DUALITAS & ANALISA SENTIVITAS

Ir.SRI LESTARI, ST., MT.,IPM.,Asean Eng.

PROGRAM STUDI TEKNIK INDUSTRI

UNIVERSITAS MUHAMMADIYAH TANGERANG
2020
Latar Belakang
• Setiap permasalahan programa linier
mempunyai problem yang kedua yang
berhubungan dengannya.
• Satu problem disebut sebagai ‘primal’ dan yang
lainnya disebut ‘dual’.
• Kedua problem sangat dekat berhubungan,
sehingga solusi optimal disatu problem
menghasilkan informasi yang lengkap untuk
solusi optimal yang lainnya.
Definisi Dari Dual Problem

• Dual Problem Bila Dalam Bentuk Kanonik

Pertimbangkan bentuk kanonik dari LP :
n
Maksimasi : X0 = cjxj
j =1

Pembatas : a x
j =1
ij j  bi
i = 1, 2, … , m
xj  0 j = 1, 2, … , n
Dual Problem Dalam Bentuk Kanonik

Jika permasalahan mengacu sebagai ‘Primal’, hubungan

dalam dualnya adalah sebagai berikut :
m
Minimasi : y0 =  bi yi
i =1

m
Pembatas : a
i =1
ij xi  c j i = 1, 2, … , m
yj  0 j = 1, 2, … , n

y1, y2, … , ym : merupakan variabel dual

 Problem Dual Bila Primal Dalam Bentuk
Standard
n
Maksimasi x0 =  c j x j
j =1
Primal
Pembatas n

a
j =1
ij x j = bi i = 1, 2, … , m Problem

xj  0 j = 1, 2, … , n
n
Maksimasi y0 =  bi yi
i =1 Dual
Pembatas m Problem
a
i =1
ij yi  c j j = 1, 2, … , n

yi tidak dibatasi tanda untuk semua i

Problem Dual Bila Primal Dalam Bentuk
Standard
n
Maksimasi x0 =  c j x j
j =1
Primal
n
Pembatas
a
j =1
ij x j  bi i = 1, 2, … , m Problem

xi tidak dibatasi tanda untuk semua i

n
Maksimasi y0 =  bi yi
i =1 Dual
Pembatas m
Problem
 aij yi = c j
i =1
j = 1, 2, … , n
yi  0 i = 1, 2, … , m
Membentuk Dual Problem dari Primal
Problem atau Sebaliknya
Langkahnya sebagai berikut :
1. Tiap batasan di suatu problem berhubungan dengan
variabel pada variabel lainnya.
2. Elemen pada RHS pembatas pada suatu problem
sama dengan koefisien fungsi obyektif yang sesuai
pada problem lainnya.
3. Satu problem mempunyai tujuan maksimasi lainnya
minimasi.
4. Problem maksimasi mempunyai pembatas (  ) dan
minimasi mempunyai pembatas (  ).
5. Variabel untuk kedua problem adalah non-negatif.
Contoh :
Maksimasi : X0 = 5 X1 + 6 X2
Pembatas : X1 + 9 X2  60  y1
2X1 + 3 X2  45  y2 Primal
5X1 - 2 X2  20  y3 Problem
X2  30  y4
X1, X2  0

Minimasi : y0 = 60y1 + 45y2 + 20y3 + 30y4

Pembatas : y1 + 2 y2 + 5y3 5
Dual
9y1 + 3 y2 – 2y3 + y4  6 Problem
y1 ,y2 ,y3 ,y4  0
Model matematis Dual-Primal
Model matematis Dual-Primal
Hubungan antara primal dengan dual
secara lengkap
Penyelesaian Dual Simplex

Maksimasi : X0 = 2 X1 + X2 Minimasi : X0 = 2 X1 + X2
Pembatas : 3 X1 + X2  3 Pembatas : -3 X1 - X2  -3
4 X1 + 3 X 2  6 - 4 X1 - 3 X2  -6
X1 +2 X2  3 X1 +2 X2  3
X1, X2  0 X1, X2  0

Dengan mengubah fungsi obyektif Maksimasi menjadi

Minimasi dan fungsi pembatasnya menjadi bertanda ,
kemudian dibentuk tabel simpleksnya adalah sbb :
Penyelesaian Dual Simplex
• Metoda Simpleks yang biasa, memberikan hasil
didasarkan pada kondisi optimalitas dan layak
(feasibility), sebagai berikut :
– Kondisi Layak : ‘Leaving Variabel’ adalah
variabel basis yang mempunyai nilai paling
negatif.
– Kondisi Optimalitas : ‘Entering Variabel’ dipilih
diantara non-variabel basis dengan cara
• Rasio dari koefisien fungsi obyektif dengan koefisien
pembatas yang terpilih sebagai ‘leaving var’.
• ‘Entering Var. adalah salah satu yang mempunyai rasio
terkecil untuk problem minimasi, atau nilai terkecil absolut
untuk problem maksimasi.
 Penyelesaian Dual Simplex

Merubah fungsi pembatas dari Ketidaksamaan kedalam

bentuk Persamaan

Minimasi : X0 = 2 X1 + X2
Pembatas : -3 X1 - X2 + S1 =-3
- 4 X1 - 3 X2 + S2 =-6
X1 +2 X2 + S3 = 3
X1, X2  0
 Penyelesaian Dual Simplex

Var Koefisien dari

RHS
X0 X1 X2 S1 S2 S3
Basis bj Ratio
2 1 0 0 0
S1 0 -3 -3 -1 1 0 0
S2 0 -6 -4 -3 0 1 0
S3 0 3 1 2 0 0 1 Leaving
0 -2 -1 0 0 0 Variabel

Menentukan
Rasio
Untuk Mendapatkan Entering Variabel
Dengan Memilih Nilai Rasio

Variabel X1 X2 S1 S2 S3

X0 – equation -2 -1 0 0 0
S2 – equation -4 -3 0 1 0 (leaving var)

Rasio 1/2 1/3

X2 terpilih sebagai entering variabel karena merupakan

nilai terkecil (minimasi problem)
Kembali
 Penyelesaian Dual Simplex

Var Koefisien dari RHS

X0 X1 X2 S1 S2 S3
Basis bj Ratio
2 1 0 0 0
S1 0 -1 -5/3 0 1 -1/3 0
X2 1 4/3 1 0 -1/3 0 Leaving
2
S3 0 -1 -5/3 0 0 2/3 1 Variabel

2 -2/3 0 0 -1/3 0

Hasil optimal tapi belum feasibel maka dengan cara yang

sama seperti iterasi sebelumnya dilakukan perhitungan untuk
mendapatkan hasil yang optimal dan feasibel.
 Penyelesaian Dual Simplex

Var Koefisien dari RHS

X0 X1 X2 S1 S2 S3
Basis bj Ratio
-2 -1 0 0 0
X1 2 3/5 1 0 -3/5 1/5 0
X2 1 6/5 0 1 4/5 -3/5 0
S3 0 0 0 0 -1 1 1

12/5 0 0 -2/5 -1/5 0

Nilai Optimal dan Feasible untuk permasalahan ini adalah :

Maks X0 = Min X0 = 12/5, X1 = 3/5, X2 = 6/5
Penyelesaian Dual Simplex

Maksimasi : X0 = 2 X1 + 3X2 Minimasi : X0 = 60 B1 + 16 B2

Pembatas : 5 X1 + 6 X2  60 Pembatas : 5B1 +B2 –S1+a1=2
X1 + 2 X2  16 6B1+B2–S2+a2=3
X1, X2  0 X1, X2  0
Awal

Cj 2 3 0 0

Ci VB X1 X2 S1 S2 bi
3 X2 0 1 -0.25 -1.25 5
2 X1 1 2 0 1 6
Zj 2 3 0.25 0.75 27

Cj-Zj 0 0 -0.25 -0.75

Penyelesaian Dual Simplex

Cj 60 16 0 0 M M

Ci VB B1 B2 S1 S2 a1 a2 bi
M a1 5 1 -1 0 1 0 2
M a2 6 2 0 -1 0 1 3
Zj 11M 3M -M -M M M 5M

Cj-Zj 60-11M 16-3M M M 0 0

Penyelesaian Dual Simplex
Iterasi 2

Cj 60 16 0 0 M M

Ci VB B1 B2 S1 S2 a1 a2 bi
60 B1 1 0.2 -0.2 0 0.2 0 0.4
M a2 0 0.8 1.2 -1 -1.2 1 0.2
Zj 60 1.2M+0.8M 1.2M-12 -M 12-1.2M M 24+0.6M

Cj-Zj 0 4-0.8M M M 0 0
Penyelesaian Dual Simplex
Iterasi 3

Cj 60 16 0 0 M M

Ci VB B1 B2 S1 S2 a1 a2 bi
0 B1 1 0.33 0 -0.17 0 0.17 0.5
0 S2 0 0.67 1 -0.83 -11 0.83 0.5
Zj 60 20 0 -10 0 -10 30

Cj-Zj 0 4 0 0 0 0
Penyelesaian Dual Simplex
Iterasi 4

Cj 60 16 0 0 M M

Ci VB B1 B2 S1 S2 a1 a2 bi
60 B1 1 0 -0.5 0.25 0.5 -0.25 0.25
16 B2 0 1 1.5 -1.25 -1.5 1.25 0.75
Zj 60 16 -6 -5 6 5 27

Cj-Zj 0 0 6 5 M-6 M-5

Peran Teori Dualitas Pada
Analisa Sensitivitas

• Analisa Sensitivitas mencakup investigasi pengaruh

solusi optimal dalam melakukan perubahan nilai
pada parameter model.
• Perubahan nilai parameter pada problem primal
juga berhubungan dengan nilai pada problem dual
nya.
• Dalam banyak hal akan lebih baik menganalisa
problen dual secara langsung untuk menentukan
pengaruh komplemennya pada problem primal.
Dualitas
Dualitas
Setiap persoalan program linier mempunyai suatu
program linier lain yang saling berkaitan yang disebut
“dual”
Langkah-langkah:
1. Jadikan model primal standard
2. Untuk setiap kendala primal terdapat 1 peubah
dual
3. Untuk setiap peubah primal terdapat 1 kendala
dual
4. Koefisien fungsi tujuan primal sebagai nilai sisi
kanan kendala dual dan nilai sisi kanan primal
sebagai koefisien fungsi tujuan dual.
26
Perhatikan tabel ringkasan berikut:
Variabel primal
X1 x2 … X j … Xn

c1 c2 … cj … cn
a11 a12 … a1j … a1n b1
a21 a22 … a2j … a2n b2
… …
…
am1 am2 … amj … amn bm

Kendala dual ke-j Tujuan dual

27
A. Hubungan Simetris
Ciri-ciri bentuk primal simetris :
• Jika FT memaksimumkan maka fungsi kendala bertanda “≤”
• Jika FT meminimumkan maka fungsi kendala bertanda “≥”
Hubungan primal dual simetris

Primal
Baris koef. Fungsi Tujuan
Kolom konstanta sisi kanan
FT .Maks /Min
Fungsi kendala ≤/≥
Koefisien fungsi kendala
Koefisien variabel
Dual
Kolom konstanta sisi kanan
Baris koef.Fungsi Tujuan
FT.Min /Maks
Fungsi kendala ≥/≤
Koefisien variabel
Koefisien fungsi kendala
28
Contoh Soal :
FT. Maks Z = X1+2X2+3X3+4X4
Dengan kendala : X1+2X2+2X3+3X4 ≤ 20
2X1+X2 +3X3+2X4 ≤ 30 Bentuk primal

X1,X2,X3,X4 ≥ 0
Ubah bentuk primal menjadi primal standar

FT. Maks Z = X1+2X2+3X3+4X4+0S1+0S2

Dengan kendala : X1+2X2+2X3+3X4+S1 = 20

2X1+X2 +3X3+2X4+S2 = 30
X1,X2,X3,X4,S1,S2 ≥ 0
29
 Tabel Primal :
X1 X2 X3 X4 S1 S2
1 2 3 4 0 0 Konstanta FT
Kendala 1 1 2 2 3 1 0 20 Konstanta
Kendala 2 2 1 3 2 0 1 30 sisi kanan
Koefisien Variabel

Bentuk dual :
FT Min Z = 20Y1 + 30Y2
Dengan kendala : Y1 + 2Y2 ≥ 1
2Y1+ Y2 ≥ 2
2Y1+ 3Y2 ≥ 3
3Y1+ 2Y2 ≥ 4
Y1≥0, Y2≥0
30
B. Hubungan Asimetris
Hubungan Primal-Dual Asimetris

Primal Dual
FT. Maksimasi FT. Minimasi
Kendala ke-i ≥ Variabel Yi ≤ 0
Kendala ke-i ≤ Variabel Yi ≥ 0
Variabel Xj ≥ 0 Kendala ke-j ≥ 0
Variabel Xj ≤ 0 Kendala ke-j ≤ 0
FT. Minimasi FT. Maksimasi
Kendala ke-i ≥ Variabel Yi ≥ 0
Kendala ke-i ≤ Variabel Yi ≤ 0
Variabel Xj ≥ 0 Kendala ke-j ≤ 0
Variabel Xj ≤ 0 Kendala ke-j ≥ 0

31
Bentuk Dual :

FT Min Z = 10Y1+8Y2
dengan kendala : Y1 + 2Y2 ≥ 5
2Y1 - Y2 ≥ 12
Y1 + 3Y2 ≥ 4
Y1 ≥ 0, Y2 tak terbatas

32
 Hubungan primal dual asimetris(lanjutan)

Primal Dual
Baris koef. Fungsi Tujuan Kolom konstanta sisi kanan
Kolom konstanta sisi kanan Baris koef.Fungsi Tujuan
Kendala ke-i persamaan Variabel Yi tak terbatas
Variabel Xj tak terbatas Kendala ke-j persamaan

Contoh Soal : Ubah bentuk primal ke bentuk dual

FT Maks Z = 5x1 + 12x2 + 4x3
dgn kendala x1 + 2x2 + x3  10
2x1 – x2 + 3x3 = 8
x1,x2,x3  0

33
ANALISA SENSITIVITAS

• Analisis sensitivitas (Sensitivity Analysis) adalah

menjelaskan sampai sejauh mana parameter-parameter
model pemrograman linier, yaitu koefisien fungsi tujuan
dan nilai ruas kanan (RK) kendala, boleh berubah tanpa
harus mempengaruhi jawaban optimal atau
penyelesaian optimal.
Hubungan antara table optimal simpleks hasil penyelesaian
primal dengan dual
GOOD LUCK

36