Analisis Sensitivitas PDF

Kamarul Imam
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
D:\Documents and Settings\HOME\My Documents\OPERATION 1

RESEARCH\ANALISIS SENSITIVITAS.doc
Kamarul Imam
rul2a@yahoo.com
Untuk melihat kepekaan NBV (misal S1), dapat dilakukan penambahan ∆

pada koefisien S1, sehingga menjadi 0 + ∆. Sel cj – Zj pada kolom S1 menjadi
∆ - 2/5. Kriteria optimal untuk maksimasi adalah ∀ cj – Zj < 0.
∆ - 2/5 < 0 atau ∆ < 2/5.
Perubahan koefisien S1 tidak berakibat terhadap optimalitas selama berada
dalam range -∞ sampai dengan +2/5. Analog dengan cara tersebut di atas,
maka kepekaan S2 dapat dihitung sebagai berikut : ∆ - 1 < 0 atau ∆ < 1.
Perubahan koefisien S2 tidak berakibat terhadap optimalitas selama berada
dalam range -∞ sampai dengan +1.
Secara mudah, untuk NBV, range kepekaan dapat dihitung dengan melihat
nilai absolut di baris cj – Zj pada kolom yang bersangkutan.
b. Kasus-2 : variabel basis (BV).
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+∆/5 1 - ∆/4 64 + ∆
cj – Zj 0 0 - 2/5-∆/5 -1+∆/4
Kriteria optimal adalah ∀ cj – Zj < 0, maka untuk variabel X2 berlaku
hubungan sebagai berikut :
- 2/5-∆/5 < 0 -1+∆/4 < 0
-∆/5 < 2/5 ∆/4 < 1
∆ > -2 ∆<4
Maka range perubahan koefisien X2 yang tidak mengganggu optimalitas
adalah : (8-2) < ∆ < (8+4) atau : 6 < ∆ < 12. Artinya, jika c2 berubah
menjadi < 6 atau > 12, maka perlu dilakukan prosedur perhitungan ulang
dengan metode Simplex untuk mencapai tingkat optimal yang baru. Dengan
cara yang sama, dapat pula dihitung kepekaan untuk koefisien X1.
Berikut ini hasil perhitungan kepekaan koefisien fungsi tujuan yang tidak
berakibat terhadap optimalitas hasil.
Variabel Range ∆ Range cj
X1 -2 < ∆ < 2 4 < cj < 8
X2 -2 < ∆ < 4 6 < c2 < 12
S1 -∞ < ∆ < 2/5 -∞ < cs1 < 2/5
S2 -∞ < ∆ < 1 -∞ < cS2 < 1

Kamarul Imam
rul2a@yahoo.com
Suplemen-1 : hasil optimal LP dengan program QSB.

Summarized Results for SENTV Page : 1
Variables Opportunity Variables Opportunity
Solution Solution
No. Name Cost No. Name Cost
1 X1 +8.0000 0 3 S1 0 +4.0000
2 X2 +2.0000 0 4 S2 0 +1.0000
Maximum Value of the OBJ. = 64 Iters. = 2
Sensitivity Analysis for OBJ Coefficients Page : 1

C(j) Min. C(j) Original Max. C(j) C(j) Min. C(j) Original Max. C(j)
C(1) +4.0000 +6.0000 +8.0000 C(2) +6.0000 +8.0000 +12.0000
Sensitivity Analysis for RHS Page : 1

B(i) Min. B(i) Original Max. B(i) B(i) Min. B(i) Original Max. B(i)
B(1) +50.0000 +60.0000 +100.0000 B(2) +24.0000 +40.0000 +48.0000
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).

Kamarul Imam
rul2a@yahoo.com
Tabel Simplex Optimal.

Cj 6 8 0 0
CB Solution
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
1/5 -1/4
B-1 =
-1/5 1/2
Matriks b dapat dilihat pada Tabel Awal (Initial Table) :

Tabel Simplex Awal
Cj 6 8 0 0
CB Solution
Basic X1 X2 S1 S2
0 S1 5 10 1 0 60
0 S2 4 4 0 1 40
Zj 0 0 0 0 0
Cj – Zj 0 0 -2/5 -1
60
b=
40
Maka matriks XB dapat dihitung = B-1.b
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

Kamarul Imam
rul2a@yahoo.com
1/5 -1/4 60+∆ 0

XB = >
-1/5 ½ 40 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.
3. Penambahan fungsi kendala (baris).

Penambahan satu baris kendala kepada persoalan LP awal dapat terjadi karena
beberapa alasan. Pertama, para analis manajemen terlalu sederhana
memformulasi persoalan awal. Kedua, adanya informasi baru atau kendala baru
yang kemudian harus dipertimbangkan. Jelasnya, manajemen selalu
menghendaki formulasi kendala yang ketat untuk menghasilkan optimasi yang
lebih sempurna. Aplikasi kepekaan dengan adanya tambahan satu baris fungsi
kendala dimulai dari Tabel Simplex Optimal.
Persoalan awal pada contoh, ditambah dengan informasi kendala baru, yaitu
kendala mesin penghalus (grinder) sebagai berikut :
7 X1 + 10.5 X2 < 73.5

Kamarul Imam
rul2a@yahoo.com
Kendala baru ini ditransformasi menjadi persamaan : 7 X1 + 10.5 X2 + S3 = 73.5.

Masukkan nilai optimal X1 dan X2 ke dalam persamaan tersebut : 7(8) + 10.5(2)
+ S3 = 73.5, ini merupakan indikasi bahwa penambahan kendala baru tersebut
menyebabkan kondisi tidak optimal lagi; sebab S3 sekarang menjadi variabel
basis. Maka harus dilakukan iterasi ulang untuk mencapai tingkat optimal baru
dengan prosedur khusus. Tambahkan baris kendala baru ke dalam tabel optimal,
sehingga tabel tersebut menjadi :
Tabel Optimal dengan Sisipan Kendala Baru.
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 7 10.5 0 0 1 73.5
Zj 6 8 2/5 1 0 64
Cj-Zj 0 0 -2/5 -1 0
Selanjutnya dapat dilakukan dua langkah pengurangan koefisien pada baris S3
agar menjadi = 0 pada kolom X1 dan X2.
a. Langkah-1 : (kolom X1).
Kolom Nilai Lama Baris S3 Baris X1 Baris S3 Sementara
X1 7 - (7)(1) = 0
X2 10.5 - (7)(0) = 10.5
S1 0 - (7)(-1/5) = 7/5
S2 0 - (7)(1/2) = -7/2
S3 1 - (7)(0) = 1
XB 73.5 - (7)(8) = 17.5
b. Langkah-2 : (kolom X2).
Nilai Baris S3
Kolom Baris X2 Baris S3 Baru
Sementara
X1 0 - (10.5)(0) = 0
X2 10.5 - (10.5)(1) = 0
S1 7/5 - (10.5)(1/5) = -7/10
S2 -7/2 - (10.5)(-1/4) = -7/8
S3 1 - (10.5)(0) = 1
XB 17.5 - (10.5)(2) = -3.5
Dari langkah-2 ini, tampak bahwa nilai X1 dan X2 pada baris S3 = 0 dan nilai S3
pada baris yang sama = 1. Ini menunjukkan bahwa S3 harus keluar dari basis
untuk menjadi non basis.

Kamarul Imam
rul2a@yahoo.com
Cj 6 8 0 0 0
CB Solution
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
S1 terpilih untuk menggantikan S3, selanjutnya dilakukan iterasi-2 :

Cj 6 8 0 0 0
CB Solution
8 X2 0 1 0 -1/2 2/7 1
6 X1 1 0 0 ¾ -2/7 9
0 S1 0 0 1 5/4 -10/7 5
Zj 6 8 0 ½ 4/7 62
Cj-Zj 0 0 0 -1/2 -4/7
Tabel tersebut di atas merupakan tabel Simplex optimal, dengan X1 = 9, X2 = 1
dan solusi optimalnya = 62. Jadi penambahan satu baris kendala baru telah

Kamarul Imam
rul2a@yahoo.com
merubah optimalitas dari X1 = 9, X2 = 2 dan solusi optimal = 64 menjadi X1 = 9,

X2 = 1 dan solusi optimal = 62 (lihat Suplemen 2) :
Solution Solution
1 X1 +9.0000 0 4 S2 0 +.5000000
2 X2 +1.0000 0 5 S3 0 +.5714286
3 S1 +5.0000 0
4. Penambahan variabel baru (kolom).

Penambahan variabel (kolom) dapat terjadi jika ada sebuah produk baru yang
dapat diproduksi, misal X3. X3 ini dapat diproduksi dengan asumsi : proses
produksi 1 unit X3 membutuhkan 4 jam di mesin giling dan 2 jam di mesin
pemotong logam, serta dapat menghasilkan profit = $ 4.00/unit.
Persoalan LP berubah menjadi :
Max. Z = 6 X1 + 8 X2 + 4 X3
s/t.
5 X1 + 10 X2 + 4 X3 < 60 → kendala mesin giling.
4 X1 + 4 X2 + 2 X3 < 40 → kendala mesin pemotong logam.
∀ Xi > 0
Pertanyaan yang muncul : apakah X3 diproduksi ? Jawabannya secara mudah
dapat diperoleh dengan menggunakan opportunity cost (shadow price) dari
kedua kendala sumber-sumber yang ada. Opportunity cost menggambarkan nilai
marginal dari sumber yang dapat dipakai untuk memproduksi produk baru (X3)
tersebut; di mana nilai total marginal dihitung dengan :
Mesin Giling Mesin Pemotong Logam Total
4 jam x $ 2/5 2 jam x $1 = $ 3.60
↑ ↑
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

Kamarul Imam
rul2a@yahoo.com
Tabel Simplex yang dimodifikasi dengan adanya produk X3 adalah sebagai

berikut :
Cj 6 8 4 0 0
CB Solution
Basic X1 X2 X3 S1 S2
8 X2 0 1 3/10 1/5 -1/4 2
6 X1 1 0 1/5 -1/5 ½ 8
Zj 6 8 18/5 2/5 1 64
Cj – Zj 0 0 2/5 -2/5 -1
Baris Cj – Zj mengindikasikan bahwa tabel tersebut di atas tidak optimal
sehingga perlu dilakukan iterasi lanjutan untuk mencapai tingkat optimal baru
dengan prosedur biasa. Hasilnya adalah sebagai berikut (lihat Suplemen-3) :
Cj 6 8 4 0 0
CB Solution
Basic X1 X2 X3 S1 S2
4 X3 0 18/3 1 2/3 -5/6 20/3
6 X1 1 -2/3 0 -1/3 2/3 20/3
Zj 6 28/3 4 2/3 2/3 66.67
Cj - Zj 0 -4/3 0 -2/3 -2/3
Tabel ini merupakan tabel Simplex optimal yang baru setelah X3
dipertimbangkan untuk diproduksi. Tampak bahwa X2 tidak lagi menjadi basis,
sehingga tingkat optimalitas dicapai dengan X1 = 20/3, X3 = 20/3 dan solusi
optimal = $ 66.67.
Suplemen-3 : Hasil Optimasi LP dengan Program QSB.
Solution Solution
1 X1 +6.6666 0 4 S1 0 +6.66666
2 X2 0 +1.333333 5 S2 0 +6.66666
3 X3 +6.6666 0
Maximum Value of the OBJ. = 66.66666 Iters. = 3
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.

Kamarul Imam
rul2a@yahoo.com
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.
Solution Solution
1 X1 0 +10.0000 3 S1 0 +30.0000
2 X2 +20.000 +1.333333 4 S2 +40.000 0
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

Kamarul Imam
rul2a@yahoo.com
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.

Kamarul Imam
rul2a@yahoo.com
ANALISIS SENSITIVITAS DENGAN PENDEKATAN OPERASI MATRIKS

Analisis sensitivitas dapat pula dilakukan dengan pendekatan operasi matriks.
Dengan cara ini, analisis menjadi lebih mudah. Berikut ini akan dibahas aplikasi
sensitivitas pada persoalan LP dengan operasi matriks.
Contoh :
Max. Z = 60 X1 + 30 X2 + 20 X3
S/t
8.00 X1 + 6.00 X2 + 1.00 X3 < 48 → Kendala kapasitas Bahan Baku
4.00 X1 + 2.00 X2 + 1.50 X3 < 20 → Kendala kapasitas jam perakitan
2.00 X1 + 1.50 X2 + 0.50 X3 < 8 → Kendala kapasitas jam pengecatan.
∀ Xi > 0
Suplemen-5 : Tabel Simplex Optimal degnan Program QSB.
Solution Solution
1 X1 +2.0000 0 4 S1 +24.000 0
2 X2 0 +5.000000 5 S2 0 +10.000
3 X3 +8.0000 0 6 S3 0 +10.000
Atau dalam bentuk standard :
Tabel Simplex Awal.
Cj 60 30 20 0 0 0
CB Solution
Basic X1 X2 X3 S1 S2 S3
0 S1 8 6 1 1 0 0 48
0 S2 4 2 1.50 0 1 0 20
0 S3 2 1.50 0.50 0 0 1 8
Zj 0 0 0 0 0 0 0
Cj – Zj 60 30 20 0 0 0
Tabel Simplex Optimal.
Cj 60 30 20 0 0 0
CB Solution
Basic X1 X2 X3 S1 S2 S3
0 S1 0 -2 0 1 2 -8 24
20 X3 0 -2 1 0 2 -4 8
60 X1 1 1.25 0 0 -0.50 1.50 2
Zj 60 35 20 0 10 10 280
Cj – Zj 0 -5 0 0 -10 -10

Kamarul Imam
rul2a@yahoo.com
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

Kamarul Imam
rul2a@yahoo.com
a2 = 6 → koefisien kolom X2 (NBV) pada Tabel Awal.

2
1.5
Maka ç2 dapat dihitung :

c2 = 30 + ∆
ç2 = [ 0 10 10 ] 6 - (30 + ∆)
2
1.5
= 35 – 30 - ∆ = 5 - ∆
BV tetap optimal jika ç2 > 0 → 5 - ∆ > 0 atau ∆ < 5.
Kini dapat disimpulkan bahwa jika perubahan c2 (koefisien X2) berada dalam
range + 5, BV tetap optimal; artinya jika c2 dinaikkan menjadi 35 atau
diturunkan menjadi 25, BV tetap optimal. Sebaliknya penurunan atau
peningkatan > 5, maka BV menjadi tidak optimal lagi.
2. Perubahan Koefisien Fungsi Tujuan Untuk BV.

Pada persoalan LP di atas, variabel keputusan basis adalah X3 dengan koefisien
pada fungsi tujuan = c3 = 20 dan X1 dengan koefisien = c1 = 60. Range
perubahan c3 dan c1 tetap tidak merubah optimalitas jika ç3 dan ç1 > 0.
a. Untuk X1 :
CBV = [ 0 20 60+∆ ]
CBV B-1 = [ 0 20 60+∆ ] 1 2 -8 = [ 0 10-0.5∆ 10+1.5∆]
0 2 -4
0 -0.5 1.5
a1 = 8 a2 = 6 a3 = 1 → lihat tabel awal.

4 2 1.5
2 1.5 0.5
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 :

Kamarul Imam
rul2a@yahoo.com
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) :
-20/3 ∆ > -20/3
-4 ∆ > -4
∆ < 20 20
Maka range c1 yang dapat menjaga optimalitas adalah : 56 < c1 < 80

b. Untuk X3 :
CBV = [ 0 20+∆ 60 ]
-1
CBV B = [ 0 20+∆ 60 ] 1 2 -8 = [0 10+2∆ 10-4∆ ]
0 2 -4
0 -0.5 1.5
ç3 = CBV B-1 a3 – c3
=[0 10+2∆ 10-4∆ ] 6 - 20 = 15 - 2∆
2
1.5

Kamarul Imam
rul2a@yahoo.com
Koefisien untuk S2 pada baris-0 : 10 + 2∆

Koefisien untuk S3 pada baris-0 : 10 - 4∆
Baris-0 pada kondisi optimal sekarang adalah :
Z + (15 - 2∆) X2 + (10 + 2∆) S2 + (10 - 4∆) S3
Dari baris-0 yang baru ini tampak bahwa optimalitas tetap terjaga jika dan
hanya jika :
15 - 2∆ > 0 → ∆ < 7.5
10 + 2∆ > 0 → ∆ > - 5
10 - 4∆ > 0 → ∆ < 2.5
range sebagai berikut : -5 < ∆ < 2.5 (lihat gambar) :
-5 ∆>-5
∆ < 2.5 2.5
∆ < 7.5 7.5
Maka range c3 yang dapat menjaga optimalitas adalah : 15 < c3 < 22.5.
3. Perubahan Nilai Sisi Kanan (RHS).

Perubahan nilai sisi kanan (b) menyebabkan kondisi menjadi tidak optimal lagi
jika paling sedikit satu nilai sisi kanan pada Tabel Simplex Optimal menjadi
negatif. Jika seluruh nilai sisi kanan > 0, maka kondisi optimal tetap terjaga.
a. Untuk b2 : (lihat kolom XB pada Tabel Simplex Optimal).
b= 24
8
2
Lihat kolom-2 pada B-1 :
1 2 -8
0 2 -4
0 -0.5 1.5

Kamarul Imam
rul2a@yahoo.com
Range kepekaan untuk b1 dapat diperoleh dengan mudah, yaitu

menambahkan ∆ dikalikan dengan elemen kolom ke-i pada B-1) kepada b
pada Tabel Simplex Optimal.
Nilai sisi kanan pada Tabel Simplex Optimal dengan adanya perubahan b2
menjadi 20 + ∆, sekarang adalah :
24 + 2∆ > 0 → ∆ > -12
8 + 2∆ > 0 → ∆ > - 4
2 - 0.5∆ > 0 → ∆ < +4
range sebagai berikut : -4 < ∆ < +4 (lihat gambar) :
- 12 ∆ > - 12
-4 ∆>-4
∆<+4 +4
Maka range b2 yang dapat menjaga optimalitas adalah 16 < b2 < 24.
b. Untuk b1 :
24 + ∆
8
2
Untuk menjaga optimalitas, maka setiap elemen b yang baru ini harus
seluruhnya > 0 :
24 + ∆ > 0 → ∆ > - 24
8>0
2>0
range sebagai berikut : - 24 < ∆ < ∞.
Maka range b1 yang dapat menjaga optimalitas adalah : 24 < b1 < ∞.

Kamarul Imam
rul2a@yahoo.com
c. Untuk b3 :
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
range sebagai berikut : -4/3 < ∆ < + 2 (lihat gambar).
∆ < +3 +3
∆<+2 +2
-4/3 ∆ > - 4/3
Maka range b3 yang dapat menjaga optimalitas adalah : 20/3 < b3 < 10.
4. Perubahan Koefisien Teknologi.

Perubahan teknologi dapat digambarkan sebagai perubahan koefisien variabel
keputusan yang non basis (dalam hal ini adalah X2). Pada teknologi proses
produksi yang sekarang, setiap unit X2 membutuhkan 6 unit BB, 2 jam perakitan
dan 2 jam pengecatan, serta dapat meningkatkan profit/unit dari 30 menjadi 43;
maka a2 berubah menjadi :
5
a2 = 2 c2 = 43 dan CBV B-1 tetap = [ 0 10 10 ]
2
ç2 = CBV B-1 a2 – c2

Kamarul Imam
rul2a@yahoo.com
=[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.
5. Penambahan Variabel Baru.

Pada berbagai situasi, timbul kesempatan-kesempatan baru yang dapat
digunakan untuk menambah aktivitas. Dalam hal ini, adalah penambahan jenis
produk baru yang mungkin diproduksi. Pada contoh di atas, X4 ternyata mungkin
diproduksi mengingat adanya kesempatan (opportunity) baik pada permintaan
maupun pada kapasitas sumber yang dimiliki perusahaan. Produk baru X4 ini
dapat menghasilkan profit/unit = 15, membutuhkan 1 unit BB, 1 jam perakitan
dan 1 jam pengecatan. Tabel awal Simplex yang baru secara matematis dapat
dituliskan sebagai berikut :
Z – 60 X1 – 30 X2 – 20 X3 – 15 X4 = 0
8 X1 + 6 X2 + X3 + X4 + S1 = 48
4 X1 + 2 X2 + 1.5 X3 + X4 + S2 = 20
2 X1 + 1.5 X2 + 0.5 X3 + X4 + S3 = 8

Kamarul Imam
rul2a@yahoo.com
c4 = 15 dan a4 = 1
1
1
CBV. B-1 tetap = [ 0 10 10 ]

ς4 = [ 0 10 10 ] 1
1 - 15
1
=5
Karena ς4 > 0, maka kondisi optimal tetap terjaga, artinya BV tidak berubah.
Setiap penambahan 1 unit X4 akan menurunkan nilai Z sebesar 5 satuan,
sehingga X4 tidak diproduksi.
Kesimpulan : jika ada penambahan sebuah decision variable, Xi baru, tingkat
optimalitas tetap terjaga jika ςi > 0 dan sebaliknya jika ςi < 0, maka kondisi
menjadi tidak optimal lagi dan Xi baru tersebut akan menjadi elemen BV yang
baru dalam tabel Simplex optimal.

Kamarul Imam
rul2a@yahoo.com
DUAL LINEAR PROGRAMMING

Setiap persoalan LP memiliki bentuk lain yang disebut sebagai dual. Formulasi model
yang telah dibahas di depan adalah bentuk primal. Solusi optimal untuk formulasi
primal ekivalen dengan solusi optimal dengan formulasi dual.
Formulasi dual mengandung informasi ekonomi yang sangat berguna untuk
keperluan manajemen dan juga lebih mudah dalam teknik solusinya dibanding
formulasi primal. Secara umum, formulasi primal berkaitan dengan maksimasi profit
dengan mempertimbangkan kendala-kendala sumber (dengan tanda <); sedang
formulasi dual berkaitan dengan minimasi total opportunity cost dengan
mempertimbangkan kendala profit (dengan tanda >). Mentransformasi formulasi
primal menjadi formulasi dual bukan soal yang rumit, dan pencapaian solusi optimal
tetap menggunakan metode Simplex seperti biasa.
Prosedur transformasi primal → dual :
a. jika formulasi primal adalah maksimasi, maka formulasi dual adalah minimasi
dan sebaliknya,
b. RHS pada kendala primal menjadi koefisien fungsi tujuan pada dual,
c. Koefisien fungsi tujuan primal menjadi RHS pada dual,
d. Transpose koefisien kendala primal menjadi koefisien kedala pada dual,
e. Tanda ketidaksamaan dual merupakan kebalikan tanda ketidaksamaan
primal.
Contoh formulasi LP primal :

Zmax = 50 X1 + 120 X2
St.
2 X1 + 4 X2 < 80 → kendala jam kerja bagian listrik
3 X1 + 1 X2 < 60 → kendala jam kerja bagian teknik
X1, X2 > 0
Transformasi formulasi dual-nya bertujuan meminimumkan total opportunity cost.
U1 = kontribusi atau keuntungan potensial setiap jam dari jam kerja bagisan listrik.
U2 = kontribusi atau keuntungan potensial setiap jam dari jam kerja bagian teknik.
RHS menjadi koefisien fungsi tujuan :
Zmin = 80 U1 + 60 U2
Fungsi kendala dual dibentuk oleh transpose koefisien kendala primal dengan tanda
ketidak samaan yang berlawanan :
2 U1 + 3 U2 > 50
4 U1 + 1 U2 > 120
U1, U2 > 0

Kamarul Imam
rul2a@yahoo.com
Tabel Awal Dual.

Cj 80 60 0 0 -M -M
Cj XB
Basic U1 U2 S1 S2 A1 A2
-M A1 2 3 -1 0 1 0 50
-M A2 4 1 0 -1 0 1 120
Zj -6M -4M M M -M -M -170 M
Cj - Zj 80+6M 60+4M -M -M M M
Iterasi 1.
Cj 80 60 0 0 -M -M
Cj XB
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
Perbandingan tabel optimal primal – dual.

Tabel Optimal Dual.
Cj 80 60 0 0 -M -M
Cj XB
80 U1 1 1/4 0 -1/4 0 1/2 30
0 S1 0 -5/2 1 -1/2 -1 1/2 10
Zj 80 20 0 -20 0 40 2.400
Cj - Zj 0 40 0 20 -M -M-40
Tabel Optimal Primal.

Cj 50 120 0 0
Cj XB
Basic X1 X2 S1 S2
120 X2 1/2 1 1/4 0 20
0 S2 5/2 0 -1/4 1 40
Zj 60 120 30 0 2.400
Cj – Zj -10 0 -30 0

Kamarul Imam
rul2a@yahoo.com
Formulasi dual lebih menghemat penggunaan waktu untuk komputasi dibanding

formulasi primal. Ini disebabkan karena pengurangan banyaknya baris kendala.
Contoh berikut dapat menjelaskan tersebut :

Formulasi primal :
Zmax = 3 X1 + 4 X2 + 2 X3
St.
X1 + X2 < 8 (C1)
X2 + X3 < 15 (C2)
8 X1 – 2 X2 < 2 (C3)
X1 + X2 – X3 < 12 (C4)
2 X1 + 2 X2 + X3 < 22 (C5)
4 X1 + 3 X2 < 21 (C6)
X3 < 3 (C7)
X1, X2, X3 > 0
Transformasi ke formulasi dual :
Zmin = 8 U1 + 15 U2 + 2 U3 + 12 U4 + 22 U5 + 21 U6 + 3 U7
St.
1 U1 + 8 U3 + 1 U4 + 2 U5 +4 U6 > 3
1 U1 + 1 U2 – 2 U3 + 1 U4 + 2 U5 + 3 U6 > 4
1 U2 – 1 U4 + 1 U5 + 1 U7 > 2
U1, U2, U3, U4, U5, U6, U7 > 0
Solusi optimal primal dengan LINDO :
MAX 3 X1 + 4 X2 + 2 X3
SUBJECT TO
2) X1 + X2 <= 8
3) X2 + X3 <= 15
4) 8 X1 - 2 X2 <= 2
5) X1 + X2 - X3 <= 12
6) 2 X1 + 2 X2 + X3 <= 22
7) 4 X1 + 3 X2 <= 21
8) X3 <= 3
END
LP OPTIMUM FOUND AT STEP 2
OBJECTIVE FUNCTION VALUE
1) 34.00000
VARIABLE VALUE REDUCED COST

X1 0.000000 2.333333
X2 7.000000 0.000000
X3 3.000000 0.000000

Kamarul Imam
rul2a@yahoo.com
ROW SLACK OR SURPLUS DUAL PRICES

2) 1.000000 0.000000
3) 5.000000 0.000000
4) 16.000000 0.000000
5) 8.000000 0.000000
6) 5.000000 0.000000
7) 0.000000 1.333333
8) 0.000000 2.000000
NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 3.000000 2.333333 INFINITY
X2 4.000000 INFINITY 1.750000
X3 2.000000 INFINITY 2.000000
RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 8.000000 INFINITY 1.000000
3 15.000000 INFINITY 5.000000
4 2.000000 INFINITY 16.000000
5 12.000000 INFINITY 8.000000
6 22.000000 INFINITY 5.000000
7 21.000000 3.000000 21.000000
8 3.000000 5.000000 3.000000
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

Kamarul Imam
rul2a@yahoo.com
Iterasi-1.
Cj 3 4 2 0 0 0 0 0 0 0
Cb XB
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
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
Reduced Cost Dual Prices
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.
Solusi optimal dual dengan LINDO :

MIN 8 U1 + 15 U2 + 2 U3 + 12 U4 + 22 U5 + 21 U6 + 3 U7
SUBJECT TO
2) U1 + 8 U3 + U4 + 2 U5 + 4 U6 >= 3
3) U1 + U2 - 2 U3 + U4 + 2 U5 + 3 U6 >= 4
4) U2 - U4 + U5 + U7 >= 2
END

Kamarul Imam
rul2a@yahoo.com
LP OPTIMUM FOUND AT STEP 7

OBJECTIVE FUNCTION VALUE
1) 34.00000
VARIABLE VALUE REDUCED COST
U1 0.000000 1.000000
U2 0.000000 5.000000
U3 0.000000 16.000000
U4 0.000000 8.000000
U5 0.000000 5.000000
U6 1.333333 0.000000
U7 2.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES

2) 2.333333 0.000000
3) 0.000000 -7.000000
4) 0.000000 -3.000000
NO. ITERATIONS= 7
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
U1 8.000000 INFINITY 1.000000
U2 15.000000 INFINITY 5.000000
U3 2.000000 INFINITY 16.000000
U4 12.000000 INFINITY 8.000000
U5 22.000000 INFINITY 5.000000
U6 21.000000 3.000000 21.000000
U7 3.000000 5.000000 3.000000
RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 3.000000 2.333333 INFINITY
3 4.000000 INFINITY 1.750000
4 2.000000 INFINITY 2.000000

Kamarul Imam
rul2a@yahoo.com
Tabel Awal Dual.

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
-M A1 1 0 8 1 2 4 0 -1 0 0 1 0 0 3
-M A2 1 1 -2 1 2 3 0 0 -1 0 0 1 0 4
-M A3 0 1 0 -1 1 0 1 0 0 -1 0 0 1 2
Zj -2M -2M -6M -M -5M -7M -M M M M -M -M -M 9M
Cj - Zj -8+2M -15+2M -2+6M -12+M 22+5M -21+7M -3+M -M -M -M M M M
Iterasi-1
Cj -8 -15 -2 -12 -22 -21 -3 0 0 0 -M -M -M
Cb XB
-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
-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
D:\Documents and Settings\HOME\My Documents\OPERATION RESEARCH\ANALISIS SENSITIVITAS.doc 27

Kamarul Imam
rul2a@yahoo.com
Iterasi-3
Cj -8 -15 -2 -12 -22 -21 -3 0 0 0 -M -M -M
Cb XB
-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
-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

Cj -8 -15 -2 -12 -22 -21 -3 0 0 0 -M -M -M
Cb XB
-21 U6 0.33 0.33 -0.67 0.33 0.67 1 0 0 -0.33 0 0 0.33 0 1.33
0 S1 0.33 1.33 -10.67 0.33 0.67 0 0 1 -1.33 0 -1 1.33 0 2.33
-3 U7 0 1 0 -1 1 0 1 0 0 -1 0 0 1 2
Zj -7 -10 14 -4 -17 -21 -3 0 7 3 0 -7 -3 -34
Cj - Zj -1 -5 -16 -8 -5 0 0 0 -7 -3 -M -M+7 -M+3
Reduced Cost Dual Prices

Kamarul Imam
rul2a@yahoo.com
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 :

Kamarul Imam
rul2a@yahoo.com
Tabel Optimal Dual

Cj -8 -15 -2 -12 -22 -21 -3 0 0 0 -M -M -M
Cb XB
-21 U6 0.33 0.33 -0.67 0.33 0.67 1 0 0 -0.33 0 0 0.33 0 1.33
0 S1 0.33 1.33 -10.67 0.33 0.67 0 0 1 -1.33 0 -1 1.33 0 2.33
-3 U7 0 1 0 -1 1 0 1 0 0 -1 0 0 1 2
Zj -7 -10 14 -4 -17 -21 -3 0 7 3 0 -7 -3 -34
Cj - Zj -1 -5 -16 -8 -5 0 0 0 -7 -3 -M -M+7 -M+3

Cj 3 4 2 0 0 0 0 0 0 0
Cb XB
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

Analisis Sensitivitas PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Sensitivitas PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Kamarul Imam

D:\Documents and Settings\HOME\My Documents\OPERATION 1

Untuk melihat kepekaan NBV (misal S1), dapat dilakukan penambahan ∆

D:\Documents and Settings\HOME\My Documents\OPERATION 2

Suplemen-1 : hasil optimal LP dengan program QSB.

Sensitivity Analysis for OBJ Coefficients Page : 1

Sensitivity Analysis for RHS Page : 1

D:\Documents and Settings\HOME\My Documents\OPERATION 3

Tabel Simplex Optimal.

Matriks b dapat dilihat pada Tabel Awal (Initial Table) :

Maka matriks XB dapat dihitung = B-1.b

D:\Documents and Settings\HOME\My Documents\OPERATION 4

1/5 -1/4 60+∆ 0

3. Penambahan fungsi kendala (baris).

D:\Documents and Settings\HOME\My Documents\OPERATION 5

Kendala baru ini ditransformasi menjadi persamaan : 7 X1 + 10.5 X2 + S3 = 73.5.

D:\Documents and Settings\HOME\My Documents\OPERATION 6

S1 terpilih untuk menggantikan S3, selanjutnya dilakukan iterasi-2 :

D:\Documents and Settings\HOME\My Documents\OPERATION 7

merubah optimalitas dari X1 = 9, X2 = 2 dan solusi optimal = 64 menjadi X1 = 9,

4. Penambahan variabel baru (kolom).

D:\Documents and Settings\HOME\My Documents\OPERATION 8

Tabel Simplex yang dimodifikasi dengan adanya produk X3 adalah sebagai

D:\Documents and Settings\HOME\My Documents\OPERATION 9

D:\Documents and Settings\HOME\My Documents\OPERATION 10

D:\Documents and Settings\HOME\My Documents\OPERATION 11

ANALISIS SENSITIVITAS DENGAN PENDEKATAN OPERASI MATRIKS

D:\Documents and Settings\HOME\My Documents\OPERATION 12

D:\Documents and Settings\HOME\My Documents\OPERATION 13

a2 = 6 → koefisien kolom X2 (NBV) pada Tabel Awal.

Maka ç2 dapat dihitung :

2. Perubahan Koefisien Fungsi Tujuan Untuk BV.

a1 = 8 a2 = 6 a3 = 1 → lihat tabel awal.

D:\Documents and Settings\HOME\My Documents\OPERATION 14

-20/3 ∆ > -20/3

Maka range c1 yang dapat menjaga optimalitas adalah : 56 < c1 < 80

D:\Documents and Settings\HOME\My Documents\OPERATION 15

Koefisien untuk S2 pada baris-0 : 10 + 2∆

∆ < 2.5 2.5

∆ < 7.5 7.5

3. Perubahan Nilai Sisi Kanan (RHS).

Lihat kolom-2 pada B-1 :

D:\Documents and Settings\HOME\My Documents\OPERATION 16

Range kepekaan untuk b1 dapat diperoleh dengan mudah, yaitu

D:\Documents and Settings\HOME\My Documents\OPERATION 17

-4/3 ∆ > - 4/3

4. Perubahan Koefisien Teknologi.

D:\Documents and Settings\HOME\My Documents\OPERATION 18

5. Penambahan Variabel Baru.

D:\Documents and Settings\HOME\My Documents\OPERATION 19

CBV. B-1 tetap = [ 0 10 10 ]

D:\Documents and Settings\HOME\My Documents\OPERATION 20

DUAL LINEAR PROGRAMMING

Contoh formulasi LP primal :

D:\Documents and Settings\HOME\My Documents\OPERATION 21

Tabel Awal Dual.

Perbandingan tabel optimal primal – dual.

Tabel Optimal Primal.

D:\Documents and Settings\HOME\My Documents\OPERATION 22

Formulasi dual lebih menghemat penggunaan waktu untuk komputasi dibanding

Contoh berikut dapat menjelaskan tersebut :

OBJECTIVE FUNCTION VALUE

VARIABLE VALUE REDUCED COST