rul2a@yahoo.com
ANALISIS SENSITIVITAS
Solusi optimal dalam persoalan LP diperoleh di bawah asumsi kondisi determinstik
(certainty condition), artinya data yang dilibatkan dalam formulasi modelnya bersifat
pasti, seperti : harga tetap, kapasitas sumber diketahui secara pasti dan waktu
proses yang dibutuhkan telah ditentukan secara pasti. Namun dalam dunia nyata,
kondisi deterministik ini tidak realistik; kondisi bersifat dinamis dan selalu ada
kemungkinan untuk berubah. Untuk mengantisipasi situasi ini, dibutuhkan suatu
analisis sensitivitas untuk mengetahui kepekaan tingkat optimal terhadap
kemungkinan perubahan setiap variabel yang dilibatkan dalam formulasi modelnya.
Analisis sensitivitas untuk LP dapat dijabarkan menjadi lima aspek, yaitu :
(1). Perubahan koefisien fungsi tujuan,
(2). Perubahan kapasitas sumber,
(3). Perubahan koefisien teknologi,
(4). Penambahan satu baris fungsi kendala,
(5). Penambahan variabel.
1. Perubahan koefisien fungsi tujuan.
Pengaruh perubahan koefisien fungsi tujuan ditentukan secara langsung dari
Tabel Optimal. Kepekaan tabel optimal terhadap perubahan koefisien fungsi
tujuan ini diukur dengan menambahkan sebuah variabel : ∆ (di mana ∆ ≈ 0)
kepada koefisien fungsi tujuan yang berubah. Koefisien fungsi tujuan berubah
menjadi cj + ∆, dan kriteria optimal tetap menggunakan ∀ (cj – Zj) < 0 atau ∀
(Zj – cj) > 0 pada tabel optimal. Untuk persoalan maksimasi, kriteria yang
dipakai untuk menjaga optimalitas adalah cj + ∆ - Zj < 0. Aplikasinya dapat
dilakukan kepada variabel basis maupun non basis.
a. Kasus-1 : variabel non basis (NBV).
Max. Z = 6 X1 + 8 X2
s/t.
5 X1 + 10 X2 < 60 → kendala mesin giling.
4 X1 + 4 X2 < 40 → kendala mesin pemotong logam.
∀ Xi > 0
Tabel Optimal.
cj 6 8 0+∆ 0
CB XB
Basic X1 X2 S1 S2
8 X2 0 1 1/5 -1/4 2
6 X1 1 0 -1/5 ½ 8
Zj 6 8 2/5 1 64
cj – Zj 0 0 ∆ - 2/5 -1
2. Perubahan nilai sisi sebelah kanan (kapasitas sumber atau bj atau RHS).
Kepekaan terhadap perubahan nilai sisi sebelah kanan (right hand side atau
RHS) merupakan tinjauan penting bagi manajemen, sebab menyangkut kepada
kapasitas sumber. Perubahan kapasitas sumber ini seringkali berkaitan dengan
keputusan tertentu dari manajemen, misal pelaksanaan ekspansi, atau pengaruh
faktor eksternal, misal adanya potongan harga pembelian bahan baku karena
adanya pembelian bahan baku dalam jumlah besar.
Nilai sisi sebelah kanan pada setiap Tabel Simplex adalah nil;ai yang tertera pada
kolom “Solution” atau XB. XB dihitung dengan operasi matriks sebagai berikut :
XB = [B-1]b
Di mana,
XB = nilai sisi sebelah kanan atau RHS,
B-1 = matriks inversi variabel basis pada tabel optimal,
b = nilai sisi sebelah kanan yang asli (orisinal pada Tabel Simplex Awal).
Untuk menjaga fisibilitas XB > 0 pada setiap iterasi, dapat digunakan matriks
inversi variabel basis pada Tabel Simplex optimal (Optimal Table).
1/5 -1/4
B-1 =
-1/5 1/2
1/5 -1/4 60 2
XB = =
-1/5 ½ 40 8
Perhitungan tingkat kepekaan terhadap setiap nilai sisi sebelah kanan dapat
dilakukan dengan menambahkan ∆ pada RHS yang bersangkutan. Contoh untuk
kendala no. 1 :
XB = [B-1]b > 0
Range ∆ untuk kendala no.1 dapat dihitung dengan dua set persamaan berikut :
2 + ∆/5 > 0 dan 8 - ∆/5 > 0
∆/5 > -2 ∆/5 > -8
∆ > -10 ∆ < 40
Range ∆ : -10 < ∆ < 40 atau 50 < b1 < 100.
Untuk kendala no. 2, range kepekaan dapat dihitung dengan cara yang sama :
1/5 -1/4 60 0
XB = >
-1/5 ½ 40 +∆ 0
Range ∆ untuk kendala no.2 dapat dihitung dengan dua set persamaan berikut :
2 - ∆/4 > 0 dan 8 + ∆/2 > 0
- ∆/4 > -2 ∆/2 > -8
∆<8 ∆ > -16
Range ∆ : -16 < ∆ < 8 atau 24 < b2 < 48.
Cj 6 8 0 0 0
CB Solution
Basic X1 X2 S1 S2 S3
8 X2 0 1 1/5 -1/4 0 2
6 X1 1 0 -1/5 ½ 0 8
0 S3 0 0 -7/10 -7/8 1 -3.5
Zj 6 8 2/5 1 0 64
Cj-Zj 0 0 -2/5 -1 0
Pada kolom XB nilai baris S3 = -3.5, ini menunjukkan bahwa tabel tersebut tidak
optimal. Variabel yang menggantikannya dipilih berdasar nilai absolut ratio
terkecil atau absolute pivot point (ini aturan dalam algoritma dual) :
0
X1 : → diabaikan
0
0
X2 : → diabaikan
0
-2/5
S1 : = 4/7 → pivot point
-7/10
-1
S2 : = 8/7
-7/8
0
S3 : → diabaikan
1
↑ ↑
opportunity cost opportunity cost
mesin giling mesin pemotong logam
Catatan : angka opportunity cost bisa dilihat pada tabel Simplex optimal di baris
Zj pada masing-masing kolom slack variable (S1 dan S2).
Pengisian nilai kolom X3 dapat dihitung dengan B-1X3 :
Koefisien X3 = B-1X3 : 1/5 -1/4 4 3/10
=
-1/5 ½ 2 1/5
5. Perubahan Teknologi.
Perubahan teknologi dapat menyebabkan perubahan penggunaan sumber.
Perubahan tersebut tidak berakibat kepada koefisien fungsi tujuan, tetapi
berakibat kepada daerah fisibel sehingga ada kemungkinan perubahan tingkat
optimalitas.
Kasus-3 :
Max. Z = 50 X1 + 120 X2
S/t.
2 X1 + 4 X2 < 80 → kendala kapasitas waktu kerja di bagian listrik.
3 X1 + 1 X2 < 60 → kendala kapasitas waktu kerja di bagian audio.
∀ Xi > 0
Tabel Simplex Optimal (lihat Suplemen-4).
Cj 50 120 0 0
CB Solution
Basic X1 X2 S1 S2
120 X2 ½ 1 ¼ 0 20
0 S2 5/2 0 -1/4 1 40
Zj 60 120 30 0 2400
Cj – Zj -10 0 -30 0
Perubahan teknologi dapat merubah koefisien pada fungsi kendala, misal : untuk
memproduksi X1 dibutuhkan waktu pada bagian audio yang lebih singkat, dari 3
satuan waktu menjadi 2 satuan waktu. Maka kendala kapasitas waktu kerja pada
bagian audio berubah menjadi : 2 X1 + 1 X2 < 60. Kendala baru ini tidak
berpengaruh kepada fungsi tujuan, tetapi ada pengaruhnya terhadap daerah
fisibel, sehingga ada kemungkinan perubahan tingkat optimal.
Suplemen-4 : Hasil Optimasi LP dengan Program QSB.
Summarized Results for SENTV Page : 1
Variables Opportunity Variables Opportunity
Solution Solution
No. Name Cost No. Name Cost
1 X1 0 +10.0000 3 S1 0 +30.0000
2 X2 +20.000 +1.333333 4 S2 +40.000 0
Maximum Value of the OBJ. = 2400 Iters. = 1
Penjelasan hal ini lebih mudah digambarkan dengan pendekatan grafis sebagai
berikut :
X2
60 3 X1 + 1 X2 < 60
40 solusi optimal
20 a b 2 X1 + 4 X2 < 80
c X1
20 40
Perubahan koefisien kendala waktu kerja pada bagian audio ternyata tidak
merubah tingkat optimalitas.
X2
2 X1 + 1 X2 < 60
60
40 solusi optimal
20 a 2 X1 + 4 X2 < 80
b
c X1
20 30 40
Jika yang terjadi adalah perubahan waktu kerja pada bagian listrik, sehingga
kendala waktunya berubah menjadi : 2 X1 + 5 X2 < 80; maka akan terjadi
perubahan tingkat optimal sebagai berikut :
X2
60 3 X1 + 1 X2 < 60
40 solusi optimal
20 2 X1 + 5 X2 < 80
16 a b
X1
c
20 40
Dari pendekatan grafis ini tampak bahwa ada perubahan titik optimal dari titik-a
bergeser ke titik-b.
Tabel optimal tersebut di atas dapat dituliskan dalam bentuk pernyataan matematis
sebagai berikut :
Baris-0 : Z + 5.00 X2 + 10 S2 + 10 S3 = 280
Baris-1 : - 2.00 X2 + 1 S1 + 2 S2 - 8 S3 = 24
Baris-2 : - 2.00 X2 + 1 X3 + 2 S2 - 4 S3 = 8
Baris-3 : 1 X1 + 1.25 X2 + 0.5 S2 + 1.50 S3 = 2
Tampak bahwa variabel basis (BV) = {S1 X3 X1}, sedang variabel non basis
(NBV) = {S2 S3 X2}. Solusi optimal = 280, X1* = 2, X3* = 8, X2* = 0, S1 = 24, S2
= 0 dan S3 = 0.
1. Perubahan Koefisien Fungsi Tujuan Untuk NBV.
Pada persoalan LP di atas, satu-satunya variabel keputusan yang menjadi NBV
adalah X2 dengan koefisien fungsi tujuan, c2 = 30. Range perubahan c2 tetap
tidak merubah optimalitas jika ç2 > 0.
çj = CBV B-1 aj - cj
di mana,
çj = range koefisien BV pada fungsi tujuan agar tetap optimal,
CBV = vektor kolom koefisien BV pada fungsi tujuan pada tabel Simplex optimal,
B = matriks koefisien BV Tabel Optimal yang ada pada Tabel Awal,
aj = vektor kolom koefisien variabel keputusan Xj yang menjadi NBV pada Tabel
Awal,
cj = koefisien Xj pada fungsi tujuan dalam Tabel Awal.
Aplikasi rumus di atas untuk variabel basis adalah sebagai berikut :
CBV = [ 0 20 60 ] → lihat tabel optimal.
B = 1 1 8
0 1.5 4 → lihat tabel awal.
0 0.5 2
B-1 = 1 2 -8
0 2 -4 → lihat tabel optimal.
0 -0.5 1.5
CBV B-1 = [ 0 20 60 ] 1 2 -8 = [0 10 10 ]
0 2 -4
0 -0.5 1.5
c1 = 60 + ∆ c2 = 30 c3 = 20
Agar tetap optimal, maka koefisien BV pada baris-0 dalam tabel optimal
harus tetap = 0. Koefisien NBV untuk baris-0 yang baru akan berubah
menjadi :
ç2 = CBV B-1 a2 – c2
=[0 10-0.5∆ 10+1.5∆ ] 6 - 30 = 5 + 1.25∆
2
1.5
Koefisien untuk S2 pada baris-0 = 10 – 0.5∆
Koefisien untuk S1 pada baris-0 = 10 + 1.5∆
Baris-0 pada kondisi optimal sekarang adalah :
Z + (5 + 1.25∆) X2 + (10 – 0.5∆) S2 + (10 + 1.5∆) S3
Dari baris-0 yang baru ini tampak bahwa optimalitas tetap terjaga jika dan
hanya jika (if and only if) :
5 + 1.25∆ > 0 → ∆ > -4
10 – 0.5∆ > 0 → ∆ < 20
10 + 1.5∆ > 0 → ∆ > -20/3
Dari ketiga prasyarat tersebut dapat disimpulkan bahwa ∆ berada dalam
range fisibel sebagai berikut : - 4 < ∆ < 20 (lihat gambar di bawah) :
-4 ∆ > -4
∆ < 20 20
-5 ∆>-5
Maka range c3 yang dapat menjaga optimalitas adalah : 15 < c3 < 22.5.
1 2 -8
0 2 -4
0 -0.5 1.5
- 12 ∆ > - 12
-4 ∆>-4
∆<+4 +4
Maka range b2 yang dapat menjaga optimalitas adalah 16 < b2 < 24.
b. Untuk b1 :
Nilai sisi kanan pada Tabel Simplex Optimal dengan adanya perubahan b1
menjadi 48 + ∆, sekarang adalah :
24 + ∆
8
2
Untuk menjaga optimalitas, maka setiap elemen b yang baru ini harus
seluruhnya > 0 :
24 + ∆ > 0 → ∆ > - 24
8>0
2>0
Dari ketiga prasyarat tersebut dapat disimpulkan bahwa ∆ berada dalam
range sebagai berikut : - 24 < ∆ < ∞.
Maka range b1 yang dapat menjaga optimalitas adalah : 24 < b1 < ∞.
c. Untuk b3 :
Nilai sisi kanan pada Tabel Simplex Optimal dengan adanya perubahan b3
menjadi 8 + ∆, sekarang adalah :
24 – 8 ∆
8–4∆
2 + 1.5∆
Untuk menjaga optimalitas, maka setiap elemen b yang baru ini harus
seluruhnya > 0 :
24 – 8 ∆ > 0 → ∆ < + 3
8–4∆>0 →∆<+2
2 + 1.5 ∆ > 0 → ∆ > - 4/3
Dari ketiga prasyarat tersebut dapat disimpulkan bahwa ∆ berada dalam
range sebagai berikut : -4/3 < ∆ < + 2 (lihat gambar).
∆ < +3 +3
∆<+2 +2
Maka range b3 yang dapat menjaga optimalitas adalah : 20/3 < b3 < 10.
=[0 10 10 ] 5 - 43 = -3 (negatif).
2
2
Kondisi sekarang menjadi tidak optimal lagi karena ç2 < 0. ç2 = -3 memberi arti
bahwa setiap memproduksi 1 unit X2 dapat menimbulkan peningkatan z
sebanyak +3. Maka X2 dapat menjadi variabel basis. Lakukan iterasi ulang untuk
mendapatkan BV yang baru. Untuk itu harus dihitung terlebih dahulu vektor
kolom koefisien X2 yang baru dengan :
B-1 a2 = 1 2 -8 5 = -7
0 2 -4 2 -4
0 -0.5 1.5 2 2
Tabel Simplex Optimal yang baru setelah dilakukan iterasi ualng adalah :
Baris-0 : z + 1.5 X1 + 9.25 S2 + 12.25 S3 = 283
Baris-1 : + 3.5 X1 + S1 + 0.25 S2 – 2.75 S3 = 31
Baris-2 : + 2.0 X1 + X3 + S2 - S3 = 12
Baris-3 : + 0.5 X1 + X2 - 0.25 S2 + 0.75 S3 = 1
BV yang baru adalah = { S1 X3 X1 }
* * *
Zmax = 283, X3 = 12, X2 = 1, X1 = 0 dan S1 = 31.
Kesimpulan : jika koefisien kolom NBV, xj berubah, tingkat optimalitas tetap
terjaga jika çj > 0 dan sebaliknya jika çj < 0, maka kondisi menjadi tidak optimal
lagi.
c4 = 15 dan a4 = 1
1
1
Iterasi 1.
Cj 80 60 0 0 -M -M
Cj XB
Basic U1 U2 S1 S2 A1 A2
80 U1 1 3/2 -1/2 0 1/2 0 25
-M A2 0 -5 2 -1 -2 1 20
Zj 80 120+5M -40-2M M 40+2M -M 2000-20M
Cj - Zj 0 -60-5M 40+2M -M -40-3M 0
1) 34.00000
NO. ITERATIONS= 2
Dari printout ini dapat dibuat tabel optimal primal sebagai berikut :
Tabel Awal Primal
Cj 3 4 2 0 0 0 0 0 0 0
Cb XB
Basic X1 X2 X3 S1 S2 S3 S4 S5 S6 S7
0 S1 1 1 0 1 0 0 0 0 0 0 8
0 S2 0 1 1 0 1 0 0 0 0 0 15
0 S3 8 -2 0 0 0 1 0 0 0 0 2
0 S4 1 1 -1 0 0 0 1 0 0 0 12
0 S5 2 2 1 0 0 0 0 1 0 0 22
0 S6 4 3 0 0 0 0 0 0 1 0 21
0 S7 0 0 1 0 0 0 0 0 0 1 3
0 Cj 0 0 0 0 0 0 0 0 0 0 0
Cj-Zj 3 4 2 0 0 0 0 0 0 0
Iterasi-1.
Cj 3 4 2 0 0 0 0 0 0 0
Cb XB
Basic X1 X2 X3 S1 S2 S3 S4 S5 S6 S7
0 S1 -0.33 0 0 1 0 0 0 0 -0.33 0 1
0 S2 -1.33 0 1 0 1 0 0 0 -0.33 0 8
0 S3 10.67 0 0 0 0 1 0 0 0.67 0 16
0 S4 -0.33 0 -1 0 0 0 1 0 -0.33 0 5
0 S5 -0.67 0 1 0 0 0 0 1 -0.67 0 8
4 X2 1.33 1 0 0 0 0 0 0 0.33 0 7
0 S7 0 0 1 0 0 0 0 0 0 1 3
0 Cj 5.33 4 0 0 0 0 0 0 1.33 0 28
Cj-Zj -2.33 0 2 0 0 0 0 0 -1.33 0
Tabel Optimal Primal.
Cj 3 4 2 0 0 0 0 0 0 0
XB
Cb Basic X1 X2 X3 S1 S2 S3 S4 S5 S6 S7
0 S1 -0.33 0 0 1 0 0 0 0 -0.33 0 1
0 S2 -1.33 0 0 0 1 0 0 0 -0.33 -1 5
0 S3 10.67 0 0 0 0 1 0 0 0.67 0 16
0 S4 -0.33 0 0 0 0 0 1 0 -0.33 0.33 8
0 S5 -0.67 0 0 0 0 0 0 1 -0.67 -0.33 5
4 X2 1.33 1 0 0 0 0 0 0 0.33 0 7
2 X3 0 0 1 0 0 0 0 0 0 1 3
0 Cj 5.33 4 2 0 0 0 0 0 1.33 2 34
Cj-Zj -2.33 0 0 0 0 0 0 0 -1.33 -2
Xi* Z*
Slack or Surplus
Printout LINDO hanya mampu memberikan informasi slack or surplus (XB), Z*, Xi*
reduced cost dan dual prices. Nilai-nilai pada sel tidak dipentingkan oleh LINDO.
NO. ITERATIONS= 7
Iterasi-1
Cj -8 -15 -2 -12 -22 -21 -3 0 0 0 -M -M -M
Cb XB
Basic U1 U2 U3 U4 U5 U6 U7 S1 S2 S3 A1 A2 A3
-21 U6 0.25 0 2 0.25 0.5 1 0 -0.25 0 0 0.25 0 0 0.75
-M A2 0.25 1 -8 0.25 0.5 0 0 0.75 -1 0 -0.75 1 0 1.75
-M A3 0 1 0 -1 1 0 1 0 0 -1 0 0 1 2
-5.25 -42 -5.25 -10.5 5.25 -5.25 -15.75
Zj -2M -21 -M +M +M -M -M
-0.25M +8M +0.75M -1.5M -0.75M +0.75M -3.75M
-2.75 -15 40 -6.75 -11.5 -3 -5.25 5.25
Cj - Zj 0 -M -M 0 0
+0.25M +2M -8M -0.75M +1.5M +M +0.75M -1.75M
Iterasi-2
Cj -8 -15 -2 -12 -22 -21 -3 0 0 0 -M -M -M
Cb XB
Basic U1 U2 U3 U4 U5 U6 U7 S1 S2 S3 A18 A2 A3
-21 U6 0.25 0 2 0.25 0.5 1 0 -0.25 0 0 0.25 0 0 0.75
-15 U2 0.25 1 -8 0.25 0.5 0 0 0.75 -1 0 -0.75 1 0 1.75
-M A3 -0.25 0 8 -1.25 0.5 0 1 -0.75 1 -1 0.75 -1 1 0.25
-9 78 -9 -18 -6 15 6 -15 -42
Zj -15 -21 -M +M -M
+0.25M -8M +1.25M -0.5M +0.75M -M -0.75M +M -0.25M
1 -80 -3 -4 -3 6 -15 -6 15
Cj - Zj 0 0 -M 0
-0.25M +8M -1.25M +0.5M +M -0.75M +M -0.25M -2M
Iterasi-3
Cj -8 -15 -2 -12 -22 -21 -3 0 0 0 -M -M -M
Cb XB
Basic U1 U2 U3 U4 U5 U6 U7 S1 S2 S3 A1 A2 A3
-21 U6 0.3125 0 0 0.5625 0.375 1 -0.25 -0.0625 -0.25 0.25 0.0625 0.25 -0.25 0.6875
-15 U2 0 1 0 -1 1 0 1 0 0 -1 0 0 1 2
-2 U3 -0.03125 0 1 -0.15625 0.0625 0 0.125 -0.09375 0.125 -0.125 0.09375 -0.125 0.125 0.03125
Zj -6.5 -15 -2 3.5 -23 -21 -10 1.5 5 10 -1.5 -5 -10 -44.5
Cj - Zj -1.5 0 0 -15.5 1 0 7 -1.5 -5 -10 -M+1.5 -M+5 -M+10
Iteras-4
Cj -8 -15 -2 -12 -22 -21 -3 0 0 0 -M -M -M
Cb XB
Basic U1 U2 U3 U4 U5 U6 U7 S1 S2 S3 A1 A2 A3
-21 U6 0.25 0 2 0.25 0.5 1 0 -0.25 0 0 0.25 0 0 0.75
-15 U2 0.25 1 -8 0.25 0.5 0 0 0.75 -1 0 -0.75 1 0 1.75
-3 U7 -0.25 0 8 -1.25 0.5 0 1 -0.75 1 -1 0.75 -1 1 0.25
Zj -8.25 -15 54 -5.25 -19.5 -21 -3 -3.75 12 3 3.75 -12 -3 -42.75
Cj - Zj 0.25 0 -56 -6.75 -2.5 0 0 3.75 -12 -3 -M-3.75 -M+12 -M+3
Tabel Optimal Dual memberikan informasi bahwa U6* = 1.33, U7* = 2, S1* = 2.33
dan Z* = 34.
U6 pada formulasi dual adalah kontribusi atau keuntungan potensial dari setiap unit
kapasitas sumber pada kendala no. 6 pada formulasi primal. U7 pada formulasi dual
adalah kontribusi atau keuntungan potensial dari setiap kapasitas sumber pada
kendala no. 7 pada formulasi primal.
Perbandingan tabel optimal primal dan tabel optimal dual dapat dilihat sebagai
berikut :