Analisis Port

Optimality
Kelompok 5 :
M. Hasan Bisri 185020201111050
M. Irsyad G. B. 185020201111049
Andika Mehaga 185020200111066
Problem Dual
Istilah dualitas menunjuk pada kenyataan bahwa setiap LP terdiri dari dua
bentuk. Bentuk pertama(asli) dinamakan primal, sedangkan bentuk yang kedua
dinamakan dual. sehingga suatu solusi terhadap LP yang asli juga memberikan
solusi pada bentuk dualnya. Jadi, jika suatu LP diselesaikan dengan metode
simpleks, sesungguhnya diperoleh penyelesaian untuk dua masalah LP.
 Bentuk Primal Bentuk Dual

Memaksimumkan fungsi tujuan Meminimumkan fungsi tujuan, dan

sebaliknya

Koefisien fungsi tujuan Nilai Sebelah Kanan (NSK) fungsi kendala

NSK fungsi kendala primal-primal Koefisien fungsi tujuan

Koefisien peubah ke-j Koefisien kendala ke-j

Koefisien kendala ke-i Koefisien peubah ke-i

Peubah ke-j yang positif Kendala ke-j dengan tanda ketidaksamaan

“lebih besar daripada atau sama dengan”

Peubah ke-j tandanya tidak dibatasi Kendala ke-j yang bertanda sama dengan

Kendala ke-i yang bertanda sama dengan Peubah ke-i tandanya tidak dibatasi

Kendala ke-i yang bertanda ketidaksamaan Peubah ke-i yang positif

Bila masalah primal dibandingkan dengan masalah dual, terlihat beberapa hubungan
seperti berikut:

1. Jika bentuk primal adalah maksimisasi,bentuk dualnya adalah minimasi

2. Koesfien-koefisien fungsi tujuan bentuk dual menjadi koefisien pada sisi
sebelah kanan bentuk primal. Koefisien sebelah kanan bentuk dual menjadi
koefisien-koefisien fungsi tujuan bentuk primal
3. Koefisien-koefisien dalam kolom bentuk primal adalah sama dengan koefisien-
koefisien dalam baris bentuk dual
4. Jumlah variabel dalam bentuk dual adalah sama dengan jumlah kendala bentuk
primal. Jumlah kendala bentuk dual adalah sama dengan jumlah variabel dalam
bentuk primal
5. Jika tanda fungsi kendala yang ke-I dari bentuk primal adalah persamaan maka
tanda variabel yang ke-I bentuk dual adalah tidak berkendala (unconstrained)
6. Jika bentuk primal adalah maksimisasi (minimisasi), maka kecuali dinyatakaan
pada poin 6, tanda untuk variabel-variabel bentuk dual akan berlainan (sama)
dengan tanda kendala bentuk primal
Contoh Soal

Perusahaan sepatu “IDEAL” membuat 2 macam sepatu. Yang pertama adalah sepatu dengan sol karet
(X1), dan yang kedua adalah sepatu dengan sol dari kulit (X2). Untuk memproduksi kedua macam
sepatu tersebut perusahaan menggunakan 3 jenis mesin. Mesin 1 = khusus untuk membuat sepatu
karet, dengan kapasitas max = 8 jam. Mesin 2 = khusus untuk membuat sepatu dari kulit, dengan
kapasitas max = 15 jam. Mesin 3 = khusus untuk assemblim kedua macam sepatu tersebut, dengan
kapasitas max = 30 jam.

Ø Setiap lusin X1 mula-mula dikerjakan di mesin 1 selama 2 jam dan selanjutnya menuju mesin 3
selama 6 jam. Sedangkan X2 dikerjakan oleh mesin 2 selama 3 jam dan langsung ke mesin 3 selama 5
jam.
Ø Sumbangan terhadap laba untuk setiap sepatu X1 = Rp. 30.000 sedangkan sepatu X2 = Rp. 50.000.
Ø Untuk mendapatkan hasil yang optimal, berapakah sepatu X1 dan X2 yang harus diproduksi?
Langkah pertama kita buat tabel dari soal diatas agar lebih mudah penyelesaiannya, lihat tabel
dibawah ini

Variabel X1 X2 Kapasitas Maksimum

Mesin

Y1 2 0 ≤8

Y2 0 3 ≤ 15

Y3 6 5 ≤ 30

Laba dalam Rp. ≥3 ≥5

10.000
§ Kemudian kita buat perumusan fungsi maksimum dan minimum beserta batasan-
batasannya, perhatikan perumusan dibawah ini :

Maksimumkan : Z = 3X1 + 5X2 Minimumkan : Y0 = 8Y1 + 15Y2 + 30Y3

Batasan-Batasan : Batasan-Batasan :
2X1 ≤ 8 2Y1 + 6Y3 ≥ 3
3X2 ≤ 15 3Y2 + 6\5Y3 ≥ 5
6X1 + 5X2 ≤ 30 Y 1 , Y2 , Y3 ≥ 0
X1 , X2 ≥ 0
Selanjutnya kita buat perumusan fungsi kendala dari fungsi maksimum :

2X1 ≤ 8 2X1 + X3 = 8
3X2 ≤ 15 3X2 + X4 = 15
6X1 + 5X2 ≤ 30 6X1 + 5X2 + X5 = 30
Kemudian kita rubah fungsi Z menjadi fungsi tujuan maks, lihat perumusan dibawah ini :

Fungsi Z = 3X1 + 5X2

Fungsi tujuan maks : Z – 3X1 – 5X2
Kemudian kita merubah nilai baris kunci(pivot) S2
0/3 = 0 , 3/3 = 1 , 0/3 = 0 , 1/3 , 0/3 = 0 , 15/3 = 5
Lalu kita hitung baris ke 1 (Z) :
–3 –5 0 0 0 0
0 1 0 1/3 0 5
(–5) ------------------------------------------------------ –
–3 0 0 5/3 0 25
Selanjutnya kita hitung baris ke 2 (S1) :
2 0 1 0 0 8
0 1 0 1/3 0 5
(0) ------------------------------------------------------ –
2 0 1 0 0 8
Kemudian kita hitung baris ke 4 (S3) :
6 5 0 0 1 30
0 1 0 1/3 0 5
(5) ------------------------------------------------------- –
6 0 0 –5/3 1 5
Kemudian kita merubah nilai baris kunci(pivot) S3
6/6 = 1 , 0/6 = 0 , 0/6 = 0 , –5/3 / 6 = –5/18 , 1/6 , 5/6
§ Lalu kita hitung baris ke 1 (Z) :
–3 0 0 5/3 0
§ Kemudian kita hitung baris ke 3 (X2) :
25
0 1 0 1/3 0
1 0 0 –
5
5/18 1/6 5/6
1 0 0 –5/18 1/6
(–3) --------------------------------------------------------- –
5/6
0 0 0 5/6 1/2 27 1/2
(0) --------------------------------------------------------- –
0 1 0 1/3 0
§ Selanjutnya kita hitung baris ke 2 (S1) :
5
2 0 1 0
0 8
1 0 0 –5/18 1/6

5/6

(2) --------------------------------------------------------- –
0 0 1 5/9 –1/3
6 1/3
 Setelah itu kita masukkan hasil perhitungan diatas kedalam tabel simpleks, lihat tabel dibawah ini :

Variabel Z X1 X2 S1 S2 S3 NK
Dasar

Z 1 0 0 0 5/6 1/2 27 1/2

S1 0 0 0 1 5/9 –1/3 6 1/3

X2 0 0 1 0 1/3 0 5

X1 0 1 0 0 –5/18 1/6 5/6

Kesimpulan :
Dari hasil tabel diatas sudah dinyatakan optimal karena nilai pada kolom X1 dan X2
sudah bernilai positif (+). Oleh karena itu kita bisa lanjutkan ke proses dualitas
dengan cara dibawah ini :
§ Pertama kita masukkan nilai solusi optimal simpleksnya :
Ø X1 = 5/6
Ø X2 = 5
Ø Laba = 27 1/2

§ Kemudian dengan cara yang sama, masukkan solusi optimal masalah dualnya :
Ø Y1 = 0
Ø Y2 = 5/6
Ø Y3 = 1/2
§ Terakhir kita masukkan perumusan Fungsi Tujuan Dual :
Minimalkan Y = 8Y1 + 15Y2 + 30Y3
= 8(0) + 15(5/6) + 30(1/2)
= 27 1/2 → “nilai ini sama dengan yang dihasilkan dari fungsi tujuan
primal / simpleks sebelumnya”.
Tujuan melakukan analisis sensitivitas dalam pengambilan
keputusan

Untuk mengetahui dampak yang terjadi terhadapa solusi optimal apabila terjadi
perubahan-perubahan parameter.
Analisis Sensitivitas

Analisis yang dilakukan untuk mengetahui

akibat/pengaruh dari perubahan yang terjadi pada
parameter-parameter Linier Programming terhadap
solusi optimal yang telah dicapai. Analisis ini sering
juga disebut sebagai analisis post –optimality.

Melalui analisis sensitivitas dapat di evaluasi

pengaruh perubahan-perubahan parameter dengan
sedikit tambahan perhitungan berdaasrkan tabel
simpleks optimum.
Pada prinsipnya terdapat beberapa perubahan yang mungkin terjadi yang
dapat dijawab melaui analisis sensitivitas, yaitu :

1. Perubahan pada koefisien fungsi tujuan, baik pada koefisien dasar atau
bukan dasar dan pengaruhnya terhadap variabel dual.
2. Perubahan pada kendala, baik pada kapasitas atau koefisien.
3. Penambahan variabel keputusan baru.
4. Penambahan kendala/batasan baru.
 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 simpeks optimal :

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 + 0

4∆ ∆/9
cj - zj 0 0 -20 + -20/3 - 0
∆/2 ∆/9
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
 Analisis Dari Dampak Perubahan Pada Nilai Kuantitas
Batasan :

Dari contoh yang sama, diperoleh:

nilai kuantitas batasan pada masalah tersebut, dituliskan dengan notasi q1 = 40, q2 = 216, dan q3 = 240.
Misal kita ingin menentukan perubahan seberapa jauh range qi agar solusi tetap dalam daerah yang feasible .

Misal akan ditentukan range untuk q1 agar solusi tetap dalam daerah yang feasible, maka batasan model untuk
masalah diatas menjadi :

2 X1 + 4 X2 < 40 + ∆ jam tenaga kerja

18 X1 + 18 X2 < 216 pon kayu
24 X1 + 12 X2 < 240 m2 tempat penyimpanan
 Tabel simpleks optimalnya adalah sbb :

cj Variabel 160 200 0 0 0

Basis Kuantitas X1 X2 S1 S2 S3

200 X2 8 + ∆/2 0 1 ½ -1/18 0

160 X1 4 - ∆/2 1 0 -1/2 1/9 0

0 S3 48 + 6∆ 0 0 6 -2 1

zj 2240 +20∆ 160 200 20 20/3 0

cj - zj 0 0 -20 -20/3 0
Perlu diingat bahwa salah satu persyaratan metode simpleks adalah
nilai kuantitas tidak boleh negatif. Jika salah satu nilai qi menjadi
negatif, maka solusi menjadi tidak feasible lagi.
Sehingga pertidaksamaan-pertidaksamaan diatas berlaku:
8 + ∆/2 > 0 4 - ∆/2 > 0 48 + 6∆ > 0
∆/2 > -8 - ∆/2 > -4 6∆ > -48
∆ > -16 - ∆ > -8 ∆ > -8
∆<8
Karena q1 = 40 + ∆ , maka ∆ = q1 – 40. Nilai ini disubstitusikan ke dalam pertidaksamaan-
pertidaksamaan di atas menjadi :

∆ > -16 ∆<8 ∆ > -8

q1 – 40 > -16 q1 – 40 < 8 q1 – 40 > -8

q1 > 24 q1 < 48 q1 > 32

Kesimpulan dari pertidaksamaan-pertidaksamaan ini adalah :

24 < 32 < q1 < 48

Nilai 24 dapat dihilangkan karena q1 harus lebih besar dari 32, jadi diperoleh hasil
range q1 adalah: 32 < q1 < 48

Selama q1 berada pada range ini, maka solusi tetap dalam daerah yang feasible
(meskipun nilai kuantitas dari variabel tersebut mungkin saja berubah).

Dengan cara yang sama, diperoleh hasil range q2 adalah :

180 < q2 < 240

Sedangkan untuk q3, tidak perlu dihitung seperti diatas karena dari tabel simpleks
optimal terlihat bahwa sumber daya ke-3 masih tersisa 48 m2 tempat penyimpanan.
TERIMA KASIH