BAB 7 LINEAR PROGRAMMING :

TEORI DUALITAS

1. PENDAHULUAN
Dualitas merupakan konsep linear programing yang penting dan menarik. Ide dasar
dari teori dualitas adalah bahwa setiap persoalan linear programming mempunyai
suatu linear program yang berkaitan yang disebut "dual"

2. DEFINISI MASALAH DUAL

Secara sistematis, dualitas merupakan alat bantu masalah LP (primal), yang secara
langsung didefinisikan dari persoalan aslinya atau dari model LP primal. Dalam
kebanyakan perlakuan LP, dualitas sangat bergantung pada primal dalam hal, tipe
kendala, variabel keputusan dan kondisi optimum

Berikut ini adalah ketentuan umum dari primal-dual simetris :

1. Koefisien fungsi tujuan primal menjadi konstanta ruas kanan dual
2. Konstanta ruas kanan primal menjadi koefisien fungsi tujuan dual
3. Semua kolom primal menjadi kendala pada dual
4. Semua kendala primal menjadi variabel keputusan dual
5. Koefisien kendala dari variabel primal menjadi koefisien yang berkorespondensi
dengan kendala dual

Contoh berikut ini memberikan gambaran untuk memahami bentuk standar primal-
dual
Bentuk primal
Minimum Z = 5X1 + 2X2
d.k [1] -x1 + x2 ≤ 3
[2] 2x1 + 3x2 ≤ 5
[3] x1, x2 ≥ 0

Bentuk standar primal

Minimum Z = 5X1 + 2X2 + 0S1 + 0S
d.k [1] -x1 + x2 + S1 + 0S2 = 3
[2] 2x1 + 3x2 + 0S1 + S2 = 5
[3] x1, x2, S1, S2 ≥ 0

Bentuk primal
Maximum W = 3y1 + 5y2
d.k [1] -y1 + 2y2 ≤ 5
[2] y1 + 3y2 ≤ 2
[3] y1 + 0y2 ≤ 0
[4] 0y1 + y2 ≤ 0

Dari contoh di atas, dapat disimpulkan karakteristik dasar dari standar primal-dual
seperti dilihatkan dalam tabel berikut ini.
seperti dilihatkan dalam tabel berikut ini.

Standar primal* Dual

Fungsi tujuan Fungsi tujuan Kendala
Maksimum Minimum ≥
Minimum Maksimum ≤
*) Ketentuan dalam bentuk standar primal adalah semua konstanta ruas kanan
kendala nonnegative dan semua variabel keputusan nonnegative

3. SOLUSI OPTIMUM DUAL DALAM TABEL SIMPLEKS

Solusi optimum dari suatu masalah linear program dapat dilihat dari tabel simpleks
optimum. Selain itu, dalam analisa sensitivitas terdahulu dapat dilihat bagaimana
suatu tabel tidak layak menurut primal dapat diselesaikan dengan metode dual

Bentuk primal
Maximum Z = 5X1 + 12X2 + 10X3
d.k [1] X1 + 2X2 + X3 ≤ 10
[2] 2X1 + X2 + 3X3 ≤ 15
[3] X1, X2, X3 ≥ 0

Bentuk dual
Minimum W = 10y1 + 15y2
d.k [1] y1 + 2y2 ≥ 5
[2] 2y1 + y2 ≥ 12
[3] y1 + 3y2 ≥ 10
[4] y1 + 0y2 ≥ 0
[5] 0y1 + y2 ≥ 0

Tabel Simpleks Optimum Primal

Cj 5 12 15 0 0 Solusi
CB
VDB x1 x2 x3 S1 S2 (bi)

Iterasi 0 S1 1 2 1 1 0 10
0 0 S2 2 1 3 0 1 15
Zj-Cj -5 -12 -10 0 0 0

Iterasi 12 x2 0.5 1 0.5 0.5 0 5

1 0 S2 1.5 0 2.5 -0.5 1 10
Zj-Cj 1 0 -4 6 0 60

Optimum 12 x2 0.2 1 0 0.6 -0.2 3

2 10 x3 0.6 0 1 -0.2 0.4 4
Zj-Cj 3.4 0 0 5.2 1.6 76
Solusi optimum primal dalam tabel tersebut adalah :
x2 = 3 dan x3 = 4. Dengan total Z = 76
 Dari tabel solusi optimum primal, terdapat dua kesimpulan yang menarik, yaitu :
1. Maksimum Z = Minimum W = 76
Hasil ini juga dapat diperoleh dengan memasukkan nilai variabel
keputusan ke dalam fungsi tujuan masing-masing
Z = 5X1 + 12X2 + 10X3
= 5(0) + 12(3) + 10(4)
= 76
W = 10y1 + 15y2
= 10(5,2) + 15(1,6)
= 76
2. Dalam masalah maksimum, nilai Zj-Cj pada tabel awal (iterasi nol)
memiliki Z = 0 dan selalu menaik sampai jumlah Z = 76. Dalam masalah
minimum, nilai Wj-Cj pada tabel awal (iterasi nol) memiliki W = 27M

4. INTERPRETASI EKONOMI DUALITAS

Pada bagian terdahulu, kita memiliki dua kesimpulan dalam hubungan masalah
optimal dan dual yaitu :
1. Solusi optimum,
𝑛 @𝑜𝑝𝑡𝑖𝑚𝑢𝑚 𝑑𝑎𝑙𝑎𝑚@𝑝𝑟𝑖𝑚𝑎𝑙)] = [█(𝑛𝑖𝑙𝑎𝑖 𝑡𝑢𝑗𝑢𝑎𝑛 @𝑜𝑝𝑡𝑖𝑚𝑢𝑚 𝑑𝑎𝑙𝑎𝑚@𝑑𝑢𝑎𝑙)]

2. Tabel optimum primal

𝑎𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙@𝑘𝑒𝑝𝑢𝑡𝑢𝑠𝑎𝑛 𝑥1)] = [█(𝑟𝑢𝑎𝑠 𝑘𝑖𝑟𝑖@𝑘𝑒𝑛𝑑𝑎𝑙𝑎@𝑑𝑢𝑎𝑙)]= [█(𝑟𝑢𝑎𝑠 𝑘𝑎𝑛𝑎𝑛@𝑘𝑒𝑛𝑑𝑎𝑙𝑎@

Dua kesimpulan di atas, merupakan petunjuk pentingnya interpretasi ekonomi dari

dualitas maupun variabel dual.

Interpretasi Ekonomi Variabel Dual

Secara umum persamaan fungsi tujuan primal dan dual dapat didefinisikan sebagai
berikut.
𝑍=𝑊=∑24_(𝑖=1)^
𝑚▒𝑏𝑖𝑦𝑖

Z menunjukkan rupiah (keuntungan) dan bi menunjukkan unit (jumlah) dari sumber

daya i, sedangkan yi menunjukkan rupiah per unit dari sumberdaya i sebab,
laba = Σ (𝑢𝑛𝑖𝑡 𝑠𝑢𝑚𝑏𝑒𝑟 𝑑𝑎𝑦𝑎 𝑖)(𝑟𝑢𝑝𝑖𝑎ℎ 𝑎𝑡𝑎𝑢 𝑠𝑢𝑚𝑏𝑒𝑟 𝑑𝑎𝑦𝑎 𝑖)

Variabel dual yi menunjukkan harga per unit sumber daya i. Harga ini sering pula
disebut sebagai shadow price. Nilai variabel dual dapat digunakan untuk
menentukan range sumber daya dan pengaruhnya terhadap nilai fungsi tujuan.
 5. MENGHITUNG SOLUSI OPTIMUM DUAL
Solusi optimal dual dapat dihitung secara langsung dari tabel simpleks optimum
prima.
Bentuk primal :
Minimum Z = -3X1X4 dan+ X3 + 0X4 +0X5
+ X2
d.k X5 + X3 + X4 = 10
[1] X1 2 2X2
adalah
[2] -4X1 +X1,
X2 X2,
slack+ 2X3 + X5 = 3
[3] -2X1+ dan
X3 =X4,
X3, 1
u.h X5 ≥0
surplus
variabel

Bentuk dual :
Maximum W = 11y1 + 3y2 + y3
d.k [1] y1 - 4y2 - 2y3 ≤ -3
[2] -2y1 + y2 ≤ 1
[3] y1 + 2y2 + y3 ≤ 1
[4] y1 ≤ 0
[4] -y2 ≤ 0
u.h y1, y2, y3 tidak bertanda

Solusi optimum primal adalah :

x1 = 4
x2 = 1
x3 = 9
dengan toal nilai Z = -2

Karena x1, x2, dan x3 merupakan variabel basis optimum, maka matriks basis
optimumnya adalah sebagai berikut.
𝐷= [𝑌1, 𝑌2, 𝑌3]= [■8(1&−2&1@−4&1&2@−2&0&1)]

−1)=[■8(1/3&2/3&−5/3@0&1&−2@2/3&4/3&−7/3)]

Simpleks multiplier optimum adalah:

=𝐶𝐵 𝐵^(−1)= [−3,1,1] [■8(1&−2&1@0&1&−2@−2&0&1)]
Harga tujuan dual yang berkorespondensi dengan solusi optimum adalah
𝜋𝑊=𝑌𝐵𝑖, 𝜋𝑏_1=𝐶𝐵 𝐵^(−1) 𝑏_𝐼

Simpleks multiplier tersebut, memenuhi kendala dual. Dengan solusi optimum dual
adalah :
y1 = -1/3
y2 = 1/3
y3 = 2/3
dengan total nilai W = 11(-1/3) + 3(1/3) + 1(2/3)
= -11/3 + 3/3 + 2/3
= -6/3
= -2
Dengan demikian, simpleks multiplier yang terkorespondensi dengan tabel optimus
primal akan memberikan solusi optimum bagi dual

6. METODE SIMPLEKS DUAL

Dalam kenyataannya, kita bisa menghadapi kondisi di mana tabel simpleks awal
tidak layak, tetapi tabel tersebut adalah optimum. Menghadapi keadaan seperti ini
dikembangkan suatu metode baru yang disebut sebagai "metode simpleks dual"

Contoh :
Minimum Z = 2X1 + 4X2 + X3 + 3X4
d.k [1] X1 + 2X2 + 3X3 + 4X4 ≥ 30
[2] 2x1 + x2 + X3 + X4 ≥ 20
[3] x1, x2, x3, x4 ≥ 0

Langkah - langkah yang harus dilalui :

1. Mengkonversikan semua kendala menjadi lebih kecil sama dengan (≤)
2. Memasukkan slack variabel ke dalam kendala
3. Menentukan variabel yang akan keluar basis atau baris kunci, yaitu variabel basis
yang memiliki angka negatif terbesar

BAB 8 LINEAR PROGRAMMING :

METODE TRANSPORTASI
1. PENDAHULUAN
Dalam praktik, beberapa masalah khusus dapat timbul dalam linear programming.
Salah satu masalah khusus tersebut adalah "masalah transportasi".

Untuk menyelesaikan sifat khusus masalah ini, digunakan metode transportasi.

Metode transportasi lebih efisien jika dibandingkan dengan menggunakan metode
simpleks. Tipe khusus yang dari linear program ini adalah "masalah penugasan"
(assignment problem). Dalam kenyataannya masalah penugasan adalah tipe khusus
dari masalah transportasi. Karena sifat khusus tersebut, lebih efisien apabila
diselesaikan dengan menggunakan metode penugasan

Linear Program

Transportasi
Penugas
an

Hubungan LP, Transportasi dan Penugasan

2. MASALAH PRODUKSI DAN DISTRIBUSI

Contoh 8.1.

PT. Elteha memiliki tiga pabrik yang terletak di lokasi yang berbeda. Hasil produksi
ketiga pabrik akan dialokasikan ke tiga daerah pemasaran yaitu daerah A, B dan C.
Kapasitas produksi per bulan ketiga pabrik tersebut adalah 106 unit, 132 unit, dan
127 unit. Sedangkan jumlah permintaan ketiga daerah pemasaran masing-masing
122 unit, 152 unit, dan 91 unit. Biaya produksi per unit dari masing-masing pabrik
besarnya sama Rp30,00. Biaya transportasi per unit dari pabrik ke lokasi pemasaran
dapat dilihat dalam tabel

Daerah pemasaran
Pabrik
A B C
1 2 3 4
2 6 12 8
3 4 7 10
Network Transportasi
Ketiga pabrik menunjukkan sumber dan ketiga daerah pemasaran menunjukkan
tempat tujuan. Tanda panah dari sumber ke tempat tujuan menunjukkan arus alokasi
secara langsung dan biaya per unit. Biaya per unit dihitung dari hasil penjumlahan
biaya produksi dengan biaya transportasi. Misalnya, produk akan dialokasikan dari
pabrik 1 ke daerah pemasaran A. Biaya per unit dihitung dari penjumlahan biaya
 Ketiga pabrik menunjukkan sumber dan ketiga daerah pemasaran menunjukkan
tempat tujuan. Tanda panah dari sumber ke tempat tujuan menunjukkan arus alokasi
secara langsung dan biaya per unit. Biaya per unit dihitung dari hasil penjumlahan
biaya produksi dengan biaya transportasi. Misalnya, produk akan dialokasikan dari
pabrik 1 ke daerah pemasaran A. Biaya per unit dihitung dari penjumlahan biaya
produksi per unit pabrik 1 Rp30,00 ditambah dengan biaya transportasi ke daerah
pemasaran A Rp2,00, total biaya Rp32,00

Formulasi Linear Programming

Masalah PT Elha dapat diformulasikan dalam bentuk LP. Persoalan yang harus
dijawab dalam formulasi ini adalah
[1] Bagaimana menentukan variabel keputusan
[2] Bagaimana menentukan fungsi tujuan
[3] Bagaimana menentukan kendala
Pertanyaan pertama dijawab dengan menentukan jumlah produk yang akan
dialokasikan dari setiap pabrik ke setiap daerah pemasaran.
Pertanyaan kedua, minimisasi total biaya per bulan.
Dan pertanyaan ketiga, adalah kapasitas yang tersedia di setiap pabrik dan kapasitas
permintaan setiap daerah pemasaran

Variabel Keputusan
Persamaan berikut menunjukkan jumlah produk yang dialokasikan dari pabrik ke
daerah pemasaran
𝑥_1𝐴=𝐷𝑎𝑟𝑖 𝑝𝑎𝑏𝑟𝑖𝑘 1 𝑘𝑒 𝑑𝑎𝑒𝑟𝑎ℎ 𝑝𝑒𝑚𝑎𝑠𝑎𝑟𝑎𝑛 𝐴
𝑥_1𝐵=𝐷𝑎𝑟𝑖 𝑝𝑎𝑏𝑟𝑖𝑘 1 𝑘𝑒 𝑑𝑎𝑒𝑟𝑎ℎ 𝑝𝑒𝑚𝑎𝑠𝑎𝑟𝑎𝑛 B
𝑥_1𝐶=𝐷𝑎𝑟𝑖 𝑝𝑎𝑏𝑟𝑖𝑘 1 𝑘𝑒 𝑑𝑎𝑒𝑟𝑎ℎ 𝑝𝑒𝑚𝑎𝑠𝑎𝑟𝑎𝑛 𝐶
𝑥_2𝐴=𝐷𝑎𝑟𝑖 𝑝𝑎𝑏𝑟𝑖𝑘 2 𝑘𝑒 𝑑𝑎𝑒𝑟𝑎ℎ 𝑝𝑒𝑚𝑎𝑠𝑎𝑟𝑎𝑛 𝐴
𝑥_2𝐵=𝐷𝑎𝑟𝑖 𝑝𝑎𝑏𝑟𝑖𝑘 2 𝑘𝑒 𝑑𝑎𝑒𝑟𝑎ℎ 𝑝𝑒𝑚𝑎𝑠𝑎𝑟𝑎𝑛 B
𝑥_2𝐶=𝐷𝑎𝑟𝑖 𝑝𝑎𝑏𝑟𝑖𝑘 2 𝑘𝑒 𝑑𝑎𝑒𝑟𝑎ℎ 𝑝𝑒𝑚𝑎𝑠𝑎𝑟𝑎𝑛 C
𝑥_3𝐴=𝐷𝑎𝑟𝑖 𝑝𝑎𝑏𝑟𝑖𝑘 3 𝑘𝑒 𝑑𝑎𝑒𝑟𝑎ℎ 𝑝𝑒𝑚𝑎𝑠𝑎𝑟𝑎𝑛 A
𝑥_3𝐵=𝐷𝑎𝑟𝑖 𝑝𝑎𝑏𝑟𝑖𝑘 3 𝑘𝑒 𝑑𝑎𝑒𝑟𝑎ℎ 𝑝𝑒𝑚𝑎𝑠𝑎𝑟𝑎𝑛 B
𝑥_3𝐶=𝐷𝑎𝑟𝑖 𝑝𝑎𝑏𝑟𝑖𝑘 3 𝑘𝑒 𝑑𝑎𝑒𝑟𝑎ℎ 𝑝𝑒𝑚𝑎𝑠𝑎𝑟𝑎𝑛 C

Fungsi Tujuan
𝑢𝑚 𝑍 =32𝑥 〗_(1𝐴 )+ 〖 33𝑥 〗_1𝐵+ 〖 34𝑥 〗_1𝐶+ 〖 36𝑥 〗_2𝐴+ 〖 42𝑥 〗_2𝐵+ 〖 38𝑥 〗_2
+ 〖 34𝑥 〗_3𝐴 〖 + 37𝑥 〗_3𝐵+ 〖 40𝑥 〗_3𝐶
Kendala
Untuk meminimumkan tungsi tujuan tersebut, harus memperhatikan kendala tempat
asal (pabrik) dan kendala tempat tujuan (daerah pemasaran. Oleh karena jumlah
kapasitas pabrik sama dengan jumlah permintaan, maka semua kendala berbentuk
persamaan

3. LANGKAH-LANGKAH PENYELESAIAN TRANSPORTASI

Langkah 1
Ada 4 metode untuk membentuk tabel awal yang feasible yaitu:
1. Metode pojok kiri atas pojok kanan bawah (NW-corner)
2. Metode biaya minimum
3. Metode VAM (Vogel's approximation method

Langkah 2
Ada 2 metode yang dapat digunakan untuk menemukan label optimum, yaitu:
1. Metode batu loncatan
2. Metode MOLA (modified distribution method)

4. BENTUK UMUM TABEL TRANSPORTASI

P G G1 G2 Gj 3n ai
P1 x1 x12 x1j x1n a1
P2 x21 x22 x2j x2n a2
Pi xi1 xi2 xij xin aj
Pm xm1 xm2 xmj xmn am
b1 b2 bj bi ai = bj

5. MEMBENTUK TABEL AWAL TRANSPORTASI

1. Metode NW-corner
Pertama kita membuat tabel transportasi. Tabel awal yang dibentuk dalam langkah
pertama ini menunjukan tabel awal yang fisibel atau penyelesaian awal yang fisibel
(initial feasible solution)

Syarat yang harus dipenuhi dalam setiap tabel transportasi adalah banyaknya sel
basis harus memenuhi rumus (m+n-1), dimana (m) menunjukkan banyaknya baris
atau tempat asal dan (n) menunjukkan banyaknya kolom atau tempat tujuan

Kelemahan metode NW-corner ini adalah setiap alokasi tidak memperhatikan

besarnya biaya per unit. Kriteria yang dituntut adalah sudut kiri atas dan sudut
kanan bawah merupakan sel basis. Oleh karena tidak memperhatikan biaya per unit,
metode NW-corner kurang efisien dan merupakan metode terpanjang dalam
mencari tabel optimum

2. Metode Biaya Minimum

Membentuk tabel awal yang fisibel dengan metode biaya minimum, dilakukan
dengan aturan sebagai berikut.
a. Pilih biaya per unit terkecil dalam setiap sel
b. Memilih biaya terkecil berikutnya
c. Mencari sel biaya terkecil yang belum memiliki alokasi
d. Mencari sel yang memiliki biaya terkecil berikutnya dan belum memiliki alokasi
e. Analisa hasil

Hasil metode ini lebih kecil dibandingkan dengan metode NW-corner di atas. Oleh
karena itu, metode biaya minimum lebih efisien jika dibandingkan dengan metode
NW-corner
Hasil metode ini lebih kecil dibandingkan dengan metode NW-corner di atas. Oleh
karena itu, metode biaya minimum lebih efisien jika dibandingkan dengan metode
NW-corner

6. MENENTUKAN SOLUSI OPTIMUM TRANSPORTASI

(TABEL OPTIMUM)
Metode yang dapat digunakan untuk mencari solusi optimum adalah metode batu
loncatan dan metode MOD

1. Metode Batu Loncatan

1.1 Berdasarkan tabel awal metode NW-corner
a. Uji apakah nilai sel bukan basis ( sel yang tidak menerima alokasi) memiliki nilai
≥ 0. Pengujian ini dilakukan dengan cara membuat "close pert" atau jalur tertutup
setiap sel bukan basis
b. Tanda yang digunakan dalam membuat jalur tertutup selalu bergantian, dimulai
dari positif (+) kemudian negatif (-) sampai pada sel bukan basis semula
c. Dalam hal terdapat lebih dari satu nilai negatif terbesar, dapat dipilih salah satu
diantaranya

1.2 Berdasarkan tabel awal metode biaya minimum

Metode batu loncatan dapat pula dimulai dengan menggunakan tabel awal metode
biaya minimum. Proses pencarian solusi optimum berdasarkan tabel awal metode
biaya minimum ini sama dengan cara terdahulu. Perbedaannya hanya pada
pemakaian tabel awal.

2. Metode MODI (Modified Distribution Method)

Pengoperasian metode MODI dalam menyelesaikan masalah transportasi, prinsip
dasarnya sama dengan metode yang lain. Perbedaanya terletak pada pengujian nilai
sel bukan basis untuk menentukan apakah tabel sudah optimum. Dalam metode
batu loncatan (stapping stone method, pengujian nilai sel bukan basis dilakukan
dengan membuat jalur tertutup (closed path).

Dalam metode MODI tidak menggunakan jalur tertutup, kecuali pada saat
menentukan sel yang akan keluar basis (perpindahan tabel). Oleh karena itu metode
MODI merupakan cara yang lebih efisien di dalam menghitung nilai sel bukan basis

Langkah-langkah metode MODI adalah sebagai berikut.

1. Tentukan tabel awal yang feasible dengan menggunakan metode NW-corner atau
metode biaya minimum
2. tambahkan variabel Ri dan Kj pada setiap baris dan kolom
3. Cari nilai Ri maupun Kj untuk setiap sel basis dengan menggunakan rumus Ri +
Kj = Cij dengan memisalkan salah satu nilai Ri atau Kj sama dengan nol
4. Hitung semua nilai sel bukan basis dengan menggunakan rumus Cij - Ri - Kj
5. Tentukan sel yang akan masuk basis dengan memilih nilai sel bukan basis yang
memiliki negatif terbesar. Kemudia buatlah closed path untuk menentukan sel yang
akan keluar basis dengan memilih jumlah unit terkecil dari sel yang bertanda negatif
5. Tentukan sel yang akan masuk basis dengan memilih nilai sel bukan basis yang
memiliki negatif terbesar. Kemudia buatlah closed path untuk menentukan sel yang
akan keluar basis dengan memilih jumlah unit terkecil dari sel yang bertanda negatif
6. Tabel optimum tercapai apabila sel bukan basis semuanya memiliki nilai ≥ 0
7. Jika tabel belum optimum, ulangi kembali langkah 2 sehingga ditemukan tabel optimum

3. Metode VAM (Vogel's Approximation Method)

Metode VAM lebih sederhana penggunaannya, karena tidak memerlukan closed
path (jalur tertutup). Metode VAM dilakukan dengan cara mencari selisih biaya
terkecil dengan biaya terkecil berikutnya untuk setiap kolom maupun baris.
Kemudian pilih selisih biaya terbesar dan alokasikan produk sebanyak mungkin ke
sel yang memiliki biaya terkecil. Cara ini dilakukan secara berulang hingga semua
produk sudah dialokasikan

7. MASALAH KHUSUS DALAM TRANSPORTASI

Berikut ini adalah beberapa masalah yang mungkin saja terjadi dalam transportasi
1. Penawaran lebih besar dari permintaan
2. Permintaan lebih besar dari penawaran
3. Masalah Degeneracy
4. Maksimisasi keuntungan
5. Masalah prioritas
6. Masalah pemblokiran
7. Masalah multi commodity
8. Masalah transipmen
𝑎𝑛𝑎𝑛@𝑘𝑒𝑛𝑑𝑎𝑙𝑎@𝑑𝑢𝑎𝑙)]
〗_2𝐵+ 〖 38𝑥 〗_2𝐶