ANALISA SENSITIVITAS

DAN DUALITAS
OLEH : DR. IR. MARYADI, M.Si.
ASSALAMUALAIKUM WR. WB.
Pengantar
 Biasanya, setelah solusi optimal dari
masalah program linier ditemukan maka
peneliti cenderung untuk berhenti
menganalisis model yang telah dibuat.
 Padahal sesungguhnya dengan

menganalisis lebih jauh atas solusi

optimal akan dapat menghasilkan
informasi lain yang berguna
 Analisis yang dilakukan terhadap solusi
optimal untuk mendapatkan informasi
tambahan yang berguna tersebut
dikenal dengan analisis post-optimal
 Analisis ini dapat dilakukan dengan 2

cara, yaitu:
◦ Analisis Sensitivitas
◦ Analisis Dualitas
Analisis Sensitivitas

 Dilakukan untuk menganalisis dampak

yang terjadi pada solusi optimal terhadap
perubahan-perubahan yang terjadi pada
koefisien-koefisien batasan model
maupun koefisien pada fungsi tujuan
Analisis Dualitas
 Dilakukan dengan merumuskan dan
menginterpretasikan bentuk dual dari
model.
 Bentuk dual adalah suatu bentuk alternatif

dari model program linier yang telah

dibuat dan berisi informasi mengenai
nilai-nilai sumber yang biasanya
membentuk sebagai batasan model
Analisis Sensitivitas
Analisis sensitivitas menjelaskan sampai sejauh
mana parameter-parameter model
pemrograman linear, yaitu koefisien fungsi
tujuan dan nilai ruas kanan kendala, boleh
berubah tanpa harus mempengaruhi jawaban
optimal atau penyelesaian optimal.

Penyelesaian Optimal menghasilkan informasi :

1. Nilai Variabel Keputusan Optimal
2. Nilai Fungsi Tujuan Ekstrem
3. Nilai Slack/Surplus Variable
4. Nilai Dual Price/Shadow Price
Analisa Sensitivitas

• Bagaimana pengaruh perubahan data terhadap

solusi optimum
• Memberikan jawaban atas : “sampai seberapa
jauh perubahan dibenarkan tanpa mengubah
solusi optimum, atau tanpa menghitung solusi
optimum dari awal
Ada tiga pertanyaan yang ingin dijawab
dalam analisa sensitivitas
1. Kendala mana yang dapat dilonggarkan (dinaikkan) dan seberapa besar
kelonggaran (kenaikan) dapat dibenarkan, sehingga menaikkan nilai Z tetapi
tanpa melakukan penghitungan dari awal. Sebaliknya, kedala mana yang
dapat dikurangi tanpa menurunkan nilai Z, dan tanpa melakukan
perhitungan dari awal
2. Kendala mana yang mendapatkan prioritas untuk dilonggarkan (dinaikkan)
3. Seberapa besar koefisien fungsi tujuan dapat dibenarkan untuk berubah,
tanpa mengubah solusi optimal
 Contoh

CV CIARD memproduksi jenis Astro dan cosmos diperlukan bahan baku A

dan B serta jam tenaga kerja. Maksimum penyediaan bahan baku A, 60 kg
perhari, bahan B, 30 kg perhari dan tenaga kerja 40 jam perhari. Kedua
jenis produk memberikan keuntungan sebesar Rp 40 untuk astro dan Rp 30
untuk cosmos.

Kg bahan baku dan jam tenaga kerja

Jenis bahan baku dan Maksimum
tenaga kerja penyediaan
Astro Cosmos

Bahan baku A 2 3 60 kg
Bahan baku B - 2 30 kg
Tenaga kerja 2 1 40 jam
Z mak = 40X1 + 30X2
Kendala : 1. 2X1 + 3X2 ≤ 60 (bahan baku A)
2. 2X2 ≤ 30 (bahan baku B)
3. 2X1 + 1X2 ≤ 40 (jam tenaga kerja)
4. X1 ≥ 0 (nonnegativity)
5. X2 ≥0 (nonnegativity)
X2
Solusi optimum tercapai pd titik C, perpot. grs
2X1 + 1X2 = 40 [1] 2X1 + 3X2 = 60
[3] 2X1 + 1X2 = 40
2X2 = 20  X2 = 10 (substitusi ke [1]
40 [1] 2(X1) + 3(10) = 60
2X1 = 60  X1 = 15
3 Nilai keunt. Z = 40(15) + 30(10) = 900
2X1 + 3X2 = 60

20
D F 2
15
E 2X2 = 30
C
feasible 1
A B G
0 20 30 X1
Dari perhitungan pencarian solusi optimum (titik C: X1=15, X2=10), akan ditemukan
kendala yang sudah habis terpakai (scare) atau full capasity, dan kendala yang
berlebihan (redundant) atau idle capasity

X2
2X1 + 1X2 = 40 C : Full capasity
[1] 2X1 + 3X2 ≤ 60 (BB A yg tersedia)
2(15) + 3(10) = 60 (BB A yg dipakai)
40 yg tersedia = yg dipakai
[3] 2X1 + 1X2 ≤ 40 (tk yg tersedia)
2(15) + 1(10) = 40 (tk yg dipakai)
3 yg tersedia = yg dipakai
2X1 + 3X2 = 60

20
D F 2
15
E 2X2 = 30
C
feasible 1
A B G
0 20 30 X1
Perubahan Kapasitas Sumberdaya
1. Perubahan Bahan Baku A
Jika BB A ditambah, pers. [1] bergeser hingga F (persilangan [2] dan [3])

◦ F : [3] 2X1 + 1X2 = 40

[2] 2X2 = 30  X2 = 15
X2 ◦ Substitusikan X2 = 15 ke (3)
[3] 2(X1) + 1(15) = 40
2X1 + 1X2 = 40
X1 = 12,5
◦ Substitusikan X1 & X2 pada pers. [1]
[1] 2(12.5) + 3(15) = 70
40
◦ Jadi Max BB A naik sebesar : 70 – 60 = 10
◦ If BB A naik, maka
3 Zbaru = 40(12,5) + 30(15) = 950
2X1 + 3X2 = 60 shg ada kenaikan Keuntungan (shadow price) :
Z = 950 – 900 = 50
20
D F 2
15
E 2X2 = 30
C
feasible 1
A B G
0 20 30 X1
Perubahan Kapasitas Sumberdaya
2. Perubahan jam tenaga kerja
Jika TK ditambah, pers. [3] bergeser hingga titik G

X2 ◦ G : X2 = 0
X1 = 30
2X1 + 1X2 = 40
◦ Substitusikan X1 & X2 pada pers. [3]
[1] 2(30) + 3(0) = 60
◦ Jadi Max TK naik sebesar : 60 – 40 = 20
40 ◦ Penambahan TK, maka
Zbaru = 40(30) + 30(0) = 1.200
3 shg ada kenaikan keuntungan (shadow price) :
2X1 + 3X2 = 60 Z = 1.200 – 900 = 300
20
D F 2
15
E 2X2 = 30
C
feasible 1
A B G
0 20 30 X1
Perubahan Kapasitas Sumberdaya
3. Perubahan Bahan Baku B
BB B diturunkan, pers. [2] bergeser hingga titik C (titik optimum tidak berubah)

X2
2X1 + 1X2 = 40 Pada titik C, X1 = 15, X2 = 10
Karena BB B hanya untuk membuat 1
produk (Cosmos), maka
40 maksimum diturunkan sebesar
2X2 = 2(10) = 20
atau turun sebesar = 30 – 20 = 10
3 Penurunan tidak merubah Keuntungan
2X1 + 3X2 = 60

20
D F 2
15
E 2X2 = 30
C
feasible 1
A B G
0 20 30 X1
KONSEP DUALITAS
 Setiap persoalan linear programing
mempunyai suatu linear program yang
berkaitan, yang disebut “dual”.

 Solusi dari persoalan asli LP (Primal), juga

memberikan solusi pada dualnya
Model matematis Dual-Primal
Hubungan primal-dual

Primal Dual
Batasan i Variabel i
Fungsi Tujuan Nilai Kanan
 Interpretasi Ekonomis

Fungsi primal n
Tujuan : Maks Z   C j X j
j 1
n
Batasan a
j 1
ij X j  bi

Xj = Tingkat aktivitas ke j
Cj = Laba persatuan aktivitas j
Z = Laba total dari seluruh aktivitas
bi = Jumlah sumber i yang tersedia
aij = jumlah sumber i yang “dipakai” oleh setiap satuan
aktivitas j
Dengan menggantikan Zj, metode simpleks dapat diartikan
mencari nilai Ym
Fungsi dual m
Tujuan : Min Y0   biYi
i 1
m
Batasan a Y  C
i 1
ij i j

Yi = kontribusi persatuan sumber i terhadap laba

 Contoh : (masalah primal)

Merek I1 I2 Kapasitas
Mesin Maksimum
1 2 0 8
2 0 3 15
3 6 5 30
Sumbangan
3 5
laba
 Tabel primal-dual
Merek X1 X2
Mesin
Y1 2 0 ≤8
Y2 0 3 ≤ 15
Y3 6 5 ≤ 30
≥3 ≥5
Fungsi primal-dual

Kunci 1 Tujuan : Tujuan :

Batasan i Maks Z = 3X1 + 5X2 Min Y = 8Y1 + 15Y2 + 30Y3
Batasan : Batasan :
Variabel i
2X1 8 2Y1 + 6 Y3 ≥ 3
Kunci 2 3X2  15 3Y2 + 5 Y3 ≥ 5
Fungsi 6X1 + 5X2  30 dan
Tujuan Y1 ≥ 0, Y2 ≥ 0, Y3 ≥ 0
dan
Nilai Kanan
X1 ≥ 0, X2 ≥ 0
Penyelesaian dgn simplek:
 Hasil DUAL

Basic
Cj Quantity 8 Y1 15 Y2 30 Y3 0 artfcl 1 0 surplus 1 0 artfcl 2 0 surplus 2
Variables

Phase 2
30 Y3 0,5 0,3333 0 1 0,1667 -0,1667 0 0
15 Y2 0,8333 -0,5556 1 0 -0,2778 0,2778 0,3333 -0,3333
zj 27,5 14,3333 15 30 -0,8333 0,8333 -5 5
cj-zj -6,3333 0 0 0,8333 -0,8333 5 -5
Penyelesaian dgn komputer:
 Hasil masalah dual

Tujuan :
Y = 8(0) + 15(5/6) + 30(1/2) Min Y = 8Y1 + 15Y2 + 30Y3
Batasan :
2Y1 + 6 Y3 ≥3
Y = 271/2 3Y2 + 5 Y3 ≥ 5
dan
Y1 ≥ 0, Y2 ≥ 0, Y3 ≥ 0

Analisis Simplex

Y1 = 0, Y2 = 5/6, Y3 = 1/2
Max Z = 40 X1+30 X2+20 X3

D.p. : 1 X1+1 X2 +1X3 ≤ 12

6 X1+6 X2+2X3 ≤ 48

36 X1+24X2+18X3 ≤ 360

Max Z = 40 X1+30 X2+20 X3

D.p. : 1 X1+1 X2 +1X3 ≤ 12

6 X1+6 X2+2X3 ≤ 48

36 X1+24X2+18X3 ≤ 360
 Min z
=12Y1+48Y2+360Y3

Y1+6Y2+36Y3 > 40
Y1+6Y2+24Y3 > 30
Y1+2Y2+18Y3 > 20

PRIMAL DUAL