Pemodelan dan Analisis

Presentasi berjudul: "Pemodelan dan Analisis"— Transcript presentasi:

1 Pemodelan dan Analisis
Edi, SKom, MKM

2 Manajemen Model Model merupakan abstraksi dunia nyata menjadi bentuk simbolik dengan tujuan menyederhanakan, meminimalkan biaya, dan meninimalkan risiko agar lebih efektif. Sebuah model akan sangat tergantung pada: Variabel waktu (tetap/tidak) Hasil (acak/terdistribusi/pola) Nilai awal (ada/tidak ada)

3 Jenis-jenis Model Menurut fungsi:
Model deskriptif: hanya menggambarkan situasi sebuah sistem tanpa rekomendasi dan peramalan. Contoh: peta organisasi 2. Model prediktif: model ini menunjukkan apa yang akan terjadi, bila sesuatu terjadi. 3. Model normatif: model yang menyediakan jawaban terbaik terhadap satu persoalan. Model ini memberi rekomendasi terhadap tindakan- tindakan yang perlu diambil. contoh: model budget advertensi, model economics, model marketing

4 Jenis-jenis Model Menurut struktur: 1. Model Ikonik
Model ikonik adalah perwakilan fisik dari beberapa hal, baik dalam bentuk ideal ataupun dalam skala yang berbeda. Model ikonik memiliki karakteristik yang sama dengan hal yang diwakili, terutama untuk menerangkan kejadian pada waktu yang spesifik. Model ikonik bisa berdimensi dua (foto, peta, cetak biru) atau tiga (prototipe mesin, alat). Apabila berdimensi lebih dari tiga, maka model tidak mungkin lagi dikonstruksi secara fisik sehingga diperlukan kategori model simbolik.

5 Contoh: Foto udara: masalah letak bangunan, pertamanan, ruang parkir, sistem lalu lintas dan sebagainya, dengan memeriksa foto udara sehingga dapat lebih cepat ditinjau.

6 Maket: memberikan gambaran bentuk bangunan yang akan dibuat,
tata letak dan hubungan fungsional antara bagian-bagian bangunan.

7 2. Model Analog (Model Diagramatik)
Model analog bisa mewakili situasi dinamik, yaitu keadaan yang berubah menurut waktu. Model ini lebih sering dipakai daripada model ikonik karena kemampuannya untuk mengetengahkan karakteristik dari kejadian yang dikaji. Model analog banyak berkesuaian dengan penjabaran hubungan kuantitatif antara sifat dan kelas-kelas yang berbeda. Melalui transformasi sifat menjadi analognya, kemampuan membuat perubahan bisa ditingkatkan. Contoh model analog: kurva permintaan, kurva distribusi frekuensi pada statistik, dan diagram alir. Masalah lalu lintas = Rangkaian listrik

8 3. Model Simbolik (Model Matematik)
Pada hakikatnya, ilmu sistem memusatkan perhatian kepada model simbolik sebagai perwakilan dari realitas yang sedang dikaji. Format model simbolik bisa berupa bentuk angka, simbol, dan rumus. Jenis model simbolik yang umum dipakai adalah suatu persamaan (equation). Contoh: - Persamaan gerak benda jatuh bebas dekat permukaan tanah dapat dikemukakan sebagai berikut:

9 Pengisian reservoir oleh aliran air dengan debit Q (volume/waktu)
yang tetap. Tinggi air pada suatu saat tertentu adalah: y = yo + (Q/A)t yo = tinggi awal A = luas penampang reservoir T = waktu

10 Pertumbuhan populasi bakteri
Suatu jenis bakteri membelah dua setiap detik. Maka jumlah bakteri pada suatu saat adalah: y = 2t di mana t = waktu (detik) Untuk mencari kapan bakteri mencapai jumlah tertentu adalah t = log y / log 2

11 Jumlah penduduk suatu negara
J = a(1 + p)t di mana: t = waktu (tahun) p = laju pertumbuhan a = jumlah penduduk pada saat t = 0

12 Mencari hubungan antara berat badan dengan tinggi badan pada
kelompok orang

13 Model memiliki kegunaan yang berbeda, dan model matematika
paling banyak dijumpai dalam kegiatan ilmu pengetahuan dan teknologi. Sifat model matematika: Merupakan bahasa yang eksak Memberikan hasil kuantitatif Mempunyai aturan (rumus, cara pengerjaan) yang memungkinkan pengembangannya lebih lanjut Pedoman kerja dengan model matematika: Amati dan definisikan masalahnya (pembuatan model ikonik akan sangat membantu) Tuliskan persamaan matematika yang mewakili permasalahannya Tarik interpretasi atau kerjakan lebih lanjut persamaan tersebut Buat asumsi dan batasan model

14 Pemilihan model tergantung pada tujuan dari pengkajian sistem dan
terlihat jelas dalam formulasi permasalahan dalam tahap evaluasi kelayakan. Sifat model juga tergantung pada teknik permodelan yang dipakai. Model yang mendasarkan pada teknik peluang dan memperhitungkan ketidakmenentuan (uncertainty) disebut model probabilistik atau model stokastik. Keuntungan penggunaan model adalah: Mereduksi biaya Mereduksi waktu Mudah dimanipulasi Mendekati real system Lebih pasti Dapat menganalisis permasalahan yang kompleks Bisa digunakan sebagai bahan latihan

15 Hal-hal yang harus diperhatikan dalam pemodelan:
Pemodelan merupakan sesuatu yang sulit dilakukan Dalam pemodelan seringkali digunakan asumsi-asumsi (tidak menggunakan data) Subsistem manajemen model dalam SPK terdiri dari sub-sub komponen berikut: Basis model Berisi model statistik, keuangan, pengetahuan manajemen atau model kuantitatif lain yang menyediakan kemampuan analisis, seperti mencari, menjalankan, menggabungkan, serta memeriksa model.

16 Dilihat dari tingkat manajemen penggunanya, model dalam basis model
dibedakan menjadi 4: a. Model strategis Mendukung tanggung jawab perencanaan strategis dari top management. Contoh: pengembangan perusahaan, pemilihan lokasi pabrik, perencanaan merjer b. Model taktikal Digunakan oleh manajemen tingkat menengah untuk membantu pengalokasian dan pengontrolan sumber daya organisasi. Contoh: perencanaan kebutuhan tenaga kerja, pembelajaran rutin, dll c. Model operasional Mendukung manajemen level bawah dalam pelaksanaan aktivitas sehari-hari dalam cakupan waktu yang singkat.

17 d. Model building block Model ini merupakan model yang akan digunakan untuk membantu model yang lain. Contohnya adalah Analisis Regresi, dll 2. Sistem Manajemen Basis Model Software pembuat model, pembaruan model, pengubahan model, dan manipulasi data. 3. Model Directori Katalog semua model dalam basis model yang terdiri dari definisi model dan fungsi utama untuk menjawab pertanyaan tentang keberadaan dan kemampuan model. 4. Model eksekusi, intelegensi, dan perintah Eksekusi berfungsi mengontrol jalannya aktivitas nyata. Intelegensi menggabungkan operasi beberapa model, sedangkan perintah berfungsi menerima dan menerjemahkan instruksi model dari model lain.

18 Pemodelan dalam Sistem Pendukung Manajemen
Salah satu contoh SPK, yaitu dari Frazee Paint, Inc., memiliki 3 jenis model: Model statistik (analisis regresi), digunakan untuk mencari relasi di antara variabel. Model ini merupakan preprogram dalam tool software pengembangan SPK. 2. Model finansial untuk pengembangan laporan pemasukan dan proyeksi data finansial untuk beberapa tahun. Model ini semi terstruktur dan ditulis dalam bahasa khusus SPK yang disebut dengan IFPS. 3. Model optimasi yang dibuat menggunakan model management science yang disebut pendekatan Linear Programming dalam rangka menentukan pemilihan media. Untuk menggunakan model ini, SPK perlu antarmuka untuk berhubungan dengan software yang lain.

19

20 Tabel berbagai jenis model

21 Model Statis dan Dinamis
Analisis statis. Model statis mengambil satu kejadian saja dalam suatu situasi. Selama kejadian tersebut semuanya terjadi dalam 1 interval, baik waktunya sebentar atau lama. Diasumsikan adanya stabilitas di sini. Model statis tidak menyertakan waktu sebagai variabel. Analisis dinamis. Model dinamis digunakan untuk mengevaluasi skenario yang berubah tiap saat. Model ini dapat menunjukkan tren dan pola pada waktu tertentu. Model dinamis dicirikan oleh waktu sebagai salah satu faktor penentu perubahan dari sistem yang sering dinyatakan dalam persamaan diferensial pada kebanyakan model dinamis seperti berikut: 𝑓= 𝑑𝑦 𝑑𝑡 y = suatu sifat (atribut) dari sistem, t = peubah atau faktor waktu, dan f adalah fungsi.

22 Certainty, Uncertainty, dan Resiko
Model certainty (kepastian). Mudah untuk bekerja dengan model ini dan dapat menghasilkan solusi yang optimal. Uncertainty (ketidakpastian). Umumnya memang diusahakan sebisa mungkin menghindari uncertainty ini. Dibutuhkan informasi lebih banyak sehingga masalah dapat diproses dengan resiko yang dapat dihitung. Risk (resiko). Kebanyakan keputusan bisnis dibuat di bawah asumsi resiko tertentu.

23 Tabel Keputusan Terdapat suatu perusahaan investasi yang sedang mempertimbangkan investasi yang akan dilakukan pada 3 alternatif ini: bonds, stocks, atau certificates of deposit (CDs). Perusahaan ini hanya mempunyai 1 tujuan memaksimalkan investasinya setelah 1 tahun kemudian. Jika ia mempunyai tujuan lain seperti keamanan atau likuiditas, maka masalahnya akan diklasifikasikan ke analisis keputusan berkriteria banyak (multiple criteria).

24 Hasilnya tergantung pada status ekonomi berikut: solid growth,
stagnation, dan inflation. Perkiraan hasil per tahun berikut didapat dari seorang ahli: Jika terdapat pertumbuhan ekonomi yang mantab (solid growth), bonds akan menghasilkan 12%; stocks, 15%; dan time deposits, 6.5%. 2. Jika stagnasi (stagnation) terjadi, bonds akan menghasilkan 6%; stock, 3%; dan time deposits, 6.5%. 3. Jika inflasi (inflation) terjadi, bonds akan menghasilkan 3%; stock akan rugi 2%; dan time deposits menghasilkan 6.5%.

25 Dua kasus yang dapat ditemukan di sini: uncertainty dan resiko. Pada
kasus uncertainty kita tak tahu probabilitas dari setiap pernyataan yang terjadi. Dalam kasus resiko, diasumsikan kita tahu probabilitas setiap pernyataan yang akan terjadi. Mengatasi Uncertainty Reaksi intuitif setiap manajer adalah tak membuat keputusan dalam situasi ketidakpastian sampai kesempatan yang ada secara ekonomi dapat dicapai. Namun demikian, jika tak ada informasi untuk mendapatkan kesempatan ini (atau tak ada waktu lagi untuk mengumpulkan informasi yang berhubungan dengannya), orang dapat menggunakan berbagai pendekatan untuk mengatasi ketidakpastian. Sebagai contoh, pendekatan optimistik akan melihat keluaran terbaik yang mungkin dari setiap alternatif dan memilih yang terbaik dari yang terbaik (stocks). Pendekatan pesimistik (konservatif) melihat keluaran terjelek yang mungkin untuk setiap alternatif dan memilih yang terbaik di antaranya (CDs).

26 Mengatasi Resiko Diasumsikan bahwa peluang dari solid growth diperkirakan 50%, stagnation 30%, dan inflation 20%. Pada kasus ini tabel keputusan ditulis kembali dengan informasi tambahan ini. Metode yang paling umum untuk menyelesaikan masalah analisis resiko ini adalah dengan memilih alternatif dengan expected value yang terbesar. Expected value dihitung dengan mengalikan hasil (keluaran) dengan probabilitas mereka masing-masing dan menjumlahkannya. Sebagai contoh, untuk bonds: 12(0.5) + 6(0.3) + 3(0.2) = 8.4 (investasi dalam bonds, dengan penghasilan rata-rata 8.4%).

27 Pohon Keputusan Alternatif penampilan tabel keputusan adalah pohon keputusan. Pohon keputusan memiliki 2 keuntungan: Menggambarkan secara grafis hubungan dari masalah Dapat berhubungan dengan situasi yang lebih kompleks dalam bentuk yang lebih kompak (misal masalah investasi dengan periode waktu yang lebih banyak)

28

29

30 Pohon AND-OR Banyak tipe sistem pakar menggunakan runut balik (backward chaining) untuk mendapatkan solusi dari permasalahan. Contoh: PROLOG Salah satu tipe dari tree atau lattice yang digunakan dalam masalah representasi runut balik ini adalah pohon AND-OR.

31

32 Pohon AND-OR Contoh penggunaan AND-OR lainnya adalah untuk contoh kaidah berikut ini: if p AND q then r if s AND t then r if u then p if v then p if w AND x then s if y then s if z then t Pohon AND-OR r p q s t u v w x y z

33 Optimasi dengan Pemrograman Matematis
Digunakan untuk membantu menyelesaikan masalah manajerial, untuk mengalokasikan resources yang terbatas (misal tenaga kerja, modal, mesin, atau air) di antara sekian banyak aktivitas untuk mengoptimalkan tujuan yang ditetapkan. Karakteristik Sejumlah tertentu resources ekonomi tersedia untuk dialokasi. Resources digunakan dalam produksi produk atau service. Ada 2 atau lebih cara bagaimana resources digunakan. Masing- masingnya disebut dengan solusi atau program. 4. Setiap aktivitas (produk atau service) di mana resources digunakan di situ memberikan hasil tertentu sesuai tujuan yang telah ditetapkan. 5. Pengalokasian ini biasanya dibatasi oleh berbagai batasan dan kebutuhan yang disebut dengan constraints (batasan).

34 Asumsi Hasil dari berbagai alokasi yang berbeda dapat dibandingkan; sehingga, mereka dapat diukur dengan unit yang sama (seperti dolar). 2. Hasil dari berbagai alokasi berdiri sendiri dibandingkan dengan alokasi yang lain. 3. Hasil total adalah penjumlahan dari semua hasil yang diperoleh dari aktivitas-aktivitas yang berbeda. 4. Semua data diketahui dengan certainty. 5. Resources digunakan menurut perilaku ekonomi.

35 Linear Programming Digunakan dalam pengalokasian sumber daya organisasi (sumber daya: tenaga, bahan mentah, waktu, dana) Pengalokasian sumber daya bertujuan: Memaksimumkan keuntungan Meminimumkan biaya Menggunakan model matematik dengan fungsi linear. Contoh 1: Seorang ahli gizi ingin menentukan jenis makanan yang harus diberikan pada pasien dengan biaya minimum, akan tetapi sudah mencukupi kebutuhan gizi.

36 Contoh 2: Sebuah perusahaan ingin menentukan berapa banyak masing-masing produk yang harus dihasilkan untuk memperoleh keuntungan maksimum.

37

38

39

40

41 Jenis Makanan Kebutuhan Minimum Harga/Unit X1 X2 Kalsium Protein Vitamin A 5 2 1 8 10 22

42 Setiap LP terdiri dari:
Decision Variables Variabel-variabel di mana nilainya tak diketahui dan yang sedang dicari. Biasanya ditandai dengan x1, x2, dll. Objective Function (Fungsi Tujuan) Pernyataan matematis, merupakan fungsi linier, menunjukkan hubungan di antara decision variables dan satu tujuan (atau objective) yang dicari. Jika melibatkan tujuan yang banyak (multiple goals), terdapat 2 pendekatan: Memilih tujuan utama yang memiliki level maksimal atau minimal. Memindahkan tujuan-tujuan yang lain ke dalam constraint (batasan), yang harus dipenuhi. Optimasi LP berusaha untuk mendapatkan nilai maksimal atau minimal dari fungsi tujuan.

43 Coefficients (Koefisien) dari Objective Function
Menyatakan tingkat/derajat di mana nilai dari fungsi tujuan meningkat atau menurun dengan memasukkan dalam solusi satu unit dari setiap decision variables. Constraints (batasan) Maksimalisasi atau minimalisasi dilakukan berdasarkan batasan- batasan tertentu. Sehingga, LP dapat didefinisikan sebagai permasalahan optimasi terbatas. Batasan dinyatakan dalam bentuk pertidaksamaan (atau terkadang persamaan). Koefisien Input-Output (Teknologi) Koefisien dari variabel batasan disebut dengan koefisien input-output. Ini mengindikasikan tingkat pemakaian atau penggunaan resource. Ditampilkan pada sisi kiri batasan.

44 Capacities (kapasitas)
Kapasitas/ketersediaan dari pelbagai resources, biasanya dinyatakan dengan batas atas atau batas bawah, berada pada sisi kanan batasan. Sisi kanan juga menyatakan kebutuhan minimum.

45 Simulasi Dalam Sistem Pendukung Manajemen, simulasi berarti teknik untuk melakukan percobaan (“what-if”) dengan komputer digital pada suatu model dari sistem manajemen. Karakteristik utama simulasi Simulasi bukan sejenis model biasa. Model umumnya merepresentasikan kenyataan, sedangkan simulasi menirukan kenyataan tersebut. Simulasi adalah teknik untuk melaksanakan percobaan, artinya simulasi melibatkan testing pada nilai-nilai tertentu dari decision atau uncontrollable variables yang ada pada model dan mengamati akibatnya pada variabel output.

46 Karakteristik utama simulasi
Simulasi lebih bersifat deskriptif (menjelaskan) daripada tool normatif, sehingga tak ada pencarian otomatis untuk solusi optimal. Simulasi menjelaskan dan/atau memperkirakan karakteristik sistem tertentu pada berbagai keadaan yang berbeda-beda. Sekali karakteristik ini diketahui, alternatif terbaik dari alternatif yang ada dapat dipilih. Simulasi digunakan bilamana permasalahan yang ada terlalu kompleks/sulit bila diselesaikan dengan teknik optimasi numerik (misalnya LP). Kompleksitas berarti bahwa permasalahan tadi tak bisa dirumuskan untuk optimasinya atau perumusannya terlalu kompleks.

47 Keuntungan Simulasi: Teori simulasi relatif mudah dan bisa langsung diterapkan. Model simulasi mudah untuk menggabungkan berbagai hubungan dasar dan ketergantungannya. Simulasi lebih bersifat deskriptif daripada normatif. Ini mengijinkan manajer untuk menanyakan jenis pertanyaan “what-if”. Sehingga, manajer yang memiliki pendekatan trial-and-error dalam menyelesaikan masalah dapat melakukannya lebih cepat dan murah, dengan resiko yang lebih kecil, menggunakan bantuan simulasi dan komputer (sebagai pembanding adalah pendekatan trial-and-error dalam sistem nyata). Model simulasi yang akurat membutuhkan knowledge yang dalam dari suatu masalah, yang memaksa MSS builder untuk selalu berkomunikasi dengan manajer. Modelnya dibangun berdasarkan perspektif manajer dan berada dalam struktur keputusannya.

48 Keuntungan Simulasi: Model simulasi dibangun untuk satu permasalahan tertentu, dan biasanya tak bisa menyelesaikan permasalahan yang lain. Simulasi dapat mengatasi variasi yang berbeda-beda dalam berbagai jenis masalah seperti halnya inventory dan staffing, demikian juga pada fungsi tingkat tinggi manajerial seperti rencana jangka panjang. Sehingga ungkapan untuknya adalah “selalu ada” jika manajer sedang membutuhkannya. Manajer dapat melakukan eksperimen dengan berbagai variabel yang berbeda untuk menentukan mana yang penting, dan dengan berbagai alternatif yang berbeda untuk mencari yang terbaik. Simulasi secara umum mengijinkan kita memasukkan kompleksitas kehidupan nyata dari suatu masalah. Dapat menghemat waktu. Mudah untuk mendapatkan berbagai pengukuran kinerja yang berbeda- beda secara langsung dari simulasi.

49 Kerugian Simulasi: Tak menjamin solusi yang optimal. Membangun model simulasi seringkali memakan waktu lama dan membutuhkan biaya. Solusi dan inferensi dari satu kasus simulasi biasanya tak bisa ditransfer ke permasalahan yang lain. Simulasi terkadang begitu mudah diterima oleh manajer sehingga solusi analitis yang dapat menghasilkan solusi optimal malah sering dilupakan. Metodologi Simulasi Definisi masalah Membangun model simulasi Testing dan validasi model Desain percobaan Melakukan percobaan Evaluasi hasil Implementasi

50 Proses Simulasi

51 Tipe Simulasi Simulasi Probabilistik
Satu atau lebih independent variabelnya (misal, kebutuhan dalam masalah inventory) probabilistik, mengandung bilangan acak. Sehingga ini mengikutsertakan distribusi probabilitas tertentu. Ada 2 distribusi probabilitas yang dikenal: distribusi diskrit dan distribusi kontinyu. Distribusi diskrit melibatkan situasi di mana terdapat sejumlah tertentu kejadian (variabel) yang dapat diamati pada sejumlah nilai tertentu. Distribusi kontinyu mengacu pada situasi di mana terdapat kemungkinan jumlah kejadian yang tak terbatas, yang mengikuti fungsi densitas tertentu, misal distribusi normal.

52 Distribusi Diskrit Distribusi diskrit yaitu distribusi di mana per-ubahnya secara teoritis tidak dapat menerima sembarang nilai di antara dua nilai yang diberikan. Sering lebih mudah bila semua peluang suatu peubah acak x dinyatakan dalam suatu rumus. Tetapi juga tidak menutup kemungkinan apabila distribusi diskrit dinyatakan dalam bentuk grafik ataupun dalam bentuk tabel. Bila variabel random x menduduki nilai tertentu xi maka probabilitasnya dapat dirumuskan sebagai berikut: P[x = xi] = P(xi)

53 Macam-macam Distribusi Diskrit
Distribusi Hipergeometrik Distribusi Binomial Distribusi Poisson

54 Distribusi Kontinyu Distribusi kontinyu yaitu model matematika yang menghubungkan nilai variabel dengan probabilitas terjadinya nilai itu. Dengan kata lain, kita dapat membayangkan diameter cincin piston sebagai variabel random, karena diameter itu menjalani nilai-nilai yang berbeda dalam populasi itu menurut mekanisme random. Maka distribusi probabilitas diameter cincin menggambarkan probabilitas terjadinya setiap nilai diameter cincin di dalam populasi itu. Variabel yang akan diukur dinyatakan dalam skala kontinyu. Oleh karena itu, distribusi probabilitasnya dinamakan distribusi kontinyu.

55 Bentuk distribusi kontinyu adalah kurva yang halus, dengan luasan di
bawah kurva sama dengan probabilitas, sehingga probabilitas bahwa x terletak di dalam interval dari a sampai b ditulis: P[a≤x≤b] = 𝑎 𝑏 𝑓 𝑥 𝑑𝑥 Misalkan x suatu variabel random yang menunjukkan isi yang sebenarnya dalam ons kaleng kopi 1 pon. Distribusi probabilitas x dianggap sebagai: F(x) = 1 1,5 ; 15,5≤x≤17,0 Ini adalah distribusi kontinyu, karena ruang rentang x adalah interval [15,5; 17]

56 Macam-macam Distribusi Kontinyu
Distribusi normal Distribusi eksponensial Teorema limit pusat

57 Simulasi probabilistik
Distribusi diskrit Distribusi kontinyu

58 Tipe Simulasi Simulasi bergantung waktu (time dependent) vs simulasi tak bergantung waktu (time independent). Time independent mengacu pada situasi di mana tak penting kita mengetahui secara pasti kejadian yang terjadi. Time dependent sebaliknya, adalah penting mengetahui secara presisi kejadian-kejadiannya. Simulasi visual Penampilan hasil simulasi secara grafis terkomputerisasi adalah salah satu pengembangan yang berhasil dalam interaksi manusia dan komputer dan penyelesaian masalah.

59 Simulasi visual

60

61

62 Forward Chaining Backward Chaining

63

64 Penyelesaian dengan forward chaining:

65 Penyelesaian dengan backward chaining:

66 Pemrograman Heuristik
Pemrograman heuristik adalah pendekatan yang dilakukan dengan cara heuristik yang dapat menghasilkan solusi yang cukup baik untuk memecahkan masalah yang begitu komplek, mendapatkan solusi permasalahan dengan cepat, menemukan aturan untuk memecahkan masalah yang kompleks.

67 Pencarian Heuristik Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness). Fungsi heuristik digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan. Jenis-jenis Heuristic Searching: Generate and Test Hill Climbing Best First Search Alpha Beta Prunning, Means-End-Analysis, Constraint Satisfaction, Simulated Annealing, dll

68 Generate and Test Metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal. Algoritma: Bangkitkan suatu kemungkinan solusi (membangkitkan suatu titik tertentu atau lintasan tertentu dari keadaan awal). 2. Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node tersebut atau node akhir dari suatu lintasan yang dipilih dengan kumpulan tujuan yang diharapkan. 3. Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali langkah pertama.

69 Contoh: Travelling Salesman Problem (TSP)
Seorang salesman ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Kita ingin mengetahui rute terpendek di mana setiap kota hanya boleh dikunjungi tepat 1 kali. Misalkan ada 4 kota dengan jarak antara tiap-tiap kota seperti berikut ini:

70 Alur pencarian dengan Generate and Test

71 Kapan menggunakan heuristic:
Input data tidak pasti atau terbatas. Kenyataan yang ada terlalu kompleks sehingga model optimasi menjadi terlalu disederhanakan. 3. Metode yang handal dan pasti tak tersedia. 4. Waktu komputasi untuk optimasi terlalu lama. 5. Adanya kemungkinan untuk meningkatkan efisiensi proses optimasi (misal, dengan memberikan solusi awal yang baik menggunakan heuristic). 6. Masalah-masalah yang diselesaikan seringkali (dan berulang-ulang) dan menghabiskan waktu komputasi. 7. Permasalahan yang kompleks yang tidak ekonomis untuk optimasi atau memakan waktu terlalu lama dan heuristic dapat meningkatkan solusi yang tak terkomputerisasi. 8. Di saat pemrosesan simbolik lebih banyak dilibatkan daripada pemrosesan numerik (dalam Sistem Pakar).

72 Keuntungan heuristic:
Mudah dimengerti dan kemudian mudah diimplementasikan. Membantu dalam melatih orang sehingga kreatif dan dapat digunakan untuk masalah yang lain. 3. Menghemat waktu perumusan. 4. Menghemat pemrograman dan kebutuhan penyimpanan pada komputer. 5. Menghemat waktu pemrosesan komputer yang tak perlu. 6. Seringkali menghasilkan berbagai solusi yang dapat diterima.

73 Masalah-masalah dalam penggunaan heuristic:
Heuristic enumerasi yang mempertimbangkan semua kemungkinan kombinasi dalam permasalahan praktis jarang bisa dicapai. 2. Pilihan-pilihan keputusan sekuensial bisa jadi gagal mengantisipasi konsekuensi lebih lanjut dari setiap pilihan. 3. “Lokal optimal” dapat memutuskan solusi terbaik yang masih bisa dicapai sebab heuristic, serupa dengan simulasi, bertitik tolak pada perspektif global. 4. Saling ketergantungan pada satu bagian dari sistem terkadang memberikan pengaruh berarti pada keseluruhan sistem.