MODUL PERKULIAHAN

Matematika
Optimisasi
Hubungan model Primal dan Dual

Fakultas Program Studi Tatap Muka Kode MK DisusunOleh

Teknik Teknik Industri W161700014 Hayu Kartika T., MT.
09

Abstract Kompetensi
Bentuk dual tersebuttergantungpad- MemberikanpemahamanBentuk dual
abentuk LP semula yang disebutdengan tersebuttergantungpadabentuk LP sem-
PRIMAL. ula yang disebutdengan PRIMAL.
Metode Dual Simpleks
Untuksetiap LP dalamvariabel x1, x2,……,xn, terkaitdengan LP denganvariabel lain misal w1,
w2,……, wm ( dimana m adalahjumlahbatasanalam LP semula) yang disebutdengan DUAL
nya. Bentuk dual tersebuttergantungpadabentuk LP semula yang disebutdengan 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

Berlakusebaliknya

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

Interpretasiekonomismasalah Primal dan Dual

Primal

Xjadalah Tingkat aktivitas( j = 1,2…,n)

Cjadalahlaba per satuanaktivitas j

Z adalah total labadariseluruhaktivitas

biadalahjumlahsumberi yang tersedia ( i= 1,2,…,m)

2018 Matematika Optimisasi

2 Hayu Kartika ST., MT
PusatBahan Ajar dan eLearning
http://www.mercubuana.ac.id
aijadalahjumlahsumberi yang dipakaiolehsetiapsatuanaktivitas j

Dual

Yjadalahkontribusi per satuansumberiterhadaplaba

CONTOH: ( Perusahaan Sepatu )

Primal :

FungsiTujuan :Maksimum : Z = 3 x1 + 5 x2

FungsiBatasan :

2 x1 ≤ 8

3 x2 ≤ 15

6 x 1 + 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
PusatBahan 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
PusatBahan 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
PusatBahan 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
PusatBahan 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 ]

Langkah 2 :

Diperoleh matriks :

2018 Matematika Optimisasi

7 Hayu Kartika ST., MT
PusatBahan Ajar dan eLearning
http://www.mercubuana.ac.id
 [ ]
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

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

2018 Matematika Optimisasi

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

][ ] [ ]
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

2018 Matematika Optimisasi

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

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

2018 Matematika Optimisasi

10 Hayu Kartika ST., MT
PusatBahan Ajar dan eLearning
http://www.mercubuana.ac.id
 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
PusatBahan Ajar dan eLearning
http://www.mercubuana.ac.id