PEMBAHASAN
A. Teori Dualitas
Teori dualitas merupakan salah satu konsep programa linier yang penting dan
menarik ditinjau dari segi teori dan praktisnya. Ide dasar yang melatarbelakangi teori ini
adalah bahwa setiap persoalan programa linier mempunyai suatu programa 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 :
a11 y1 + a21 y2 + …. + am1 ym ≤ c1
a12 y1 + a22 y2 + …. + am2 ym ≤ c2
.
.
.
a1n y1 + 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 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.
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
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 :
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 :
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
b. Kurangi nilai-nilai simplex multiplier ini dengan fungsi tujuan yang original dari
variabel-variabel basis awal.
Sifat 2 : Menentukan koefisien fungsi tujuan variabel-variabel nonbasis awal.
Pada setiap iterasi dari persoalan primal, koefisien fungsi tujuannya dapat
ditentukan dengan menyubstitusikan simplex multiplier pada variabel-variabel pembatas
dari dual, kemudian mencari selisih antara ruas kiri dan ruas kanan dari pembatas dual
tersebut.
1. Menentukan variabel untuk keluar dari solusi basis. Ini dicapai dengan memilih
variabel dengan prioritas tertinggi (P1>P2>P3>…>Pn) Ketika dua atau lebih
variabel memiliki rangking prioritas yang sama , variabel yang dengan bobot
terbesar menentukan variabel yang akan dipilih pertama. Ketika dua atau lebih
variabel memiliki tingkat prioritas bobot yang sama, pilih variabel yang memiliki
nilai ruas kanan negatif terbesar digunakan sebagai kriteria seleksi.
2. Menentukan variabel masuk dari solusi basis. Ini dicapai dengan memilih
koefisien terbesar pada baris pivot.
3. Menetapkan kerangka kerja untuk tabel baru dengan menukarkan variabel pada
baris pivot dan kolom pivot.
4. Pada tabel baru, elemen baru yang sesuai dengan elemen pivot ditemukan
dengan mengambil kebalikan dari elemen pivot. Semua elemen lain di baris
ditemukan dengan membagi elemen baris pivot dengan elemen pivot dan
mengubah tanda yang dihasilkan.
5. Hitung semua nilai baris lainnya dengan menggunakan formula:
Baris Baru = Baris lama – (koefisien kolom pivot x nilai baris pivot tabel baru)
6. Menentukan total deviasi dengan rumus:
Z= ∑ wi bi
7. Memeriksa untuk melihat solusi optimal. Solusi sudah optimal jika egative
semuanya positif, jika satu atau lebih dari egative basis egative, ulangi Langkah
1-8. Jika semua egative basis positif tetapi prioritas preemptif tidak memuaskan,
solusi tidak optimal. Lanjutkan ke Langkah 9.
8. Menentukan egative keluar dari solusi basis. Ini dilakukan dengan memilih
elemen positif terbesar pada kolom 3 dengan tingkat prioritas tertinggi. Elemen
pivot berasal dari baris pivot.
9. Menentukan egative masuk dari solusi basis. Ini dilakukan dengan memilih
kolom yang memiliki rasio terkecil dihasilkan ketika koefisien egative pada baris
pivot dibagi menjadi elemen positif dengan mengubah tanda yang dihasilkan.
Variabel ini disebut kolom pivot. Ulangi Langkah 3-8.
10. Solusi sudah optimal jika egative basis semua bernilai positif dan satu atau
lebih dari baris fungsi objektif memiliki tanda egative.
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.
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.
Fungsi tujuan :
Minimumkan Z = 4X1 + 2X2
Kendala:
3X1 + X2 ≥ 27
X1 + X2 ≥ 21
X1 + 2X2 ≥ 30
X1, X2 ≥ 0
Ubah tanda pembatas ≥ menjadi ≤, agar tidak membuatuhkan variabel artifisial. Hal ini
dilakukan dengan mengalikan dengan -1.
Fungsi tujuan :
Minimumkan Z = 4X1 + 2X2
Kendala:
-3X1 – X2 ≤ -27
-X1 – X2≤-21
-X1 – 2X2 ≤-30
X1, X2 ≥ 0
Bentuk standar:
Fungsi tujuan :
Minimumkan Z = 4X1 + 2X2
Kendala:
-3X1 – X2 + S1 = -27
-X1 – X2 + S2 = -21
-X1 – 2X2 + S3 = -30
X1, X2, S1, S2, S3 ≥ 0
Solusi optimum dan layak:
X1 = 3
X2 = 18
Z = 48
BAB III
PENUTUP
A. KESIMPULAN
Setelah model dual didefinisikan secara lengkap, dapat dikatakan bahwa model dual
dikembangkan dari model primal sepenuhnya. Hal tersebut dapat berarti bahwa operasi
simpleks tidak perlu dilakukan untuk mengetahui informasi tentang dual karena solusi dual
dapat ditentukan dari solusi primal. Solusi optimum primal memberikan informasi
mengenai banyaknya jumlah laba yang diperoleh, sedangakan solusi optimum dual yang
juga didapat dari solusi terhadap suatu masalah primal memberikan informasi yang tidak
kalah penting dalam pengambilan keputusan. Bentuk dual akan memberikan informasi
mengenai nilai-nilai sumber yang biasanya merupakan pembatas dari suatu model sehingga
dapat membantu pengambilan keputusan dalam menentukan harga dari sumber daya yang
menjadi pembatas bagi tercapainya laba tersebut.
Penelitian tentang metode program gol yang diusulkan telah menunjukkan bahwa
metode dual simplex menghasilkan jumlah iterasi yang sama untuk memecahkan masalah.
Pada paper ini, untuk menyelesaikan metode dual simplex, penulis memodifikasi pada
Langkah keenam yaitu melakukan eliminasi Gauss-Jordan untuk meperbaharui tabel baru.
Berdasarkan hasil komputasi menunjukkan bahwa metode dual simplex menghasilkan
iterasi yang sama untuk contoh Hiller. Berdasarkan Contoh yang dikerjakan bahwa untuk
metode simplex yang dimodifikasi menunjukkan semakin banyak fungsi tujuan dan
variabel keputusan maka iterasi yang dihasilkan semakin banyak. Secara umum, metode
dual simplex menghasilkan jumlah iterasi sama. Akan tetapi, pada contoh yang
diselesaikan bahwa metode dual menghasilkan iterasi lebih banyak dibandingkan metode
simplex yang dimodifikasi
DAFTAR PUSTAKA
Melian, Lusi,. Tinjauan primal-dual dalam pengambilan keputusan. Staf Pengajar Program
Studi Sistem Informasi. –. – . –. –
Rahmi, dkk.2018. Buku Ajar Program Linear. Sleman; deepublish
Siregar, Budi Halomoan, dkk.2020. Program Linear dan Aplikasinya Pada Berbagai Software.
Medan; Bumi Aksara
Safitri, Elfira, dkk (2017). Penyelesaian Program Gol Menggunakan Metode Simplex Modifikasi
dan Metode Dual Simpleks. Jurnal Sains Matematika dan Statistika. Vol. 3. No. 1. 2017.
Hal 10-19