MAKALAH ANALISIS SENSITIVITAS

(Untuk Memenuhi Tugas Mata Kuliah Program Linear)

DOSEN PENGAMPU:
Dr. Makkulau, S.Si., M.Si.
OLEH:
1. Fahmi Yahya (F1A2 18 040)
2. Arya Sandi (F1A2 18 071)
3. Astira (F1A2 20 004)
4. Efriana (F1A2 20 005)
5. I Putu Gde Inov Bagus Prasetya (F1A2 20 008)
6. Nur Rahmah (F1A2 20 018)
7. Sitti Nur Age (F1A2 20 059)
8. I Kadek Aryandra Puja Karna (F1A2 20 085)
9. Nur Afrah Hapsari Rivai (F1A2 20 090)

PROGRAM STUDI S1 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HALUOLEO
KENDARI
2022
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-
Nya sehingga kami dapat menyelesaikan tugas makalah dengan judul “Analisis
Sensitivitas” ini tepat pada waktunya.
Adapun tujuan dari penulisan dari makalah ini yaitu untuk memenuhi tugas
dari Dr. Makkulau, S.Si., M.Si. selaku Dosen pada mata kuliah Program Linear.
Selain itu, makalah ini juga bertujuan untuk menambah wawasan tentang konsep
dasar Analisis Sensitivitas.
Kami mengucapkan terima kasih kepada Bapak Dr. Makkulau, S.Si., M.Si.
yang telah memberikan tugas ini sehingga dapat menambah pengetahuan dan
wawasan sesuai dengan bidang studi yang kami tekuni.
Kami juga mengucapkan terima kasih kepada semua pihak yang telah
membagi sebagian pengetahuannya sehingga kami dapat menyelesaikan makalah
ini.
Kami menyadari, makalah yang kami tulis ini masih jauh dari kata sempurna.
Oleh karena itu, kritik dan saran yang membangun akan kami nantikan demi
kesempurnaan dari makalah ini.

Kendari, 9 April 2022

Penulis

ii
DAFTAR ISI

iii
 BAB I
PENDAHULUAN
A. Latar Belakang
Program Linier disingkat PL merupakan metode matematik dalam
mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan
seperti memaksimumkan keuntungan dan meminimumkan biaya. PL banyak
diterapkan dalam masalah ekonomi, industri, militer, sosial, dan lain-lain. PL
berkaitan dengan penjelasan suatu kasus dalam dunia nyata sebagai suatu
model matematik yang terdiri dari sebuah fungsi tujuan linier dengan beberapa
kendala linier.
Program Linier sendiri memiliki beberapa karakteristik. Sifat linearitas
suatu kasus dapat ditentukan dengan menggunakan beberapa cara. Secara
statistik, kita dapat memeriksa kelinearan menggunakan grafik (diagram
pencar) ataupun menggunakan uji hipotesa. Secara teknis, linearitas
ditunjukkan oleh adanya sifat proporsionalitas, additivitas, divisibilitas dan
kepastian fungsi tujuan dan pembatas. Keempat asumsi (sifat) ini dalam dunia
nyata tidak selalu dapat dipenuhi. Untuk meyakinkan dipenuhinya keempat
asumsi ini, dalam pemrograman linier diperlukan analisis sensitivitas terhadap
solusi optimal yang diperoleh.
Analisis sensitivitas adalah analisis yang dilakukan untuk mengetahui
akibat atau pengaruh dari perubahan yang terjadi pada parameter-parameter
adalah solusi optimal yang telah dicapai. Perubahan yang dimaksud pada
analisis sensitivitas adalah perubahan koefisien fungsi tujuan untuk variabel
nonbasis, perubahan koefisien fungsi tujuan untuk variabel basis, perubahan
pada ruas kanan suatu pembatas, perubahan kolom untuk suatu variabel
nonbasis, penambahan variabel atau aktivitas baru, dan penambahan suatu
pembatas baru yang mempengaruhi solusi optimal.
Akibatnya penulis perlu mengamati pengaruh perubahan parameter
tersebut terhadap solusi optimal. Analisis perubahan parameter dan
pengaruhnya terhadap solusi disebut Post Optimality Analysis. Istilah post

1
 optimality menunjukkan bahwa analisa ini terjadi setelah diperoleh solusi
optimal, dengan mengasumsikan seperangkat nilai parameter yang digunakan
dalam model, atau analisis postoptimal (disebut juga analisis pasca optimal
atau analisis setelah optimal, atau analisis kepekaan dalam suasana
ketidaktahuan) merupakan suatu usaha untuk mempelajari nilai-nilai dari
peubah-peubah pengambilan keputusan dalam suatu model matematika jika
satu atau beberapa atau semua parameter model tersebut berubah atau
menjelaskan pengaruh-perubahan data terhadap penyelesaian optimal yang
sudah ada.

B. Rumusan Masalah
1. Apa yang dimaksud dengan Post Opimality Analysis?
2. Apa yang dimaksud dengan Analisis Sensitivitas?
3. Apa tujuan dari Analisis Sensitivitas?
4. Bagaimana Analisis Sensitivitas dengan Pendekatan Operasi Matriks?

C. Tujuan
1. Untuk mengetahui pengertian Post Optimality Analysis
2. Untuk mengetahui pengertian dan pengelompokan Analisis Sensitivitas
3. Untuk mengetahui tujuan dari Analisis Sensitivitas
4. Untuk mengetahui Analisis Sensitivitas dengan Pendekatan Operasi
Matrik

D. Manfaat
1. Dapat mengetahui pengertian Post Optimality Analysis
2. Dapat mengetahui pengertian dan pengelompokan Analisis Sensitivitas
3. Dapat mengetahui tujuan dari Analisis Sensitivitas
4. Dapat mengetahui Analisis Sensitivitas dengan Pendekatan Operasi Matrik

2
 BAB II
PEMBAHASAN
A. Post Optimality Analysis
Istilah post optimality menunjukkan bahwa analisa ini terjadi setelah
diperoleh solusi optimal dengan mengasumsikan seperangkat nilai parameter
yang digunakan dalam model. Analisis Post optimal (disebut juga analisis
pasca optimal atau analisis setelah optimal atau analisis kepekaan dalam
suasana ketidaktahuan) merupakan suatu usaha untuk mempelajari nilai-nilai
dari peubah-peubah pengambilan keputusan dalam suatu model matematika
jika satu atau beberapa atau semua parameter model tersebut berubah atau
menjelaskan pengaruh perubahan data terhadap penyelesaian optimal yang
sudah ada.
Perubahan atau variasi dalam suatu persoalan program linier yang
biasanya dipelajari melalui post optimality analysis dapat dipisahkan ke dalam
tiga kelompok umum, yaitu:
1. Analisa yang berkaitan dengan perubahan diskrit parameter untuk melihat
berapa besar perubahan dapat ditolerir sebelum solusi optimal mulai
kehilangan optimalitasnya, ini dinamakan Analisa Sensitivitas. Jika suatu
perubahan kecil dalam parameter menyebabkan perubahan drastis dalam
solusi, dikatakan bahwa solusi adalah sangat sensitif terhadap nilai
parameter itu. Sebaliknya, jika perubahan parameter tidak mempunyai
pengaruh besar terhadap solusi dikatakan solusi relatif insensitif terhadap
nilai parameter tersebut.
2. Analisa yang berkaitan dengan perubahan struktural. Masalah ini muncul
bila persoalan program linier dirumuskan kembali dengan menambahkan
atau menghilangkan kendala dan atau variabel untuk menunjukkan operasi
model alternatif. Perubahan struktural ini dapat dimasukkan dalam analisa
sensitivitas.

3
 3. Analisa yang berkaitan dengan perubahan kontinu parameter untuk
menentukan urutan solusi dasar yang menjadi optimal jika perubahan
ditambah lebih jauh, ini dinamakan Program Linier Parametrik.
B. Analisis Sensitivitas
Analisis sensitivitas adalah analisis yang dilakukan untuk mengetahui
akibat/pengaruh dari perubahan yang terjadi pada parameter-parameter LP
terhadap solusi optimal yang telah dicapai. Secara umum analisis sensitivitas
merupakan suatu analisis untuk dapat melihat pengaruh-pengaruh yang akan
terjadi akibat keadaan yang berubah-ubah. Jika ditinjau dari pendekatan
matriks maka analisis sensitivitas dapat dijabarkan berdasarkan parameter-
parameter berikut:
1. Perubahan Koefisien Fungsi Tujuan untuk variabel nonbasis (NBV)
2. Perubahan Koefisien Tujuan untuk variabel basis (BV)
3. Perubahan Nilai Sisi Kanan RHS
4. Perubahan Koefisien Teknologi (Perubahan matriks kolom variabel
nonbasis)
5. Penambahan Variabel Baru
6. Penambahan suatu pembatas (kendala) baru
Adapun tujuan dari analisis sensitivitas, yaitu:
1. Memperbaiki cara pelaksanaan proyek/bisnis yang sedang dilaksanakan.
2. Memperbaiki design proyek/bisnis sehingga dapat meningkatkan NPV.
3. Mengurangi resiko kerugian dengan menunjukkan beberapa tindakan
pencegahan yang harus diambil.

C. Analisis Sensitivitas dengan Pendekatan Matriks

Untuk mempelajari analisis sensitivitas dengan pendekatan matriks,
digunakan soal PL sebagai berikut:
Maksimumkan: z = 60 x1 + 30 x2 + 20 x3
Berdasarkan:
8 x1 + 6 x2 + x3 ≤ 48 Kendala kapasitas bahan baku
4 x1 + 2 x2 + 1,5 x3 ≤ 20 Kendala kapasitas jam perakitan

4
 2 x1 + 1,5 x2 + 0,5 x3 ≤ 8 Kendala kapasitas jam pengecatan
x1, x2, x3, ≥ 0
Tabel optimalnya adalah sebagai berikut:
BV x1 x2 x3 S1 S2 S3 Solusi
S1 0 -2 0 1 2 -8 24
x3 0 -2 1 0 2 -4 8
x1 1 1,25 0 0 -0,5 1,5 2
z 0 5 0 0 10 10 280

Tabel optimal di atas dapat dituliskan dalam bentuk matematis sebagai

berikut:
Baris-0 : Z + 5 x2 + 10 S2 + 10 S3 = 280
Baris-1 : - 2 x2 + 1 S1 + 2 S2 – 8 S3 = 24
Baris-2 : - 2 x2 + 1 x3 + 2 S2 – 4 S3 = 8
Baris-3 : 1 x1 + 1,25 x2 + 0,5 S2 + 2,5 S3 = 2
Tampak bahwa variabel basis (BV) = {S1 x3 x1} sedangkan variabel non
basis (NBV) = {S2 S3 x2}. Solusi optimal = 280, x1 = 2, x2 = 0, x3 = 0, S1 = 24, S2
= 0, S3 = 0.

C.1. Perubahan Koefisien Fungsi Tujuan untuk Variabel Nonbasis

Kasus ini terjadi karena adanya perubahan, baik pada kontribusi
keuntungan maupun pada kontribusi ongkos dari kegiatan yang
direpresentasikan oleh variabel nonbasis. Pada contoh soal PL di atas,
satu-satunya variabel keputusan yang menjadi NBV adalah x2 dengan
koefisien fungsi tujuan, c2 = 30. Range perubahan c2 tetap tidak
merubah optimalitas jika c2 ≥ 0.
Kita tahu bahwa perubahan c2 dari 30 menjadi (30 + ) tidak
mengubah harga B-1 dan b. Karena itu, ruas kanan untuk tabel BV, yaitu
B-1 b, tidak akan berubah sehingga BV tetap fisibel. Karena c 2 adalah
variabel nonbasis, maka CBV juga tidak akan berubah. Satu-satunya
variabel yang koefisien baris 0-nya akan berubah karena perubahan c 2
ini adalah x2. Dengan demikian, BV akan tetap optimal jika c 2  0, dan

5
 BV akan menjadi suboptimal jika c2  0. Dalam hal terakhir ini, harga z
mungkin dapat diperbaiki dengan memasukkan x2 ke dalam basis.

C.2. Perubahan Koefisien Tujuan untuk Variabel Basis

C.3. Perubahan Pada Ruas Kanan Suatu Pembatas

C.4. Perubahan Kolom Untuk Variabel Nonbasis

C.5. Penambahan Variabel Baru

C.6. Penambahan Suatu Pembatas Baru

6
 BAB III
PENUTUP
A. Kesimpulan

B. Saran

7
 DAFTAR PUSTAKA

Faigiziduhu, B. U. 2005. Analisis Sensitivitas pada Program Integer

Imam, Kamarul. 2011. Analisis Sensitivitas. Operation Research.
Siringoringo, Hotniar. 2005. Seri Teknik Riset Operasional. Pemrograman Linear.
Penerbit Graha Ilmu. Yogyakarta.
Yusuf. 2011. Materi Kuliah Pertemuan Ke-8. Analisis Sensitivitas.