52233004

OPTIMISASI

LP : Metode Grafis dan Simplek

Kelompok Keahlian Operasional Riset

Program Studi Teknik Industri

Fakultas Teknologi Industri
Universitas Islam Indonesia
LP : METODE GRAFIS DAN SIMPLEK

MATERI
o Teknik Penyelesaian LP
✓ Metode Grafis
✓ Metode Simplek
✓ Teknik M (Metode Penalty)
✓ Teknik Dua Fase
o Teori Dualitas
Teknik Penyelesaian LP
o Bentuk dan susunan model dalam LP ditunjukkan oleh
jumlah baris (m) yang ditentukan oleh banyaknya
sumberdaya yang dapat dialokasikan ke setiap jenis kegiatan
dan jumlah kolom (n) ditentukan oleh jumlah/macam
kegiatan yang memerlukan sumber tersebut (Mustafa &
Parkhan, 2000)
o Masalah LP yang berdimensi 2 × n atau m × 2 dapat
diselesaikan dengan metode grafis, sedangkan yang
berdimensi m × n dapat diselesaikan dengan metode
simpleks.
1) Metode Grafis
o Metode grafis menemukan solusi sistem persamaan linear
simultan dengan menggambarkan setiap persamaan pada
koordinat bidang datar untuk menemukan titik potong
(interseksi) (Ruminta, 2009). Solusi optimal dapat ditentukan
dengan metode garis iso profit atau titik sudut
o Langkah- penyelesaian dengan metode grafis :
– Formulasikan masalah ke dalam bentuk matematis
– Gambarkan masing-masing contraint (batasan) dalam
satu sistem salib sumbu
– Cari titik optimal dikaitkan dengan fungsi tujuan
o Contoh 4.1: Sebuah perusahaan memproduksi 2 macam
produk yaitu produk A dan produk B. Setiap unit produk A
membutuhkan 30 unit sumberdaya 1, 40 unit sumberdaya 2
dan 20 unit sumberdaya 3. Setiap unit produk B
membutuhkan 20 unit sumberdaya 2 dan 25 unit
sumberdaya 3. Sumberdaya 1,2, dan 3 masing-masing
perminggu tersedia sebanyak 1500 unit, 2500 unit dan 2000
unit. Setiap unit produk A dan B masing-masing memberikan
keuntungan Rp. 200,- dan Rp. 160,-.
Penyelesaian

Maksimumkan Z = 200 X1 + 160 X2

Dengan batasan : 30 X1 ≤ 1500
40 X1 + 20 X2 ≤ 2500
20 X1 + 25 X2 ≤ 2000
X1, X2 ≥ 0
X1 = jumlah produk A yang akan diproduksi
X2 = jumlah produk B yang akan diproduksi
Untuk menggambarkan masing-masing batasan adalah dengan
menetapkan salah satu variabel dalam suatu persamaan sama
dengan nol, kemudian mencari nilai variabel yang lain.
Batasan 1: 30 X1 = 1500, maka X1 = 50
Batasan 2: 40 X1 + 20 X2 = 2500, bila X1 = 0, maka X2 = 125
bila X2 = 0, maka X1 = 62,5
Batasan 3: 20 X1 + 25 X2 = 2000, bila X1 = 0, maka X2 = 80
bila X2 = 0, maka X1 = 100
Grafik penyelesaian kasus Contoh 4.1
o Gunakan metode garis iso profit, geser grafik fungsi tujuan
pada daerah diantara OABCD. Untuk kasus maksimasi pilih
titik terjauh dari origin O dan untuk kasus minimasi pilih titik
terdekat dari origin O.
o Titik optimal gambar di atas adalah titik B (perpotongan
antara batasan 2 dan batasan 3)
o Status sumberdaya 1 longgar (loose), status sumberdaya 2
dan sumberdaya 3 adalah ketat (tight)
Titik B (perpotongan antara batasan 2 dan batasan 3):
40 X1 + 20 X2 = 2.500 |× 1| 40 X1 + 20 X2 = 2.500
20 X1 + 25 X2 = 2.000 |× 2| 40 X1 + 50 X2 = 4.000
– 30 X2 = –1.500
X2 = 50
40 X1 + 20 (50) = 2.500 ➔ X1 = (2.500 – 1000)/40 = 37,5
Solusi optimal (maximized objective) Z = 200 (37,5)+ 160 (50)
= 15.500
Status sumberdaya
Batasan 1: 30 X1 = 30 (37,5) = 1.125
surplus 1.500 – 1.125 = 375 (longgar)
Batasan 2: 40 X1 + 20 X2 = 40 (37,5) + 20 (50) = 2.500
surplus 2.500 – 2.500 = 0 (ketat)
Batasan 3: 20 X1 + 25 X2 = 20 (37,5) + 25 (50)= 2.000
surplus 2.000 – 2.000 = 0 (ketat)
Kesimpulan/Rekomendasi
o Kondisi optimal tercapai jika perusahaan memproduksi
produk A 37,5 unit dan produk B 50 unit dengan
keuntungan 15.500
o Pada kondisi optimal, status sumberdaya 2 dan 3 ketat,
sedangkan sumberdaya 1 longgar,, hal ini akan memicu
kenaikan biaya.
o Pada kondisi optimal, banyaknya sumberdaya 1, 2 dan 3
yang dibutuhkan masing-masing 1125 unit (kelebihan
375 unit), 2500 unit dan 2000 unit.
o Jika perusahaan akan menambah kapasitas sumberdaya,
sebaiknya yang ditambah sumberdaya 2 atau 3 ( secara
detail akan dibahas pada analisis sensitifitas)

12
2) Metode Simplek
o Metode grafis dapat digunakan untuk menyelesaikan
masalah LP yang berdimensi 2 x n atau m x 2. untuk
masalah LP yang berdimensi m x n di mana nilai m x n
masing-masing berdimensi ≥ 2 dapat digunakan metode
simplek
o Metode Simplek menyelesaikan masalah LP melalui
tahapan perhitungan ulang, di mana langkah-langkah
perhitungan yang sama diulang hingga tercapai solusi
optimal.

13
Langkah - Langkah Metode Simplek (Mustafa &
Parkhan, 2000)

1. Merubah fungsi tujuan dan fungsi kendala

2. Mentabulasikan persamaan-persamaan yang diperoleh
pada langkah 1
3. Menentukan Entering Variabel
4. Menentukan Leaving Variabel
5. Menentukan persamaan pivot baru
6. Menentukan persamaan-persamaan baru selain
persamaan pivot baru
7. Lanjutkan perbaikan-perbaikan

14
Metode simplek, dengan bentuk umum sebagai berikut :

15
Contoh 4.2 : Sebuah perusahaan memproduksi 3 macam
produk yaitu produk A, produk B dan produk C. Setiap unit
produk A memerlukan 8 unit sumberdaya 1, 5 unit sumberdaya
2 dan 6 unit sumberdaya 3. Setiap unit produk B memerlukan 6
unit sumberdaya 1, 6 unit sumberdaya 2 dan 5 unit sumberdaya
3. Setiap unit produk C memerlukan 3 unit sumberdaya 1, 2 unit
sumberdaya 2 dan 4 unit sumberdaya 3. Sumberdaya 1,2, dan 3
masing-masing perminggu tersedia sebanyak 300 unit, 180 unit
dan 240 unit. Setiap unit produk A, B dan C masing-masing
memberikan keuntungan Rp. 6,- ; Rp 5,- dan Rp. 4,-. Tentukan
banyaknya produk A, B dan C yang harus diproduksi dan
tentukan status sumberdaya pada kondisi optimal, serta
berikan rekomendasi berdasarkan kondisi tersebut.
Penyelesaian

Maksimumkan Z = Z = 6 X1 + 5 X2 + 4 X3
Dengan batasan : 8 X1 + 6 X2 + 3 X3 ≤ 300
5 X1 + 6 X2 + 2 X3 ≤ 180
6 X1 + 5 X2 + 4 X3 ≤ 240
X1, X2, X3 ≥ 0
X1 = jumlah produk A yang akan diproduksi
X2 = jumlah produk B yang akan diproduksi
X3 = jumlah produk C yang akan diproduksi

o Langkah 1 : Merubah Fungsi Tujuan dan Fungsi Kendala

Fungsi tujuan dirubah menjadi bentuk implisit dengan jalan
menggeser semua CjXj ke kiri.
Z = 6 X1 + 5 X2 + 4 X3 dirubah menjadi Z – 6 X1 – 5 X2 – 4 X3 = 0
Fungsi kendala selain kendala non negatif diubah menjadi
bentuk persamaan dengan menambahkan variabel slack,
yaitu suatu variabel yang mewakili tingkat pengangguran,
dari batasan kapasitas.
Fungsi kendala di atas berubah menjadi :
8 X1 + 6 X2 + 3 X3 + S1 = 300
5 X1 + 6 X2 + 2 X3 + S2 = 180
6 X1 + 5 X2 + 4 X3 + S3 = 240

19
o Langkah 2 : Mentabulasikan persamaan yang diperoleh
pada langkah 1
Tabel bentuk umum tabel simplek awal

20
Persoalan di atas dapat ditabulasikan sebagai berikut :
Tabel simplek awal Contoh 4.2

Variabel basis S1, S2, S3 menggambarkan kapasitas

menganggur dengan nilai sebagaimana ditunjukkan oleh
kolom solusi, dan variabel non basis X1, X2, X3 (yang tidak
ditunjukkan pada kolom basis) sama dengan 0.

21
o Langkah 3 : Menentukan Entering Variabel
Untuk persoalan dengan fungsi tujuan maksimasi, pilihlah
kolom pada baris fungsi tujuan (termasuk kolom slack)
yang mempunyai nilai negatif angka terbesar, sebagai
entering variabel. Jika ditemukan lebih dari satu nilai
negatif angka terbesar pilihlah salah satu, sebaliknya jika
tidak ditemukan nilai negatif berarti solusi sudah optimal.
Sebaliknya untuk kasus minimasi, pilihlah kolom pada baris
fungsi tujuan yang nilainya positif terbesar. Jika ditemukan
lebih dari satu nilai negatif angka terbesar pilihlah salah
satu , sebaliknya jika tidak ditemukan nilai positif berarti
solusi telah optimal.

22
entering variable persoalan di atas adalah kolom X1.
Tabel penentuan entering variable

Langkah 4: Menentukan leaving variabel

Leaving variable dipilih dari rasio positif terkecil. Jika
ditemukan lebih dari satu nilai positif terkecil pilihlah salah
satu, sebaliknya jika tidak ada yang nilainya positif pada kolom
entering variable, berarti persoalan tidak memiliki pemecahan

23
 Rasio = Nilai solusi : koefisien kolom entering

Pada persoalan di atas, rasio yang nilainya positif terkecil

pada baris S2. Gunakan baris ini sebagai Leaving Variabel.
Tabel penentuan leaving variable

24
Persamaan pada baris leaving variable disebut sebagai
persamaan pivot, sedangkan nilai pada perpotongan
entering dan leaving variable disebut elemen pivot

Langkah 5 : Menentukan Persamaan Pivot Baru

Persamaan pivot baru (ppb) = persamaan pivot lama :

elemen pivot

Berdasarkan tabel penentuan entering dan leaving variable

, gantilah basis S2 dengan X1.

25
Persamaan pivot baru = (5 6 2 0 1 0 180) : 5
= (1 6/5 2/5 0 1/5 0 36)

Tabel penentuan persamaan pivot baru

26
Langkah 6 : Tentukan persamaan-persamaan baru selain
persamaan pivot baru.
Persamaan baru = (Persamaan lama) – (Koefisien Kolom
Entering × persamaan pivot baru).

27
Hasil perhitungan langkah 5 dan 6 dapat ditabulasikan
sebagai berikut .
Tabel simplek iterasi 1

Langkah 7: Lanjutkan perbaikan-perbaikan

Lakukan langkah perbaikan dengan cara mengulang langkah
3 sampai langkah 6 hingga diperoleh hasil optimal.
Tabel simplek optimal

Fungsi tujuan persoalan di atas adalah maksimasi, karena

pada baris fungsi tujuan (kolom X1 sampai S3) tidak ada yang
bernilai negatif berarti tabel sudah optimal.

30
Interpretasi hasil:
o Kondisi optimal tercapai jika perusahaan memproduksi
produk A = 30 unit, produk B = 0 unit dan produk C = 15
unit yang akan menghasilkan keuntungan sebesar 240.
o Pada kondisi optimal di atas sumberdaya 2 dan 3 statusnya
ketat, sedangkan sumberdaya 1 longgar artinya kapasitas
yang tersedia melebihi yang dibutuhkan, hal ini akan
memicu kenaikan biaya. Sebaiknya sumberdaya 1 cukup
disediakan sebanyak 285 unit.
o Jika perusahaan akan menambah kapasitas sumberdaya,
sebaiknya yang ditambah sumberdaya 2 atau 3 (secara
detail akan dibahas pada analisis sensitifitas).

31
Persoalan yang telah dibahas dengan metode simplek di
atas mempunyai tanda pembatas ≤, untuk tanda pembatas
≥ dan = (supaya bisa dimasukkan dalam bentuk umum
tabel simplek awal) maka untuk tanda pembatas :

= : tambahkan variabel dummy atau variabel artifisial (R)

sebagai variabel basis pada tabel awal.
≥ : kurangkan dengan S, dan tambahkan variabel dummy
atau variabel artifisial (R) sebagai variabel basis pada tabel
awal.
Contoh 4.3 : Minimumkan Z = 6 X1 + 14 X2
dengan batasan : 9 X1 + 6 X2 ≤ 162
10 X1 + 14 X2 = 210
6 X1 + 12 X2 ≥ 144
X1, X2 ≥ 0
X1 = banyaknya produk A yang akan diproduksi
X2 = banyaknya produk B yang akan diproduksi

33
Bentuk standar persoalan di atas adalah:
Minimumkan Z = 6 X1 + 14 X2
dengan batasan:
9 X1 + 6 X2 + S1 = 162
10 X1 + 14 X2 + R1 = 210
6 X1 + 12 X2 ‒ S2 + R2 = 144
X1, X2 , S1, R1, S2, R2 ≥ 0

Persoalan dengan variabel artifisial dapat diselesaikan

dengan dua teknik, yaitu Teknik M dan Teknik dua fase.

34
3) Teknik M (Metode Penalty)
o Pada Teknik M, setiap variabel artifisial dalam fungsi tujuan
diberikan penalty sebesar ‒ M (M bilangan positif yang
sangat besar) apabila fungsi tujuan maksimasi dan sebesar
+ M apabila fungsi tujuan minimasi (Mustafa & Parkhan,
2000) . Persoalan di atas dapat diubah sebagai berikut:

Minimumkan Z = 6 X1 + 14 X2 + 0 S1 + M R1 + 0 S2 + M R2
9 X 1 + 6 X2 + S 1 = 162
10 X1 + 14 X2 + R1 = 210
6 X1 + 12 X2 ‒ S2 + R2 = 144
X1, X2, S1, R1, S2, R2 ≥ 0

35
Substitusi : R1 = 210 ‒ 10 X1 ‒ 14 X2
R2 = 144 ‒ 6 X1 ‒ 12 X2 + S2
Z = 6 X1 + 14 X2 + 0 S1 + M (210 ‒ 10 X1 ‒ 14 X2) + 0 S2 + M
(144 ‒ 6 X1 ‒ 12 X2 + S2)
Z = (6 – 10 M – 6 M) X1 + (14 – 14 M – 12 M) X2 + 0 S1 + S2 M
+ (210 M + 144 M)
= (6 – 16 M) X1 + (14 – 26 M) X2 + 0 S1 + S2 M + 354 M
Z – (6 – 16 M) X1 – (14 – 26 M) X2 – 0 S1 – S2 M = 354 M

36
Lakukan 7 langkah penyelesaian dengan metode simplek ,
diperoleh tabel berikut :
Tabel simplek awal Contoh 4.3

Fungsi tujuan persoalan di atas adalah minimasi, karena

pada baris Z (kolom X1 sampai R2) ada yang bernilai positif,
berarti tabel belum optimal.

37
Entering variable persoalan di atas adalah kolom X2 dan
leaving variable adalah baris R2.
Tabel simplek iterasi 1 Contoh 4.3

Entering variable persoalan di atas adalah kolom X1 dan

leaving variable adalah baris R1.

38
Tabel simplek optimal

Interpretasi hasil :
o Banyaknya produk A dan produk B yang harus diproduksi
masing-masing 14 dan 5 unit dengan total biaya produksi
sebesar 154 satuan uang.
o Pada kondisi ini sumberdaya 1 sebaiknya dikurangi sebesar
6 unit atau cukup disediakan sebanyak 156 unit
4) Teknik Dua Fase (Mustafa & Parkhan, 2000)
o Fase 1: Ubah fungsi tujuan semula menjadi minimumkan
jumlah variabel artifisialnya. Tentukan solusi optimalnya.
Jika solusi optimal bernilai nol berarti persoalan
sebenarnya mempunyai solusi feasible, lanjutkan ke fase
2. Jika solusi optimal berharga positif berarti persoalan
sebenarnya tidak mempunyai solusi feasible, STOP.
o Fase 2: Gunakan solusi optimal fase 1 sebagai solusi awal
persoalan sebenarnya. Ubah fungsi tujuan pada fase 1
sesuai dengan fungsi tujuan semula dan sebagai fungsi
pembatas diperoleh dari tabel optimal fase 1 dengan
mengabaikan variabel artifisialnya.

40
Contoh 4.4 : Maksimumkan Z = 2 X1 + 10 X2 + 6 X3
dengan batasan : 3 X1 + 6 X2 + 3 X3 = 27
4 X1 – 2 X2 = 24
X1, X2, X3 ≥0

X1 = banyaknya produk A yang akan diproduksi

X2 = banyaknya produk B yang akan diproduksi
X3 = banyaknya produk C yang akan diproduksi
Persoalan di atas diubah menjadi:
Maksimumkan : Z = 2 X1 + 10 X2 + 6 X3 – M R1 – M R2
3 X 1 + 6 X2 + 3 X 3 + R 1 = 27
4 X1 – 2 X2 + R2 = 24
X1, X2, X3, R1, R2 ≥0
Substitusi: R1 = 27 – 3 X1 – 6 X2 – 3 X3
R2 = 24 – 4 X1 + 2 X2
Fase 1:
Minimumkan r = R1 + R2
= (27 – 3 X1 – 6 X2 – 3 X3) + (24 – 4 X1 + 2 X2)
= (51 – 7 X1 – 4 X2 – 3 X3)
r + 7 X1 + 4 X2 + 3 X3 = 51

Hasil pengolahan menggunakan metode simplek ditunjukkan

oleh tabel berikut :
Tabel simplek awal fase 1 Contoh 4.4

Tabel simplek iterasi 1 fase 1 Contoh 4.4

Tabel simplek optimal fase 1 Contoh 4.4

Lanjutkan ke fase 2 abaikan R.

Fase 2 :
Berdasarkan tabel optimal pada fase 1, diperoleh persamaan
berikut :
X2 + 2/5 X3 = 6/5; X2 = 6/5 – 2/5 X3
X1 + 1/5 X3 = 33/5; X1= 33/5 – 1/5 X3
Berdasarkan model persoalan sebenarnya, diperoleh :
Maksimumkan Z = 2 X1 + 10 X2 + 6 X3
= 2 (33/5 – 1/5 X3) + 10(6/5 – 2/5 X3) + 6 X3
= 126/5 + 8/5 X3
Z – 8/5 X3 = 126/5
dengan kendala : X2 + 2/5 X3 = 6/5
X1 + 1/5 X3 = 33/5

Hasil simplek awal dan optimal fase 2 adalah sebagai berikut :

Tabel simplek awal fase 2 Contoh 4.4

Tabel simplek optimal fase 2 Contoh 4.4

Interpretasi hasil :
o Banyaknya produk A dan produk C yang harus diproduksi
masing-masing 6 dan 3 unit dengan total biaya produksi
sebesar 30.
o Pada kondisi optimal semua sumberdaya bersifat ketat, yang
berarti semua sumberdaya telah habis digunakan.
Teori Dualitas
o Setiap masalah LP berkaitan dengan masalah LP lain
yang disebut dual, yang artinya bahwa setiap
pemecahan simplek optimal dari salah satu masalah
(primal) akan secara otomatis menghasilkan pemecahan
optimal untuk masalah lainnya (dual).
o Peran penting teori dualitas adalah dalam hal
interpretasi dan aplikasi analisis sensitifitas (Hillier &
Lieberman, 2014)

49
Hubungan primal dual
Hubungan primal dual persoalan LP, adalah sebagai berikut
(Mustafa & Parkhan, 2000 ):

Gambar : Hubungan primal dual persoalan LP

o Fungsi tujuan: jika fungsi tujuan primal maksimasi maka
fungsi tujuan dual minimasi, sebaliknya jika fungsi tujuan
primal minimasi maka fungsi tujuan dual maksimasi
o Tanda tanda pada pembatas (kapasitas sumberdaya)
tergantung pada fungsi tujuan primalnya. Jika fungsi tujuan
primal maksimasi, maka tanda pembatas dual adalah ≥,
sebaliknya jika fungsi tujuan primal minimasi maka tanda
pembatas dual adalah ≤.
o Koefisien fungsi tujuan primal dan konstanta ruas kanan :
koefisien fungsi tujuan primal menjadi konstanta ruas kanan
dual dan konstanta ruas kanan primal menjadi koefisien fungsi
tujuan dual
o Korespondensi : setiap kolom pada primal berkorespondensi
dengan baris pada dual dan setiap baris pada primal
berkorespondensi dengan kolom pada dual. Untuk setiap
variabel primal ada satu pembatas dual, untuk setiap
pembatas primal ada satu variabel dual.
Contoh 4.5:
Primal :
Maksimumkan : Z = 5 X1 + 8 X2 + 12 X3
dengan batasan : 4 X1 + 10 X2 + 5 X3 ≤ 100
9 X1 + 6 X2 + 16 X3 ≤ 125
X1, X2, X3 ≥0
Standar Primal:
Maksimumkan : Z = 5 X1 + 8 X2 + 12 X3 + 0 S1+ 0 S2
dengan batasan : 4 X1 + 10 X2 + 5 X3 + S1 = 100
9 X1 + 6 X2 + 16 X3 + S2 = 125
X1, X2, X3, S1, S2 ≥0

53
Dual:
Minimumkan : W = 100 Y1 + 125 Y2
4 Y1 + 9 Y2 ≥5
10 Y1 + 6 Y2 ≥8
5 Y1 + 16 Y2 ≥ 12
Y1, Y2 ≥0

54
Contoh 4.6:
Primal :
Maksimumkan : Z = 4 X1 + 8 X2 + 5 X3
dengan batasan : 2 X1 + 4 X2 + 2 X3 ≤ 50
X1 + 2 X2 + 5 X3 = 60
X1, X2, X3 ≥0
Standar Primal:
Maksimumkan : Z = 4 X1 + 8 X2 + 5 X3 + 0 S1
dengan batasan : 2 X1 + 4 X2 + 2 X3 + S1 = 50
X1 + 2 X2 + 5 X3 = 60
X1, X2, X3, S1 ≥0

55
Dual:
Minimumkan : W = 50 Y1 + 60 Y2
2 Y1 + Y2 ≥4
4 Y1 + 2 Y2 ≥8
2 Y1 + 5 Y2 ≥5
Y1 ≥0
Y2 sembarang harga

56
Metode Dual Simplek
o Jika formulasi LP mengandung banyak variabel
artificial, untuk memperoleh solusi optimal
perhitungannya rumit . Untuk itu bisa menggunakan
metode dual simplek yang pada prosesnya
menghindari adanya variabel artificial, dengan cara
merubah fungsi pembatas bertanda ≥ menjadi ≤.
o Pada metode simplek, prosedur dimulai dari solusi
dasar feasible yang belum optimal menuju ke solusi
feasible optimal, sedangkan pada metode dual simplek
prosedur dimulai dari solusi awal yang tidak feasible
menuju solusi feasible optimal.

57
o Metode dual simplek menggunakan prosedur yang sama
seperti metode simplek, perbedaannya pada langkah 3, yaitu
menentukan leaving variabel dan langkah 4, yaitu
menentukan entering variabel (Mustafa & Parkhan, 2000) :
Langkah 3 : menentukan Leaving variable (feasibility condition)
o Sebagai leaving variable dipilih variabel basis yang memiliki
harga negatif angka terbesar, jika lebih dari satu alternatif,
pilih salah satu dan jika semua variabel basis telah berharga
positif atau nol berarti keadaan feasibel telah tercapai.
Langkah 4 : Menentukan Entering variable (optimality
condition)
o Tentukan rasio antara koefisien persamaan Z dengan
koefisien persamaan leaving variable. Abaikan penyebut
positif atau nol. Jika semua penyebut berharga positif atau
nol, berarti persoalan tidak memiliki solusi feasible.
o Pada persoalan minimasi, sebagai entering variable adalah
variabel dengan rasio terkecil, sedangkan pada persoalan
maksimasi sebagai entering variable adalah variabel dengan
rasio absolut terkecil.
Contoh 4.7 : Minimumkan: Z = 24 X1 + 30 X2
dengan batasan : 3 X1 + 6 X2 ≥ 144
5 X1 + 2 X2 ≥ 120
12 X1 + 10 X2 ≤ 480
X1, X2 ≥0
Persoalan diformulasikan sebagai berikut:
Minimumkan Z – 24 X1 – 30 X2 + S1 + S2 + S3 = 0
– 3 X1 – 6 X2 + S 1 = – 144
– 5 X1 – 2 X2 + S2 = – 120
12 X1 + 10 X2 + S3 = 480
X1, X2, S1, S2, S3 ≥ 0
•
Tabel simplek awal Contoh 4.7

Leaving variable baris S1 dan entering variable kolom X2

Tabel simplek iterasi 1 Contoh 4.7

Leaving variable baris S2 dan entering variable kolom X1

Tabel optimal Contoh 4.7

Interpretasi hasil :
o Banyaknya produk A dan produk B yang harus diproduksi
masing-masing 18 dan 15 unit dengan total biaya sebesar
882 satuan uang.
o Pada kondisi ini sumberdaya 3 sebaiknya dikurangi sebesar
114 unit atau cukup disediakan sebanyak 366 unit.
Kesimpulan
o Bentuk dan susunan model dalam LP ditunjukkan
oleh jumlah baris (m) dan jumlah kolom (n)
o Masalah LP yang berdimensi 2 × n atau m × 2 dapat
diselesaikan dengan metode grafis, sedangkan yang
berdimensi m × n dapat diselesaikan dengan
metode simpleks.
o Output yang dihasilkan dengan metode tersebut
meliputi nilai variable keputusan, keuntungan atau
biaya, status sumber daya dan kebutuhan masing-
masing sumber daya
Tugas
1) Menggunakan kasus di suatu industri, buat model LP, dan
berikan kesimpulan/rekomendasi berdasarkan output LP
dengan langkah-langkah berikut (tambahkan asumsi yang
diperlukan, jika dibutuhkan):
o Buatlah model LP –nya.
o Tentukan interpretasi dari output LP.
o Susun kebijakan/rekomendasi berdasarkan output LP dan
tentukan hambatan hambatan yang mungkin dihadapi
berkaitan dengan rekomendasi tersebut.
2) Sebuah perusahaan merencanakan untuk memproduksi dua
macam produk, yaitu produk A dan produk B. Setiap unit
produk A membutuhkan 45 unit sumberdaya 1, 20 unit
sumberdaya 2 dan 60 unit sumberdaya 3. Setiap unit produk B
membutuhkan 60 unit sumberdaya 1 dan 32 unit sumberdaya
3. Sumbangan keuntungan/unit produk A dan produk B
masing-masing Rp 75,- dan Rp 25,-. Kapasitas/minggu
sumberdaya 1,2 dan 3 masing-masing 3600 unit, 600 unit dan
2400 unit. Berdasarkan data tersebut tentukan :
o Kombinasi produk yang seharusnya diproduksi dan
keuntungan pada kondisi optimal.
o Status masing-masing sumberdaya pada kondisi optimal.
o Tentukan kebutuhan masing-masing sumberdaya pada
kondisi optimal.
o Berikan rekomendasi berkaitan dengan kebutuhan
sumberdaya pada kondisi optimal.
Referensi

Hillier, F. S., & Lieberman, G. J. (2014). Introduction to operations research,

10th edition. New York: Mc Graw Hill.
Mustafa, Z., & Parkhan, A. (2000). Belajar cepat linear programming dengan
QS (Quantitative Systems). Yogyakarta: Ekonesia.
Ruminta. (2009). Matriks Persamaan Linier dan Pemrograman Linier.
Bandung: Rekayasa Sains.
52233004
OPTIMISASI

Analisis Sensitifitas : Metode Grafis

Kelompok Keahlian Operasional Riset

Program Studi Teknik Industri

Fakultas Teknologi Industri
Universitas Islam Indonesia
ANALISIS SENSITIFITAS : METODE GRAFIS

MATERI
o Analisis sensitifitas
✓ Perubahan koefisien fungsi tujuan
✓ Perubahan kapasitas sumberdaya
✓ Penambahan Variabel Baru
✓ Penambahan Kendala Baru
Analisis Sensitifitas
o Salah satu asumsi LP adalah bersifat deterministik, dalam
kenyataannya nilai-nilai parameter (baik Cj, aij maupun bi)
umumnya mengandung ketidakpastian.
o Setiap perubahan nilai input (data) akan mengubah masalah
LP yang dapat mempengaruhi solusi optimal. Untuk
mengetahui bagaimana solusi optimal akan berubah
sehubungan dengan perubahan nilai input (data), digunakan
analisis sensitifitas (Mustafa & Parkhan, 2000; Mulyono,
2007).
o Ketidakpastian yang mungkin dihadapi pada analisis
sensitifitas meliputi:
a) Perubahan Koefisien Fungsi Tujuan (Cj)
b) Perubahan Kapasitas Sumber Daya (bi)
c) Penambahan Variabel Baru (Xj)
d) Penambahan Kendala Baru
o Pada kasus dengan dimensi m × 2 dapat diselesaikan
dengan metode grafis, sedang kasus dengan dimensi m ×
n dapat diselesaikan dengan metode simplek.

71
a) Perubahan Koefisien Fungsi Tujuan (Cj)
o Perubahan koefisien fungsi tujuan (Cj) dapat terjadi
karena perubahan harga jual, perubahan biaya atau
perubahan keduanya yang berakibat perubahan
keuntungan (pada persoalan maksimasi), maupun
perubahan biaya (pada persoalan minimasi).
o Pengaruh perubahan keuntungan per unit produk j (Cj)
dapat dijelaskan sebagai berikut :

72
✓ Pada suatu kasus dimana produk j menguntungkan
untuk diproduksi, jika Cj turun di bawah nilai tertentu,
dapat menyebabkan produk 1 berkurang atau bahkan
tidak menguntungkan untuk diproduksi. Sebaliknya jika
C1 naik di atas nilai tertentu, dapat menyebabkan
kenaikan jumlah produk 1 yang akan diproduksi.

73
✓ Pada kasus lain bisa jadi produk j tidak menguntungkan
untuk diproduksi karena keuntungan per unit (Cj) nya
rendah. Jika Cj turun (sampai – ∞) tidak akan berpengaruh
terhadap solusi optimal yang ada, tetapi jika Cj naik
melebihi nilai tertentu maka produk j menjadi
menguntungkan untuk diproduksi

74
Contoh menggunakan kasus yang telah dibahas di atas
Maksimumkan : Z = 200 X1 + 160 X2
dengan batasan : 30 X1 ≤ 1.500
40 X1 + 20 X2 ≤ 2.500
20 X1 + 25 X2 ≤ 2.000
X1, X2 ≥0
X1 = jumlah produk A yang dibuat
X2 = jumlah produk B yang dibuat
Optimal pada titik B (perpotongan batasan 2 dan batasan 3)
dengan nilai X1 = 37,5 ; X2 = 50 dan Z = 15.500
Range C1
o Batas atas dan batas bawah C1 (dengan asumsi C2 tetap)
dimana keputusan optimal tidak berubah dapat
ditentukan dengan menyamakan slope Z (garis fungsi
tujuan) dengan slope batasan 2 dan 3.

o Batas atas C1 adalah : C1 /160 = 40/20, maka C1 = 320

Batas bawah C1 adalah : C1 /160 = 20/25, maka C1 = 128

Jadi range C1 adalah : 128 ≤ C1 ≤ 320

77
Range C2
o Batas atas dan batas bawah C2 (dengan asumsi C2 tetap)
dimana keputusan optimal tidak berubah dapat
ditentukan dengan menyamakan slope Z (garis fungsi
tujuan) dengan slope batasan 2 dan 3.

o Batas atas C1 adalah : 200/C2 = 40/20, maka C2 = 100

Batas bawah C1 adalah : 200/C2 = 20/25, maka C2 = 250

Jadi range C2 adalah : 100 ≤ C2 ≤ 250

78
Interpretasi hasil :
o Jika keuntungan /unit produk 1 yang semula Rp 200,-
berubah menjadi antara Rp 128,- sampai Rp 320,- dan
keuntungan/unit produk 2 tetap, perubahan tersebut tidak
akan mempengaruhi keputusan semula ( A= 37,5 dan B = 50)
o Jika keuntungan /unit produk 2 yang semula Rp 160,-
berubah menjadi antara Rp 100,- sampai Rp 250,- dan
keuntungan/unit produk 1 tetap, perubahan tersebut tidak
akan mempengaruhi keputusan semula ( A= 37,5 dan B = 50)
o Pada batas atas dan batas bawah dari range yang
diperkenankan tersebut akan terjadi Multiple Optimal
Solution

79
b) Perubahan Kapasitas Sumber Daya (bi)
o Perubahan ini dapat terjadi karena adanya perubahan
pada kapasitas sumberdaya yang dapat digunakan, baik
pada sumberdaya yang longgar (loose) maupun
sumberdaya yang ketat (tight).
o Pada sumberdaya yang longgar, penambahan kapasitas
sumberdaya tidak akan mempengaruhi status
sumberdaya, tetapi jika turun di bawah nilai tertentu
akan mempengaruhi status sumberdaya.
o Pada sumberdaya yang ketat, perubahan kapasitas (baik
penambahan maupun pengurangan) dapat
mempengaruhi status sumberdaya

80
Range b1
Sumberdaya 1 merupakan sumberdaya yang longgar,
apabila sumberdaya 2 dan sumberdaya 3 tetap, maka :
o Penambahan sumberdaya 1 sebesar apapun tidak
mempengaruhi status sumberdaya 2 dan 3, atau dapat
dikatakan bahwa batas atas b1 = ∞.
o Pengurangan sumberdaya 1 yang diijinkan supaya status
sumberdaya 2 dan 3 tidak berubah adalah maksimal
sampai titik B (X1 = 37,5 dan X2 = 50) atau batas bawah b1
= 30 X1 = 30 (37,5) = 1.125
Jadi range b1 adalah : 1.125 ≤ b1 ≤ ∞

81
Range b2
Sumberdaya 2 merupakan sumberdaya yang ketat, supaya
sumberdaya 2 tetap ketat (dengan asumsi sumberdaya
yang lain tetap ) maka :
o Sumberdaya 2 dapat diturunkan sampai titik A (X1 = 0, X2
= 80). Pada titik A, b2 = 40 X1 + 20 X2 → b2 = 40(0) +
20(80) = 1.600
o Sumberdaya 2 dapat dinaikkan sampai titik F (X1 = 50, X2
= 40). Pada titik F, b2 = 40 X1 + 20 X2 → b2 = 40(50) +
20(40) = 2.800
Jadi range b2 adalah : 1.600 ≤ b1 ≤ 2.800

82
Range b3
Sumberdaya 3 merupakan sumberdaya yang ketat, supaya
sumberdaya 3 tetap ketat (dengan asumsi sumberdaya
yang lain tetap ) maka :
o Sumberdaya 3 dapat diturunkan sampai titik C (X1 = 50,
X2 = 25) . Pada titik C, b3 = 20 X1 + 25 X2 → b3 = 20(50) +
25(25) = 1.625
o Sumberdaya 3 dapat dinaikkan sampai titik E (X1 = 0, X2 =
125) . Pada titik E, b3 = 20 X1 + 25 X2 → b3 = 20(0) +
25(125) = 3.125
Jadi range b3 adalah : 1625 ≤ b3 ≤ 3125

83
Untuk menentukan sumberdaya mana yang diprioritaskan
untuk ditambah/dikurangi digunakan konsep shadow price.
Shadow price mencerminkan perubahan netto nilai
optimum karena perubahan satu unit sumberdaya.

Shadow price sumberdaya 1

o Sumberdaya 1 merupakan sumberdaya yang longgar
sehingga nilai Z tidak akan berubah sepanjang range b1
(1.125 ≤ b1 ≤ ∞). Atau setiap penambahan/pengurangan
1 unit sumberdaya 1 sampai batas yang diijinkan (1.125 ≤
b1 ≤ ∞) tidak akan berpengaruh terhadap Z.
Jadi shadow price sumberdaya 1 = 0.

84
Shadow price sumberdaya 2
o Sumberdaya 2 merupakan sumberdaya yang ketat. Jika
sumberdaya 2 dirubah sepanjang rangenya (1.600 ≤ b2 ≤
2.800) maka besarnya shadow price dapat dihitung
sebagai berikut :
Pada titik A (X1 = 0, X2 = 80), b2 turun sebesar (2.500 –
1.600) = 900 unit. Z = 200 (0) + 160 (80) → Z = 12.800 atau
turun sebesar (15.500 – 12.800) = 2.700.
Pada titik F (X1 = 50, X2 = 40), b2 naik sebesar (2.800 –
2.500) = 300 unit. Z = 200 (50) + 160 (40) → Z = 16.400
atau naik sebesar (16.400 – 15.500) = 900
Jadi shadow price sumberdaya 2 = 3.

85
Shadow price sumberdaya 3
o Sumberdaya 3 merupakan sumberdaya yang ketat. Jika
sumberdaya 3 dirubah sepanjang rangenya (1.625 ≤ b3 ≤
3.125) maka besarnya shadow price dapat dihitung
sebagai berikut :
Pada titik C (X1 = 50, X2 = 25), b3 turun sebesar (2.000 –
1.625) = 375 unit. Z = 200 (50) + 160 (25) → Z = 14.000
atau turun sebesar (15.500 – 14.000) = 1.500.
Pada titik E (X1 = 0, X2 = 125), b3 naik sebesar (3.125 –
2.000) = 1.125 unit. Z = 200 (0)+ 160 (125) ➔ Z = 20.000
atau naik sebesar (20.000 – 15.500) = 4.500.
Jadi shadow price sumberdaya 3 = 4.

86
Berdasarkan shadow price tersebut dapat ditentukan
prioritas penambahan/pengurangan sumberdaya.
Prioritas sumberdaya yang akan ditambah adalah
sumberdaya yang memiliki pengaruh terhadap Z yang
besar dan sumberdaya yang akan dikurangi adalah
sumberdaya yang memiliki pengaruh terhadap Z yang
kecil apabila fungsi tujuannya maksimasi.

87
Interpretasi hasil :
o Status sumberdaya 2 dan 3 tetap ketat, selama perubahan
kapasitas salah satu sumberdaya masih dalam range sebagai
berikut :
range b1 adalah : 1.125 ≤ b1 ≤ ∞
range b2 adalah : 1.600 ≤ b2 ≤ 2.800
range b3 adalah : 1.625 ≤ b3 ≤ 3.125
o Shadow price sumberdaya 1, 2 dan 3 masing-masing 0, 3
dan 4.
o Prioritas penambahan kapasitas sumberdaya, adalah
kapasitas sumberdaya 3 karena memiliki shadow price
terbesar. Prioritas yang dikurangi adalah sumberdaya 1
karena memiliki shadow price = 0, sumber daya 1 sebaiknya
cukup disediakan sebanyak 1.125 unit.
88
c) Penambahan Variabel Baru (Xj)
o Penambahan variabel baru tidak akan dibahas pada
bagian ini karena dengan penambahan variabel baru
menyebabkan variabel keputusannya lebih dari 2
(sehingga dimensinya m × n dengan m > 2 dan n > 2).
Untuk dimensi m × n dengan m > 2 dan n > 2, akan
dibahas pada bagian analisis sensitifitas dengan metode
simplek.

89
d) Penambahan Kendala Baru
o Penambahan batasan baru akan mempengaruhi
penyelesaian optimal, apabila pembatas baru tersebut
digambarkan dalam grafik berada didalam daerah fisibel.
Sebaliknya batasan baru tersebut tidak akan
mempengaruhi penyelesaian optimal, apabila batasan
baru tersebut digambarkan dalam grafik berada diluar
daerah feasible.
o Misal dipunyai batasan baru : 40 X1 + 30 X2 ≤ 2.750, karena
X1 = 37,5 dan X2 = 50. Untuk itu perlu diperiksa apakah
batasan baru tersebut berada di luar atau di dalam daerah
fisibel. Apakah : 40 (37,5) + 30 (50) ≤ 2.750?

•
90
o Pernyataan tersebut salah, yang berarti bahwa batasan
baru tersebut mempengaruhi keputusan optimal,
sehingga jawaban optimal semula tidak memenuhi syarat
lagi. Tetapi jika nilai ruas kanan batasan baru diubah
menjadi 40 X1 + 30 X2 ≤ 3.500 maka pernyataan tersebut
benar, yang berarti batasan baru tersebut tidak
mempengaruhi keputusan optimal.

91
Kesimpulan
o Salah satu asumsi LP adalah bersifat deterministik,
dalam kenyataannya nilai-nilai parameter yang ada
umumnya mengandung ketidakpastian.
o Setiap perubahan nilai input (data) akan mengubah
masalah LP yang dapat mempengaruhi solusi
optimal.
o Untuk mengetahui bagaimana solusi optimal akan
berubah sehubungan dengan perubahan nilai input
(data), digunakan analisis sensitifitas
o Ketidakpastian yang mungkin dihadapi pada analisis
sensitifitas meliputi : perubahan koefisien fungsi tujuan,
perubahan kapasitas sumber daya, penambahan variabel
baru dan penambahan kendala baru
o Perubahan koefisien fungsi tujuan, ditujukan untuk
mengetahui sejauh mana koefisien fungsi tujuan berubah
tetapi tidak mempengaruhi keputusan optimal semula
o Perubahan kapasitas sumber daya, ditujukan untuk
mengetahui sejauh mana perubahan kapasitas sumber
daya berubah tetapi tidak mempengaruhi status sumber
daya pada Kondisi optimal semula

93
o Penambahan variabel baru, ditujukan untuk mengetahui
kapan penambahan variable baru berpengaruh terhadap
keputusan atau kondisi optimal semula
o Penambahan kendala baru, ditujukan untuk mengetahui
kapan adanya kendala baru berpengaruh terhadap
keputusan atau kondisi optimal semula
o Untuk mengetahui prioritas penambahan/pengurangan
suatu sumber daya dapat ditentukan berdasarkan nilai
shadow price nya

94
Tugas
1) Menggunakan kasus di suatu industri, buat model LP, dan
berikan kesimpulan/rekomendasi berdasarkan output LP
dengan langkah-langkah berikut (tambahkan asumsi yang
diperlukan, jika dibutuhkan):
o Buatlah model LP –nya.
o Tentukan interpretasi dari output LP.
o Susun kebijakan/rekomendasi berdasarkan output LP dan
tentukan hambatan hambatan yang mungkin dihadapi
berkaitan dengan rekomendasi tersebut.
2) Sebuah perusahaan merencanakan untuk memproduksi dua
macam produk, yaitu produk A dan produk B. Setiap unit
produk A membutuhkan 45 unit sumberdaya 1, 20 unit
sumberdaya 2 dan 60 unit sumberdaya 3. Setiap unit produk
B membutuhkan 60 unit sumberdaya 1 dan 32 unit
sumberdaya 3. Sumbangan keuntungan/unit produk A dan
produk B masing-masing Rp 75,- dan Rp 25,-.
Kapasitas/minggu sumberdaya 1,2 dan 3 masing-masing
3600 unit, 600 unit dan 2400 unit. Berdasarkan data tersebut
tentukan :
o Range keuntungan/unit produk A dan B yang menggambarkan
bahwa pada kondisi tersebut keputusan optimal semula tidak
berubah.
o Total keuntungan yang diperolehnya jika keuntungan /unit
produk B berubah menjadi Rp 32,-.
o Range kapasitas sumberdaya 1,2 dan 3 yang menggambarkan
bahwa pada kondisi tersebut, sumberdaya yang semula ketat
tetap ketat.
o Shadow price sumberdaya 1, sumberdaya 2 dan sumberdaya 3
o Jika kapasitas sumberdaya 1 diturunkan menjadi 2530 unit,
dan kapasitas sumberdaya yang lain tetap, maka berapakah
besarnya keuntungan optimal?
o Jika kapasitas sumberdaya 3 dinaikkan menjadi 2528 unit, dan
kapasitas sumberdaya yang lain tetap, maka berapakah
besarnya keuntungan optimal?
o Jika perusahaan akan menambah salah satu kapasitas
sumberdaya sebanyak 100 unit, maka prioritasnya
sumberdaya apa yang perlu ditambah?
o Jika perusahaan akan mengurangi salah satu kapasitas
sumberdaya sebanyak 50 unit, maka prioritasnya sumberdaya
apa yang perlu dikurangi?
Referensi

Mulyono, S. (2007). Operations Research. Jakarta: LP FE-UI.

Mustafa, Z., & Parkhan, A. (2000). Belajar cepat linear programming dengan
QS (Quantitative Systems). Yogyakarta: Ekonesia.