Kuliah 4:

Analisa Sensitivitas

Widyono Soetjipto
Departemen Ilmu Ekonomi-FEUI
 Pengantar
• Asumsi LP adalah parameter model diketahui dengan
pasti (deterministik)

• Bagaimana bila terjadi perubahan teknologi, kendala

(RHS), dan koefisien fungsi tujuan? Mengatasi masalah
deterministik

• “What if Analysis”: mempelajari perilaku solusi dimana

nilai decision variables pada model matematika berubah
sebagai akibat perubahan parameter model.
 Pengantar
• Jenis analisa sensitivitas meliputi:
1. Perubahan koefisien fungsi tujuan
2. Perubahan koefisien teknologi
3. Perubahan nilai RHS
4. Penambahan decision variables
5. Penambahan kendala baru

• Keuntungan: analisa sensitivitas memungkinkan

menjawab berbagai perubahan-perubahan
tersebut tanpa harus memecahkan ulang
(resolve) masalah.
 Prototype Model
Sumberdaya Produk Ketersediaan
meja kursi
Jati 5 2 150
Kamper 2 3 100
HK 4 2 80
Profit 12.000 8.000

• Model matematis
Maximize  = 12 X1 + 8 X2
Subject to,
5 X1 + 2 X2  150 (kendala jati)
2 X1 + 3 X2  100 (kendala kamper)
4 X1 + 2 X2  80 (kendala HK)
dan X1, X2  0 (kendala non-negatif)
solusi X1 = 5 dan X2 = 30
 Perubahan Koefisien Fn Tujuan
X2
• Selama kemiringan fungsi tujuan
75 berada diantara fungsi HK dan
Kamper, solusi tidak berubah
•Jika kemiringan fungsi tujuan
diputar searah jarum jam dan
melampaui kemiringan HK, solusi
40 pindah ke C
•Jika kemiringan fungsi tujuan
HK diputar berlawanan arah dengan
A jam dan melampaui kemiringan
33.3 B Kamper, solusi pindah ke A

fungsi tujuan K. Kamper

O 20 30 50 X1
 Perubahan Koefisien Fn Tujuan
• Dengan pendekatan matematis,
– Slope fungsi tujuan → X2 = -1,5X1 + 37,5
– Slope kendala HK → X2 = -2X1 + 40
– Slope kendala kamper → X2 = -0,67X1 + 33,3

• Jika koefisien fungsi tujuan dinotasikan sebagai

k1 dan k2, maka (dengan mengacu pada solusi
grafis),
– Selama -2 ≤ -k1/k2 ≤ -0,67, solusi optimal tetap di B
– Jika –k1/k2 < -2, solusi optimal beralih ke C
– Jika –k1k2 > -0,67, solusi optimal beralih ke A
 Perubahan Koefisien Fn Tujuan
• Hasil analisis tsb dilaporkan oleh LINDO dalam bentuk:
RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
MEJA 12.000000 4.000000 6.666667
KURSI 8.000000 10.000000 2.000000

• Sebagai contoh untuk meja, koefisien fungsi tujuan meja

saat ini adalah 12. Koefisien itu dapat ditingkatkan dan
dikurangi maksimum masing-masing sebanyak 4 dan
6,67 tanpa merubah solusi optimal yang dihasilkan
(X1=5 dan X2=30)
 Perubahan Koefisien Fn Tujuan
• Analisa sensitivitas dapat pula diperoleh dari tabel
simplex akhir
• Contoh meja (X1):
Cj 12 8 0 0 0
Cb Basis Bi X1 X2 S1 S2 S2
0 S1 65 0 0 1 0,25 -1,375
8 X2 30 0 1 0 0,5 -0,25
12 X1 5 1 0 0 -0,25 0,375
Zj 300 12 8 0 1 2,5
Cj-Zj   0 0 0 -1 -2,5

Cj-Zj 0 0 0 -1 -2.5
X1 1 0 0 -0.25 0.375
Z/X1 - - - 4.00 -6,67
 Perubahan Nilai RHS
• Perubahan nilai RHS akan menggeser fungsi
kendala sejajar dengan kondisi awalnya
• Perubahan nilai RHS tersebut dapat
mengakibatkan atau tidak mengakibatkan
perubahan pada solusi optimal
• Contoh:
1. Perubahan RHS kendala 3 menjadi 100→ tidak
signifikan→solusi tidak berubah
2. Perubahan RHS kendala 3 menjadi
60→signifikan→solusi berubah
 Perubahan Nilai RHS
• Hasil analisis tsb dilaporkan oleh LINDO dalam bentuk:

RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
JATI 150.000000 INFINITY 65.000000
MERANTI 100.000000 20.000000 60.000000
TENAGA 80.000000 47.272728 13.333333

• Sebagai contoh untuk tenaga: RHS tenaga saat ini

adalah 80. Nilai RHS itu dapat ditingkatkan sebanyak
47,27 (menjadi 127,27) atau dikurangi sebanyak 13,33
(menjadi 66,7) tanpa merubah solusi optimal
dual/shadow price yang dihasilkan
 Perubahan Nilai RHS
• Analisa perubahan RHS dapat pula diperoleh dari tabel
simplex akhir
• Contoh kendala HK :
Cj 12 8 0 0 0
Cb Basis Bi X1 X2 S1 S2 S2
0 S1 65 0 0 1 0,25 -1,375
8 X2 30 0 1 0 0,5 -0,25
12 X1 5 1 0 0 -0,25 0,375
Zj 300 12 8 0 1 2,5
Cj-Zj   0 0 0 -1 -2,5

Basis s3 Solusi Solusi/s3 Allowable increase

S1 -1.375 65 -47.27
X2 -0.250 30 -120 Allowable decrease
X1 0.375 5 13.33
 Perubahan Koefisien Teknologi
• Perubahan koefisien teknologi akan memutar kendala
yang relevan. Perputaran tersebut (umumnya) akan
merubah bentuk feasible region, yang berdampak pada
letak solusi optimal
• Contoh kendala HK berubah menjadi,
2X1 + 2X2 ≤ 80
(lihat solusi grafis)
• Resolve dengan software, spt LINDO
 Perubahan Koefisien Teknologi
X2

75

40 Solusi awal

HK Solusi baru
A
33.3 B

Fungsi tujuan K. Kamper

O 20 40 50 X1
 Penambahan Kendala Baru
• Misalkan ditambah kendala baru (paku)
berupa,
2X1 + 2X2 ≤ 100
• Uji apakah nilai-nilai decision variables solusi
optimum awal juga memenuhi kendala baru
ini, jika
1. Dipenuhi, maka solusi optimal awal tidak berubah
2. Tidak dipenuhi, resolve model tsb dg software (spt
LINDO)
 Penambahan Decision Variables Baru

• Misalkan lemari (X3) akan diproduksi disamping meja

(X1) dan kursi (X2)
• Diketahui bahwa untuk memproduksi sebuah lemari (X3)
dibutuhkan 2,5m jati, 1,5m kamper dan 2,5 hk. Dan
kontribusi terhadap fungsi tujuan sebesar Rp. 7000/unit
• Apakah lemari akan diproduksi?
• Gunakan analisis shadow price atau resolve dengan
LINDO
 Penambahan Decision Variables Baru
• Jawaban tergantung dari bagaimana ia harus berkompetisi dengan
meja dan kursi dalam penggunaan sumber daya (jati, kamper dan
hk)

• Analisa dengan shadow price:

2,5m jati @ Rp 0 = Rp 0,00
1,5m kamper @ Rp 1 = 1,50
2,5hk @ Rp 2,5 = 6,25
--------------- +
Total biaya resource = Rp 7,75
Profit = Rp 7,00
---------------- -
Nett loss = Rp 0, 75
Keputusan → lemari tidak diproduksi