MAKALAH

PROGRAM LINEAR
“Dualitas dan Analisis Sensitivitas”

Oleh:
Kelompok 3
Maria Rizky Amalia (A1I118001)
Dewa Ketut Darmayasa (A1I118019)
Adelia Aprilianti Sahupala (A1I118023)
Heni (A1I118059)
Tista Sugiarti (A1I216081)
Wa Ode Mustika (A1I216091)
Arinil Hidayah (A1I116097)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS HALU OLEO
KENDARI
2019
 KATA PENGANTAR

Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha
Penyayang, puja dan puji syukur kami panjatkan atas kehadirat-Nya, yang telah
melimpahkan rahmat, hidayah, dan inayah-Nya, sehingga dapat menyelesaikan
makalah program linear tentang dualitas dan analisis sensitivitas.
Makalah ini telah disusun dengan maksimal dan mendapatkan bantuan dari
berbagai pihak sehingga dapat memperlancar pembuatan makalah ini. Untuk itu
kami menyampaikan banyak terima kasih kepada semua pihak yang telah
berkontribusi dalam pembuatan makalah ini.
Terlepas dari semua itu, kami menyadari sepenuhnya bahwa masih ada
kekurangan baik dari segi susunan kalimat maupun tata bahasanya. Oleh karena
itu dengan tangan terbuka kami menerima segala saran dan kritik dari pembaca
agar kami dapat memperbaiki makalah ini.
Akhir kata semoga makalah ini dapat memberikan manfaat terhadap
pembaca.

Kendari, 5 Desember 2019

Penyusun

ii
 DAFTAR ISI

KATA PENGANTAR........................................................................................................ii

DAFTAR ISI.....................................................................................................................iii

BAB I PEMBAHASAN.....................................................................................................1

PROGRAM LINIER : DUALITAS DAN ANALISIS SENSITIVITAS............................1

1.1. Teori Dualitas................................................................................................1

1.2. Hubungan Primal Dual..................................................................................2

1.3. Metode Dual Simpleks..................................................................................5

1.4. Analisis Sensitivitas dengan Tabel Simpleks................................................7

LATIHAN SOAL............................................................................................................16

BAB III PENUTUP.........................................................................................................17

2.1. Kesimpulan.................................................................................................17

2.2. Saran............................................................................................................17

DAFTAR PUSTAKA......................................................................................................18

iii
 BAB I
PEMBAHASAN

PROGRAM LINIER : DUALITAS DAN ANALISIS SENSITIVITAS

1.1. Teori Dualitas
Teori dualitas merupakan salah satu konsep program linier yang penting dan
menarik ditinjau dari segi teori dan praktisnya. Ide dasar yang melatarbelakangi
teori ini adalah bahwa setiap persoalan program linier mempunyai suatu program
linier lain yang saling berkaitan yang disebut “dual”, sedemikian sehingga solusi
pada persoalan semula (yang disebut "primal”) juga memberi solusi pada
dualnya.
Pendefinisian dual ini akan tergantung pada jenis pembatas, tanda-tanda
variabel, dan bentuk optimasi dari persoalan primalnya. Akan tetapi, karena setiap
persoalan programa linier harus dibuat dalam bentuk standar lebih dahulu sebelum
modelnya dipecahkan, maka pendefinisian dibawah ini akan secara otomatis
meliputi ketiga hal di atas. Bentuk umum masalah primal dual adalah sebagai
berikut :
Primal :
Maksimumkan : z = c1 x1 + c2 x2 + …. + cn xn
Berdasarkan pembatas :
a11 x1 + a12 x2 + …. + a1n xn ≤ b1
a21 x1 + a22 x2 + …. + a2n xn ≤ b2
.
.
.
am1 x1 + am2 x2 + …. + amn xn ≤ bm
x1 , x2 , …., xn ≥ 0

Dual :
Minimumkan : w = b1 y1 + b2 y2 + …. + bm ym
Berdasarkan pembatas :

1
 a11 y1 + a21 y2 + …. + am1 ym ≤ c1
a12 y1 + a22 y2 + …. + am2 ym ≤ c2
.
.
.
ay1 + a2n y2 + …. + amn ym ≤ cn
y1 , y2 , …. , ym ≥ 0
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 variable
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.

1.2. Hubungan Primal Dual

Nilai tujuan dalam suatu pasangan masalah primal dan dual harus memenuhi
hubungan berikut ini :
1. Untuk setiap pasangan pemecahan primal dual yang layak
nilai tujuan nilai tujuan
(dalam masalah maksimasi ) ( dalammasalah minimasi )
≤

2. Di pemecahan optimum untuk kedua masalah

nilai tujuan nilai tujuan
( dalammasalah maksimasi )=¿ (
dalammasalah minimasi )

2
Untuk menjelaskan hubungan antara primal dan dual, perhatikan ilustrasi berikut
ini :
Primal
Minimumkan : z = 16x1 + 30x2 + 36x3
Berdasarkan pembatas :
2x1 + 3x2 + 2x3 ≥ 60
2x1 + 5x2 + 3x3≥ 80
x1 , x2 , x3 ≥ 0
Soal ini kita selesaikan melalui penyelesaian dualnya, yakni :
Maksimumkan : w = 60y1 + 80y2
Berdasarkan pembatas :
2y1 + 2y2 ≤ 16
3y1 + 5y2 ≤ 30
2y1 + 3y2 ≤ 36
y1 , y2 , y3 ≥ 0

Karena soal ini hanya terdiri dari dua choice variabel sehingga dapat
diselesaikan dengan metode grafis, namun soal ini kita selesaikan dengan metode
simpleks, sebab dengan cara ini dari tabel akhir dapat kita baca jawaban untuk
persoalan primalnya. Untuk ini bentuk constraint di atas diubah dulu menjadi
persamaan dengan memasukkan slack variable t1, t2, dan t3 (untuk primal
problem ; slack/surplus variable kita pakai lambang S), yakni :
2y1 + 2y2 + t1 = 16
3y1 + 5y2 + t2 = 30
2y1 + 3y2 + t3 = 36
Sedangkan fungsi objectivenya ditulis dalam bentuk :
w - 60y1 - 80y2 + 0 t1 + 0 t2 + 0 t3 = 0
Dengan demikian penyelesaian dari persoalan diatas adalah sebagai berikut :

3
 Basis y1 y2 t1 t2 t3 Solusi
t1 2 2 1 0 0 16
t2 3 5 0 1 0 30
t3 2 3 0 0 1 36
w -60 -80 0 0 0 0
t1 4/5 0 1 -2/5 0 4
y2 3/5 1 0 1/5 0 6
t3 1/5 0 0 -3/5 1 18
w -12 0 0 0 0 480
y1 1 0 5/4 -1/2 0 5
y2 0 1 -3/4 1/2 0 3
t3 0 0 -1/4 -1/2 1 17
w 0 0 15 10 0 540

Karena pada tabek di atas tidak terdapat lagi entry negatif pada baris w, maka
tabel ini merupakan tabel akhir dan fungsi objective telah mencapai nilai optimal,
yakni :
Wmax = 540 untuk y1 = 5 unit, y2 = 3 unit dan t3 = 17 unit, yakni bahan yang tidak
terpakai dari konstraint ketiga, sedangkan t1 = t2 = 0. Dari tabel ini dapat kita baca
nilai x1 , x2 , dan x3 dari primal problem, yakni :

x1 = entry dari kolom t1 pada baris w, sehingga x1 = 15

x2 = entry dari kolom t2 pada baris w, sehingga x2 = 10
x3 = entry dari kolom t3 pada baris w, sehingga x3 = 0

Nilai shoice variable dari primal ini kalau kita masukkan pada fungsi objective
dari primal harus cocok = 540, yakni :
Z = 16x1 + 30x2 + 36x3
= 16 (5) + 30 (10) + 36 (0) = 540
Zmin = wmax

4
1.3. Metode Dual Simpleks
Apabila pada suatu iterasi kita mendapat persoalan programa linier yang
sudah optimum (berdasarkan kondisi optimalitas), tetapi belum fisibel (ada
pembatas nonnegatif yang tidak terpenuhi), maka persoalan tersebut harus
diselesaikan dengan menggunakan metode dual simpleks. Syarat digunakannya
metode ini adalah bahwa seluruh pembatas harus merupakan ketidaksamaan yang
bertanda ( ≤ ), sedangkan fungsi tujuan bisa berupa maksimasi atau minimasi.
Pada dasarnya metode dual simpleks ini menggunakan tabel yang sama
seperti metode simpleks pada primal, tetapi leaving variable dan entering
variable-nya ditentukan sebagai berikut :
1. Leaving variable (kondisi fisibilitas)
Yang menjadi leaving variable pada dual simpleks adalah variabel basis yang
memiliki harga negatif terbesar. Jika semua variabel basis telah berharga
positif atau nol, berarti keadaan fisibel telah tercapai.
2. Entering variable (kondisi optimalitas)

a. Tentukan perbandingan (rasio) antara koefisien persamaan z dengan

koefisien persamaan leaving variable. Abaikan penyebut yang positif atau
nol. Jika semua penyebut berharga positif atau nol, berarti persoalan yang
bersangkutan tidak memiliki solusi fisibel.

b. Untuk persoalan minimasi, entering variable adalah variabel dengan rasio

terkecil, sedangkan untuk persoalan maksimasi, entering variable adalah
variabel dengan rasio absolut terkecil.

Contoh :
Minimumkan : z = 2x1 + x2
Berdasarkan pembatas :

3 x1 + x2 ≥ 3
4x1 + 3x2 ≥ 6

5
 x1 + 2x2 ≤ 3
x1 , x2 ≥ 0

Langkah pertama yang harus dilakukan ialah mengubah arah ketidaksamaan

pembatas sehingga bertanda (≤ ), kemudian menambahkan variabel-variabel
slack.
Diperoleh formulasi baru sebagai berikut :
Minimumkan : z = 2x1 + x2
Berdasarkan pembatas :
-3x1 - x2 + S1 = -3
-4x1 - 3x2 + S2 = -6
x1 + 2x2 + S3 = 3
x1 , x2 , S1 , S2 , S3 ≥0
Tabel simpleks awalnya adalah :

Iterasi Basis x1 x2 S1 S2 S3 Solusi

S1 -3 -1 1 0 0 -3

S2 -4 -3 0 1 0 -6
0

S3 1 2 0 0 1 3

z -2 -1 0 0 0 0
Perhatikan bahwa variabel-variabel basis awalnya tidak memberikan solusi awal
yang fisibel (S1 dan S2 berharga negatif), tetapi koefisien persamaan z sudah
memenuhi kondisi optimalitas.
Pada iterasi di atas, S2 (= -6) terpilih sebagai leaving variable, sedangkan
entering variable dipilih berdasarkan :

X1 X2 S1 S2 S3
Koefisien persamaan z -2 -1 0 0 0
Koefisien persamaan S2 -4 -3 0 1 0

6
 Rasio 1/2 1/3 - - -
Dengan demikian, x2 terpilih sebagai entering variable. Langkah berikutnya
dilakukan dengan cara seperti biasa.

Iterasi Basis x1 x2 S1 S2 S3 Solusi

S1 −5/3 0 1 −1/ 3 0 -1

x2 4 /3 1 0 −1/ 3 0 2
1

S3 5/3 0 0 2/3 1 -1

z −2/3 0 0 −1/ 3 0 2

X1
1 0 −3/5 1/5 0 3/5

x2
0 1 4 /5 −3/5 0 6 /5
2
S3
0 0 -1 1 1 0

z
0 0 −2/5 −1/5 0 12/5

Solusi optimal telah tercapai.

Metode dual simpleks ini juga sangat penting untuk digunakan dalam analisis
sensitivitas. Sebagai contoh, hal ini akan terjadi apabila suatu pembatas baru
ditambahkan ke dalam persoalan semula setelah persoalan itu mencapai solusi
optimum. Apabila ternyata bahwa pembatas baru ini tidak terpenuhi oleh solusi
optimum yang telah dicapai itu, maka persoalannya akan menjadi optimum, tetapi
tidak fisibel, sehingga untuk menyelesaikan ketidakfisibelannya ini perlu
digunakan metode dual simpleks.

7
1.4. Analisis Sensitivitas dengan Tabel Simpleks

Analisis sensitivitas adalah analisis yang dilakukan untuk mengetahui

akibat/pengaruh dari perubahan yang terjadi pada parameter-parameter LP
terhadap solusi optimal yang telah dicapai. Ada enam tipe perubahan dalam
analisis sensitivitas dengan menggunakan tabel simpleks yaitu :

1. Perubahan koefisien fungsi tujuan untuk variabel nonbasis.

2. Perubahan koefisien fungsi tujuan untuk variabel basis.

3. Perubahan pada ruas kanan suatu pembatas.

4. Perubahan kolom untuk suatu variabel nonbasis.

5. Penambahan suatu variabel atau aktivitas baru.

6. Penambahan suatu pembatas baru.

Dalam perubahan kasus-kasus di atas digunakan soal LP berikut :

Maksimumkan : z = 60 x1 + 30 x2 + 20 x3

Berdasarkan :

8 x1 + 6 x2 + x3 ≤ 48

4 x1 + 2 x2 + 1,5 x3 ≤ 20

8
 2 x1 + 1,5 x2 + 0,5 x3 ≤ 8

x1, x2 , x3 ≥ 0

Tabel optimalnya adalah sebagai berikut :

BV x1 x2 x3 S1 S2 S3 Solusi

S1 0 -2 0 1 2 -8 24

x3 0 -2 1 0 2 -4 8

x1 1 1,25 0 0 -0,5 1,5 2

Z 0 5 0 0 10 0 280

Dari tabel ini dapat didefinisikan beberapa hal sebagai berikut :

BV = { S1 , x3 , x1 } ; NBV ={ x 2 , S2 , S 3 }
S1 x2

[] []
x BV = x 3 ; x NBV = S2 yang merupakan vektor m x 1
x1 S3

1. Perubahan koefisien fungsi tujuan untuk variabel nonbasis.

Kasus ini terjadi karena adanya perubahan, baik pada kontribusi keuntungan
maupun pada kontribusi ongkos dari kegiatan yang direpresentasikan oleh
variabel nonbasis. Pada contoh soal di atas, satu-satunya variabel keputusan
nonbasis adalah x2. Saat ini koefisien fungsi tujuan x2 adalah c2 = 30. Jika c2
berubah, bagaimana pengaruhnya terhadap solusi optimal ? Harga-harga c2
manakah yang menyebabkan BV = { S1 , x3 , x1 }tetap optimal ?
Kita tahu bahwa perubahan c2 dari 30 menjadi ( 30 + ∆ ) tidak mengubah
harga B-1 dan b. Karena itu, ruas kanan untuk tabel BV, yaitu B -1 b, tidak akan

9
berubah sehingga BV tetap fisibel. Karena c2 adalah variabel nonbasis, maka CBV
juga tidak akan berubah. Satu-satunya variabel yang koefisien baris 0-nya akan
berubah karena perubahan c2 ini adalah x2.
Dengan demikian, BV akan tetap optimal jika c2 ≥ 0, dan BV akan menjadi
suboptimal jika c2 ≤ 0. Dalam hal terakhir ini, harga z mungkin dapat diperbaiki
dengan memasukkan x2 ke dalam basis.
Dari contoh soal, kita tahu bahwa :
1 2 −8
−1
C BV B =[ 0 20 60 ] 0
[2
]
−4 = [ 0 10 10 ]
0 −0,5 1,5

6
[]
Sehingga c 2=[ 0 10 10 ] 2 −( 30+∆ )=35−30−∆=5−∆
1,5

Agar c2 ≥ 0 dan BV tetap optimal, maka ( 5 - ∆ ) harus ≥ 0 atau ∆ ≤ 5.

Sebaliknya, harga c2 akan ¿ 0 jika ∆ >¿ 5sehingga BV tidak lagi optimal. Artinya,
jika harga c2 naik atau turun sebesar 5 atau kurang, maka BV akan tetap optimal,
tetapi jika naik atau turunnya lebih dari 5, maka BV tidak lagi optimal.

Misalnya, jika c2 = 40, solusi basis saat ini akan menjadi suboptimal karena
c2 = -5 sehingga x2 akan menjadi entering variable. Untuk mengetahui solusi
optimal yang baru, lanjutkan perhitungan dengan menggunakan metode simpleks
seperti biasa.

2. Perubahan koefisien fungsi tujuan untuk variabel basis.

Mengubah koefisien fungsi tujuan variabel basis artinya mengubah CBV
sehingga beberapa koefisien pada baris 0 dari tabel optimal akan berubah.
Misalkan c1 berubah dari 60 menjadi ( 60 +∆). Maka CBV yang baru adalah [ 0
20 (60 + ∆)] sehingga :
1 2 −8
−1
C BV B =[ 0 20 60+ ∆ ] 0
( ) 2
[ ]
−4 =[ 0 10−0,5 ∆ 10+ 0,5 ∆ ]
0 −0,5 1,5

10
Koefisien baris 0 menjadi:
a . c 2=C BV B−1 a2−c 2
6
[]
¿ [ 0 10−0,5 ∆ 10+0,5 ∆ ] 2 −30=5+1,25 ∆
1,5
b. Koefisien S2 = elemen kedua dari CBV2 B-1 = 10 – 0,5∆
c. Koefisien S3 = elemen ketiga dari CBV B-1 = 10 + 1,5∆
Dengan demikian, BV akan tetap optimal jika :
5 + 1,25∆ ≥ 0 atau ∆ >¿ -4

10 – 0,5∆ ≥ 0 atau ∆ ¿ 20

10 + 1,5∆ ≥ 0 atau ∆ ¿ -(20/3)

Hal ini berarti bahwa solusi basis saat ini akan tetap optimal sepanjang ∆ >¿ -4, ∆
¿ 20, dan ∆ ¿ -(20/3).
Dengan kata lain, solusi basis saat ini akan tetap optimal jika -4 ≤ ∆ ≤ 20. Artinya,
jika c1 turun sebesar 4 atau kurang, atau c1 naik hingga 20, maka solusi basis saat
ini akan tetap optimal. Atau, sepanjang 56 = (60 – 4 ) ≤ c ≤ (60 + 20) = 80, solusi
basis saat ini akan tetap optimal, tetapi jika c1 ¿ 56 atau c1 ¿ 80, maka solusi basis
saat ini tidak lagi optimal. Jika solusi basis saat ini tetap optimal, maka harga
variabel keputusannya juga tidak akan berubah karena B-1 b tidak berubah.
Namun, nilai z optimal tentu saja akan berubah. Contoh : jika c1 = 70, maka z =
70 (2) + 20 (8) = 300.

3. Perubahan pada ruas kanan suatu pembatas.

Dari sifat-sifat primal dual kita tahu bahwa perubahan ruas kanan pembatas
ini tidak akan mengubahn baris 0 pada tabel optimal sehingga solusi basis saat ini
tidak akan menjadi suboptimal. Yang mungkin berubah adalah ruas kanan pada
tabel optimal. Tetapi, sepanjang ruas kanan setiap pembatas pada tabel optimal

11
tetap nonnegatif, solusi basis saat ini tetap fisibel dan optimal. Dalam hal ini, yang
perlu kita lakukan adalah menyubstitusikan harga-harga baru dari variabel
keputusan ke dalam persamaan garis z sehingga diperoleh harga z yang baru.
Jika perubahan pada ruas kanan ini menyebabkan paling sedikit ada satu ruas
kanan pada tabel optimal yang menjadi berharga negatif, maka solusi saat ini tidal
lagi fisibel, dan kerananya tidak lagi optimal. Sebagai contoh, jika b2 berubah dari
20 menjadi (20 + ∆), maka ruas kanan menjadi :
1 2 −8 48 24 +2 ∆
−1
B b= 0 2
[ ][ ] [ ]
−4 20+ ∆ = 8+2 ∆
0 −0,5 1,5 8 2−0,5 ∆
Kita tahu bahwa solusi basis saat ini akan tetap optimal jika :
24 + 2∆ ≥ 0 atau ∆ ≥ - 12
8 + 2∆ ≥ 0 atau ∆ ≥ -4
2 – 0,5∆ ≥ 0 atau ∆ ≥ 4
Dengan kata lain, solusi basis saat ini akan tetap optimal jika - 4 ≤ ∆ ≤4.
Dengan demikian, sepanjang (20 – 4) ≤ b2 ≤ (20 + 4) atau 16 ≤ b2 ≤ 24, solusi
basis saat ini akan tetap fisibel dan optimal. Tetapi, harga z tentu saja akan
berubah.
Contoh : Jika b2 = 22, maka ruas kanan yang baru adalah :
S1 1 2 −8 48 28

[] [
x1
−1
x 3 =B b= 0 2 −4 22 = 12
0 −0,5 1,5 8 1 ][ ] [ ]
sehingga harga z yang baru adalah
48
[]
C BV B−1 b=[ 0 10 10 ] 22 =300
8

Jika kita mengubah ruas kanan pembatas sedemikian sehingga solusi basis saat ini
menjadi tidak fisibel lagi, bagaimana kita dapat menentukan solusi optimal yang
baru ?
Misalkan kita mengubah b2 menjadi 30. Ruas kanan yang baru adalah sebagai
berikut :

12
S1 1 2 −8 48 28

[] [
x1
−1
x 3 =B b= 0 2 −4 22 = 12
0 −0,5 1,5 8 1 ][ ] [ ]
Karena x1 = -3, sedangkan koefisien fungsi tujuan untuk baris 0 tidak berubah
(tetap memenuhi syarat optimalitas), maka untuk memperoleh solusi optimal yang
baru, kita harus mengunakan metode dual simpleks.

4. Perubahan kolom untuk suatu variabel nonbasis.

Pada contoh soal, variabel nonbasis adalah x2 yang mempunyai kolom :
6
[]
a 2= 2
1,5
Apa yang terjadi jika kolom tersebut berubah menjadi :
5
[]
a 2= 2
2
Kita tahu bahwa perubahan ini tidak akan mengubah baik B ataupun b sehingga
ruas kanan tabel optimal juga tidak akan berubah. Yang akan berubah adalah c2,
yaitu jika c2 ¿ 0. Tetapi, jika c2 ≥ 0, maka solusi basis saat ini akan tetap optimal.
Dengan berubahnya kolom a2, maka :

5
[]
c 2=[ 0 10 10 ] 2 −43=−3< 0
2

Karena c2 ¿ 0, maka solusi basis saat ini tidak lagi optimal. Kolom a2 untuk
pembatas pada tabel optimal menjadi :
1 2 −8 5

[
B−1 a2= 0 2
][ ] [ ]
−7
−4 2 = −4
0 −0,5 1,5 2 2
Karena c2 ¿ 0, maka x2 akan menjadi variabel basis pada solusi optimal yang
baru.

13
 Jika perubahan kolom terjadi pada variabel basis, maka B dan CBV
mungkin berubah sehingga baria 0 dan ruas kanan dari tabel optimal juga
mungkin berubah. Dalam hal ini, sebaiknya kita memecahkan kembali
persoalannya dari awal.

5. Penambahan suatu variabel atau aktivitas baru.

Pada situasi tertentu, kita mungkin memproleh kesempatan untuk melakukan

satu atau beberapa aktivitas baru. Dalam hal ini, kita harus dapat menentukan
apakah aktivitas baru ini sebaiknya dilakukan atau tidak, dengan
mempertimbangkan kebaikan/keburukan aktivitas baru tersebut terhadap solusi
basis yang telah diperoleh. Sebagai contoh, misalkan akan dibuat produk ke-4
sehingga formula menjadi :
Maksimumkan : z = 60 x1 + 30 x2 + 20 x3 + 15 x4
Berdasarkan :
8 x1 + 6 x 2 + x3 + x4 ≤ 48
4 x1 + 2 x2 + 1,5 x3 + x4 ≤ 20
2 x1 + 1,5 x2 + 0,5 x3 + x4 ≤ 8
x1, x2 , x3 , x4 ≥ 0
Kita tahu bahwa ruas kanan seluruh pembatas dan koefisien baris 0 untuk
variabel yang lama tidak akan berubah. Karena itu, solusi basis saat ini akan tetap
optimal jika c4 ≥ 0.

Dari formulasi di atas kita peroleh :

1
[]
c 4 =[ 0 10 10 ] 1 −15=5>0
1
Karena c4 ¿ 0, maka solusi basis saat ini tetap optimal sehingga produk ke-4
sebaiknya tidak dibuat. Alasannya adalah karena untuk setiap unit produk ke-4

14
yang dibuat, kita hanya akan mengeluarkan ongkos sebesar 5, tanpa memperoleh
keuntungan apa-apa.

6. Penambahan suatu pembatas baru.

Jika suatu pembatas baru ditambahkan, maka kita akan berada pada salah saru dari
ketiga kasus berikut ini :
Kasus 1 : Solusi optimal saat ini memenuhi pembatas baru.
Kasus 2 : Solusi optimal saat ini tidak memenuhi pembatas baru, tetapi
persoalan tetap mempunyai solusi fisibel.
Kasus 3 : Pembatas baru menyebabkan persoalan tidak mempunyai solusi
fisibel.
Contoh kasus 1 :
Misalkan pada contoh soal ditambahkan pembatas baru x1 + x2 + x3 ≤ 11. Maka
solusi basis saat ini, yaitu x1 = 2, x2 = 0, x3 = 8 dan z = 280 akan memenuhi
pembatas baru tersebut. Karena solusi basis saat ini tetap fisibel dan z tetap 280,
maka solusi ini tetap optimal.

Contoh kasus 2 :

Misalkan pada contoh soal ditambahkan pembatas x2 ≥ 1. Karena saat ini x2 = 0,

maka solusi saat ini tidal lagi fisibel. Untuk menentukan solusi optimal yang baru,
ubahlah ketidaksamaan x2 ≥ 1 menjadi persamaan x2 – S4 = 1, kemudian kalikan
dengan (-1) sehingga diperoleh – x2 + S4 = -1. Tambahkan pembatas ini ke dalam
tabel sehingga diperoleh :

BV x1 x2 x3 S1 S2 S3 S4 Solusi

S1 0 -2 0 1 2 -8 0 24

x3 0 -2 1 0 2 -4 0 8

15
 x1 1 1,25 0 0 -0,5 1,5 0 2

S4 0 -1 0 0 0 0 1 -1

Z 0 5 0 0 10 0 0 280

Lakukan dual simpleks sehinga diperoleh tabel optimal :

BV x1 x2 x3 S1 S2 S3 S4 Solusi

S1 0 0 0 1 2 -8 -2 26

x3 0 0 1 0 2 -4 -2 10

x1 1 0 0 0 -0,5 1,5 1,25 0,75

x2 0 1 0 0 0 0 -1 1

z 0 0 0 0 10 10 5 275

Maka, jika pembatas x2  1 ditambahkan terhadap persoalan semula, solusi

optimal akan menjadi z = 275, x3 = 10, x1 = 0,75, dan x2 = 1.
Contoh kasus 3 :

Misalkan pada contoh soal ditambahkan pembatas x1 + x2  12 sehingga

diperoleh x1 + x2 – S4 = 12 atau – x1 – x2 + S4 = - 12. Tabelnya menjadi :

BV x1 x2 x3 S1 S2 S3 S4 Solusi

16
S1 0 -2 0 1 2 -8 0 24

x3 0 -2 1 0 2 -4 0 8

x1 1 1,25 0 0 -0,5 1,5 0 2

S4 0 -1 0 0 0 0 1 -12

z 0 5 0 0 10 0 0 280

Agar x1 tetap menjadi basis, hilangkan x1 pada baris S4 dengan cara mengganti
baris 4 dengan (baris 3 + baris 4). Hasilnya adalah sebagai berikut :

BV x1 x2 x3 S1 S2 S3 S4 Solusi

S1 0 -2 0 1 2 -8 0 24

x3 0 -2 1 0 2 -4 0 8

x1 1 1,25 0 0 -0,5 1,5 0 2

S4 0 0,25 0 0 -0,5 1,5 1 -10*

z 0 5 0 0 10 0 0 280

BV x1 x2 x3 S1 S2 S3 S4 Solusi

S1 0 -1 0 1 0 -2 4 -16

17
x3 0 -1 1 0 0 2 4 -32*

x1 1 1 0 0 0 0 -1 12

S2 0 -0,5 0 0 1 -3 -2 20

z 0 10 0 0 0 40 20 80

BV x1 x2 x3 S1 S2 S3 S4 Solusi

S1 0 0 -1 1 0 -4 0 16

X2 0 1 -1 0 0 -2 -4 32

X1 1 0 1 0 0 2 3 -20

S2 0 0 -0,5 0 1 -4 -4 36

z 0 0 10 0 0 60 60 -240

Perhatikan bahwa pada tabel terakhir kita memperoleh :

x1 + x3 + 2 S3 + 3 S4 = -20

Padahal, x1 ≥ 0, x3 ≥ 0, 2 S3 ≥ 0, dan 3S4 ≥ 0 sehingga ruas kiri dari persamaan

di atas tidak mungkin –20. Artinya, jika pada persoalan semula ditambahkan
pembatas x1 + x2 ≥ 12, maka persoalan menjadi tidak mempunyai solusi fisibel.

18
 LATIHAN SOAL

1. Tentukan dual dari persoalan dibawah ini :

Minimumkan : z = 12x1 + 26x2 + 80x3
Berdasarkan :
2x1 + 6x2 + 5x3 ≥ 4
4x1 + 2x2 + x3 ≥ 10
x1 + x2 + 2x3 ≥ 6
x1 , x2 ,x3 ≥ 0

2. Tunjukkan bahwa persoalan yang diberikan pada soal No. 1 memiliki nilai
optimal yang sama seperti dualnya dengan memecahkan kedua persoalan ini
secara langsung.

19
 BAB II
PENUTUP

2.1. Kesimpulan
Teori dualitas merupakan salah satu konsep program linier yang penting dan
menarik ditinjau dari segi teori dan praktisnya. Ide dasar yang melatarbelakangi
teori ini adalah bahwa setiap persoalan program linier mempunyai suatu program
linier lain yang saling berkaitan yang disebut “dual”, sedemikian sehingga solusi
pada persoalan semula (yang disebut "primal”) juga memberi solusi pada
dualnya. Sedangkan, analisis sensitivitas adalah analisis yang dilakukan untuk
mengetahui akibat/pengaruh dari perubahan yang terjadi pada parameter-
parameter LP terhadap solusi optimal yang telah dicapai.

2.2. Saran

Demikian yang dapat kami paparkan mengenai materi yang menjadi pokok
bahasan dalam makalah ini, tentunya masih banyak kekurangan dan
kelemahannya, karena terbatasnya pengetahuan dan kurangnya rujukan atau
referensi yang ada hubungannya dengan judul makalah ini. Kami banyak berharap
para pembaca dapat memberikan kritik dan saran yang membangun kepada
penulis demi sempurnanya makalah ini dan penulisan makalah di kesempatan-
kesempatan berikutnya. Semoga makalah ini berguna bagi kita semua.

20
 DAFTAR PUSTAKA

https://docplayer.info/40174627-Teori-dualitas-analisis-sensitivitas.html

https://studylibid.com/doc/301723/dualitas--post-optimal--dan-analisis-sensitivitas

https://www.academia.edu/29517284/Modul_TRO_DUALITAS_DAN_SENSITIVITAS

21