Evy Juliantini
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
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
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
0 S3 48 0 0 6 -2 1
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
0 S3 48 0 0 6 -2 1
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.: