MODUL PERKULIAHAN

Matematika
Optimisasi

Hubungan model Primal dan Dual

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Teknik Teknik Industri W161700014 Hayu Kartika ST., MT.
07

Abstract Kompetensi
Bentuk dual tersebut tergantung pada Memberikan pemahaman Bentuk dual
bentuk LP semula yang disebut dengan tersebut tergantung pada bentuk LP
PRIMAL. semula yang disebut dengan PRIMAL.
Metode Dual Simpleks
Untuk setiap LP dalam variabel x 1, x2,……, xn, terkait dengan LP dengan variabel lain misal
w1, w2,……, wm ( dimana m adalah jumlah batasan alam LP semula) yang disebut dengan
DUAL nya. Bentuk dual tersebut tergantung pada bentuk LP semula yang disebut dengan
PRIMAL.

DUAL SIMETRIS

Primal Dual
T
F.Tujuan :Minimum : z = C X F.Tujuan :Maksimum : z = BTW
F.Batasan: AX ≥ B F.Batasan: AT W ≤ C
Dan: X ≥ 0 Dan: W ≥ 0

Berlaku sebaliknya

DUAL TAK SIMETRIS

Primal Dual
F.Tujuan :Minimum : z = CTX F.Tujuan :Maksimum : z = BTW
F.Batasan: AX = B F.Batasan: AT W ≤ C
Dan: X ≥ 0 Dan: W ≥ 0

Primal Dual
F.Tujuan :Maksimum : z = CTX F.Tujuan :Minimum : z = BTW
F.Batasan: AX = B F.Batasan: AT W ≥ C
Dan: X ≥ 0 Dan: W ≥ 0

Interpretasi ekonomis masalah Primal dan Dual Primal

Xj adalah Tingkat aktivitas ( j = 1,2…,n)

Cj adalah laba per satuan aktivitas j

Z adalah total laba dari seluruh aktivitas

2018 Matematika Optimisasi

2 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
bi adalah jumlah sumber i yang tersedia ( i= 1,2,…,m)

aij adalah jumlah sumber i yang dipakai oleh setiap satuan aktivitas j

Dual

Yj adalah kontribusi per satuan sumber i terhadap laba

CONTOH: ( Perusahaan Sepatu )

Primal :

Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2

Fungsi Batasan :

2 x1 ≤ 8

3 x2 ≤ 15

6 x1+ 5 x2 ≤ 30

Fungsi Tujuan : Maksimum : Z = C X =

[ 3,5 ]
x1
x2
T
[ ]
Fungsi Batasan :

AX ≤ B

[ ][ ] [ ]
2 0 8
0 3
x1
15
6 5 x2 30
≤

2018 Matematika Optimisasi

3 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Dual :

[]
w1
w2

Fungsi Tujuan : Minimum : Z = B W=

[ 8 15 30 ] w3
T

Fungsi Batasan :

ATW ≥ C

][ ]
w1

[ 2 0 6
0 3 5
w2
w3
≥
[] 3
5

Fungsi Tujuan : Minimum : Z = 8 w1 + 15 w2+ 30 w2

Fungsi Batasan :

2 w1 +6 w 3≥3
3 w 2 +5 w 3≥5
w 1 , w2 , w3 ≥0

Tabel terakhir ( tabel Optimal )

X1 X2 X3 X4 X5

2018 Matematika Optimisasi

4 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 X3 0 0 1 -5/9 -1/3 Solusi
19/3
X2 0 1 0 1/3 0 5 Primal
X1 1 0 0 -5/18 1/6 5/6
Z 0 0 0 5/6 1/2 1
27 2

⃗
solusi−dual
Solusi Masalah Dual : ( Hubungan Primal –Dual )

Koefisien slack variabel pada baris terakhir ( tabel optimal )

Dalam hal ini : w1 = 0 , w2 = 5/6, w3 = ½ sehingga

Z = 8 (0)+ 15 (5/6)+ 30 (1/2)

1
Z = 27 2 ( OPTIMAL )

 Analisa Sensitivitas

Analisa tersebut dilakukan setelah dicapainya penyelesaian optimal, sehingga analisa nya
sering disebut dengan Post Optimality Analysis.

Tujuan (Analisa Sensitivitas ) :

Mengurangi perhitungan dan menghindari perhitungan ulang, bila tejadi perubahan satu
atau beberapa koefisien moel LP pada saat penyelesaian optimal telah tercapai.

Perubahan yang mungkin terjadi setelah dicapainya penyelesaian optimal terdiri dari beber-
apa macam , yaitu :

2018 Matematika Optimisasi

5 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 1. Keterbatasan kapasitas sumber , dpl nilai kanan dari fungsi batasan.
2. Koefisien fungsi tujuan.

Analisa sensitivitas pada dasarnya memanfaatkan kaidah-kaidah primal-dual metode sim-

pleks semaksimal mungkin.

Kaidah Primal – Dual

Kaidah I :

Pada setiap iterasi dalam simpleks ( baik primal maupun dual ) matriks yang berisi variabel
starting solution ( tidak termasuk baris tujuan ) dapat dipakai untuk menhitung koefisien baris
tujuan yang berhubungan dengan matriks tersebut. Adapun langkah-langkahnya adalah se-
bagai berikut :

Langkah 1 :

Pilih koefisien –koeisien dari fungsi tujuan yang berhubungan dengan variabel dasar iterasi
yang bersangkutan lalu disusun dalam vektor baris.

Langkah 2 :

Kalikan vektor baris tersebut dengan matriks pada tabel simpleks yang beranggotakan vari-
abel-variabel starting solution. Nilai yang diperoleh dalam langkah dua ini diseut Simpleks
Multiplier ( Shadow Costs )

Pada tabel akhir ( optimal ) simpleks multiplier ini menunjukan optimal solution bagi dualnya.

Kaidah II :

2018 Matematika Optimisasi

6 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Pada setiap iterasi dalam simpleks ( baik primal maupun dual ), nilai kanan ( kecuali baris
tujuan ) dalam tabel optimal dapat dihitung dengan mengalikan matriks pada langkah 2 den-
gan vektor kolom yang berisi nilai kanan dari fungsi batasan mula-mula.

Kaidah III :

Pada setiap iterasi dalam simpleks baik primal maupun dual koefisien batasan yang terletak
dibawah setiap variabel Xj ( j = 1,2,…,n ) merupakan hasil kali matriks pada langkah 2 den-
gan vektor kolom untuk setiap variabel pada tabel awal.

CONTOH : ( Perusahaan Sepatu )

Kaidah I :

Langkah 1 :

Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2

Tabel terakhir ( tabel Optimal )

X1 X2 X3 X4 X5
X3 0 0 1 -5/9 -1/3 19/3
X2 0 1 0 1/3 0 5
X1 1 0 0 -5/18 1/6 5/6
Z 0 0 0 5/6 1/2 1
27 2

⃗
langkah 2

Diperoleh matriks ; [ 0,5,3 ]

2018 Matematika Optimisasi

7 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Langkah 2 :

Diperoleh matriks :

[ ]
1 5/9 −1/3
0 1/3 0
0 −5 /18 1 /6
Sehingga

[ ]
1 5/9 −1/3
0 1/3 0
[ 0,5,3 ]
0 −5 /18 1 /6 = [ 0,5/6,1/2 ]

Koefisien fungsi tujuan

Tabel optimal

Kaidah II :

[ ][ ] [ ]
1
6
1 5/9 −1/3 8 3
0 1/3 0 15 5
5

0 −5 /18 1 /6 30 =
6 ⃗
Nilai−kanan−tabel−optimal

2018 Matematika Optimisasi

8 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Kaidah III :

X1 X2 X3 X4 X5
2 0 1 0 0 8
0 3* 0 1 0 15
6 5 0 0 1 30
-3 -5 0 0 0 0

[ ][ ] [ ]
1 5/9 −1/3 2 0
0 1/3 0 0 0
0 −5 /18 1 /6 6 =
1 ⃗
Nilai−kolom−x
1

[ ][ ] [ ]
1 5/9 −1/3 0 0
0 1/3 0 3 1
0 −5 /18 1 /6 5 =
0 ⃗
Nilai−kolom−x
2

 Perubahan nilai kanan fungsi batasan :

[] []
8 8
15 16
Misal
30 menjadi
30

2018 Matematika Optimisasi

9 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 ][ ] [ ]
8

[
6
1 5/9 −1/3 8 1
9
5
0 1/3 0 16 3
5
0 −5 /18 1 /6 30 =
9

Sehingga laba total berubah ( bertambah ) menjadi :

1 1
3 ( 5/9) + 5 ( 5 3 ) = 28 3

Apabila diubah lagi

[] []
8 8
16 20
Misal
30 menjadi
30

][ ] [ ]
1

[
9
1 5/9 −1/3 8 2
9
6
0 1/3 0 20 3
−5
0 −5 /18 1 /6 30 =
9 ⃗
tidak−feasible

 Perubahan nilai kanan fungsi batasan :

Misal : [ 0,5,3 ] menjadi [ 0,6,4 ]

2018 Matematika Optimisasi

10 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Sehingga diperoleh :

[ ]
1 5/9 −1/3
0 1/3 0
[ 0,6,4 ]
0 −5 /18 1 /6 = [ 0,8/9,2/3 ]

1
laba total berubah menjadi : 4 ( 5/6) + 6 (5) = 33 3

Daftar Pustaka
① Hamdy A taha Operations Research 8th Ed, Pearson Education Inc, 2007

② Frederick S hiller, Introduction of Operational Researach 8th Ed, Mc Graw Hill

Companies, 2005

③ Hillier, F.S., Lieberman, G.J., Introduction to Operations Research, 7th Edition, Mc-
Graw-Hill, Singapore, 2001.

④ Ravindran, A., Phillips, D.T., Solberg, J.J., Operation Research – Principles and
Practice, 2nd Edition, John Wiley & Sons, Singapore, 1987.

⑤ Bazaraa, M.S., Jarvis, J.J., Linear Programming and Network Flows, John Wiley &
Sons, New York, 1977.

⑥ Taha, H.A., Operations Research – An Introduction, 4th Edition, Macmillan Publ. Co.,
New York, 1987.

⑦ Gillet, B.E., Introduction to Operations Research – A Computer-Oriented Algorithmic

Approach, McGraw-Hill, New York, 1976.

2018 Matematika Optimisasi

11 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id