Professional Documents
Culture Documents
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)
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.
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.
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
Var msk
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 )
Var msk
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 )
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
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
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
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!
Contoh = Min Z = 3 X1 + 2 X2
Kendala 3 X1 + X2 3
4 X1 + 3 X2 6
X1 + 2 X2 3
X1 , X 2 0
Menjadi
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
Solusi dasar awal
X3 = -3 , X4 = -6 X5 = 3 } tdk layak
non basis
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
Elemen Pivot = -3
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
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
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
(2) Z 0 0 2 0 10
X2 0 1 1 -1 1
optimum
X4 1 0 -1 2 3
alternatif
Contoh :
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
Dual : Minimumkan W = Yb
Dengan syarat : yA c
y 0
Bukti :
Misal Xdan Y adalah vektor solusi yg layak untuk masalah primal dan dual. Harus
dibuktikan bahwa Yb cX
Karena X layak bagi primal dengan kendala
AX b
X 0
Kemudian jika pertidaksamaan kendala dikalikan dengan Y diperoleh
YAX Yb .... (I)
Karena Y layak bagi dual dengan kendala
YA c
Y 0
Kemudian jika pertidaksamaan kendala dikalikan dengan X diperoleh
YA X cX .... (II)
Pertidaksamaan I dan II secara tidak langsung mengatakan bahwa :
Yb YA 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 = Yb = 40
Ingat bahwa cX Yb 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.
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
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
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
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 = Yb = 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.
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.
-1
C3 = [ 2 , 3] 2 - C3 = 4 - C3
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
Z = 10 ; X1 = 2 ; X3 = 1
-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
CS2 = [ 1 , 4 ] -1 - 0 = 3 0
1
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
=
4
b0 =
3
13
4.4 - 3
-1
b* = -4 + 3 =
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
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.
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.