Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Ass. Wr. wb. SISTEM DAN PEMODELAN SISTEM Ass. Wr. wb. SISTEM DAN PEMODELAN SISTEM.

Presentasi serupa


Presentasi berjudul: "Ass. Wr. wb. SISTEM DAN PEMODELAN SISTEM Ass. Wr. wb. SISTEM DAN PEMODELAN SISTEM."— Transcript presentasi:

1

2 Ass. Wr. wb. SISTEM DAN PEMODELAN SISTEM Ass. Wr. wb. SISTEM DAN PEMODELAN SISTEM

3 “Semua benda hidup dan mati yg terdapat secara alamiah di bumi, Bermanfaat bagi manusia, Dapat dimanfaatkan oleh manusia, untuk memenuhi kebutuhan hidupnya Keberadaannya & ketersediaannya: 1. Sebaran geografisnya tdk merata 2. Pemanfaatannya tgt teknologi 3. Kalau diolah menghasilkan produk dan limbah

4 A Comprehensive Model Land use = is a way of managing a large part of the human environment in order to obtain benefits for human. Land use development The complex problems The Comprehensive Model

5 FIVE GEOMETRIES in Land use system Non-Land resources geometry Human demand geometry LAND USE GEOMETRY Land Degradation Geometry Land Resources Geometry

6 SISTEM sbg suatu pendekatan 1. Filosofis 2. Prosedural 3. Alat bantu analisis

7 FILOSOFI “Sistem”: Gugusan elemen-elemen yg saling berinteraksi dan terorganisir peri-lakunya ke arah tujuan tertentu “Tiga prasyarat aplikasinya”: 1. Tujuan dirumuskan dengan jelas 2. Proses pengambilan keputusan sentralisasi logis 3. Sekala waktu jangka panjang

8 PROSEDUR “Tahapan Pokok”: 1. Analisis Kelayakan 2. Pemodelan Abstrak 3. Disain Sistem 4. Implementasi Sistem 5. Operasi Sistem Need Assesment Tahapan Pokok: - Evaluasi Outcomes

9 ALAT - BANTU “Model Abstrak”: Perilaku esensialnya sama dengan dunia nyata “digunakan dalam”: 1. Perancangan / Disain Sistem 2. Menganalisis SISTEM ……………strukturnya INPUT …...…….. beragam STRUKTUR …….. fixed OUTPUT ……….. Diamati perilakunya 3. Simulasi SISTEM untuk sistem yang kompleks

10 SIMULASI SISTEM: OPERASINYA SIMULASI SISTEM: OPERASINYA “Penggunaan Komputer ”: Simulasi Komputer: Disain Sistem Strategi Pengelolaan Sistem MODEL SISTEM PROGRAM KOMPUTER programming

11 SIMULASI SISTEM:METODOLOGI METODOLOGI “Model dasar”: Model Matematik Model lain diformulasikan menjadi model matematik “tahapan”: 1. Identifikasi subsistem / komponen sistem 2. Peubah input ( U(t) ) ……….. Stimulus 3. Peubah internal = peubah keadaan = peubah struktural, X(t) 4. Peubah Output, Y(t) 5. Formulasi hubungan teoritik antara U(t), X(t), dan Y(t) 6. Menjelaskan peubah eksogen 7. Interaksi antar komponen ………… DIAGRAM LINGKAR 8. Verifikasi model …….. Uji ……. Revisi 9. Aplikasi Model ……. Problem solving

12 PEMODELAN SISTEM: RUANG LINGKUP PEMODELAN SISTEM: RUANG LINGKUP “Pemodelan”: Serangkaian kegiatan pembuatan model MODEL: abstraksi dari suatu obyek atau situasi aktual 1.Hubungan Langsung 2. Hubungan tidak langsung 3.Keterkaitan Timbal-balik / Sebab-akibat / Fungsional 4. Peubah - peubah 5.Parameter MODEL KONSEP MATEMATIKA Operasi Matematik: Formula, Tanda, Aksioma

13 JENIS-JENIS MODEL “MODEL SIMBOLIK” : Simbol-simbol Matematik Angka Simbol “Persamaan” Rumus “Ketidak-samaan” Fungsi “MODEL IKONIK” : Model Fisik 1. Peta-peta geografis 2. Foto, Gambar, Lukisan 3. Prototipe “MODEL ANALOG” : Model Diagramatik: 1. Hubungan-hubungan 2. … …..

14 SIFAT MODEL PROBABILISTIK / STOKASTIK Teknik Peluang Memperhitungkan “uncertainty” “DETERMINISTIK”: Tidak memperhitungkan peluang kejadian

15 FUNGSI MODEL MODEL DESKRIPTIF Deskripsi matematik dari kondisi dunia nyata “MODEL ALOKATIF” : Komparasi alternatif untuk mendapatkan “optimal solution”

16 TAHAPAN PEMODELAN 1. Seleksi Konsep 2. Konstruksi Model: a. Black Box b. Structural Approach 3. Implementasi Komputer 4. Validasi (keabsahan representasi) 5. Sensitivitas 6. Stabilitas 7. Aplikasi Model 1. Asumsi Model 2. Konsistensi Internal 3. Data Input hitung parameter 4. Hubungan fungsional antar peubah-peubah 5. Uji Model vs kondisi aktual

17 PHASES OF SYSTEMS ANALYSIS Recognition…. Definition and bounding of the PROBLEM Identification of goals and objectives Generation of solutions MODELLING Evaluation of potential courses of action Implementation of results

18 Mengapa kita gunakan Analisis Sistem? 1. Kompleksitas obyek / fenomena /substansi penelitian Multi-atributeMulti fungsional Multi dimensionalMulti-variabel Proses Abstraksi & Simplifikasi 2. Interaksi rumit yg melibatkan banyak hal KorelasionalPathways RegresionalStruktural 3. Interaksi dinamik: Time-dependent, and Constantly changing 4. Feed-back loops Negative effects vs. Positive effects

19 PROSES PEMODELAN INTRODUCTION DEFINITION HYPOTHESES MODELLING VALIDATION INTEGRATION SISTEM - MODEL - PROSES Bounding - Word Model Alternatives: Separate - Combination Relevansi : Indikator - variabel - subsistem Proses : Linkages - Impacts Hubungan : Linear - Non-linear - interaksi Decision table: Data : Plotting - outliers Analisis : Test - Estimation Choice : Verifikasi: Subyektif - reasonable Uji Kritis: Eksperiment - Analisis/Simulasi Sensitivity: Uncertainty - Resources - - Interaksi Communication Conclusions

20 Proses Pemodelan SISTEM: Approach Simulasi Sistem Analisis Sistem Model vs. Pemodelan Mathematical models: An exact science, Its Practical Application: 1. A high degree of intuition 2. Practical experiences 3. Imagination 4. “Flair” 5. Problem define & bounding

21 DEFINITION & BOUNDING IDENTIFIKASI dan PEMBATASAN Masalah penelitian 1. Alokasi sumberdaya penelitian 2. Aktivitas penelitian yang relevan 3. Kelancaran pencapaian tujuan The whole systems vs. sets of sub-systems Proses pembatasan masalah: 1. Bersifat iteratif, tidak mungkin “sekali jadi” 2. Make a start in the right direction 3. Sustain initiative and momentum System bounding: SPACE - TIME - SUB-SYSTEMS Sample vs. Population

22 COMPLEXITY AND MODELS The real system sangat kompleks Proses Pengujian Model Hipotetik The hypotheses to be tested Sub-systems MODEL Trade-off: complexity vs. simplicity

23 WORD MODEL Masalah penelitian dideskripsikan secara verbal, dengan meng- gunakan kata (istilah) yang relevan dan simple Pengembangan Model simbolik Hubungan-hubungan verbal dipresentasikan dengan simbol-simbol yang relevan Simbolisasi kata-kata atau istilah Setiap simbol (simbol matematik) harus dapat diberi deskripsi penjelasan maknanya secara jelas

24 GENERATION OF SOLUTION Alternatif “solusi” jawaban permasalahan, berapa banyak? Pada awalnya diidentifikasi sebanyak mungkin alternatif jawaban yang mungkin P Penggabungan beberapa alternatif jawaban yang mungkin digabungkan

25 HYPOTHESES Tiga macam hipotesis: 1. Hypotheses of relevance: mengidentifikasi & mendefinisikan faktor, variabel, parameter, atau komponen sistem yang relevan dg permasalahan 2. Hypotheses of processes: merangkaikan faktor-faktor atau komponen-komponen sistem yg relevan dengan proses / perilaku sistem dan mengidentifikasi dampaknya thd sistem 3. Hypotheses of relationship: hubungan antar faktor, dan representasi hubungan tersebut dengan formula-formula matematika yg relevan, linear, non linear, interaktif. Penjelasan / justifikasi Hipotesis Justifikasi secara teoritis Justifikasi berdasarkan hasil-hasil penelitian yang telah ada

26 MODEL CONSTRUCTION Konstruksi Model. Proses seleksi / uji alternatif yang ada Manipulasi matematis Data dikumpulkan dan diperiksa dg seksama untuk menguji penyimpangannya terhadap hipotesis. Grafik dibuat dan digambarkan untuk menganalisis hubungan yang ada dan bagaimana sifat / bentuk hubungan itu Uji statistik dilakukan untuk mengetahui tingkat signifikasinya

27 VERIFICATION & VALIDATION VERIFIKASI MODEL 1. Menguji apakah “general behavior of a MODEL” mampu mencerminkan “the real system” 2. Apakah mekanisme atau proses yang di “model” sesuai dengan yang terjadi dalam sistem 3. Verifikasi: subjective assessment of the success of the modelling 4. Inkonsistensi antara perilaku model dengan real-system harus dapat diberikan penjelasannya Proses Pemodelan VALIDASI MODEL 1. Sampai seberapa jauh output dari model sesuai dengan perilaku sistem yang sesungguhnya 2. Uji prosedur pemodelan 3. Uji statistik untuk mengetahui “adequacy of the model” 4.

28 SENSITIVITY ANALYSIS Perubahan input variabel dan perubahan parameter menghasilkan variasi kinerja model (diukur dari solusi model) ……… analisis sensitivitas Validasi MODEL Variabel atau parameter yang sensitif bagi hasil model harus dicermati lebih lanjut untuk menelaah apakah proses-proses yg terjadi dalam sistem telah di “model” dengan benar

29 PLANNING & INTEGRATION PLANNING Integrasi berbagai macam aktivitas, formulasi masalah, hipotesis, pengumpulan data, penyusunan alternatif rencana dan implementasi rencana. Kegagalan integrasi ini berdampak pada hilangnya komunikasi : 1. Antara data eksperimentasi dan model development 2. Antara simulasi model dengan implementasi model 3. Antara hasil prediksi model dengan implementasi model 4. Antara management practices dengan pengembangan hipotesis yang baru 5. Implementasi hasil uji coba dengan hipotesis yg baru DEVELOPMENT of MODEL 1. Kualitas data dan pemahaman terhadap fenomena sebab- akibat (proses yang di model) umumnya POOR 2. Analisis sistem dan pengumpulan data harus dilengkapi dengan mekanisme umpan-balik 3. Pelatihan dalam analisis sistem sangat diperlukan 4. Model sistem hanya dapat diperbaiki dengan jalan mengatasi kelemahannya 5. Tim analisis sistem seyogyanya interdisiplin

30 PEMODELAN KUANTITATIF : MATEMATIKA DAN STATISTIKA MODEL STATISTIKA: FENOMENA STOKASTIK MODEL MATEMATIKA: FENOMENA DETERMINISTIK

31 WHAT IS SYSTEM MODELLING ? Recognition Definitions Problems Evaluation Identification Feed-back Solution Modelling Amenable Worthwhile Compromise Bounding Complexity Simplification Stopping rules Generality Generation Family Selection Objectives Hierarchy Priorities Goals Inter-relationship Sensitivity & Assumptions Implementation

32 PHASES OF SYSTEM MODELLING Recognition Definition and bounding of the problems Generation of solution Identification of goals and objectives MODELLING Evaluation of potential courses of action Implementation of results

33 MODEL & MATEMATIK: Term Variabel Parameter Likelihood Konstante Tipe Dependent Independent Regressor Populasi Sampel Probability Maximum Analitik Simulasi

34 JENIS VARIABEL Independent Intervening (Mediating) Dependent Confounding Moderator Concomitant Control EXTRANEOUS INTRANEOUS

35 Variabel tergantung adalah variabel yang tercakup dalam hipotesis penelitian, keragamannya dipengaruhi oleh variabel lain Variabel bebas adalah variabel yang yang tercakup dalam hipotesis penelitian dan berpengaruh atau mempengaruhi variabel tergantung Variabel antara (intervene variables) adalah variabel yang bersifat menjadi perantara dari hubungan variabel bebas ke variabel tergantung. Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemah pengaruh variabel bebas terhadap variabel tergantung

36 Variabel pembaur (confounding variables) adalah suatu variabel yang tercakup dalam hipotesis penelitian, akan tetapi muncul dalam penelitian dan berpengaruh terhadap variabel tergantung dan pengaruh tersebut mencampuri atau berbaur dengan variabel bebas Variabel kendali (control variables) adalah variabel pembaur yang dapat dikendalikan pada saat riset design. Pengendalian dapat dilakukan dengan cara eksklusi (mengeluarkan obyek yang tidak memenuhi kriteria) dan inklusi (menjadikan obyek yang memenuhi kriteria untuk diikutkan dalam sampel penelitian) atau dengan blocking, yaitu membagi obyek penelitian menjadi kelompok-kelompok yang relatif homogen. Variabel penyerta (concomitant variables) adalah suatu variabel pembaur (cofounding) yang tidak dapat dikendalikan saat riset design. Variabel ini tidak dapat dikendalikan, sehingga tetap menyertai (terikut) dalam proses penelitian, dengan konsekuensi harus diamati dan pengaruh baurnya harus dieliminir atau dihilanggkan pada saat analisis data.

37 MODEL & MATEMATIK: Definition Preliminary Goodall Mathematical Formal Expression Words Physical Mapping Representational Rules Predicted values Maynard-Smith Comparison Mathematical Homomorph Symbolic Simplified Data values Model Simulation

38 MODEL & MATEMATIK: Relatives Advantages Disadvantages Precise Abstract Communication Distortion Opaqueness Transfer Complexity Replacement

39 MODEL & MATEMATIK: Families Types Basis Dynamics Compartment Network Choices Stochastic Multivariate

40 BEBERAPA PENGERTIAN MODEL DETERMINISTIK: Nilai-nilai yang diramal (diestimasi, diduga) dapat dihitung secara eksak. MODEL STOKASTIK: Model-model yang diramal (diestimasi, diduga) tergantung pada distribusi peluang MODEL DETERMINISTIK: Nilai-nilai yang diramal (diestimasi, diduga) dapat dihitung secara eksak. MODEL STOKASTIK: Model-model yang diramal (diestimasi, diduga) tergantung pada distribusi peluang POPULASI: Keseluruhan individu-individu (atau area, unit, lokasi dll.) yang diteliti untuk mendapatkan kesimpulan. SAMPEL: sejumlah tertentu individu yang diambil dari POPULASI dan dianggap nilai-nilai yang dihitung dari sampel dapat mewakili populasi secara keseluruhan POPULASI: Keseluruhan individu-individu (atau area, unit, lokasi dll.) yang diteliti untuk mendapatkan kesimpulan. SAMPEL: sejumlah tertentu individu yang diambil dari POPULASI dan dianggap nilai-nilai yang dihitung dari sampel dapat mewakili populasi secara keseluruhan VARIABEL DEPENDENT: Variabel yang diharapkan berubah nilainya disebabkan oleh adanya perubahan nilai dari variabel lain VARIABEL INDEPENDENT: variabel yang dapat menyebabkan terjadinya perubahan VARIABEL DEPENDENT. VARIABEL DEPENDENT: Variabel yang diharapkan berubah nilainya disebabkan oleh adanya perubahan nilai dari variabel lain VARIABEL INDEPENDENT: variabel yang dapat menyebabkan terjadinya perubahan VARIABEL DEPENDENT. PARAMETER: Nilai-nilai karakteristik dari populasi KONSTANTE, KOEFISIEAN: nilai-nilai karakteristik yang dihitung dari SAMPEL PARAMETER: Nilai-nilai karakteristik dari populasi KONSTANTE, KOEFISIEAN: nilai-nilai karakteristik yang dihitung dari SAMPEL

41 BEBERAPA PENGERTIAN MODEL FITTING: Proses pemilihan parameter (konstante dan/atau koefisien yang dapat menghasilkan nilai-nilai ramalan paling mendekati nilai-nilai sesungguhnya ANALYTICAL MODEL: Model yang formula-formulanya secara eksplisit diturunkan untuk mendapatkan nilai-nilai ramalan, contohnya: MODEL REGRESI MODEL MULTIVARIATE EXPERIMENTAL DESIGN STANDARD DISTRIBUTION, etc ANALYTICAL MODEL: Model yang formula-formulanya secara eksplisit diturunkan untuk mendapatkan nilai-nilai ramalan, contohnya: MODEL REGRESI MODEL MULTIVARIATE EXPERIMENTAL DESIGN STANDARD DISTRIBUTION, etc SIMULATION MODEL: Model yang formula-formulanya diturunkan dengan serangkaian operasi arithmatik, misal: Solusi persamaan diferensial Aplikasi matrix Penggunaan bilangan acak, dll. SIMULATION MODEL: Model yang formula-formulanya diturunkan dengan serangkaian operasi arithmatik, misal: Solusi persamaan diferensial Aplikasi matrix Penggunaan bilangan acak, dll.

42 DYNAMIC MODEL MODELLING Dynamics SIMULATION Language Equations Computer General Special DYNAMO CSMP CSSL DYNAMO CSMP CSSL BASIC FORMAL ANALYSIS

43 DYNAMIC MODEL DIAGRAMS RELATIONAL SYMBOLS RATE EQUATIONS LEVELS PARAMETER INFORMATION FLOW SINK AUXILIARY VARIABLES MATERIAL FLOW

44 DYNAMIC MODEL: ORIGINS Computers Equations Other functions Steps Discriminant Function Undestanding Simulation Abstraction Hypothesis Logistic Exponentials

45 MATRIX MODEL MATHEMATICS Operations Matrices Types Eigen value Elements Square Rectangular Diagonal Identity Vectors Dominant Eigen vector Scalars Row Column Row Column Additions Substraction Multiplication Inversion Additions Substraction Multiplication Inversion

46 MATRIX MODEL DEVELOPMENT Interactions Groups Development stages Stochastic Size Materials cycles Markov Models

47 STOCHASTIC MODEL STOCHASTIC Probabilities History Stability Other Models Statistical method Dynamics

48 STOCHASTIC MODEL Spatial patern Distribution Example Binomial Pisson Poisson Negative Binomial Others Negative Binomial Fitting Test

49 STOCHASTIC MODEL ADDITIVE MODELS Basic Model Example Parameter Error Estimates Block Treatments Analysis Effects Orthogonal Experimental Significance Variance

50 STOCHASTIC MODEL REGRESSION Model Example Linear/ Non- linear functions Error Decomposition Assumptions Equation Reactions Oxygen uptake Experimental Empirical base Theoritical base

51 STOCHASTIC MODEL MARKOV Example Assumptions Transition probabilities Analysis Disadvantage Raised mire Advantages Analysis

52 MULTIVARIATE MODELS METHODS Variable Classification Independent Dependent Descriptive Predictive VARIATE Principal Component Analysis Cluster Analysis Reciprocal averaging Canonical Analysis Discriminant Analysis

53 MULTIVARIATE MODEL PRINCIPLE COMPONENT ANALYSIS Example Correlation Organism Environment Eigenvalues Regions Objectives Requirement Eigenvectors

54 MULTIVARIATE MODEL CLUSTER ANALYSIS Example Spanning tree Rainfall regimes Demography Minimum Settlement patern Multivariate space Similarity Distance Single linkage

55 MULTIVARIATE MODEL CANONICAL CORRELATION Example Correlation Urban area Watershed Partitioned Irrigation regions Eigenvalues Eigenvectors

56 MULTIVARIATE MODEL Discriminant function Example Discriminant Vehicles Villages Calculation Structures Test

57 OPTIMIZATION MODEL OPTIMIZATION Meanings Indirect Minimization Simulation Objective function Maximization Linear Experimentation Constraints Solution Examples Non- Linear Dynamic Optimum Transportation Routes Optimum irrigation scheme Optimum Regional Spacing Optimum Transportation Routes Optimum irrigation scheme Optimum Regional Spacing

58 MODELLING PROCESS Introduction Definition System analysis Integration Hypotheses Conclusion Modelling Validation Model Processes Bounding Word Models Alternatives Systems Impacts Space Time Niche Elements Space Time Niche Elements Factorial Confounding Factorial Confounding Separate Combinations Separate Combinations Communication Data Analysis Choices Test Estimates Plotting Outliers Plotting Outliers

59 MODELLING PROCESSES HYPOTHESES Relevance Processes Species Variable Linkages Sub-systems Relationships Decision Table Impacts Interactive Linear Non-Linear

60 HYPOTHESES Hypotheses of Relevance: Mengidentifikasi dan mendefinisikan variabel dan subsistem yang relevan dengan permasalahan yang diteliti Hypotheses of Processes: Menghubungkan subsistem (atau variabel) di dalam permasalahan yang diteliti dan mendefinisikan dampak (pengaruh) terhadap sistem yang diteliti Hypotheses of relationships: Merumuskan hubungan-hubungan antar variabel dengan menggunakan formula-formula matematik (fungsi linear, non-linear, interaksi, dll)

61 MODELLING PROCESSES VALIDATION Verification Critical Test Objectivities Subjectives Experiments Reasonableness Sensitivity Analysis Analysis Interactions Uncertainty Resources

62 ROLE OF THE COMPUTER Introduction Speed Roles Conclusions Data Development Algoritms Reasons Speed Data Algoritm Speed Data Algoritm Comparison Implication Waste Techniques Errors Plotting Techniques Errors Plotting Manual Calculator Computer Manual Calculator Computer Repetition Checking Repetition Checking 9/10 Modelling 9/10 Modelling Programming Program Language Information High level Special Machine code FORTRAN BASIC ALGOL FORTRAN BASIC ALGOL DYNAMO. Etc.

63 ROLE OF THE COMPUTER DATA Cautions Availability Format Sampling Reanalysis Data banks Format Exchange Magnetic Punched card Paper tape Machine readable Tape Disc

64 D A T A Data adalah kumpulan angka, fakta, fenomena atau keadaan atau lainnya, merupakan hasil pengamatan, pengukuran, atau pencacahan dan sebagainya terhadap variabel suatu obyek, yang berfungsi dapat membedakan obyek yang satu dengan lainnya pada variabel yang sama

65 NOMINAL Komponen Nama (Nomos) ORDINAL Komponen Nama Komponen Peringkat (Order) RATIO Komponen Nama Komponen Peringkat (Order) Komponen Jarak (Interval) Komponen Ratio Nilai Nol Mutlak INTERVAL Komponen Nama Komponen Peringkat (Order) Komponen Jarak (Interval) Nilai Nol tidak Mutlak JENIS DATA

66 Ass. Wr. wb. SISTEM DAN PEMODELAN SISTEM Prof Dr Ir Soemarno, MS MALANG, 2005 Ass. Wr. wb. SISTEM DAN PEMODELAN SISTEM Prof Dr Ir Soemarno, MS MALANG, 2005


Download ppt "Ass. Wr. wb. SISTEM DAN PEMODELAN SISTEM Ass. Wr. wb. SISTEM DAN PEMODELAN SISTEM."

Presentasi serupa


Iklan oleh Google