Rangkuman Bab 5
Programa Linier : Primal Dual dan Analisis Sensitivitas Pada Metode Simpleks
KELAS F
PROGRAM STUDI AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UPN VETERAN JAWA TIMUR
2021
Konsep Dasar Primal Dual
Persoalan programa linier memiliki suatu persoalan kedua yang saling berhubungan.
Persoalan pertama yang mengacu pada formulasi awal masalah programa linier disebut
sebagai primal. Sementara itu, persoalan kedua yang pada dasarnya berhubungan dengan
persoalan pertama dianamakan dengan dual.
Sifat fundamental hubungan primal dual adalah bahwa solusi optimal pada masalah primal
atau dual juga memberikan solusi optimal pada masalah yang lainnya. Dalam kasus, di mana
masalah primal dan berbeda dalam bentuk kesukaran perhitungan, maka dapat memilih
masalah yang lebih mudah untuk diselesaikan.
Tabel 5.1
P
R FT Maksimasi FT Minimasi
I Fungsi Tujuan Ruas Kanan
M
A Pembatas Variabel
L
Tabel 5.2
Hubungan Primal Dual
V Minimasi Maksimasi
A ≥0 ≤
R ≤0 ≥
I
A
B Unrestricted
E
L
K ≥ ≥0
E ≤ ≤0
N
D
A Unrestricted
L
A
Contoh 1
Persoalan Primal
FT Maksimasi = Xo = 5X1 + 12X2 + 4X3
Kendala/Pembatas:
X1 + 2X2 + X3 ≤ 5
2X1 - X2 + 3X3 = 2
X1,X2,X3 ≥ 0
Buatlah bentuk dual dari persoalan primal tersebut.
Penyelesaian :
FT Minimasi = Yo = 5Y1 + 2Y2
Kendala/Pembatas:
Y1 + 2Y2 ≥ 5
2Y1 - Y2 ≥ 12
Y1 + 3Y2 ≥ 4
Y1 ≥ 0
Y2 unrestricted (tidak bertanda)
Keterangan:
Contoh 2:
Persoalan Primal
FT maksimasi = Z = 3X1 + X2 + 4X3
Kendala/pembatas:
6X1 + 3X2 + 5X3 ≤ 25
3X1 + 4X2 + 5X3 ≤ 20
X1,X2,X3 ≥ 0
Buat bentuk dual dari persoalan primal tersebut.
Penyelesaian:
Persoalan Dual
FT minimasi = Z = 25Y1 + 20Y2
Kendala/pembatas:
6Y1 + 3Y2 ≥ 3
3Y1 + 4Y2 ≥ 1
5Y1 + 5Y2 ≥ 4
Y1 , Y2 ≥ 0
Contoh 3:
Persoalan Primal
FT maksimasi = Z = 2X1 + 3X2 + 5X3 + 2X4 + 3X5
Kendala/pembatas:
X1 + X2 + 2X3 + X4 + 3X5 ≥ 4
2X1 – 2X2 + 3X3 + X4 + X ≥ 3
X1 ; X2 ; X3 ; X4 ; X5 ≥0
Buat bentuk dual dari persoalan primal tersebut.
Penyelesaian :
Persoalan Dual
FT Minimasi = Z = 4Y1 + 3Y2
Kendala/pembatas:
Y1 + 2Y2 ≥ 2
Y1 – 2Y2 ≥ 3
2Y1 + 3Y2 ≥ 5
Y1 + Y2 ≥ 2
3Y1 + Y2 ≥ 3
Y1,Y2 ≤ 0
Pada dasarnya, baik persoalan primal maupun persoalan dual akan memiliki solusi optimal
yang sama. Dalam bentuk standar, pembatas mempunyai tanda (=). Jika pembatas pada
persoalan primal (dual) memiliki tanda (=). Maka akan menjadi variabel yang tidak memiliki
tanda (unrestricted) pada persoalan dual (primal).
Contoh:
Persoalan Primal
FTMaksimasi = Z = 5X1 + 12X2 + 4X3
Kendala/pembatas:
X1 + 2X2 + X3 < 5
2X1 - X2 + 3X3 = 2
X1,X2,X3 > 0
Tentukan:
Penyelesaian:
Tabel Awal
EV
Basis Z X1 X2 X3 S1 R2 Solusi Rasio
-
Z 1 S+2M 12+2M -4-3M 0 0 -2M
S1 0 1 2 1 1 0 5 5
R1 0 2 -1 3 0 1 2 0,67 LV
EV
Basis Z X1 X2 X3 S1 R2 Solusi Rasio
Z 1 5/3 40/3 0 0 4/3+M 8/3
S1 0 1/3 7/3 0 1 -1/3 -1/3 1,63 LV
X3 0 2/3 -1/3 1 0 1/3 1/3 -1
EV
Basis Z X1 X2 X3 S1 R2 Solusi Rasio
Z 1 3/7 0 0 40/7 -4/7+M 192/7
X2 0 1/7 1 0 3/7 -1/7 13/7 1,86
X3 0 5/7 0 1 1/7 2/7 7/7 1 LV
Variabel basis sudah tidak ada yang negative, sehinga persoalan tersebut sudah optimal, di
mana
Persoalan Dual
FTMaksimasi = Yo = 5Y1 + 2Y2
Kendala/pembatas:
Y1 + 2Y2 > 5
2Y2 - Y2 > 12
Y1 + 3Y2 > 4
Y1 > 0
Y2 unrestricted (tidak bertanda)
Pada persoalan di atas, variabel Y2 tidak bertanda, sehingga Y2 diganti dengan Y2’ – Y2
Dalam hal ini variabel Y2’> 0 dan Y2 > 0
Bentuk Standar
FTMaksimasi = Z = 5Y1 + 2Y2 + MR1 + MR2 + MR3, sehingga Z – 5Y1 – 2Y2 – MR1 – MR2
– MR3
Kendala/pembatas:
Y1 + 2Y2 – S1 + R1 = 5
2Y1 – Y2 – S2 + R2 = 12
Y1 + 3Y2 – S3 + R3 = 4
Y1, Y2, S1, S2, S3, R1, R2, R3 >0
Persamaan Z Baru
Tabel Awal
Berdasarkan tabel awal terseut, dilakukan literasi seperti pada metode (artificial variable).
Dan diperoleh nilai optimal pada fungsi tujuan, yaitu:
Solusi Optimal
Kesimpulan :
Solusi Opimal Primal = Solusi Optimal Dual = 28,2.
Contoj :
Persoalan Primal
Penyelesaian :
Persoalan Dual
Karena persoalan diatas terdiri dari 2 variabel (Y1 dan Y2), maka persoalan tersebut
dapat diselesaikan dengan menggunakan Metode Grafik (lihat pembahasannya pada
Bab 2). Dengan menggunakan metode grafik, solusi optimal terletak pada titik yang
merupakan perpotingan antara pembatas (3) dan pembatas (4), dimana nilai Y1=
65/27 ; Y2=55/27 ; dan Z=425/27.
Persoalan Primal
Solusi optimal pada persoalan primal diperoleh dengan memasukkan nilai optimal
yang telah diperoleh (persoalan dual) pada masing-masing pembatas pada persoalan
dual.
SIFAT I
Pada setiap iterasi secara metode simpleks, baik pada primal maupun pada dual,
matriks dibawah variable basis awal (tidak termasuk koefisien fungsi tujuan), dapat
digunakan untuk mendapatkan koefisien fungsi tujuan yang berhubungan dengan
variable basis awal yang ada pada iterasi tersebut.
Tahapan yang dilakukan adalah :
1. Menentukan koefisien awal fungsi tujuan sesuai dengan variable-variabel basis
pada iterasi yang sedang dilakukan dan disusun dalam bentuk vector baris sesuai
dengan urutannya pada table simpleks.
2. Kalikan vector yang diperoleh pada tahap 1 dengan matriks dibawah variable
basis tersebit. Matriks yang diperoleh pada tahap ini disebut simpleks multiplier
3. Hasil yang diperoleh pada tahap 2 dikurangi dengan koefisien variable basis awal
yang diperoleh pada fungsi tujuan.
SIFAT II
Pada setiap iterasi secara metode simpleks, dengan mensubstitusikan simpleks
multiplier kepada variable-variabel pembatas dual ( primal), koefisien fungsi tujuan
primal (dual) pada iterasi tersebut dapat ditentukan dengan perbedaan ruas kiri dan
ruas kanan pembatas dual (primal) yang berhubungan dengan variable-variabel primal
(dual) tersebut.
SIFAT III
Pada setiap iterasi secara metode simpleks, baik pada primal maupun dual, nilai
variable basis pada iterasi tersebut dapat ditentukan dengan mengalikan matriks
dibawah variable basis awal (tidak termasuk koefisien fungsi tujuan) dengan vector
kolom yang berisi elemen dari ruas kanan pembatas-pembatas.
SIFAT IV
Pada setiap iterasi secara metode simpleks, baik pada primal maupun pada dual,
koefisien-koefisien fungsi pembatas pada iterasi tersebut dapat ditentukan dengan
cara mengalikan matriks dibawah variable basis awal dengan vector kolom dari
koefisien fungsi pembatas pada table awal.
Tabel 5.3
Contoh:
Persoalan primal
Kendala / pembatas:
X1 + 2X2 + X3 ≤ 5
2X1 – X2 + 3X3 = 2
X1 ; X2 ; X3 ≥ 0
Persoalan Dual
Kendala/pembatas
Y1 + 2Y2 ≥ 5
2Y2 – Y2 ≥ 12
Y1 + 3Y2 ≥ 4
Y1 ≥ 0
Sifat 1
Tahap 1
Varibael basis dari literasi kedua dari persoalan primal tersebut adalah X2 dan X3(sibawah
kolom baris). Vektor barisnya, yaitu koefisien awal pada fungsi tujuan, yaitu (12.,4).
Tahap 2
Tahap 3
Sifat 2
Jika diambil iterasi kedua primal, maka simpleks multipliernya adalah 40/7 dan -4/7
Sifat 3
Catatan: hasil yang sama dengan nilai pada tabel optimal dual.
Sifat 4
Pada tabel awal primal, vektor kolom untuk variabel non-basis adalah:
Sifat 2 primal dan dual menerangkan bahwa dual simpleks method digunakan untuk
menyelesaikan persoalan dual yaitu dimulai pada kondisi dual yang tidak feasible. Syaratnya
adalah bahwa semua pembatas yang ada harus mempunyai tanda ketidaksamaan atau dalam
bentuk kanonik.
Fungsi tujuan dapat berupa maksimasi atau dalam bentuk minimasi. Setelah variabel slack
ditambahkan dan persoalan disusun dalam bentuk tabel, maka jika ada elemen-elemen ruas
kanan yang mempunyai tanda-tanda negatif dan persoalan berada dalam kondisi optimality,
maka persoalan dapat diselesaikan dengan Metode Dual Simpleks.
Contoh:
Persoalan Dual
FT minimasi = Xo = 2 X1 + X2
Kendala/pembatas:
3X1 + X2 ≥ 3
4X1 + 32 ≥ 6
X1 + 2X2 ≤ 3
X11 ≥ 0
X2 ≥0
Penyelesaian:
Baris XD X1 X2 S1 S2 S3 Solusi
XD 1 -2 -1 0 0 0 0
S1 0 -3 -1 1 0 0 -3
S2 0 -4 -3 0 1 0 -6
S3 0 1 2 0 0 1 3
Solusi awal adalah S1 = -3, S2= -6, dan S3= 3. Solusi tidak feasible, karena ada nilai
variabel basis yang negatif, yaitu S1 dan S2, sedangkan persamaan X0 optimal, karena semua
koefesien non-negatif.
Sama seperti pada metode simpleks biasa, dua simpleks method didasarkan pada
kondisi optimality dan feasibility. Kondisi optimality menjamin solusu tetap optimal,
sedangkan kondisi feasibility mengharuskan solusi-solusi basis masuk ke dalam solution
space.
Kondisi Feasibility:
Leaving variable adalah variabel yang mempunyai nilai negatif terbesar. Jika variabel basis
menjadi non- negatif, maka proses diakhiri dan solusi feasible (optimal) sudah tercapai.
Kondisi Optimality:
Entering varible dipilih di antara variabel-variabel non-basisi dengan cara sebagai berikut:
1. Buat rasio antara koefesien ras kiri persamaan X0 dengan koefesien leaving variabe.
Dengan mengabaikan rasio yang mempunyai penyebut positif atau nol, maka jika
persoalan adalah minimasi maka entering variable yang dipilih adalah variabel yang
mempunyai rasio terkecil. Sedangkan, jika persoalan adalah maksimasi, maka pilih
rasio yang nilai absolutnya terkecil. Jika semua penyebut mempunyai nilai positif atau
nol, maka persoalan tidak mempunyai solusi feasible.
2. Setelah entering variable dan leaving variabble dipilih, dilakukan operasi baris biasa
sampai solusi feasible dn optimal tercapai.
variabel X1 X2 S1 S2 S3
Persamaan -2 -1 0 0 0
X0
Persamaan -4 -3 0 1 0
S2
Rasio 1/2 1/3 - - -
Nilai X2 memiliki nilai rasio paling kecil, sehingga diperoleh tabel baru, yaitu:
EV
Basis X0 X1 X2 S1 S2 S3 Solusi
X0 1 -2/3 0 0 -1/3 0 2
S1 0 -5/3 0 1 -1/3 0 -1 LV
X1 0 4/3 1 0 -1/3 0 2
S3 0 -5/3 0 0 2/3 1 -1
Solusi di atas tetap optimal,tetapi tidak feasible (S1 =-1, S2 = -1). Jika kemudian S1 menjadi
leaving variable dan X1 menjadi enteringvariable, maka diperoleh:
Basis X0 X1 X2 S1 S2 S3 Solusi
X0 1 0 0 -2/5 -1/5 0 12/5
X1 0 1 0 -3/5 1/5 0 3/5
X2 0 0 1 4/5 -3/5 0 6/5
S3 0 0 0 -1 1 1 0
Dual simpleks method sering digunakan pada analisis sensitivitas,yaitu apabila suatu
pembatas baru ditambahkan pada persoalan pada saat solusi optimal sudah didapatkan. Jika
pembatas baru tersebut tidak ditambahkan pada persoalan pada saat solusi optimal sudah
didapatkan. Jika pembatas baru tersebut tidak memenuhi kondisi optimal, maka persoalan
kembali menjadi tidak feasiblle. Jadi, dual simpleks method digunakan untuk menghilangkan
ketidak-feasible an suatu persoalan.
Perubahan atau variasi masalah programa linier dipelajari melalui post optimality analysis
atau analisis sensitivitas. Melalui analisis sensitivitas dapat dievaluasi pengaruh perubahan-
pperubahan parameter dengan sedikit tambahan perhitungan berdasarkan tabel simpleks
optimum .Dalam membicarakan analisis sensitivitas, perubahanperubahan parameter dapat
dikelompokkan menjadi:
Kendala/pembatas:
X1 + 2X2 + X3 ≤ 5
2X1 + X2 + 3X3 = 2
X1 : X2 : X3 ≥0
Basis X0 X1 X2 X3 S1 R1 Solusi
X0 1 0 0 3/5 29/5 -1/5 + M 28 1/5
X2 0 0 1 -1/5 2/5 -1/5 8/5
X1 0 1 0 7/5 1/5 2/5 9/5
Karena X3 masih negatif, maka harus dilakukan proses iterasi untuk mendapatkan
solusi optimal yang baru, di mana X3 menjadi EV dan X1 menjadi LV.
Basis Z X1 X2 X3 S1 R1 Solusi
Z 1 0 0 -17/5 29/5 -2/5 + 116/5
M
X2 0 0 1 -1/5 -1/5 -1/5 8/5
X1 0 1 0 7/5 1/5 2/5 9/5
Terlihat X2 menjadi tidak feasible (<0) yang berarti pembatas pertama tidak
terpenuhi. Nilai baru X0 = 5(23/5) + 12(-4/5) + 0 = 67/5
Perubahan table optimal adalah sebagai berikut:
Basis Z X1 X2 X3 S1 R1 Solusi
Z 1 0 0 3/5 29/5 -2/5 + 67/5
M
X2 0 0 1 -1/5 2/5 -1/5 -4/5
X1 0 1 0 7/5 1/5 2/5 23/5
Nilai X4 masih negative, sehingga harus dilakukan iterasi uneuk mendapatkan solusi
optimal yang baru, di mana X4 menjadi EV dan X1 menjadi LV.
Dengan solusi optimal X1 = 9/5, X2 = 8/5, dan X3 = 0, maka pembatas baru ini tidak
memenuhi syarat solusi optimal yang ada dan menyebabkan solusi optimal menjadi
tidak feasible. Untuk menghilangkan kondisi tersebut, maka pembatas baru harus
masuk ke dalam table optimal. Setelah ditambahkan slack variable, maka table
optimal baru:
Basis Z X1 X2 X3 S1 R1 S3 Solusi
Z 1 0 0 3/5 29/5 -2/5+M 0 28/5
X2 0 0 1 -1/5 2/5 -1/5 0 8/5
X1 0 1 0 7/5 1/5 2/5 0 9/5
S3 0 4 15 2 0 0 1 12
Basis Z X1 X2 X3 S1 R1 S3 Solusi
Z 1 0 0 3/5 29/5 -2/5+M 0 28/5
X2 0 1 0 -1/5 2/5 -1/5 0 8/5
X1 0 0 1 7/5 1/5 2/5 0 9/5
S3 0 0 0 -3/5 -34/5 7/5 1 -96/5