PROGRAM LINIER :

ANALISIS
SENSITIVITAS & DUALITAS

Muhammad Rafi Rasyiq

Abudin Javier N
Analisis Dualitas
 Dilakukan dengan merumuskan dan menginterpretasikan bentuk
dual dari model.
 Bentuk dual adalah suatu bentuk alternatif dari model program
linier yang telah dibuat dan berisi informasi mengenai nilai-nilai
sumber yang biasanya membentuk sebagai batasan model
Analisis Sensitivitas

 Dilakukan untuk menganalisis dampak yang terjadi pada solusi

optimal terhadap perubahan-perubahan yang terjadi pada
koefisien-koefisien batasan model maupun koefisien pada fungsi
tujuan
Model program linier memiliki 2 bentuk,
yaitu:

 Model primal
adalah bentuk asli dari suatu model program linier
 Model dual
adalah bentuk alternatif yang dikembangkan dari model primal
Kegunaan bagi pengambil keputusan
adalah:

 Model Primal akan menghasilkan solusi dalam bentuk jumlah laba

yang diperoleh dari memproduksi barang ataupun biaya yang
dibutuhkan untuk memproduksi barang.
 Model Dual akan menghasilkan informasi mengenai nilai (harga)
dari sumber-sumber yang membatasi tercapainya laba tersebut.
Hubungan khusus antara primal dan
dual adalah :
 Variabel dual Y1 , Y2 , Y3 berhubungan dengan batasan
model primal. Dimana untuk setia batasan dalam primal
terdapat satu variabel dual. Misal, dalam kasus di atas
model primal mempunyai 3 batasan, maka dualnya akan
mempunyai 3 variabel keputusan.
 Nilai kuantitas pada sisi kanan pertidaksamaan pada
model primal merupakan koefisien fungsi tujuan dual.
 Koefisien batasan model primal merupakan koefisien
variabel keputusan dual.
 Koefisien fungsi tujuan primal, merupakan nilai kuantitas
pada sisi kanan pertidaksamaan pada model dual.
 Pada bentuk standar, model maksimisasi primal memiliki
batasan-batasan <, sedangkan model minimisasi dual
memiliki batasan-batasan >.
Contoh 1 :
 Model Primal
Fungsi tujuan : Maks Z = 160 X1 + 200 X2
Fungsi batasan :
2 X1 + 4 X2 < 40
18 X1 + 18 X2 < 216
24 X1 + 12 X2 < 240
X1 , X2 > 0
 Model Dualnya adalah:

Fungsi tujuan :
Min Z = 40 Y1 + 216 Y2 + 240 Y3
Fungsi batasan :
2 Y1 + 18 Y2 + 24 Y3 > 160
4 Y1 + 18 Y2 + 12 Y3 > 200
Y1 , Y2 , Y3 > 0
Contoh 2 :
 Model Primal
Fungsi tujuan : Min Z = 6 X1 + 3 X2
Fungsi batasan :
2 X1 + 4 X2 > 16
4 X1 + 3 X2 > 24
X1 , X2 > 0
 Model Dualnya adalah:
Fungsi tujuan : Maks Z = 16 Y1 + 24 Y2
Fungsi batasan :
2 Y1 + 4 Y2 < 6
4 Y1 + 3 Y2 < 3
Y1 , Y2 > 0
Contoh 3 :
 Model Primal
Fungsi tujuan : Maks Z = 10 X1 + 6 X2
Fungsi batasan :
X1 + 4 X2 < 40
3 X1 + 2 X2 = 60
2 X1 + X2 > 25
X1 , X2 > 0
Perhatian:

 Untuk mentransformasikan model primal kedalam bentuk dual

adalah bahwa model primal harus dalam bentuk standar.
Sehingga, bila model primal belum dalam bentuk standar harus
dirubah dulu menjadi bentuk standar.
 Untuk masalah maksimisasi, bentuk standarnya adalah fungsi
batasan mempunyai tanda <.
 Untuk masalah minimisasi, bentuk standarnya adalah fungsi
batasan mempunyai tanda >.
Jadi untuk contoh 3, diperoleh fungsi batasan sbb.:
X1 + 4 X2 < 40  X1 + 4 X2 < 40
3 X1 + 2 X2 = 60  3 X1 + 2 X2 < 60
3 X1 + 2 X2 > 60  (-1) (3 X1 + 2 X2 > 60)
- 3 X1 - 2 X2 < - 60
2 X1 + X2 > 25  (-1) (2 X1 + X2 > 25)
- 2 X1 - X2 < - 25
Sehingga model primal menjadi :

Fungsi tujuan : Maks Z = 10 X1 + 6 X2

Fungsi batasan :
X1 + 4 X2 < 40
3 X1 + 2 X2 < 60
- 3 X1 - 2 X2 < - 60
- 2 X1 - X2 < - 25
X1 , X2 > 0
Dari model primal yang sudah dalam bentuk standar, maka model
dual dapat diformulasikan sebagai berikut :

Fungsi tujuan :
Min Z = 40 Y1 + 60 Y2 - 60 Y3 - 25 Y4
Fungsi batasan :
Y1 + 3 Y2 - 3 Y3 - 2 Y4 > 10
4 Y1 + 2 Y2 - 2 Y3 - Y4 > 6
Y1 , Y2 , Y3 , Y4 > 0
 Pada masalah program linier, diasumsikan bahwa parameter-
parameter dari model diketahui dengan tepat dan pasti.
 Dalam kenyataannya hal ini jarang sekali terjadi, sehingga para
manajer perlu untuk mengetahui dampak yang terjadi pada
solusi model apabila parameter-parameter model berubah.
 Analisis terhadap perubahan parameter dan dampaknya
terhadap solusi optimal model disebut Analisis Sensitivitas
Analisis Dari Dampak Perubahan
Koefisien Fungsi Tujuan
Dipunyai formulasi model program linier :

 Fungsi tujuan :
Maks Z = 160 X1 + 200 X2
 Fungsi batasan :
 2 X1 + 4 X2 < 40 jam tenaga kerja
 18 X1 + 18 X2 < 216 pon kayu
 24 X1 + 12 X2 < 240 m2 tempat penyimpanan
 X1 , X2 > 0
Dimana
X1 = jumlah meja yang diproduksi,
X2 = jumlah kursi yang diproduksi
 Tabel simpleks optimalnya adalah :

cj Var. 160 200 0 0 0

Basis Kuant. X1 X2 S1 S2 S3
200 X2 8 0 1 ½ -1/18 0
160 X1 4 1 0 -1/2 1/9 0
0 S3 48 0 0 6 -2 1
zj 2240 160 200 20 20/3 0
cj - zj 0 0 -20 -20/3 0
 Bila koefisien fungsi tujuan diberi notasi cj, maka
untuk masalah ini diketahui bahwa
c1 = laba yang diperoleh dari meja = $160
c2 = laba yang diperoleh dari kursi = $ 200
 Seandainya, nilai c1 dari 160 dirubah, maka
dapat dituliskan bahwa c1 = 160 + ∆.
 Analisis sensitivitas berusaha menentukan
seberapa jauh (range) perubahan pada cj
dapat dilakukan tanpa harus mengubah solusi
optimal
Dampak perubahan ini pada solusi model dapat
diperlihatkan pada tabel simpleks optimal dengan
c1 = 160 + ∆ , sbb.:

cj Variabe 160 + 200 0 0 0

l ∆
Basis Kuantita X1 X2 S1 S2 S3
s
200 X2 8 0 1 ½ -1/18 0

160 + X1 4 1 0 -1/2 1/9 0

∆
0 S3 48 0 0 6 -2 1

zj 2240 + 160 + 200 20 - ∆/2 20/3 + ∆/9 0

4∆ ∆
cj - zj 0 0 -20 + -20/3 - ∆/9 0
∆/2
Solusi pada tabel diatas akan tetap optimal bila nilai cj – zj tetap
negatif, sehingga supaya solusi tetap optimal berlaku :

-20 + ∆/2 < 0 -20/3 - ∆/9 < 0

∆/2 < 20 - ∆/9 < 20/3
∆ < 40 -∆ < 60
∆ > -60
Diketahui bahwa c1 = 160 + ∆, sehingga ∆ = c1
– 160. Dengan mensubstitusikan nilai c1 – 160
pada ∆, diperoleh :
∆ < 40 ∆ > -60
c1 – 160 < 40 c1 – 160 > -60
c1 < 200 c1 > 100

Kesimpulan yang dapat diambil untuk nilai

range c1 agar solusi optimal tetap dapat
dipertahankan (meskipun nilai fungsi tujuan
berubah) adalah :
100 < c1 < 200
Dengan cara yang sama, maka diperoleh nilai
range untuk c2 agar solusi optimal tetap dapat
dipertahankan adalah :
160 < c2 < 320
Jadi,
range untuk fungsi tujuan untuk masalah ini adalah :
100 < c1 < 200
160 < c2 < 320

Catatan :
Range ini hanya menunjukkan perubahan yang
memungkinkan pada nilai c1 saja, atau c2 saja, dan
bukan perubahan pada keduanya secara bersama-
sama (sifat Additivity)