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

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

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

6. SIMULASI
SISTEM:
OPERASINYA
SIMULASI
SISTEM:
OPERASINYA
“Penggunaan Komputer ”:
Simulasi Komputer:
Disain Sistem
Strategi Pengelolaan Sistem
MODEL SISTEM
PROGRAM KOMPUTER
programmingprogramming

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. …..

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

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

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

26. PEMODELAN KUANTITATIF :
MATEMATIKA DAN STATISTIKA
MODEL STATISTIKA:
FENOMENA STOKASTIK
MODEL MATEMATIKA:
FENOMENA DETERMINISTIK

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

29. MODEL & MATEMATIK: TermMODEL & MATEMATIK: Term
VariabelVariabel ParameterParameter
LikelihoodLikelihood
KonstanteKonstante
TipeTipe
DependentDependent
IndependentIndependent
RegressorRegressor
PopulasiPopulasi
SampelSampel
ProbabilityProbability
MaximumMaximum
AnalitikAnalitik
SimulasiSimulasi

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

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.

33. MODEL & MATEMATIK: DefinitionMODEL & MATEMATIK: Definition
PreliminaryPreliminary GoodallGoodall MathematicalMathematical
Formal
Expression
Formal
Expression
WordsWords
PhysicalPhysical
MappingMapping
RepresentationalRepresentational
RulesRules
Predicted
values
Predicted
values
Maynard-SmithMaynard-Smith
ComparisonComparison
MathematicalMathematical
HomomorphHomomorph
SymbolicSymbolic
SimplifiedSimplified Data valuesData values
ModelModel
SimulationSimulation

34. MODEL & MATEMATIK: RelativesMODEL & MATEMATIK: Relatives
AdvantagesAdvantages
DisadvantagesDisadvantages
PrecisePrecise
AbstractAbstract
CommunicationCommunication
DistortionDistortion
OpaquenessOpaqueness
TransferTransfer ComplexityComplexity
ReplacementReplacement

35. MODEL & MATEMATIK: FamiliesMODEL & MATEMATIK: Families
TypesTypes BasisBasis
DynamicsDynamics
CompartmentCompartment
NetworkNetwork
ChoicesChoices
StochasticStochastic
MultivariateMultivariate

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.

38. DYNAMIC MODELDYNAMIC MODEL
MODELLINGMODELLING
DynamicsDynamics SIMULATIONSIMULATION
LanguageLanguage
EquationsEquations
ComputerComputer
GeneralGeneralSpecialSpecial
DYNAMO
CSMP
CSSL
DYNAMO
CSMP
CSSL
BASICBASIC
FORMALFORMAL
ANALYSISANALYSIS

39. DYNAMIC MODELDYNAMIC MODEL
DIAGRAMSDIAGRAMS
RELATIONALRELATIONAL SYMBOLSSYMBOLS
RATE
EQUATIONS
RATE
EQUATIONS
LEVELSLEVELS
PARAMETERPARAMETER
INFORMATION
FLOW
INFORMATION
FLOWSINKSINK
AUXILIARY
VARIABLES
AUXILIARY
VARIABLES
MATERIAL
FLOW
MATERIAL
FLOW

40. DYNAMIC MODEL:DYNAMIC MODEL:
ORIGINSORIGINS
ComputersComputers EquationsEquations
Other
functions
Other
functions
StepsSteps
Discriminant
Function
Discriminant
Function
UndestandingUndestanding
SimulationSimulation
AbstractionAbstraction
HypothesisHypothesis
LogisticLogistic
ExponentialsExponentials

41. MATRIX MODELMATRIX MODEL
MATHEMATICSMATHEMATICS
OperationsOperations MatricesMatrices
TypesTypes
Eigen valueEigen value
ElementsElements
SquareSquare
RectangularRectangular
Diagonal
Identity
Diagonal
Identity VectorsVectors
DominantDominant
Eigen vectorEigen vector
ScalarsScalars
Row
Column
Row
Column
Additions
Substraction
Multiplication
Inversion
Additions
Substraction
Multiplication
Inversion

42. MATRIX MODELMATRIX MODEL
DEVELOPMENTDEVELOPMENT
InteractionsInteractions GroupsGroups
Development
stages
Development
stages
StochasticStochastic
SizeSize
Materials
cycles
Materials
cycles Markov
Models
Markov
Models

43. STOCHASTIC MODELSTOCHASTIC MODEL
STOCHASTICSTOCHASTIC
ProbabilitiesProbabilities HistoryHistory
StabilityStability
Other
Models
Other
Models
Statistical
method
Statistical
method
DynamicsDynamics

44. STOCHASTIC MODELSTOCHASTIC MODEL
Spatial paternSpatial patern
DistributionDistribution ExampleExample
BinomialBinomial
PissonPisson PoissonPoisson
Negative
Binomial
Negative
Binomial
OthersOthers
Negative
Binomial
Negative
Binomial
FittingFitting
TestTest

45. STOCHASTIC MODELSTOCHASTIC MODEL
ADDITIVE MODELSADDITIVE MODELS
Basic ModelBasic Model ExampleExample
ParameterParameter
ErrorError EstimatesEstimates
BlockBlock
TreatmentsTreatments
AnalysisAnalysis
EffectsEffects
OrthogonalOrthogonal
ExperimentalExperimental
SignificanceSignificance
VarianceVariance

46. STOCHASTIC MODELSTOCHASTIC MODEL
REGRESSIONREGRESSION
ModelModel ExampleExample
Linear/ Non-
linear functions
Linear/ Non-
linear functions
ErrorError DecompositionDecomposition
AssumptionsAssumptions
EquationEquation
ReactionsReactions
Oxygen uptakeOxygen uptake
ExperimentalExperimental
Empirical baseEmpirical base
Theoritical
base
Theoritical
base

47. STOCHASTIC MODELSTOCHASTIC MODEL
MARKOVMARKOV
ExampleExample AssumptionsAssumptions
Transition
probabilities
Transition
probabilities
AnalysisAnalysis DisadvantageDisadvantage
Raised mireRaised mire
AdvantagesAdvantages
AnalysisAnalysis

48. MULTIVARIATE MODELSMULTIVARIATE MODELS
METHODSMETHODS
VariableVariable ClassificationClassification
IndependentIndependent
DependentDependent DescriptiveDescriptive PredictivePredictive
VARIATEVARIATE
Principal
Component
Analysis
Principal
Component
Analysis
Cluster
Analysis
Cluster
Analysis
Reciprocal
averaging
Reciprocal
averaging
Canonical
Analysis
Canonical
Analysis
Discriminant
Analysis
Discriminant
Analysis

49. MULTIVARIATE MODELMULTIVARIATE MODEL
PRINCIPLE COMPONENT ANALYSISPRINCIPLE COMPONENT ANALYSIS
ExampleExample CorrelationCorrelation
OrganismOrganism
EnvironmentEnvironment EigenvaluesEigenvalues
RegionsRegions
ObjectivesObjectives
RequirementRequirement
EigenvectorsEigenvectors

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

53. OPTIMIZATION MODELOPTIMIZATION MODEL
OPTIMIZATIONOPTIMIZATION
MeaningsMeanings IndirectIndirect
MinimizationMinimization
SimulationSimulation
Objective functionObjective function
MaximizationMaximization
LinearLinear
ExperimentationExperimentation
ConstraintsConstraints
SolutionSolution
ExamplesExamples
Non-
Linear
Non-
Linear
DynamicDynamic
Optimum Transportation Routes
Optimum irrigation scheme
Optimum Regional Spacing
Optimum Transportation Routes
Optimum irrigation scheme
Optimum Regional Spacing

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

55. MODELLING PROCESSESMODELLING PROCESSES
HYPOTHESESHYPOTHESES
RelevanceRelevance ProcessesProcesses
SpeciesSpecies
VariableVariable LinkagesLinkages
Sub-systemsSub-systems
RelationshipsRelationships
Decision TableDecision Table
ImpactsImpacts
InteractiveInteractive
LinearLinear
Non-LinearNon-Linear

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)

57. MODELLING PROCESSESMODELLING PROCESSES
VALIDATIONVALIDATION
VerificationVerification Critical TestCritical Test
ObjectivitiesObjectivities
SubjectivesSubjectives
ExperimentsExperiments
ReasonablenessReasonableness
Sensitivity
Analysis
Sensitivity
Analysis
AnalysisAnalysis
InteractionsInteractions
UncertaintyUncertainty
ResourcesResources

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