Teori Dualitas dan Penerapannya Duality Theory and Its ... · x 1 = x = adalah solusi layak untuk...
Transcript of Teori Dualitas dan Penerapannya Duality Theory and Its ... · x 1 = x = adalah solusi layak untuk...
TI2231 Penelitian Operasional I 1
Teori Dualitas dan Penerapannya(Duality Theory and Its Application)
Kuliah 06
TI2231 Penelitian Operasional I 2
Materi Bahasan
① Teori dualitas② Metode simpleks dual
TI2231 Penelitian Operasional I 3
① Teori Dualitas
TI2231 Penelitian Operasional I 4
Teori dualitas
• Dari sudut pandang teoritis dan praktis, teori dualitasmerupakan salah satu konsep penting dan menarikdalam pemrograman linier.
• Ide dasar dibalik teori dualitas adalah bahwa setiapmasalah pemrograman linier mempunyai satupemrograman linier yang terkait yang disebut dual.
• Solusi pada masalah pemrograman liniear originalnyajuga memberikan solusi bagi dualnya.
• Jika suatu solusi masalah pemrograman linier dipecahkan dengan simplex method, pada dasarnyadiperoleh solusi untuk dua masalah pemrogramanlinier.
TI2231 Penelitian Operasional I 5
Pemrograman linier dual simetris
• Suatu pemrograman linier dikatakan dalambentuk simetris jika– semua variabel dibatasi tak negatif– semua pembatas dalam bentuk pertidaksamaan
• untuk masalah maksimisasi, bentuk pertidaksamaanadalah “lebih kecil atau sama dengan”
• untuk masalah minimisasi, bentuk pertidaksamaanadalah “lebih besar atau sama dengan”
TI2231 Penelitian Operasional I 6
Masalah primal
Z = c1x1 + c2x2 + … + cnxn
a11x1 + a12x2 + … + a1nxn ≤ b1a21x1 + a22x2 + … + a2nxn ≤ b2...am1x1 + am2x2 + … + amnxn ≤ bm
x1≥0, x2≥0,…, xn≥0
dengan pembatas
Memaksimumkan
TI2231 Penelitian Operasional I 7
Masalah dual
W = b1y1 + b2y2 + … + bmym
a11y1 + a21y2 + … + am1ym ≥ c1a12y1 + a22y2 + … + am2yn ≥ c2...a1ny1 + a2ny2 + … + amnym ≥ cn
y1≥0, y2≥0,…, ym≥0
dengan pembatas
Meminimumkan
TI2231 Penelitian Operasional I 8
Notasi matrix
Primal:Memaksimumkan Z = cxdengan pembatas
Ax ≤ bx ≥ 0
Dual:Meminimumkan W = ybdengan pembatas
yA ≥ cy ≥ 0
A : matriks (m x n)b : vektor kolom (m x 1)c : vektor baris (1 x n)x : vektor kolom (n x 1)y : vektor baris (1 x m)
TI2231 Penelitian Operasional I 9
Masalah primal-dual
Primal
Max Z = 3x1 + 2x2
dengan pembatas-pembatas:x1 + 2x2 ≤ 6
2x1 + x2 ≤ 8– x1 + x2 ≤ 1
x2 ≤ 2 x1, x2 ≥ 0
Dual
Min W = 6y1 + 8x2 + y3 + 2y4
dengan pembatas-pembatas:y1 + 2y2 – y3 ≥ 3
2y1 + y2 + y3 + y4 ≥ 2y1, y2, y3, y4 ≥ 0
TI2231 Penelitian Operasional I 10
Hubungan primal-dual
• Koefisien fungsi tujuan untuk masalah primal menjadikonstanta ruas kanan bagi dual.
• Konstanta ruas kanan dari primal menjadi koefisien fungsitujuan bagi dual.
• Pertidaksamaan untuk pembatas dibalik untuk kedua masalah.• Tujuan diubah dari maksimisasi untuk primal menjadi
minimisasi untuk dual.• Tiap kolom dalam primal menjadi (baris) pembatas pada dual;
sehingga jumlah pembatas dual sama dengan jumlah variabelprimal.
• Tiap (baris) pembatas dalam primal berkaitan dengan kolompada dual; sehingga satu variabel dual berkaitan dengan satupembatas primal.
• Dual dari masalah dual adalah masalah primal
TI2231 Penelitian Operasional I 11
Beberapa teorema dalam teori dualitas
• Weak duality theorem• Optimality criterion theorem• Main duality theorem• Complementary slackness theorem
TI2231 Penelitian Operasional I 12
Teorema 1: Weak duality theorem (1)
Misalkan diberikan program linier primal-dual simetris:
P: max Z = cx, Ax ≤ b, x ≥ 0
D: min W = yb, yA ≥ c, y ≥ 0
Nilai fungsi tujuan dari masalah minimimasi (dual)untuk sebarang solusi layak selalu lebih besar atau samadengan nilai fungsi tujuan masalah maksimisasi (primal).
TI2231 Penelitian Operasional I 13
Teorema 1: Weak duality theorem (2)
Bukti
Misalkan:x0 : vektor solusi layak untuk primaly0 : vektor solusi layak untuk dualAkan dibuktikan bahwa: y0b ≥ cx0
Karena x0 adalah layak untuk primal, maka Ax0 ≤ b, x0 ≥ 0 (1)Karena y0 adalah layak untuk dual, maka y0A ≥ c, y0 ≥ 0 (2)
Perkalian kedua sisi pertidaksamaan (1) dengan y0 y0Ax0 ≤ y0bPerkalian kedua sisi pertidaksamaan (2) dengan x0 : y0Ax0 ≤ cx0
Implikasi : y0b ≥ y0Ax0 ≥ cx0
TI2231 Penelitian Operasional I 14
Teorema 1: Weak duality theorem (3)
• Konsekuensi 1:– Nilai fungsi tujuan dari masalah maksimisasi (primal)
untuk sebarang solusi layak merupakan batas bawah darinilai minimum fungsi tujuan dual.
• Konsekuensi 2:– Nilai fungsi tujuan dari masalah minimisasi (dual) untuk
sebarang solusi layak (dual) merupakan batas atas dari nilaimaksimum fungsi tujuan primal.
• Konsekuensi 3:– Jika masalah primal adalah layak dan nilai fungsi tujuannya
tak terbatas (dalam hal ini, max Z →+∞), maka masalahdual adalah tak layak.
TI2231 Penelitian Operasional I 15
Teorema 1: Weak duality theorem (4)
• Konsekuensi 4:– Jika masalah dual adalah layak dan nilai fungsi tujuannya
tak terbatas (dalam hal ini, min W →-∞), maka masalahprimal adalah tak layak.
• Konsekuensi 5:– Jika masalah primal adalah layak dan dualnya tak layak
maka masalah primal tersebut adalah tak terbatas.
• Konsekuensi 6:– Jika masalah dual adalah layak dan primalnya adalah tak
layak maka masalah dual tersebut adalah tak terbatas.
TI2231 Penelitian Operasional I 16
Teorema 1: Weak duality theorem (4)- Ilustrasi #1
Primal
Max Z = 3x1 + 2x2
dengan pembatas-pembatas:x1 + 2x2 ≤ 6
2x1 + x2 ≤ 8– x1 + x2 ≤ 1
x2 ≤ 2 x1, x2 ≥ 0
Dual
Min W = 6y1 + 8x2 + y3 + 2y4
dengan pembatas-pembatas:y1 + 2y2 – y3 ≥ 3
2y1 + y2 + y3 + y4 ≥ 2y1, y2, y3, v4 ≥ 0
TI2231 Penelitian Operasional I 17
Teorema 1: Weak duality theorem (4)- Ilustrasi #1
0,4 02
01 == xx adalah solusi layak untuk primal.
Nilai fungsi tujuan primal Z = cx0 = 12
0,0,5,0 04
03
02
01 ==== yyyy adalah solusi layak untuk dual
Nilai fungsi tujuan dual W = y0b = 40
Disini Z = cx0 ≤ y0b = W dan memenuhi weak dualitytheorem.Berdasarkan Konsekuensi (1), nilai minimum W untuk dualtidak dapat lebih kecil dari 12.Berdasarkan Konsekuensi (2), nilai minimum Z untuk primaltidak dapat melebihi 40.
TI2231 Penelitian Operasional I 18
Teorema 1: Weak duality theorem (4)- Ilustrasi #2
Memaksimumkan Z = 4x1 + x2
dengan pembatas-pembatas:x1 – x2 ≤ 2
-3x1 + x2 ≤ 3x1 ≥ 0, x2 ≥ 0
Meminimumkan W = 2y1 + 3y2
dengan pembatas-pembatas:y1 – 3y2 ≥ 4
- y1 + y2 ≥ 1y1 ≥ 0, y2 ≥ 0
Primal: Dual
TI2231 Penelitian Operasional I 19
Teorema 1: Weak duality theorem (4)- Ilustrasi #2
x1
x2
Solusi primaltak terbatas
TI2231 Penelitian Operasional I 20
Teorema 1: Weak duality theorem (4)- Ilustrasi #2
y1
y2
Solusi dualtak layak
TI2231 Penelitian Operasional I 21
Teorema 2: Optimality criterion theorem (1)
Jika terdapat solusi layak x0 dan y0 untuk masalahpemrograman linier dual simetris sedemikian hingganilai fungsi tujuannya adalah sama, maka solusi layak ini adalah solusi optimal bagimasing-masing masalah.
TI2231 Penelitian Operasional I 22
Teorema 2: Optimality criterion theorem (2)
Bukti
Misalkan x adalah sebarang solusi layak bagi masalah primal.Maka berdasarkan Teorema 1,
cx ≤ y0bTetapi ini diberikan bahwa cx0 = y0b.Oleh karena itu cx ≤ cx0 untuk semua solusi layak bagi masalah primal.Per definisi, x0 adalah optimal bagi primal.
Argumen yang sama juga berlaku bagi optimalitas y0 bagi masalah dual.
TI2231 Penelitian Operasional I 23
Teorema 3: Main duality theorem
Jika baik masalah primal maupun dual adalah layak,maka keduanya mempunyai solusi optimal sedemikianhingga nilai optimalnya adalah sama.
TI2231 Penelitian Operasional I 24
Teorema 4: Complemantary slackness theorem (1)
Misalkan diberikan program linier primal-dual simetris:P: max Z = cx, Ax ≤ b, x ≥ 0D: min W = yb, yA ≥ c, y ≥ 0dimanaA : matriks (m x n)b : vektor kolom (m x 1)c : vektor baris (1 x n)x : vektor kolom (n x 1)y : vektor baris (1 x m)
TI2231 Penelitian Operasional I 25
Teorema 4:Complemantary slackness theorem (2)
Misalkan:x0 : vektor solusi layak untuk primaly0 : vektor solusi layak untuk dual
Maka x0 dan y0 adalah optimal untuk masalahmasing jika dan hanya jika
( ) ( ) 00000 =−+− AxbyxcAy
TI2231 Penelitian Operasional I 26
Teorema 4:Complemantary slackness theorem (3)
Bukti:
Misalkan⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=×
m
m
u
uu
2
1
)1(u adalah vektor slack untuk primal
( )nnvvv ,,, 21)1(
=×v adalah vektor slack untuk dual
Karena x0 dan y0 adalah solusi layak, maka0uxbuAx ≥=+ 0000 ,;0vycvAy ≥=− 0000 ,;
(u0 dan v0 adalah nilai-nilai dari variabel slack yang berkaitanmasing-masing dengan solusi layak x0 dan y0).
(1)(2)
TI2231 Penelitian Operasional I 27
Teorema 4: Complemantary slackness theorem (4)
Perkalian (1) dengan y0 y0Ax0 + y0u0 = y0b (3)Perkalian (2) dengan x0 y0Ax0 – v0x0 = cx0 (4)
Pengurangan (3) dengan (4) y0u0 + v0x0 = y0b – cx0 (5)
Untuk membuktikan Teorema 4, harus diperlihatkan bahwax0 dan y0 adalah solusi optimal bagi masing-masing masalahprimal dan dual jika dan hanya jika
v0x0 + y0u0 = 0 (6)
TI2231 Penelitian Operasional I 28
Teorema 4: Complemantary slackness theorem (5)
Bagian 1Diasumsikan bahwa x0 dan y0 adalah solusi optimal dan harusdibuktikan bahwa Persamaan (6) adalah benar.Karena x0 dan y0 adalah optimal, berdasarkan Teorema 3 makacx0 = y0b. Oleh karena itu, Persamaan (5) menjadi Persamaan (6)
y0u0 + v0x0 = y0b – cx0 v0x0 + y0u0 = 0
TI2231 Penelitian Operasional I 29
Teorema 4: Complemantary slackness theorem (6)
Bagian 2Diasumsikan bahwa Persamaan (6) adalah benar danakan dibuktikan bahwa x0 dan y0 adalah solusi optimal bagimasing-masing masalah primal dan dual
Karena Persamaan (6) benar, maka Persamaan (5) menjadiy0b – cx0.
y0u0 + v0x0 = y0b – cx0 y0b = cx0
Berdasarkan Teorema 2 maka x0 dan y0 merupakan solusi optimal.
TI2231 Penelitian Operasional I 30
Complementary slackness condition
Persamaan (6) : v0x0 + y0u0 = 0 dari complementary slacknesstheorem dapat disederhanakan sebagai berikut:
vj0xj
0 = 0 untuk semua j = 1, 2, …, nyi
0ui0 = 0 untuk semua i = 1, 2, …, m
dengan memperhatikan hal-hal berikut: 1. x0, u0, v0, y0 ≥ 0 dan oleh karena itu v0x0 ≥ 0 dan y0u0 ≥ 0.2. Jika jumlah komponen-komponen tak negatif sama dengan nol,
maka tiap komponen adalah nol.
TI2231 Penelitian Operasional I 31
Complementary slackness condition
① Jika suatu variabel primal (xj0) adalah positif, maka
pembatas dual yang bersesuaian memenuhipersamaan pada titik optimalnya (yaitu, vj
0 = 0)② Jika suatu pembatas primal adalah strick inequality
pada titik optimal (yaitu, uj0 > 0), maka variabel
dual yang bersesuaian (yi0) harus nol.
③ Jika suatu variabel dual (yi0) adalah positif maka
pembatas primal yang bersesuaian memenuhipersamaan pada titik optimalnya (yaitu, ui
0 = 0)④ Jika suatu pembatas dual adalah strick inequality
pada titik optimal (yaitu vi0 > 0), maka variabel
primal yang bersesuaian harus nol
TI2231 Penelitian Operasional I 32
Ilustrasi (1)
Primal
Max Z = 3x1 + 2x2
dengan pembatas-pembatas:x1 + 2x2 ≤ 6
2x1 + x2 ≤ 8– x1 + x2 ≤ 1
x2 ≤ 2 x1, x2 ≥ 0
Dual
Min W = 6y1 + 8x2 + y3 + 2y4
dengan pembatas-pembatas:y1 + 2y2 – y3 ≥ 3
2y1 + y2 + y3 + y4 ≥ 2y1, y2, v1, v2 ≥ 0
TI2231 Penelitian Operasional I 33
Ilustrasi (2)
Primal (Penambahan slack variable)
Max Z = 3x1 + 2x2
dengan pembatas-pembatas:x1 + 2x2 + u1 = 6
2x1 + x2 + u2 = 8– x1 + x2 + u3 = 1
x2 + u4 = 2 x1, x2, u1, u2, u3, u4 ≥ 0
Dual(Penambahan slack variable)
Min W = 6y1 + 8x2 + y3 + 2y4
dengan pembatas-pembatas:y1 + 2y2 – y3 – v1 = 3
2y1 + y2 + y3 + y4 – v2 = 2y1, y2, v1, v2 ≥ 0
TI2231 Penelitian Operasional I 34
Ilustrasi (3)
Complementary slackness condition mengimplikasikanpada kondisi optimal:
001
01 =yu
002
02 =yu
003
03 =yu
004
04 =yu
001
01 =vx
002
02 =vx
TI2231 Penelitian Operasional I 35
Ilustrasi (4)
Dengan metode simplex diperoleh solusi optimaluntuk masalah primal sebagai berikut:
3/1001 =x
3/402 =x
Z = 38/3
TI2231 Penelitian Operasional I 36
Ilustrasi (5)
Dengan penerapan complementary slackness condition,solusi optimal bagi dual ditentukan sebagai berikut
003/10 01
01 =→>= vx
003/4 02
02 =→>= vx
( ) 0,063/423/102 01
01
02
01 ≥=→=+=+ yuxx
( ) 0,083/43/1022 02
02
02
01 ≥=→=+=+ yuxx
( ) 0,0123/43/10 03
03
02
01 =>→<−=+−=+− yuxx
0,023/4 04
04
02 =>→<= yux
(1)(2)(3)(4)(5)(6)
TI2231 Penelitian Operasional I 37
Ilustrasi (6)
Kondisi (1), (2), (5) dan (6) mengimplikasikan:
32 02
01 =+ yy
22 02
01 =+ yy
3/101 =y
3/402 =y
W = 38/3
003 =y
004 =y
TI2231 Penelitian Operasional I 38
Penerapan complementary slackness condition
• Digunakan untuk mencari solusi primal optimal darisuatu solusi dual optimal, dan sebaliknya.
• Digunakan untuk memverifikasi apakah suatu solusilayak adalah optimal untuk masalah primal.
• Digunakan untuk menginvestigasi ciri-ciri umum darisolusi optimal pada masalah primal dan dual denganmenguji hipotesis-hipotesis yang berbeda.
• Kuhn-Tucker optimality condition untukpemrograman non linier merupakan pengembanganlebih lanjut dari complementary slackness conditiondan sangat berguna dalam pemrograman matematislanjutan.
TI2231 Penelitian Operasional I 39
Karakteristik pokokhubungan primal-dual
y ≥ 0x ≥ 0Variabel keputusan
yA ≥ cAx ≤ bPertidaksamaan pembatas
Min W = ybMax Z = cxFungsi tujuan
Konstanta ruas kananVektor biayac
Vektor biayaKonstanta ruas kananb
Transpos dari matrikspembatasMatriks pembatasA
DualPrimal
TI2231 Penelitian Operasional I 40
Interpretasi ekonomi darisolusi dual (1)
• Dalam pandangan ekonomi, solusi dual optimal dapat diinterpretasikan sebagai hargayang dibayarkan untuk sumberdaya pembatas.
• Berdasarkan Teorema 3 (main duality), nilaioptimal bagi primal dan dual adalah sama.
• Jika x0 dan y0 masing-masing adalah solusioptimal, maka Z0 = cx0 = y0b = W0.
TI2231 Penelitian Operasional I 41
Interpretasi ekonomi darisolusi dual (2)
• Dengan kata lain, nilai optimal dari masalahpemrograman linier (primal atau dual) diberikan oleh
dimanab1, b2, …, bm adalah jumlah yang terbatas darisumberdaya 1, 2, .., m;y1
0, y10, …, y1
0 adalah nilai optimal dari variabel dual.
mmbybybyZ 02
021
01
0 +++=
TI2231 Penelitian Operasional I 42
Interpretasi ekonomis darisolusi dual (3)
• Misalkan diasumsikan bahwa level sumberdaya 1 (yaitu, b1) diubah.
• Maka, untuk variasi kecil dalam perubahan nilai b1, katakanΔb1, perubahan dalam nilai optimal dari pemrograman linier Z0
diberikan oleh y10(Δb1).
• Dengan kata lain, nilai optimal dari variabel dual untuk tiappembatas primal memberikan perubahan bersih (net change) dalam nilai optimal dari fungsi tujuan untuk peningkatan satusatuan dalam konstanta ruas kanan.
• Oleh karena itu, nilai optimal dari variabel dual disebutshadow price yang dapat digunakan untuk menentukan apakahekonomis untuk menambah sumberdaya.
TI2231 Penelitian Operasional I 43
Contoh interpretasi solusi dual (1)
Memaksimumkan Z = 3x1 + 2x2
dengan pembatas-pembatas:x1 + 2x2 ≤ 6 (Bahan A)
2x1 + x2 ≤ 8 (Bahan B)– x1 + x2 ≤ 1 (Selisih permintaan cat interior dan eksterior)
x2 ≤ 2 (Permintaan cat interior)x1 ≥ 0
x2 ≥ 0
Primal:
TI2231 Penelitian Operasional I 44
Contoh interpretasi solusi dual (2)
Dual:
Meminimumkan W = 6y1 + 8x2 + y3 + 2y4
dengan pembatas-pembatas:y1 + 2y2 – y3 ≥ 3
2y1 + y2 + y3 + y4 ≥ 2y1, y2, y3, y4 ≥ 0
TI2231 Penelitian Operasional I 45
Contoh interpretasi solusi dual (3)
Solusi optimal dual:y1 = 10/3 shadow price untuk pembatas bahan A, yaitu
perubahan dari nilai Z (profit total) per satusatuan peningkatan bahan A.
y2 = 4/3 shadow price untuk pembatas Bahan B, yaituperubahan dari nilai Z (profit total) per satusatuan peningkatan bahan B.
y3 = 0 shadow price untuk selisih permintaan cat interiordan exterior, yaitu perubahan dari nilai Z (profit total)per satu satuan peningkatan selisih permintaan catinterior dan exterior.
y4 = 0 shadow price untuk pembatas permintaan cat interior, yaituperubahan dari nilai Z (profit total) per satusatuan peningkatan permintaan cat interior
TI2231 Penelitian Operasional I 46
Masalah primal-dual tak simetris (1)
Memaksimumkan Z = 4x1 + 5x2
dengan pembatas
3x1 + 2x2 ≤ 204x1 – 3x2 ≥ 10
x1 + x2 = 5x1 ≥ 0x2 tak dibatas tanda
Masalah Primal
TI2231 Penelitian Operasional I 47
Masalah primal-dual tak simetris (2)
Memaksimumkan Z = 4x1 + 5x3 – 5x4
dengan pembatas
3x1 + 2x3 – 2x4 ≤ 20– 4x1 + 3x3 – 3x4 ≤ – 10
x1 + x3 – x4 ≤ 5– x1 – x3 + x4 ≤ – 5
x1, x3, x4 ≥ 0
Masalah Primal (Bentuk Simetris)
TI2231 Penelitian Operasional I 48
Masalah primal-dual tak simetris (2)
Meminimumkan W = 20w1 – 10w2 +5w3 – 5w4
dengan pembatas
3w1 – 4w2 + w3 – w4 ≥ 42w1 + 3w2 + w3 – w4 ≥ 5
– 2w1 – 3w2 – w3 + w4 ≥ – 5w1, w2, w3, w4 ≥ 0
Masalah Dual (Bentuk Simetris)
TI2231 Penelitian Operasional I 49
Masalah primal-dual tak simetris (2)
Meminimumkan W = 20y1 + 10y2 +5y3
dengan pembatas
3y1 + 4y2 + y3 ≥ 42y1 – 3y2 + y3 = 5y1 ≥ 0y2 ≤ 0y3 tak dibatasi tanda
Masalah Dual y1 = w1y2 = – w2y3 = w3 – w4
TI2231 Penelitian Operasional I 50
Tabel primal-dual secara umum
Pembatas ke-j bertipe ≤xj ≤ 0
Pembatas dual ke-j bertipe ≥xj ≥ 0
Pembatas dual ke-j adalah persamaanxj tak dibatasi tanda
Varibel dual yi ≤ 0Pembatas ke-i bertipe ≥
Varibel dual yi ≥ 0Pembatas ke-i bertipe ≤
Variabel dual yi tak dibatasi tandaPembatas ke-i adalah persamaan
Vektor ruas kananVektor harga c
Vektor biayaVektor ruas kanan
Transpos matriks koefisienMatriks koefisien ADual (minimisasi)Primal (maksimisasi)
TI2231 Penelitian Operasional I 51
Catatan (1)
• Teorema (1), (2), (3), dan (4) dari teori dualitasberlaku juga bagi primal-dual tak simetris.
• Complementary slackness condition jugaberlaku untuk solusi optimal primal-dual taksimetris..
TI2231 Penelitian Operasional I 52
Catatan (2)
Misalkan diberikan masalah pemrograman linier dalam bentuk standar
Memaksimumkan Z = cxdengan pembatas
Ax = bx ≥ 0
Masalah dualMeminimumkan W = ybdengan pembatas
yA ≥ cy tak dibatasi tanda
Complementary slackness condition dipenuhi pada kondisi optimal:(yA – c)x = 0
TI2231 Penelitian Operasional I 53
Menentukan solusi dual optimal (1)
• Solusi dual optimal dapat ditentukan dengancomplementary slackness condition
• Solusi dual optimal dapat juga diperoleh secaralangsung dari tabel simplex optimal darimasalah primal.
TI2231 Penelitian Operasional I 54
Menentukan solusi dual optimal (2)
Meminimumkan Z = cx
dengan pembatas
Ax = bx ≥ 0
TI2231 Penelitian Operasional I 55
Menentukan solusi dual optimal (3)
Misalkan :Pj : kolom ke-j dari matrix AB : matrix basis optimal
⎟⎟⎠
⎞⎜⎜⎝
⎛=⎟⎟
⎠
⎞⎜⎜⎝
⎛=
−
0bB
xx
x1
*
N
B
Solusi primal optimal :
dimanaxB : varabel basisxN : variabel non basis
TI2231 Penelitian Operasional I 56
Menentukan solusi dual optimal (4)
Nilai minimum Z = cx* = cBxB = cBB-1b
Karena B menunjukkan basis optimal, maka koefisienbiaya relatif ( ) yang berkaitan dengan variabel basisharus tak negatif
jc
0≥−= jjj cc Pπ untuk semua j
dimanaπ = cBB-1 : vektor pengali simplex (simplex multiplier)
TI2231 Penelitian Operasional I 57
Menentukan solusi dual optimal (5)
Dalam notasi matrix:
c - π A ≥ 0 atau πA ≤ c
yang merupakan pembatas pemrograman linier dual.
Sehingga, pengali simplex optimal harus memenuhipembatas dual.
TI2231 Penelitian Operasional I 58
Menentukan solusi dual optimal (6)
Nilai fungsi tujuan dual yang berkaitan dengan solusilayak adalah
W = yb = πb = cBB-1b
yang sama dengan nilai minimum Z.
Oleh karena itu, berdasarkan optimality criterion theorem,pengali simplex optimal dari masalah primal merupakannilai optimal dari variabel dual.
TI2231 Penelitian Operasional I 59
Ilustrasi menentukansolusi dual optimal (1)
Primal (Dalam bentuk standar)
Max Z = 3x1 + 2x2
dengan pembatas-pembatas:x1 + 2x2 + x3 = 6
2x1 + x2 + x4 = 8– x1 + x2 + x5 = 1
x2 + x6 = 2 x1, x2, x3, x4, x5, x6 ≥ 0
Dual:
Min W = 6y1 + 8x2 + y3 + 2y4
dengan pembatas-pembatas:y1 + 2y2 – y3 = 3
2y1 + y2 + y3 + y4 = 2y1 ≥ 0
y2 ≥ 0y3 ≥ 0
y4 ≥ 0y1, y2, y3, y4 tak dibatasi tanda
TI2231 Penelitian Operasional I 60
Ilustrasi menentukansolusi dual optimal (2)
Dengan metode revised simplex, solusi optimal untuk primal:x = (x2, x1, x5, x6) = (4/3, 10/3, 3, 2/3)Z = 38/3
Matrix basis optimal:
[ ]⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−==
1001011100210012
6512 PPPPB
TI2231 Penelitian Operasional I 61
Ilustrasi menentukansolusi dual optimal (3)
Simplex multiplier optimal :
( ) ( )0,0,3/4,3/1
103/13/20111003/23/1003/13/2
0,0,3,21 =
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−−−
−
== −Bcπ B
π memenuhi pembatas dual, dan nilai fungsi tujuannya:W = 6(1/3) + 8(4/3) + 1(0) + 2(0) = 38/3
yang bersesuaian dengan nilai optimal untuk masalah primal.
Oleh karena itu,y1 = 1/3, y2 = 3/4, y3 = 0, y4 = 0 optimal untuk dual.Simplex multiplier yang bersesuaian dengan tabel (primal) optimal
adalah solusi optimal bagi masalah dual.
TI2231 Penelitian Operasional I 62
② Metode Simpleks Dual
TI2231 Penelitian Operasional I 63
Masalah Pemrograman Linier (Primal) dalamBentuk Standar
minimisasi Z = cxdengan pembatas
Ax = bx ≥ 0
A : matrix (m x n)P : vektor kolom dari matrix AB : matrix basis untuk masalah primalxB : variabel basis yang bersesuaian dengan B.
TI2231 Penelitian Operasional I 64
Basis Layak Primal
Basis B : basis layak primal (primal feasible basis) ⇔B-1b ≥ 0
B : basis layak primal → nilai variabel basis: B-1bsolusi layak basis xB = B-1b nilai fungsi tujuan Z = cBB-1b
TI2231 Penelitian Operasional I 65
Kondisi Optimalitas (1)
Untuk memeriksa apakah basis layak B adalah optimal hitung koefisien fungsi tujuan relatif )( jc
jjj cc πP−= j = 1, …, n
π = cBB-1 : simplex multiplier
Basis layak primal B adalah optimal ⇒ 0≥jcj = 1, …, n
TI2231 Penelitian Operasional I 66
Kondisi Optimalitas (2)
maksimisasi W = ybdengan pembatas
yA ≤ cy tak dibatas tanda
Pemrograman linier standar bagi dual:
TI2231 Penelitian Operasional I 67
Kondisi Optimalitas (3)
Pembatas dual yA ≤ c dapat ditulis:
( ) ( )nn ccc ,,,,,, 2121 ≤PPPy
jj cyP ≤
0≥− jjc yP j = 1, …, n
TI2231 Penelitian Operasional I 68
Kondisi Optimalitas (4)
Jika basis layak primal B : basis optimal bagi masalah primalsimplex multiplier π = cBB-1 memenuhi
0≥− jjc yP j = 1, …, n
Implikasi π : layak bagi masalah dual
Nilai fungsi tujuan dual W = πb = cBB-1b sama dengannilai fungsi tujuan primal
∴Berdasarkan optimality criterion theorem, π : optimal bagi masalah dual
TI2231 Penelitian Operasional I 69
Basis Dual Layak (1)
Basis B untuk masalah primal
minimisasi Z = cxdengan pembatas
Ax = bx ≥ 0
layak dual (dual feasible) ⇔ c – cBB-1A ≥ 0
(Identik dengan pemeriksaan apakah basis layak B optimal)
TI2231 Penelitian Operasional I 70
Basis Dual Layak (2)
Basis B untuk masalah primal : layak primal dan layak dual Basis B : basis optimal
Solusi optimal untuk primal : xB = B-1b, xN = 0Solusi optimal untuk dual : y = cBB-1
Nilai optimal primal = Nilai optimal dual
TI2231 Penelitian Operasional I 71
Catatan
• Akar dari pemecahan masalah pemrograman linier mendapatkan solusi basis B yang layak primal danlayak dual
• Metode simplex bergerak dari satu basis layakprimal ke basis yang lain hingga basis tersebutmenjadi layak dual – Metode simplex primal (primal simplex method)
• Metode simplex dual (dual simplex method) bergerak dari satu basis layak dual ke basis yang lain
TI2231 Penelitian Operasional I 72
Rincian Metode Simplex Dual (1)
Pemrograman linier bentuk standar:
minimisasi Z = cxdengan pembatas
Ax = bx ≥ 0
TI2231 Penelitian Operasional I 73
Rincian Metode Simplex Dual (2)
• Metode simplex dual menggunakan tabel yang sama dengan metode simplex primal.
• Dalam semua tabel, koefisien fungsi tujuanrelatif dipertahankan tak negatif (Untukmaksimisasi, dipertahankan tak positif)
• Konstanta ruas kanan tidak perlu tak negatif.
)( jcjc
TI2231 Penelitian Operasional I 74
Rincian Metode Simplex Dual (3)
• Algoritma mulai dengan membuat elemen ruaskanan menjadi tak negatif, dengan pada saatyang sama menjaga koefisien tak negatif.
• Algoritma berhenti jika semua konstanta ruaskanan telah tak negatif.
jc
TI2231 Penelitian Operasional I 75
Rincian Metode Simplex Dual (4)
ymnyms…ym,m+11…0…0xm
yrn…yrs…yr,m+10…1…xr
……0…0…0
……
……
y1n…y1s…y1,m+10…0…1x1
Konstantaxn…xs…xm+1xm…xr…x1Basis
c 1+mc sc nc
1b
rb
mb
TI2231 Penelitian Operasional I 76
Pemilihan Variabel Basis yang Keluar Basis
Pilih variabel basis yang membuat solusi saat ini menjaditidak layak
dengan kata lainPilih variabel basis yang nilai solusinya negatif
Aturan Pilih variabel basis yang nilai paling negatif
( ) 0min <= iir bb
ibMisal:
variabel basis xr digantibaris ke-r : baris pivot
TI2231 Penelitian Operasional I 77
Pemilihan Variabel Non Basis yang MasukBasis (1)
Kolom pivot dipilih sedemikian rupa sehingga memenuhidua kondisi sebagai berikut:1. Ketidaklayakan primal berkurang (atau paling sedikit,
tidak bertambah jelek).Atau, paling sedikit konstanta ruas kanan pada baris r
menjadi positif pada tabel berikutnyaVariabel non basis (xj) dengan koefisien negatifdalam baris r (yrj < 0) yang memenuhi syarat untukmasuk basis
TI2231 Penelitian Operasional I 78
Pemilihan Variabel Non Basis yang MasukBasis (2)
2. Tabel berikutnya setelah operasi pivot harus tetaplayak dual. Dapat dijamin jika variabel non basis yang masukbasis dipilih dengan aturan rasio sebagai berikut:
⎥⎥⎦
⎤
⎢⎢⎣
⎡<
rj
j
y yc
rj 0max j = m+1, …, n
TI2231 Penelitian Operasional I 79
Ilustrasi Metode Simplex Dual
Meminimumkan Z = x1 + 4x2 + 3x4dengan pembatas
x1 + 2x2 – x3 + x4 ≥ 3– 2x1 – x2 + 4x3 + x4 ≥ 2
x1, x3, x3, x4 ≥ 0
Meminimumkan Z = x1 + 4x2 + 3x4dengan pembatas
x1 + 2x2 – x3 + x4 – x5 = 3– 2x1 – x2 + 4x3 + x4 – x6 = 2
x1, x3, x3, x4, x5, x6 ≥ 0
Bentuk standar :
TI2231 Penelitian Operasional I 80
Tabel 1
0
1
0
x6
0
4
1
-2
x2
4
0301
-20-1-42x60
-31-11-1x50
x5x4x3x1
Konstanta0301
cB
c Baris
Basis
cj
Tidak layak primalLayak dual
TI2231 Penelitian Operasional I 81
Tabel 2
0
1
0
x6
0
2
-3
2
x2
4
1210
-82-3-20x60
3-11-11x11
x5x4x3x1
Konstanta0301
cB
c Baris
Basis
cj
Tidak layak primalLayak dual
TI2231 Penelitian Operasional I 82
Tabel 3
1/2
-1/2
-1/2
x6
0
1/2
3/2
7/2
x2
4
Z = 721/200
4-13/210x30
7-25/201x11
x5x4x3x1
Konstanta0301
cB
c Baris
Basis
cj
Layak primalLayak dual
TI2231 Penelitian Operasional I 83
Mengidentifikasi Ketidaklayakan Primal dalamMetode Simplex Dual
• Dalam metode simplex dual selalu terdapatsolusi layak bagi dual.
• Metode simplex dual mengenaliketidaklayakan primal jika aturan rasio gagalmengidentifikasi variabel non basis yang masuk basis – Semua elemen dalam kolom pivot : tak negatif
TI2231 Penelitian Operasional I 84
Memecahkan Masalah Maksimisasidengan Metode Simplex Dual
Dalam masalah maksimisasi Kondisi optimalitas:Koefisien fungsi tujuan 0)( ≤jc
Misal, 0<rb dan xr : variabel keluar basis
Variabel non basis yang masuk basis dipilih sedemikianrupa sehingga elemen baris tetap tak positif padaiterasi berikutnya.
c
Aturan rasio:
⎥⎥⎦
⎤
⎢⎢⎣
⎡<
rj
j
y yc
ij 0min
TI2231 Penelitian Operasional I 85
Penerapan metode simplex dual
• Secara umum adalah tidak selalu mudah mendapatkan suatubasis layak dual.
• Dalam banyak praktek, masalah tidak mempunyai tabelkanonik baik yang layak primal maupun layak dual.
• Metode simpleks primal lebih disukai daripada metodesimpleks dual.
• Beberapa aplikasi dari metode simpleks dual:– Analisis sensitivitas (sensitivity analysis) dan pemrograman parametrik
(parametric programming)– Algoritma pemrograman bilangan bulat (integer programming
algorithms)– Algoritma pemrograman non linier (nonlinear programming algorithm)– Varian dari metode simplex: primal-dual algorithm, self-dual
parametric algorithm