4.

ANALISA POST OPTIMAL

Evy Juliantini

Materi Kuliah Sains Manajemen

FINKOM UNBIN BINANIAGA
Pengantar
Biasanya, setelah solusi optimal dari masalah program
linier ditemukan maka peneliti cenderung untuk
berhenti menganalisis model yang telah dibuatnya
Padahal sesungguhnya dengan menganalisis lebih jauh
atas solusi optimal akan dapat menghasilkan informasi
lain yang lebih berguna
Analisis lanjutan agar mendapat informasi yang lebih
jelas, dinamakan Analisis Post Optimal
Terdapat 2 macam Analisis Post Optimal:
 Analisis Sensitivitas,
 Analisis Dualitas.
1. Analisis Sensitivitas
Dilakukan untuk menganalisis dampak yang terjadi pada
solusi optimal terhadap perubahan yang terjadi pada
koefisien batasan maupun koefisien fungsi tujuan model

2. Analisis Dualitas
Dilakukan dengan merumuskan dan menginterpertasikan
bentuk dual dari model. Bentuk dual adalah suatu bentuk
alternatif dari model LP yang telah dibuat dan berisi
informasi mengenai nilai sumber yang biasanya berfungsi
sebagai batasan model.
Setiap model LP mempunyai 2 bentuk, yaitu primal dan
dual. Bentuk primal adalah bentuk asli, sedang bentuk dual
adalah bentuk alternatif yang dikembangkan dari bentuk
primal.
Bentuk dual berguna untuk melihat alternatif permasalah-
an dari sisi yang berbeda.
Jika dalam suatu permasalahan, bentuk primal akan meng-
hasilkan solusi dalam bentuk jumlah laba, bentuk dualnya
akan menghasilkan informasi mengenai nilai dari sumber
yang membatasi tercapainya laba tersebut.
Kegunaan utama dari model dual adalah untuk mendapat-
kan informasi tentang sumber daya yang terdapat dalam
model.
Analisis model dual diperlukan karena terkadang pengam-
bil keputusan tidak hanya menaruh perhatian pada laba/
rugi, namun juga pada penggunaan sumber daya.
Jika Fungsi tujuan primal adalah model maksimasi, yang
mempunyai bentuk pertidaksamaan dengan tanda ≤, maka
bentuk dualnya merupakan suatu model minimasasi
dengan pertidaksamaan yang mempunyai tanda ≥, dan
sebaliknya
Model program linier memiliki 2 bentuk, yaitu:
• Model primal : bentuk asli dari model program linier
• Model dual : pengembangan dari model primal
Hubungan khusus antara primal dan dual adalah
• Variabel dual Y1 , Y2 , Y3 berhubungan dengan batasan model
primal. Dimana untuk setiap batasan dalam primal terdapat
satu variabel dual. Misal, dalam 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 ≥ .
 Masalah Primal (atau dual) Masalah Dual (atau Primal)
Koefisien fungsi tujuan Nilai Kanan fungsi batasan
Maksimumkan Z (atau Y) Minimumkan Y (atau Z)
Batasan i Variabel yi (atau xi)
Bentuk ≤ yi ≥ 0
Bentuk = yi ≥ dihilangkan
Variabel xj Batasan j
xj ≥ 0 Bentuk ≥
xj ≥ 0 dihilangkan Bentuk =
Contoh 1
Model Primal
Minimumkan: Z = 5x1 + 2x2 + x3
Fungsi batasan: 1) 2x1 + 3x2 + x3 ≥ 70
2) 6x1 + 8x2 + 5x3 ≥ 30
3) 7x1 + x2 + 3x3 ≥ 40
Model Dual
Maksimumkan : Y = 70y1 + 30y2 + 40y3
Fungsi batasan: 1) 2y1 + 6y2 + 7y3 ≤ 5
2) 3y1 + 8y2 + y3 ≤ 2
3) y1 + 5y2 + 3y3 ≤ 1
Contoh 2 :
Model Primal
Maksimumkan 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 Dual
Minimumkan 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 3 :
Model Primal
Maksimumkan Z = 10 x1 + 6 x2
Fungsi batasan : x1 + 4x2 ≤ 40
3x1 + 2x2 = 60
2x1 + x2 ≥ 25
x1, x2 ≥ 0
Model Dual
Minimumkan Z = 40 y1 + 60 y2 + 25 y3
Fungsi batasan : y1 + 3 y2 + 2 y3 ≥ 10
4 y1 + 2 y2 + y3 ≥ 6
y1, y2, y3 ≥ 0
Perhatian:
• Untuk mentransformasikan model primal kedalam
bentuk dual adalah bahwa model primal harus dalam
bentuk standar. Jika 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 ≥.
untuk contoh 3
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 → -3 x1 - 2 x2 ≤ -60 →-3 x1 - 2 x2 ≤ -60
2 x1 + x2 ≥ 25 → -2 x1 - x2 ≤ - 25

Maka model Primalnya menjadi:

Model Primal
Maksimumkan Z = 10 x1 + 6 x2
Fungsi batasan : x1 + 4x2 ≤ 40
3x1 + 2x2 ≤ 60
-3x1 - 2x2 ≤ -60
-2x1 - x2 ≤ -25
x1, x2 ≥ 0
Model Dual
Minimumkan Z = 40 y1 + 60y2 - 60y3 - 25 y4
Fungsi batasan : 1 y1 + 3 y2 - 3 y3 - 2y4 ≥ 10
4 y1 + 2 y2 - 2 y3 - y4 ≥ 6
y1, y2, y3 ≥ 0
Menginterpretasi Model Primal :
Misal dipunyai solusi optimal dari model primal sbb. :

Cj Var 160 200 0 0 0

Basis Kuant X1 X2 S1 S2 S3
200 X2 8 0 1 ½ 0
160 X1 4 1 0 -½ 0
0 S3 48 0 0 6 -2 1
Zj 2240 160 200 20 0
Cj - Z j 0 0 -20 0
Diperoleh :
• Jumlah produk X1 = 4 dan Jumlah produk X2 = 8
• Sisa sumber daya 3 : S3 = 48 m2
• Baris cj – zj dibawah kolom S1 = -20, → nilai dari satu unit
sumber daya 1 adalah sebesar 20.
• Nilai baris cj – zj dibawah kolom S2 = -20/3→ nilai dari satu
unit sumber daya 2 adalah sebesar 20/3.
• Laba yang diperoleh sebesar 2240 .
• Untuk sumber daya 3 (S3) pada baris cj – zj bernilai nol,
artinya bahwa sumber daya 3 memiliki nilai marjinal nol,
yaitu kita tidak akan bersedia membayar apapun
penambahan 1 unit sumber daya 3.
Contoh 4:
Perusahaan Q membuat 2 jenis sepatu, X1 dengan sol karet
dan X2 dengan sol kulit. Dalam membuat sepatu itu ,
digunakan 3 macam mesin. Mesin 1 khusus membuat sol
dari karet, Mesin 2 khusus membuat sol dari kulit dan
mesin 3 membuat bagian atas sepatu dan melakukan
assembling bagian atas dengan sol. Sepatu X1 diproses di
mesin 1 selama 2 jam, lalu diproses di mesin 3 selama 6
jam. Sedang sepatu X2 diproses di mesin 2 selama 3 jam ,
lalu diproses di mesin 3 selama 5 jam. Jam kerja maksi-
mum : mesin 1 = 6 jam, mesin 2 = 15 jam dan mesin 3 = 30
jam. Sumbangan terhadap keuntungan untuk setiap lusin
sepatu X1 = Rp.30.000 sedangkan X2 = Rp.50.000
Masalah Primal:
Merk Q1 Q2 Kapasitas Maks
Mesin
1 2 0 6
2 0 3 15
3 6 5 30
Sumb. Laba 3 5

Tabel Primal-Dual:
Merk X1 X2 Kapasitas Maks
Mesin
Y1 2 0 ≤ 6
Y2 0 3 ≤ 15
Y3 6 5 ≤ 30
≥3 ≥5
Fungsi Primal - Dual
Tujuan: Tujuan:
Maks: Z = 3X1 + 5X2 Min : Y = 6Y1 + 15Y2 + 30Y3
Batasan :
2X1 ≤ 6 Batasan:
3X2 ≤ 15 2Y1 + 6 Y3 ≥ 3
6X1 + X2 ≤ 30 3Y2 + Y3 ≥ 5
X1, X2 ≥ 0 Y1, Y2, Y3 ≥ 0
Interpretasi Ekonomis
Fungsi Primal

Tujuan : Maks Batasan:

Z : Laba total dari seluruh aktifitas

Xj : Tingkat aktifitas ke j
Cj : Laba persatuan aktivitas ke j
bi : Jumlah sumber ke-i yang tersedia
aij : Jumlah sumber ke-i yang dipakai oleh setiap satuan satuan
akitivitas j
Dengan menggantikan Zj, metode simpleks dapat diartikan
mencari nilai Ym
Fungsi Dual

Tujuan : Maks Batasan:

Y0 : Kontribusi persatuan sumber ke-i terhadap laba

 Tujuan:
Y= 6(0) + 15(1½) + 30(½) Min : Y = 6y1 + 15y2 + 30y3
Batasan:
2∑y1 + 6∑y3 ≥ 3
Y = 37 ½
3∑y2 + ∑y3 ≥ 5
y1 , y 2 , y 3 ≥ 0

Analisis Simpleks

y1 = 0 ; y2 = 1½ ; y3 = ½
Hasil Masalah Dual
Nilai y1 = 0 ; y2 = 1½ dan y3 = ½ dapat diinterpretasikan
bahwa setiap satuan masing-masing sumber (y1 , y2 , y3 )
menyumbang Rp.0 , Rp. 1½ dan Rp. ½ terhadap laba
sebesar Rp.37 ½ perhari = 8(0) + 15(1½) + 30(½)
Dengan demikian teori dualitas sangat berguna dalam
penerapan metoda Linier Programing dengan manfaat:
1. Untuk menginterpretasikan dalam artian ekonomi
angka-angka yang terdapat dalam tabel optimal dari
masalah primal
2. Untuk memeriksa kembali apakah ada kesalahan dalam
melakukan perubahan pada setiap langkah dalam
penggunaan metoda simpleks bagi masalah primal
Analisis Sensitivitas
• 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 :
cj Var.   160 200 0 0 0

  Basis Kuantitas 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 diperli-
hatkan pada tabel simpleks optimal dengan
c1 = 160 + ∆ , sbb.:
cj Var   160 + ∆ 200 0 0 0

  Basis Kuantitas 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 + 4∆ 160 + ∆ 200 20 - ∆/2 20/3 + ∆/9 0

  cj - zj   0 0 -20 + ∆/2 -20/3 - ∆/9 0

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 + ∆, → ∆ = 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 dan 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)
Analisis Dampak Perubahan 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 Variabe   160 200 0 0 0

l
  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 160 200 20 20/3 0
  cj - zj  
+20∆ 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 substitu-
sikan 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 :

24 < 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.