BAB I

PENDAHULUAN

1.1 Latar Belakang

Informasi yang terdapat pada table simplekis akhir dapat kita gunakan utnuk
menghitung range koefisien fungsi tujuan, harga bayangan, dan range nilai sisi kanan
fungsi kendala. Analisis sensitivitas adalah studi tentang bagaimana perubahan
penyelesaian optimal dari programasi linear sebagai akibat dari perubahan koefisien
suatu variable keputusan
Secara lebih khusus, analisis ini melihat tentang efek yang terjadi pada penyelesaian
optimal bila terdapat perubahan pada koefisien fungsi tujuan dan nilai ruas kanan fungsi
kendala. Oleh karena itu analisis sensitivitas sering juga disebut analisis pasca
optimalisasi (post optimality analysis) karena analisis ini hanya bias dilakukan setelah
penyelesaian optimal kasus programasi linear tercapai.
Alasan utama dilakukannya analisis ini adalah dinamisasi dunia nyata. Artinya, kasus-
kasus dalam dunia nyata yg dipecahkan.
Pada bagian ini akan kita lihat bahwaDual mempunyai interpretasi penting yang dapat
membantu manajer mencari jawab atas pertanyaan yang menyangkut alternatif-alternatif
kegiatan dan nilai relatif masing-masing kegiatan. Kemampuan untuk memformulasikan
dan menginterpretasikan kasus dual memberikan pemahaman yang mendalam terhadap
kasus, sehingga dapat menjadi alat yang membantu untuk analisis dan komunikasi.
Penyelesaian kasus programasi linear berikut formulasi yang dihasilkan, disebut
primal. Setiap kasus maksimasi programisasi linear (primal) selalu mempunyai dual yang
terkait. Artinya, ketika kita memecahkan suatu kasus, penyelesaian itu juga akan member
penyelesaian bagi kasus lain. Dengan menggunakan penyelesaian dual dimungkinkan
untuk memformalisasikan suatu kasus dalam konteks berbeda dan mendapatkan hasil
yang sama.

1.2 Rumusan Masalah

Adapun rumusan masalah dari makalah ini adalah sebagai berikut:
1.2.1 Apa yang dimaksud dengan Dualitas?
1.2.2 Bagaimana menyelesaikan masalah program linear solusi optimum dual dengan tabel
simpleks ?
1.2.3 Bagaimana meyelesaikan solusi optimum dual?
1
1.2.4 Bagaimana mekanisme penggunaan metode simpleks dual?
1.2.5 Apa yang dimaksud dengan Analisis Sensitivias?
1.2.6 Bagaimana penyelesaian masalah program linear dengan analisis sensitivitas ?

1.3 Tujuan Penulisan

1.3.1 Dapat mengetahui teori Dualitas.
1.3.2 Dapat menyelesaikan masalah program linear solusi optimum dengan Dual dengan
table simpleks.
1.3.3 Dapat menyelesaikan solusi optimum dual.
1.3.4 Dapat mengetahui mekanisme penggunaan metode simpleks dual.
1.3.5 Dapat mengetahui Analisis Sensitivias.
1.3.6 Dapat menyelesaikan masalah program linear dengan analisis sensitivitas.

2
 BAB II
PEMBAHASAN

2.1 Definisi Masalah Dual

Secara sistematis, dualitas merupakan alat bantu masalah LP, yang secara langsung
didefinisiskan dari persoalan aslinya atau dari model LP primal. Dalam kebanyakan
perlakuan LP, dualitas sangat tergentung pda primal dalam hal, tipe kendala, variabel
keputusan dan kondisi optimum. Oleh karena itu dalam kenyataannya teori dualitas sangat
tegas tidak diharuskan penggunaannya.
Dalam buku ini definisi dualitas secara otomatis dibentuk dari primalnya. Dasar yang
digunakan bentuk primal adalah bentuk standar LP sebelum diselesaikan dengan metode
simpleks. Setelah itu, perhitungan primal-dual diperoleh secara langsung dari tabel simpleks.
Secara umum bentuk standar dari masalah primal didefinisikan sebagai berikut :
n
Maksimum atau minimum : Z = ∑ cjxj
j=1

n
Dengan kendala, ∑ aijxj=bj ,i=1,2, … , m
j=1

xj ≥ 0, j = 1,2,…,n
Untuk memberikan gambaran tentang bentuk umum dual, dapat dilihat dalam tabel 1 tersebut
menunjukkan primal-dual simetris dengan ketentuan umum sebagai berikut :
1. Koefisien fungsi tujuan primal menjadi konstanta ruas kanan dual.
2. Konstanta ruas kanan primal menjadi koefisien fungsi tujuan dual.
3. Semua kolom primal menjadi kendala pada dual.
4. Semua kendala primal menjadi variabel keputusan dual.
5. Koefisien kendala dari variabel primal menjadi koefisien yang berkorespondensi
dengan kendala dual.
Semua ketentuan diatas menjunjukkan masalah dual yang mempunyai m variabel (y1,y2,
…, ym) dan n kendala yang berkorespodensi dengan (x1, x2, …,xn)

3
 Tabel 1
x1 x2 … xj … xn
c1 c2 … cj … cn
a11 a12 … aij … a1m b1 y1
a21 a22 … a2j … a2m b2 y2
.
.
.
am1 am2 … ami … amn bm ym
Keterangan table 1:
Merah : konstanta ruas kanan dual
Kuning : variabel primal
Hijau : koefisien kendala dual
Biru : variabel dual
Ungu : tujuan dual
Tabel 1 mungkin masih membingungkan pembaca dalam mengartikan bagaimana
dualitas yang dibentuk langsung dari bentuk standar primal. Contoh berikut ini memberikan
gambaran yang lebih jelas untuk memahami standar-primal dual.
Contoh 1 :
Bentuk primal
Maksimum Z = 5x1 + 12x2 + 10x3
Dengan kendala : [1] x1 + 2x2 + x3 ≤ 10
[2] 2x1 + x2 + 3x3 ≤ 15
[3] x1, x2, x2 ≥ 0

Bentuk standar primal

Maksimum Z = 5x1 + 12x2 + 10x3 +0S1 +0S2
Dengan kendala : [1] x1 + 2x2 + x3 +S1 +0S2 = 10
[2] 2x1 + x2 + 3x3 + 0S1 +S2 = 15
[3] x1, x2, x3, S1, S2 ≥ 0

4
 Bentuk dual
Minimum W = 10y1 + 15y2
Dengan kendala : [1] y1 + 2y2 ≥ 5
[2] 2y1 + y2 ≥ 12
[3] y1 + 3y2 + ≥ 10
[4] y1 + 0y2 ≥ 0
[5] 0y1 + y2 ≥ 0

Contoh 2 :
Bentuk primal
Minimum Z = 5x1 + 2x2
Dengan kendala : [1] -x1 + x2 ≥ 3
[2] 2x1 + 3x2 ≥ 5
[3] x1, x2 ≥ 0

Bentuk standar primal

Maksimum Z = 5x1 + 2x2 + 0S1 +0S2
Dengan kendala : [1] -x1 + x2 + S1 +0S2 = 3
[2] 2x1 + 3x2 + 0S1 + S2 = 5
[3] x1, x2, S1, S2 ≥ 0

Bentuk dual
Maksimum W = 3y1 + 5y2
Dengan kendala : [1] -y1 + 2y2 ≤ 5
[2] y1 + 3y2 ≤ 2
[3] y1 + 0y2 ≤ 0
[4] 0y1 + y2 ≤ 0

5
 Dari contoh diatas, dapat disimpulkan karakteristik dasar dari standar primal-dual:
Standar primal Dual
Fungsi tujuan Fungsi tujuan Kendala
Maksimum Minimum  ≥
Minimum Maksimum  ≤

2.2 Solusi optimum dual dalam table simpleks

Solusi optimum dari suatu masalah linear program dapat dilihat dari table simpleks
optimum.
Contoh :
Maksimum Z = 5x1 + 12x2 + 10x3
Dengan kendala : [1] x1 + 2x2 + x3 ≤ 10
[2] 2x1 + x2 + 3x3 ≤ 15
[3] x1, x2, x3 ≥ 0
Maka table simpleks optimum primal yaitu sebagai berikut :

Table simpleks optimum primal

Variabe Variabe 5 12 10 0 0
l Basis l Dasar x1 x2 x3 S1 S2 Solusi
Z -5 -12 -10 0 0 0
0 S1 1 2 1 1 0 10
Iterasi 0 0 S2 2 1 3 0 1 15
Z 1 0 -4 6 0 60
12 x2 0,5 1 0,5 0,5 0 5
Iterasi 1 0 S2 1,5 0 2,5 -0,5 1 10
Solusi Z 3,4 0 0 5,2 1,6 76
optimu 12 x2 0,2 1 0 0,6 -0,2 3

m 10 x3 0,6 0 1 -0,2 0,4 4

Solusi optimum primal dalam table diatas adalah :
x2 = 3 dan x3 = 4. Dengan total Z = 76

Table simpleks optimum dual

Variabel Variabe 10 15 0 0 0 M M M solusi
y1 y2 S1 S2 S3 1 Q2 Q3
basis l dasar
W 4M-10 6M- -M -M -M 0 0 0 27M
15

6
 M Q1 1 2 -1 0 0 1 0 0 5
M Q2 2 1 0 -1 0 0 1 0 12
M Q1 1 3 0 0 -1 0 0 1 10
W M-2.5 0 2M-7,5 -M -M -3M+7,5 0 0 12M+37,5
15 y2 0,5 1 -0,5 0 0 0,5 0 0 2,5
M Q2 1,5 0 0,5 -1 0 -0,5 1 0 9,5
M Q1 -0,5 0 1,5 0 -1 -1,5 0 1 2,5
W 5/3M-5 0 0 -M 1/3M- -M 0 - 26/3M+50
5 4/3+5
15 y2 1/3 1 0 0 -1/3 0 0 1/3 10/3
M Q2 5/3 0 0 -1 1/3 0 1 -1/3 26/3
0 S1 -1/3 0 1 0 -2/3 -1 0 2/3 5/3
W 0 0 0 -3 -4 -M - -M+4 76
M+
3
15 y2 0 1 0 1/5 -6/5 0 -1/5 6/5 1.6
10 y1 1 0 0 -3/5 1/5 0 3/5 -1/5 5.2
0 S1 0 0 1 -1/5 -9/5 -1 1/5 9/15 3.4

Solusi optimum dual dalam table diatas adalah :

y1= 5,2 dan y2= 1,6. Dengan total W = 76.
Informasi solusi optimum dual ini, dapat diperoleh secara langsung dari table optimum
primal dengan menggunakan persamaan sebagai berikut :
selisih antara

[ ]
¿ ruas kiri
¿ = dan kanan
kendala dual
iterasi ke nol
Dari table simpleks optimum primal variabel basis awal adalah S1 dan S2, dan koefisien
Z pada table optimum primal kolom S1 dan S2 adalah S1 = 5,2 dan S2 = 1,6. Kendala dual
untuk kolom S1 dan S2 tersebut adalah : y1≥0 dan y2≥0. Informasi ini dapat menentukan
solusi optimum dual sebagai berikut :

1. 5,2 = y1 ≥ 0, atau
5,2 = y1-0, atau
y1 = 5,2
2. 1,6 = y2 ≥ 0, atau
1,6 = y2-0, atau
y2 = 1,6
Hal ini sama dengan solusi optimum yang terdapat pada table dual optimum.

7
Variabel basis dalam table awal dual (iterasi nol) adalah Q1, Q2, dan Q3. Koefisien W table
optimum dual untuk kolom Q1 = -M, Q2 = -M+3, dan Q3 = -M +4. Kendala primal untuk
Q1, Q2 dan Q3 adalah x1≥M , x2≥M dan x3≥M. Informasi ini dapat menentukan solusi
optimum primal sebagai berikut :
1. x1 – M = -M
x1 = M-M
x1 =0
2. x2 – M = -M +3
x2 = 3 +M - M
x2 =3
3. x3 – M = -M +4
x3 = 4 + M-M
x3 =4
Hal ini sama dengan solusi optimum dengan table optimum primal.
Dari solusi optimum primal dan dual dalam table simpleks optimum primal dan optimum
dual didapatkan kesimpulan yaitu :
1. Maksimum Z = Minimum W = 76
Hasil ini juga dapat diperoleh dengan memasukkan nilai variabel keputusan dalam
fungsi tujuan masing-masing :
Z = 5x1 +12x2 + 10x3
= 5(0) + 12(3) + 10(4)
= 76
W = 10y1 + 15y2
= 10(5,2) + 15(1.6)
= 76
2. Dalam masalah maksimum nilai Z pada table (iterasi nol) memiliki Z = 0, dan
selalu menaik sampai jumlah Z = 76. Dalam masalah minimum nilai W pada table
awal (iterasi nol) memiliki W = 76 dan selalu menurutn sampai julah W= 76.
Maka :
Maksimum Minimum
Z= 0 Z= W = 76 W=27M

Table awal nilai tujuan table awal

(minimum)
8
 (maksimum) equillibrum nilai tujuan
(maksimasi dan minimasi )

2.3 Menghitung solusi optimum dual

Solusi optimal dual dapat dihitung secara langsung dari tabel simpleks optimum
primal.
Contoh :
Bentuk primal :
Minimum Z = -3x1 + x2 + x3 +0x4 + 0x5
Dengan kendala x1 – 2x2 + x3 + x4 = 11
-4x1 + x2 +2x + x5 =3
-2x1 + x3 =1
x1, x2, x3, x4, x5  0
x4 dan x5 adalah slack dan surplus variabel.

Bentuk dual :
Maksimum W = 11y1 + 3y2 + y3
Dengan kendala y1 – 4y2 – 2y3 ≤ 0
-2y1 + y2 ≤1
y1 + 2y2 + y3 ≤ 0
y1 ≤0
-y2 ≤0
y1, y2, y3 tidak bertanda
solusi optimum primal adalah :
x1 = 4
x2 = 1
x3 = 9
dengan total nilai Z = -2
karena x1, x2, dan x3 merupakan varibael basis optimum, maka matriks basis
optimumnya adalah sebagai berikut :

1 −2 1

[
B = [ Y 1, Y2, Y3 ] = −4 1 2
−2 0 1 ]
9
 1/3 2/3 −5/3
B = 0-1
1
[ −2
2/3 4/3 −7/3 ]
Simpleks multiplier optimum adalah :
1 −2 1

[ ]
π = CB B = [ −3 , 1, 1 ] −4 1 2 = [ −1/3 ,1 /3 , 2/3 ]
-1

−2 0 1
Harga tujuan dual yang berkorespondensi dengan solusi optimum adalah πW = ybi = π
bi = CB B -1 bi
Simpleks multiplier tersebut, memenuhi kendala dual. Dengan demikian harga tujuan
solusi optimum dual adalah :
y1 = -1/3
y2 = 1/3
y3 = 2/3
dengan total nilai W = 11(-1/3) + 3(1/3) + 1(2/3)
= -11/3 + 3/3 + 2/3
= -2
Dengan demikian, simpleks multiplier yang berkorespondensi dengan tabel optimum
primal akan memberikan solusi optimum bagi dual.

2.4 Metode simpleks dual

Tabel simpleks belum optimum jika Zj – Cj< 0. Dengan kata lain, tabel simpleks akan
optimum jika dan hanya jika Zj – Cj≥ 0 untuk semua j.
Model standar dualitas, dimana
m
Zj – Cj = ∑ aij y i−c j
i=1

m
Apabila Zj – Cj< 0, atau ∑ aij y i<c j , maka kondisi ini tidak layak menurut dual dan tidak
i=1

optimum menurut primal.

Kondisi yang layak menurut dual dan optimum menurut primal apabila
m
Zj – Cj≥ 0 dan ∑ aij y i≥ c j
i=1

Contoh :

10
Minimum Z = 2x1 + 4x2 + x3 + 3x4
Dengan kendala x1 +2x2 + 3x3 + 4x4≥ 30
2x1 + x2 +x3 + x4≥ 20
x1, x2, x3, x4≥ 0
langkah 1 :
mengkonversikan semua kendala menjadi lebih kecil sama dengan (≤). Untuk
mengkonversikan kendala ke bentuk ≤, kalikan semua kendala dengan -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
langkah 2 :
memasukkan slack variabel ke dalam kendala, sehingga menjadi :
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 dimasukkan ke dalam tabel simpleks, maka slack variabel (S1 dan S2) tidak layak, karena
memiliki konstanta ruas kanan negarif. Oleh karena fungsi tujuan berbentuk minimum, maka
tabel simpleks akan optimum apabila koefisien fungsi tujuan pada baris Zj – Cj≤ 0. Pada tabel
awal solusi basisnya menunjukkan
S1 = -30 dan S2 = -20, kondisi ini adalah optimum tetapi tidak layak.
Untuk menyelesaikan masalah tersebut, dapat digunakan metode simpleks dual
sebagai berikut :

Tabel awal optimum tetapi tidak layak

CB Cj 2 4 1 3 0 0 Konstanta ruas
X1 X2 X3 X4 S1 S2
VDB kanan [ bi ]
0 S1 -1 -2 -3 -4 1 0 -30

11
 0 S2 -2 -1 -1 -1 0 1 -20
Z j - Cj -2 -4 -1 -3 0 0 0

Langkah 3 :
Menentukan variabel yang akan keluar basis atau baris kunci, yaitu variabel basis yang
memiliki angka negatif terbesar.
Angka ratio, dicari dengan cara membagi angka yang terdapat pada baris Zj - Cj
dengan angka yang terdapat pada baris kunci yang berkorespondensi dengan variabel
nonbasis.
Variabel nonbasis X1 X2 X3 X4
Baris Zj - Cj -2 -4 -1 -3
Baris S1 -1 -2 -3 -4
Ratio 2 2 1/3 3/4

Variabel masuk basis adalah x3, karena mimiliki ratio terkecil yaitu 1/3, dengan elemen pivot
-1. Dengan menggunakan operasi pivot, dapat diperoleh tabel baru dengan cara sebagai
berikut :
1. Bagi baris pertama dengan -3
[ -1 -2 -3 -4 1 0 -30 ] : [-3]
[ 1/3 2/3 1 4/3 -1/3 0 10 ]

2. Kalikan hasil baris pertama dengan 1, kemudian hasilnya tambahkan dengan baris 2.
[ 1/3 2/3 1 4/3 -1/3 0 10 ] x [1]
[ 1/3 2/3 1 4/3 -1/3 0 10 ]
[ -2 -1 -1 -1 0 1 -20 ] +

[ -5/3 -1/3 0 1/3 -1/3 1 -10 ]

3. Kalikan hasil baris pertama dengan 1 kemudian hasilnya tambahkan dengan baris 3
[ 1/3 2/3 1 4/3 -1/3 0 10 ] x [1]
[ 1/3 2/3 1 4/3 -1/3 0 10 ]
[ -2 -4 -1 -3 0 0 0 ] +

12
 [ -5/3 -10/3 0 -5/3 -1/3 0 10 ]

Tabel iterasi pertama

CB Cj 2 4 1 3 0 0 Konstanta ruas
X1 X2 X3 X4 S1 S2
VDB kanan [ bi ]
0 X3 1/3 2/3 1 4/3 -1/3 0 10
1 S2 -5/3 -1/3 0 1/3 -1/3 1 -10
Z j - Cj -5/3 -10/3 0 -5/3 -1/3 0 10

Tabel di atas belum optimum, dan sebagai bariabel keluar basis adalah S2, sedangkan variabel
yang akan masuk basis adalah x1 karena memiliki nilai ratio terkecil.
Variabel nonbasis X1 X2 X3 X4
Baris Zj - Cj -5/3 -10/3 -5/3 -1/3
Baris S1 -5/3 -1/3 1/3 -1/3
Ratio 1 10 -5 1

Nilai elemen povotnya adalah -5/3, dengan menggunakan operasi pivot, didapatkan tabel
baru sebagai berikut :
1. Bagi baris kedua dengan -5/3
[ -5/3 -1/3 0 1/3 -1/3 1 -10 ] : [-5/3]
[1 1/5 0 -1/5 1/5 -3/5 6 ]

2. Kalikan hasil baris kedau dengan -1/3, kemudian hasilnya tambahkan dengan baris
pertama
[1 1/5 0 -1/5 1/5 -3/5 6 ] x [-1/3]
[ -1/3 -1/5 0 1/15 -1/15 1/5 -2 ]
[ 1/3 2/3 1 4/3 -1/3 0 10 ] +

[0 3/5 1 7/5 -2/5 1/5 8 ]

3. Kalikan hasil baris kedua dengan 5/3, kemudain hasilnya tambahkan dengan baris
ketiga

13
 [1 1/5 0 -1/5 1/5 -3/5 6 ] x [5/3]
[ 5/3 1/3 0 -1/3 1/3 -1 10 ]
[ -5/3 -10/3 0 -5/3 -1/3 0 10 ] +

[0 -3 0 -2 0 -1 20 ]

Tabel iterasi optimum

CB Cj 2 4 1 3 0 0 Konstanta ruas
X1 X2 X3 X4 S1 S2
VDB kanan [ bi ]
1 X3 0 3/5 1 7/5 -2/5 1/5 8
2 X1 1 1/5 0 -2 0 1 20
Z j - Cj -5/3 -3 0 -2 0 -1 20

Tabel diatas adalah tabel optimum dan layak, baik menurut primal maupun dual. Solusi
optimum primalnya adalah :
x1 = 6
x2 = 0
x3 = 8
x4 = 0
dengan total nilai Z = 2(6) + 4(0) + 1(8) + 3(0)
= 12 + 8
= 20
Sedangkan solusi optimum daul adalah :
y1 = 0
y2 = -1
Dengan total nilai W = -10(0) – 20(-1)
= 20

2.5 Analisis Sensitivitas

Solusi optimum masalah linerar program didasarkan pada nilai koefisien fungsi
tujuan mampun kemampuan penyediaan sumber daya, yang dapat diketahui secara
pasti. Dalam kenyataannya nilai koefisien fungsi tujuan maupun kemampuan
penyediaan sumber daya, sangat dimungkinkan untuk mengalami perubahan dimasa
yang akan datang.

14
 Setiap perubahan pada koefisien fungsi tujuan, koefisien kendala, kapasitas
kendala, penambahan kegiatan baru, maupun penamahan kendala baru, akan
mengubah persoalan linear program dan pada akhirnya akan mempengaruhi solusi
optimum. Menghadapi berbagai macam perubahan tersebut, dikembangkan suatu
strategi guna mempelajari bagaimana solusi optimum akan berubah sehubungan
dengan perubahan data tersebut diatas. Hal ini dikenal dengan sensitivity analysis atau
posttoptimal analisis.
Analisis sensitivitas adalah studi tentang bagaimana perubahan penyelesaian
optimal dari programasi linear sebagai akibat dari perubahan koefisien suatu variable
keputusan. Analisis sensitivitas dilakukan setelah solusi optimum dari masalah linear
program ditemukan, baik secara grafik maupun dengan metode simpleks. Oleh karena
itu analisa sensitivitas berusaha untuk menjawab seberapa jauh perubahan data
diizinkan tanpa mengubah solusi optimum atau tanpa menghtung solusi baru diawal.
Pada prinsipnya terdapat beberapa perubahan yang mungkin terjadi yang dapat
dijawab melaui analisis sensitivitas, yaitu :
1. Perubahan pada koefisien fungsi tujuan, baik pada koefisien dasar atau bukan
dasar dan pengaruhnya terhadap variabel dual.
2. Perubahan pada kendala, baik pada kapasitas atau koefisien.
3. Penambahan variabel keputusan baru.
4. Penambahan kendala/batasan baru.

Contoh :
Untuk menerapkan analisis sensitivitas, perlu dimengerti telebih dahulu tentang program
linear metode simpleks yang telah dibahas pada kelompok sebelumnya.

Fungsi tujuan : Maksimumkan Z = 800x1 + 400x2 + 600x3

Kendala :
2x1+ 2x2 + x3 ≤ 250
5x1 + 4x2 + 3x3≤ 350
6x2 + 5x3 ≤ 500
x1,x2,x3 ≥ 0
Penyelesaian :
15
 Z-800x1 – 400x2 – 600x3 + 0S1 +0S2 +0S3 = 0

Fungsi kendala pada soal tersebut diatas berubah menjadi :

2x1 + 2x2 + x3 + S1 = 250

5x1 + 4x2 + 3x3 + S2 = 350
6x2 + 5x3 + S3 = 500
x1, x2, x3, S1, S2, S3 ≥ 0

Variabel Nilai
Z x1 x2 x3 S1 S2 S3
dasar Konstanta
Z 1 -800 -400 -600 0 0 0 0
S1 0 2 2 1 1 0 0 250
S2 0 5 4 3 0 1 0 350
S3 0 0 6 5 0 0 1 500

Nilai
Variabe
  Z x1 x2 x3 S1 S2 S3 konstant
l dasar
a
Z 1 0 240 -120 0 160 0 56.000
Iterasi S1 0 0 2/5 -1/5 1 -2/5 0 110 
1 x1 0 1 4/5 3/5 0 1/5 0  70
S3 0 0 6 5 0 0 1  500

Nilai
Variabe
  Z x1 x2 x3 S1 S2 S3 konstant
l dasar
a
Z 1 0 384 0 0 160 24 68.000
Iterasi S1 0 0 0,64 0 1 -0,4 0,04 130 
2 x1 0 1 0,08 0 0 0,2 -0,12  10
x3 0 0 1,2 1 0 0 0,2  100

 Analisis Sensitivitas Untuk Mengisi Tabel Optimum

Analisis sensitivitas digunakan untuk menjawab nilai variabel dual disamping itu juga
dapat mengisi tabel simpleks optimum yang kosong.
Misalnya diketahui :
Fungsi tujuan : Maksimumkan Z = 800x1 + 400x2 + 600x3
Kendala :
2x1 + 2x2 + x3 ≤ 250

16
5x1 + 4x2 + 3x3 ≤ 350
6x2 + 5x3 ≤ 500
x1,x2,x3 ≥ 0
Nilai
Variabe
Z x1 x2 x3 S1 S2 S3 konstant
l dasar
a
Z 1
S1 0 1 -0,4 0,04  
x1 0 0 0,2 -0,12
x3 0 0 0 0,2

Kita dapat mengisi kolom x1, x2, x3 dengan cara mengalikan matriks kunci dengan kendala
variabel x1/x2/x3.
Untuk mengisi kolom solusi dapat dilakukan dengan mengalikan matriks kunci dengan
pembatas.
Untuk mengisi nilai variabel dual (variabel pada baris Z kolom S1, S2, dan S3), dapat
dihitung dengan mengalikan vektor baris dari variabel basis dengan matriks kunci :
1 −0,4 0,04

[
Variabel dual : [ S1 x1 x3 ] 0 0,2 −0,12
0 0 0,2 ]
Setelah itu angka angka tersebut dimasukkan ke dalam tabel simpleks, sehingga didapatkan :

Nilai
Variabe
Z x1 x2 x3 S1 S2 S3 konstant
l dasar
a
Z 1       0  160   24  
S1 0 0  0,64 0   1  -0,4  0,04 130 
x1 0 1 0,08 0 0 0,2 -0,12 10
x3 0 0 1,2 1 0 0 0,2 100

Untuk menghitung sisanya, dapat dihitung dengan menggunakan perkalian dan penjumlahan
biasa bedasarkan fungsi tujuanya.
Diketahui : Fungsi tujuan : Maksimumkan Z = 800x1 + 400x2 + 600x3
Untuk mengisi kolom solusi Z dapat dihitung dengan memasukkan solusi yang ada dimana
x1 = 10, dan x3 = 100, sedangkan x2 = 0 karena tidak digunakan.
Z = 800 (10) + 400 (0) + 600 (100)
Z = 68000

17
 Untuk mencari nilai Z kolom x1,x2,x3, dapat dicari dengan rumus :
Cj - Zj, Jadi, Cj - Zj dicari dengan mengalikan variabel basis dengan angka-angka yang
terdapat pada kolom x1, x2, dan x3. Setelah itu baru dikurangi dengan konstanta pada fungsi
tujuan Z sesuai dengan konstanta variabel masing masing.
Sehingga didapatkan :
x1 = ( 0 x 0 + 800 x 1 + 600 x 0 ) - 800 = 0
x2= ( 0 x 0,64 + 800 x 0,08 + 600 x 1,2 ) - 400 = 384
x3 = ( 0 x 0 + 800 x 0 + 600 x 1 ) - 800 = 0
Nilai
Basis Z x1 x2 x3 S1 S2 S3 konstant
a
Z 1 0 384 0 0 160 24 68.000
S1 0 0 0,64 0 1 -0,4 0,04 130
x1 0 1 0,08 0 0 0,2 -0,12 10
x3 0 0 1,2 1 0 0 0,2 100

1. Perubahan pada koefsien tujuan pada variabel dasar (basis)

Diketahui :
Fungsi tujuan : Maksimumkan Z = 800x1 + 400x2 + 600x3
variabe
Z x1 x2 x3 S1 S2 S3 Solusi
l dasar
Z 1 0 384 0 0 160 24 68.000
S1 0 0 0,64 0 1 -0,4 0,04 130
x1 0 1 0,08 0 0 0,2 -0,12 10
x3 0 0 1,2 1 0 0 0,2 100
Pada tabel simpleks optimal diatas, yang menjadi variabel dasar (basis) adalah variabel
x1 dan x3, sedangkan yang bukan merupakan variabel dasar (basis) adalah x2, S1, S2, dan
S3.
Besarnya koefisien tujuan untuk variabel basis adalah 800 dan 600. Apabila besarnya
koefisien x1 (C1) dan x3 (C2) dinaikkan atau diturunkan dalam jumlah tertentu maka ada
kemungkinan x1 atau x3 tidak menguntungkan untuk diproduksi.

18
 Untuk itu pada bagian ini dianalisis seberapa besar kenaikan atau penurunan yang masih
dapat ditolerir sehingga produk x1 dan x3 tetap diproduksi (dengan perubahan koefisien
tujuan maka berpengaruh terhadap solusi optimal).
Urutan dalam variabel dasar pada tabel simpleks diatas adalah S1, x1, dan x3. Dengan
demikian urutan itu menjadi dasar perhitungan untuk mencari besarnya perubahan pada
koefisien tujuan.
o Jika terjadi perubahan pada koefisien fungsi tujuan x1 :
Perkalian matriks dilakukan dengan mengalikan vektor baris dengan vektor kolom pada
variabel non-basis, hasil perkalian tersebut dikurangkan dengan koefisien non-basis tersebut.
Angka yang berubah
Syarat tabel optimum adalah x2 ≥ 0, sehingga 0,08 C1 + 320 ≥ 0 atau C1 ≤ 4000.
1

[]
S1 = [ 0 C1 600 ] 0 - 0 = 0
0

0,04

[ ]
S3 = [ 0 C1 600 ] −0,12 - 0
0,2
= -0,12 C1 + 120
= -0,12 C1 + 120 ≥ 0
= -0,12 C1 – 120 ≤ 0
= C1 ≤ 1000

Dari hasil perhitungan diatas dapat disimpulkan bahwa tabel akan tetap optimum jika
koefisien C1 berada dalam interval 0 ≤ C1 ≤ 1000. Tabel akan tetap optimum apabila
koefisien C1 dinaikkan menjadi 1000 (dinaikkan 200) atau diturunkan menjadi 0 (diturunkan
800), akan tetapi tabel tidak lagi akan menjadi optimum apabila koefisien C1 dinaikkan
melebihi 1000.
Contoh :
1. Koefisien C1 naik dari 800 menjadi 900
1

[]
S1 = [ 0 900 600 ] 0 - 0 = 0
0

−0,04

[ ]
S2 = [ 0 C1 600 ] 0,2 - 0 = 180
0

19
 −0,04

[ ]
S3 = [ 0 900 600 ] −0,12 - 0 = 12
0,2
Kesimpulan :
Dari hasil perhitungan variabel non-basis seluruhnya menghasilkan angka positif atau ≥ 0,
berarti tabel optimum tidak berubah (tetap). Dengan demikian besarnya nilai x1 = 10 dan x3
= 100 tidak berubah. Perubahan terjadi pada Z sebagai akibat perubahan koefisien C1 dari
800 ke 900. Nilai Z yang baru adalah :
Z = 900x1 + 400x2 + 600x3
Z = 900(10) + 400(0) + 600(100)
Z = 69000

2. Koefisien C1 naik dari 800 menjadi 1100

0,64

[ ]
B = [ 0 1100 600 ] 0,08 - 400 = 408
1,2

[]
S1 = [ 0 1100 600 ] 0 - 0 = 0
0

−0,4

[ ]
S2 = [ 0 1100 600 ] 0,2 - 0 = 220
0
Kesimpulan :
Dari hasil perhitungan variabel non-basis, pada variabel S3 didapatkan nilai negatif, dengan
demikian tabel sudah tidak optimum lagi, oleh karena itu perlu dilakukan eksekusi pada
kolom S3 tersebut. Besarnya variabel semua, yaitu x1 = 10 dan x3 = 100 juga mengalami
perubahan.

Nilai
Variabe Indek
Z X1 X2 X3 S1 S2 S3 konstant
l dasar s
a
Z 1                
S1 0 0 0,64 0 1 -0,4 0,04 130 3.250
X1 0 1 0,08 0 0 0,2 -0,12 10 -83,33

X3 0 0 1,2 1 0 0 0,2 100 500

20
 Sehingga didapatkan tabel simpleks optimum yang baru:
Nilai
Variabe
Z X1 X2 X3 S1 S2 S3 konstant
l dasar
a
Z 1 0 480 60 0 220 0 77.000
S1 0 0 0,4 -0,2 1 -0,4 0 110
X1 0 1 0,8 0,6 0 0,2 0 70
S3 0 0 6 5 0 0 1 500
Dari tabel simpleks optimal yang baru diatas terdapat perubahan variabel, sebelumnya x1 =
10 dan x3 = 100 menjadi x1 = 70 dan x3 = 0. Sementara itu nilai maksimum Z maksimum
mengalami kenaikan semula Rp.68.000,- menjadi Rp.77.000,-

o Jika terjadi perubahan pada koefisien fungsi tujuan x3 :

Caranya sama seseperti perubahan pada koefisien fungsi tujuan x1, hanya saja, angka
yang berubah adalah koefisien dari fungsi tujuan x3.
−0,4

[ ]
S2 = [ 0 800 C3 ] 0,2 - 0
0
= 160
Dari hasil perhitungan di atas dapat disimpulkan bahwa tabel akan tetap optimum jika
koefisien C3 berubah menjadi C3 ≥ 480. Tabel akan tetap optimum jika koefisien C3 berada
dalam interval diatas, tetapi apabila C3 < 480 berarti tabel sudah tidak optimum lagi dan
harus di eksekusi ulang.
Contoh :
1. Koefisien C3 berubah dari 600 menjadi 500
1

[]
S1 = [ 0 800 500 ] 0 - 0 = 0
0

−0,4

[ ]
S2 = [ 0 800 500 ] 0,2 - 0 = 160
0

0,04

[ ]
S3 = [ 0 800 500 ] −0,12 - 0 = 4
0,2
Dari hasil perhitungan variabel non-basis seluruhnya menghasilkan angka positif berarti tabel
optimum, jadi solusi optimum tidak berubah (tetap). Dengan demikian besarnya nilai X1 = 10

21
dan X3 = 100 (tidak berubah). Perubahan terjadi pada nilai Z sebagai akibat perubahan
koefisien C3 dari 600 ke 500. Nilai Z yang baru adalah :
Z = 900X1 + 400X2 + 500X3
Z = 900(10) + 400(0) + 500(100)
Z = 59000

2. Koefisien C3 turun dari 600 menjadi 450

0,64

[ ]
B = [ 0 800 450 ] 0,08 - 400= 204
1,2

0,04

[ ]
S3 = [ 0 800 450 ] −0,12 - 0 = -6
0,2
Kesimpulan :
Dari hasil perhitungan variabel non-basis, pada variabel S3 terdapat nilai negatif, dengan
demikian tabel sudah tidap optimum lagi, oleh karena itu perlu dilakukan eksekusi pada
kolom S3 tersebut. Besarnya variabel semula, yaitu X1 = 10 dan X3 = 100 juga mengalami
perubahan.
Nilai
Variabel
Z X1 X2 X3 S1 S2 S3 konstant Indeks
dasar
a
Z 1                
S1 0 0 0,64 0 1 -0,4 0,04 130 3.250
X1 0 1 0,08 0 0 0,2 -0,12 10 -83,33
X3 0 0 1,2 1 0 0 0,2 100 500

Sehingga didapatkan tabel simpleks optimum yang baru:

Variabel Nilai
Z X1 X2 X3 S1 S2 S3
dasar konstanta
Z 1 0 240 30 0 160 0 56.000
S1 0 0 0,4 -0,2 1 -0,4 0 110
X1 0 1 0,8 0,6 0 0,2 0 70
S3 0 0 6 5 0 0 1 500
Dari tabel simpleks optimal yang baru di atas didapatkan perubahan variabel yang
sebelumnya x1= 10 dan x3 = 100 menjadi x1 = 70, dan x3 = 10. Sementara itu, nilai Z
maksimum mengalami penurunan semula Rp.68.000,- menjadi Rp.56.000,-

22
2. Perubahan pada koefisien tujuan pada bukan variabel dasar (non-basis)
Pada tabel sebelum-sebelumnya, dapat dilihat bahwa x1 dan x3 adalah variabel basis,
variabel non-basis di tabel tersebut adalah variabel x2. Variabel non-basis biasanya memiliki
keuntungan yang tidak ekonomis. Namun jika koefisien dari x2 dinaikkan dalam jumlah
tertentu, maka ada kemungkinan variabel x2 akan diproduksi.
Dari hasil perhitungan di atas, diketahui apabila variabel x2 dinaikkan sampai dengan
4240, maka variabel x2 masih belum ekonomis untuk diproduksi (Tabel optimum tidak
berubah). Tetapi, apabila dinaikkan diatas 4240 maka variabel ini akan ekonomis untuk
diproduksi (tabel optimum akan berubah).
Contoh :
1. Koefisien x2 dinaikkan dari 400 ke 600
0,4

[]
variabel x2 = [ 0 800 600 ] 0,8 - 600
6
= 4240 – 600
= 3640
Kesimpulan :
Koefisien x2 bernilai positif, berarti tabel yang ada telah optimal atau perubahan pada
variabel non-basis tidak mempengaruhi tabel optimum.

2. Koefisien x2 dinaikkan menjadi

0,4

[]
variabel x2 = [ 0 800 600 ] 0,8 - 4300
6
= 4240 – 4300
= -60
Kesimpulan :
Koefisien x2 bernilai negatif, jadi tabel sudah tidak optimum, maka itu diperlukanlah
penyelesaian dengan melakukan eksekusi pada kolom variabel x2 dengan metode simpleks
biasa.
Nilai
Variabe
Z X1 X2 X3 S1 S2 S3 konstant Indeks
l dasar
a
Z 1   -60            
S1 0 0 0,64 0 1 -0,4 0,04 130 203,13
X1 0 1 0,08 0 0 0,2 -0,12 10 125

23
 X3 0 0 1,2 1 0 0 0,2 100 83,33

Dengan perhitungan metode simpleks, maka didapatkan tabel optimumnya adalah sebagai
berikut :
Variabel Nilai
Z X1 X2 X3 S1 S2 S3
dasar konstanta
Z 1 0 0 2.913 0 160 627 360.983
S1 0 0 0 -0,53 1 -0,4 -0,07 76,67
X1 0 1 0 -0,07 0 0,2 -0,13 3,33
X2 0 0 1 0,83 0 0 0,17 83,33

Dari tabel simpleks optimal diatas, maka dapat dilihat bahwa, jika koefisien x2 dinaikkan
menjadi 4.300, maka nilai Z akan berubah. Dimana semula besarnya x1 = 10, x2 = 0 dan x3
= 100 dengan nilai Z sebesar Rp.68.000,-. Berubah menjadi x1 = 3,33, x2 = 83,33 dan x3 = 0
sehingga didapatkan nilai Z sebesar Rp. 360.983,-

3. Perubahan pada pembatas kanan kendala

Perubahan pada pembatas kanan kendala, yang dimaksud pembatas kanan kendala
adalah angka yang menunjukkan batas dari suatu persamaan, dan letaknya di bagian kanan,
misalnya seperti contoh dibawah :
Kendala :
2x1 + 2x2 + x3 ≤ 250
5x1 + 4x2 + 3x3 ≤ 350
6x2 + 5x3 ≤ 500
x1,x2,x3 ≥ 0
Dimana yang warna hijau adalah pembatas kanan kendala. Jika terjadi perubahan pada
pembatas kanan kendala maka akan berdampak pula pada nilai variabelnya dengan demikian
nilai tujuan (Z) juga akan berubah. Untuk menghitung nilai Z nya dapat dilakukan dengan
mengalikan matriks kunci dengan pembatas kanan kendala.
Untuk mengetahui seberapa besar perubahan pada suatu kendala tanpa mengubah solusi
optimalnya dapat dilakukan dengan cara berikut :
Maka :
270 - 0,4Δ ≥ 0
Δ ≤ 675
0,2Δ - 60 ≥ 0

24
 Δ ≥ 300
Dari hasil perhitungan diatas, maka dapat disimpulkan bahwa kendala ke-2 dapat berubah
menjadi 300 ≤ Δ ≤ 675 yang tidak mengubah tebel optimum. Bedasarkan soal di atas dimana
besarnya kendala ke-2 = 350, maka bedasarkan persamaan yang telah dicari, maka kendala
ke-2 dapat dikurangi hingga 50 atau ditambah sampai dengan 325 agar tabel tetap optimum.
Tetapi, jika kendala ke-2 dikurangi atau ditambah lebih dari interval yang ada, maka
penyelesaian tersebut sudah tidak optimum lagi.

Contoh :
Jika kendala ke-2 berubah menjadi 400, maka nilai variabel yang baru adalah :
Dengan perubahan pada kendala ke-2 maka terjadi perubahan tingkat produksi menjadi x1 =
100, x2= 20, dan x3 =100. Dengan demikian nilai Z meningkat pula dari yang sebelumnya
Rp. 68.000,- menjadi :
Z = 800x1 + 400x2 + 600x3
Z = 800 (110) + 400 (20) + 600 (100)
Z = 150.000
Kesimpulan :
Akibat dari kenaikan kendala pembatas ke-2 dari 350 menjadi 400, maka akan terjadi
kenaikan Z menjadi Rp. 156.000,-.
o Perubahan pada koefisien kendala
Yang dimaksud dengan koefisien kendala adalah angka-angka yang terletak pada suatu
variabel. Dimana biasanya angka-angka ini terletak di sebelah kiri persamaan. Misalnya
seperti contoh dibawah :
Z = 800x1 + 400x2 + 600x3
Kendala :
2x1 + 2x2+ x3 ≤ 250
5x1 + 4x2 + 3x3 ≤ 350
6x2 + 5x3 ≤ 500
x1,x2,x3 ≥ 0
Apabila terjadi perubahan pada koefisien kendala, misalnya pada variabel x2 yang semula
memiliki koefisien 2, 4, dan 6 berubah menjadi 3,5 dan 4. Langkah pertama yang harus
dilakukan adalah memastikan apakah perubahan koefisien kendala tersebut berpengaruh

25
terhadap hasil optimum atau tidak. Untuk mengujinya dapat dilakukan dengan mengubahnya
ke bentuk dual.

Z = 800x1 + 400x2 + 600x3

Kendala x2 berubah menjadi 3,5, dan 4 :
2x1 + 3x2 + x3 ≤ 250
5x1 + 5x2 + 3x3 ≤ 350
4x2 + 5x3 ≤ 500
x1,x2,x3 ≥ 0
W = 250 Y1 + 350 Y2 + 500 Y3

Bentuk dual :
2 Y1 + 5 Y2 ≥ 800
3 Y1 + 5 Y2 + 4 Y3 ≥ 400
Y1 + 3 Y2+ 5 Y3 ≥ 600

Dengan demikian, setelah diubah menjadi bentuk dual, maka persamaan x2 nya dalam bentuk
dual menjadi : 3 Y1 + 5 Y2 + 4 Y3 ≥ 400. Lakukan pengujuan dengan subtitusi nilai variabel
dual ke dalam persamaan x2 dalam bentuk dual. Seperti yang sudah dibahas sebelumnya
dimana nilai variabel dualnya adalah :
Sehingga dapat dihitung nilai dualnya :
3 (0) + 5 (160) + 4 (24) - 400 = 496
Karena nilai dualnya bernilai positif, dapat disimpulkan bahwa perubahan koefisien kendala
tidak berpengaruh terhadap hasil optimum.
Akan tetapi misalnya koefisien x2 berubah menjadi 3, 1, dan 9, maka nilai dualnya akan
berubah menjadi :
3 (0) + 1 (160) + 9 (24) - 400 = -24
Berarti perubahan koefisien tujuan akan mengubah tabel optimum. Sehingga perlu dicari
tabel optimum baru dimana angka-angka pada kolom x2 akan mengalami perubahan, dan
setelah itu gunakan metode simpleks untuk membuat tabel tersebut optimum. Nilai kolom x2
dicari dengan mengalikan matriks kunci dengan koefisien kolom x2 baru.
1 −0,4 0,04 3 2,96

0[
Nilai kolom x2 = 0 0,2 −0,12 1 = −0,88
0 0,2 9 1,8 ][ ] [ ]
26
 Nilai
Variabe
Z X1 X2 X3 S1 S2 S3 konstant Indeks
l dasar
a
Z 1   -24            
S1 0 0 2,96 0 1 -0,4 0,04 130 43,92
X1 0 1 -0,88 0 0 0,2 -0,12 10 -11,36
X3 0 0 1,8 1 0 0 0,2 100 55,55

Tabel optimalnya adalah :

Variabel Nilai
Z X1 X2 X3 S1 S2 S3
dasar konstanta
Z 1 0 0 0 10 152 24 65.052
X2 0 0 1 0 0,34 -0,14 0,01 43,92
X1 0 1 0 0 0,3 0,08 -0,11 48,65
X3 0 0 0 1 -0,61 0,24 0,18 20,94

Kesimpulan :
Perubahan koefisien kendala x2 menjadi 3, 1, 9 akan mengubah tabel optimum dan hasil
optimum dimana sebelum perubahan koefisien kendala nilai optimumnya adalah Rp. 68.000,-
menurun menjamenjadi Rp 65.052,-

5. Penambahan Variabel Keputusan Baru

Penambahan variabel keputusan yang baru digunakan jika suatu perusahaan ingin
menambah produk baru dengan menggunakan sumber daya yang sudah ada sebelumnya dan
tidak adanya penambahan sumber daya baru.
Untuk penambahan variabel keputusan baru akan menyebabkan bertambahnya
variabel keputusan pada masing-masing kendala, jika terjadi  penambahan variabel keputusan
baru maka yang bertambah pada kendala adalah :
2x1 + 2x2 + x3 +… xn≤ 250
5x1 + 4x2 + 3x3 + ... xn ≤ 350
6x2 + 5x3 +.... xn ≤ 500
x1, x2, x3 ≥ 0

27
Jadi, semakin banyak penambahan variabel keputusan baru akan menyebabkan semakin
banyak variabel variabel dalam suatu persamaan.

Contoh :
Misalnya terdapat penambahan variabel baru, yaitu D dengan kendala 1 jam pada kendala 1,
2 jam pada kendala 2, dan 3 jam pada kendala 3. Kemudian tentukan berapa koefisien D yang
ekonomis sehingga produk D layak diproduksi.
Langkah 1 :
Carilah nilai kolom D dengan mengalikan matriks kunci dengan koefisien kendala D.

Langkah 2 :
Carilah nilai interval dengan mengalikan koefisien variabel dasar dengan nilai kolom D :

Untuk memastikan bahwa produk D layak diproduksi maka harus memenuhi syarat
C4 ≤ 0. Dengan demikian bedasarkan hasil perhitungan di atas yang menghasilkan 392 - C4 ≤
0, maka diperoleh C4 ≥ 392.
Jadi dapat disimpulkan bahwa perusahaan menetapkan besarnya keuntungan untuk
produk D diatas atau sama dengan 392 agar dihasilkan nilai ekonomis, apabila keuntungan
lebih kecil dari 392, maka lebih baik tidak ada penambahan produk baru.

6. Penambahan Kendala Baru

Penambahan kendala baru digunakan jika suatu perusahaan ingin menambah sumber
daya baru. Dengan bertambahnya kendala baru, maka persamaan dalam suatu kendala akan
semakin banyak sesuai dengan jumlah sumber daya yang ingin ditambah.
Contohnya, jika dilakukan penambahan kendala baru, maka perubahan pada kendala
menjadi :
2x1 + 2x2 + x3 ≤ 250
5x1 + 4x2 + 3x3 ≤ 350
6x2 + 5x3 ≤ 500

28
x1, x2, x3 ≥ 0
Dalam penambahan kendala baru, kita harus memastikan apakah dengan penambahan
kendala tersebut dapat mempengaruhi hasil optimum yang telah ada. Misalnya dilakukan
penambahan kendala baru dengan persamaan :x1 + x2 + 3x3 ≤ 350.
Maka ujilah persamaan tersebut dengan mensubtitusikan nilai variabel optimum yang
sudah didapatkan sebelum-sebelumnya dimana x1 = 10, x2 = 0, dan, x3 = 100 ke dalam
persamaan kendala baru. Sehingga didapatkan :
10 + 0 + 3 (100) = 310.
Dapat disimpulkan perubahan kendala baru tidak mempengaruhi hasil optimum, hal
ini disebabkan karena penambahan kendala tersebut masih dapat dipenuhi oleh kapasitas
yang ada (310 ≤ 350).

Akan tetapi, jika kapasitasnya kita turunkan menjadi 300, otomatis penambahan kendala baru
sudah tidak dapat dipenuhi kapasitas yang ada. Maka diperlukan optimasi lebih lanjut.

Pertama-tama yang harus dilakukan adalah mengubah kendala baru ke bentuk standar dan
masukkan ke tabel optimum sebelumnya.
Kendala baru :
(Primal)
2x1 + 2x2 + x3 ≤ 250
5x1 + 4x2 + 3x3 ≤ 350
6x2 + 5x3 ≤ 500
 x1 + x2 + 3x3 ≤ 350

(Standar)
2x1 + 2x2 + x3 + S1 ≤ 250
5x1 + 4x2 + 3x3 + S2 ≤ 350
6x2 + 5x3 + S3 ≤ 500
 x1 + x2 + 3x3 + S4 = 350

Setelah itu, masukkan kendala baru tersebut ke tabel simpleks optimal :

Variabel dasar Z X1 X2 X3 S1 S2 S3 S4 Nilai konstanta
Z 1
S1 0 0 0,64 0 1 -0,4 0,04 0 130

29
 X1 0 1 0,08 0 0 0,2 -0,12 0 10
X3 0 0 1,2 1 0 0 0,2 0 100
S4 0 1 1 3 0 0 0 1 300

Dari tabel di atas, yang menjadi variabel basis adalah x1 dan x3, sehingga pada baris S4,
kolom x1 dan x3 harus dijadikan 0 dengan cara menguranginya dengan variabel basis yang
telah dikalikan dengan koefisen pada kendala barunya :

Langkah 1 : Kurangkan baris S4 dengan baris x1 yang dikalikan dengan koefisien x1 pada
kendala S4.

Langkah 2 : Kurangkah hasil dari langkah 1 dengan baris x3 yang dikalikan dengan koefisien
x3 pada kendala S4.

Langkah 3 : Masukkan nilai S4 yang sudah dihitung pada langkah 2.

Variabel dasar Z X1 X2 X3 S1 S2 S3 S4 Nilai konstanta

Z 1 0 384 0 0 160 24 - 68.000

S1 0 0 0,64 0 1 -0,4 0,04 0 130

X1 0 1 0,08 0 0 0,2 -0,12 0 10

X3 0 0 1,2 1 0 0 0,2 0 100

S4 0 0 -2,68 0 0 -0,2 -0,48 1 -10

Kesimpulan :
Walaupun nilai Z sudah positif semua sesuai dengan maksimasi simpleks. Hanya saja masih
terdapat solusi yang bernilai negatif yakni solusi dari S4, sehingga masih diperlukan iterasi
lebih lanjut agar tabel optimum. Proses pemecahan dapat melakukan metode simpleks yang
dapat anda pelajari di Pemecahan Program Linear Metode Simpleks.

30
 Variabel dasar Z X1 X2 X3 S1 S2 S3 S4 Solusi Nilai konstanta
Z 1 0 384 0 0 160 24 0 68.000 -
S1 0 0 0,64 0 1 -0,4 0,04 0 130 203,13
X1 0 1 0,08 0 0 0,2 -0,12 0 10 125
X3 0 0 1,2 1 0 0 0,2 0 100 83,33
S4 0 0 -2,68 0 0 -0,2 -0,48 1 -10 5,95

Sehingga didapatkan tabel optimumnya :

Variavel dasar Z X1 X2 X3 S1 S2 S3 S4 Nilai konstanta
Z 1 0 250 0 0 150 0 50 67.498
S1 0 0 0,42 0 1 -0,42 0 0,08 129,2
X1 0 1 0,75 0 0 0,25 0 -0,25 12,5
S3 0 0 5,58 0 0 0,42 1 -2,08 20,83
X3 0 0 0,08 1 0 -0,08 0 0,42 95,83

Maka dapat disimpulkan bahwa penambahan kendala baru dengan persamaan : x1 + x2 +
3x3 ≤ 300 akan mengubah tabel optimum dan solusi optimum dari Rp.68.000,- menjadi
Rp.67.498,-
BAB III
PENUTUP

3.1 Kesimpulan
Analisis sensitivitas dilakukan setelah solusi optimum dari masalah linier program
ditemukan, baik secara grafik maupun metode simpleks. Informasi yang sangat
diperlukan dalam analisis sentivitas dengan metode simpleks adalah tabel optimum
simpleks,dengan memanfaatkan tabel optimum simpleks, tidak perlu lagi melakukan
perhitungan kembali dari awal sehubungan deangan pengumpulan data.
Secara sistematis, dualitas merupakan alat bantu masalah LP, yang secara langsung
didefinisikan dari persoalan aslinya atau dari model LP primal, dualitas sangat
bergantung pada primal dalam hal, tipe, kendala, variabel keputusan dan kondisi
optimum. Secara umum bentuk standar dari masalah primal didefinisikan sebagai
berikut
n
z=∑ CjXj
j=1

3.2 Saran

31
 Penulis menyadari bahwasanya makalah ini masih teradapat banyak kekurangan ,oleh
karena itu ,kritik dan saran yang membagun sangat diperlukan untuk menyempurnakan
makalah ini agar lebih baik,semoga makalah ini dapat memberikan pengetahuan dan
wawasan mendalam bagi penulis khususnya dan bagi pembaca umumnya

32