PENELITIAN OPERATIONAL

DI SUSUN OLEH :

1. DEFA ARI MAULANA (2213008)

2. MUHAMMAD RAFLY .O. (2213012)
3. AHMAD HUDA SEPTIAN .F. (2213015)
4. AMANDA RIZQIA (2213033)
5. DENI JANUAR (2213906)

FAKULTAS TEKNIK INDUSTRI S-1

IMSTITUT TEKNOLOGI NASIONAL MALANG
2023
 BAB I

A. PENDAHULUAN
Seiring dengan evolusi kebutuhan bisnis dan kemajuan teknologi, semakin banyak
organisasi yang menghadapi masalah yang semakin kompleks dalam pengambilan
keputusan mereka. Oleh karena itu, diperlukan pendekatan yang lebih mendalam dalam
menganalisis dan mengoptimalkan masalah pemrograman linear. Inilah tempat di mana
konsep Primal-Dual dan analisis sensitivitas menjadi sangat relevan.

Analisis sensitivitas dalam pemrograman linear adalah alat yang sangat berguna untuk
mengukur sejauh mana perubahan dalam parameter masalah dapat memengaruhi solusi
optimal. Dalam konteks ini, Primal-Dual adalah salah satu kerangka kerja penting yang
digunakan untuk menggambarkan masalah dalam dua sudut pandang sekaligus: primal
dan dual. Konsep Primal-Dual ini memungkinkan kita untuk memahami hubungan yang
kuat antara dua masalah yang terkait: masalah primal, yang merupakan masalah asli yang
ingin kita selesaikan, dan masalah dual, yang membantu kita menjalankan analisis
sensitivitas.

Analisis sensitivitas dalam Primal-Dual PL memungkinkan para pengambil keputusan

untuk merespons secara lebih cerdas terhadap perubahan kondisi atau parameter yang
mungkin terjadi dalam lingkungan bisnis. Dengan memahami dampak perubahan
parameter seperti biaya, ketersediaan sumber daya, atau batasan kapasitas, organisasi
dapat mengambil keputusan yang lebih efisien dan fleksibel.
 BAB II

B. LANDASAN TEORI
1. Perubahan Pada Koefisien Fungsi Tujuan
Perubahan koefisien fungsi tujuan menunjukan adanya perubahan kontribusi masing masing
produk terhadap tujuan (misalnya maksismasi laba atau minimasi biaya ). Perubahan
koefisien tersebut akan mempengaruhi koefisien baris pertama (baris tujuan) dan
mempengaruhi optimaliti permasalahan.
2. Perubahan Pada Batas Kanan Kendala
Perubahan nilai kanan suatu fungsi pembatas menunjukan adanya pengetatan ataupun
pelonggaran batas tersebut. Makin besar nilai kanan suatu fungsi pembatas, berarti semakin
longgar, sebaliknya makin ketat batasan tersebut bila nilai kanan fungsi batas di perkecil.
3. Penambahan Variabel Keputusan Baru
Penambahan variabel keputusan baru adalah langkah penting dalam mengembangkan model
PL yang lebih komprehensif, sesuai dengan perubahan kebutuhan bisnis atau perubahan
dalam lingkungan yang dihadapi. Namun, perlu dilakukan dengan hati-hati, dan analisis
sensitivitas serta pemahaman yang baik tentang dampaknya pada solusi dan kompleksitas
masalah sangat diperlukan.
4. Penambahan Kendala Baru
Penambahan kendala baru adalah proses memasukkan persyaratan atau batasan tambahan ke
dalam permasalahan matematis yang sedang dipecahkan, dengan tujuan memodelkan atau
memperhitungkan informasi baru atau perubahan dalam situasi yang relevan dengan masalah
tersebut.
Tujuan utama penambahan kendala baru adalah untuk mempengaruhi hasil atau solusi dari
permasalahan tersebut sehingga solusi yang dihasilkan memenuhi syarat atau batasan
tambahan yang telah ditambahkan. Hal ini seringkali diperlukan dalam konteks perencanaan,
pengambilan keputusan, atau optimisasi ketika situasi atau persyaratan berubah seiring
waktu.
5. Perubahan Koefisien Ruas Kiri Pembatas adalah proses mengganti nilai koefisien yang
terdapat di ruas kiri sebuah kendala dalam model pemrograman linear. Koefisien ruas kiri ini
menggambarkan besaran atau kontribusi masing-masing variabel terhadap kendala tersebut.
Modifikasi nilai koefisien ini dapat dilakukan untuk mencerminkan perubahan dalam situasi
atau perubahan dalam hubungan antara variabel-variabel dan kendala tersebut.
 Metode Primal Dual

 Untuk penyelesaian type Program Linier yang:

 Fungsi Tujuan → Minimasi
 Fungsi Pembatas → semuanya bertanda ≥
 Primal program asal adalah Fungsi Tujuan Minimasi dengan Fungsi Pembatas ≥,
sedangkan Dual merupakan program pasangan nya dengan Fungsi Tujuan Maksimasi
dengan Fungsi Pembatas ≤.
 Metode Primal Dual dpat diselesainakan dengan Simpleks Sederhana (dari program
Dualnya)
 Akan diperoleh Nilai Bayangannya (Shadow Price) dari Program Dual yang merupakan
jawaban dari Program Asalnya (program Primal)
 Pada Program Dual variabel nya menggunakan nama lain “w”

Perubahan Primal menjadi Dual

Penyelesaian dalam matematis

Contoh: Diketahui formulasi program linier dari suatu problema sbb:

Fungsi tujuan : MaxZ =3 x 1 +5 x 2

Fungsi Pembatas : x ≤41

3 x 1 +2 x 2 ≤18

x , x ≥0
1 2
 Tabel Awal

N0 BV Z X1 X2 X3 X4 NK

0 Z 1 -3 -5 0 0 0

1 X3 0 1 0 1 0 4

2 X4 0 3 2 0 1 18

Tabel optimal

N0 BV Z X1 X2 X3 X4 NK

0 Z 1 9/2 0 0 5/2 45

1 X3 0 1 0 1 0 4

2 X2 0 3/2 1 0 1/2 9

X1* = 0
X2* = 9 Z = 45
X3* = 4
a. Perubahan pada pembatas kanan kendala
Bila b2 = 18 berubah menjadi 24, bagaimana pengaruh terhadap program sebelumnya ?
Penyelesaian :

X2 = 9 berubah menjadi 12
Sehingga Z = 3X1 + 5X2 = 3(0) + 5(12) = 60
Tabel optimum menjadi :

N0 BV Z X1 X2 X3 X4 NK

0 Z 1 9/2 0 0 5/2 60

1 X3 0 1 0 1 0 4

2 X2 0 3/2 1 0 1/2 12
 Terlihat bahwa tabel tetap optimum tetapi program berubah.
X2* = 9 menjadi X2* = 12
Z = 45 menjadi Z= 60
Apabila yang terjadi perubahan nilai kanan menjadi negatif, maka tabel tidak optimal lagi
sehingga harus dilakukan iterasi dengan menggunakan “dual simpleks method”
b. Perubahan koefisien fungsi tujuan variabel basis
Dari contoh sebelumnya .
Jika FT Max Z = 3X1 + 5X2 berubah menjadi Max Z = 3X1 + X2
Atau C2 = 5 menjadi C2 = 1
Perubahan ini melibatkan X2 yang merupakan variabel basis pada solus optimal semula
(variabel basis X3, X2).
1 0
Y1*, Y2* = (0 1) =(0 1/2)
0 1/2

Koefisien X3 X2 gunakan untuk menghitung

pers Z yang baru
Dari formulasi persoalan diketahui bahwa:
koefisien X1 berkorespondensi dengan : Y1 + 3Y2 ≥ 3
koefisien X2 berkorespondensi dengan : 2Y2 ≥ 1
Sehingga koef X1 : Y1 + 3Y2 – 3
0 + 3(1/2) – 3 = -3/2
Koef X2 : 2Y2 – 1
2(1/2) – 1 = 0
Dengan adanya perubahan tersebut maka harga Z berubah menjadi :
Z = 3X1 + X2
Tabel optimum menjadi :

No BV Z X1 X2 X3 X4 NK

0 Z 1 -3/2 0 0 1/2 9

1 X3 0 1 0 1 0 4

2 X2 0 3/2 1 0 1/2 9

Ternyata tabel tidak optimal lagi sehingga harus dilakukan itreasi

Hasil iterasi :

N0 BV Z X1 X2 X3 X4 NK

0 Z 1 0 0 3/2 1/2 15

1 X1 0 1 0 1 0 4

2 X2 0 0 1 -3/2 1/2 3

Z maks = 15, X1* = 4 dan X2* = 4

c. Perubahan koefisien fungís tujuan variable non basis
Jika FT . Z= 3X1 + 5X2 berubah menjadi Z = 6X1 + 5 X2
Perubahan ini melibatkan X1 yang merupakan variabel non basis, sedangkan
variabel basisnya adalah X3 dan X2.
Pada Fungsi tujuan :
- Koefisien X1 : Y1 + 3Y2 ≥ 6 - Koefisien X2 : 2Y2 ≥ 5
0 + 3(5/2) -6 2(5/2) -5
= 3/2 =0
 Sehingga tabel optimum menjadi :

N0 BV Z X1 X2 X3 X4 NK

0 Z 1 3/2 0 0 5/2 45

1 X3 0 1 0 1 0 4

2 X2 0 3/2 1 0 1/2 9

Zmaks = 45, X1* = 0 dan X2* = 9

d. Penambahan variabel keputusan baru
Kasus ini seolah-olah merupakan gabungan antara perubahan pada koefisien fungsi
tujuan dan perubahan pada koefisien teknis fungsi batasan .
Dalam hal ini dapat digunakan anggapan bahwa variable tambahan tersebut sudah ada
dengan koefisien 0 (nol). Akibatnya penambahan variable baru tersebut akan
mempengaruhi penyelesaian optimal apabila mempengaruhi baris tujuan tabel optimum.
Contoh :
Diketahui : Formulasi program linier dari suatu problema :
FT . Maks Z = 4X1 + 3X2
FP . 3X1 + X2 ≤ 30
2X1 + 2X2 ≤ 40
X1, X2 ≥ 0
Tabel Optimal

No BV Z X1 X2 X3 X4 NK

0 Z 1 0 0 1/2 5/4 65

1 X1 0 1 0 1/2 -1/4 5

2 X2 0 0 1 -1/2 3/4 15
Bila ditambahkan variabel baru (Xc), dimana :
Koef Xc pada F.tujuan : 4
pada F.pembatas 1 : 3
2:3
Sehingga formulasi model program linier menjadi:
FT. Maks Z = 4X1 + 3X2 + 4Xc
FP. 3X1 + X2 + 3 Xc ≤ 30
2X1 + 2X2 + 3Xc ≤ 40
X1, X2 ≥ 0
Analisa apakah penambahan variabel baru tersebut mempengaruhi penyelesaian optimal?
Penyelesaian :
FP dual yang menyangkut Xc : 3Y1 + 3Y2 ≥ 4
Dari tabel optimal dapat dilihat bahwa Y1* = 1/2, Y2* = 5/4
Maka 3Y1 + 3Y2 ≥ 4
3(1/2) + 3(5/4) ≥ 4
21/4 ≥ 4 memenuhi, maka penambahan variabel baru tidak
berpengaruhi.
Jika pada problema semula ditambahkan variabel baru (Xd), dimana :
Koefisien Xd pada FT : 6
Pada FP1: 3
Pada FP2 : 3
Sehingga formulasi menjadi :
FT. Maks Z = 4X1 + 3X2 + 6Xd
FP. 3X1 + X2 + 3 Xd ≤ 30
2X1 + 2X2 + 3Xd ≤ 40
X1, X2, Xd ≥ 0
Apakah penambahan variabel baru Xd mempengaruhi penyelesaian optimal?
 Penyelesaian :
Fungsi pembatas dual yang menyangkut Xd
3Y1 + 3Y2 ≥ 6
3(1/2) + 3(5/2)
21/4 ≥ 6 tidak memenuhi, maka penambahan variabel baru
mempengaruhi tabel optimal
Pada FT koefisien Xd : 3Y1 + 3Y2 -6
3(1/2) + 3(5/2) -6 = -3/4
Pada FP koefisien Xd :
X1d 1/2 -1/4 3 3/4
= =
X2d -1/2 3/4 3 3/4
Masukkan variabel Xd
Tabel optimum yang baru

No BV Z X1 X2 Xd X3 X4 NK

0 Z 1 0 0 -3/4 1/2 5/4 65

1 X1 0 1 0 3/4 1/2 -1/4 5

2 X2 0 0 1 -3/4 -1/2 3/4 15

Ternyata tabel tidak optimal lagi sehingga harus dilakukan iterasi.

Hasil iterasi :

No BV Z X1 X2 Xd X3 X4 NK

0 Z 1 1 0 0 1 1 70

1 Xd 0 4/3 0 1 2/3 -1/3 20/3

2 X2 0 -1 1 0 -1 1 10
 X1* = 0, Xd* = 2/3,
dan X2* = 10.
Z maks = 4X1 + 3X2 + 6Xd
= 4(0) + 3(10) + 6(20/3)
= 70
e. Penambahan kendala baru
Penambahan kendala baru adalah proses memasukkan persyaratan atau batasan tambahan
ke dalam permasalahan matematis yang sedang dipecahkan, dengan tujuan memodelkan
atau memperhitungkan informasi baru atau perubahan dalam situasi yang relevan dengan
masalah tersebut.
Contoh :
Dik formulasi program linier dari suatu problema :

Fungsi tujuan : MaxZ =3 x 1 +5 x 2

Fungsi Pembatas : x ≤41

3 x 1 +2 x 2 ≤18

x , x ≥0
1 2

Tabel Optimal

No BV Z X1 X2 X3 X4 NK

0 Z 1 9/2 0 0 5/2 45

1 X3 0 1 0 1 0 4

2 X2 0 3/2 1 0 1/2 9
Apabila ditambah batasan baru 2X2 ≤ 12, apakah jawaban optimal masih dipenuhi ?
Penyelesaian :
Formulasi program linier menjadi :

Fungsi tujuan : MaxZ =3 x 1 +5 x 2

Fungsi Pembatas : x ≤41

3 x 1 +2 x 2 ≤18

2 x ≤12
2

x , x ≥0
1 2

Cek .

2 x ≤12
2

2(9) ≤ 12
18 ≤ 12 tidak memenuhi,maka batasan baru tersebut perlu dimasukkan
Caranya dengan meletakkan begitu saja batasan baru tersebut pada tabel optimum dengan
terlebih dahulu menambahkan slack variabel .
Tabel optimum menjadi ;

No BV Z X1 X2 X3 X4 X5 NK

0 Z 1 9/2 0 0 5/2 0 45

1 X3 0 1 0 1 0 0 4

2 X2 0 3/2 1 0 1/2 0 9

3 X5 0 0 2 0 0 1 12
 Karena X2 merupakan BV, maka koefisien X2 pada pers.3 harus sama dengan nol.
Sehingga harus dijadikan nol dengan cara berikut (menambahkan -2 kali pers.2 pada
pers.5) :

0 0 2 0 0 1 12
-2 ( 0 3/2 1 0 1/2 0 9)
0 -3 0 0 -1 1 -6
Tabel optimal baru :

No BV Z X1 X2 X3 X4 X5 NK

0 Z 1 9/2 0 0 5/2 0 45

1 X3 0 1 0 1 0 0 4

2 X2 0 3/2 1 0 1/2 0 9

3 X5 0 -3 0 0 -1 1 -6
Meskipun harga Z
menunjukkan syarat optimal (karena tidak ada tanda negatif) tapi harga NK pada pers 3
menunjukkan tidak fisibel karena tanda negatif sehinnga perlu dilakukan iterasi agar
diperoleh hasil yang optimum. Untuk itu digunakan dual simpleks method(metode yang
digunakan khusus untuk menyelesaikan LP yang mempunyai NK negatif).
Sehingga tabel optimum menjadi ;

No BV Z X1 X2 X3 X4 X5 NK

0 Z 1 0 0 0 1 3/2 36

1 X3 0 0 0 1 -1/3 1/3 2

2 X2 0 0 1 0 1/3 1/2 6

3 X1 0 1 0 0 1/3 -1/3 2
X1* = 2, X2* = 5 dan
Zmaks = 3

Daftar Pustaka :
https://repository.usu.ac.id/bitstream/handle/123456789/69545/Fulltext.pdf?
sequence=2&isAllowed=y
https://osf.io/m2sbt/download
https://ayundyahkesumawati.files.wordpress.com/2015/03/analisis-sensitivitas-20161.pdf
C:\Users\ASUS\Downloads\chapt4.ppt