LP : METODE SIMPLEKS

 Dilakukan jika metode grafik tidak bisa dipakai (variabel keputusan  2)

 Metode Simpleks :
1. Simpleks Primal
2. Simpleks Dual
 Bentuk Linear Programming baku (standar) :
* Semua kendala adalah persamaan ( sisi kanan  0 )
* Semua variabel non-negatif
* Fungsi tujuan berupa maksimisasi / minimisasi

 Kendala (Constraints)
1. Kendala jenis  diubah menjadi = dengan menambahkan Variabel Slack di sisi kiri.
Kendala jenis  diubah menjadi = dengan mengurangkan Variabel Surplus di sisi kiri.
Contoh :
Kendala X1 + X2  15 -> X1 + X2 + S1 = 15 dengan S1  0
(S1 adalah sumber daya yang berlebih)
Kendala 2 X1 + X2  15 -> 2 X1 + X2 - S2 = 15 dengan S2  0
(S2 adalah sumber daya yang langka)

2. Sisi kanan harus dibuat non-negatif

Contoh :
-5 X1 + X2 = -25 diubah menjadi 5 X1 - X2 = 25

3. Arah pertidaksamaan dibalik jika kedua sisi dikalikan -1

Contoh :
-5 X1 + X2  -25 diubah menjadi 5 X1 - X2  25
  Variabel
Variabel unrestricted (tidak dibatasi) jika bernilai negatif / positif
Misal Xj adalah variabel unrestricted,
maka Xj = Xj’ - Xj’’
Xj’ , Xj’’  0
Hanya satu (Xj’ atau Xj’’) saja yang bernilai positif

 Fungsi Tujuan
Maksimisasi fungsi = Minimisasi ”negatif” fungsi itu.
Contoh :
Maks. Z = 5X1 + 2X2 + 3X3 = Min. (-Z) = -5X1 - 2X2 - 3X3

Contoh Soal :
Ubah dalam bentuk Standar :
Min. Z = 2X1 + 3X2
Kendala : X1 + X2 = 10
-2 X1 + 3 X2  -5
7 X1 - 4 X 2  6
X1 (Unrestricted)
X2  0

Jawab :
Min. Z = 2 X1’ - 2 X1’’ + 3 X2 + 0 S2 + 0 S3
Kendala : X1’ - X1’’ + X2 = 10
-2 X1’ + 2 X1’’ + 3 X2 + S2 = -5 -> 2 X1’ - 2 X1’’ - 3 X2 - S2 = 5
7 X1’ - 7 X1’’ - 4 X2 + S3 = 6
X1’ , X1’’ , X2 , S2 , S3  0

 Solusi Dasar
  Jika ada model Linear Programmingdengan m persamaan (kendala) dan n variabel
keputusan, maka solusi dasar -> n - m = 0
Sisanya dipecahkan sehingga mendapat solusi layak dan unik.
 n - m variabel yang dibuat nol disebut variabel non-basis
n variabel sisanya disebut variabel basis

Contoh :

2X1 + X2 + 4X3 + X4 = 2
X1 + 2 X2 + 2X3 + X4 = 3
m=2
n= 4
n – m = 2 -> Variabel non-basis
Sisa = 2 -> Variabel basis
Pilih 2 variabel yang dibuat nol, misal X3 = 0, X4 = 0
Maka 2X1 + X2 = 2
X1 + 2 X 2 = 3
Dengan eliminasi dihasilkan X1 = 1/3 dan X2 = 4/3 {hasil non-negatif = layak}
Solusi dasar X1 = 1/3 , X2 = 4/3 , X3 = 0 , X4 = 0
X1 dan X2 adalah var. Basis
X3 dan X4 adalah var non-basis.

METODE SIMPLEKS PRIMAL

 Variabel masuk adalah variabel non-basis yang masuk ke himpunan variabel dasar pada iterasi
berikutnya.
 Variabel keluar adalah variabel basis yang keluar dari solusi basis pada iterasi berikutnya.

Dua kondisi Simpleks Primal:

1. Kondisi Optimal : Variabel masuk dalam maksimisasi (minimisasi) adalah variabel non-basis
dengan koefisien paling negatif (positif) dalam persamaan fungsi tujuan (Z).
2. Kondisi Layak : Variabel keluar adalah variabel basis yang mempunyai titik potong terkecil
(rasio minmum dengan penyebut positif).

Langkah-langkah iterasi Simpleks Primal :

1. Dengan bentuk standar, tentukan solusi dasar awal yang layak.
2. Pilih variabel masuk diantara variabel non-basis dengan menggunakan kondisi optimal.
3. pilh variabel keluar dari variabel basis dengan menggunakan kondisi layak.
4. Tentukan nilai variabel basis yang baru dengan membuat variabel masuk tersebut sebagai
variabel basis dan variabel keluar sebagai variabel non-basis.
5. Kembali ke langkah 1.

Contoh :
Sebuah perusahaan meubel memproduksi meja dan kursi menggunakan papan, kayu, dan
waktu pengerjaan. Setiap meja membutuhkan 5 unit papan, 2 unit kayu, dan 4 jam pengerjaan. Setiap
kursi membutuhkan 2 unit papan, 3 unit kayu, dan 2 jam pengerjaan. Perusahaan dapat keuntungan
$12 untuk meja dan $8 untuk kursi. Tersedia 150 unit papan, 100 unit Kayu, dan 80 jam pengerjaan.
Berapa banyak produk agar keuntungan maksimum?
Jawab :
- Variabel Keputusan : X1 = meja, dan X2 = kursi
- Fungsi Tujuan : Maks. Z = 12 X1 + 8 X2
- Kendala : papan, kayu, dan waktu
Formulasi Model :
Maks. Z = 12 X1 + 8 X2
Kendala : 5 X1 + 2 X2  150
2 X1 + 3 X2  100
4 X1 + 2 X2  80
X1 , X2  0
Bentuk standard
 Maks. Z = 12 X1 + 8 X2 + 0.S1 + 0.S2 + 0.S3
Kendala : 5 X1 + 2 X2 + S1 = 150
2 X1 + 3 X2 + S2 = 100
4 X1 + 2 X2 + S3 = 80
X1 , X 2 , S1 , S2 , S3  0

Tabel Simpleks non basis

Basis (Dasar) Z X1 X2 S1 S2 S3 Solusi
Z 1 -12 -8 0 0 0 0 → Pers Z
S1 0 5 2 1 0 0 150 → Pers S1
S2 0 2 3 0 1 0 100 → Pers S2
S3 0 4 2 0 0 1 80 → Pers S3

Var msk

Basis (Dasar) Z X1 X2 S1 S2 S3 Solusi Rasio

Z 1 -12 -8 0 0 0 0
S1 0 5 2 1 0 0 150 150/5 = 30
S2 0 2 3 0 1 0 100 100/2 =50
S3 0 4 2 0 0 1 80 80/4 = 20

Pers Pivot (Var Keluar) elemen pivot

Aturan metode Gauss Jordan :

1. Pers. Pivot
Pers. Pivot baru = pers. pivot lama : elemen pivot
2. Pers. Lain
Pers. Baru = pers. Lama – ( koef kolom var masuk * pers. Pivot baru )

Maka :
S3 X1 = ( 0 4 2 0 0 1 80 ) / 4
= ( 0 1 ½ 0 0 ¼ 20 )
S2 baru = ( 0 2 3 0 1 0 100 ) - 2 ( 0 1 ½ 0 0 ¼ 20 )
= ( 0 2 3 0 1 0 100 ) - ( 0 2 1 0 0 ½ 40 ) = ( 0 0 2 0 1 -½ 60 )

S1 baru = ( 0 5 2 1 0 0 150 ) - 5 ( 0 1 ½ 0 0 ¼ 20 )
= ( 0 5 2 1 0 0 150 ) - ( 0 5 5/2 0 0 5
/4 100 ) = ( 0 0 -½ 1 0 -5/4 50 )

Z baru = ( 1 -12 -8 0 0 0 0 ) - (-12) ( 0 1 ½ 0 0 ¼ 20 )

= ( 1 -12 -8 0 0 0 0 ) - ( 0 -12 6 0 0 -3 -240 ) = ( 1 0 -2 0 0 3 240 )

Var msk

Basis (Dasar) Z X1 X2 S1 S2 S3 Solusi Rasio

Z 1 0 -2 0 0 3 240
5
S1 0 0 -½ 1 0 - /4 50 50/(-½) = -100
S2 0 0 2 0 1 -½ 60 60/2 = 30
X1 0 1 ½ 0 0 ¼ 20 20/(½) = 40

Pers Pivot (Var Keluar) elemen pivot

S2 X2 = ( 0 0 2 0 1 -½ 60 ) / 2
= ( 0 0 1 0 ½ -¼ 30 )

X1 baru = ( 0 1 ½ 0 0 ¼ 200 ) - ½ ( 0 0 1 0 ½ -¼ 30 )
= ( 0 1 ½ 0 0 ¼ 200 ) - ( 0 0 ½ 0 ¼ -1/8 15 ) = ( 0 1 0 0 -¼ 3
/8 5 )

S1 baru = ( 0 0 -½ 1 0 -5/4 50 ) - (-½ )( 0 0 1 0 ½ -¼ 30 )

= ( 0 0 -½ 1 0 -5/4 50 ) - ( 0 0 -½ 0 -¼ 1/8 -15 ) = ( 0 0 0 1 ¼ -11/8 65 )
Z baru = ( 1 0 -2 0 0 3 240 ) - (-2 )( 0 0 1 0 ½ -¼ 30 )
5
= ( 1 0 -2 0 0 3 240 ) - ( 0 0 -2 0 -1 ½ -60 ) = ( 1 0 0 0 1 /2 300 )

Tabel Akhir
Basis (Dasar) Z X1 X2 S1 S2 S3 Solusi
5
Z 1 0 0 0 1 /2 300
 S1 0 0 0 1 ¼ -11/8 65
X2 0 0 1 0 ½ -¼ 30
3
X1 0 1 0 0 ¼ /8 5

Kesimpulan : X1 = 5 ( banyak meja )

X2 = 30 ( banyak kursi )
S1 = 65 ( unit papan / pers. Kendala 1 yg berlebih )
Z = 300 ( keuntungan maks )

Bukti

 Fungsi tujuan Z = 12 X1 + 8 X2
= 12 ( 5 ) + 8 ( 30 )
= 60 + 240 = 300

 Papan 5 X1 + 2 X2  150
5 ( 5 ) + 2 ( 30 ) = 25 + 60 = 85 150 - 85 = 65 ( sisa )

 Kayu 2 X1 + 3 X2  100
2 ( 5 ) + 3 ( 30 ) = 10 + 90 = 100

 Waktu 4 X1 + 2 X2  80
4 ( 5 ) + 2 ( 30 ) = 20 + 60 = 80

METODE SIMPLEKS PRIMAL

DENGAN VARIABEL BUATAN (ARTIFICIAL)

1. TEKNIK M ( METODE PENALTY ) Kendala tidak

2. TEKNIK DUA FASE semuanya 
1. TEKNIK M
Contoh = Min Z = 4 X1 + X2
Kendala 3 X1 + X2 = 3
4 X1 + 3 X2  6
X1 + 2 X2  4
X1 , X 2  0
 Bentuk standar
Min Z = 4 X1 + X2
Kendala 3 X1 + X2 = 3 ......... ( 1 )
4 X1 + 3 X2 - X3 = 6 ......... ( 2 )
X1 + 2 X2 + X4 = 4
X1 , X2 , X3 , X4  0
Karena ( 1 ) dan ( 2 ) tidak memiliki var slack , maka ditambahkan R1 dan R2 sebagai var bantuan
(1) 3 X1 + X2 + R1 = 3
(2) 4 X1 + 3 X2 - X3 - R2 = 6

 Pada fungsi tujuan berikan koefisien M > 0, untuk R1 dan R2 ; sehingga :

Min Z = 4 X1 + X2 + MR1 + MR2
Kendala 3 X1 + X2 + R1 = 3
4 X1 + 3 X2 - X3 - R2 = 6
X 1 + 2 X2 + X4 = 4
X1 , X2 , X3 , R1 , R2 , X4  0

 Subtitusikan R1 dan R2 ke fungsi tujuan :

R1 = 3 - 3 X 1 - X 2
R2 = 6 - 4 X1 - 3 X2 + X3
Maka :
Z = 4 X1 + X2 + M(3 - 3 X1 - X2) + M(6 - 4 X1 - 3 X2 + X3)
= ( 4 - 7M ) X1 + ( 1 – 4M ) X2 + M X3 + 9M
Persamaan Z dalam tabel :
 Z + ( 7M - 4 ) X1 + ( 4M - 1 ) X2 - M X3 = 9M

 Solusi dasar awal ; X1 = 0, X2 = 0, X3 = 0 -> Z = 9M

Sehingga X1 , X2 , X3 var non basis

Tabel Metode Big M

Iterasi 0 Basis X1 X2 X3 R1 R2 X4 Solusi

Z (7M – 4) (4M – 1) -M 0 0 0 9M
(awal) X1
R1 3 1 0 1 0 0 3 3/3 = 1
(paling + ) R2 4 3 -1 0 1 0 6 6/4
X4 1 2 0 0 0 1 4 4/1
R1 Keluar
( 1 ) X2 Z 0 (1+5M)/3 -M (4-7M)/3 0 0 4+2M
1 1
X1 1 /3 0 /3 0 0 1 1/(1/3)= 3
masuk R2 5
R2 0 /3 -1 4
- /3 1 0 2 2/(5/3)=6/5
5
keluar X4 0 /3 0 -1/3 0 1 3 8
/5
1
( 2 ) X3 Z 0 0 /5 (8/3-M) 1
(- /5-M) 0 18
/3
1 3
X1 1 0 /5 /5 -1/5 0 3
/5 3
masuk X4
X2 0 1 -3/5 -4/5 3
/5 0 6
/5
keluar X4 0 0 1 1 -1 1 1 1
7 1 17
(3) Z 0 0 0 /3-M -M - /5 /5
2
X1 1 0 0 /5 0 -1/5 2
/5
(optimum) 1 3 9
X2 0 1 0 - /5 0 /5 /5
X3 0 0 1 1 -1 1 1
2. DUA FASE
Bertujuan untuk mengurangi kesalahan perhitungan dari pemberian nilai yg besar untuk
konstanta M pada metode TEKNIK M (penalty)
Contoh = Min Z = 4 X1 + X2
Kendala 3 X1 + X2 = 3
4 X1 + 3 X2  6
X1 + 2 X2  4
X1 , X 2  0

Tahap 1 :
Bentuk dengan var buatan : R1 dan R2
Min r = R1 + R2
 Kendala 3 X1 + X2 + R1 = 3
4 X1 + 3 X2 - X3 - R2 = 6
X 1 + 2 X2 + X4 = 4
X1 , X2 , X3 , R1 , R2 , X4  0

Fungsi tujuan r = R1 + R2
= ( 3 – 3 X1 - X2 ) + ( 6 - 4 X1 - 3 X2 + X3 )
= -7 X1 - 4 X2 + X3 + 9
Tabel Awal
Basis X1 X2 X3 R1 R2 X4 Solusi
Z 7 4 -1 0 0 0 9
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
X4 1 2 0 0 0 1 4

Tabel optimum : setelah 2 iterasi ( periksa ! )

Basis X1 X2 X3 R1 R2 X4 Solusi
r 0 0 0 -1 -1 0 0
1 3
X1 1 0 /5 /5 -1/5 0 3
/5
X2 0 1 -3/5 -4/5 3
/5 0 6
/5
X4 0 0 1 1 -1 1 1

Karena minimum solusi r = 0, masalah ini memiliki pemecahan ( solusi ) layak. Lanjutkan ke tahap
( Fase ) kedua.

Tahap 2
 Menyingkirkan variabel buatan ( R1 dan R2 )
 Dari tabel optimum tahap 1 didapatkan :
X1 + 1/5X3 = 3/5
X2 - 3/5X3 = 6/5
 X3 + X4 = 1
Masalah semula ditulis :
Min Z = 4 X1 + X2
Kendala X1 + 1/5X3 = 3/5 ......... ( 1 )
X2 - 3/5X3 = 6/5 ......... ( 2 )
X3 + X4 = 1
X1 , X2 , X3 , R1 , R2 , X4  0

Maka terdapat 3 persamaan dan 4 variabel sehingga solusi dasar layak didapat dg membuat
(4 – 3) = 1 variabel dibuat nol
X3 = 0 -> X1 = 3/5 ; X2 = 6/5 ; X4 = 1

 Fungsi tujuan Z = 4 X1 + X2
= 4 ( 3/5 + 1/5 X3 ) + (6/5 + 3/5X3 )
= - 1/5 X3 + 18
/5
Tabel Awal
Var msk
Basis X1 X2 X3 X4 Solusi
1 18
Z 0 0 /5 0 /5
1 3
X1 1 0 /5 0 /5
X2 0 1 -3/5 0 6
/5
X4 0 0 1 1 1

Tabel optimum

Basis X1 X2 X3 X4 Solusi
Z 0 0 0 -1/5 17
/5
X1 1 0 0 -1/5 2
/5
3 9
X2 0 1 0 /5 /5
X3 0 0 1 1 1
 Bandingkan dengan TEKNIK M!

METODE SIMPLEKS DUAL

 Memecahkan masalah LP yg tidak memiliki pemecahan dasar layak tanpa variabel
buatan.
 Kondisi Kelayakan : Variabel keluar adalah variabel basis yg memiliki nilai paling
negatif ( jika sama tentukan sembarang ) pada kolom solusi ( jika semua var basis non negatif,
selesai )
 Kondisi Optimalitas : Variabel masuk adalah variabel non basis yg memiliki rasio
terkecil (posistif) antara pers 2 dg koef. negatif dari pers. var. keluar ( jika penyebab (koef.var
keluar) nol atau positif, maka tidak terdapat solusi layak )

Contoh = Min Z = 3 X1 + 2 X2
Kendala 3 X1 + X2  3
4 X1 + 3 X2  6
X1 + 2 X2  3

Menjadi
Solusi dasar awal
X3 = -3 , X4 = -6
non basis
X1 , X 2  0
Min Z = 3 X1 + 2 X2
-3 X1 - X2 + X3 = -3
-4 X1 - 3 X2 + X4 = -6
X1 + 2 X2 + X5 = 3
X1 , X2, X3, X4, X5  0
X5 = 3 } tdk layak

Basis X1 X2 X3 X4 X5 Solusi
Z -3 -2 0 0 0 0
X3 -3 -1 1 0 0 -3
X4 -4 -3 0 1 0 -6
X5 1 1 0 0 1 3

Var keluar -> X4 -> Solusi paling negatif = -6

(basis)
-2
Var masuk -> X2 -> Rasio positif terkecil = /-3 = 2/3
(non basis)

Elemen Pivot = -3

Persamaan pivot baru (X2 menggantikan X4) :

-> ( -4 -3 0 1 0 -6 ) / -3
-> ( 4/3 1 0 1
/3 0 2 )
Iterasi 1
non basis

Basis X1 X2 X3 X4 X5 Solusi
Z -1/3 0 0 -2/3 0 4
X3 -5/3 0 1 -1/3 0 -1
4
X4 /3 1 0 -1/3 0 2
1 1
X5 - /3 0 0 /3 1 1
 1
Rasio /5 -> (-1/3) / (-5/3)
Maka : X1 = Var masuk
X3 = Var keluar
Elemen pivot = -5/3

Persamaan pivot baru (X1 menggantikan X3) :

-> ( -5/3 0 1 -1/3 0 -1 ) / (-5/3)
-> ( 1 0 -3/5 1
/5 0 3
/5 )
iterasi 2 ( tabel optimal )

Basis X1 X2 X3 X4 X5 Solusi
Z 0 0 -1/5 -3/5 0 21
/5
X3 1 0 -3/5 1
/5 0 3
/5
4 3 6
X4 0 1 /5 - /5 0 /5
X5 0 0 -1/5 2
/5 1 6
/5

Solusi : X1 = 3/5 X2 = 6/5 Z = 21/5

KASUS-KASUS KHUSUS METODE SIMPLEKS

1. DEGENERASI
Max Z = 3 X1 + 9 X2
Kendala X1 + 4 X2  8
X1 + 2 X2  4
X1 , X2  0
Iterasi Basis X1 X2 X3 X4 Solusi
Z -3 -9 0 0 0
(0)
X3 1 4 1 0 8
X2 masuk X4 1 2 0 1 4
X3 keluar
Z -3/4 0 9
/4 0 18
1 1
X2 /4 0 /4 0 2
 1
(1) X4 /2 2 -1/2 1 0
X1 masuk
X4 keluar
(2) Z 0 0 3
/2 3
/2 18
1
X2 0 1 /2 -1/2 2
optimum
X1 1 0 -1 2 0

Solusi tdk mengalami perubahan (perbaikan) pada itersai selanjutnya

2. OPTIMUM ALTERNATIF
Max Z = 2X1 + 4X2
Kendala X1 + 2 X2  5
X1 + X2  4
X1 , X2  0
Iterasi Basis X1 X2 X3 X4 Solusi
Z -2 -4 0 0 0
(0)
X3 1 2 1 0 5
X2 masuk X4 1 1 0 1 4
X3 keluar

(1) Basis X1 X2 X3 X4 Solusi

Z 0 0 2 0 10
X1 masuk 1 1 5
X3 /2 1 /2 0 /2
1 1 3
X4 keluar X4 /2 0 - /2 1 /2

(2) Z 0 0 2 0 10
X2 0 1 1 -1 1
optimum
X4 1 0 -1 2 3
alternatif

Ada 2 solusi : X1 = 0 ; X2 = 5/2 Z = 10

Atau X1 = 3 ; X2 = 1

3. PEMECAHAN TDK DIBATASI

 Max Z = 2 X1 + X2
Kendala X1 - X2  10
2 X1  40
X 1 , X2  0
Basis X1 X2 X3 X4 Solusi
Z -2 -1 0 0 0
X3 1 -1 1 0 10
X4 2 0 0 1 40

 Semua koefisien batasan dibawah X2 adalah negatif atau nol

 Sehingga X2 dapat dinaikan secara tidak terbatas tanpa melanggar batasan

DUALITAS dan ANALISA SENSITIVITAS

 TEORI DUALITAS
- Didorong oleh pentingnya informasi tambahan yg dapat diperoleh dari tabel simpleks
optimum
- Setiap LP terdiir atas 2 bentuk : Primal dan Dual

Contoh :

Kandungan Daging Sayur Kebutuhan Min

Mineral 2 4 40
Vitamin 3 2 50
Harga per unit 3 2.5

Masalah -> menentukan biaya pembelian daging dan sayuran hingga kebutuhan minimum per
hari akan mineral dan vitamin terpenuhi.
Formulasi model :
 Min Z = 3 X1 + 2.5 X2
Kendala 2 X1 + 4 X2  40
3 X1 + 2 X2  50
X1 , X 2  0
Ada masalah yang berbeda yang berhubngan dengan masalah yang pertama ( bentuk primal ).
Misalkan ada sebuah dealer yg menjual mineral dan vitamin. Masalah bagi dealer adalah
menetapkan harga jual mineral dan vitamin per unit yang maksimum demikian hingga
menghasilkan harga daging dan sayur tidak melebihi harga pasar.
-> Untuk membuat formulasi modelnya misalkan harga daging per unit Y 1 dan sayur Y2, sehingga
formulasi modelnya menjadi :
Max W = 40 Y1 + 50 Y2
Kendala 2 Y1 + 3 Y2  3
4 Y1 + 2 Y2  2.5
Y1 , Y2  0
Bentuk ini dinamakan bentuk Dual , Y1 dan Y2 disebut variable dual
Bila masalah primal dibandingkan dg masalah dual ada beberapa hubungan:
1. Koef fungsi tujuan primal menjadi sisi kanan dual
Sisi kanan primal menjadi koef dungsi tujuan dual
2. Tanda pertidaksamaan kendala dibalik
3. Tujuan diubah dari min (max) dalam primal menjadi max (min) dalam dual
4. Kolom primal  baris (kendala) dalam dual
 kendala dual =  variabel primal
5. Baris (kendala) primal  kolom dual
Sehingga ada satu variabel dual  kendala primal
6. Bentuk dual dari dual adalah primal

A. Masalah Primal-Dual Simetrik

Bentuk Umum :
Primal : Max Z = C1 X1 + C2 X2 + ... + Cn Xn
Kendala A11 X1 + A12 X2 + ... +A1n Xn  B1
 A21 X1 + A22 X2 + ... +A2n Xn  B2
n Varibel .
m Kendala .
Am1 X1 + Am2 X2 + ... +Amn Xn  Bm
X1 , X2 , ... Xn  0

Dual : Min W = B1 Y1 + B2 Y2 + ... + Bm Ym

Kendala A11 Y1 + A12 Y2 + ... +A1m Ym  C1
A21 Y1 + A22 Y2 + ... +A2m Ym  C2
m Varibel .
n Kendala .
A1n Y1 + A2n Y2 + ... +Amn Ym  Cn
Y1 , Y2 , ... Ym  0

Dalam notasi matrik, masalah primal – dual simetrik :

Primal : Maksimumkan Z = cX
Dengan syarat : Ax  b
x  0

Dual : Minimumkan W = Yb
Dengan syarat : yA  c
y  0

Dimana A = matriks m x n x = vektor kolom n x 1

b = vektor kolom m x 1 y = vektor baris 1 x m
c = vektor baris 1 x n

Aturan umum menuliskan bentuk dual dari LP yang simetrik :

a. Misalkan sebuah variabel dual (non negatif) untuk setiap kendala primal
b. Vektor baris koef fungsi tujuan primal diubah menjadi vektor kolom sisi kanan dual
c. Vektor kolom sisi kanan primal diubah menjadi vektor baris koef fungsi tujuan dual
d. Transpose koef matriks kendala primal ke kendala dual
e. Balik arah pertidaksamaan kendala
f. Balik arah optimisasi ( min -> max atau sebaliknya )

1. Teori I ( Weak Duality Theorem )

Misal bentuk primal dual simetrik
Max Z = cX dan Min W = Yb
Dengan syarat : Ax  b Dengan syarat : yA  c
x  0 y  0
” Nilai fungsi tujuan masalah minimisasi (dual) untuk setiap solusi yg layak selalu  masalah
maksimasi (primal)nya ”

Bukti :
Misal Xdan Y adalah vektor solusi yg layak untuk masalah primal dan dual. Harus
dibuktikan bahwa Yb  cX
Karena X layak bagi primal dengan kendala
AX  b
X  0
Kemudian jika pertidaksamaan kendala dikalikan dengan Y diperoleh
YAX  Yb .... (I)
Karena Y layak bagi dual dengan kendala
YA  c
Y  0
Kemudian jika pertidaksamaan kendala dikalikan dengan X diperoleh
YA X  cX .... (II)
Pertidaksamaan I dan II secara tidak langsung mengatakan bahwa :
Yb  YA X  cX
Dari Weak Duality Theorem diperoleh hasil – hasil :
a. Nilai fungsi tujuan masalah maksimasi (primal) untuk setiap solusi layak adalah batas
bawah dari nilai minimum fungsi tujuan masalah dual
b. Nilai fungsi tujuan masalah minimisasi (dual) untuk setiap solusi layak adalah batas atas
dari jilai maksimum fungsi tujuan msalah primal
c. Jika masalah primal adalah layak dan nilai tujuannya tak terbatas, maka masalah dualnya
tdk memiliki suatu solusi layak, atau
d. Jika masalah primal adalah layak dan tak terbatas, maka masalah primal adalah tak layak,
atau
e. Jika masalah dual adalah layak dan primal tak layak maka dual adalah tak terbatas.

Contoh
Primal : Max Z = X1 + 2 X2 + 3 X3 + 4 X4
Dengan syarat : X1 + 2 X2 + 2 X3 + 3 X4  20
2 X1 + X2 + 3 X3 + 2 X4  20
X1 , X2 , X3 , X4  0
X1 = X2 = X3 = X4 = 1 adalah layak untuk primal dengan nilai fungsi tujuan Z = cX = 10
Dual : Min W = 20 Y1 + 20 Y2
Dengan syarat : Y 1 + 2 Y2  1
2 Y1 + Y2  2
2 Y1 + 3 Y2  3
3 Y1 + 2 Y2  4
Y1 , Y2  0
Y1 = Y2 = 1 adalah layak bagi dual dengan nilai fungsi tujuan W = Yb = 40
 Ingat bahwa cX  Yb berarti memenuhi Weak Duality Theorem. Berdasarkan hasil solusi
layak primal, nilai minimum fungsi tujuan W tak dapat lebih kecil dari 10. berdasarkan hasil
solusi layak dual, nilai maksimum fungsi tujuan primal Z tak dapat melebihi 40.

2. Teori 2 ( Optimality Criterion theorem )

Jika terdalap solusi layak X dan Y, pada bentuk primal dual simetrik demikian hingga nilai-
nilai fungsi tujuan yg berhubungan adalah sama, maka solusi layak ini adalah solusi optimum
terhadap masalah tersebut.
Contoh :
Berdasarkan contoh Teori 1. Misalkan X 1 = 0 , X2 = 0 , X3 = 4 , X4 = 4 adalah suatu solusi
layak yang lain terhadap masalah primal, sementara Y 1 = 1.2 , Y2 = 0.2 adalah solusi layak
bagi dual. Nilai Z = W = 28 → solusi ini optimum

3. Teori 3 ( Main Duality Theorem )

Jika baik masalah primal maupun dual adalah layak, maka keduanya memiliki solusi demikian
hingga nilai optimum fungsi tujuannya adalah sama.

4. Teori 4 ( Complentary slackness theorem )

a. Jika suatu variabel primal Xj bernilai positif, maka kendala dual yang berhubungan
akan dipenuhi sebagai suatu persamaan pada keadaan optimum (variabel slack atau surplus
pada kendala dual = 0)
b. Jika suatu kendala primal berupa pertidaksamaan murni pada keadaan optimum
(variabel slack atau surplus pada kendala primal  0), maka variabel dual yang
berhubungan Yi harus = 0 pada keadaan optimum
c. Jika suatu variabel dual Y i bernilai positif, maka kendala primal yg berhubungan akan
memenuhi sebagai suatu persamaan pada keadaan optimum (variabel slack atau surplus
pada kendala primal = 0)

B. Masalah Primal – Dual Asimetrik

Contoh :
Max Z = 4 X1 + 5 X2
Dg syarat 3 X1 + 2 X2  20
4 X1 - 3 X2  10
X1 + X2 = 5
X1  0 , X2 tak terbatas

Ubah kedalam bentuk simetri, dengan cara :

1. Kendala 2 dikalikan –
2. Kendala 3 diganti dg X1 + X2  5 dan X1 + X2  5
3. Variabel tak terbatas X2 diganti dg selisih 2 variabel non negatif X3 dan X4
Sehingga bentuk simetrisnya menjadi
Max Z = 4 X1 + 5 X3 - 5 X4
Dg syarat 3 X1 + 2 X3 - 2 X4  20
4 X1 - 3 X3 + 3 X4  -10
X1 + X3 + X4  5
- X1 - X3 + X4  -5
X1 , X3 , X4  0
Bentuk dualnya :
Min Z = 20 U1 - 10 U2 + 5 U3 - 5 U4
Dg syarat 3 U1 - 4 U 2 + U 3 - U 4  4
2 U1 + 3 U 2 + U 3 - U 4  5
-2 U1 + 3 U2 - U3 + U4 -5
U1 , U 2 , U 3 , U 4  0
Bila bentuk dual dibandingkan dg bentuk primal yg belum disimetrikan maka tak ada ciri – ciri
hubungan primal – dual yg terpenuhi.
Kemudian misalkan Y1 = U1 , Y2 = -U2 , Y3 = U3 + U4 dandua pertidaksamaan terakhir diganti
sebuah persamaan, hasilnya adalah :
Min W = 20 Y1 - 10 Y2 + 5 Y3
Dg syarat 3 Y1 + 4 Y2 + Y3  4
2 Y1 - 3 Y 2 + Y3 = 5
 Y1  0 , Y2  0, Y3 tak terbatas
Bentuk ini memenuhi hubungan primal – dual, kecuali arah pertidaksamaan kendala dan tanda
pembatas variabel.
Ciri – ciri bentuk dual LP (simetris / tak simetris)
1. Elemen matriks kendala dual = transpose ol. Primal
2. Koef tujuan dual = sisi kanan primal
3. Sisi kanan dual = koef tujuan primal
4. Primal max → dual min dan sebaliknya

Hubungan Primal - Dual

Primal Dual
A elemen matriks kendala
I. Maksimasi Transpose
Minimisasimatriks
elemen
bKendala
vektor sisi
ke-ikanan
jenis  Koef fungsi
Variabel tujuan
dual y: 0
cKendala
koef fungsi
ke-itujuan
jenis  Vektor sisi
Variabel kanan
dual y: 0
Kendala ke-i persamaan
Xj  0 Variabel Y
Kendala
i tak terbatas
ke-j 
Xj takXterbatas
j  0
Kendala ke-j persamaan
Kendala ke-j 
II. Minimasi Maksimasi
Kendala ke-i jenis  Variabel dual y :  0
Kendala ke-i jenis  Variabel dual y :  0
Xj  0 Kendala ke-j 
Xj  0 Kendala ke-j 

Contoh
1. Primal : Max Z = X1 + 4 X2 + 3 X3
Dg syarat 2 X1 + 3 X2 - 5 X3  2
3 X1 - X2 + 6 X3  1
X1 + X2 + X3 = 4
X1  0 , X2  0, X3 tak terbatas
Dual : Min W = 2 Y1 + Y2 + 4 Y 3
Dg syarat 2 Y1 + 3 Y2 + Y3  1
3 Y1 - Y2 + Y3  4
-5 Y1 + 6 Y2 + Y3 = 3
Y1  0 , Y2  0, Y3 tak terbatas
 2. Primal : Min Z = 2 X1 + X2 - X3
Dg syarat X1 + X2 - X3 = 1
X1 - X2 + X3  2
X2 + X3  3
X1  0 , X2  0, X3 tak terbatas

Dual : Max W = Y 1 + 2 Y 2 + 3 Y3
Dg syarat Y1 + Y2  2
Y1 - Y2 + Y3  1
-Y1 + Y2 + Y3 = -1
Y1 tak terbatas , Y2  0 , Y3  0

C. Mencari Solusi Optimum Bentuk Dual dg Metode Simpleks

Main Duality Theorem → solusi optimum dual dpt diperoleh dari solusi primal dan sebaliknya
Contoh :
Max Z = 5 X1 + 12 X2 + 4 X3
Dg syarat X1 + 2 X2 + X3  5
2 X1 - X 2 + 3 X3 = 2
X1 , X2 , X3  0
Tabel simpleks optimum

Basis X1 X2 X3 S1 R1 Solusi
3 29 2
Z 0 0 /5 /5 - /5 + M 28 1/5
X1 0 1 -1/5 2
/5 -1/5 8
/5
7 1 2 9
X2 1 0 /5 /5 /5 /5

Ingat bahwa variabel basis awal adalah variabel slack S1 dan artificial variabel R1

Bentuk Dual
Min W = 5 Y1 + 2 Y 2
 Dg syarat Y1 + 2 Y2  5
2 Y1 - Y2  12
Y1 + 3 Y2  4
Y1  0 , Y2 tak terbatas
Karena Y2 tak terbatas diganti Y2 – Y dimana Y2 – Y  0

Tabel Simpleks Optimum :

Basis Y1 Y2 Y S1 S2 S3 R1 R2 R3 Solusi
Z 0 0 0 -9/5 -2/5 0 9
/5-M 8
/5-M -M 28 1/5
S3 0 0 0 -7/5 1
/5 1 7
/5 -1/5 -1 3
/5
2
Y 0 -1 1 /5 -1/5 0 -2/5 1
/5 0 2
/5
1
Y1 1 0 0 - /5 -2/5 0 1
/5 2
/5 0 29
/5

Variabel basis solusi awal primal S1 dan R1

Variabel dual yg berhubungan dg pers kendala primal yg mengandung S1 dan R1 adalah Y1 dan Y2

Variabel basis awal bentuk primal S 1 R1

29
Koef persamaan Z pd optimum primal /5 -2/5+M
Variabel dual yg berhubungan Y1 Y2

Jika M diabaikan maka Y1 = 29/5 ; Y2 = -2/5

atau Y2 = Y2 – Y = 0 - 2/5 = - 2/5 → = bentuk dual

Variabel basis awal bentuk dual R1 R2 R3

9 8
Koef persamaan Z pd optimum dual /5-M /5-M 0-M
Variabel primal yg berhubungan X1 X2 X3

Jika M diabaikan; X1 = 9/5 , X2 = 8/5 , X3 = 0 → = bentuk primal

Berdasarkan tabel simpleks oprimum primal, solusi optimum dual dpt dihitung melalui rumus :
Misal hubungan primal – dual :
Min Z = cX dan Max W = Yb
Dengan syarat : Ax = b Dengan syarat : yA  c
 x  0 y  0
Maka solusi optimum primal dan dual diperoleh melalui penerapan reviscol simplex method :
Z = W = CB B-1 b
Ket : CB = vektor profit / biaya var basis optimum primal
B = matriks var basis optimum primal : [ Pj ] dimana Pj = kolom ke-j matriks A
CB B = vektor simpleks multiplier
Contoh :
Primal : Max Z = 5 X1 + 12 X2 + 4 X3
Dg syarat X1 + 2 X2 + X3  5
2 X1 - X 2 + 3 X3 = 2
X1 , X2 , X3  0

Dual : Min W = 5 Y1 + 2 Y 2
Dg syarat Y1 + 2 Y2  5
2 Y1 - Y2  12
Y1 + 3 Y2  4
Y1  0 , Y2 tak terbatas
Melalui simpleks diperoleh X1 = 9/5 , X2 = 8/5 , Z = 28 1/5 karena X1 dan X2 var basis optimum
primal, maka :
Matriks basis optimumnya :

1 2
B = [ P 1 P2 ] = 2 -1

Optimum simpleks multipliernya adalah :

1
/5 2/5
CB B-1 = [ 5 12 ] = 2
/5 -1/5

Terlihat bahwa Y1 = 29/5 , Y2 = -2/5 memenuhi kendala dual dan nilai fungsi tujuan
W = 5 (29/5) + 2 (-2/5) = 28 1/5
Suatu solusi optimum primal (dual) jg merupakan solusi optimum masalah dual (primal)
D. Penafsiran Solusi Dual
Dari segi ekonomi, solusi optimum bentuk dual dapat ditafsirkan sebagai sumbangan kendala
sumber daya (shadow price)
Berdasarkan Main Duality Theorem :
Z = cX = Yb = W
Sehingga nilai optimum LP dapat ditulis :
Z = Y1 b1 + Y2 b2 + ... + Y m  bm
Dimana b1, b2,…, bm →  sumber daya 1,2,…,m
Y1, Y2, ... , Ym → nilai optimum var dual
Misal b1 dpt diubah, kemudian untuk perubahan nilai b 1 yg sangat kecil (b1), perubahan neto nilai
Z adalah Y1 (b1).
Perubahan neto nilai optimum karena kenaikan  sumber daya disebut shadow price sumber daya
yg bersangkutan . dapat digunakan untuk menentukan apakah menguntungkan untuk
mendapatkan tambahan sumber daya.

E. Keuntungan Perhitungan bentuk Dual

Jika suatu masalah sedemikian sehingga bentuk primal memiliki sejumlah besar kendala
sementara variabel hanya sedikit, masalah tersebut dapat diselesaikan dengan lebih efisien dalam
bentuk dual.

ANALISA SENSITIVITAS

 Post optimaly analysis → analisis perubahan parameter dan pengaruhnya terhadap solusi LP
 Analisis ini terjadi setelah diperoleh solusi optimum perubahan atau variasi dalam masalah LP yg
biasanya dipelajari melalui post optimalt analysis dpt dipisahkan ke dalam 3 kelompok umum :
a. Analisis yg berkaitan dg perubahan diskrit parameter untuk melihat berapa besar perubahan
dapat ditolelir sebelum solusi optimum mulai kehilangan optimalitasnya dsbt Analisis
Sensitivitas.
 Jika  kecil parameter →  drastis solusi maka solusi sangat sensitif, sebaliknya jika 
parameter tdk berpengaruh besar terhadap solusi maka solusi relatif insensitif terhadap nilai
parameter tsb.
b. Analisis yg berkaitan dg perubahan struktural muncul bila ada penambahan atau
penghilangan kendala dan atau variabel untuk menunjukkan operasi alternatif.
c. Analisis yg berkaitan dg  kontinu parameter untuk menentukan urutan solusi dasar menjadi
optimum jika  ditambah lebih jauh dsbt parameteric – programming
 Melalui analisa sensitivitas dapat dievaluasi pengaruh perubahan-perubahan parameter dg sedikit
tambahan perhitungan berdasarkan tabel simpleks optimum.
 Dalam analisis sensitivitas, perubahan-perubahan parameter dikelompokkan menjadi
a. Perubahan koefisien fungsi tujuan (Cj)
b. Perubahan konstanta sisi kanan (Bi)
c. Perubahan kendala
d. Penambahan variabel baru
e. Penambahan kendala baru

Contoh
Sebuah perusahaan merencanakan memproduksi 3 barang A, B, dan C. Keuntungan per unit barang-
barang itu 2, 3, dan 1. diperlukan 2 sumber daya yaitu buruh dan bahan mentah.
Max Z = 2 X1 + 3 X2 + X3
1
/3 X1 + 1/3 X2 + 1/3 X3  1 → kendala buruh
1
/3 X1 - 4/3 X2 + 7/3 X3  3 → kendala bahan mentah
X1 , X2 , X3  0
Dimana X1 , X2 , X3 adalah barang A, B, dan C yg dihasilkan
Tabel simplex awal
(I) Basis X1 X2 X3 S1 S2 Solusi
Z -2 -3 -1 0 0 0
1 1 1
S1 /3 /3 /3 1 0 1
1 4 7
S2 /3 /3 /3 0 1 3
Melalui beberapa iterasi metode simpleks menghasilkan tabel optimum
( II )
Basis X1 X2 X3 S1 S2 Solusi
Z 0 0 3 5 1 8
X1 1 0 -1 4 -1 1
X2 0 1 2 -1 1 2

 tabel optimum : X1 = 1 ; X2 = 2 ; Z = 8
Dengan melakukan analisi sensitivitas dapat diperoleh informasi yg berhubungan dg rencana produksi
alternatif disekitar solusi optimum.

A. Perubahan Koefisien Fungsu Tujuan

1. Perubahan koefisien fungsi tujuan dari variabel non basis.
Pada optimum barang C tidak diproduksi karena keuntungan per unitnya (C 3) rendah yaitu 1.
Dapat dicari interval C3 sehingga solusi optimum tidak berubah.
Jika C3 turun tidak berpengaruh terhadap solusi optimum
Jika bertambah mungkin dapat menguntungkan untuk diproduksi.
Jika nilai C3 berubah, nilai koefisien persamaan Z dari variabel non basis X 3 (C3) pada tabel
optimum turut berubah.
Tabel II adalah optimum selama C3 non negatif.
Pada tabel II CB = [ C 1 , C2 ] = [ 2 , 3 ] dimana CB adalah vektor koef fungsi tujuan var basis.
Berdasarkan inner product rule Cj = CbVj – Cj diperoleh

-1
C3 = [ 2 , 3] 2 - C3 = 4 - C3

Opimum jika C3 = 4 - C3  0 atau C3  4.

 selama keuntungan per unit produk C kurang dari 4 adalah tidak ekonomis menghasilkan
barang C.
Misalkan keuntungan per unti barang C dinaikkan menjadi 6, maka C 3 = 4 -6 = -2. Tabel II
menjadi tidak optimum.
 ( III )
Basis X1 X2 X3 S1 S2 Solusi
Z 0 0 -2 5 1 8
X1 1 0 1 4 -1 1
X3 0 1 (2) -1 1 2

Tabel optimumnya menjadi :

( IV )
Basis X1 X2 X3 S1 S2 Solusi
Z 0 1 0 4 2 10
1 7
X1 1 /2 0 /2 -1/2 2
1 1 1
X3 0 /2 1 - /2 /2 1

 Z = 10 ; X1 = 2 ; X3 = 1

2. Perubahan Koefisien fungsi tujuan variabel basis

Misalkan ingin ditentukan pengaruh perubahan keuntungan per unti barang A (C1). Untuk
menentukan interval C1, perubahan C1 akan nengubah vektor keuntungan CB karena CB =
[ C1 , C2 ] . Dapat dibuktikan bahwa koef pers Z variabel basis yaitu C 1 dan C2
tidakterpengaruh dan tetap bernilai nol. Namun, koef persamaan Z variabel non basis akan
berubah. Tetapi selama Cj non negatif, Tabel II masih optimum. Dapat ditunjujjan nilai C3,
CS1, CS2 sebagai fungsi dari C1 :

-1
C3 = [C1 , 3 ] - 1 = 4 - C1
2

CS1 = [C1 , 3 ] - 0 = 4 C1 - 3
4
-1

CS2 = [C1 , 3 ] -1 - 0 = 3 - C1
1

 C3  0 selama C1  5
CS1  0 selama C1  3/4
CS2  0 selama C1  3
 Tabel II akan tetap optimum jika interval C 1 yg dipilih 3/4 sampai 3. Jika C1 berubah nilai
optimum fungsi tujuan akan berubah. Misal C1 = 1, solusi optimum adalah X1 = 1 , X2 = 2 ,
X3 = 0 tetapi Z = 1( 1 ) + 3( 2 ) + 1( 0 ) = 7

3. Perubahan Koef tujuan pada var basis dan non basis

Misal fungsi tujuan dirubah menjadi Z = X 1 + 4 X2 + 2X3 . Pengaruhnya ditentukan dg
memeriksan apakah koef persamaan Z pd tabel II tetap non negatif. Koef persamaan Z variabel
basis nilainya tdk berubah C1 = C2 = 0, sementara
-1
C3 = [ 1 , 4 ] - 2 = 5  0
2

CS1 = [ 1 , 4 ] - 0 = 0  0  Cj non negatif

4
-1

CS2 = [ 1 , 4 ] -1 - 0 = 3  0
1

 Solusi optimum tdk berubah X1 = 1 , X2 = 2 , X3 = 0 dengan Z = 9 . Sekarang ditemui

indikasi adanya solusi optimum alternatif karena CS1 = 0

B. Perubahan Koefisien Sisi Kanan

Misalkan ada penambahan 2 unit buruh sehingga vektor sisi kanan pada tabel simplex awal dari
menjadi 1 2
3 3

Jelas perubahan ini tdk membawa pengaruh pd tabel optimum. Untuk mempelajari perubahan
konstan sisi kanan, cukup membutuhkan apakah vektor konstanta yg baru pd tabel akhir masih
non negatif. Setiap kolom pada akhir (termasuk vektor sisi kanan) dapat diperoleh dg mengalikan
kolom yg bersangkutan pd tabel awal dg inverse kolom basis.
Pada kasus ini kolom basis adalah kolom yg berhubungan dg X1 dan X2 (tabel I). Sehingga matriks
basis :
1 1
/3 /3
B = 1
/3 4
/3
Kolom yg berhubungan dg var basis awal pd setiap tabel simplex optimum memberikan inverse
kolom basis. Karena S1 dan S2 pada tabel II merupakan inverse matrik basis sehingga :

4 -1
B-1 = -1 1

Nilai konstan sisi kanan yg baru pd tabel II yg disebabkan karena pertambahan buruh adalah :

4 -1 2 5
B* = -1 1 3 = 1 → Vektor positif

Sehingga tabel II masih tetap optimum dan kombinasi barang optimal baru adalah X1 = 5 , X2 = 1 ,
X3 = 0 , Z = 13. Solusi dan nilai optimum berubah tetapi var basis tidak.
 masih optimum jika hanya menghasilkan barang A dan B.
Misalkan tambahan 7 unit buruh dapat diperoleh dg kerja lembur yg biaya tambahannya 4.
Apakah menguntungkan menggunakan kerja lembur ? Pada contoh ini tambahan keuntungan 13
– 8 = 5 ( > 4 ) berarti menguntungkan. Kenaikan keuntungan ini dinamakan shadow price.
Shadow price mencerminkan perubahan neto nilai optimum karena pertambahan satu unit
sumber daya, selama perubahan sumber daya tdk mengubah variabel basis optimum. Agar
penggunaan shadow price berarti, harus dihitung interval pers. bahan sumber daya sehingga var
basis optimum tetap sama.
Contoh
Hitung berapa jauh ketersediaan buruh dapat diubah ?
Misal b1 →  tersedianya buruh dan b0 vektor konstan sisi kanan yg baru pd tabel awal, sehingga :

b1
b0 =
3

Setelah terjadi perubahan sumber daya, pd tabel simplex optimum harus dipenuhi
b* = B-1. b0  0 ( non negatif )

4 -1 4 -1 b1
Karena B-1 = -1 1 maka B-1. b0 = -1 1 3

4b1 - 3
-b1 + 3
 =

B-1. b0 non negatif selama 4b1 - 3  0 atau b1  3/4

-b1 + 3  0 atau b1  3

Untuk semua 3/4  b1  3 solusi optimum adalah :

X1 = 4b1 - 3
X1 = -b1 + 3
X1 = 0
Z = 2 (4b1 - 3 ) + 3 (-b1 + 3) = 5b1 + 3
Misalkan buruh bertambah jadi 4

4
b0 =
3

13
4.4 - 3
-1
b* = -4 + 3 =

Tidak optimum karena solusi basis X1 = 13 , X2 = -1 , X3 = S1 = S2 = 0 adalah tdk layak, dituliskan

lagi dlm tabel :
(V) Basis X1 X2 X3 S1 S2 Sisi kanan
Z 0 0 3 5 1
X1 1 0 -1 4 -1 13
X2 0 1 2 -1 1 -1

Meskipun tabel V tdk layak untuk masalah primal, ia layak untuk masalah dual karena semua koef
persamaan Z non negatif. Solusi optimum baru dg metode dual simplex :
( VI )
Basis X1 X2 X3 S1 S2 Solusi
Z 0 5 13 0 6 18
X1 1 4 7 0 3 9
S2 0 -1 -2 1 -1 1

Tabel VI optimum karena konstan sisi kanan positif.

 Cara Alternatif : Misalkan ketersediaan tenaga kerja (b1) berubah , sedangkan yg lain tetap.
Perubahan ini menyebabkan perubahan kolom solusi pada tabel simplex awal sebesar koefisien pd
kolom yg berhubungan yaitu S1. Pengaruh itu akan ditiru pd itersi selanjutnya sampai simplex
optimum. Karena itu untuk mengetahui pengaruh perubahan tenaga kerja, cukup diperiksa kolom
slack yg berhubungan dg kendala yg diubah ketersediaannya nilai-nilai pd kolom solusi non
negatif
1 + 4  0 2 - 1  0
  3/4 dan 2  
Karena jumlah tenaga kerja adalah b1 = 1 +  atau  = b1 – 1, jika disubtitusi menjadi :
b1 - 1  - 1/4 2  b1 - 1
b1  3/4 dan 3  b1
 3/4  b1  3

Dengan cara yg sama dpt dicari untuk bahan mentah (b2)

1 - 1  0 2 + 1  0
1   dan   -2
Karena jumlah bahan mentah adalah b2 = 3 +  atau  = b2 – 3 maka :
1  b2 - 3 b2 - 3  - 2
4  b2 dan b2  1
 1  b2  4
Jadi nilai b2 yg memenuhi adalah 1  b2  4. Ini berarti selama jumlah bahan mentah berada di
interval itu solusi optimum tdk berubah

C. Perubahan Matriks Kendala ( A )

Matriks kendala atau koefisien matriks A dapat berubah karena :
1. Penambahan variabel - variabel atau kegiatan – kegiatan baru
2. Perubahan kebutuhan sumber daya dari kegiatan – kegiatan yg ada
3. Penambahan kendala baru
1. Penambahan kegiatan baru
Misalkan ingin ditambahkan produk baru D yg membutuhkan 1 unit buruh dan 1 unit bahan
mentahdengan keuntungan per unit 3. Apakah menguntungkan ?
Secara matematik ekivalen dg penambahan variabel X 4 dan kolom 1 pada tabel I.
1
Kombinasi produk optimum tabel II masih optimum selama koef persamaan Z dr produk baru
sebut saja C4 adalah non negatif. Dari revised simplex method diperoleh Cj = CB B-1 Pj - CJ.
Ingat bahwa 4 -1 5
CB B-1 = [ 2 , 3 ] -1 1 = 1

1 1
Dalam kasus ini, C4 = 3 dan P4 = 1 , sehingga C4 =[ 5 , 1 ] 1 - 3 = 3 (non negatif)

 Memproduksi brang D tdk akan menambah keuntungan. Jika kegiatan baru dapat
memperbaiki keuntungan bila Cj nya negatif kemudian selesaikan dg metode simpleks.

2. Perubahan Keperlaun Sumber daya

Jika buruh atau kebutuhan bahan mentah dari kegiatan non basis ( misal barang C ) berubah,
pengaruh pd solusi optimum dapat dipelajari dengan mengikuti langkah – langkah yg sama
seperti kasus sebelumnya. Dipihak lain, jika koefisien kendala dari kegiatan basis ( misal
barang A atau B ) berubah maka matriks basis dengan sendirinya terpengaruh yg dapat
mempengaruhi semua angka – angka tabel II. Kemudian tabel II kemungkinan menjadi tidak
layak untuk masalah primal maupun dual. Dalam keadaan seperti ini, mungkin lebih baik
diselesaikan kembali dengan metode simpleks.

3. Penambahan Kendala Baru

Misalkan terdapat tambahan kendala jasa administrasi terhadap masalah dimana barang A, B,
dan C masing – masing membutuhkan 1, 2 dan 1 jam jasa administrasi sementara tersedia 10
jam administrasi. Ini akan menambah kendala baru :
X1 + 2 X2 + X3  10
 Untuk mempelajari pengaruhnya terhadap solusi optimum cukup membuktikan apakah
kombinasi barang optimum yg ada memnuhi kendala baru. Jika memenuhi kombinasi barang
optimum tidak perlu diubah.
Misalkan jam administrasi yg tersedia hanya 4 maka kendala baru menjadi X 1 + 2 X2 + X3  4
solusi optimum yg ada ( X1 = 1 , X2 = 2 , X3 = 0 ) menyimpang dari kendala ini. Sehingga tabel
II tidak lagi optimum. Untuk mencari solusi optimum yg baru, tambahkan kendala baru
seperti pada baris ketiga tabel berikut ini. Dengan menggunakan S 3 sebagai variabel slack pada
kendala baru
( VII Basis X1 X2 X3 S1 S2 S3 Sisi kanan
) Z 0 0 3 5 1 0
X1 1 0 -1 4 -1 0 1
X2 0 1 2 -1 1 0 2
S3 1 2 1 0 0 1 4

Karena X1 dan X2 merupakan variabel non basis, maka koefisien baris ketiga yg berhubungan
dengan X1 dan X2 harus sama dengan nol. Ini dapat dicapai dengan perkalian baris pertama dengan
-1 baris, kedua dengan -2 dan tambahkan mereka pada baris ketiga. Tabel VIII menunjukkan tabel
baru setelah operasi baris. Ingat bahwa koefisien persamaan Z tidak terpengaruh oleh proses ini,
karena variabel basis yg baru S3 merupakan variabel slack.
(VIII)
Basis X1 X2 X3 S1 S2 S3 Sisi kanan
Z 0 0 3 5 1 0
X1 1 0 -1 4 -1 0 1
X2 0 1 2 -1 1 0 2
S3 1 2 -2 -2 (-1) 1 -1

Karena tabel VIII optimum tetapi tdk layak (dual feasible) maka metode dual simplex
diaplikasikan untuk mencari solusi optimum baru. Variabel basis S 3 meninggalkan basis kasrena
rasio absolut terkecil adalah pada S2 [ min ( -3/2 , - 5/2 , -1/1 ) ] maka variabel digantikan S3 oleh S2.
Iterasi berikutnya :
(IX)
Basis X1 X2 X3 S1 S2 S3 Solusi
Z 0 0 1 3 0 1 7
X1 1 0 1 6 0 -1 2
X2 0 1 0 -3 0 1 1
S3 1 2 2 2 1 -1 1

Tabel IX adalah optimum sekaligus layakdan kombinasi barang optimum yg baru adalah
menghasilkan 2 unit barang A dan 1 unit barang B. Keuntungan maksimum telah berkurang dari 8
menjadi 7 karena penambahan kendala baru.

 Jika kendala baru ditambahkan terhadap suatu masalah LP, nilai optimum yg lama akan selalu
lebih baik atau sama dibanding nilai optimum baru. Sehingga penambahan suatu kendala baru
tidak dapat memperbaiki nilai optimum setiap masala LP.