Modul Pengambilan Keputusan Manajerial (TM7)

MODUL PERKULIAHAN
W311700013-
Pengambilan Keputusan
Manajemen
Pemrograman Linier
Dualitas & Sensitivitas
Abstrak Sub-CPMK (lihat di RPS)
Menjelaskan kendala- Mahasiswa mampu menerjemahkan

kendala perusahaan untuk kendala-kendala perusahaan untuk
mencapai tujuan ke dalam mencapai tujuan ke dalam persamaan
persamaan linear dan linear dan membuat solusinya (CPMK-
membuat solusinya 4)
Fakultas Program Studi Tatap Muka Disusun Oleh
07
Hery Derajad Wijaya, S.Kom., MM
Ekonomi dan Bisnis Manajemen
Tujuan Mata Kuliah
Mata kuliah ini bertujuan memberikan pemahaman kepada mahasiswa agar memiliki
wawasan yang luas dan mampu menjelaskan pengambilan keputusan dengan metode
pemrograman linier dualitas dan sensitivitas dalam pengambilan keputusan manajerial.
Pengetahuan ini dapat membantu mahasiswa dalam menyelesaikan masalah-masalah
baik dalam kehidupan sehari-hari maupun dalam dunia pekerjaan dan bisnis.
Materi Kuliah
Teori Dualitas (Duality Theory)
Salah satu penemuan yang terpenting dalam perkembangan Linier Programming sebagai
alat analisa adalah konsep dualitas dengan berbagai manfaat yang ditimbulkannya.
Penemuan ini menyatakan bahwa setiap masalah Linier Programming lain yang merupakan
“dual”nya. Hubungan antara masalah yang asli (disebut Primal) dengan dual inilah yang
dapat dipetik manfaatnya dalam berbagai hal.
Dalam pembahasan ini asumsi dasar yang perlu ditekankan adalah bahwa masalah primal
LP dinyatakan dalam bentuk standar yakni :
Fungsi Tujuan : maksimumkan
Batasan-batasan :
untuk i = 1, 2, ….m.
Dan Xj ≥ 0 ; untuk j = 1, 2, … n
2022 Pengambilan Keputusan Manajerial Biro Bahan Ajar E-learning dan MKCU
2 Hery Derajad Wijaya, S.Kom., MM http://pbael.mercubuana.ac.id/
1. Dasar Teori Dualitas
Bentuk matematis di atas akan lebih mudah dipahami bila dimasukkan ke dalam tabel
simplek.
Tabel.1 Notasi baris 1 tabel simplek
Variabel dasar z X1 X2…… Xn Xn+1 Xn+12 Xn+m NK
Z 1 (Z1-C1) (Z2-C2) (Zn-Cn) Y1Y2………………………………………….……Ym Yn
Selanjutnya, kondisi optimal adalah apabila semua koefisien pada baris pertama (Z) tida
ada yang bernilai negatif. Secara simbolis, kondisi optimal dinyatakan sebagai berikut:
(Z1-C1) ≥ 0; untuk j = 1, 2,…….n
Yi ≥ 0 ; untuk i = 1, 2, …………..m
Dengan menggantikan Zj, metode simplek lalu dapat diinterpretasikan mencari nilai Y1, Y2,
…..Ym.
Dimana :
Dengan batasan :
untuk j = 1, 2, ………n
Dan Yi ≥ 0, untuk i = 1, 2,………..m
Bentuk diatas merupakan bentuk dual.
Karena Yo sebetulnya tak lain adalah nilai Z, sedangkan tujuan daripada primal adalah
memaksimumkan nilai Z, maka reaksi pertama yang timbul adalah juga memaksimumkan
Yo.
Satu-satunya jawaban yang feasible untuk permasalahan dual ini hanya yang memenuhi
kondisi optimal dari masalah primalnya. Oleh sebab itu hanya pemecahan optimal dari
masalah primal yang berhubungan dengan feasible solution masalah dual ini. Sehingga
konsekuensinya nilai Z optimal pada masalah primal adalah nila Yo minimum pada masalah
dual. Sehingga sekali lagi dual problem dinyatakan sebagai berikut :
Fungsi Tujuan :
Minimumkan
Batasan-batasan : untuk j = 1, 2, ………n
Dan Yi ≥ 0, untuk i = 1, 2,………..m
Dengan melihat bentuk-bentuk matematis di atas dapat dibandingkan bentuk primal dan
dual suatu permasalahan LP, perbandingan tersebut dapat dilakukan dengan melihat tabel
primal dual untuk linier programming seperti pada tabel berikut :
Tabel.2 Primal dual untuk linier programming
Primal
Koefisien NK
X1 X2 X3
Dual Koefisien fungsi tujuan
Koefisien (minimisasi)
Y1
aii a12 an ≤b1
Y2
a21 a22 a2n ≤b2
.
. .
.
. .
.
. .
Ym
am1 am2 amn
≤bm
NK ≥C1 ≥C2 ≥Cn
Koefisien Fungsi tujuan

(maksimisasi)
Tabel diatas menunjukkan semua parameter LP (aij, bi, dan cj) dan bagaimana peranan
ketiganya dalam membentuk struktur dasar primal-dual.
Bagian mendatar diperuntukkan bagi masalah primal sedangkan bagian yang tegak bagi
masalah dualnya; sehingga secara umum hubungan antara primal-dual dapat dikatakan
sebagai berikut :
1. Parameter batasan-batasan primal (atau dual) merupakan koefisien variable dual

(atau primal), dan
2. Koefisien fungsi tujuan primal (atau dual) merupakan nilai kanan dual (atau
primalnya)
Misalkan dari permasalahan sepatu Lidi diperoleh data dengan mengganti angka-angka
yang dikandung dalam contoh masalah, maka diperoleh hubungan primal-dual bagi
permasalahan tersebut seperti berikut:
Tabel.3 Primal – Dual untuk Perusahaan sepatu LIDI
I1 I2
Y1 2 0 ≤8
Y2 0 3 ≤ 15
Y3 6 5 ≤ 30
≥3 ≥5
Penyajian masalah tersebut dalam bentuk primal dan dual dapat dilihat pada tabel berikut:
Memaksimumkan : Z = 3X1 + 5X2, Meminimumkan : Yo =8Y1+15Y2+30Y3
Batasan-batasan : Batasan-batasan :
2X1 ≤ 8 2Y1 + 6Y3 ≥ 3
3X2≤ 15 3Y2 + 5Y3 ≥ 5
Dan : Dan :
X1 ≥0, X2 ≥0, Y1 ≥0; Y2 ≥ 0, Y3 ≥ 0
Apabila masalah dual tersebut diselesaikan maka akan diperoleh : Y1*=0; Y2*=5/6 Y3*=1/2;
ini merupakan salah satu gambaran hubungan antara dual dengan primal, di mana dual
dapat dipakai untuk memeriksa kembali tabel optimal pada masalah primal.
Selanjutnya perlu dikupas pula interpretasi ekonomis dari pada masalah dual ini, untuk itu
terlebih dahulu perlu dilihat lagi arti symbol-simbol pada masalah primal sebagaimana
disampaikan pada tabel berikut:
Tabel. 4 Interpretasi ekonomis masalah primal
Jumlah Interpetasi
Xj Tingkat aktivitas (j=1,2,…..,n)
Cj Laba per satuan aktivitas j
Z Laba total dari seluruh aktivitas
bi Jumlah sumber i yang tersedia
(i= 1, 2,…,m)
aij Jumlah sumber i yang dipakai oleh

setiap satuan aktivitas j,
Untuk menginterpretasikan dualnya, dapat dimulai dengan dual variable (Y1,Y2…,Ym);
Dimana: Yo=b1y1 + b2Y2+….bmYm;
Dan Yo adalah nilai Z pada suatu tabel simplex. Nilai-nilai Y1, Y2,…Ym tampak pada baris
pertama (Z) pada suatu tabel simplex; dan Y (i=1,2,…,m) adalah kontribusi per satuan
sumber i terhadap laba.
Sehingga, pada tabel terakhir (optimal) di mana Y1*=0;Y2*=5/6 dan Y3*=1/2 dapat
dikatakan bahwa : setiap satuan masing-masing sumber (Y1,Y2,Y3) menyumbang Rp 0,-
Rp 5/6.-dan Rp ½ ,- terhadap laba total sebesar Rp 27 ½ (dalam puluhan ribu rupiah).
27 ½ = 8 (0) + 15 (5/6) + 30 (1/2)
Persamaan diatas dapat digunakan sebagai alat untuk memeriksa kembali apakah yang
diperoleh pada tabel terakhir sudah betul. Bila terdapat ketidak cocokan pada persamaan
di atas, berarti telag terjadi kesalahan pada perhitungan-perhitungan yang telah dilakukan,
dan perlu diperbaiki.
Interpretasi lain daripada dual variable ini adalah sebagai berikut :
Yi adalah nilai marjinal (marginal value) sumber I, di mana nilai Z akan meningkat apabila
bi dinaikkan.kembali kita perhatikan contoh perusahaan sepatu LIDI. Apa yang terjadi
apabila setiap bi (secara individu) dinaikkan nilainya dengan 1 ? perhatikan bahwa corner
point solution bagi masalah tersebut, adalah Xi* = 5/6, X2* = 5 dengan Z*=27 ½.
a. Apabila batasan 1: 2X1≤8 dirubah (dinaikkan) menjadi 2X1≤9, maka Xi* danX2*
tetap sebesar semula, yakni X1* = 5/6 dan X2* = 5, dengan Z1*=0 sehingga ∆ Z juga
=0
b. Apabila batasan 2 : 3X2 ≤ 15 dirubah menjadi 3X2 ≤16 maka X1* dan X2* akan
berubah dengan mencari perpotongan batasan 2 (baru) dengan batasan 3.
6X1 + 5X2 = 30 |x3
3X2 = 16 |x5
18X1 + 15X2 = 90
15X2 = 80 _ (-)
18X1 = 10
X1* = 10/18 = 5/9
X2* = 16/3
Z* = 5/9 (3) + 16/3 (5) = 28 1/3
Berarti terjadi kenaikan nilai Z (∆Z) sebesar 28 1/3 – 27 ½ = 5/6 sesuai dengan besarnya
Y2* (=5/6)
c. Apabila batasan 3 : 6X1 + 5X2 ≤ 30 dirubah menjadi 6X1 + 5X2 ≤ 31 maka X1* dan
X2* akan berubah dengan proses sebagai berikut:
6X1 + 5X2 = 31 |x3
3X2 = 15 |x5
18X1 + 15X2 = 93
15X2 = 75 _ (-)
18X1 = 18
X1* =1
X2* =5
Z* = 1 (3) + 5 (5) = 28
Berarti ∆Z sama dengan Y3*, sebesar ½.
Perlu dicata bahwa penjelasan di atas hanya relevan untuk kenaikan bi yang relatif kecil.
Bila kenaikan bi melebihi batas tertentu maka kemungkinan akan menjadi “infeasible”. Pada
contoh diatas , batasan kedua (3X2 = 15) tidak dapat dinaikkan b nya lebih dari 3 satuan
(3x2 = 18). Buktinya bila batasan tersebut dirubah menjadi (misalnya) 3X2 = 19 maka:
6X1 + 5X2 = 30 |x3
3X2 = 19 |x5
18X1 + 15X2 = 90
15X2 = 95 _ (-)
18X1 = -5
X1* = - 5/8
Yang tentu saja melanggar batasan X1≥ 0 (batasan non negative). Begitu pula halnya
dengan batasan ketiga (6X1 + 5X2 ≤30). Nilai b dari batasan ini tidak dapat dinaikkan lebih
dari 19 satuan (menjadi 6X1 + 5X2 ≤49). Bila nilai b pada batasan tersebut dinaikkan lebih
dari itu, misalnya menjadi 6X1 + 5X2 ≤50 ;
6X1 + 5X2 = 50 |x3
3X2 = 15 |x5
18X1 + 15X2 = 150
15X2 = 75 _ (-)
18X1 = 75
X1* = 75/18 = 4 1/6 ;
Yang akan melanggar batasan pertama dimana 2X1 ≤8 atau X1≤4.
Interpretasi tentang dual variable yang dikemukakan di atas merupakan hal yang sangat
penting bagi aplikasi teknik linier programming. Karena dalam praktek meskipun dalam
menyusun model permasalahan LP telah ditetapkan besarnya kapasitas sumber maksimal
(bi), kadang-kadang dimungkinkan adanya penambahan misalnya penambahan budget;
dalam hal budget dipakai sebagai salah satu batasan.
Hubungan lebih lanjut antara suatu permasalahan primal dalam LP dengan dualnya
disampaikan pada tabel berikut :
Tabel. 5 Hubungan antara variable-variabel Primal-dual dalam LP
Variabel Primal Variable dual yang berhubungan
Variabel asli : Xj Variabel surplus : (Zj-Cj)
Variable Slack : Variabel asli : Yi
Xn + 1 Dimana : i = 1, 2…,m
j = 1,2….,n
Karena suatu dual dalam hal ini juga berujud masalah LP maka ia juga memiliki
corner point solution. Tetapi karena fungsi-fungsi batasan mengandung tanda ≥
maka untuk merubahnya menjadi persamaan harus dikurangi dengan surplus
variable, dimana surplus variable daripada dual tidak lain adalah variable asli
daripada masalah primalnya. Sebaliknya slack variable yang ada pada primal, tidak
lain adalah variable asli pada masalah dualnya.
Penyimpangan-penyimpangan dari bentuk standar
Tabel berikut menunjukkan ringkasan empat macam penyimpangan dari bentuk

standar.
Tabel.6 konversi bentuk bukan standar menjadi bentuk standar dalam
model linier programming
Bentuk bukan standar Bentuk standar (yang ekuivalen)
Minimisasi Z Maksimisasi (- Z)
dan
Nilai Xj tidak terbatas
(Xj’ – Xj”), Xj’ ≥0, Xj”≥
Bagian kiri menunjukkan penyimpangan-penyimpangan dari bentuk standar,

sedangkan bagian kanan menunjukkan perubahan bentuk yang menyimpang dari
bentuk standar menjadi bentu yang memenuhi persyaratan-persyaratan bentuk
standar.
Dengan demikian setiap masalah selalu dapat di kembalikan ke dalam bentuk
standard an mencari dualnya dengan cara biasa. Tabel berikut menunjukkan
bagaimana perubahan-perubahan bentuk yang terjadi dalam mencari dual dari dual
atau tidak lain mencari primal.
Minimumkan Yo = b1 Y1 + b2 Y2 +………..+ bm Ym
Batasan-batasan : a11 Y1 + a21 Y2 + ………am1 Ym ≥C1
a12Y1 + a22 Y2 +……………………am2Ym ≥C2
a1nY1 + a2n Y2 +…………………..amn Ym ≥ Cm
Dan : Y1 ≥0, Y2 ≥ 0,…………………Ym ≥0
Perubahan ke dalam bentuk standar
Maksimumkan (-Yo ) =- b1 Y1 - b2 Y2 -………..- bm Ym
Batasan-batasan : -a11 Y1 - a21 Y2 - ………-am1 Ym ≤ - C1
-a12Y1 - a22 Y2 -……………………am2Ym ≤ - C2
a1nY1 - a2n Y2 +…………………..amn Ym ≤ - Cm
-a1n Y1- a2n Y2………………2mn Ym ≤
Dan : Y1 ≥0, Y2 ≥ 0,…………………Ym ≤0
Dual dari dual tersebut (primal)
Minimumkan (-Z ) =- C1 X1 - C2 X2 -………..- Cn Yn
Batasan-batasan : -a11 X1 - a21 X2 - ………- a1n Xn ≥- b1
-a12X1 - a22 X2 -…………………- alnXn ≥ - b1
-a21X2 - a22 X2 -…………………..-a2n Xn ≥ - b2
-am1 X1- am2 X2………………-amn Xm ≥ -bm
Dan : X1 ≥0, X2 ≥ 0,…………………Xn ≥ 0
DUALITAS dan ANALISIS SENSITIVITAS
Kegunaan Dualitas dan Analisis Sensitivitas
1. Dualitas lebih banyak bermanfaat untuk melakukan pengujian/pengecekan apakah nilai-

nilai yang telah dihasilkan dengan metode simplex telah benar dan hasilnya dapat
digunakan untuk pengambilan keputusan manajemen
2. Sementara itu, analisis sensitivitas selain digunakan untuk pengujian/pengecekan,

analisis ini lebih bermanfaat untuk menghindari pengulangan perhitungan dariawal,
apabila terjadi perubahan-perubahan pada masalah LP simplex.
Perubahan yang dimaksud misalnya :
a. perubahan nilai koefisien dalam fungsi tujuan, misalkan dari contoh sebelumnya, karena
tuntutan keadaan keuntungan yang diharapkan dari sepatu karet tidak lagi Rp 300.000,-
tapi menjadi Rp 500.000,-/unit, dst.
b. perubahan pada kapasitas maksimal mesin, misalkan karena mesin kedua diperbaiki,
diganti oli-nya, dan disetup ulang, maka bila sebelumnya hanya bisa menyala 15 jam,
saat ini mampu menyala hingga 16 jam.
Jika hal tersebut terjadi, fungsi tujuan dan batasan akan berubah, dan apabila dilakukan
perhitungan lagi dari awal tentunya akan memakan waktu yang cukup lama, disamping
risiko kesalahan hitung yang mungkin muncul. Oleh karena itu analisis sensitivitas
diperlukan untuk sesegera mungkin mendapatkan hasil optimal yang baru dari perubahan-
perubahan tersebut. Untuk memahami konsep dualitas, langkah pertama yang perlu
dipahami adalah bahwa sebenarnya Dualitas adalah ‘kebalikan’ masalah Simplex, dan
masalah Simplex sendiri selanjutnya sering disebut dengan masalah Primal. Jadi masalah
Dual adalah ‘kebalikan’ dari masalah Primal (simplex)
Dari contoh kasus di atas, masalah Primal (simpelx)-nya adalah :
Fungsi tujuan : Maksimalkan Z = 3X1 + 5X2
Dengan batasan :
Mesin A 2X1 ≤8
Mesin B 3X2 ≤ 15
Mesin C 6X1 + 5X2 ≤ 30 ,
dimana X1 dan X2 ≥0
Masih ingat khan, bahwa kedua fungsi di atas berasal dari tabel penyederhanaan yg dibuat
pada kasus berikut ini :
Merk Mesin X1 X2 X3
A 2 0 8
B 0 3 15
C 6 5 30
Kontribusi terhadap
keuntungan /lusin 3 5
(dalam Rp. 100.000,-)
Tabel penyederhanaan kasus Primal (simplex) di atas apabila dijadikan Dual akan menjadi:
A B C
X1 2 0 6 3
X2 0 3 5 5
8 15 30
Atau apabila notasi A, B, dan C serta X1 dan X2 diganti dengan notasi umum dalam Dual
akan menjadi:
Y1 Y2 Y3
Batasan 1 2 0 6 3
Batasan 2 0 3 5 5
8 15 30
Sehingga fungsi tujuan dan batasan Dual-nya dapat diperoleh dengan cara yang sama
dengan ketika dulu mendapatkan fungsi tujuan dan batasan pada Primal (simplex)-nya.
Dengan demikian fungsi tujuan dan batasan Dual-nya (dan ini merupakan ‘kebalikan’ dari
fs. Tujuan dan batasan Primal-nya) adalah :
Fungsi Tujuannya :
Minimalkan Y = 8Y1 + 15Y2 + 30Y3 🡪 perhatikan mjd Minimalisasi
Dengan batasan :
2Y1 + 6Y3 ≥3 🡪tanda juga berubah
3Y2 + 5Y3 ≥ 5
Dimana Y1, Y2, dan Y3 ≥ 0
Perhatikan!
Dalam fungsi tujuan dan batasan Dual tersebut :
1. Fungsi tujuannya dari maksimalisasi menjadi minimalisasi
2. Nilai koefisien pada fungsi tujuan (8, 15, dan 30) sebelumnya adalah nilai kanan (NK)
dari fungsi batasan Primal (simplex)-nya.
3. Sebaliknya nilai kanan batasan (3 dan 5) sebelumnya adalah nilai koefisien fungsi tujuan
pada kasus Primal (simplex)
4. Nilai koefisien pada fungsi batasan Dual adalah ‘pembacaan’ vertikal dari nilai koefisien
di batasan Primalnya
5. Jumlah batasan (3) akan menjadi jumlah variabel dalam fungsi tujuan Dualnya (Y1 s.d.
Y3)
Bila disandingkan kedua masalah Primal dan Dual di atas, akan terlihat :
Fungsi tujuan Primal : Fungsi Tujuan Dual :
Maksimalkan Z = 3X1 + 5X2 Minimalkan Y = 8Y1 + 15Y2 + 30Y3
Dengan batasan : Dengan batasan :
Mesin A 2X1 ≤8 2Y1 + 6Y3 ≥3
Mesin B 3X2 ≤ 15 3Y2 + 5Y3 ≥ 15
Mesin C 6X1 + 5X2 ≤ 30 ,
Dimana Y1, Y2, dan Y3 ≥ 0
dimana X1 dan X2 ≥0
Seperti telah dijelaskan di bagian awal bab ini, maka salah satu manfaat Dualitas adalah
untuk melakukan pengecekan apakah nilai-nilai yang telah dihasilkan dengan
metodesimplex telah benar dan hasilnya dapat digunakan untuk pengambilan keputusan
manajemen.
Namun demikian, sebelumnya perlu kita perhatikan hasil optimal simplex dari kasus
sebelumnya.
X1 X2 X3 X4 X5 NK
Z 0 0 0 5/6 ½ 27.5
X3 0 0 1 5/9 -1/3 6 1/3
X2 0 1 0 1/3 0 5
X1 1 0 0 -5/18 1/6 5/6
Dari tabel optimal simplex di atas telah disimpulkan bahwa :
1. Jumlah produksi untuk sepatu karet (X1) sebaiknya dilakukan dalam jumlah 5/6 (lihat
kolom NK, baris X1). Sementara itu sepatu kulit sebaiknya diproduksi sebanyak 5 (lihat
kolom NK, baris X2)
2. Dengan hasil pada poin 1 di atas, maka keuntungan yang akan diterima oleh perusahaan
adalah sebesar 27,5 atau 2.750.000 (lihat kolom NK, baris Z)
Selain nilai 5/6; 5; dan 27,5 tersebut di atas ternyata nilai yang bermanfaat tidak hanya itu.
Ada beberapa nilai yang juga penting.
Perhatikan nilai-nilai dibawah variabel dasar X3, X4, dan X5 pada baris Z tersebut di atas.
Nilainya adalah 0, 5/6, dan 1/2. Nilai-nilai ini secara umum dapat diartikan sebagai besarnya
tambahan keuntungan perusahaan apabila masing-masing kapasitas batasan bertambah
sebesar 1unit kapasitas (misalnya mesin A dari 8 jam menjadi 9 jam, mesin B dari 15 jam
menjadi 16 jam). Dengan demikian dapat diartikan bahwa:
1. Nilai 0 (nol) di bawah variabel dasar X3 menunjukkan bahwa apabila mesin A (batasan
1) kapasitasnya bertambah dari 8 jam menjadi 9 jam, maka keuntungan perusahaan
akan bertambah sebesar 0 atau tetap sebesar 27,5.
2. Nilai 5/6 di bawah variabel dasar X4 menunjukkan bahwa apabila mesin B (batasan 2)
kapasitasnya bertambah dari 15 jam menjadi 16 jam, maka keuntungan perusahaan
akan bertambah sebesar 5/6 sehingga dari 27.5 menjadi 27,5 + 5/6 = 28,34
3. Nilai 1/2 di bawah variabel dasar X5 menunjukkan bahwa apabila mesin C (batasan 3)
kapasitasnya bertambah dari 30 jam menjadi 31 jam, maka keuntungan perusahaan
akan bertambah sebesar 1/2 sehingga dari 27,5 menjadi 27,5 + 0,5 = 28.
Benarkah demikian?
Untuk membuktikannya, perhatikan perhitungan berikut ini:
Batasan 2
Kapasitasnya bertambah 1 jam sehingga menjadi:
3X2 ≤ 16, bila dihubungkan dengan batasan ketiga
6X1 + 5X2 ≤ 30
Bila batasan 2 dikalikan 5 dan batasan 3 dikalikan 3, hasilnya adalah:
3X2 ≤ 16 (x5)
6X1 + 5X2 ≤ 30 (x3)
15X2 ≤ 80
18X1 + 15X2 ≤ 90
---------------------------- -
- 18 X1 ≤ - 10
X1 = -10 / - 18
X1 = 5/9, sementara itu nilai X2 nya adalah :
3X2 ≤ 16
X2 ≤ 16/3, bila nilai X1 dan X2 ini dimasukkan ke fs tujuan :
Z = 3X1 + 5X2
= 3(5/9) + 5(16/3)
= 28,34
Jadi keuntungan yang baru ini 28,34 – 27,5 = 0,84 atau § dengan 5/6 dan ini terbukti bahwa
apabila kapasitas mesin ke-2 (batasan 2) bertambah dari 15 menjadi 16, keuntungan akan
bertambah 5/6.
Selanjutnya, selain mununjukkan tabahan keuntungan yang diakibatkan oleh penambahan

kapasitas sebesar 1 unit, nilai-nilai dibawah kolom variabel dasar (X3, X4, dan X5) tersebut
atau nilai 0, 5/6, dan 1/2 tersebut apabila dimasukkan ke dalam fungsi tujuan Dual-nya akan
menghasilkan keuntungan yang sama ketika keuntungan tersebut diperoleh dari fungsi
tujuan Primal-nya (hal ini sekaligus dapat digunakan untuk memastikan bahwa hasil optimal
pada masalah Primal/Simplex-nya sudah benar).
Untuk lebih jelasnya, perhatikan perhitungan di bawah ini :
Fungsi tujuan Dual:
Minimalkan Y = 8Y1 + 15Y2 + 30Y3
= 8(0) + 15(5/6) + 30(1/2)
= 27,5 🡪 nilai ini sama dengan yang dihasilkan dari fungsi tujuan
primal/simplex sebelumnya
Analisis Sensitivitas
Seperti dijelaskan di atas selain dapat digunakan untuk menguji kebenaran hasil optimal
Primal/Simplexnya, analisis sensitifitas sangat bermanfaat untuk menghindari pengulangan
perhitungan dari awal, apabila terjadi perubahan-perubahan pada masalah LP simplex.
Pengecekan atau pengujian hasil optimal Primal/simplex dapat dilakukan dengan

memanfaatkan beberapa nilai pada tabel simplex optimalnya, khususnya nilai-nilai yang
berada di bawah variabel dasar, kecuali di baris tujuan (Z). Perhatikan lagi tabel optimal
simplex yang sudah diperoleh sebelumnya :
X1 X2 X3 X4 X5 NK
Z 0 0 0 5/6 ½ 27.5
X3 0 0 1 5/9 -1/3 6 1/3
X2 0 1 0 1/3 0 5
X1 1 0 0 -5/18 1/6 5/6
Dari tabel di atas, nilai-nilai yang dimaksud adalah :
1 5/9 -1/3
0 1/3 0
0 -5/18 1/6 🡪 dan ini semua merupakan sebuah matrik.
Matrik inilah yang kemudian dimanfaatkan untuk berbagai keperluan di atas. Selanjutnya
untuk memanfaatkan matrik tersebut, langkah-langkahnya adalah:
Pengujian/pembuktian pertama
Langkah 1
Menentukan koefisien-koefisien pada fungsi tujuan Primal/simplex yang berhubungan

dengan variabel dasar iterasi yang bersangkutan. Dari tabel di atas dapat dilihat bahwa
urutan variabel yang dimaksud adalah X2, dan X1. Sementara itu fungsi tujuan
Primal/simplex-nya adalah Z = 3X1 + 5X2, sehingga koefisien yang dimaksud adalah 5 dan
3.
Langkah 2
Meng-kalikan nilai koefisien tersebut dengan matrik 3x3 di atas, dan perhitungan adalah :
1 5/9 -1/3
(0, 5, 3) 0 1/3 0 =
0 -5/18 1/6
(0x1 + 5x0 + 3x0; 0x5/9 + 5x1/3 + 3x-5/18; 0x.1/3 + 5x0 + 3x1/6) = (0, 5/6, 1/2)
(0, 5/6, 1/2) 🡪 hasil ini tidak lain adalah nilai yang ada di bawah variabel dasar X3, X4, X5
pada bari Z tabel optimal Primal/simplex di atas, dan yang sebelumnya telahdijelaskan
merupakan nilai-nilai yang mununjukkan tabahan keuntungan yang diakibatkan oleh
penambahan kapasitas sebesar 1 unit.
Dengan hasil ini dapat dikatakan bahwa nilai-nilai tersebut adalah benar dan berarti pula
manfaat dari nilai-nilai tersebut juga benar pula dan dapat dipercaya.
Pengujian/pembuktian pertama
Langkah 1
Menentukan nilai kanan dari setiap batasan yang ada dalam fungsi batasan Primal/simplex-
nya. Dari contoh kasus yang ada, nilai yang dimaksud adalah 8, 15, dan 30.
Langkah 2
Meng-kalikan nilai yang telah ditentukan tersebut dengan matrix di atas, dan
perhitungannya adalah:
1 5/9 -1/3 8
0 1/3 0 15 =
0 -5/18 1/6 30
1x8 + 5/9x15 + -1/3x30 6 1/3
0x8 + 1/3x15 + 0x30 = 5 🡪 X2
0x8 + -5/18x15 + 1/6x30 5/6 🡪 X1
Perhatikan hasil di atas! Hasil tersebut tidak lain adalah nilai pada kolom NK tabel optimal
Primal/simplex-nya. Dengan demikian memang terbukti bahwa nilai yang dihasilkan oleh
tabel simplex adalah benar dan dapat dipercaya.
Dengan hasil di atas, dapat disimpulkan bahwa matrik 3x3 yang diperoleh dari nilai-nilai
dalam tabel Primal/simplex optimal dapat digunakan untuk memperoleh nilai optimal
produksi yang harus dilakukan (X1= 5/6 dan X2 = 5).
Dengan demikian apabila terjadi perubahan pada nilai kanan batasan (misalkan kapasitas
mesin B dinaikkan dari 15 jam menjadi 16 jam dan menurut penjelasan di atas keuntungan
akan naik sebesar 5/6 sehingga dari 27,5 menjadi 28,34, ) dapat pula dicari dengan bantuan
matrik ini. Untuk lebih jelasnya, perhatikan perhitungan berikut ini :
NK sebelumnya NK Setelah perubahan
8 8
15 🡪 16
30 30
Perhatikan! Nilai kanan / kapasitas batasan 2 atau mesin B naik menjadi 16, maka
keuntungan akan bertambah sebesar 5/6 sehingga dari 27,5 menjadi 28,34, benarkah?
1 5/9 -1/3 8
0 1/3 0 1 =
0 -5/18 1/6 30
1x8 + 5/9x16 + -1/3x30 6 8/9
0x8 + 1/3x16 + 0x30 = 5 1/3 🡪 X2
0x8 + -5/18x16 + 1/6x30 5/9 🡪 X1
Apabilai nilai X1 dan X2 tersebut dimasukkan ke fungsi tujuan Primal/simplex akan

diperoleh keuntungan :
Z = 3X1 + 5X2
= 3(5/9) + 5(5 1/3)
= 28,34 🡪 Jadi terbukti memang keuntungan akan bertambah sebesar 5/6

menjadi 28,34
Begitu pula bila perubahan terjadi pada koefisien fungsi tujuan. Misalkan karena suatu
sebab, keuntungan per unit X1 dan X2 tidak lagi 3 dan 5, tapi menjadi 4 dan 6, maka
keuntungan perusahaan yang baru adalah:
1 5/9 -1/3
(0, 6, 4) 0 1/3 0 =
0 -5/18 1/6
(0x1 + 6x0 + 4x0; 0x5/9 + 6x1/3 + 4x -5/18; 0x.1/3 + 5x0 + 3x1/6) = (0, 8/9, 2/3)
Jadi tambahan keuntungan yang terjadi apabila kapasitas setiap mesin ditambah 1unit tidak
lagi 0, 5/6, dan ½, tetapi 0, 8/9 dan 2/3. Dan apabila dimasukkan ke Fungsi tujuan Dual
untuk mendapatkan hasil adalah: Y = 8(0) + 15(8/9) + 30(2/3) = 33,34 🡪 Keuntungan yang
baru.
Daftar Pustaka
Rachmadi Agus Triono, Pengambilan Keputusan Manajerial, Salemba Empat, 2012
Taylor III, W.B. Introduction to Management Science. Prentice Hall, New Jersey,
2007
Ma’arif, M.S. & Tanjung, H, Manajemen Operasi. PT Grasindo, Jakarta, 2003

Assauri, S.
Manajemen Produksi dan Operasi. Universitas Indonesia, Jakarta, 2001 Martinich.
Operation Management. Prentice Hall, New York, 2003

Modul Pengambilan Keputusan Manajerial (TM7)

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modul Pengambilan Keputusan Manajerial (TM7)

Uploaded by

Copyright:

Available Formats

MODUL PERKULIAHAN

Abstrak Sub-CPMK (lihat di RPS)

Menjelaskan kendala- Mahasiswa mampu menerjemahkan

Fakultas Program Studi Tatap Muka Disusun Oleh

Fungsi Tujuan : maksimumkan

Tabel.1 Notasi baris 1 tabel simplek

Variabel dasar z X1 X2…… Xn Xn+1 Xn+12 Xn+m NK

Z 1 (Z1-C1) (Z2-C2) (Zn-Cn) Y1Y2………………………………………….……Ym Yn

(Z1-C1) ≥ 0; untuk j = 1, 2,…….n

Dan Yi ≥ 0, untuk i = 1, 2,………..m

Bentuk diatas merupakan bentuk dual.

Batasan-batasan : untuk j = 1, 2, ………n

Dan Yi ≥ 0, untuk i = 1, 2,………..m

Tabel.2 Primal dual untuk linier programming

Dual Koefisien fungsi tujuan

Koefisien Fungsi tujuan

1. Parameter batasan-batasan primal (atau dual) merupakan koefisien variable dual

Tabel.3 Primal – Dual untuk Perusahaan sepatu LIDI

Memaksimumkan : Z = 3X1 + 5X2, Meminimumkan : Yo =8Y1+15Y2+30Y3

2X1 ≤ 8 2Y1 + 6Y3 ≥ 3

3X2≤ 15 3Y2 + 5Y3 ≥ 5

X1 ≥0, X2 ≥0, Y1 ≥0; Y2 ≥ 0, Y3 ≥ 0

Tabel. 4 Interpretasi ekonomis masalah primal

Xj Tingkat aktivitas (j=1,2,…..,n)

Cj Laba per satuan aktivitas j

Z Laba total dari seluruh aktivitas

bi Jumlah sumber i yang tersedia

aij Jumlah sumber i yang dipakai oleh

Dimana: Yo=b1y1 + b2Y2+….bmYm;

27 ½ = 8 (0) + 15 (5/6) + 30 (1/2)

Interpretasi lain daripada dual variable ini adalah sebagai berikut :

6X1 + 5X2 = 30 |x3

Z* = 5/9 (3) + 16/3 (5) = 28 1/3

6X1 + 5X2 = 31 |x3

Berarti ∆Z sama dengan Y3*, sebesar ½.

6X1 + 5X2 = 30 |x3

6X1 + 5X2 = 50 |x3

18X1 + 15X2 = 150

X1* = 75/18 = 4 1/6 ;

Yang akan melanggar batasan pertama dimana 2X1 ≤8 atau X1≤4.

Tabel. 5 Hubungan antara variable-variabel Primal-dual dalam LP

Variabel Primal Variable dual yang berhubungan

Variabel asli : Xj Variabel surplus : (Zj-Cj)

Variable Slack : Variabel asli : Yi

Penyimpangan-penyimpangan dari bentuk standar

Tabel berikut menunjukkan ringkasan empat macam penyimpangan dari bentuk

Tabel.6 konversi bentuk bukan standar menjadi bentuk standar dalam

model linier programming

Bentuk bukan standar Bentuk standar (yang ekuivalen)

Nilai Xj tidak terbatas

(Xj’ – Xj”), Xj’ ≥0, Xj”≥

Bagian kiri menunjukkan penyimpangan-penyimpangan dari bentuk standar,

Batasan-batasan : a11 Y1 + a21 Y2 + ………am1 Ym ≥C1

a12Y1 + a22 Y2 +……………………am2Ym ≥C2

a1nY1 + a2n Y2 +…………………..amn Ym ≥ Cm

Dan : Y1 ≥0, Y2 ≥ 0,…………………Ym ≥0

Perubahan ke dalam bentuk standar

Maksimumkan (-Yo ) =- b1 Y1 - b2 Y2 -………..- bm Ym

Batasan-batasan : -a11 Y1 - a21 Y2 - ………-am1 Ym ≤ - C1

-a12Y1 - a22 Y2 -……………………am2Ym ≤ - C2

a1nY1 - a2n Y2 +…………………..amn Ym ≤ - Cm

-a1n Y1- a2n Y2………………2mn Ym ≤

Dan : Y1 ≥0, Y2 ≥ 0,…………………Ym ≤0