CRITICAL BOOK REPORT

Dosen Pengampu: Erlinawaty Simanjuntak, S.Pd., M.Si

OLEH:
KELOMPOK 7
Anjel Christi Damanik 4173311008
Ayu Ulina Silaban 4173311015
Elda Freza L Simbolon 4173311028
Elsaday Situnggkir 4173311033
Evi Yuricha Nainggolan 4173311042

MATEMATIKA DIK E 2017

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MEDAN
2019
 DUALITAS

DUALITAS DAN SENSITIVITAS ANALISIS

Untuk setiap program linier yang kita selesaikan, ada program linier terkait lainnya
yang kebetulan kita pecahkan secara bersamaan. Program linier baru ini memenuhi beberapa
sifat yang sangat penting. Ini dapat digunakan untuk mendapatkan solusi untuk program asli,
dan variabel-variabelnya memberikan informasi yang sangat berguna tentang himpunan
solusi optimal untuk program linier asli.
Ini mengarah pada interpretasi ekonomi yang kaya terkait dengan masalah
pemrograman linier asli. Sebenarnya, akar masalah ini terletak pada karakterisasi kondisi
optimalitas untuk program linier asli. Setiap persoalan linier programming, selalu mempunyai
persoalan kedua yang selalu berkaitan dengan persoalan pertama. Persoalan pertama disebut
Primal dan persoalan kedua disebut Dual. Kedua persoalan tersebut selalu berkaitan
sedemikian rupa sehingga solusi optimal dari persoalan pertama akan memberikan informasi
yang lengkap tentang solusi optimal dari persoalan kedua. Demi referensi ekspositori, kita
harus menyebut masalah pemrograman linier asli sebagai masalah primal (pemrograman
linier), dan kita akan menyebut program linear terkait ini sebagai masalah ganda
(pemrograman linier). Meskipun istilah "ganda" berasal dari aljabar linier, namun istilah
“primal” disarankan sebagai antonim bahasa Latin yang sesuai oleh Pak Dantzig, Tobias
Dantzig (yang merupakan ahli matematika), untuk mensubstitusi pada frasa yang tidak
praktis, “masalah asli yaitu ganda”. Sebenarnya, istilah primal dan ganda untuk pasangan
terkait masalah pemrograman linier ini relatif, karena dual dari “ganda” adalah “primal” itu
sendiri.
Kita akan mulai dengan merumuskan masalah dual baru ini (pemrograman linier) dan
melanjutkan untuk mengembangkan beberapa sifat penting. Sifat ini akan mengarah pada dua
algoritma baru, yaitu metode simpleks ganda dan algoritma primal-dual, untuk
menyelesaikan program linier. Terakhir, kita akan membahas efek variasi dalam data, yaitu,
koefisien biaya, sisi kanan koefisien, dan koefisien kendala, pada solusi optimal untuk
program linier.
1.FORMULASI MASALAH DUAL
Terkait dengan setiap masalah pemrograman linier, ada masalah pemrograman linier lain
yang disebut dual. Program linier ganda memiliki banyak sifat penting relatif terhadap
program linear primal asli. Ada dua bentuk penting (definisi) dualitas: bentuk kanonik
dualitas dan bentuk standar dualitas. Kedua bentuk ini sepenuhnya setara. Mereka muncul
masing-masing dari representasi kanonik dan standar dari masalah pemrograman linear.

Bentuk Dualitas Kanonik

Misalkan program linear primal diberikan dalam bentuk (kanonik):
P : Minimalkan 𝐜𝐱
dengan 𝐀𝐱 ≥ 𝐛
𝐱 ≥ 𝟎.
Kemudian program linier ganda didefinisikan oleh:
D : Maksimalkan 𝐰𝐛
dengan 𝐰𝐀 ≤ 𝐜
𝐰 ≥ 𝟎.
Perhatikan bahwa ada tepat satu variabel ganda untuk setiap kendala primer dan tepat satu
kendala ganda untuk setiap variabel primal.
Contoh 1
Pertimbangkan program linier berikut dan dualnya:
P : Minimalkan 6x1 + 8x1
dengan 3x1 + x2 ≥ 4
5x1 + 2x2 ≥ 7
x1 , x2 ≥ 0
 Dalam definisi kanonik dari dualitas penting untuk Masalah P memiliki suatu sasarn
“minimisasi” dengan semua kendala adalah “lebih besar atau sama dengan” dan semu
variabel “tidak negatif”. Secara teori, untuk menerapkan definisi dualitas kanonik pertama-
tama kita harus mengkonversi program linear primal ke format sebelumnya. Namun, dalam
praktiknya dimungkinkan untuk segera menuliskan program linier ganda apa saja.
Bentuk Standar Dualitas
Definisi lain yang setara dari dualitas dapat diberikan dengan program linear primal
dinyatakan dalam bentuk standar berikut:
P : Minimalkan 𝐜𝐱
dengan 𝐀𝐱 = 𝐛
𝐱 ≥ 𝟎.
Kemudian program linier ganda didefinisikan oleh:
D : Maksimalkan 𝐰𝐛
dengan 𝐰𝐀 ≤ 𝐜
𝐰 tidak dibatasi.
Hubungan Primal Dual dilukiskan seperti pada tabel berikut

Kalau kita bandingkan kedua persoalan di atas, ternyata terdapat korespondensi antara
primal dengan dual sebagai berikut :
1. Koefisien fungsi tujuan primal menjadi konstanta ruas kanan bagi dual, sedangkan
konstanta ruas kanan primal menjadi koefisien fungsi tujuan bagi dual.
2. Untuk tiap pembatas primal ada satu variaebl dual, dan untuk setiap variabel primal ada
satu pembatas dual.
3. Tanda ketidaksamaan pada pembatas akan bergantung pada fungsi tujuannya.
4. Fungsi tujuan berubah bentuk (maksimasi menjadi minimasi dan sebaliknya).
5. Setiap kolom pada primal berkorespondensi dengan baris (pembatas) pada dual.
6. Setiap baris (pembatas) pada primal berkorespondensi dengan kolom pada dual.
7. Dual dari dual adalah primal.
Dalam sebuah pemodelan Pemrograman Linear, terdapat dua konsep yang saling
berlawanan. Konsep yang pertama kita sebut Primal dan yang kedua Dual. Bentuk Dual
adalah kebalikan dari bentuk prima. Hubungan primal dan dual sebagai berikut :
a. Complementary Basic Solution
Complementary Basic Solution digunakan apabila kita akan mencari penyelesaian
yang optimal untuk persoalan primal melalui persoalan dual, atau penyelesaian persoalan
dual melalui persoalan primal, dimana salah satu persoalan penyelesaiannya dengan
menggunakan metode grafis.

Jika: Si * Yi = 0
(zj-cj) * Xj = 0
Maka Xj > 0 → (zj-cj) = 0
(zj-cj) = 0 → Xj = 0
Si = 0 → Yi > 0
Yi = 0 → Si > 0
Si * Yi = 0 dimana Si > 0 maka kendala persoalan yang lain ≠
(zj-cj) * Xj = 0 dimana Yi > 0 maka kendala persoalan yang lain =
Sehingga apabila fungsi kendala pada suatu persoalan bertanda 0, maka variabel
yang berkaitan dengan fungsi kendala tersebut pada persoalan yang lain harus = 0. Hal ini
yang disebut dengan “ Complementary Slackness”.
Bila X1;X2; …………. ;Xn adalah penyelesaian yang optimal dari persoalan primal,
dan Y1;Y2;…………..;Ym penyelesaian optimal dari persoalan dual
Maka : Z = ∑ 𝐂𝐣 ∗ 𝐗 𝐣 = ∑ 𝐘𝐢 ∗ 𝐁𝐢 = 0
 Metode dual simplex ini juga sangat penting untuk digunakan dalam analisis
kepekaan (sensitivity analysis). Contohnya jika terjadi suatu kendala baru ditambahkan ke
dalam persoalan semula setelah mencapai solusi optimal. Apabila ternyata kendala baru tidak
terpenuhi oleh solusi optimal yang telah dicapai, maka persoalannya akan menjadi tidak
feasibel lagi, sehingga untuk menyelesaikan ketidakfeasibelan ini perlu digunakan metode
dual simplex.

b. Persoalan Linier Programming Yang Tidak Normal

1. Fungsi objectice primal (dual) maximisasi, tetapi terdapat fungsi kendala yang bertanda
≥, maka variabel dual (primal)nya yang berhubungan dengan kendala tersebut akan
memenuhi Yi ≤ 0
2. Fungsi objective primal (dual) minimisasi, tetapi terdapat fungsi kendala yang bertanda
≤ , maka variabel dual (primal)nya yang berhubungan dengan kendala tersebut akan
memenuhi Yi ≥ 0 .
3. Fungsi kendala primal (dual) ada yang bertanda = , maka variabel dual (primal)nya yang
berhubungan dengan fungsi kendala tersebut akan tidak terbatas dalam tanda.
4. Variabel primal (dual) (Xi) tidak terbatas dalam tanda, maka fungsi kendala dual
(primal)nya yang berhubungan dengan variabel tersebut akan bertanda = .

Contoh 2
Pertimbangkan program linear berikut dan dual-nya (bandingkan dengan Contoh 6.1 di atas):
P : Minimalkan 6x1 + 8x2
dengan 3x1 + x2 − x3 = 4
5x1 + 2x2 − x4 = 7
x1 , x2 , x3 , x4 ≥ 0
D : Maksimalkan 4w1 + 7w2
dengan 3w1 + 5w2 ≤ 6
w1 + 2w2 ≤ 8
−w1 ≤ 0
−w2 ≤ 0
w1 , w2 tidak dibatasi.
Mengingat salah satu definisi, kanonik atau standar, mudah untuk menunjukkan
bahwa definisi lainnya valid. Sebagai contoh, misalkan kita menerima standar formulir
sebagai definisi dan ingin menunjukkan bahwa bentuk kanonik benar. Dengan menambahkan
variabel kendur ke bentuk kanonis program linier, kita dapat menerapkan bentuk standar
dualitas untuk mendapatkan masalah ganda.
P : Minimalkan 𝐜𝐱
Dengan 𝐀𝐱 − 𝐈𝐱 𝐬 = 𝐛
 𝐱, 𝐱 𝐬 ≥ 𝟎.
D : Maksimalkan 𝐰𝐛
dengan 𝐰𝐀 ≤ 𝐜
−𝐰𝐈 ≤ 𝟎
𝐰 tidak dibatasi.
Tetapi karena −𝐰𝐈 ≤ 𝟎 sama dengan 𝐰 ≥ 𝟎, kita mendapatkan bentuk kanonik dari masalah
dual.
Ganda dari Ganda
Karena program linier ganda itu sendiri merupakan program linier, kita mungkin
bertanya-tanya apa itu dual. Pertimbangkan dual dalam bentuk kanonik:
Maksimalkan 𝐰𝐛
dengan 𝐰𝐀 ≤ 𝐜
𝐰 ≥ 𝟎.
Menerapkan teknik transformasi Bab 1, kita dapat menulis ulang masalah ini dalam
bentuk:
Minimalkan (−𝐛𝐭 )𝐰 𝐭
Dengan (−𝐀𝐭 )𝐰 𝐭 ≥ (−𝐜 𝐭 )
𝐰 𝐭 ≥ 𝟎.
Program linier ganda untuk program linier ini diberikan oleh (membiarkan
memerankan baris vektor dari variabel ganda):
Maksimalkan 𝐱 𝐭 (−𝐜 𝐭 )
dengan 𝐱 𝐭 (−𝐀𝐭 ) ≤ (−𝐛𝐭 )
𝐱 𝐭 ≥ 𝟎.
Tapi ini sama dengan:
P : Minimalkan 𝐜𝐱
dengan 𝐀𝐱 ≥ 𝐛
𝐱 ≥ 𝟎,
Yang justru merupakan masalah awal yang asli. Jadi, kita memiliki lemma berikut ini,
yang dikenal sebagai sifat dualitas disengaja.
Lemma 1
Dual dari dual adalah primal.
Lemma ini menunjukkan bahwa definisi dapat diterapkan secara terbalik. Istilah
"primal" dan "ganda" berhubungan terhadap kerangka referensi yang kita pilih.
 2. Bentuk Campuran Dualitas
Dalam prakteknya, banyak program linier mengandung beberapa tipe batasan “kurang
dari atau sama dengan”, beberapa tipe “lebih besar dari atau sama dengan”, dan beberapa tipe
“sama dengan”. Juga, variabel mungkin " ≥ 0, " " ≤ 0" atau "tidak dibatasi." Di teori, ini
tidak menimbulkan masalah karena kita dapat menerapkan transformasi teknik Bab 1 untuk
mengonversi masalah “campuran” menjadi salah satu masalah utama atau bentuk ganda,
setelah itu ganda dapat dengan mudah diperoleh. Namun, pengkonversian semacam itu bisa
membosankan. Untungnya, sebenarnya tidak perlu melakukan konversi ini, dan
dimungkinkan untuk segera menyatakan dual dari program linier apa pun.
Pertimbangkan program linier berikut:
P : Minimalkan 𝐜𝟏 𝐱 𝟏 + 𝐜𝟐 𝐱 𝟐 + 𝐜𝟑 𝐱 𝟑
dengan 𝐀 𝟏𝟏 𝐱 𝟏 + 𝐀 𝟏𝟐 𝐱 𝟐 + 𝐀 𝟏𝟑 𝐱 𝟑 ≥ 𝐛𝟏
𝐀 𝟐𝟏 𝐱 𝟏 + 𝐀 𝟐𝟐 𝐱 𝟐 + 𝐀 𝟐𝟑 𝐱 𝟑 ≥ 𝐛𝟐
𝐀 𝟑𝟏 𝐱 𝟏 + 𝐀 𝟑𝟐 𝐱 𝟐 + 𝐀 𝟑𝟑 𝐱 𝟑 = 𝐛𝟑
𝐱 𝟏 ≥ 𝟎, 𝐱 𝟐 ≤ 𝟎, 𝐱 𝟑 tidak dibatasi.
Konversi masalah ini ke bentuk kanonik dengan mengalikan set kedua
ketidaksetaraan oleh −1, menulis kendala kesetaraan yang disetel secara setara sebagai dua
ketidaksetaraan, dan mengganti, 𝐱 𝟐 = −𝐱′𝟐 , 𝐱 𝟑 = 𝐱′𝟑 − 𝐱′′𝟑 , kita mendapatkan:
Minimalkan 𝐜𝟏 𝐱 𝟏 − 𝐜𝟐 𝐱 ′ 𝟐 + 𝐜𝟑 𝐱 ′ 𝟑 − 𝐜𝟑 𝐱′′𝟑
dengan 𝐀 𝟏𝟏 𝐱 𝟏 − 𝐀 𝟏𝟐 𝐱 ′ 𝟐 + 𝐀 𝟏𝟑 𝐱 ′ 𝟑 − 𝐀 𝟏𝟑 𝐱′′𝟑 ≥ 𝐛𝟏
−𝐀 𝟐𝟏 𝐱 𝟏 + 𝐀 𝟐𝟐 𝐱 ′ 𝟐 − 𝐀 𝟐𝟑 𝐱 ′ 𝟑 + 𝐀 𝟐𝟑 𝐱′′𝟑 ≥ −𝐛𝟐
𝐀 𝟑𝟏 𝐱 𝟏 − 𝐀 𝟑𝟐 𝐱 ′ 𝟐 + 𝐀 𝟑𝟑 𝐱 ′ 𝟑 − 𝐀 𝟑𝟑 𝐱′′𝟑 ≥ 𝐛𝟑
−𝐀 𝟑𝟏 𝐱 𝟏 + 𝐀 𝟑𝟐 𝐱 ′ 𝟐 − 𝐀 𝟑𝟑 𝐱 ′ 𝟑 + 𝐀 𝟑𝟑 𝐱′′𝟑 ≥ −𝐛𝟑
𝐱 𝟏 ≥ 𝟎, 𝐱 ′ 𝟐 ≥ 𝟎, 𝐱 ′ 𝟑 ≥ 𝟎, 𝐱′′𝟑 ≥ 𝟎.
Mendenotasikan variabel ganda yang terkait dengan empat set kendala sebagai
𝐰𝟏 , 𝐰′𝟐 , 𝐰′𝟑 dan 𝐰′′𝟑 masing-masing, kita mendapatkan dual untuk masalah ini sebagai
berikut:
Maksimalkan 𝐰𝟏 𝐛𝟏 − 𝐰 ′ 𝟐 𝐛𝟐 + 𝐰 ′ 𝟑 𝐛𝟑 − 𝐰′′𝟑 𝐛𝟑
dengan 𝐰𝟏 𝐀 𝟏𝟏 − 𝐰 ′ 𝟐 𝐀 𝟐𝟏 + 𝐰 ′ 𝟑 𝐀 𝟑𝟏 − 𝐰′′𝟑 𝐀 𝟑𝟏 ≤ 𝐜𝟏
−𝐰𝟏 𝐀 𝟏𝟐 + 𝐰 ′ 𝟐 𝐀 𝟐𝟐 −𝐰 ′ 𝟑 𝐀 𝟑𝟐 + 𝐰′′𝟑 𝐀 𝟑𝟐 ≤ −𝐜𝟐
𝐰𝟏 𝐀 𝟏𝟑 − 𝐰 ′ 𝟐 𝐀 𝟐𝟑 + 𝐰 ′ 𝟑 𝐀 𝟑𝟑 − 𝐰′′𝟑 𝐀 𝟑𝟑 ≤ 𝐜𝟑
-𝐰𝟏 𝐀 𝟏𝟑 + 𝐰 ′ 𝟐 𝐀 𝟐𝟑 − 𝐰 ′ 𝟑 𝐀 𝟑𝟑 + 𝐰′′𝟑 𝐀 𝟑𝟑 ≤ −𝐜𝟑
𝐰𝟏 ≥ 𝟎, 𝐰′𝟐 ≥ 𝟎, 𝐰′𝟑 ≥ 𝟎, 𝐰′′𝟑 ≥ 𝟎.
 Terakhir, menggunakan 𝐰𝟐 = −𝐰′𝟐 dan 𝐰𝟑 = −𝐰 ′ 𝟑 − 𝐰′′𝟑 , masalah di atas dapat
secara ekivalen dinyatakan sebagai berikut:
D : Maksimalkan 𝐰𝟏 𝐛𝟏 + 𝐰𝟐 𝐛𝟐 + 𝐰𝟑 𝐛𝟑
dengan 𝐰𝟏 𝐀 𝟏𝟏 + 𝐰𝟐 𝐀 𝟐𝟏 + 𝐰𝟑 𝐀 𝟑𝟏 ≤ 𝐜𝟏
𝐰𝟏 𝐀 𝟏𝟐 + 𝐰𝟐 𝐀 𝟐𝟐 + 𝐰𝟑 𝐀 𝟑𝟐 ≤ 𝐜𝟐
𝐰𝟏 𝐀 𝟏𝟑 + 𝐰𝟐 𝐀 𝟐𝟑 + 𝐰𝟑 𝐀 𝟑𝟑 ≤ 𝐜𝟑
𝐰𝟏 ≥ 𝟎, 𝐰𝟐 ≤ 𝟎, 𝐰𝟑 tidak dibatasi.
SOAL
1. Carilah bentuk dual dari bentuk prima linier programming berikut:
a. Maksimumkan : Z = 60 X1 + 30 X2 + 20 X3
Kendala 8 X1 + 6 X2+ X3 ≤ 48
4 X1 + 2 X2+ 1,5 X3 ≤ 20
2 X1 + 1,5 X2+ 0,5 X3 ≤ 8
X1, X2, X3 ≥ 0
b. Minimumkan : W = 50 Y1 + 20 Y2+ 30 Y3+ 80 Y4
Kendala : 400 Y1 + 200 Y2 + 1500 Y3 + 500 Y4 ≥500
3 Y1 + 2 Y2 ≥6
2 Y1 + 2 Y2 + 4 Y3 + 4 Y4 ≥10
2 Y1 + 4Y2 + Y3 + 5 Y4 ≥8
Y1, Y2, Y3, Y4 ≥ 0
2. Diketahui bentuk primal dari model linier programing sebagai berikut:
Maksimumkan : Z = 3X1 + X2 + 4 X3
Kendala 6 X1 + 3 X2+ 5 X3 ≤ 25
3 X1 + 4 X2+ 5 X3 ≤ 20
X1, X2, X3 ≥ 0
3. Masalah primal :
Fungsi tujuan : Maksimumkan : z = 3x1 + 5x2
Fungsi pembatas : 2 x1 ≤ 8
3 x2 ≤ 15
6 x1 + 5 x2 ≤ 30
x1, x2 ≥ 0
4. Masalah Dual
Fungsi Tujuan : Minimumkan : G = 8 Y1 + 15 Y2 + 30 Y3
Fungsi Pembatas : 2 Y1 + 6 Y3 ≥ 3
3 Y2 + 5 Y3 ≥ 5
Y1, Y1, Y3 ≥ 0