BAB II

PEMBAHASAN

1. Persoalan Primal-Dual
A. Definisi Dualitas
Dualitas adalah sebuah konsep dalam pemrograman linier yang
menjalaskan secara matematis bahwa sebuah kasus pemrograman
linier mempunyai dua bentuk yang saling berhubungan dan saling
berkaitan yaitu primal dan dual.Bentuk primal adalah bentuk asli atau
bentuk pertama dari suatu persamaan program linier dan bentuk dual
adalah bentuk kedua yang berkebalikan dari bentuk primal.

B. Hubungan Persoalan Primal dengan Dual

Hubungan persoalan Primal dengan Dual antara lain :
1. Koefisien fungsi tujuan primal menjadi konstanta ruas kanan
persoalan dual. Sedangkan konstanta ruas kanan primal menjadi
koefisien fungsi tujuan bagi dual.
2. Untuk setiap pembatas primal ada satu variable dual. Dan untuk
setiap variable primal ada satu pembatas dual.
3. Setiap variable primal berkorespndensi dengan pmbatas dual. Dan
setiap pembatas primal berkorespondensi dengan variable dual.
4. Fungsi tujuan berubah bentuk yaitu maksimasi menjadi minimasi
dan sebaliknya. Sedangkan tanda pertidaksamaan bergantung pada
fungsi tujuan yaitu maksimum dual bertanda ≤, minimum dual
bertanda ≥.
5. Dual dari dual adalah primal.
C. Ketentuan Bentuk Primal – Dual
Terdapat beberapa ketentuan awal yang harus dipahami sebelum
masuk dalam konsep primal-dual untuk kasus program linier
maksimasi dan minimasi.

1
 Adapun ketentuan primal dan dualnya sebagai berikut :

No. Bentuk Primal Bentuk Dual

Umumnya notasi fungsi Umumnya notasi fungsi tujuan
1
tujuan adalah Z adalah W
Umumnya notasi variable Umumnya notasi variable
2
keputusan dalam bentuk X keputusan dalam bentuk Y
Unsur koefisien matriks Transpose koefiseien matriks
3
pembatas pembatas
Vector ruas kanan pada
4 Koefisien fungsi tujuan
kendala
Vector ruas kanan pada
5 Koefisien fungsi tujuan
kendala
Pembatas 𝑘𝑒 − 𝑖 berupa " =
6 𝑌𝑖 tidak terbatas dalam tanda
"
𝑋𝑗 tidak terbatas dalam
7 Pembatas 𝑘𝑒 − 𝑗 berupa “=”
tanda

Fungsi tujuan berbentuk maksimasi :

No. Bentuk Primal Bentuk Dual
Fungsi tujuan berbentuk Fungsi tujuan berbentuk
1
maksimasi minimasi
Pembatas 𝑘𝑒 − 𝑖 berupa " ≤
2 𝑌𝑖 ≥ 0
"
Pembatas 𝑘𝑒 − 𝑖 berupa " ≥
3 𝑌𝑖 ≤ 0
"
4 𝑋𝑗 ≥ 0 Pembatas 𝑘𝑒 − 𝑗 berupa " ≥ "
5 𝑋𝑗 ≥ 0 Pembatas 𝑘𝑒 − 𝑗 berupa " ≤ "

2
 Fungsi tujuan berbentuk minimasi :
No. Bentuk Primal Bentuk Dual
Fungsi tujuan berbentuk Fungsi tujuan berbentuk
1
minimasi maksimasi
Pembatas 𝑘𝑒 − 𝑖 berupa " ≤
2 𝑌𝑖 ≤ 0
"
Pembatas 𝑘𝑒 − 𝑖 berupa " ≥
3 𝑌𝑖 ≥ 0
"
4 𝑋𝑗 ≥ 0 Pembatas 𝑘𝑒 − 𝑗 berupa " ≤ "
5 𝑋𝑗 ≤ 0 Pembatas 𝑘𝑒 − 𝑗 berupa " ≥ "

D. Persoalan Primal-Dual Simetris

Suatu program linear dikatakan berbentuk simetris jika semua
konstanta ruas kanan pembatas bernilai non negatif dan semua
pembatas berupa pertidaksamaan, dimana pertidaksamaan dalam
masalah maksimasi berbentuk ≤, dan pertidaksamaan dalam minimasi
berbentuk ≥.
1) Andaikan terdapat suatu persoalan Program Linier sebagai berikut :
Memaksimumkan: Z = 40000X1+ 50000X2 + 40000X3
Fungsi kendala:
4X1+ 4X2 + 6X3 ≤ 600
8X1+ 4X2 + 6X3 ≤ 800
X1 , X2 , X3 ≥ 0
Ubahlah ke dalam bentuk dualnya!
Penyelesaian
X1 X2 X3
S1 4 4 6  600 Y1
S2 8 4 6  800 Y2
  

3
Z 40000 50000 40000

Sehingga didapat bentuk dualnya:

Minimumkan:
W = 600Y1 + 800Y2
Fungsi kendala:
4Y1 + 8Y2 40000
4Y1 + 4Y2 50000
6Y1 + 6Y2 40000
Y1, Y2 0

E. Persoalan Primal-Dual Tak Simetris

Misalkan masalah primal yang tak simetris adalah sebagai berikut:

Maksimumkan Z = 5X1 + 2X2 + 3X3
X1 + 5X2 + 2X3 = 30
X1 ̶ 5X2 ̶ 6X3 ≤ 40
X1, X2, X3 ≥ 0
Apabila bentuk primal ini dianalogikan dengan persoalan
sebelumnya, maka apabila bentuk primal ini akan diubah kedalam
bentuk dual, maka langkah pertama yang perlu dilakukan adalah
mengubah bentuk primal tak simetris menjadi bentuk primal simetris.
Pembatas pertama dalam contoh tersebut merupakan suatu persamaan
X1 + 5X2 + 2X3 = 30 dan harus diubah kedalam bentuk ≤. Persamaan
ini ekuivalen dengan dua pembatas berikut ini:
X1 + 5X2 + 2X3 ≤ 30
X1 + 5X2 + 2X3 ≥ 30
Artinya jika nilai pembatas lebih besar atau sama dengan 30 dan
kurang dari atau sama dengan 30, maka kuantitas yang memenuhi
kedua pembatas tersebut adalah 30. Tetapi pada pembatas tersebut

4
tanda ≥ masih tetap ada, dan pembatas ini dapat diubah dengan cara
mengalikannya dengan (-1).
X1 + 5X2 + 2X3 ≥ 30 ... (-1)
-X1 ̶ 5X2 ̶ 2X3 ≤ -30
Sehingga model primal dalam bentuk normal adalah:
Maks Z = 5X1 + 2X2 + 3X3
X1 + 5X2 + 2X3 ≤ 30
-X1 ̶ 5X2 ̶ 2X3 ≤ −30
X1 ̶ 5X2 ̶ 6X3 ≤ 40
X1, X2, X3 ≥ 0
X1 X2 X3
S1 1 5 2  30 Y1
S2 -1 -5 -2  -30 Y2
S3 1 -5 -6  40 Y3
  
Z 5 2 3

Bentuk dual dari model ini diformulasikan sebagai:

Min W = 30Y1 ̶ 30Y2 + 40Y3
Y1 ̶ Y2 + Y3 ≥ 5
5Y1 ̶ 5Y2 ̶ 5Y3 ≥ 2
2Y1 ̶ 2Y2 ̶ 6Y3 ≥ 3
Y1, Y2, Y3 ≥ 0
Tetapi bentuk dual ini pun tidak sesuai dengan ketentuan
hubungan primal dual yang telah dikemukakan pada awal bagian ini.
Ketidaksesuaian tersebut terletak pada jumlah pembatas primal tak
simetris yang tidak sesuai dengan jumlah koefisien fungsi tujuan dual,
padahal pada hubungan primal dual setiap pembatas pada primal
berhubungan dengan satu kolom pada dual, sehingga setiap pembatas
primal terdapat satu variabel keputusan dual. Sedangkan dalam contoh

5
ini pada bentuk primal tak simetris terdapat 2 pembatas tetapi setelah
bentuk primal tak simetris ini ditransformasikan menjadi primal
normal lalu kemudian dibuat bentuk dualnya, terdapat pada bentuk
dual tersebut terdapat 3 variabel keputusan.
Untuk menyelesaikan masalah tersebut, maka bentuk dual dapat
dibentuk dari primal tak simetris tanpa harus mentransformasikannya
terlebih dahulu menjadi primal normal.
Maksimumkan Z = 5X1 + 2X2 + 3X3
X1 + 5X2 + 2X3 = 30
X1 ̶ 5X2 ̶ 6X3 ≤ 40
X1, X2, X3 ≥ 0
Maka dengan mengikuti aturan tabel hubungan primal dual,
bentuk dual dari primal tak simetris itu adalah:
X1 X2 X3
S1 1 5 2 = 30 Y1
S2 1 -5 -6  40 Y2
  
Z 5 2 3

Min W = 30Y1 + 40Y2

Y1+ Y2 ≥ 5
5Y1 ̶ 5Y2 ≥ 2
2Y1 ̶ 6Y2 ≥ 3
Y1 tidak terbatas tanda
Y2 ≥ 0
Karena Y1 tidak terbatas tanda, Y1 disubstitusikan dengan Y1’ ̶
Y1” (Y1 = Y1’ ̶ Y1”) dimana Y1’ dan Y1” ≥ 0, sehingga bentuk dualnya
menjadi:
Min W = 30Y1 + 40Y2
Y1+ Y2 ≥ 5
5Y1 ̶ 5Y2 ≥ 2

6
 2Y1 ̶6Y2 ≥ 3
Y1 tidak terbatas tanda
Y2 ≥ 0
Disubstitusikan
Min W = 30 (Y1’ − Y1”) + 40Y2
( Y1’ ̶ Y1”) + Y2 ≥ 5
5 (Y1’ ̶ Y1”) ̶ 5Y2 ≥ 2
2 (Y1’ ̶ Y1”) ̶ 6Y2 ≥ 3
(Y1’ ̶ Y1”) = Y1
Y2 ≥ 0
Atau
Min W = 30Y1’ ̶ 30Y1” + 40Y2
Y1’ ̶ Y1” + Y2 ≥ 5
5Y1’ ̶ 5Y1” ̶ 5Y2 ≥ 2
2 Y1’̶ 2Y1” ̶ 6Y2 ≥ 3
Y1’ ≥ 0
Y1” ≥ Y1
Y2 ≥ 0

F. Bentuk Dual dari Dual

Salah satu hubungan antaraprimal dengan dual adalah bahwa
bentuk dual dari dual adalah primal.
Contoh soal:
Dari soal sebelumnya, didapat bentuk dual yaitu:
Minimumkan:
W = 600Y1 + 800Y2
Fungsi kendala:
4Y1 + 8Y2 40000
4Y1 + 4Y2 50000
6Y1 + 6Y2 40000
Y1, Y2 0

7
 Untuk mempermudah mengerjakannya, gunakan tabel seperti berikut.
Y1 Y2
S1 4 8  40000 X1
S2 4 4  50000 X2
S3 6 6  40000 X3
 
Z 600 800

Didapat bentuk primalnya adalah:

Maksimumkan Z = 40000 X1 + 50000 X2 + 40000 X3
Fungsi Kendala:
4 X1 + 4 X2 + 6X3 600
8 X1 + 4 X2 + 6X3 800
X1 , X2 , X3 ≥ 0

G. Kaidah-kaidah Transformasi untuk mendapatkan Dual

Berikut kaidah-kaidah transformasi untuk mendapatkan dual :
1) Persoalan maksimalisasi selalu terkait dengan persoalan
minimalisasi.
2) Persoalan asal disebut “Primal”, persoalan yang terkait disebut
“Dual”
3) Arah optimalisasi dual selalu berlawanan dengan arah optimalisasi
primal: Maksimalisasi dalam primal menjadi minimalisasi dalam
dual dan sebaliknya.
4) Tanda pertidaksamaan dari kendala teknis adalah terbalik. Kendala
non-negativitas tidak berubah.
5) Baris matriks koefisien dari kendala dalam primal berubah menjadi
kolom untuk matriks koefisien dalam dual.
6) Vektor baris dari koefisien dalam fungsi obyektif dalam primal
berubah menjadi vektor kolom konstan untuk kendala dalam dual.

8
 7) Vektor kolom konstan dari kendala primal menjadi vektor baris dari
koefisien-koefisien untuk fungsi obyektif dalam dual.
8) Variabel keputusan primal (x) menjadi variabel keputusan dual (y).
H. Teorema-teorema Dual
Ada beberapa teorema dualitas yang perlu diperhatikan karena
hubungan yang sangat penting antara solusi dual dengan solusi primal.
Teori-teori itu adalah :
1) Teorema Dualitas Lemah (Weak Duality Theorem)
Misalkan diberikan program linier primal-dual simetris:
P: max Z = cx, Ax ≤ b, x ≥ 0
D: min W = yb, yA ≥ c, y ≥ 0
Nilai fungsi tujuan dari masalah minimimasi (dual), untuk
sebarang solusi layak selalu lebih besar atau samadengan nilai
fungsi tujuan masalah maksimisasi (primal).
Bukti
Misalkan:
x0 : vektor solusi layak untuk primal
y0 : vektor solusi layak untuk dual
Akan dibuktikan bahwa: y0b ≥ cx0
Karena x0 adalah layak untuk primal, maka Ax0≤ b, x0≥ 0 (1)
Karena y0 adalah layak untuk dual, maka y0A ≥ c, y0≥ 0 (2)
Perkalian kedua sisi pertidaksamaan (1) dengan y0 → y0Ax0≤ y0b
Perkalian kedua sisi pertidaksamaan (2) dengan x0: y0Ax0≤ cx0
Implikasi :y0b≥ y0Ax0≥ cx0
Dari teorema dualitas lemah dapat dikemukakan beberapa
kesimpulan yaitu :
 Nilai fungsi tujuan dari masalah maksimisasi (primal) untuk
sebarang solusi layak merupakan batas bawah dari nilai
minimum fungsi tujuan dual.

9
  Nilai fungsi tujuan dari masalah minimisasi (dual) untuk
sebarang solusi layak (dual) merupakan batas atas dari nilai
maksimum fungsi tujuan primal.
 Jika masalah primal adalah layak dan nilai fungsi tujuannya
tak terbatas (dalam hal ini, max Z →+∞), maka masalah dual
adalah tak layak.
 Jika masalah dual adalah layak dan nilai fungsi tujuannya tak
terbatas (dalam hal ini, min W →-∞), maka masalah primal
adalah tak layak.
 Jika masalah primal adalah layak dan dualnya tak layak maka
masalah primal tersebut adalah tak terbatas.
 Jika masalah dual adalah layak dan primalnya adalah tak layak
maka masalah dual tersebut adalah tak terbatas.
2) Teorema Kriteria Optimalitas (Optimality criterion theorem)
Jika terdapat solusi layak x0 dan y0 untuk masalah pemrograman
linier dual simetris sedemikian hingga nilai fungsi tujuannya
adalah sama, maka solusi layak ini adalah solusi optimal bagi
masing-masing masalah.
BUKTI
Misalkan x adalah sebarang solusi layak bagi masalah primal.
Maka berdasarkan Teorema 1,
cx≤ y0b
Tetapi ini diberikan bahwa cx0 = y0b.
Oleh karena itu cx ≤ cx0 untuk semua solusi layak bagi masalah
primal.Per definisi, x0 adalah optimal bagi primal.
Argumen yang sama juga berlaku bagi optimalitas y0 bagi
masalah dual.
3) Teorema Dualitas Utama (Main duality theorem)
Jika baik masalah primal maupun dual adalah layak, maka
keduanya mempunyai solusi optimal sedemikian hingga nilai
optimal dari fungsi fungsi tujuan itu keduanya sama

10
 Bukti
Untuk masalah primal dan dual yang layak, berdasarkan
kesimpulan dari teorema dualitas lahan maka ada solusi optimal
(maksimum) primal yang menjadi batas bawah bagi dual, dan
solusi optimal (minimum) dual yang menjadi batas atas bagi
primal. Ini berarti bahwa solusi maksimum primal juga menjadi
solusi minimum dual, atau dengan kata lain solusi optimal bagi
primal dan dual itu sama.
4) Teorema Kelonggaran komplimenter (Complementary slackness
theorem)
Misalkan diberikan program linier primal-dual simetris:
P: max Z = cx, Ax ≤ b, x ≥ 0
D: min W = yb, yA ≥ c, y ≥ 0
dimana
A : matriks (m x n)
b : vektor kolom (m x 1)
c : vektor baris (1 x n)
x : vektor kolom (n x 1)
y : vektor baris (1 x m)
Misalkan:
x0 : vektor solusi layak untuk primal
y0 : vektor solusi layak untuk dual
Maka x0 dan y0 adalah optimal untuk masalah masing jika dan
hanya jika
(y0A − c)x0+ y0(b − Ax0) = 0
BUKTI
𝑢1
𝑢 𝑢2
Misalkan :(𝑚 × 1) = ( ⋮ ) adalah vector slack untuk primal
𝑢𝑚
𝑣
(1 × 𝑛) = (𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 )adalah vector slack untuk dual

11
 Karena x0 dan y0 adalah solusi layak, maka
Ax0+ u0= b; x0 ,u0≥ 0
y0A − v0= c; y0 ,v0≥ 0
(u0 dan v0 adalah nilai-nilai dari variabel slack yang berkaitan
masing-masing dengan solusi layak x0 dan y0).
Perkalian (1) dengan y0 → y0Ax0 + y0u0 = y0b
(3)
Perkalian (2) dengan x0 → y0Ax0 – v0x0 = cx0
(4)
Pengurangan (3) dengan (4) → y0u0+ v0x0 = y0b – cx0
(5)
Untuk membuktikan Teorema 4, harus diperlihatkan bahwax0 dan
y0 adalah solusi optimal bagi masing-masing masalahprimal dan
dual jika dan hanya jikav0x0+ y0u0 = 0
(6)
Bagian 1
Diasumsikan bahwa x0 dan y0 adalah solusi optimal dan harus
dibuktikan bahwa Persamaan (6) adalah benar. Karena x0 dan y0
adalah optimal, berdasarkan Teorema 2 maka cx0 = y0b. Oleh
karena itu, Persamaan (5) menjadi Persamaan (6) y0u0+ v0x0 =
y0b – cx0 → v0x0+ y0u0 = 0
Bagian 2
Diasumsikan bahwa Persamaan (6) adalah benar dan akan
dibuktikan bahwa x0 dan y0 adalah solusi optimal bagi masing-
masing masalah primal dan dual Karena Persamaan (6) benar,
maka Persamaan (5) menjadi y0b – cx0. y0u0+ v0x0 = y0b – cx0
→ y0b = cx0 .Berdasarkan Teorema 2 maka x0 dan y0 merupakan
solusi optimal.
I. Contoh penggunaan kaidah transformasi dual
Berikut beberapa contohnya :
1. Ubahlah Persoalan Primal ke Dual !

12
 Maksimalkan :Z= 5 x1 + 6 x2
Pembatas : x1 + 9 x2 60
2x1 + 3 x2 45
5x1- 2 x2 20
x2 30
x1, x2 0
Jawab
Persoalan Dual
Minimalkan :W = 60y1 + 45y2 + 20y3 + 30y4
Pembatas :y1 + 2 y2 + 5y3 60
9y1 + 3 y2 – 2y3 + y4 45
y1 ,y2 ,y3 ,y4 0
2. Ubahlah Persoalan Primal ke Dual !
MaksimalkanZ = 5x1 + 3x2
Pembatas :6x1 + 2x2 36
5x1 + 5x2 40
2x1 + 4x2 28
x1, x2  0
Jawab
Persoalan Dual
MinimalkanW = 36y1 + 40y2 + 28y3
Pembatas : 6y1 + 5y2 + 2y3 5
2y1 + 5y2 + 4y3 3
y1, y2, y3 0
3. Perusahaan sepatu “OPTIMIS” memproduksi dua jenis sepatu.
Sepatu jenis pertama merk A dengan sol dari karet dan sepatu
jenis kedua merk B dengan sol dari kulit. Untuk membuat
sepatu-sepatu itu, perusahaan memiliki 3 buah mesin. Mesin 1
khusus membuat sol dari karet, mesin dua khusus membuat sol
dari kulit dan mesin 3 membuat bagian atas sepatu dan
melakukan assembling bagian atas dengan sol. Setiap lusin
sepatu merk mula-mula dikerjakan di mesin 1 selama 2 jam,

13
 kemudian tanpa melalui mesin 2 dikerjakan di mesin 3 selama
6 jam. Sedangkan untuk sepatu merk B mula-mula dikerjakan
di mesin 2 selama 3 jam, kemudian dikerjakan di mesin 3
selama 4 jam. Jam kerja maksimum setiap hari untuk mesin 1
adalah 6 jam, mesin 2 adalah 15 jam dan mesin 3 adalah 24
jam. Sumbangan terhadap laba untuk setiap lusin sepatu merk
A sebesar Rp 30.000,00 sedang untuk setiap lusin sepatu merk
B Rp 50.000,00. Masalahnya adalah menentukan berapa lusin
sebaiknya sepatu merk A dan merk B dibuat agar dapat
mencapai laba (keuntungan) maksimal.

Mesin Merk A Merk B Kapasitas Maksimum

Mesin 1 2 0 6

Mesin 2 0 3 15
Mesin 3 6 4 24
Laba 30.000 50.000
• Menentukan berapa lusin sebaiknya sepatu merk A dan merk B
dibuat agar dapat mencapai laba maksimal.
Maka primalnya :
Max z  3x1  5x2
dp : 2x1  6
3x2  15
6x1  4x2  24
x1 , x2  0
• Menentukan berapa jam sebaiknya sepatu mesin 1, mesin 2 dan
mesin3 digunakan agar pemakaian mesin minimal.
Maka dualnya :
Min W  6 y1  15 y2  24 y3
dp : 2 y1  6 y3  30000
3 y 2  4 y3  50000
y1 , y 2 , y3  0

14
J. Contoh penyelesaian persoalan program linier maksimal primal
melalui persoalan minimum dual
1) Maksimum 𝑍 = 4𝑥1 + 6𝑥2
Dengan kendala :
𝑥1 + 𝑥2 ≤ 40
𝑥1 + 3𝑥2 ≤ 80
𝑥1 , 𝑥2 ≥ 0
Mengubah ke bentuk dual :
Minimumkan :𝑊 = 40𝑦1 + 80𝑦2
Dengan kendala :
𝑦1 + 𝑦2 ≥ 4
𝑦1 + 3𝑦2 ≥ 6
𝑦1 , 𝑦2 ≥ 0
a) Metode grafik
Minimumkan :𝑊 = 40𝑦1 + 80𝑦2
Dengan kendala :
𝑦1 + 𝑦2 ≥ 4
𝑦1 + 3𝑦2 ≥ 6
𝑦1 , 𝑦2 ≥ 0
Penyelesaian :
Untuk 𝑦1 + 𝑦2 ≥ 4
Misal 𝑦1 = 0 Misal 𝑦2 = 0
𝑦1 + 𝑦2 = 4 𝑦1 + 𝑦2 = 4
0 + 𝑦2 = 4 𝑦1 + 0 = 4
𝑦2 = 4 (0, 4) 𝑦1 = 4(4, 0)

15
Untuk 𝑦1 + 3𝑦2 ≥ 6
Missal 𝑦1 = 0 Missal 𝑦2 = 0
𝑦1 + 3𝑦2 = 6 𝑦1 + 3𝑦2 = 6
0 + 3𝑦2 = 6 𝑦1 + 0 = 6
𝑦2 = 6⁄3 𝑦1 = 6

= 2(0, 2) (6, 0)

Untuk (𝑦1 , 𝑦2 ) → Untuk (𝑦1 , 𝑦2 ) →

(0, 4) (6, 0)
𝑊 = 40𝑦1 + 80𝑦2 𝑊 = 40𝑦1 + 80𝑦2
= 40(0) + 80(4) = 40(6) + 80(0)
= 320 = 240

Mencari titik (𝑦1 , 𝑦2 )

Eliminasi persamaan (1) dan (2)

16
 Dan didapat nilai (𝑦1 , 𝑦2 ) → (3, 1)
𝑊 = 40𝑦1 + 80𝑦2
= 40(3) + 80(1)
= 120 + 80
= 200

Jadi , didapat W minimum = 200 dengan Y1 = 3 dan Y2 = 1

b) Metode Simpleks
Minimumkan 𝑊 = 40𝑦1 + 80𝑦2 + 𝑀𝑣1 + 𝑀𝑣2
Dengan kendala :
𝑦1 + 𝑦2 − 𝑠1 + 𝑣1 = 4
𝑦1 + 3𝑦2 − 𝑠2 + 𝑣2 = 6
Maksimalkan (−𝑌) = −40𝑦1 − 80𝑦2 + 𝑀𝑣1 + 𝑀𝑣2
−𝑌 + 40𝑦1 + 80𝑦2 + 𝑀𝑣1 + 𝑀𝑣2 = 0
Baris baru :

VB W Y1 Y2 S1 S2 V V2 Nk Rasio
1

1 (2M -40) (4M – 80) -M -M 0 0 10M -

V1 0 1 1 -1 0 1 0 4 4

Y2 0 1 3 0 -1 0 1 6 2

17
Didapat :

VB W Y1 Y2 S1 S2 V V2 Nk Rasio
1

W 1 ( 2 M  40) 0 M 80  M 0 ( 4 M  80) - 2M – 160 -


3 3 3

Y1 0 2 0 -1 1 1 1 2 3
−
3 3 3
Y2 0 1 1 0 1 0 1 2 6
−
3 3 3
Karena belum optimal maka :

18
Didapatkan table akhir nya yaitu :

VB W Y1 Y2 S1 S2 V1 V2 Nk

W 1 0 0 -20 -20 20 – M 20 – M 200

Y1 0 1 0 3 1 3 1 3
− −
2 2 2 2
Y2 0 0 1 1 1 1 1 1
− −
2 2 2 2

K. Contoh penyelesaian persoalan program linier minimum primal

melalui persoalan maksimum dual
1) Minimumkan : Z = 600X1 +1000X2 (Dalam 10.000)
Fungsi Kendala :
X1 + 2X2 ≥ 15
X1 + X2 ≥ 10
X1, X2 ≥ 0

Mengubah ke bentuk dual :

Maksimumkan: W = 15Y1+ 10Y2

Fungsi Kendala :

Y1+ Y2 ≤ 600
2Y1+ Y2 ≤ 1000
Y1, Y2≥ 0
a) Metode Grafik

Penyelesaian :
Y1 + Y2 = 600
Misal y1 = 0 Misal y2 = 0
0 + y2 = 600 y1 + 0 = 600
y2 = 600 y1 = 600

19
2Y1 + Y2 = 1000
Misal y1 = 0 Misal y2 = 0
0 + y2 = 1000 2y1 + 0 = 1000
y2 = 1000 y1 = 500

Untuk (Y1,Y2) >> = 6000

(0,600) Untuk (Y1,Y2) >> (500,0)
W= 15Y1 + 10Y2 W= 15Y1 + 10Y2
= 15 (0) + 10(600) = 15(500) + 10(0)
= 7500
Mencari titik (Y1,Y2)
Eliminasi

20
b) Metode Simpleks
Fungsi tujuan :W - 15Y1 - 10Y2 = 0
Fungsi Kendala
Y1+ Y2 + S1 = 600
2Y1+ Y2 + S2 = 1000

Y1, Y2 ≥ 0

Basis W Y1 Y2 S1 S2 Solusi Rasio

W 1 -15 -10 0 0 0 0
S1 0 1 1 1 0 600 600
Y1 0 2 1 0 1 1000 500

Basis Y1 Y2 S1 S2 Solusi
W 0 -2½ 0 7½ 7500
Y2 0 ½ 1 -½ 100
Y1 1 ½ 0 1 500

Karena belum maksimal maka dilakukan perhitungan ulang

21
 Basis Y1 Y2 S1 S2 Solusi

W 0 0 5 5 8000

Y2 0 1 2 -1 200

Y1 1 0 -1 1 400

Penyelesaian persoalan linear dengan metode simpleks sudah

mencapai optimum dengan hasil sbb:

Y1=400 dan Y2=200 dengan Wmaksimum =Rp8000.-

2. Analisis Sensitifitas
A. Pengertian Analisis
Apabila permasalahan dalam program linier telah diselesaikan
dan telah menghasilkan solusi optimal belum berarti permasalahan
telah selesai.Masih terdapat kemungkinan-kemungkinan yang dapat
terjadi sebagai akibat dari perubahan-perubahan pada bagian tertentu.
Misalnya perubahan pada pembatas (kapasitas) kendala,
koefisien pada kendala, koefisien fungsi tujuan, penambahan variable
baru, dan penambahan kendala baru.Semua perubahan tersebut
tentunya berpengaruh terhadap hasil solusi optimum yang telah ada.
Salah satu perubahan dapat terjadi tentunya proses eksekusi
tahapan dalam metode simpleks akan kita lakukan kembali. Kondisi

22
 demikian tentu memberikan waktu yang lama dan pekerjaan dimulai
dari awal kembali.
Untuk mengatasi perubahan yang demikian maka diperlukan
analisis yang digunakan agar proses perhitungan tidak dilakukan dari
awal apabila terjadi perubahan-perubahan seperti yang telah
disebutkan di atas.
Alat analisis yang dapat digunakan adalah dengan menggunakan
pendekatan analisis sensitifitas. Pendekatan ini digunakan tanpa
mengulang proses eksekusi dari awal akan tetapi persyaratan yang
harus dipenuhi adalah tersedianya data table simpleks optimum`
Pada prisipnya terdapat beberapa perubahan yang mungkin
terjadi yang dapat dijawab melalui analisis sensitivitas, yaitu :
1) Perubahan pada koefisien fungsi tujuan, baik pada koefisien
dasar atau bukan dasar dan pengaruhnya terhadap variable dual.
2) Perubahan pada kendala, baik pada kapasitas atau koefisien.
3) Penambahan variable keputusan baru.
4) Penambahan kendala/batasan baru.

B. Kemungkinan-kemungkinan perubahan pada saat tahap optimasi

telah tercapai
1. Perubahan pada Koefisien-koefisien Fungsi Tujuan
Perubahan ini menunjukkan adanya perubahan kontribusi masing-
masing produk terhadap tujuan, yang mempengaruhi koefisien baris
tujuan dan juga optimaly permasalahan tersebut.
a. Perubahan koefisien fungsi tujuan variabel basis
Contoh studi kasus:
Maksimumkan Z = 200x1 + 160x2
x1 = jumlah produk A yang dibuat
x2 = jumlah produk B yang dibuat
Dengan batasan:
30x1 ≤ 1500

23
40x1 + 20x2 ≤ 2500
20x1 + 25x2 ≤ 2000
x1, x2 ≥0
Bentuk implisit fungsi tujuan dan bentuk persamaan fungsi batasan
persoalan di atas adalah sebagai berikut:
Fungsi tujuan: Z – 200x1 – 160x2 + 0s1 + 0s2 + 0s3
Dengan batasan:
30x1 + s1 = 1500
40x1 + 20x2 + s2 = 2500
20x1 + 25x2 + s3 = 2000
x1, x2, s1, s2, s3 ≥0

Tabel Optimal:
Basis Z x1 x2 s1 s2 s3 Solusi
Z 1 0 0 0 3 4 15.500
x1 0 1 0 0 5/120 -4/120 37,5
x2 0 0 1 0 -4/120 8/120 50
s1 0 0 0 1 -150/120 -150/120 375

Berdasarkan tabel optimal di atas dapat diketahui bahwa

variabel basisnya adalah x1, x2, s1 sedangkan variabel non basisnya
adalah selain x1, x2, s1 (atau s2 dan s3). Koefisien fungsi tujuan
variabel basis adalah C1, C2 dan C3. Akibat perubahan koefisien
fungsi tujuan variabel basis, perlu dianalisis seberapa besar koefisien
C1 dan C2 dapat berubah (dinaikkan atau diturunkan) tanpa
mempengaruhi solusi optimal, sedangkan C3 tidak perlu dianalisis
karena C3 adalah koefisien fungsi tujuan variabel s1 yang besarnya
dapat dipastikan 0 (nol).
Untuk menentukan range perubahan koefisien fungsi tujuan
variabel basis, digunakan rumus sebagai berikut :
Ĉj = Cb Ŷj – Cj
Syarat tabel optimal tetap optimal jika Ĉj ≥ 0
Cb = koefisien fungsi tujuan variabel basis pada tabel optimal

24
Ŷj = variabel dual dari variabel keputusan/variabel slack
Ĉj = menunjukkan nilai baru atau nilai pada tabel optimal
Cj = Koefisien pada fungsi tujuan
Range C1:
 5 / 120 
 
Ĉ4 = Cb Ŷ4 – C4, dengan Cb = ( C1 160 0); Ŷ4 =   4 / 120  ; C4
  150 / 120 
 
=0
 5 / 120 
 
Ĉ4 = ( C1 160 0)   4 / 120  – 0
  150 / 120 
 
Syarat tabel optimal tetap optimal jika
C4 ≥ 0
5/120 C1 – 16/3 ≥ 0
C1 ≥ 128
  4 / 120 
 
Ĉ5 = Cb Ŷ5 – C5, dengan Cb = ( C1 160 0); Ŷ5 =  8 / 120  ; C5
  150 / 120 
 
=0
  4 / 120 
 
Ĉ5 = ( C1 160 0)  8 / 120  – 0
  150 / 120 
 
Syarat tabel optimal tetap optimal jika
C5 ≥ 0
-4/120 C1 + 32/3 ≥ 0
C1 ≤ 320
Jadi range C1 adalah : 128 ≤ C1 ≤ 320
Artinya selama 128 ≤ C1 ≤ 320, maka tabel optimal tetap optimal
(berarti nilai X1 dan X2 tetap) dan sebaliknya jika C1 < 128 atau C1
> 320 tabel tidak optimal lagi (berarti nilai X1 dan X2 berubah).

25
Pada batas atas dan batas bawah range akan terjadi Multiple Optimal
Solution.
Range C2:
 5 / 120 
 
Ĉ4 = Cb Ŷ4 – C4, dengan Cb = ( 200 C2 0); Ŷ4 =   4 / 120  ; C4
  150 / 120 
 
=0
 5 / 120 
 
Ĉ4 = ( 200 C2 0)   4 / 120  – 0
  150 / 120 
 
Syarat tabel optimal tetap optimal jika
C4 ≥ 0
1000/120 – 4/120 C2 ≥ 0
C2 ≥ 250
  4 / 120 
 
Ĉ5 = Cb Ŷ5 – C5, dengan Cb = ( 200 C2 0); Ŷ5 =  8 / 120  ; C5
  150 / 120 
 
=0
  4 / 120 
 
Ĉ5 = ( 200 C2 0)  8 / 120  – 0
  150 / 120 
 
Syarat tabel optimal tetap optimal jika
C5 ≥ 0
-800/120 + 8/120 C2 ≥ 0
C2 ≥ 100
Jadi range C2 adalah : 100 ≤ C2 ≤ 250
Artinya selama 100 ≤ C2 ≤ 250, maka tabel optimal tetap optimal
(berarti nilai X1 dan X2 tetap) dan sebaliknya jika C2 < 100 atau C2
> 250 tabel tidak optimal lagi (berarti nilai X1 dan X2 berubah).
Pada batas atas dan batas bawah range akan terjadi Multiple Optimal
Solution.

26
b. Perubahan koefisien fungsi tujuan variabel non basis
Untuk menggambarkan perubahan ini akan dianalisis pada
kasus di bawah ini, yang telah diformulasikan dalam bentuk model
matematis sebagai berikut :
Maksimumkan:
Z = 12x1 + 18x2 + 15x3
x1 = jumlah produk A yang dibuat
x2 = jumlah produk B yang dibuat
x3 = jumlah produk C yang dibuat
Dengan batasan:
4x1 + 6x2 + 5x3 ≤ 480
2x1 + 5x2 + 6x3 ≤ 360
3x1 + 8x2 + 6x3 ≤ 580
x1, x2, x3 ≥0
Bentuk implisit fungsi tujuan dan bentuk persamaan fungsi
batasan persoalan di atas adalah sebagai berikut :
Fungsi tujuan : Z – 12x1 – 18x2 – 15x3 + 0s1 + 0s2 + 0s3
Dengan batasan:
4x1 + 6x2 + 5x3 + s1 = 480
2x1 + 5x2 + 6x3 + s2 = 360
3x1 + 8x2 + 6x3 + s3 = 580
x 1 , x 2, x 3, s 1 , s 2 , s 3 ≥0
Basis Z x1 x2 x3 s1 s2 s3 Solusi
Z 1 0 0 0 3 0 0 1440
-
x1 0 1 0 5/8 -6/8 0 30
11/8
x2 0 0 1 14/8 -2/8 4/8 0 60
s3 0 0 0 31/8 1/8 -14/8 1 10

Berdasarkan tabel di atas dapat diketahui bahwa variabel

keputusan non basis adalah x3, artinya x3 tidak diproduksi karena
tidak cukup ekonomis dengan keuntungan sebesar 15. Apabila C3
diturunkan berapapun, x3 tetap tidak ekonomis untuk diproduksi,

27
 yang berarti batas bawah C3 = – ∞. Sebaliknya jika C3 dinaikkan
sampai jumlah tertentu, ada kemungkinan x3 cukup ekonomis untuk
diproduksi.
  11 / 8 
 
Ĉ3 = Cb Ŷ3 – C3, dengan Cb = (12 18 0) ; Ŷ3 =  14 / 8 
 31 / 8 
 

  11 / 8 
 
Ĉ3 = (12 18 0)  14 / 8  – C3
 31 / 8 
 
Syarat tabel optimal tetap optimal jika Ĉ3 ≥ 0
15 – C3 ≥ 0
C3 ≤ 15
Jadi range C3 adalah : – ∞ ≤ C3 ≤ 15
Dapat disimpulkan bahwa selama : –∞ ≤ C3 ≤ 15, solusi
optimal tidak berubah, yang berarti x3 tidak ekonomis untuk
diproduksi. x3 akan layak diproduksi jika C3 diluar range tersebut
atau jika C3 dinaikkan menjadi lebih dari 15.
2. Perubahan Konstanta Ruas Kanan
Hal ini menunjukkan adanya pengetatan ataupun pelonggaran
batasan tersebut. Makin besar nilai kanan suatu fungsi batasan berarti
makin longgar, sebaliknya makin ketat batasan tersebut bila nilai kanan
fungsi batasan diperkecil.
a. Kapasitas Sumber Daya
Pengaruh perubahan konstanta ruas kanan terhadap tabel optimal
dapat ditentukan dengan menyelidiki perubahan konstanta ruas
kanan yang baru pada tabel optimal. Atau dirumuskan sebagai :
𝐛 𝐢= Bˉ¹ bi
Bˉ¹ = matriks dibawah variabel basis awal pada tabel optimal 𝑏 𝑖=
menunjukkan nilai baru atau nilai pada tabel optimal
Syarat tabel optimal tetap optimal dan layak jika : 𝑏 𝑖 ≥ 0
Range b1

28
Sumber daya 1 dan sumber daya 2 merupakan sumber daya yang
ketat, range sumber daya 1 dan 2 dapat ditentukan dengan rumus
sebagai berikut :
bˆi = Bˉ¹ bi
 5 / 8  6 / 8 0   b1 
  
bˆi =   2 / 8 4 / 8 0   360 
 1 / 8  14 / 8 1   580 
  
Syarat tabel optimal tetap optimal dan layak jika bˆi ≥ 0
5/8 b1 – 270 + 0 ≥0 b1 ≥ 432
– 2/8 b1 + 180 + 0 ≥ 0 b1 ≤ 720
1/8 b1 – 630 + 580 ≥ 0 b1 ≥ 400
Jadi range b1 adalah : 432 ≤ b1 ≤ 720
Dapat disimpulkan bahwa selama 432 ≤ b1 ≤ 720, tabel optimal tetap
optimal dan layak yang berarti variabel basisnya tetap x1, x2 dan s3
dan status sumberdaya 1 dan 2 tetap ketat, yang berubah adalah nilai
solusi optimal (nilai variabel basis dan nilai fungsi tujuannya).
Nilai interval solusi optimal dapat ditentukan sebagai berikut :
untuk semua 432 ≤ b1 ≤ 720, solusi optimal adalah,
x1 = 5/8b1 – 270
x2 = –2/8b1 + 180
s3 = 1/8b1 – 50
Z = 12(5/8b1 – 270)+18(–2/8b1 + 180)+15 (0)
Range b2
bˆi = Bˉ¹ bi
 5 / 8  6 / 8 0   480 
  
bˆi =   2 / 8 4 / 8 0   b 2 
 1 / 8  14 / 8 1   580 
  
Syarat tabel optimal tetap optimal dan layak jika bˆi ≥ 0
300 – 6/8 b2 + 0 ≥0 b2 ≤ 400
– 120 + 4/8 b2 + 0 ≥ 0 b2 ≥ 240
60 – 14/8 b2 + 580 ≥ 0 b2 ≤ 365

29
Jadi range b2 adalah : 240 ≤ b2 ≤ 365
Dapat disimpulkan bahwa selama 240 ≤ b2 ≤ 365, tabel optimal tetap
optimal dan layak yang berarti variabel basisnya tetap x1, x2 dan s3
dan status sumberdaya 1 dan 2 tetap ketat, yang berubah adalah nilai
solusi optimal (nilai variabel basis dan nilai fungsi tujuannya).
Nilai interval solusi optimal dapat ditentukan sebagai berikut :
untuk semua 240 ≤ b2 ≤ 365, solusi optimal adalah,
x1 = 300 – 6/8b2
x2 = –120 + 4/8b2
s3 = 640 – 14/8b2
Z = 12(300 – 6/8b2)+18(–120 + 4/8b2)+15 (0)
Range b3
Sumber daya 3 tersedia 580 unit dan sisa 10 unit, sehingga sumber
daya 3 merupakan sumber daya yang longgar, atau batas atasnya
adalah ∞ dan batas bawahnya adalah 580 unit – 10 unit = 570 unit.
Range sumber daya 3 juga dapat ditentukan dengan rumus
sebagaimana sumber daya yang ketat :
bˆi = Bˉ¹ bi
 5 / 8  6 / 8 0   480 
  
bˆi =   2 / 8 4 / 8 0   360 
 1 / 8  14 / 8 1   b3 
  
Syarat tabel optimal tetap optimal dan layak jika bˆi ≥ 0
300 – 270 + 0 b3 ≥ 0 b3 sembarang harga
– 120 + 180 + 0 b3 ≥ 0 b3 sembarang harga
60 – 630 + b3 ≥ 0 . b3 ≥ 570
Jadi range b3 adalah : b3 ≥ 570
Dapat disimpulkan bahwa selama b3 ≥ 570, tabel optimal tetap
optimal dan layak yang berarti variabel basisnya tetap x1, x2 dan s3
dan status sumberdaya 1 dan 2 tetap ketat, yang berubah adalah nilai
solusi optimal (nilai variabel basis dan nilai fungsi tujuannya).
Nilai interval solusi optimal dapat ditentukan sebagai berikut :

30
 untuk semua b3 ≥ 570, solusi optimal adalah,
x1 = 30 + 0b3
x2 = 60 + 0b3
s3 = – 570 + b3
Z = 12(5/8b1 – 270)+18(–2/8b1 + 180)+15 (0)
b. Shadow Price
Untuk mengetahui seberapa besar pengaruh perubahan nilai
ruas kanan (bi) selama masih dalam range terhadap nilai Z dapat
ditentukan berdasarkan konsep shadow price.
Shadow Price Sumber Daya 1
Sumber daya 1 merupakan sumber daya yang ketat. Jika sumber
daya 1 dirubah sepanjang rangenya (432 ≤ b1 ≤ 720) maka besarnya
shadow price dapat dihitung sebagai berikut :
Misal b1 diturunkan menjadi 440, besarnya nilai ruas kanan pada
tabel optimal adalah :
x1 = 5/8 (440) – 270 = 5
x2 = –2/8 (440) + 180 = 70
s3 = 1/8 (440) – 50 = 5
Z = 12 (5)+18 (70)+15 (0) = 1320
Jadi jika b1 diturunkan sebesar (480 – 440 = 40), Z akan turun
sebesar (1440 – 1320 =120)
Misal b1 dinaikkan menjadi 640, besarnya nilai ruas kanan pada
tabel optimal adalah :
x1= 5/8 (640) – 270 = 130
x2 = –2/8 (640) + 180 = 20
s3 = 1/8 (640) – 50 = 30
Z = 12 (130)+18 (20)+15 (0) = 1920
Jadi jika b1 dinaikkan sebesar (640 – 480 = 160), Z akan naik
sebesar (1920 – 1440 = 480). Besarnya perubahan nilai Z untuk
setiap perubahan 1 unit b1 sampai batas yang diijinkan = 120/40 atau
480/160 = 3.

31
Jadi shadow price sumber daya 1 = 3.
Shadow Price Sumber Daya 2
Sumber daya 2 merupakan sumber daya yang ketat. Jika sumber
daya 2 dirubah sepanjang rangenya (240 ≤ b2 ≤ 365) maka besarnya
shadow price dapat dihitung sebagai berikut :
Misal b2 diturunkan menjadi 240, besarnya nilai ruas kanan pada
tabel optimal adalah :
x1 = 300 – 6/8 (240) = 120
x2 = –120 + 4/8 (240) = 0
s3 = 640 – 14/8 (240) = 220
Z = 12 (120)+18 (0) +15 (0) = 1440
Jadi jika b2 diturunkan sebesar (360 – 240 = 120), Z akan turun
sebesar (1440 – 1440 = 0).
Misal b2 dinaikkan menjadi 364, besarnya nilai ruas kanan pada
tabel optimal adalah :
x1 = 300 – 6/8 (364) = 27
x2 = –120 + 4/8 (364) = 62
s3 = 640 – 14/8 (36 ) = 3
Z = 12 (27) +18 (62) +15 (0) = 1440
Jadi jika b2 dinaikkan sebesar (364 – 360 =4), Z akan naik sebesar
(1440 – 1440 = 0). Besarnya perubahan nilai Z untuk setiap
perubahan 1 unit b1 sampai batas yang diijinkan = 0/120 atau 0/4 =
0.
Jadi shadow price sumber daya 2 = 0.
Shadow Price Sumber Daya 3
Sumber daya 3 merupakan sumber daya yang longgar, sehingga
selama b3 ≥ 570 tidak akan mempengaruhi Z atau dengan kata lain
setiap penambahan/pengurangan 1 unit sumber daya 1 sampai batas
yang diijinkan
(570 ≤ b1 ≤ ∞) tidak akan berpengaruh terhadap Z.
Jadi shadow price sumber daya 3 = 0.

32
 Berdasarkan shadow price tersebut dapat ditentukan prioritas
penambahan/pengurangan sumber daya. Pada kasus maksimasi
prioritas sumber daya yang akan ditambah adalah sumber daya yang
memiliki pengaruh terhadap Z yang paling besar dan sumber daya
yang diprioritaskan untuk dikurangi adalah sumber daya yang
memiliki pengaruh terhadap Z yang kecil.
3. Perubahan Fungsi Pembatas
a. Penambahan variabel baru
Penambahan variabel baru merupakan penambahan kegiatan
baru yang menggunakan sumber daya yang sama. Untuk mengetahui
bagaimana pengaruh penambahan variabel baru terhadap solusi
optimal dapat dilakukan dengan menyelidiki selisih ruas kiri dengan
ruas kanan pembatas dual yang baru. Jika selisihnya berharga positif
maka penambahan variabet baru tersebut tidak mempengaruhi solusi
optimal dan jika berharga negatif akan mempengaruhi solusi
optimal.
Sebagai contoh, jika perusahaan merencanakan untuk
membuat produk D dimana setiap unit produk D memberikan
sumbangan keuntungan 12, membutuhkan 9 unit sumber daya 1, 6
unit sumber daya 2 dan 8 unit sumber daya 3 sehingga formulasi
persoalan semula berubah menjadi :
Maksimumkan Z = 12 x1 + 18 x2 + 15 x3 + 12 x4
Dengan pembatas :
4 x1 + 6 x2 + 5 x3 + 9 x4 ≤ 480
2 x1 + 5 x2 + 6 x3 + 6 x4 ≤ 360
x1 + 8 x2 + 6 x3 + 8 x4 ≤ 580
x1 , x2 , x3, x4 ≥ 0
Jadi Ĉ4 = 9 (3) + 6 (0) + 8 (0) – 12 = 15,
karena positif maka tidak mempengaruhi solusi optimal semula. Hal
ini menunjukkan bahwa produk D dengan keuntungan/unit 12 , tidak
layak untuk diproduksi. Supaya mempengaruhi solusi optimal

33
 semula atau supaya produk D layak untuk diproduksi maka besarnya
keuntungan/unit produk D adalah :
9 (3) + 6 (0) + 8 (0) – C4 < 0 atau C4 > 27.
Penambahan variabel baru ini, akan menyebabkan dua kemungkinan,
yaitu jika tidak berpengaruh berarti tidak merubah keputusan
maupun besarnya keuntungan dan jika berpengaruh akan merubah
keputusan dan bertambahnya keuntungan.
b. Penambahan batasan baru
Penambahan batasan baru terjadi karena perubahan sifat
sumber daya yang semula tidak terbatas menjadi terbatas jumlahnya.
Penambahan batasan baru akan mempengaruhi solusi optimal
apabila sifatnya aktif dan sebaliknya tidak mempengaruhi solusi
optimal jika sifatnya pasif. Untuk itu perlu diperiksa apakah batasan
baru tersebut melanggar solusi optimal (aktif) atau tidak melanggar
solusi optimal (pasif).
Misal batasan baru : 5 x1 + 6 x2 + 8 x3 ≤ 550,
Karena pernyataan 5 (30) + 6 (60) + 8 (0) ≤ 550, (benar), maka
solusi optimal tidak berubah. Tetapi jika 5 x1 + 6 x2 + 8 x3 ≤ 500,
karena pernyataan 5 (30) + 6 (60) + 8 (0) ≤ 550, (salah), maka
batasan baru tersebut akan mempengaruhi solusi optimal.
Penambahan batasan baru ini, akan menyebabkan dua kemungkinan,
yaitu jika tidak berpengaruh berarti tidak merubah keputusan
maupun besarnya keuntungan dan jika berpengaruh akan merubah
keputusan dan berkurangnya keuntungan.

C. Contoh Kasus Program Linear Yang Menggunakan Analisis

Sensitivitas
1. JOBCO memproduksi dua produk dengan menggunakan dua mesin.
Satu unit produk 1 membutuhkan 2 jam proses pada mesin A dan 1
jam pada mesin B. Untuk satu unit produk 2, dibutuhkan 1 jam

34
 proses pada mesin A dan 3 jam pada mesin B. Keuntungan per unit
produk 1 dan produk 2 masing-masing adalah $30 dan $20.
Ketersediaan jam kerja harian untuk kedua mesin masing-masing
adalah 8 jam.
a. Tentukan keuntungan harian maksimal untuk JOBCO, dengan
menggunakan metode grafis.
b. Jika kapasitas mesin A ditingkatkan dari 8 jam/hari menjadi 9
jam/hari, berapakah peningkatan keuntungannya?
Penyelesaian:
a. Variabel keputusan:
x1: banyaknya produk 1 yang diproduksi per hari (unit)
x2: banyaknya produk 2 yang diproduksi per hari (unit)
Maks Z = 30 x1 + 20 x2
Dengan kendala:
2 x1 + x2 ≤ 8 (mesin A)
x1 + 3 x2 ≤ 8 (mesin B)
x1; x2 ≥ 0

Solusi Optimal: x1 = 3,2; x2 = 1,6 ; Z = 128

b. Model PL menjadi:
Makz Z = 30 x1 + 20 x2

35
Dengan kendala:
2 x1 + x2 ≤ 9 (mesin A)
x1 + 3 x2 ≤ 8 (mesin B)
x1; x2 ≥ 0
Solusi optimal:
x1 = 3,8;
x2 = 1,4 ;
Z = 142
z akhir  z awal
Dual Pr ice 
kapasitas akhir  kapasitas awal
142  128
Dual Price mesin A =  14
98
Yang berarti: setiap penambahan [pengurangan] satu satuan
kapasitas mesin A akan menambah [mengurangi] fungsi objektif
sebesar dual price-nya. Istilah lain: shadow price.
Dengan dual price $14 untuk mesin A, perubahan kapasitas mesin A
menyebabkan perubahan pada nilai fungsi objektif sebagai berikut:
Kapasitas mesin A Nilai fungsi
(Jam) objektif ($)
⁞ ⁞
6 100
7 114
8 128 Solusi dari problem awal
9 142
10 156
⁞ ⁞

36