Matematika
Optimisasi
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
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
aij adalah jumlah sumber i yang dipakai oleh setiap satuan aktivitas j
Dual
Primal :
Fungsi Batasan :
2 x1 ≤ 8
3 x2 ≤ 15
6 x1+ 5 x2 ≤ 30
AX ≤ B
[ ][ ] [ ]
2 0 8
0 3
x1
15
6 5 x2 30
≤
[]
w1
w2
Fungsi Batasan :
ATW ≥ C
][ ]
w1
[ 2 0 6
0 3 5
w2
w3
≥
[] 3
5
Fungsi Batasan :
2 w1 +6 w 3≥3
3 w 2 +5 w 3≥5
w 1 , w2 , w3 ≥0
X1 X2 X3 X4 X5
⃗
solusi−dual
Solusi Masalah Dual : ( Hubungan Primal –Dual )
1
Z = 27 2 ( OPTIMAL )
Analisa Sensitivitas
Analisa tersebut dilakukan setelah dicapainya penyelesaian optimal, sehingga analisa nya
sering disebut dengan Post Optimality Analysis.
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 :
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 :
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.
Kaidah I :
Langkah 1 :
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 :
[ ]
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 ]
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
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
[] []
8 8
15 16
Misal
30 menjadi
30
[
6
1 5/9 −1/3 8 1
9
5
0 1/3 0 16 3
5
0 −5 /18 1 /6 30 =
9
1 1
3 ( 5/9) + 5 ( 5 3 ) = 28 3
[] []
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
[ ]
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
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.