09e02313 PDF
09e02313 PDF
TESIS
Oleh
SAPRIDA MONTARIA
077021073/MT
SEKOLAH PASCASARJANA
UNIVERSITAS SUMATERA UTARA
MEDAN
2009
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
ANALISIS SENSITIVITAS DAN KETIDAKPASTIAN
DALAM PROGRAM LINIER
TESIS
Oleh
SAPRIDA MONTARIA
077021073/MT
SEKOLAH PASCASARJANA
UNIVERSITAS SUMATERA UTARA
MEDAN
2009
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
Judul Tesis : ANALISIS SENSITIVITAS DAN KETIDAK-
PASTIAN DALAM PROGRAM LINIER
Nama Mahasiswa : Saprida Montaria
Nomor Pokok : 077021073
Program Studi : Matematika
Menyetujui,
Komisi Pembimbing
(Prof. Dr. Herman Mawengkang) (Prof. Dr. Opim Salim Sitompul, M.Sc)
Ketua Anggota
(Prof. Dr. Herman Mawengkang) (Prof. Dr. Ir. T.Chairun Nisa. B,M.Sc)
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
Telah diuji pada
Tanggal 29 Mei 2009
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
ABSTRAK
Program Linier (PL) merupakan salah satu alat analisis dalam operasi riset dan
menajemen.Secara praktis model program selalu didasarkan pada data numerik
yang merepresentasikan pendekatan kasar dari kuantitas yang sulit diestimasi.
Oleh karena itu, kebanyakan kajian yang berbasis PL mengikutsertakan pemerik-
saan post-optimalitas tentang bagaimana perubahan data dapat mengubah penye-
lesaian optimal yang telah diperoleh. Banyak para peneliti yang membahas ten-
tang analisis sensitivitas dan telah banyak pula paket sofware yang dapat menye-
lesaikan PL mencakup hasil analisa yang demikian merupakan bagian dari laporan
output baku. Analisis sensitivitas mempunyai kelemahan yang bertolak belakang
dengan kebijaksanaan konvensional.tesis ini mengajukan model alternatif menga-
tasi kelemahan ini.
i
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
ABSTRACT
Linear programming (LP) is one of the great successes to emerge from opera-
tions research and management science. It is well developed and widely used.
LP problems in practice are often based on numerical data that represent rough
approximations of quantities that are inherently difficult to estimate. Because of
this, most LP-based studies include a postoptimality investigation of how a change
in the data changes the solution. Researchers routinely undertake this type of sen-
sitivity analysis (SA), and most commercial packages for solving linear programs
include the results of such an analysis as part of the standard output report. SA
has shortcoming that run contrary to conventional wisdom. Alternate models ad-
dress these shortcomings.
ii
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa atas anugerahNya dan berkat-
Nya penulis dapat menyelesaikan penulisan tesis ini, yang berjudul ”ANALI-
Tesis Ini merupakan tugas akhir pada Sekolah Pascasarjana Program Studi Ma-
matera Utara ini, penulis banyak mendapatkan dukungan dari berbagai pihak,
maka pada kesempatan ini penulis mengucapkan terima kasih dan penghargaan
Kepala Bappeda Propinsi Sumatera Utara beserta stafnya yang telah memberikan
Kepala Dinas Pendidikan Kota Medan yang telah memberi izin mengikuti perku-
liahan Sekolah Pascasarjana di Universitas Sumatera Utara.
Prof. dr. Chairuddin P. Lubis, DTM&H, Sp, A(K), selaku Rektor Universitas
Sumatera Utara.
Prof. Dr. Ir. T. Chairun Nisa B, M.Sc selaku Direktur Sekolah Pascasarjana
iii
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
Prof. Dr. Herman Mawengkang, selaku Ketua Program Studi Magister Matema-
tika Sekolah Pascasarjana Universitas Sumatera Utara dan juga sebagai Ketua
Komisi Pembimbing pada penulisan tesis ini dan berkat dorongan dan bantuan
Dr. Saib Suwilo, MSc, selaku Sekretaris Program Studi Magister Matematika
Prof. Dr. Opim Salim Sitompul, MIKom, selaku Anggota Komisi Pembimb-
ing II yang telah memberikan bimbingan dan petunjuk sehingga tesis ini dapat
terselesaikan dengan baik.
Prof. Dr. Iryanto, M.Si, selaku pembanding atas saran dan bantuannya untuk ke-
Drs. Marwan Harahap, M.Eng, selaku pembanding atas saran dan bantuan-
nya untuk kesempurnaan penulisan tesis ini serta bimbingan selama perkuliahan
berlangsung.
Seluruh Staf Pengajar pada Program Studi Magister Matematika Sekolah Pas-
casarjana Universitas Sumatera Utara, yang telah memberikan ilmu pengetahuan
Seluruh Staf Administrasi SPs USU dan Ibu Misiani, S.Si yang telah mem-
iv
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
Seluruh rekan-rekan seperjuangan, mahasiswa angkatan ketiga tahun 2007
Program Educator yang telah bersama selama perkuliahan atas kerjasama, keber-
samaan dan saling pengertiannya selama ini dalam mengatasi berbagai masalah
Drs. H. Paimin, selaku Kepala Sekolah SMA Negeri 19 Medan yang telah mem-
berikan kesempatan dan dorongan kepada penulis hingga penulisan tesis ini selesai
tepat waktu.
Drs. B. Sukatendel selaku Kepala Sekolah SMA Dharma Bakti Medan yang telah
banyak memberikan bantuan serta dorongan kepada penulis.
tercinta (Alm) S. Barus dan Ibunda (Alm) K br. Depari ; mertua f (Alm) T.
Ginting Suka dan R. Br. Sitepu. Abang S. Tarigan dan kakak R br. Barus dan
semua kakak-kakak dan abang-abang penulis atas semua dorongan dan doanya.
Saturnus Gura Ginting, SE yang telah memberikan motivasi dan doa selama
penulis mengikuti perkuliahan serta dalam penyelesaian tesis ini dan kepada
Ananda tersayang Sansa Desmonius Gura Ginting, semoga dapat bertumbuh dan
berkembang dengan sehat dan sempurna serta diberkati Tuhan dan kelak menjadi
v
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
Kepada semua pihak yang telah turut membantu penulisan tesis ini baik
langsung maupun tidak langsung yang penulis dapatkan selama ini. Semoga tesis
Penulis,
Saprida Montaria
vi
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
RIWAYAT HIDUP
merupakan anak ketujuh dari delapan bersaudara dari Ayah (Alm) S Barus dan
Ibu (Alm) K. Br. Depari. Menamatkan Sekolah Dasar Negeri 060971 Keme-
nangan Tani Medan pada tahun 1983, Sekolah Menengah Pertama pada SMP
Negeri 1 Pancur Batu pada tahun 1986, Sekolah Menengah Atas pada SMA Negeri
Pancur Batu pada tahun 1989. Pada tahun 1989 memasuki Perguruan Tinggi
FMIPA Matematika USU Medan dan memperoleh gelar sarjana pada tahun 1998.
Pada tahun 2000 mengikuti perkuliahan Akta IV di Unimed Medan. Pada tahun
2006 diangkat sebagai Calon Pegawai Negeri Sipil di SMA Negeri 19 Medan. Pada
tahun 2008 menikah dan dikanurnia seorang putra. Pada tahun 2007 mengikuti
tera Utara.
vi
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
DAFTAR ISI
Halaman
ABSTRAK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
ABSTRACT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii
RIWAYAT HIDUP . . . . . . . . . . . . . . . . . . . . . . . . . . vi
DAFTAR TABEL . . . . . . . . . . . . . . . . . . . . . . . . . . . ix
DAFTAR GAMBAR . . . . . . . . . . . . . . . . . . . . . . . . . x
BAB 1 PENDAHULUAN . . . . . . . . . . . . . . . . . . . . . . . 1
1.4 Kontribusi . . . . . . . . . . . . . . . . . . . . . . . . 4
3.2.3 Dualitas . . . . . . . . . . . . . . . . . . . . . . 19
vii
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
3.2.4 Metode Simplex . . . . . . . . . . . . . . . . . . . 20
5.1 Kesimpulan . . . . . . . . . . . . . . . . . . . . . . . . 45
5.2 Saran . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
DAFTAR PUSTAKA . . . . . . . . . . . . . . . . . . . . . . . . . 47
viii
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
DAFTAR TABEL
ix
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
DAFTAR GAMBAR
x
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
BAB 1
PENDAHULUAN
Program Linier (PL) adalah salah satu alat analisis dalam menyelesaikan
melalui PL. PL telah diterima dan digunakan secara luas karena beberapa alasan:
studi teknik, bisnis dan matematika mempelajari mata kuliah ini sampai tingkat
tertentu. Selain itu, software bermutu tinggi telah tersedia untuk membantu
garuhi jadwal produksi. Karena perencanaan dalam skala yang besar, kerapkali
mengandalkan pada jumlah data yang banyak dan mewakili estimasi yang terbaik,
data yang tidak pasti sering dianalisis menggunakan analisis sensitivitas untuk
pada isu yang jarang muncul pada perkembangan model PL (Winston, 1995).
1
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
2
tersebut adalah waktu saat keputusan berlaku (misalnya, tingkat produksi di bu-
lan tertentu). Model PL umumnya tidak mencerminkan waktu pada saat keputu-
san diambil. Model PL juga tidak membedakan antara apa yang akan diketahui,
dan apa yang akan tetap pasti saat keputusan tersebut diambil. Ketiadaan pem-
bedaan ini bersumber dari sejarah penggunaan PL yang pada pokoknya untuk
tian, penting merefleksikan dengan tepat cara keputusan dan informasi. Biasanya,
dengan perubahan diskrit parameter untuk melihat berapa besar perubahan da-
pat ditolerir sebelum solusi optimal mulai kehilangan optimalitasnya. Jika suatu
dikatakan bahwa solusi adalah sangat sensitif terhadap nilai parameter itu. Se-
baliknya, jika perubahan parameter tidak mempunyai pengaruh besar terhadap
solusi dikatakan solusi relatif insensitif terhadap nilai parameter tersebut. Analisa
yang berkaitan dengan perubahan struktural. Masalah ini muncul bila persoalan
kendala dan atau variabel untuk menunjukkan operasi model alternatif. Peruba-
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
3
keadaan keuntungan yang diharapkan dari sepatu karet tidak lagi Rp 300.000,-
diperbaiki, diganti oli-nya, dan disetup ulang, maka bila sebelumnya hanya
Jika hal tersebut terjadi, fungsi tujuan dan batasan akan berubah, dan apabila
dilakukan perhitungan lagi dari awal tentunya akan memakan waktu yang cukup
lama, disamping risiko kesalahan hitung yang mungkin muncul. Oleh karena itu
narnya beberapa data adalah berubah-ubah sifatnya. Untuk itu perlu diketahui
dilakukan dengan asumsi bahwa semua data yang digunakan adalah tetap kecuali
b. Bagaimana sensitif nilai dari fungsi tujuan terhadap perubahan data pada
kendala.
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
4
tunya masih banyak hal-hal yang perlu dianalisis. Sebagai contoh, dalam suatu
dari fungsi tujuan berubah secara drastis atau kurang atau lebih tetap sama? Un-
tuk menjawab pertanyaan tersebut perlu dilakukan analisis pasca optimal yang
Adapun tujuan dalam penelitian ini adalah untuk melihat sensitipnya so-
lusi optimal terhadap perubahan data dengan melakukan analisis pasca opti-
mal/analisis sensitivitas, sehingga fungsi tujuan tidak berubah secara drastis atau
1.4 Kontribusi
atau pembuat keputusan untuk melihat sensitivnya solusi optimal terhadap pe-
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
5
formasi dari referensi beberapa buku dan jurnal. Adapun langkah-langkah yang
dilakukan adalah sebagai berikut:
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
BAB 2
TINJAUAN PUSTAKA
untuk mengidentifikasi variabel kritis yang tidak pasti dan diadopsi dalam anali-
analisis ketidakpastian tidak dapat diharapkan untuk menjadi persis sama untuk
semua model. Ditentukan analisis sensitivitas yang cocok dan metode analisis
ketidakpastian untuk model emisi lalu lintas jalan, metode yang juga dapat dite-
rapkan untuk model lain yang memiliki struktur serupa. Diperiksa bagian sumber
emisi dan menyarankan model yang ampuh menghasilkan alat-data. Dengan data
yang dihasilkan, dapat diperiksa properti di model, dan menyarankan metode
makalah ini, diperkenalkan model program stokastik dan metodologi pada tingkat
yang dimaksudkan untuk dapat diakses lebar.
Higle dan Wallace (2003) menyatakan bahwa Program Linier (PL) adalah
salah satu alat analisis dalam menyelesaikan problema operasional riset. Para
6
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
7
cara praktek didasarkan pada data numerik yang direpresentasikan melalui perki-
raan jumlah yang sulit untuk diestimasi. Oleh sebab itu PL menggunakan analisis
ngan parametris optimasi, sering disajikan sebagai cara untuk memeriksa jika
solusi program linier deterministik dapat diandalkan bahkan jika beberapa pa-
rameter tidak sepenuhnya diketahui tetapi diganti dengan dugaan yang terbaik,
lebih dari wilayah tertentu yang merupakan dasar yang optimal adalah besar,
satu cukup aman dengan menggunakan solusi dari PL. Jika tidak, yang anali-
sis parametris akan memberikan alternatif solusi yang dapat diuji. Dengan cara
linier parametris. Ide dasar dari stabilitas dengan sedikit optimalitas dari masalah
optimisasi dimana parameter tidak pasti.
yang kritis, input parameter yang penting validitas model simulasi (Frey dan Patil,
2002). Pada jangkaun pengertiannya, analisis sensitivitas berada pada lokal dan
respon disekitar titik yang dipilih. Sedangkan objektif analisis sensitivitas global
digunakan untuk menemukan semua titik kritis sistem (Ionescu-Bujor dan Cacuci,
2004).
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
8
pastian dapat diletakkan pada dua kategori yaitu stokastik yang tak pasti dan
subjek yang tak pasti. Stokastik yang tak pasti disebut juga intrinsik yang tak
pasti yaitu properti dari sistem yang disebabkan oleh pola tingkah laku sistem
yang beraneka ragam, sedangkan subjek yang tak pasti (informasi yang tak pasti)
disebabkan oleh ketidakmampuan untuk menyediakan input data yang tepat (Hel-
kepadatan peluang dan atau momen statistika dapat diturunkan secara analitik
berdasarkan propertis statistika dari input parameter dan hubungan antara in-
masalah dunia nyata karena tingkat kebutuhan seperti hubungan fungsional yang
sederhana dan kebebasan variabel stokastik (Tung dan Yen, 2005). Pada umum-
nya dua metode secara luas diaplikasikan untuk menaksir ketidakpastian yaitu
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
BAB 3
LANDASAN TEORI
Keputusan yang dihasilkan akan bergantung kepada kendala yang dibatasi oleh
oleh variabel dapat berupa bilangan cacah atau nonnegatif. Tujuan dan kendala
adalah fungsi dari variabel, dan persoalan data. Sebagai contoh dari persoalan
toh xi menyatakan produksi ke-i dari n produk. Bentuk umum program mate-
matikanya adalah:
gm (x1, x2 , x3, . . . , xn ) ≤ 0
x1 , x2, x3, . . . , xn ∈ X
tematika yang dapat berupa linear, cacah, cacah campuran, non linear tetapi de-
9
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
10
ngan menampilkan elemen stokastik pada data. Oleh karena itu dapat dinyatakan
bahwa:
tika, dimana beberapa data yang termuat pada tujuan atau kendala mengandung
dan distribusi peluang gabungan yang cepat. Hasil-hasil secara umum digam-
barkan pada elemen w ∈ W . Ketika beberapa data acak, maka penyelesaian dan
Suatu cara logis yang diperlukan dalam persoalan adalah membuat sebuah kepu-
course. Andaikan x adalah vektor keputusan yang diambil, dan y(w) adalah
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
11
sebuah vektor keputusan yang menyatakan aksi terbaru atau konsekwensi dari x.
Himpunan berbeda yang berisi y akan dipilih dari tiap-tiap hasil yang mungkin
x ∈ X, y(w) ∈ Y
ubah (recourse) untuk keputusan tahap pertama, perlu untuk dibuat korelasi yang
terbaik.
tahap ganda, pengaruh keputusan sekarang akan ditunggu untuk beberapa keti-
tusan yang lain didasarkan pada apa yang terjadi. Tujuannya adalah untuk me-
Pada beberapa kasus, dapat digunakan suatu metode yang lebih tepat untuk
mencoba menentukan sebuah keputusan, yang mana keputusan tersebut dijamin
oleh himpunan kendala yang akan dipenuhi oleh sebuah peluang tertentu. Model
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
12
gm (x1, x2 , x3, . . . , xn ) ≤ 0 ≥ α
(3.3)
h1 (x1 , x2, x3, . . . , xn ) ≤ 0
x1 , x2, x3, . . . , xn ∈ X
mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan seperti
dalam masalah ekonomi, industri, militer, social dan lain-lain. PL berkaitan de-
ngan penjelasan suatu kasus dalam dunia nyata sebagai suatu model matematik
yang terdiri dari sebuah fungsi tujuan linier dengan beberapa kendala linier.
ringo, 2005):
(diagram pencar) ataupun menggunakan uji hipotesa. Secara teknis, linearitas di-
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
13
Sifat proporsional dipenuhi jika kontribusi setiap variabel pada fungsi tu-
juan atau penggunaan sumber daya yang membatasi proporsional terhadap level
nilai variabel. Jika harga per unit produk misalnya adalah sama berapapun jum-
lah yang dibeli, maka sifat proporsional dipenuhi. Atau dengan kata lain, jika
pembelian dalam jumlah besar mendapatkan diskon, maka sifat proporsional tidak
dipenuhi. Jika penggunaan sumber daya per unitnya tergantung dari jumlah yang
silang pada model. Sifat additivitas berlaku baik bagi fungsi tujuan maupun
pembatas (kendala). Sifat additivitas dipenuhi jika fungsi tujuan merupakan pe-
kendala, sifat additivitas dipenuhi jika nilai kanan merupakan total penggunaaan
satu produk akan mengurangi volume penjualan produk lainnya dalam pasar yang
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
14
Keempat asumsi (sifat) ini dalam dunia nyata tidak selalu dapat dipenuhi.
Penetapan tujuan yang tepat merupakan aspek yang sangat penting dalam
optimasi adalah membuat model yang sesuai untuk analisis. Pendekatan konven-
matematika permasalahan optimal terdiri dari dua bagian. Bagian pertama me-
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
15
lusi optimum pada satu titik. Fungsi tujuan yang akan dioptimalkan hanya satu.
Bukan berarti bahwa permasalahan optimasi hanya dihadapkan pada satu tujuan.
Tujuan dari suatu usaha bisa lebih dari satu. Tetapi pada bagian ini kita hanya
ber daya yang membatasi. Fungsi pembatas bisa berbentuk persamaan (=) atau
Konstanta (baik sebagai koefisien maupun nilai kanan) dalam fungsi pembatas
secara verbal. Salah satu keuntungan yang paling jelas adalah model matematik
ungkapkan relasi sebab akibat penting. Model matematik juga memfasilitasi yang
berhubungan dengan permasalahan dan keseluruhannya dan mempertimbangkan
saiannya sulit diperoleh karena kompleksitas fungsi dan teknik yang dibutuhkan.
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
16
Fungsi tujuan:
x1 , x2, · · · , xn ≥ 0
tujuan pada model matematiknya. Simbol a11, . . . , a1n , . . . , amn merupakan peng-
gunaan per unit variabel keputusan akan sumber daya yang membatasi, atau
disebut juga sebagai koefisien fungsi kendala pada model matematiknya. Simbol
fungsi kendala akan tergantung dari banyaknya sumber daya yang terbatas.
negatif. Membuat model matematik dari suatu permasalahan bukan hanya me-
Kasus pemrograman linier sangat beragam. Dalam setiap kasus, hal yang
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
17
simisasi atau minimisasi, keputusan untuk memilih salah satunya bukan peker-
jaan mudah. Tujuan pada suatu kasus bisa menjadi batasan pada kasus yang lain.
Harus hati-hati dalam menentukan tujuan, koefisien fungsi tujuan, batasan dan
Problema program linier melibatkan optimisasi dari fungsi objektif linier, de-
laba, mengurangi biaya, dan lain-lain) dengan memberikan beberapa daftar kendala
(contoh : hanya bekerja 30 jam/minggu, tidak melakukan hal yang illegal, dan
kanonik:
max imize cT x
subject to Ax ≤ b
where x ≥ 0
fungsi objektif (cT x). Persamaan Ax ≤ b adalah fungsi kendala yang khususnya
diperluas, program linier digunakan dalam situasi bisnis dan ekonomi, tetapi da-
pat juga dimanfaatkan untuk beberapa masalah teknik. Beberapa industri meng-
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
18
manufaktur. Dan dibuktikan juga pada problema dalam perencanaan, rute, jad-
dibangun selama Perang dunia Ke-II untuk merencanakan pengeluaran dan pen-
dapatan dalam mengurangi biaya untuk tentara dan meningkatkan kerugian dari
musuh. Ini tetap menjadi rahasia sampai tahun 1947. setelah perang berakhir
dan Leonid Kantorovich, matematika Rusia yang menggunakan teknik yang sama
tahun 1975 dalam bidang ekonomi. Problema program linier pertama kali da-
pat dipecahkan pada polynomial oleh Leonid Khachiyan pada tahun 1979 tetapi
teori dan praktis yang paling luas pada field muncul tahun 1984 ketika Narendra
haruskan pengujian semua permutasi untuk memilih tugas yang terbaik; jumlah
algoritma simplex.
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
19
Program linier merupakan salah satu teknik operasi riset yang digunakan
paling luas dan diketahui dengan baik. Problema khusus dari program seperti
aliran jaringan (network flow) dan aliran multicomodity dianggap cukup pent-
ing untuk dibangun dan diteliti algoritma yang khusus untuk solusinya. Ter-
inya. Demikian juga program linier ini juga sangat sering digunakan dalam mi-
perusahaan.
3.2.3 Dualitas
maximize cT x
subject to Ax ≤ b, x ≥ 0
problema dual yang tepat adalah:
minimize bT x
subject to AT y ≥ c, y ≥ 0
dimana y digunakan sebagai pengganti variabel vektor.
Terdapat dua ide mendasar untuk teori dualitas. Salah satunya adalah dual
dari program linier dual semula adalah program linier primal. Penambahannya
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
20
adalah setiap solusi yang layak untuk program linier memberikan batas pada nilai
optimal dari fungsi objektif dualitas. Kelemahan teorema dualitas bahwa nilai
fungsi objektif dari dual pada solusi yang layak lebih baik atau sama dengan nilai
fungsi objektif dari primal untuk solusi yang layak. Teorema dualitas yang kuat
pada saat primal mempunyai solusi optimal x∗ maka dual juga mempunyai solusi
optimal y ∗ sehingga
cT x∗ − bT y ∗
Program linier dapat juga tidak terbatas dan tidak layak. Teori dualitas
mengatakan bahwa jika primal tidak terbatas maka dual tidak layak. Demikian
juga jika dual tidak terbatas maka primal harus tidak layak. Atau mungkin juga
tidak praktis atau tidak mungkin. Dalam keadaan ini kebutuhan metode solusi
yang lebih umum menjadi nyata. Metode umum ini dikenal dengan nama Al-
linier, baik yang melibatkan dua variabel maupun lebih dua variabel.
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
21
bahwa solusi optimum selalu terletak pada titik pojok ruang solusi. Metode sim-
1. Dimulai pada suatu titik pojok yang layak, biasanya titik asal (yang disebut
2. Bergerak dari suatu titik pojok layak ke titik pojok yang lain yang berdekatan,
pergerakan ini akan menghasilkan nilai fungsi tujuan yang lebih baik (me-
Jika solusi yang lebih baik telah diperoleh, prosedur simplex dengan sendirinya
3. Proses ini dilakukan berulang-ulang sampai suatu solusi yang lebih baik tak
diperoleh.
Mengubah bentuk baku model program linier ke dalam bentuk tabel akan memu-
1. Berdasar pada bentuk baku, tentukan solusi awal, dengan menetapkan (n-
banyaknya kendala.
2. Pilih sebuah entering variabel diantara yang sedang menjadi variabel non-
basis, yang jika dinaikkan di atas nol dapat memperbaiki nilai fungsi tujuan.
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
22
Jika tak ada, berhenti berarti solusi sudah optimal. Jika tidak dilanjutkan
ke langkah 1.
3. Pilih sebuah leaving variabel diantara yang sedang menjadi variabel basis
yang harus menjadi nonbasis (nilainya menjadi nol) ketika entering variabel
4. Tentukan solusi yang baru dengan membuat entering variabel dan leaving
seperti (m, n, Cj , aij , bi ) dengan pasti karena nilai parameter ini adalah fungsi
dari beberapa uncontrolable variable. Sementara itu solusi optimal model Pro-
gram Linier didasarkan pada parameter tersebut. Akibatnya analis perlu menga-
analisis pasca optimal. Istilah post optimality menunjukkan bahwa analisa ini
analisis pasca optimal atau analisis setelah optimal, atau analisis kepekaan dalam
atau beberapa atau semua parameter model tersebut berubah atau menjelaskan
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
23
kan ke dalam model PL, tidak sederhana seperti rumusan PL sederhana tersebut.
Oleh karena itu dalam dunia pengelolaan dan kehidupan dunia nyata, selalu di-
jadi, jika ini dan itu berubah? Persoalan peluang dan ketidakpastiaan pertanyaan-
terhadap sesuatu yang akan diputuskan kelak. Dengan demikian hasil yang diha-
rapkan tersebut adalah hasil yang memang paling mungkin dan paling mendekati,
atau perkiraan yang paling tepat. Uji kepekaan hasil dan pasca optimal (sebut
saja selanjutnya analisis postoptimal) yang dapat memberikan jawaban terhadap
erat dengan atau mendekati apa yang disebut Program Parametrikal atau Anali-
sis Parametrisasi.
Perubahan atau variasi dalam suatu persoalan Program Linier yang biasanya
dipelajari melalui analisis pasca optimal dapat dipisahkan ke dalam tiga kelompok
umum, yaitu:
hat berapa besar perubahan dapat ditolerir sebelum solusi optimal mulai
solusi, dikatakan bahwa solusi adalah sangat sensitif terhadap nilai parame-
besar terhadap solusi dikatakan solusi relatif insensitif terhadap nilai para-
meter tersebut.
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
24
sensitivitas.
tukan urutan solusi dasar yang menjadi optimal jika perubahan ditambah
(Optimal [maksimum/minimum])
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
25
hadap solusi optimal. Analisis ini terbagi dua yaitu pertama reduced cost dan
Reduced cost adalah besarnya perubahan nilai optimal fungsi tujuan jika
produk yang mestinya tidak diproduksi (T ) tetap diproduksi. Variabel yang tidak
berada pada kolom product mix pada tabel optimal, disebut non-basic variabel.
Reduce cost adalah perubahan dalam nilai optimal fungsi tujuan karena pe-
nambahan 1 unit non-basic variabel. Reduced cost ini dapat dilihat pada baris
dan keuntungan dari adanya penambahan produk baru tersebut. Jika keuntungan
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
26
> biaya, sebaiknnya rencana penambahan produk baru diteruskan, dan apabila
mesin yang sudah ada, apakah produk tersebut layak untuk diproduksi? Untuk
menjawab pertanyaan ini, kita perlu mengevaluasi kelayakan produk tersebut de-
baru tersebut. Apabila benefit lebih besar daripada cost yang dikeluarkan, maka
produk layak untuk diproduksi. Demikian jika terjadi sebaliknya, maka produk
Koefisien fungsi tujuan mungkin saja berubah terlebih untuk kasus mak-
per unit produk. Sehingga jika terjadi kenaikan biaya, sementara tingkat harga
tetap akan mengakibatkan keuntungan per unit turun. Dengan kata lain, koefisien
fungsi tujuan turun. Sebaliknya apabila terjadi kenaikan harga, sementara biaya
tetap, maka akan mengakibatkan keuntungan per unit naik. Ini berarti koefisien
Dalam analisis sensitivitas, perlakuan antara basic variabel dan non basic
agar solusi masih tetap optimal tercermin pada baris Zj kolom non-basic variabel
pada tabel optimal.
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
27
tuk basic variabel kita bagi angka-angka pada baris Cj − Zj dengan angka-angka
pada baris basic variabel yang sedang kita analisa. Hasil bagi positif terkecil
menunjukkankan besarnya keuntungan per unit yang boleh dinaikkan dan hasil
bagi negatif terkecil menunjukkan besarnya keuntungan per unit yang boleh di-
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
BAB 4
Perusahaan furniture Dakota memproduksi meja tulis, meja dan kursi. Meja
tulis dijual dengan harga $60, meja dijual dengan harga $40 dan kursi dijual se-
harga $10. Produksi masing-masing jenis perabotan membutuhkan kayu dan dua
jenis tenaga kerja ahli yaitu pekerja kayu dan pekerja akhir (Tabel 4.1) sebagai
berikut:
dengan sejumlah cara. Metode yang paling mudah adalah analisis laba per-item.
Meja tulis diproduksi dengan biaya $42,40 dan dijual seharga $60, untuk laba
bersih $17,60. Meja diproduksi dengan biaya $27,80 dan dijual seharga $40, untuk
laba bersih $12,20, sehingga meja tulis dan meja yang menguntungkan. Tanpa
28
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
29
laba Dakota harus memproduksi item ini sebanyak yang bisa dijual (150 meja tulis
dan 125 kursi). Dilain pihak, kursi diproduksi dengan biaya $10,60 dan dijual
seharga $10,00, untuk laba bersih $0,60. Berdasarkan informasi yang diberikan,
Untuk memproduksi 150 meja tulis dan 125 meja, Dakota membutuhkan:
c. 850 jam tenaga kerja untuk pekerja akhir, dan diantisipasi laba $4.165 dari
Pada tahap ini, harus ditinjau metode analisis. Dalam kenyataannya Dakota
Model dibalik analisis ini tidak mempertimbangkan isu-isu ini secara ter-
pisah. Diberikan data dalam Tabel 4.1, ditarik korespondensi antara ketiga isu
ini dan memastikan bahwa hanya diproduksi item yang bisa dijual dan hanya
dibutuhkan sumberdaya untuk memproduksinya (Gambar 4.1) sebagai berikut:
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
30
berikut:
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
31
sd ≤ 150,
sd − yd ≤ 0, (P.0)
st ≤ 125,
st − yt ≤ 0,
sc ≤ 300,
sc − yc ≤ 0,
xl, xf , xc , yd , yt, yc , sd , st , sc ≥ 0
Jika dalam Tabel 4.1 berubah, maka struktur model tetap sama. Sebagai
contoh, jika Dakota menaikkan harga jual kursi dari $10 menjadi $11, disini hanya
penyelesaian optimal. Jika tidak ada perubahan lain dalam kenaikan harga kursi
dari $10 menjadi $11, tentu saja memproduksi kursi menjadi menguntungkan,
dan sifat penyelesaian berubah secara berarti. Di lain pihak, jika harga kursi
tetap $10, dan permintaan akan kursi turun dari 300 menjadi 200, tidak akan ada
dampaknya pada penyelesaian, dan Dakota akan tetap tidak memproduksi kursi.
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
32
lesaian untuk model PL. Yaitu, jika dikhawatirkan akurasi data, maka dilakukan
perlunya penyelidikan lebih lanjut. Bila tidak ada yang berubah, dianggap penye-
lesaian yang diajukan tepat untuk mengambil keputusan. Akan tetapi, rasa
aman yang didapatkan dari analisis sensitivitas tidak mempunyai dasar yang je-
Permintaan akan produk bisa tidak pasti, tetapi nilai rendah yang paling
mungkin, dan nilai tinggi mungkin ada tersedia. Diasumsikan bahwa nilai rendah
permintaan akan meja tulis, meja dan kursi (50, 20 dan 200) terjadi dengan
probabilitas p1 = 0, 3, nilai paling mungkin (150, 110 dan 225) terjadi dengan
probabilitas pm = 0, 4, dan nilai tinggi (250, 250 dan 500) akan terjadi dengan
Tabel 4.1 adalah perkiraan nilai yag terkait dengan distribusi dalam Tabel 4.2
sebagai berikut:
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
33
lesaian dengan memproduksi meja tulis dan meja sebanyak yang bisa dijual, tetapi
tidak memproduksi kursi akan tetap sah untuk setiap himpunan permintaan (non-
Tabel 4.3 Skenario Permintaan Dakota Anggap Sesuai Pada Solusi Optimal
Pada semua kasus, hanya diproduksi meja tulis dan meja, bukan kursi. Dibu-
sumberdaya dalam kolom perkiraan nilai adalah perkiraan nilai kuantitas yang
bersesuaian dalam kolom-kolom lainnya. (Ini merupakan sifat kesederhanaan, se-
bagai contoh: pada umumnya perkiraan nilai data tidak bersesuaian dengan perki-
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
34
Akan tetapi, jika Dakota memproduksi 150 meja tulis dan 125 meja, untuk
kesempatan memproduksi terlalu banyak meja tulis dan 70% kesempatan mem-
produksi terlalu banyak meja. Jika perusahaan ini memproduksi 150 meja tulis
dan 125 meja dan skenario permintaan rendah (50 meja tulis dan 20 kursi) terjadi,
laba Dakota akan jauh lebih rendah daripada $4.165. Biaya untuk sumberdaya
pada level ini adalah $9.835. Dengan menjual 50 meja tulis dan 20 kursi akan
menghasilkan pendapatan yang hanya $3.800 untuk kerugian bersih $6.035. Jika
Dakota memproduksi 150 meja tulis dan 125 meja dan mengalami permintaan
paling mungkin, maka laba bersihnya akan mencapai $3.565. Walaupun tidak
rugi, nilai ini berada di bawah laba yang diproyeksikan $4.165 yang diajukan
penyelesaian PL awal.
Jika perusahaan mendasarkan produksinya pada data yang tidak pasti, se-
Model PL memasukkan semacam visi yaitu untuk data tertentu, hal ini menya-
yang lebih luas, perbandingan cara dengan output mana yang terkait dalam satu
kumpulan data akan tampil jika dihadapkan dengan sesuatu yang berbeda. Ana-
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
35
spesifik, sesuatu yang tidak bisa dilakukan untuk keputusan sebelum mengetahui
diupayakan. Logikanya ada tiga ketepatan waktu informasi yang mungkin perlu
Gambar 4.2 Permintaan yang Tidak Pasti dengan Tiga Ketepatan Waktu Infor-
masi
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
36
tahui permintaan dengan pasti, tetapi ditetapkan jadwal produksi hanya setelah
mintaan tersebut.
Pada kasus pertama, diketahui permintaan sejak awal dan bisa mendasarkan kepu-
permintaan rendah, paling mungkin atau tinggi (Gambar 4.3) sebagai berikut:
Gambar 4.3 Permintaan Diketahui Sebelum Keputusan, Terdiri Dari Tiga Model
Deterministik
Jika permintaan diketahui sejak awal, keputusan tidak terpapar pada keti-
tusan dengan skenario spesifik yang terealisasikan dan masalah jatuh ke dalam
koleksi masalah-masalah deterministik, hanya asal yang tetap tidak pasti. Untuk
merumuskan persoalan ini, dibutuhkan tiga himpunan variabel terpisah, satu un-
tinggi). Model PL untuk masalah ini akan dapat dipisahkan menurut skenario.
Bekerja dari (P.0) dan dengan memisalkan Dds menyatakan permintaan akan meja
tulis dengan skenario s (dengan Dts dan Dcs didefinisikan dengan cara serupa),
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
37
diperoleh:
X
Maksimum (−2xls − 5.2xcs − 4xf s + 60sts + 10scs )ps
{s∈{l,m,h}}
bisa diperoleh penyelesaian spesifik skenario secara terpisah. Hanya dalam menghi-
tung nilai fungsi tujuan yang digabungkan. Pada ekstrim lainnya, ditentukan
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
38
hadap tingkat akuisisi dan produksi serta cara ketidakpastian permintaan yang
terpisah, dan hanya satu himpunan variabel akuisisi dan produksi. Seperti se-
kan Gambar 4.4 dan model PL, digunakan huruf tebal untuk mengidentifikasi
keputusan yang diambil sebelum permintaan diketahui.
X
Maksimum − 2xl − 5.2xc − 4xf + (60sds + 40sts + 10scs )ps
{s∈{l,m,h}}
yt sts ≤ 0, s ∈ {l, m, h}
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
39
Berbeda dengan (P.1) dan (P.2) tidak dapat dipisahkan menurut skenario.
Akuisisi dan produksi yang dinyatakan oleh x dan y, ditentukan sebelum per-
mintaan diketahui dan tetap konstan atas semua skenario. Himpunan kedua dari
kendala model dengan cara penjualan tergantung pada kombinasi produksi dan
Terakhir, dalam kasus lainnya (3 dalam Gambar 4.2), ditentukan akuisisi se-
4.5) berikut:
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
40
X
Maksimum − 2xl − 5.2xc − 4xf + (60sd + 40st + 10sc )ps
{s∈{l,m,h}}
isahkan. Pada umumnya, kemungkinan dapat dipisahkan tidak terjadi bila model
Ketiga model PL, (P.1) sampai (P.3) bisa ditelusuri kembali sampai ke model
awal (P.0), tetapi model-model tersebut berbeda. Model tersebut merupakan tiga
model yang berbeda untuk persoalan, sedikit membutuhkan model seperti (P.1).
saikan persoalan skenario yang tepat. Seperti yang dipresentasikan, output (P.1)
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
41
memberikan penyelesaian optimal dan nilai fungsi tujuan optimal untuk semua
membantu.
Model ketiga (P.3), memisahkan akuisisi dari produksi. Bila disusun ren-
cana produksi alternatif yang tergantung pada permintaan yang terwujud dari
Tabel 4.4 Perbedaan Solusi Optimal dari (P.1), (P.2) dan (P.3)
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
42
Walaupun output untuk (P.2) serupa secara struktural dengan output masing-
masing persoalan skenario dalam (P.1), namun nilainya berbeda. Dalam (P.2) pe-
(P.1), tingkat produksi yang diajukan (P.2) tidak sesuai dengan salah satu skenario
permintaan. Dalam (P.2), tingkat produksi ditetapkan dengan cara yang menye-
imbangkan biaya total yang mungkin dari memproduksi barang yang tidak bisa
dijual terhadap epndapatan nasional yang tersedia dari menjual barang dalam
menjauh dari setiap skenario. Tidak bisa diakui perlunya keseimbangan ini dengan
analisis sensitivitas sederhana atas penyelesaian untuk (P.0). Yang lebih penting,
pai setelah permintaan diketahui, berbeda nyata dari struktur penyelesaian untuk
model lainnya. Inilah satu-satunya model yang mencakup produksi kursi dalam
penyelesaian optimal dam kemudian hanya dalam skenario permintaan yang ren-
dah. Penafsiran penyelesaian ini jelas. Walaupun kursi dengan sendirinya tidak
lebih besar daripada penyelesaian untuk (P.2). Bila permintaan cukup tinggi,
semua sumberdaya ini mengalir ke produksi meja tulis dan kursi (barang yang
peluang kepada perusahaan untuk menutupi banyak biaya sumberdaya yang dibu-
tuhkan. Kursi memberikan kepada perusahaan posisi jatuh kembali yang memu-
ngkinkan rencana akuisisi sumberdaya yang agresif. Dan hal ini tidak bisa mere-
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
43
Berbagai nilai fungsi tujuan juga berbeda. Telah diketahui dengan jelas
kendala diganti dengan perkiraan nilainya akan menghasilkan nilai fungsi tujuan
lainnya. Tentu saja, dalam kasus ini (P.0) sama optimistiknya dengan (P.1),
keputusan (walaupun tidak selalu sedemikian halnya pada umumnya) bahwa nilai
fungsi tujuan untuk (P.3) lebih besar dari nilai fungsi tujuan (P.2) tidak aneh;
Karena perkiraan nilai adalah fungsi linier, maka laba dan rugi bisa saling menghi-
langkan, andaikan dipunyai tiga alternatif yang menghasilkan distribusi laba se-
membedakan antara ketiga alternatif ini. Ketiadaan perbedaan ini tidak sesuai
dengan sikap kebanyakan orang terhadap risiko, sebagian besar orang memi-
liki preferensi yang jelas diantara ketiga alternatif ini. Ahli ekonomi mengatasi
masalah ini melalui teori utilitas. Dengan menggunakan fungsi utilitas yang me-
lingkupi perimbangan antara perkiraan laba dan resiko untuk menuntun proses
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
44
Tabel 4.5 Tiga Alternatif yang Menghasilkan Laba Berbeda pada Skenario Per-
mintaan
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
BAB 5
5.1 Kesimpulan
Analisis sensitivitas paling tepat digunakan bila struktur dasar model tidak
deterministiklah yang kiranya tepat. Tetapi sepanjang data tidak pasti, tidak
diketahui model deterministik mana yang akan tepat. Dalam situasi ini, analisis
mua kasus lainnya kita tidak bisa mengandalkan analisis sensitivitas untuk mema-
PL. Matriks kendala berubah secara berarti, yang mempengaruhi jumlah kendala
kuat model PL. Analisis sensitivitas bukan alat yang tepat untuk mengidentifikasi
45
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
46
5.2 Saran
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.
DAFTAR PUSTAKA
Eriksson, O., 2007, Sensitivity and Uncertainty Analysis Methods, with Applica-
tions to a Road Traffic Emission Model, Thesis, Linkoping University Faculty
of art and sciences.
Frey, H.C., and Patil S.R., 2002, Identification and Review of Sensitivity Analysis
Methods, Risk Anal., 22(3), 553-578.
Helton, J.C., and Davis F.J., 2002, Illustration of Sampling-Based Methods for
Uncertainty and Sensitivity Analysis, Risk Anal., 22(3), 591-622.
Higle, J. L., 2005, Stochastic Programming: Optimization When Uncertainty Mat-
ters, INFORMS . New Orleans.
Higle, J. L. and Wallace, S.W., 2003, Sensitivity Analysis and Uncertainty in Linear
Programming, INFORMS, Vol. 33, No. 4, pp. 5360
Ionescu-Bujor, M., and Cacuci D.G., 2004, A Comparative Review of Sensitivity
and Uncertainty Analysis of Large-Scale Systems-I: Deterministic Methods,
Nucl. Sci. Eng., 147(3), 189-203.
Land, A. H. and Doig, A. G., 1960, ”An Automated Method for Solving Discrete
Programming Problems”, Econometrics 28: 497-520.
Siringoringo, Hotniar., 2005, Seri Teknik Riset Operasional. Pemrograman Linear.
Penerbit Graha Ilmu. Yogyakarta.
Tung, Y.K., and Yen B.C., 2005, Hydrosystems Engineering Uncertainty Analysis,
pp., McGraw-Hill, New York.
Wallace, S. W., 1998, Decision Making Under Uncertainty: Is Sensitivity Analysis
of any Use?, Operations Research, 48: 20-25.
Wang, J., 2008, Sensitivity and Uncertainty Aalyses of Contaminant Fate and
Transport in a Field-Scale Subsurface System, AThesis Presented to The
Academic Faculty, Georgia Institute of Technology.
Winston, W. L., 1995, Introduction to Mathematical Programming: Applications
and Algorithms, 2nd ed. Duxbury Press, Belmont, CA.
47
Saprida Montaria : Analisis Sensitivitas Dan Ketidakpastian Dalam Program Linier, 2009.