Dualitas dan Sensitivitas

dalam model Linear Programming

Anggota Kelompok :
Taufik Hidayat 1710511014
Siti Antania Syifa 1710511017
Ballya Vicky P 1710511045
Yum Thurfah Afifa R 1710511046
Pratama Haryandi 1710511049
Ardiyan Agusta 1710511050
M Riduwan Purnaminyan 1710511052
M Alif Raihan 1710511053
Raihan Adyatama 1710511074
Dualitas
Latar Belakang
 Setiap permasalahan program linear mempunyai problem yang kedua
dan berhubungan denganya.
 Satu problem disebut sebagai ‘primal’ dan yang lainnya disebut ‘dual’
 Kedua problem sangat dekat berhubungan, sehingga solusi optimal
disatu problem menghasilkan informasi yang lengjap untuk solusi
optimal yang lainnya.
Konsep Dualitas
a. Setiap model linear programing mempunyai model linear programming yang
berkaitan, yang disebut dengan model “dual”.
b. Jika model primal berupa persoalan maksimisasi, maka model dual berupa
model minimisasi atau sebaliknya.
c. Pembentukan model dual didasarkan pada variabel, koefisien, sumber daya,
dan data yang sama pada model primal.
d. Oleh karena itu, solusi dari model primal, juga memberikan solusi pada model
dualnya dengan nilai fungsi tujuan yang sama.
Definisi Dari Dual Problem
• Problem bila dalam bentuk kanonik
Dual
Pertimbangan bentuk kanonik dari LP:
Maksimasi :

Pembatas : i = 1,2,……., m
j = 1,2,…….., m
 • Permasalahnya mengacu sebagai ‘Primal’, hubungan dalam dualnya adalah sebagai
Jika
berikut :
Minimasi :

Pembatas : i = 1,2,……., m
j = 1,2,…….., m

y1, y2, …., ym : merupakan variabel dual

 Problem Dual Primal Dalam
Bentuk Standard
Maksimasi

Primal Problem
Pembatas
i= 1,2, … , m
j= 1,2, … , n

Maksimasi

j= 1,2, … , n
Dual Problem

Pembatas
 Problem Dual Primal Dalam
Bentuk Standard
Maksimasi

Primal Problem
Pembatas
i= 1,2, … , m

Maksimasi

j= 1,2, … , n
Dual Problem

Pembatas
0
Membentuk Dual Problem dari
Primal Problem atau sebaliknya
Langkahnya sebagai berikut :
1. Tiap batasan di suatu problem berhubungan dengan variabel pada
variabel lainnya.
2. Elemen pada RHS pembatas pada suatu problem sama dengan
koefisien fungsi obyektif yang sesuai pada problem lainnya.
3. Satu problem mempunyai tujuan maksimasi lainnya minimasi.
4. Problem maksimasi mempunyai oembatas (≤) dan minimasi
mempunyai pembatas (≥).
5. Variabel untuk kedua problem adalah non-negatif.
Contoh
•
Maksimasi : Primal
Pembatas :
Problem
5

Minimasi :
Pembatas :
Dual
9 Problem
Perubahan Dari Primal ke Dual
Primal Dual
≤ ≥
≥ ≤
Pembatas ke I = Variabel ke I tanda tak terbatas
Pembatas ke I = Variabel ke I tanda tak terbatas
Variabel ke j tanda tak terbatas Pembatas ke j =
Variabel ke j tanda tak terbatas Pembatas ke j =
pada kendala primal mencerminkan alokasi sumberdaya. pada fungsi tujuan dual mencerminkan konsumsi sumberdaya.
• •
W = Total biaya konsumsi sumberdaya
= biaya konsumsi sumberdaya i
Penyelesaian Dual Simplex
Metode simpleks yang biasa, memberikan hasil didasarkan pada koncisi
optimalitas dan layak(Feasibility), sebagai berikut :
• Kondisi layak : ‘Leaving Variabel’ adalah variabel basis yang mempunyai
nilai RHS paling negatif.
• Kondisi Optimalitas : “Entering Variabel’ dipilih diangtara non-variabel
basis dengan cara :
Rasio dari koefisien fungsi obyektif dengan koefisien pembatas yang
terpilih sebagai leaving var.
‘Entering Var’ adalah salah satu yang mempunyai rasio terkecil untuk
problem minimasi, atau nilai terkecil absolut untuk problem maksimasi.
Penyelesaian Dual Simplex
•
Maksimasi : Maksimasi :
Pembatas : Pembatas :
4 -4

Dengan mengubah fungsi obyektif maksimasi menjadi

Minimasi dan fungsi pembatasanya menjadi bertanda ≥,
kemudian dibentuk tabel simpleksnya adalah sbb:
 •
Merubah fungsi pembatas dari ketidaksamaan kedalam bentuk persamaan
.

Maksimasi : Z
Pembatas :
-4
War Koefisien Dari RHS Ratio
Basis
X1 X2 S1 S2 S3
2 1 0 0 0

S1 0 -3 -3 -1 1 0 0
X2 1 6 -3 -3 0 1 0
S3 0 3 -3 2 0 0 0 Leaving Variabel

0 -2 -1 0 0 0

Menentukan
Rasio
 Dengan Memilih Nilai Rasio
Variabel

-2 -1 0 0 0

-4 -3 0 1 0 (Leaving Var)

Rasio 1/2 1?3

X2 terpilih sebagai entering variabel karena merupakan nilai terkecil (Minimal Problem)
War Koefisien Dari RHS Ratio
Basis
X1 X2 S1 S2 S3
2 1 0 0 0

S1 0 -1 -5/3 -1 1 -1/3 0
X2 1 2 -4/3 1 0 -1/3 0 Leaving Variabel

S3 0 3 -5/3 2 0 2/3 0
0 -2/3 -1 0 -1/3 0

Hasil Optimal tapi belum feasibel maka dengan cara yang sama seperti
iterasi sebelumnya dilakukan perhitungan untuk mendapatkan hasil yang
optimal dan feasibel
War Koefisien Dari RHS Ratio
Basis
X1 X2 S1 S2 S3
-2 -1 0 0 0

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

X2 1 6/5 0 1 4/5 -3/5 0
S3 0 3 0 0 -1 1 1
12/5 0 0 -2/5 -1/5 0

Nilai Optimal dan feasible untuk permasalahan ini adalah :

Maks
Sensitivitas
Analisis Sensitivitas
Pada prinsipnya terdapat beberapa perubahan yang mungkin terjadi, yang dapat
dijawab melalui analisis sensitivitas, yaitu :
a) Perubahan pada koefisien fungsi tujuan, baik pada koefisien dasar atau bukan
dasar, dan pengaruhnya terhadap variabel dual.
b) Perubahan pada kendala, baik pada kapasitas atau koefisien.
c) Penambahan variabel keputusan baru.
d) Penambahan kendala/batasan baru.
Contoh:
Analisis Sensitivitas Untuk Mengisi Tabel Optimum

• Maksimumkan Z = 800 A + 400 B + 600 C

• Kendala :
• 2 A + 2 B + C ≤ 250
• 5 A + 4 B + 3 C ≤ 350
• 6 B + 5 C ≤ 500
• A, B, C ≥ 0 dan bulat
Contoh:
Analisis Sensitivitas Untuk Mengisi Tabel Optimum
• 2A + 2B + C + S1 = 250
• 5A + 4B + 3C + S2 = 350
• 6B + 5C + S3 = 500
• A, B, C, S1, S2, S3 ≥ 0

Tabel Simpleks:
Contoh:
Analisis Sensitivitas Untuk Mengisi Tabel
Optimum
Tabel Simpleks:
• Kita dapat mengisi kolom A, B, C dengan cara mengalikan matriks kunci
dengan kendala variabel A, B, C.
• Untuk mengisi kolom solusi dapat dilakukan dengan mengalikan matriks
kunci dengan pembatas.
• Untuk mengisi nilai variabel dual (variabel pada baris Z kolom S1, S2,
dan S3), dapat dihitung dengan mengalikan vektor baris dari variabel
basis dengan matriks kunci :
• Setelah itu angka-angka tersebut dimasukkan ke dalam tabel simpleks,
sehingga didapatkan :
• Untuk menghitung sisanya, dapat dihitung dengan menggunakan
perkalian dan penjumlahan biasa berdasarkan fungsi tujuannya.

• Diketahui: Fungsi tujuan: Maksimumkan Z = 800A + 400B + 600C

• Untuk mengisi kolom solusi Z dapat dihitung dengan memasukkan
solusi yang ada dimana A = 10, dan C = 100, sedangkan B = 0 karena
tidak digunakan.
Z = 800 (10) + 400 (0) + 600 (100)
Z = 68000
• Untuk mencari nilai Z kolom A,B,C, dapat dicari dengan rumus :
Cj - Zj,
• Jadi, Cj - Zj dicari dengan mengalikan variabel basis dengan
angka-angka yang terdapat pada kolom A, B, dan C. Setelah itu
baru dikurangi dengan konstanta pada fungsi tujuan Z sesuai
dengan konstanta variabel masing-masing.

• Sehingga didapatkan :
A = ( 0 x 0 + 800 x 1 + 600 x 0 ) - 800 = 0
B = ( 0 x 0,64 + 800 x 0,08 + 600 x 1,2 ) - 400 = 384
C = ( 0 x 0 + 800 x 0 + 600 x 1 ) - 800 = 0
• Jadi didapatkan tabel simpleks lengkapnya seperti berikut: