Disusun Oleh:
PEMBAHASAN
A. Teori Dualitas
1. Konsep dualitas
Konsep dualitas merupakan sebuah konsep bagian dari linier programing yang
menarik untuk dibahas. Setiap permasalahan linier programing memiliki dua
bentuk yang selalu saling berbubungan satu sama lainnya. Permasalahan pertama
disebut “primal” sedangkan permasalahan kedua disebut “dual” [ CITATION Wij13 \l
1057 ]. Kedua permasalahan tersebut selalu berkaitan sedemikian rupa, sehingga
solusi yang paling optimal dari permasalahan pertama akan memberikan
informasi yang lengkap tentang solusi permasalahan kedua.
Keadaan yang berhubungan dengan pola yang asli disebut dengan bentuk
primal dengan bentuk dualnya yang bermanfaat dalam berbagai hal. Terlebih
dalam interpretasi ekonominya. Bentuk dual dari bentuk dual tersebut adalah
bentuk primal.
Dual :
Minimasi Z=Yb
dengan pembatas berupa
YA ≥ c
Y ≥0
Keterangan :
1. A : matriks (m ×n)
2. b : vektor kolom (m ×1)
3. c : vektor baris (1 ×n)
4. x : vektor kolom (n ×1)
5. y : vektor baris (1 ×m)
Bentuk umum dari primal-dual simetri
Primal
Maksimasi :
Z=c 1 X 1+ c 2 X 2 +...+c n X n fungsi tujuan
a 11 X 1+ a12 X 2+...+ a1 n X n ≤ b1 fungsi pembatas
a 21 X 1 +a22 X 2 +...+a2 n X n ≤b 2
a m 1 X 1 +a m2 X 2+...+ amn X n ≤ b m
X 1 , X 2 ,... , X n ≥ 0
Dual
Minimasi :
W =b1 Y 1+ b2 Y 2+...+b m Y m fungsi tujuan
a 11 Y 1 +a 21 Y 2 +...+am 1 Y m ≥ c1 fungsi pembatas
a 12 Y 1+ a22 Y 2 +...+a m 2 Y m ≥ c 2
a 1n Y 1 +a2 n Y 2+...+ amn Y m ≥ c n
Y 1 ,Y 2 , ... ,Y m ≥ 0
Primal
Minimasi :
Z=c 1 X 1+ c 2 X 2 +...+c n X n fungsi tujuan
a 11 X 1+ a12 X 2+...+ a1 n X n ≥ b1 fungsi pembatas
a 21 X 1 +a22 X 2 +...+a2 n X n ≥b 2
a m 1 X 1 +a m 2 X 2+...+ amn X n ≥ b m
X 1 , X 2 ,... , X n ≥ 0
Dual
Masimasi :
W =b1 Y 1+ b2 Y 2+...+b m Y m fungsi tujuan
a 11 Y 1 +a 21 Y 2 +...+am 1 Y m ≤c 1 fungsi pembatas
a 12 Y 1+ a22 Y 2 +...+a m 2 Y m ≤ c 2
a 1n Y 1 +a2 m Y 2+ ...+ amn Y m ≤ c m
Y 1 ,Y 2 , ... ,Y m ≥ 0
Dari keempat bentuk umum primal-dual simetri terbentuk hubungan antara primal
dan dual, yaitu:
1. Ruas kanan pembatas dari masalah dual merupakan koefisien fungsi tujuan dari
masalah primal, begitupun sebaliknya ruas kanan pembatas dari masalah primal
menjadi koefisien fungsi tujuan dari masalah dual.
2. Tanda pertidaksamaan pembatas dibalik, tanda dari masalah dual minimasi
merupakan kebalikan dari tanda masalah primal maksimasi.
3. Tujuan dari maksimasi masalah primal menjadi minimasi masalah dual, begitu
juga sebaliknya tujuan minimasi masalah primal menjadi maksimasi masalah
dual.
4. Setiap kolom pembatas pada masalah primal berhubungan dengan satu baris
pembatas masalah dual, sehingga banyaknya pembatas pada masalah dual sama
dengan banyaknya variabel masalah primal. Dengan kata lain ialah 1 kolom
pembatas primal akan ditranpos menjadi baris pembatas dual.
5. Setiap baris pembatas pada masalah primal berhubungan dengan satu kolom pada
variabel dual, sehingga ada satu variabel dual menjadi bagian dari pembatas
primal.
6. Bentuk dual dari masalah dual merupakan bentuk primal.
layak menurut dual dan tidak optimum menurut primal. Kondisi yang layak
menurut dual dan kondisi yang optimum menurut primal adalah apabila Z j−C j ≥ 0
m
dan ∑ aij y j ≥ C j. Dalam kenyataan ketika mengerjakan soal yang berhubungan
i=1
dengan metode simpleks dual mungkin kita menghadapi suatu kondisi dimana
tabel simpleks awal tidak layak, tetapi tabel tersebut optimum. Untuk menghadapi
keadaan seperti ini maka dikembangkanlah suatu metode baru yakni metode
simpleks dual. Penyelesaian masalah dengan teori simpleks dual di gunakan
apabila formulasi program linear mengandung banyak variabel, dan
membutuhkan banyak perhitungan untuk memperoleh solusi yang diinginkan
Contoh berikut akan menunjukkan bagaimana penyelesaian solusi optimum
dengan metode simpleks dual.
Minimum Z= 2X1 + 4X2 + X3 + 3X4
Dengan kendala :
X1 + 2X2 + 3X3 + 4X4 ≥ 30
2X1 + X2 + X3 + X4 ≥ 20
X1, X2, X3, X4 ≥ 0
Langkah-langkah penyelesaian dengan metode dual simpleks adalah sebagai
berikut:
1. Langkah awal yang harus dilakukan adalah mengkonversikan semua fungsi
kendala menjadi tanda lebih kecil sama dengan (≤). Semua kendala ≥
dikonversikan menjadi tanda ≤ dengan mengalikan (-1), sehingga menjadi :
Minimum Z= 2X1 + 4X2 + X3 + 3X4
Dengan kendala :
-X1 - 2X2 - 3X3 - 4X4 ≥ -30
-2X1 - X2 - X3 - X4 ≥ -20
X1, X2, X3, X4 ≥ 0
2. Langkah selanjutnya yaitu menambahkan variabel slack kedalam kendala.
Variabel slack sendiri merupakan variabel yang ditambahkan ke dalam kendala
untuk mengkonversikan pertidaksamaan menjadi persamaan. Sehingga
didapatkan :
Minimum Z= 2X1 + 4X2 + X3 + 3X4
Dengan kendala :
-X1 - 2X2 - 3X3 - 4X4 + S1 ≥ -30
-2X1 - X2 - X3 - X4+ S2 ≥ -20
X1, X2, X3, X4, S1, S2 ≥ 0
Jika fungsi tujuan dan fungsi kendala tersebut dimasukkan kedalam tabel simpleks
maka slack variabel (S1 dan S2) tidak layak, karena memiliki konstanta ruas kanan
negatif. Oleh karena fungsi tujuan tersebut berbentuk minimum, maka tabel
simpleks akan mencapai optimum apabila koefisien tujuan pada baris Z j−C j ≤ 0.
Terlihat bahwa pada tabel awal untuk solusi basisnya menunjukkan S1= -30 dan
S2= -20, kondisi ini dikatakan optimum tetapi tidak layak.
3. Tentukan leaving variabel/ baris pivot. Baris pivot dalam riset operasi simpleks
dual adalah baris dengan nilai kanan negatif terbesar. Dalam kasus maksimasi,
kondisi akan optimum jika semua koefisien baris disebelah kiri bernilai positif,
sedangkan untuk minimasi adalah carilah nilai paling negatif disisi kanan/RHS
untuk mendefinisikan baris pivot. Jika negatif terbesar lebih dari satu pilihlah
salah satu sembarang. Jika semua variabel basis telah berharga positif atau nol
berarti telah tercapai keadaan feasibel. Metode dual simpleks juga didasarkan
pada optimality dan feasibility dimana optimality condition menjamin bahwa
solusi harus tetap optimum sedangkan pada feasibility memaksa agar solusi dapat
mencapai keadaan layak. Prinsip ini memiliki kesamaan dengan metode simpleks,
hanya saja pada metode dual simpleks ditranspose (baris jadi kolom dan kolom
jadi baris). Untuk menyelesaikan masalah diatas, dapat digunakan metode
simpleks dual sebagai berikut:
Tabel 4. Menentukan leaving variabel
CB Cj 2 4 1 3 0 0 Konstanta
VDB X1 X2 X3 X4 S1 S2 Ruas
Kanan
0 S1 -1 -2 -3 -4 1 0 -30
0 S2 -2 -1 -1 -1 0 1 -20
Zj-Cj -2 -4 -1 -3 0 0 0
Dari tabel iterasi dalam metode dual simpleks diatas ditentukan bahwa leaving
variabelnya dengan solusi yang memiliki angka negatif terbesar terletak pada
variabel basis S1, karena memiliki nilai -60.
4. Tentukan entering variabel/kolom pivot. Kolom pivot diperoleh dengan
melakukan minimum test dengan terlebih dahulu membagi nilai baris z dengan
garis pivot. Dalam hal ini, sebagai catatan semua nilai baris pivot dapat menjadi
pembagi kecuali nilai 0. Kolom pivot merupakan kolom dengan rasio pembagian
mutlak dengan nilai minimum tanpa mempertimbangkan tanda negatif. Berikut
adalah tahapan untuk menentukan entering variabel dengan menentukan rasio
yang dicari dengan membagi angka yang terdapat pada baris Zj - Cj dengan angka
pada baris kunci yang berkorespondensi dengan variabel nonbasis.
Tabel 5. Menentukan rasio
Variabel X1 X2 X3 X4
nonbasis
Baris Zj-Cj -2 -4 -1 -3
Baris S1 -1 -2 -3 -4
Rasio 2 2 1/3 3/4
Untuk menentukan variabel yang akan masuk sebagai basis atau kolom kunci
yaitu variabel yang memiliki rasio dengan angka terkecil, maka didapatkan :
Tabel 6. Menentukan entering variabel
CB Cj 2 4 1 3 0 0 Konstanta
VDB X1 X2 X3 X4 S1 S2 ruas
kanan
0 S1 -1 -2 -3 -4 1 0 -30
0 S2 -2 -1 -1 -1 0 1 -20
Zj-Cj -2 -4 -1 -3 0 0 0
Variabel yang termasuk dalam basis adalah X3, karena memiliki rasio angka
terkeci yaitu sebesar 1/3 dengan elemen pivotnya (-3).
5. Untuk menentukan persamaaan pivot baru, dapat diperoleh dengan perhitungan
iterasi sebagai berikut :
1. Bagi baris S1 yang memiliki elemen (-6), didapatkan hasil yang menjadi baris baru
untuk variabel masuk X3.
[ -1 -2 -3 -4 1 0 -30 ] : (-3)
[ 1/3 2/3 1 4/3 -1/3 0 10 ]
2. Untuk menentukan nilai baru pada baris S2 , lakukan dengan mengalikan baris S2
dengan elemen pivot pada baris S2 lalu kurangkan hasil dari elemen S2 dengan
baris baru diatas, sehingga didapatkan :
[ -2 -1 -1 -1 0 1 -20 ]
[ 1/3 2/3 1 4/3 -1/3 0 10 ] x [-1] -
[ -5/3 -1/3 0 1/3 -1/3 1 -10 ]
3. Kurangkan hasil dari baris baru diatas dengan baris Zj-Cj pada baris selanjutnya,
tentunya setelah dikalikan dengan elemen pivot pada baris Z j-Cj yaitu -1.
Sehingga hasilnya didapatkan persamaan pivot yang baru untuk baris Zj-Cj.
[ -2 -4 -1 -3 0 0 0 ]
[ 1/3 2/3 1 4/3 -1/3 0 10 ] x [-1] -
-5/3 -10/3 0 -5/3 1/3 0 10
Berdasarkan tabel diatas, didapatkan nilai elemen pivotnya adalah -5/3 dengan
menggunakan operasi pivot maka diperoleh nilai baru pada baris S2 yang
posisinya akan digantikan oleh variabel X1.
[ -5/3 -1/3 0 1/3 -1/3 1 -10 : [-5/3]
[1 1/5 0 -1/5 1/5 -3/5 6
1. Setelah dikalikan dengan elemen pivot baris X3, kurangkan hasil dari baris baru
diatas dengan X3, yaitu 1/3. Sehingga dihasilkan nilai baru untuk baris X3
[ 1/3 2/3 1 4/3 -1/3 0 10
[1 1/5 0 -1/5 1/5 -3/5 6 x [1/3] -
[0 3/5 1 7/5 -2/5 1/5 8
2. Untuk menghasilkan nilai baru pada baris X3, kurangkan hasil dari baris baru
diatas dengan baris pada Zj- Cj setelah dikalikan dengan elemen pivot baris Zj- Cj
yaitu -5/3. Sehingga diperoleh hasil sebagai berikut :
[ -5/3 -10/3 0 -5/3 -1/3 0 10
[1 1/5 0 -1/5 1/5 -3/5 6 X [-5/3] -
[0 -3 0 -2 0 -1 20
Tabel optimum diatas dikatakan layak baik menurut primal maupun dual. Solusi
optimum primalnya adalah :
X1 = 6, X2 = 0, X3 = 8 dan X4 = 0, dengan total nilai Z adalah
Z = 2(6) + 4(0) +1(8) +3(0)
= 12 + 8
= 20
Sedangkan untuk solusi optimum dual adalah :
Y1= 0 dan Y2= -1 , dengan total nilai W adalah
W = -30(0) -20(-1)
= 0 + 20
= 20
Dual
Minimasi
W =60 X 1 +40 X 2+30 X 3
Pembatas 2 X 1 +2 X 2 + X 3 ≥2000
3 X 1 +2 X 2 +3 X 3 ≥5000
6 X 1 + 4 X 2 +5 X 3 ≥ 4000
X1 , X2 , X3≥ 0
2. Mots
Seorang petani memiliki lahan tanah yang ditanami oleh tanaman padi dan
gubis dengan jumlah masing-masing lahan untuk tanaman padi ialah 2 hm2 dan
lahan untuk tanaman gubis ialah 3 hm2 dan kapasitas lahan 30 hm2, petani tersebut
mempekerjakan orang untuk lahan-lahan tersebut pekerja untuk lahan padi ialah
10 orang dan pekerja untuk lahan gubis ialah 6 orang dengan kapasitas pekerja
yang tersedia ialah 65 orang. Modal yang dikeluarkan untuk lahan padi ialah 2,5
dan untuk lahan gubis ialah 2 (persatuan Rp. 1.000.000) dengan kapasitas 40.
Keuntungan setiap lahan secara berurutan ialah 20 dan 30 (persatuan Rp. 10.000).
Jenis Produk
Bahan Baku Sandal Tali Sandal Tali Kapasitas
Bahan Karet
Spon 908 910 2.000.000
Lem 67 80 150.000
Keuntungan Rp. 12.000 Rp. 10.000
Konstanta
Variabe X1 X2 S1 S2
Z Ruas
l Dasar
Kanan
Z 1 0 2.000 12.000/90 0 26.436.000
8
S1 0 1 1 1/908 0 2203
S2 0 0 13 -67/908 0 2399
Berdasarkan tabel tersebut, baris fungsi Z sudah tidak ada lagi yang
bernilai negatif sehingga solusi yang diperoleh optimal yang memiliki arti bahwa
jika produsen ingin memperoleh keuntungan yang maksimal, maka perusahaan
“Naning Agatha Shoes” hanya memproduksi 2203 pasang sandal tali bahan.
Sedangkan bahan yang dibutuhkan dalam pembuatan tersebut adalah :
1. Spon : 908 ( 2203 ) +910 ( 0 )=2.000 .000 cm2
2. Lem 67 ( 2203 ) +80 ( 0 )=147.601 gram sisa 2399 gram
Dari kasus diatas, untuk mendapatkan keuntungan yang optimal maka perusahaan
“Naning Agatha Shoes” harus memproduksi sebanyak :
1. Sandal tali bahan (X1) banyaknya adalah 2203 pasang sandal. Dalam sebulan ini
perusahaan “Naning Agatha Shoes”hanya memproduksi sebanyak 2000 pasang
sandal. Maka bila perusahaan ingin mencapai keuntungan maksimal perusahaan
harus menambah produksinya hingga mencapai 2203 pasang sandal.
2. Sandal tali karet (X2) untuk tidak memproduksinya terlebih dahulu karena jika
perusahaan berupaya mendapatkan keuntungan yang maksimal dengan persediaan
bahan baku yang tetap pada setiap bulannya dan keuntungan tetap setiap pasang
sandal.
3. Maka keuntungan maksimum yang akan dicapai perusahaan “Naning Agatha
Shoes” adalah sebesar : Rp.12.000(2203) + 10.000(0) = Rp.26.236.000.
Dari kasus diatas dapat disimpulkan bahwa perusahaan akan mendapatkan
keuntungan yang maksimal dari sandal tali bahan sebanyak Rp.26.236.000 bila
perusahaan “Naning Agatha Shoes” mampu memproduksi 2203 pasang sendal
tiap bulannya.
Kesimpulan
Riset operasi erat kaitannya dengan prinsip optimalisasi yang menjelaskan
terkait bagaimana cara pemakaian/penggunaan sumber daya baik itu waktu, biaya,
tenaga dan lain-lain guna mengoptimalkan hasil, salah satu metode untuk
menentukan nilai optimum ialah metode simpleks dual. Setiap program linier
salah satunya simpleks dual memiliki dua bentuk yang selalu saling berbubungan
satu sama lainnya. Permasalahan pertama disebut “primal” sedangkan
permasalahan kedua disebut “dual”. Program linier dikatakan simetri jika ruas
kanan pembatas bernilai tidak negatif, semua pembatas menggunakan bentuk
pertidaksamaan. Program linier juga dimanfaatkan dalam bidang bisnis karena
program linier berperan dalam menentukan nilai-nilai optimum agar perusahaan
mendapatkan keuntungan yang maksimal dengan adanya kendala-kendala.
Daftar Pustaka
Basriati, S., Nurfarahim, Andiraja, N., & Rahma, A. N. (2018). Penggunaan Metode
Cutting Plane dalam Menentukan Solusi Integer Linear Programming. Seminar
Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI-10) (hal. 743).
Pekanbaru: Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau.
Bu'ulolo, F. (2017). Operasi Riset Program Linier (Vol. 2). Medan: USU Press.
Prihandono, B., Habibullah, M., & Noviani, E. (2014). Metode Kamarkar sebagai
Alternatif Penyelesaian Masalah Pemrograman Linier. Jurnal Matematika Murni
dan Terapan Epsilon, 8(1), 7.
Teguh, R., & Sudiadi. (2014). Teknik Riset Operasional. Palembang: Sekolah Tinggi
Manajemen Infromatika GI MDP.
Wijaya, A. (2013). Pengantar Riset Operasi (Vol. 3). Jakarta: Penerbit Mitra Wacana
Media.