
Vektor sisi kanan
Variabel Yi tak terbatas
Kendala ke-j persamaan

Kendala ke-i jenis


Xj 0
Xj 0
II. Minimasi
Kendala ke-i jenis
Kendala ke-i jenis
Xj 0
Xj 0

Variabel dual y : 0
Kendala ke-j
Kendala ke-j
Maksimasi
Variabel dual y : 0
Variabel dual y : 0
Kendala ke-j
Kendala ke-j

Contoh
1. Primal

: Max
Dg syarat

Z =

X1 + 4 X2 + 3 X3

2 X1 + 3 X 2 - 5 X 3 2
X2 + 6 X 3 1

3 X1 X1 +

X2 +

X3 =

X1 0 , X2 0, X3 tak terbatas
Dual : Min

W = 2 Y1 +

Dg syarat

Y2 + 4 Y 3

2 Y1 + 3 Y2 +

Y3 1

3 Y1 -

Y3 4

Y2 +

-5 Y1 + 6 Y2 +

Y3 = 3

Y1 0 , Y2 0, Y3 tak terbatas
2. Primal

: Min
Dg syarat

Z = 2 X1 + X2 - X3
X1 + X 2 - X 3 = 1
X 1 - X2 + X 3 2
X2 + X3 3
X1 0 , X2 0, X3 tak terbatas

Dual : Max
Dg syarat

W =

Y1 + 2 Y2 + 3 Y3
2

Y1 +

Y2

Y1 -

Y2 +

-Y1 +

Y2 +

Y3 1

Y3 = -1

Y1 tak terbatas , Y2 0 , Y3 0

C. Mencari Solusi Optimum Bentuk Dual dg Metode Simpleks


Main Duality Theorem solusi optimum dual dpt diperoleh dari solusi primal dan
sebaliknya
Contoh :
Max

Z = 5 X1 + 12 X2 + 4 X3

Dg syarat

X1 +
2 X1 X1 ,

X3 5

2 X2 +

X2 + 3 X 3 = 2
X3 0

X2 ,

Tabel simpleks optimum


Basis
Z
X1
X2

X1
0
0
1

X2
0
1
0

X3
/5
1
- /5
7
/5

S1
/5
2
/5
1
/5

R1
-2/5 + M
-1/5
2
/5

29

Solusi
28 1/5
8
/5
9
/5

Ingat bahwa variabel basis awal adalah variabel slack S1 dan artificial variabel R1
Bentuk Dual
Min

W = 5 Y1 + 2 Y2
Y1 + 2 Y2 5

Dg syarat

2 Y1 -

Y2

Y1 + 3 Y2

12

Y1 0 , Y2 tak terbatas
Karena Y2 tak terbatas diganti Y2 Y dimana Y2 Y 0

Tabel Simpleks Optimum :


Basis
Z
S3
Y
Y1

Y1
0
0
0
1

Y2
0
0
-1
0

Y
0
0
1
0

S1
-9/5
-7/5
2
/5
1
- /5

S2
-2/5
1
/5
-1/5
-2/5

S3
0
1
0
0

R1
/5-M
7
/5
-2/5
1
/5

R2
/5-M
-1/5
1
/5
2
/5

R3
-M
-1
0
0

Solusi
28 1/5
3
/5
2
/5
29
/5

Variabel basis solusi awal primal S1 dan R1


Variabel dual yg berhubungan dg pers kendala primal yg mengandung S 1 dan R1
adalah Y1 dan Y2
Variabel basis awal bentuk
primal
Koef persamaan Z pd optimum
primal
Variabel dual yg berhubungan

S1
29

/5

Y1

R1
-2/5+M
Y2

Jika M diabaikan maka Y1 =

29

/5 ; Y 2 = - 2 /5

atau Y2 = Y2 Y = 0 - 2/5 = - 2/5 = bentuk dual


Variabel basis awal bentuk dual
Koef persamaan Z pd optimum

R1
/5-M

R2
/5-M

dual
Variabel primal yg berhubungan

X1

X2

R3
0-M
X3

Jika M diabaikan; X1 = 9/5 , X2 = 8/5 , X3 = 0 = bentuk primal


Berdasarkan tabel simpleks oprimum primal, solusi optimum dual dpt dihitung
melalui rumus :
Misal hubungan primal dual :
Min

Z = cX

Dengan syarat

dan

Max

Ax = b

W = Yb

Dengan syarat

yA

c
x 0

0
Maka solusi optimum primal dan dual diperoleh melalui penerapan reviscol
simplex method :
Z = W = CB B-1 b
Ket : CB

= vektor profit / biaya var basis optimum primal

= matriks var basis optimum primal : [ P j ] dimana Pj = kolom ke-j

matriks A
CB B = vektor simpleks multiplier
Contoh :
Primal

: Max
Dg syarat

Z = 5 X1 + 12 X2 + 4 X3
X1 +

2 X2 +
2 X1 -

X1 ,
Dual

Min
Dg syarat

X2 ,

X3 5
X2 + 3 X 3 = 2
X3 0

W = 5 Y1 + 2 Y2
Y1 + 2 Y2 5

2 Y1 -

Y2

Y1 + 3 Y2

12
4

Y1 0 , Y2 tak terbatas
Melalui simpleks diperoleh X1 = 9/5 , X2 = 8/5 , Z = 28 1/5 karena X1 dan X2 var
basis optimum primal, maka :
Matriks basis optimumnya :
B = [ P1 P2 ] =

1
2
2 -1

Optimum simpleks multipliernya adalah :


1
CB B-1 = [ 5 12 ] = 2 /5

/5

Terlihat bahwa Y1 =

/5

29

/5 , Y2 = -2/5 memenuhi kendala dual dan nilai fungsi tujuan

W = 5 (29/5) + 2 (-2/5) = 28 1/5


Suatu solusi optimum primal (dual) jg merupakan solusi optimum masalah dual
(primal)
D. Penafsiran Solusi Dual
Dari segi ekonomi, solusi optimum bentuk dual dapat ditafsirkan sebagai
sumbangan kendala sumber daya (shadow price)
Berdasarkan Main Duality Theorem :
Z = cX = Yb = W
Sehingga nilai optimum LP dapat ditulis :
Z = Y1 b1 + Y2 b2 + ... + Y m bm
Dimana

b1, b2,, bm

sumber daya 1,2,,m

Y1, Y2, ... , Ym nilai optimum var dual


Misal b1 dpt diubah, kemudian untuk perubahan nilai b 1 yg sangat kecil (b1),
perubahan neto nilai Z adalah Y1 (b1).
Perubahan neto nilai optimum karena kenaikan sumber daya disebut shadow
price sumber daya yg bersangkutan . dapat digunakan untuk menentukan
apakah menguntungkan untuk mendapatkan tambahan sumber daya.

E. Keuntungan Perhitungan bentuk Dual


Jika suatu masalah sedemikian sehingga bentuk primal memiliki sejumlah besar
kendala sementara variabel hanya sedikit, masalah tersebut dapat diselesaikan
dengan lebih efisien dalam bentuk dual.
ANALISA SENSITIVITAS
Post optimaly analysis analisis perubahan parameter dan pengaruhnya
terhadap solusi LP
Analisis ini terjadi setelah diperoleh solusi optimum perubahan atau variasi
dalam masalah LP yg biasanya dipelajari melalui post optimalt analysis dpt
dipisahkan ke dalam 3 kelompok umum :
a. Analisis yg berkaitan dg perubahan diskrit parameter untuk melihat berapa
besar perubahan dapat ditolelir sebelum solusi optimum mulai kehilangan
optimalitasnya dsbt Analisis Sensitivitas.
Jika

kecil parameter drastis solusi maka solusi sangat sensitif,

sebaliknya jika parameter tdk berpengaruh besar terhadap solusi maka


solusi relatif insensitif terhadap nilai parameter tsb.
b. Analisis yg berkaitan dg perubahan struktural muncul bila ada penambahan
atau penghilangan kendala dan atau variabel untuk menunjukkan operasi
alternatif.
c. Analisis yg berkaitan dg kontinu parameter untuk menentukan urutan solusi
dasar menjadi optimum jika ditambah lebih jauh dsbt parameteric
programming
Melalui analisa sensitivitas dapat dievaluasi pengaruh perubahan-perubahan
parameter dg sedikit tambahan perhitungan berdasarkan tabel simpleks
optimum.
Dalam analisis sensitivitas, perubahan-perubahan parameter dikelompokkan
menjadi
a. Perubahan koefisien fungsi tujuan (Cj)
b. Perubahan konstanta sisi kanan (Bi)
c. Perubahan kendala

d. Penambahan variabel baru


e. Penambahan kendala baru
Contoh
Sebuah perusahaan merencanakan memproduksi 3 barang A, B, dan C. Keuntungan
per unit barang-barang itu 2, 3, dan 1. diperlukan 2 sumber daya yaitu buruh dan
bahan mentah.
Max

Z = 2 X1 + 3 X2 + X3
1
1

/3 X 1 +

/3 X 1 X1 ,

/3 X2 +

/3 X3 1 kendala buruh

/3 X2 + 7/3 X3 3 kendala bahan mentah

X3 0

X2 ,

Dimana X1 , X2 , X3 adalah barang A, B, dan C yg dihasilkan


Tabel simplex awal
Basis
Z
S1
S2

X1
-2
1
/3
1
/3

X2
-3
1
/3
4
/3

X3
-1
1
/3
7
/3

S1
0
1
0

S2
0
0
1

Solusi
0
1
3

(I)

Melalui beberapa iterasi metode simpleks menghasilkan tabel optimum


Basis
Z
X1
X2

X1
0
1
0

X2
0
0
1

X3
3
-1
2

S1
5
4
-1

S2
1
-1
1

Solusi
8
1
2

( II )

tabel optimum : X1 = 1 ; X2 = 2 ; Z = 8
Dengan melakukan analisi sensitivitas dapat diperoleh informasi yg berhubungan dg
rencana produksi alternatif disekitar solusi optimum.
A. Perubahan Koefisien Fungsu Tujuan
1.

Perubahan koefisien fungsi tujuan dari variabel non basis.


Pada optimum barang C tidak diproduksi karena keuntungan per unitnya (C 3)
rendah yaitu 1. Dapat dicari interval C3 sehingga solusi optimum tidak
berubah.

Jika C3 turun tidak berpengaruh terhadap solusi optimum


Jika bertambah mungkin dapat menguntungkan untuk diproduksi.
Jika nilai C3 berubah, nilai koefisien persamaan Z dari variabel non basis X 3
(C3) pada tabel optimum turut berubah.
Tabel II adalah optimum selama C3 non negatif.
Pada tabel II CB = [ C1 , C2 ] = [ 2 , 3 ] dimana CB adalah vektor koef fungsi
tujuan var basis. Berdasarkan inner product rule C j = CbVj Cj diperoleh

C3 = [ 2

-1

, 3] 2

Opimum jika

C3 =

- C3 = 4 - C3

4 - C3 0 atau C3 4.

selama keuntungan per unit produk C kurang dari 4 adalah tidak ekonomis
menghasilkan barang C.
Misalkan keuntungan per unti barang C dinaikkan menjadi 6, maka C 3 = 4 -6 =
-2. Tabel II menjadi tidak optimum.
( III )

Basis
Z
X1
X3

X1
0
1
0

X2
0
0
1

X3
-2
1
(2)

S1
5
4
-1

S2
1
-1
1

Solusi
8
1
2

X3
0
0
1

S1
4
7
/2
-1/2

S2
2
-1/2
1
/2

Solusi
10
2
1

Tabel optimumnya menjadi :


( IV )

Basis
Z
X1
X3

X1
0
1
0

X2
1
1
/2
1
/2

Z = 10 ; X1 = 2 ; X3 = 1
2.

Perubahan Koefisien fungsi tujuan variabel basis


Misalkan ingin ditentukan pengaruh perubahan keuntungan per unti barang A
(C1). Untuk menentukan interval C1, perubahan C1 akan nengubah vektor
keuntungan CB karena CB = [ C1 , C2 ] . Dapat dibuktikan bahwa koef pers Z

variabel basis yaitu C1 dan C2 tidakterpengaruh dan tetap bernilai nol. Namun,
koef persamaan Z variabel non basis akan berubah. Tetapi selama C j non
negatif, Tabel II masih optimum. Dapat ditunjujjan nilai C 3,
CS1, CS2 sebagai fungsi dari C1 :
C3 = [C1 , 3 ] -1

- 1 = 4 - C1

CS1 = [C1 , 3 ]

- 0 = 4 C1 - 3

4
-1

CS2 = [C1 , 3 ] -1

- 0 = 3 - C1

C3

0 selama C1

CS1 0 selama C1

5
3

/4

CS2 0 selama C1 3
Tabel II akan tetap optimum jika interval C 1 yg dipilih 3/4 sampai 3. Jika C1
berubah nilai optimum fungsi tujuan akan berubah. Misal C1 = 1, solusi
optimum adalah X1 = 1

, X2 = 2

, X3 = 0 tetapi Z = 1( 1 ) + 3( 2 ) +

1( 0 ) = 7

3.

Perubahan Koef tujuan pada var basis dan non basis


Misal fungsi tujuan dirubah menjadi Z = X 1 +

4 X2 +

2X3 . Pengaruhnya

ditentukan dg memeriksan apakah koef persamaan Z pd tabel II tetap non


negatif. Koef persamaan Z variabel basis nilainya tdk berubah C 1 = C2 = 0,
sementara
C3 = [ 1 , 4 ]

-1
2

CS1 = [ 1 , 4 ]
negatif

- 2 = 5

- 0 = 0

- 0 = 3

Cj

non

4
-1

CS2 = [ 1 , 4 ] -1
1

Solusi optimum tdk berubah X1 = 1 , X2 = 2 , X3 = 0 dengan Z = 9 .


Sekarang ditemui indikasi adanya solusi optimum alternatif karena CS1 = 0

B.

Perubahan Koefisien Sisi Kanan


Misalkan ada penambahan 2 unit buruh sehingga vektor sisi kanan pada tabel
simplex awal
1 dari

2 menjadi
3

Jelas perubahan ini tdk membawa pengaruh pd tabel optimum. Untuk


mempelajari perubahan konstan sisi kanan, cukup membutuhkan apakah vektor
konstanta yg baru pd tabel akhir masih non negatif. Setiap kolom pada akhir
(termasuk vektor sisi kanan) dapat

diperoleh dg mengalikan kolom

yg

bersangkutan pd tabel awal dg inverse kolom basis.


Pada kasus ini kolom basis adalah kolom yg berhubungan dg X1 dan X2 (tabel I).
Sehingga matriks basis :
1

/3
1

/3

/3

Kolom yg berhubungan dg var basis awal pd setiap tabel simplex optimum


memberikan inverse kolom basis. Karena

S 1 dan S2 pada tabel II merupakan

inverse matrik basis sehingga :


B-1

4
-1
-1

Nilai konstan sisi kanan yg baru pd tabel II yg disebabkan karena pertambahan


buruh adalah :
B*

4
-1
-1

2
3

5
1

Vektor positif

Sehingga tabel II masih tetap optimum dan kombinasi barang optimal baru
adalah X1 = 5 , X2 = 1 , X3 = 0 , Z = 13. Solusi dan nilai optimum berubah
tetapi var basis tidak.
masih optimum jika hanya menghasilkan barang A dan B.
Misalkan tambahan 7 unit buruh dapat diperoleh dg kerja lembur yg biaya
tambahannya 4. Apakah menguntungkan menggunakan kerja lembur ? Pada
contoh ini tambahan keuntungan 13 8 = 5 ( > 4 ) berarti menguntungkan.
Kenaikan keuntungan ini dinamakan shadow price. Shadow price mencerminkan
perubahan neto nilai optimum karena pertambahan satu unit sumber daya,

selama perubahan sumber daya tdk mengubah variabel basis optimum. Agar
penggunaan shadow price berarti, harus dihitung interval pers. bahan sumber
daya sehingga var basis optimum tetap sama.
Contoh
Hitung berapa jauh ketersediaan buruh dapat diubah ?
Misal b1 tersedianya buruh dan b 0 vektor konstan sisi kanan yg baru pd tabel
awal, sehingga :
b0
=

b1
3

Setelah terjadi perubahan sumber daya, pd tabel simplex optimum harus


dipenuhi
b* = B-1. b0 0

( non negatif )
4
-1
-1

Karena B-1 =

maka B-1. b0 =

4
-1
-1
4b1 3
-b1 +

3 0 atau b1

B-1. b0 non negatif selama 4b1 -

b1
3

/4

-b1 + 3 0 atau b1 3
3

Untuk semua

/4 b1 3 solusi optimum adalah :

X1 = 4b1 -

X1 = -b1 + 3
X1 = 0
Z = 2 (4b1 -

3 ) + 3 (-b1 + 3) = 5b1 + 3

Misalkan buruh bertambah jadi 4


b0
=

b*
=

4
3
4.4 3
-4
+

1
3
-1

Tidak optimum karena solusi basis X1 = 13 , X2 = -1 , X3 = S1 = S2 = 0 adalah


tdk layak, dituliskan lagi dlm tabel :
Bas

S1

S2

Sisi

is
Z
X1

0
1

0
0

3
-

5
4

1
-1

13

X2

1
2

-1

-1

(V)

kanan

Meskipun

tabel V tdk layak untuk masalah primal, ia layak untuk masalah dual karena
semua koef persamaan Z non negatif. Solusi optimum baru dg metode dual
simplex :
( VI )

Bas

S2

Solusi

is
Z

18

X1
S2

1
0

4
-

3
7
-2

0
1

3
-1

9
1

Tabel VI

optimum

1
karena konstan sisi kanan positif.

Cara Alternatif : Misalkan ketersediaan tenaga kerja (b1) berubah , sedangkan


yg lain tetap. Perubahan ini menyebabkan perubahan kolom solusi pada tabel
simplex awal sebesar koefisien pd kolom yg berhubungan yaitu S1. Pengaruh itu
akan ditiru pd itersi selanjutnya sampai simplex optimum. Karena itu untuk
mengetahui pengaruh perubahan tenaga kerja, cukup diperiksa kolom slack yg
berhubungan dg kendala yg diubah ketersediaannya nilai-nilai pd kolom solusi
non negatif
1 + 4 0

/4

2 - 1 0
2

dan

Karena jumlah tenaga kerja adalah b1 = 1 + atau = b1 1, jika disubtitusi


menjadi :
b1 - 1 - 1/4
b1

/4

/4 b 1 3

2 b1 - 1
dan

3 b1

Dengan cara yg sama dpt dicari untuk bahan mentah (b2)


1 - 1 0

2 + 1

-2

dan

Karena jumlah bahan mentah adalah b2 = 3 + atau = b2 3 maka :


1 b2 - 3

b2 - 3 - 2

4 b2

dan

b2

1 b2 4
Jadi nilai b2 yg memenuhi adalah 1 b2

4. Ini berarti selama jumlah bahan

mentah berada di interval itu solusi optimum tdk berubah


C.

Perubahan Matriks Kendala ( A )


Matriks kendala atau koefisien matriks A dapat berubah karena :
1.

Penambahan variabel - variabel atau kegiatan kegiatan


baru

2.

Perubahan kebutuhan sumber daya dari kegiatan

kegiatan yg ada
3.

Penambahan kendala baru

1. Penambahan kegiatan baru


Misalkan ingin ditambahkan produk baru D yg membutuhkan 1 unit buruh dan
1

unit

bahan

mentahdengan

keuntungan

menguntungkan ?

per

unit

3.

Apakah

1 kolom
Secara matematik ekivalen dg penambahan variabel X4 dan

pada tabel I.
Kombinasi produk optimum tabel II masih optimum selama koef persamaan Z
dr produk baru sebut saja C4 adalah non negatif. Dari revised simplex method
diperoleh Cj =

CB

B-1 Pj - CJ.

Ingat bahwa

4
-1
-1

B-1 = [ 2 ,
3]
CB

Dalam kasus ini, C4 = 3 dan P41=


= 3 (non negatif)

5
1

, sehingga C41=[ 5 , 1 ]
1

-3

Memproduksi brang D tdk akan menambah keuntungan. Jika kegiatan baru


dapat memperbaiki keuntungan bila Cj nya negatif kemudian selesaikan dg
metode simpleks.
2. Perubahan Keperlaun Sumber daya
Jika buruh atau kebutuhan bahan mentah dari kegiatan non basis ( misal
barang C ) berubah, pengaruh pd solusi optimum dapat dipelajari dengan
mengikuti langkah langkah yg sama seperti kasus sebelumnya. Dipihak lain,
jika koefisien kendala dari kegiatan basis ( misal barang A atau B ) berubah
maka matriks basis dengan sendirinya terpengaruh yg dapat mempengaruhi
semua angka angka tabel II. Kemudian tabel II kemungkinan menjadi tidak
layak untuk masalah primal maupun dual. Dalam keadaan seperti ini,
mungkin lebih baik diselesaikan kembali dengan metode simpleks.
3. Penambahan Kendala Baru
Misalkan terdapat tambahan kendala jasa administrasi terhadap masalah
dimana barang A, B, dan C masing masing membutuhkan 1, 2 dan 1 jam
jasa administrasi sementara tersedia 10 jam administrasi. Ini akan menambah
kendala baru :
X1 + 2 X2 + X3 10
Untuk

mempelajari

pengaruhnya

terhadap

solusi

optimum

cukup

membuktikan apakah kombinasi barang optimum yg ada memnuhi kendala


baru. Jika memenuhi kombinasi barang optimum tidak perlu diubah.
Misalkan jam administrasi yg tersedia hanya 4 maka kendala baru menjadi X 1
+ 2 X2 + X3

4 solusi optimum yg ada ( X 1 = 1 , X2 = 2 , X3

= 0 )

menyimpang dari kendala ini. Sehingga tabel II tidak lagi optimum. Untuk
mencari solusi optimum yg baru, tambahkan kendala baru seperti pada baris
ketiga tabel berikut ini. Dengan menggunakan S 3 sebagai variabel slack pada
kendala baru
( VII )

Bas
is
Z
X1
X2
S3

0
1
0
1

0
0
1
2

3
-1
2
1

S1
5
4
-1
0

S2

S3

Sisi kanan

1
-1
1
0

0
0
0
1

1
2
4

Karena X1 dan X2 merupakan variabel non basis, maka koefisien baris ketiga yg
berhubungan dengan X1 dan X2 harus sama dengan nol. Ini dapat dicapai dengan
perkalian baris pertama dengan -1 baris, kedua dengan -2 dan tambahkan
mereka pada baris ketiga. Tabel VIII menunjukkan tabel baru setelah operasi
baris. Ingat bahwa koefisien persamaan Z tidak terpengaruh oleh proses ini,
karena variabel basis yg baru S3 merupakan variabel slack.
(VIII)

Bas
is
Z
X1
X2
S3

0
1
0
1

0
0
1
2

3
-1
2
-2

S1
5
4
-1
-2

S2
1
-1
1
(-

S3

Sisi kanan

0
0
0
1

1
2
-1

1)
Karena tabel VIII optimum tetapi tdk layak (dual feasible) maka metode dual
simplex diaplikasikan untuk mencari solusi optimum baru. Variabel basis S 3
meninggalkan basis kasrena rasio absolut terkecil adalah pada S 2 [ min ( -3/2 , 5

/2 , -1/1 ) ] maka variabel digantikan S3 oleh S2. Iterasi berikutnya :

(IX)

Bas

is
Z
X1
X2
S3

0
1
0
1

0
0
1
2

S1

S2

S3

Solusi

1
-1
1
-1

7
2
1
1

1
1
0
2

3
6
-3
2

0
0
0
1

Tabel IX adalah optimum sekaligus layakdan kombinasi barang optimum yg baru


adalah menghasilkan 2 unit barang A dan 1 unit barang B. Keuntungan
maksimum telah berkurang dari 8 menjadi 7 karena penambahan kendala baru.
Jika kendala baru ditambahkan terhadap suatu masalah LP, nilai optimum yg
lama akan selalu lebih baik atau sama dibanding nilai optimum baru. Sehingga
penambahan suatu kendala baru tidak dapat memperbaiki nilai optimum setiap
masala LP.

> with(simplex):
> dual( 5*x+6*y, {x+y1-y2>=1000,x-y1+y2<=-1000, x<=300,-y<=-150},
w );

>
Warning, problem appears to be unbounded

>

>
>

> restart:

Use LPSolve to minimize a linear function of two variables subject to four linear constraints.
> with(Optimization):
LPSolve
(
20*wa+5*wb+8*wc+15*ha+20*hb+10*hc+25*pa+10*pb+19*pc,
{
wa+wb+wc=90,
ha+hb+hc=60,
pa+pb+pc=50,
wa+ha+pa=50,
wb+hb+pb=110,
wc+hc+pc=40,
wa>=0,wb>=0,wc>=0,ha>=0,hb>=0,hc>=0,pa>=0,pb>=0,pc>=0
});

> with(Optimization):
Use LPSolve to minimize a linear function of two variables subject to four linear constraints.
> LPSolve(5*x+6*y, {x+y=1000, x<=300,y>=150, x>=0, y>=0});

> restart:
with(Optimization):
LPSolve
(
12*wa+18*wb+20*wc+30*ha+10*hb+8*hc+20*pa+25*pb+12*pc,
{
wa+wb+wc=6,

ha+hb+hc=5,
pa+pb+pc=8,
wa+ha+pa=4,
wb+hb+pb=8,
wc+hc+pc=7,
wa>=0,wb>=0,wc>=0,ha>=0,hb>=0,hc>=0,pa>=0,pb>=0,pc>=0
});

>