Dokumen tersebut membahas tentang sistem dan pemodelan sistem. Secara umum membahas tentang konsep sistem, filosofi sistem, prosedur pemodelan sistem, dan penggunaan model sebagai alat bantu analisis sistem. Juga membahas tentang simulasi sistem, metodologi pemodelan, dan tahapan-tahapan pemodelan sistem.
1. Ass. Wr. wb.Ass. Wr. wb.
SISTEM DAN
PEMODELAN SISTEM
M . Fazri Pasaribu, ST, MTM . Fazri Pasaribu, ST, MT
Medan, 2013Medan, 2013
Ass. Wr. wb.Ass. Wr. wb.
SISTEM DAN
PEMODELAN SISTEM
M . Fazri Pasaribu, ST, MTM . Fazri Pasaribu, ST, MT
Medan, 2013Medan, 2013
3. FILOSOFIFILOSOFI
“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
4. PROSEDURPROSEDUR
“Tahapan Pokok”:
1. Analisis Kelayakan
2. Pemodelan Abstrak
3. Disain Sistem
4. Implementasi Sistem
5. Operasi Sistem
Need Assesment
Tahapan Pokok:
-
-
-
Evaluasi
Outcomes
5. ALAT
-BANTU
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
7. SIMULASI
SISTEM:
METODOLOGIMETODOLOGI
SIMULASI
SISTEM:
METODOLOGIMETODOLOGI
“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
8. PEMODELAN
SISTEM:
RUANG LINGKUPRUANG LINGKUP
PEMODELAN
SISTEM:
RUANG LINGKUPRUANG 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
9. JENIS-JENIS
MODEL
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. …...
3. …..
12. TAHAPAN
PEMODELAN
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
13. 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
14. Mengapa kita gunakan Analisis Sistem?
1. Kompleksitas obyek / fenomena /substansi penelitian
Multi-atribute Multi fungsional
Multi dimensional Multi-variabel
Proses Abstraksi & Simplifikasi
2. Interaksi rumit yg melibatkan banyak hal
Korelasional Pathways
Regresional Struktural
3. Interaksi dinamik: Time-dependent , and
Constantly changing
4. Feed-back loops
Negative effects vs. Positive effects
15. 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
16. 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
17. 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
18. 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
19. 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
20. 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
21. 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
22. 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
23. 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.
24. 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
25. 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
27. WHAT IS SYSTEM MODELLING ?WHAT IS SYSTEM MODELLING ?
RecognitionRecognition
DefinitionsDefinitions
ProblemsProblems
EvaluationEvaluation
IdentificationIdentification
Feed-backFeed-back
SolutionSolution
ModellingModelling
AmenableAmenable
WorthwhileWorthwhile
CompromiseCompromise
BoundingBounding
ComplexityComplexity
SimplificationSimplification
Stopping rulesStopping rules
GeneralityGenerality
GenerationGeneration
FamilyFamily
SelectionSelection
ObjectivesObjectives HierarchyHierarchy
PrioritiesPriorities
GoalsGoals
Inter-relationshipInter-relationship
Sensitivity & AssumptionsSensitivity & Assumptions
ImplementationImplementation
28. PHASES OF SYSTEM MODELLINGPHASES OF SYSTEM MODELLING
RecognitionRecognition
Definition and bounding of the problemsDefinition and bounding of the problems
Generation of solutionGeneration of solution
Identification of goals and objectivesIdentification of goals and objectives
MODELLINGMODELLING
Evaluation of potential courses of actionEvaluation of potential courses of action
Implementation of resultsImplementation of results
31. 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
32. 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.
36. BEBERAPA PENGERTIANBEBERAPA 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
37. BEBERAPA PENGERTIANBEBERAPA PENGERTIAN
MODEL FITTING: Proses pemilihan parameter (konstante dan/atau
koefisien yang dapat menghasilkan nilai-nilai ramalan paling mendekati
nilai-nilai sesungguhnya
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.
50. MULTIVARIATE MODELMULTIVARIATE MODEL
CLUSTER ANALYSISCLUSTER ANALYSIS
ExampleExample Spanning treeSpanning tree
Rainfall
regimes
Rainfall
regimes
DemographyDemography
MinimumMinimum
Settlement
patern
Settlement
patern
Multivariate
space
Multivariate
space
SimilaritySimilarity
DistanceDistance
Single linkageSingle linkage
51. MULTIVARIATE MODELMULTIVARIATE MODEL
CANONICAL CORRELATIONCANONICAL CORRELATION
ExampleExample CorrelationCorrelation
Urban areaUrban area
WatershedWatershed
PartitionedPartitioned
Irrigation
regions
Irrigation
regions
EigenvaluesEigenvalues EigenvectorsEigenvectors
52. MULTIVARIATE MODELMULTIVARIATE MODEL
Discriminant functionDiscriminant function
ExampleExample DiscriminantDiscriminant
VehiclesVehicles
VillagesVillages
CalculationCalculation
StructuresStructures
TestTest
54. MODELLING PROCESSMODELLING PROCESS
IntroductionIntroduction
DefinitionDefinition
System analysisSystem analysis
IntegrationIntegration
HypothesesHypotheses
ConclusionConclusion
ModellingModelling
ValidationValidation
ModelModel
ProcessesProcesses
BoundingBounding
Word ModelsWord Models
AlternativesAlternatives
SystemsSystems
ImpactsImpacts
Space
Time
Niche
Elements
Space
Time
Niche
Elements
Factorial
Confounding
Factorial
Confounding
Separate
Combinations
Separate
Combinations
CommunicationCommunication
DataData
AnalysisAnalysis
ChoicesChoices
TestTest
EstimatesEstimates
Plotting
Outliers
Plotting
Outliers
56. HYPOTHESESHYPOTHESES
Hypotheses of Relevance: Mengidentifikasi dan mendefinisikan variabel
dan subsistem yang relevan dengan permasalahan yang diteliti
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 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)
Hypotheses of relationships: Merumuskan hubungan-hubungan antar variabel
dengan menggunakan formula-formula matematik (fungsi linear, non-linear,
interaksi, dll)
58. ROLE OF THE COMPUTERROLE OF THE COMPUTER
IntroductionIntroduction
SpeedSpeed
RolesRoles
ConclusionsConclusions
DataData
DevelopmentDevelopment
AlgoritmsAlgoritms
ReasonsReasons
Speed
Data
Algoritm
Speed
Data
Algoritm
ComparisonComparison
ImplicationImplication
WasteWaste
Techniques
Errors
Plotting
Techniques
Errors
Plotting
Manual
Calculator
Computer
Manual
Calculator
Computer
Repetition
Checking
Repetition
Checking
9/10
Modelling
9/10
Modelling
ProgrammingProgramming
ProgramProgram
LanguageLanguage
InformationInformation
High levelHigh level
SpecialSpecial
Machine codeMachine code
FORTRAN
BASIC
ALGOL
FORTRAN
BASIC
ALGOL
DYNAMO.
Etc.
DYNAMO.
Etc.
59. ROLE OF THE COMPUTERROLE OF THE COMPUTER
DATADATA
CautionsCautions AvailabilityAvailability
FormatFormat
SamplingSampling
ReanalysisReanalysis
Data banksData banks
FormatFormat
ExchangeExchange
MagneticMagnetic
Punched cardPunched card
Paper tapePaper tape
Machine readableMachine readable
TapeTape
DiscDisc
60. 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
61. 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