Pertemuan Ke - 3 Formulasi Model dan Parameterisasi.

Slides:



Advertisements
Presentasi serupa
Pemodelan Keputusan Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [2]:
Advertisements

METODA PREDIKSI DAMPAK
Riset Operasional Pertemuan 2
 Kita perlu memperhatikan struktur probabilistik yang mendasari pengamatan ini.  Kita menulis Z t untuk pengamatan pada waktu t.  Dalam hal ini,
Bab 6. Pengujian Hipotesis
11 – 12. Model Stokastik
1.  Matematika, mempelajari keteraturan hubungan antar lambang/simbol/unsur yang mempunyai arti (mewakili obyek tertentu)
14. Validasi Model
Pemodelan Sistem & Simulasi Suatu Konsep
SIKLUS ANALISA KEPUTUSAN
DISUSUN OLEH : IPHOV KUMALA SRIWANA
SUB SISTEM MANAJEMEN MODEL
Pengenalan Riset Operasional
BAB 1 MENGENAL SIMULASI.
METODE NUMERIK „Hampiran dan Galat”
PERENCANAAN.
PENGEMBANGAN MODEL OLEH Arfansyah, M.Kom.
SIMULASI.
DISUSUN OLEH : IPHOV KUMALA SRIWANA
EFEKTIVITAS MODEL PEMBELAJARAN PROBLEM SOLVING DALAM MATERI SITEM PERSAMAAN LINEAR DUA VARIABEL Lesly T. Sopaheluwakan.
MODELING AND ANALYSIS - 1 Pertemuan - 05
Pemodelan dan Simulasi Sistem (Pendahuluan)
Analisis Output Pemodelan Sistem.
Pertemuan 9 Teori Sistem
F2F-2:Pengantar Pemodelan
SPK Model dan pendukung
PEMODELAN DALAM PENGUKURAN
Riset Operasi Pendahuluan.
PENGANTAR MODEL STOKASTIK
Analisis Model dan Simulasi
PEMODELAN DAN MANAJEMEN MODEL
By : ARDIANSYAH FAUZI ( )
SISTEM INFORMASI (Review)
Pengantar Pemodelan.
UNIVERSITAS MERCU BUANA JAKARTA 2012
Pemodelan Sistem & Simulasi Suatu Konsep
PERENCANAAN Lecture 6 Disampaikan oleh: Dr. Ir. NUDDIN HARA.
PENGELOLAAN PERMINTAAN DAN PERENCANAAN PRODUKSI
MODEL SIMULASI Modul 14. PENELITIAN OPERASIONAL I Oleh : Eliyani
Bab 3 Pengujian Hipotesis
Pertemuan 9 MODEL MATEMATIKA (OFF CLASS)
Pengantar model stokastik
Pengambilan Keputusan
Pengantar Pemodelan Teknik Lingkungan
TM4 LINIER PROGRAMMING SIMPLEX
MODEL SIMULASI Pertemuan 13
Learning Outcomes Mahasiswa dapat menyebutkan dasar pemodelan matematika khususnya definisi, tujuan, macam model dan langkah penyusunan model.
Pertemuan 13 Analisa Simulasi II
GAMBARAN UMUM SIMULASI
Pemodelan Keputusan Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [2]:
TEORI LOKASI EKONOMI REGIONAL Oleh :
Hukum Newton Tentang Gerak
PENGAMBILAN KEPUTUSAN MANAJEMEN
PENGANTAR MODEL SIMULASI
PENDEKATAN MODEL MATEMATIKA
Konsep Simulasi Ipung Permadi, S.Si, M.Cs.
MATERI DAN PERUBAHANNYA
PEMODELAN SISTEM Dasar pemodelan dan simulasi sistem.
BAB 7 PEMBUATAN KEPUTUSAN.
Oleh : Mohamad Rizal Nur Irawan
PENDEKATAN SISTEM. DEFINISI Merupakan pendekatan terpadu yang memandang suatu persoalan sebagai suatu sistem, dimana sifat masalahnya kompleks dan mungkin.
Pemodelan Sistem & Simulasi Suatu Konsep
METODE NUMERIK „Pendekatan dan Analisa Kesalahan”
MATA KULIAH: METODE NUMERIK
Dosen Pengampu : GUNAWAN.ST.,MT
SIKLUS ANALISA KEPUTUSAN
Konsep Dasar dan Parameter Geometrik Jalan Raya Perencanaan geometrik merupakan bagian dari suatu perencanaan konstruksi jalan, yang meliputi rancangan.
PEMODELAN TEKNIK LINGKUNGAN. DEFINISI MODEL Model dapat diartikan sebagai penggambaran, penyederhanaan, miniatur, atau peniruan. Pemodelan lingkungan.
Pengenalan Riset Operasional
1 Tri Ernita.  Fungsi sejumlah variabel yang secara eksplisit dimasukkan kedalam struktur model dan ketepatan nilai yang berkaitan dengan setiap variabel.
Transcript presentasi:

Pertemuan Ke - 3 Formulasi Model dan Parameterisasi

Pengertian Formulasi Model Formulasi model adalah pembentukan model secara formal berdasarkan variabel-variabel dan parameter-parameter serta relasi-relasi yang didefinisikan pada tahap karakterisasi sistem. Berdasarkan formulasi ini kemudian dikembangkan metode pencarian solusi dari model tersebut.

Jenis Formulasi Formulasi model dapat dilakukan dalam beberapa bentuk, yaitu : 1. Formulasi model analitik (matematika) 2. Formulasi model heuristik 3. Formulasi model simulasi Masing-masing mempunyai prosedur formulasi model yang berbeda

Jenis Model Matematika Dikategorikan berdasarkan sifat variabelnya dan pola perubahannya terhadap waktu: STATIK DINAMIS DETERMINISTIK PROBABILISTIK/ STOKASTIK

Model Deterministik Sistem yang bersifat deterministik sebetulnya mengandung unsur ketidakpastian; hanya saja unsur ketidakpastian tersebut dapat diabaikan Dapat dibedakan lagi sbb:

Model Probabilistik Sistem probabilistik dicerminkan dari variabel-variabel yang mengandung unsur ketidakpastian Dapat dikelompokkan lagi sbb:

Tujuan Simulasi Untuk mengeksplorasi alternatif Untuk meningkatkan kualitas pengambilan keputusan Untuk memungkinkan perencanaan yang lebih efektif Untuk meningkatkan pemahaman tentang bisnis Untuk mengaktifkan lebih cepat pengambilan keputusan Untuk memberikan informasi lebih tepat waktu Untuk mengaktifkan perkiraan yang lebih akurat Untuk menghasilkan penghematan biaya

Pengertian Parameterisasi Sistem memiliki parameter tertentu; Contoh: - gaya tarik gravitasi bumi - jumlah loket dalam antrian layanan Bank, dll Untuk pembuatan model, parameter-parameter yang perlu disertakan harus diperkirakan nilainya (estimasi parameter) dengan tepat. Estimasi parameter yang dipergunakan dalam model disebut proses parameterisasi Kesalahan dalam menentukan nilai parameter dapat membuat model yang dihasilkan tidak sesuai dengan performansi sistem nyatanya

Aspek-aspek parameterisasi 1. Estimasi parameter dapat dilakukan dengan baik jika tersedia data mengenai sistem nyata yang baik :

Ketersediaan data menyangkut: - kemudahan melakukan pengukuran - ada tidaknya data yang diperlukan - kerahasiaan data Kualitas data dipengaruhi oleh: - cara pengukuran - instrumen pengukuran yang dipergunakan Variability data menyangkut seragam-tidaknya data dan bisa diatasi dengan mendapatkan data yang banyak kecukupan data menyangkut : - banyaknya data yang dikumpulkan - kelengkapan data yang diperlukan

Estimasi bisa dilakukan dengan melakukan pengukuran secara langsung - pengukuran massa benda - penghitungan jumlah loket pelayanan - pengukuraan berat barang, dll. Kesulitan dalam ketersediaan data untuk penentuan parameter dapat diatasi dengan: - penggunaan standard yang berlaku - data dari sistem sejenis - perkiraan (judgement)

Jenis dari sistem juga menentukan upaya penentuan parameter; dalam hal ini: - sistem deterministik  relatif memerlukan jumlah data yang sedikit untuk mendapatkan suatu parameter tertentu - sistem probabilistik  umumnya memerlukan jumlah data yang lebih banyak untuk mendapatkan nilai suatu parameter