OBJEKTIF :
1. Mahasiswa Mampu Memahami Teori Dualitas dan Sensitivitas
2. Mahasiswa Mampu Melakukan Perhitungan Metode Dualitas dan Analisis
Sensitivitas
3. Mahasiswa Mampu Memahami dan Membedakan Antara Metode Simpleks dan
Metode Dualitas
Batasan-batasan:
∑𝑛𝑗=1 𝑎ᵢj𝑥j ≤ bᵢ, Untuk ᵢ = 1,2,…,m
𝑥j ≥ 0, Untuk j = 1,2,…,n
Variabel Z X₁ X₂ … Xn S₁ S₂ … Sm q
Kondisi optimal adalah apabila semua koefisien pada baris terakhir (Cj –
Zj) tidak ada yang berharga positif, yakni:
Cj - Zj ≤ 0 ; untuk j = 1,2………,n
Yi ≥ 0 ; untuk i = 1,2……...,n
Dengan menggantikan Zj nilai-nilai Yi dapat dicari :
Fungsi Tujuan:
yₒ = ∑𝑚
ᵢ=1 𝑏j𝑦j
Batasan-batasan:
∑𝑚
ᵢ=1 𝑎ᵢj𝑦j ≥ Cj, Untuk j = 1,2,…,n
𝑦j ≥ 0, Untuk ᵢ = 1,2,…,m
Bentuk tersebut yang dikenal sebagai dual dari masalah primal. Sebagai
konsekuensi nilai Z optimal (maksimum) pada masalah primal adalah nilai Yo
minimum pada masalah dual.
Tabel 3.1
Makanan Tiruan Kebutuhan
Kandungan Minuman Per
Daging Sayur
Hari
Mineral 2 4 40
Vitamin 3 2 50
Harga Per
3 2,5
Unit
Sumber : (Sri Mulyono. 2007. Page 62)
Primal:
Minimumkan Z = 3X1 + 2,5X2
Syarat 2X1 + 4X2 ≥ 40
3X1 + 2X2 ≥ 50
X 1, X2 ≥ 0
Misalnya ada sebuah dealer yang menjual mineral dan vitamin. Pemilik restoran
setempat membeli mineral dan vitamin dari dealer dan membuat daging dan
sayur tiruan yang berisi mineral dan vitamin seperti yang disajikan pada Tabel
3.1. Dealer mengetahui benar bahwa daging dan sayur tiruan memiliki nilai
hanya karena kandungan mineral dan vitaminnya. Masalah bagi dealer adalah
menetapkan harga jual mineral dan vitamin per unit yang maksimum demikian
hingga menghasilkan harga daging dan sayur tiruan tidak melebihi harga pasar
yang ada, Untuk merumuskan masalah ini secara matematika, misalkan dealer
memutuskan untuk menetapkan harga daging per unit sebesar Y 1 dan harga
sayur per unit sebesar Y2. Kemudian, masalah dealer dapat dinyatakan secara
matematika untuk menentukan Y1 dan Y2 menjadi:
Dual :
Maksimumkan W = 40Y1 + 50Y2
Syarat 2Y1 + 3Y2 ≤ 3
4Y1 + 2Y2 ≤ 2,5
Y1, Y2 ≥ 0 karena nilai negatif tak benar
Bentuk Program Linier yang terakhir ini dinamakan bentuk dual. Y1 dan Y2
dinamakan variabel dual (Sri Mulyono. 2007. Page 62-64).
PRIMAL
Koefisien Sisi
X1 X2 … Xn Kanan
Y1 a11 a12 … a1n ≤ b1
Y2 a12 a22 … a2n ≤ b2 Koefisien
: : : : : : Fungsi
: : : : : : Tujuan
Dual Koefisien
: : : : : : (Minimisasi)
Ym am1 am2 … amn ≤ bm
Sisi ≥ ≥
Kanan
… ≥ Cn
C1 C2
Koefisien Fungsi
Tujuan
Sumber : (Aminudin. 2015. Page 44-45)
Menurut Sri Mulyono (Hal. 69), Aturan-aturan pada tabel di atas akan dijelaskan
melalui beberapa contoh:
1. Primal: Maksimumkan Z = X1 + 4X2 + 3X3
Dengan syarat: 2X1 + 3X2 - 5X3 ≤ 2
3X1 - X2 - 6X3 ≥ 1
X1 + X2 + X 3 = 4
X1 ≥ 0 , X2 ≤ 0 , X3 tak terbatas
Aturan umum menuliskan bentuk dual dari suatu Program Linier yang simetrik
diringkas sebagai berikut:
a. Misalkan sebuah variabel dual (non negatif) untuk setiap kendala primal.
b. Vektor baris koefisien fungsi tujuan primal diubah menjadi vektor kolom
konstan sisi kanan dual.
c. Vektor kolom sisi kanan primal diubah menjadi vektor baris koefisien fungsi
tujuan dual.
d. Transpose koefisien matrik kendala primal menjadi koefisien matrik kendala
dual.
e. Balik arah pertidaksamaan kendala.
f. Balik arah optimisasi, ubah minimum menjadi maksimum dan sebaliknya.
Misalkan Xo dan Fo adalah vektor solusi yang layak untuk masalah primal dan
dual. Harus dibuktikan bahwa:
Yo b ≥ cXo
Karena Xo layak bagi primal dengan kendala
AXo ≥ b
Xo > 0
Yo b ≥ Yo AXo ≥ cXo
Untuk memperjelas Weak Duality Theorem ikuti masalah primal dual berikut:
Primal: Maksimumkan Z = X1 + 2X2 + 3X3 + 4X4
Dengan syarat: X1 + 2X2 + 2X3 + 3X4 ≤ 20
2X1 + X2 + 3X3 + 2X4 ≤ 20
X1 , X 2 , X 3 , X 4 ≥ 0
Dual: Minimumkan W = 20 Y1 + 20 Y2 ≥ 1
Dengan syarat: Y1 + 2Y2 ≥ 1
2Y1 + Y2 ≥ 2
2Y1 + 3Y2 ≥ 4
Y1 , Y 2 ≥ 0
Y1o = Y2 o = 1 adalah layak bagi dual dengan nilai fungsi tujuan W = Yob = 40
4. Jika primal adalah masalah maksimisasi, maka dual menjadi minimisasi dan
sebaliknya.
Basis X1 X2 X3 S A Solusi
Z 0 0 3/5 29/5 -2/5 + M 28 1/5
X2 0 1 -1/5 2/5 -1/5 8/5
X1 1 0 7/5 1/5 2/5 9/5
Ingat bahwa variabel basis awal adalah variabel slack S dan artificial
variable A, sementara kedua variabel basis optimum adalah variabel riil.
Sekarang, masalah dual akan dipecahkan dengan metode simpleks.
Bentuk dualnya adalah:
Minimumkan W = 5Y1 + 2Y2
Dengan syarat: Y1 + 2Y2 ≥ 5
Y1 - 2Y2 ≥ 12
Y1 + 3Y2 ≥ 4
Y1 > 0, Y2 tak terbatas
Karena Y2 tak terbatas, ia diganti dengan Y2 -Y” ≥ 0. Jika variabel surplus
S1, S2, S3 dikurangkan dari ketiga kendala dan menambahkan artificial variable
A1, A2, dan A3, maka variabel basis awal adalah A1 = 5, A2 = 12, A3 = 4. Kemudian
tabel simpleks optimumnya adalah:
2X1 – X2 + 3X3 = 2
X1 , X2 , 3X3 ≥ 0
Dual: Minimumkan W = 5Y1 + 2Y2
B = [P1 P2] = 1 2
2 -1
Contoh:
Minimumkan Z = 4X1 + 2X2
Dengan syarat: 3X1 + X2 ≥ 27
X1 + X2 ≥ 21
X1 + 2X2 ≥ 30
X1 , X2 ≥ 0
Langkah pertama adalah mengubah semua kendala menjadi pertidaksamaan s (agar
tidak membutuhkan artificiet variable) dan kemudian tambahkan variabe slack.
Sehingga diperoleh :
-X1 – X2 + S2 = -21
-X1 – 2X2 + S3 = -30
X1 , X2 , S1 , S2 , S3 ≥ 0
Jika bentuk baku di atas diekspresikan sebagai suatu tabel simpleks awal, maka akan
terlihat bahwa variabel slack (S1 , S2 , S3) tidak memberikan solusi awal layak. Karena
ini merupakan masalah minimasi sementara semua koefisien pada persamaan Z
adalah ≤ 0, maka solusi awal S1 = -27 , S2 = -21 , S3 = -30 adalah optimum tetapi tak
layak. Masalah ini merupakan ciri khas dari masalah yang dapat diselesaikan dengan
metode dual simpleks. Tabel solusi awal optimum tapi tak layak adalah:
Tabel 1
Basis X1 X2 S1 S2 S3 Solusi
Z -4 -2 0 0 0 0
S1 -3 -1 1 0 0 -27
S2 -1 -1 0 1 0 -21
S3 -1 (-2) 0 0 1 -30
Seperti dalam metode simpleks, metode ini didasarkan pada optimality and
feasibility condition. Optimality condition menjamin bahwa solusi selalu tetap
optimum, sementara feasibility condition memaksa solusi dasar mencapai ruang
layak.
Feasibility Condition: leaving variable adalah variabel basis yang memiliki nilai
negatif terbesar (nilai kembar dipilih secara sembarang). Jika semua variabel basis
non negatif, proses berakhir dan solusi layak yang telah optimum tercapai.
Optimality Condition: entering variable dipilih dari variabel nonbasis dengan cara
seperti berikut. Buat rasio antara koefisien persamaan Z dengan koefisien
persamaan yang berhubungan pada leaving variable. Abaikan rasio dengan
penyebut positif atau nol. Bagi masalah minimisasi, entering variable adalah salah
satu yang memiliki rasio terkecil, atau absolut rasio terkecil untuk masalah
maksimisasi (rasio kembar dipilih secara sembarang). Jika semua penyebut adalah
nol atau positif, berarti masalah itu tidak memiliki solusi layak.
Setelah memilih entering and leaving variable, metode Gauss Jordan (operasi baris)
diterapkan seperti biasa untuk memperoleh solusi berikutnya. Leaving variable pada
Tabel 1 adalah S3 (=-30), karena ia memiliki nilai negatif terbesar. Untuk menentukan
entering variable, rasionya diperoleh dengan cara berikut:
Variabel X1 X2 S1 S2 S3
Persamaan Z -4 -2 0 0 0
Persamaan S3 -1 -2 0 0 0
Rasio 4 1
Tabel 2
Basis X1 X2 S1 S2 S3 Solusi
Z -3 0 0 0 -1 30
S1 (-2/5) 0 1 0 -1/2 -12
S2 -1/2 0 0 1 -1/2 -6
S3 1/2 1 0 0 -1/2 15
Solusi baru masih optimum tetapi tak layak (S1 = -12, S2 = -6). Kemudian S1 dipilih
sebagai leaving variable dan X1 sebagai entering variable. Ini memberikan iterasi
seperti berikut:
Tabel 3
Basis X1 X2 S1 S2 S3 Solusi
Z 0 0 -1/2 0 -0,4 44.4
S1 1 0 -0,4 0 2 4,8
S2 0 0 -0,2 1 (-0,4) -3,6
S3 0 1 -0,2 0 -0,6 12,6
Pada iterasi kedua belum diperoleh solusi layak (S2 = -3,6). Karena S2 adalah satu-
satunya yang bernilai negatif, dengan sendirinya ia menjadi leaving variable dan S3
sebagai entering variable, ini memberikan iterasi seperti berikut:
Tabel 4
Basis X1 X2 S1 S2 S3 Solusi
Z 0 0 -1 -1 0 48
S1 1 0 -1/2 1/2 0 3
S2 0 0 1/2 -2,5 1 9
S3 0 1 1/2 -1,5 0 18
Yang optimum dan layak dengan nilai fungsi tujuan 48. (Sri Mulyono. 2007. Page 76-
78).
11. Setelah data diinput seperti pada tampilan, klik Solve untuk mendapatkan hasil
perhitungan.
12. Untuk melihat hasil perhitungan dengan metode dual simpleks, klik menu
Solutions dan pilih Dual.
Dari tabel optimum terlihat bahwa kombinasi barang yang optimal adalah memproduksi
1 unit barang A dan 2 unit barang B dengan keuntungan total 8. Dengan melakukan
analisis sensitivitas dapat diperoleh informasi yang berhubungan dengan proyek
alternatif di sekitar solusi yang optimal. Bahkan informasi ini akan lebih penting dan
berguna dibanding penentuan kombinasi barang itu.
(Sri Mulyono. 2007. Page 80)
11. Setelah data diinput seperti pada tampilan, klik Solve untuk mendapatkan hasil
perhitungan.
12. Untuk melihat hasil perhitungan dengan analisis sensitivitas, klik menu Solutions
dan pilih Dual.
REFERENSI
1. Aminudin. 2005. Prinsip-Prinsip Riset Operasi. Erlangga. Jakarta.
2. Mulyono, Sri. 2017. Riset Operasi. Mitra Wacana Media. Jakarta.
3. Wijaya, Andi. 2013. Pengantar Riset Operasi. Mitra Wacana Media. Jakarta.
4. Bronson, Richard.et.al. 1997. Schaums Outlines Operation Research 2nd ed. Amerika.