Dokumen tersebut membahas tentang optimasi dan heuristik dalam pendekatan sistem. Secara singkat, optimasi adalah proses pencarian solusi terbaik berdasarkan kriteria tertentu menggunakan algoritma pasti, sedangkan heuristik adalah pendekatan yang menggunakan teknik berbasis pengalaman untuk mencari solusi suboptimal secara cepat dengan penalaran pintas.

1. OPTIMASI DAN
HEURISTIK
DALAM
PENDEKATAN SISTEM
Arif Rahman

2. INDUSTRIAL ENGINEERING
..is concerned with the design, improvement, and
installation of integrated systems of men, materials,
information, energy, and equipments. It draws
upon specialized knowledge and skill in the
mathematical, physical and social sciences together
with the principles and methods of engineering
analysis and design to specify, predict and evaluate
the result to be obtained from such systems

3. Mathematical
Physical Sciences
Social Sciences
Engineering
Knowledge & Skill
Industrial
Engineering
Integrated
Systems
Design
Improvement Installation
Specify
Predict
Evaluate
Optimal
Result

4. SPECIFY, PREDICT and EVALUATE
... to specify, predict and evaluate the result to
be obtained from such systems
•Specify mempunyai makna menspesifikasikan, merinci,
menjabarkan, menentukan, mengkategorisasikan
•Predict mempunyai makna memprediksikan, mengestimasi,
menduga, menaksir, memperkirakan
•Evaluate mempunyai makna mengevaluasi, mengukur,
menilai, menguji, memeriksa, mengaudit, menganalisa
Teknik Industri mempelajari sistem melalui pendekatan
sistem nyata atau modelnya dengan berbasis pada nilai atau
ukuran yang dihasilkan sistem tersebut.

5. SYSTEM APPROACH
SYSTEM APPROACH
Real
Systems
Synthetic
Systems
CensusObservations
Analog
Modeling
Symbolic
Modeling
Random
Sampling
Random
Experiment
Schematic
Modeling
Mathematical
Modeling

6. Effectiveness
Efficiency

7. DEFINISI SISTEM
suatu kesatuan yang terdiri dari sekumpulan elemen-elemen (entitas
atau subsistem) yang saling berinteraksi (selaras atau bertolak
belakang, bergabung atau terurai) secara simultan dan terpadu
untuk mewujudkan tujuan tertentu dengan mendapatkan masukan
dan menghasilkan keluaran pada lingkungan di luar batasan sistem
Sistem
Lingkungan
Batasan
Input /
Faktor
Output /
Dampak
Umpan Balik
Entitas / Subsistem
Interaksi / Relasi

8. TERMINOLOGI
•Elemen-elemen
• Komponen bagian dari sistem yang berupa entitas atau
subsistem
• Entitas (entity) : object yang menjadi bagian dari sistem
berwujud benda atau dibendakan
• Manusia - Material - Mesin
• Waktu - Energi - Kekentalan - Pergerakan
• Sub sistem : sistem yang lebih kecil sebagai bagian dari sistem
yang menjadi metasistem/supersistem-nya
• Sistem produksi vs Sistem manufaktur
• Sistem ekonomi vs Sistem industri
• Sistem matahari vs Sistem bumi
• Sistem ayam vs Sistem telur

9. TERMINOLOGI
•Atribut
• Sebutan, sifat, karakter atau fitur yang dimiliki elemen
sistem.
• Parameter : atribut instrinsik yang dimiliki entitas dan bernilai
tertentu, tetap atau konstan
• Parameter vs Statistik
• Variabel (peubah, variable atau variate): atribut entitas atau
interaksi antar entitas yang dapat berubah
• Variabel bebas (independent variable)
• Variabel terikat (dependent variable)

10. TERMINOLOGI
•Proses pengolahan (transformation process)
Merupakan bagian yang mengolah atau merubah
masukan sistem menjadi keluaran sesuai tujuan sistem
•Perilaku sistem (behaviour)
Perubahan pada sistem karena aktivitas elemen-elemen
sistem dalam proses pengolahan.
•Ukuran performansi sistem
Merupakan indikator perilaku sistem yang menjadi
perhatian pemodel
•Status sistem (state)
Merupakan kumpulan indikator yang menggambarkan
keadaan sistem pada waktu tertentu.
Transient State : kondisi sistem yang dipengaruhi oleh perubahan waktu.
Steady State : kondisi sistem yang telah tidak dipengaruhi oleh perubahan waktu
(stabil).

11. DEFINISI MODEL
Suatu representasi atau formalisasi suatu sistem nyata dalam
bahasa, simbol atau bentuk tertentu yang mewakili karakteristik dan
perilaku sistem sesuai sudut pandang dan dasar pengetahuan
pemodel dalam tujuan mempelajari sistem
MODEL
Sistem

12. KRITERIA MODEL
•Mengandung semua variabel penting yang relevan
Model merupakan representasi penyederhanaan dari
sistem. Sehingga untuk membuat model, variabel-
variabel penting haruslah terkandung di dalamnya, agar
representatif. Namun variabel-variabel yang kurang
penting tidak perlu dimasukkan, agar model menjadi
sederhana
•Cukup sederhana
Model yang terlalu mendetail, semakin membuat
penyelesaian permasalahan lebih luas dan lebih rumit.
Namun kalau terlalu sederhana berakibat model kurang
representatif.

13. KRITERIA MODEL
•Memudahkan pengertian sistem
Model yang baik dapat menggambarkan apa saja yang
berada dalam sistem, bagaimana perilaku sistem, serta
mengapa dan untuk apa proses dalam sistem itu terjadi.
•Mengembangkan alternatif keputusan yang dapat
diambil
Adanya pengembangan model di mana terdapat variabel
kontrol yang dapat dikendalikan oleh pemakai,
memungkinkan dilakukan eksperimen pada model untuk
mendapatkan sistem yang optimal sebelum diterapkan.

14. KRITERIA MODEL
•Tingkat generalisasi yang tinggi
Suatu model jika memiliki tingkat generalisasi yang
semakin tinggi, memungkinkan model untuk
menyelesaikan permasalahan yang lebih luas.
•Mekanisme transparansi
Model yang menerangkan bagaimana perilaku sistem
yang ditunjukkan oleh elemen-elemen penyusunnya yang
saling berinteraksi di dalam sistem maupun dengan
lingkungannya, akan memberikan gambaran yang
menjelaskan bagaimana mekanisme model dalam
menyelesaikan permasalahan.

15. KRITERIA MODEL
•Potensial untuk dikembangkan
Model yang representatif dan telah teruji, mengundang
untuk dikembangkan pada permasalahan yang lebih
kompleks pada tingkat generalisasi yang lebih tinggi atau
sistem yang lebih besar.
•Peka terhadap perubahan asumsi
Model yang mempunyai variabel umpan balik yang baik,
pastilah mampu untuk menyelesaikan permasalahan jika
terdapat perubahan asumsi.

16. PRINSIP PEMODELAN
•Elaborasi
Model dikembangkan mulai dari yang sederhana
dan kemudian secara bertahap dielaborasi
hingga diperoleh model yang lebih representatif.
Penggunaan asumsi dalam model harus
memenuhi persyaratan konsistensi,
independensi, ekuivalensi dan relevansi.

17. PRINSIP PEMODELAN
•Iteratif
Mengembangkan model tidak dapat dilakukan
secara mekanistik dan linear. Melainkan
dilakukan pengembangan melalui pengulangan
dan peninjauan ulang secara iteratif. Proses
iteratif diawali dari model awal berdasarkan
dugaan atau hipotesa, kemudian dikembangkan
secara bertahap, hingga dicapai tingkat
kompleksitas representatif yang diharapkan.

18. PRINSIP PEMODELAN
•Sinektik
Mengembangkan model dapat dilakukan secara
sinektik, yaitu metode pendekatan sistem
dengan menganalogkan permasalahan yang ada.
Dengan begitu model lebih mudah dikenal dan
dipahami, karena mengadopsi dari prinsip-
prinsip, hukum, teori, aksioma dan dalil yang
sudah ada dan memiliki kemiripan identik.

19. STAKE HOLDER
System
Owner
System
User
System
Customer
System
Analyst

20. STAKE HOLDER
• System owner : pihak yang memegang otoritas membuat
keputusan
• System user : pihak yang melaksanakan keputusan
• System customer : pihak yang merasakan dampak
terlaksananya keputusan
• System analyst : pihak yang mempelajari sistem dan
mengembangkan model

21. SUBYEKTIVITAS MODEL
• Kepentingan dalam tujuan mempelajari sistem
• Sudut pandang dan cara pandang pribadi pemodel
• Faktor personal meliputi budaya, kehidupan sosial, pendidikan,
pengalaman dan keyakinan
• Referensi pengetahuan sebelumnya dalam memodelkan sistem
serupa

22. SUBYEKTIVITAS MODEL

23. SUBYEKTIVITAS MODEL
Systems thinking is not a matter of black and white, but of shades of grey

24. SUBYEKTIVITAS MODEL

25. SUBYEKTIVITAS MODEL

26. SUBYEKTIVITAS MODEL

27. OPTIMAL DAN SUBOPTIMAL
• Optimal (global optimum) adalah solusi terbaik yang
terindikasi dengan nilai tertinggi (maksimum) atau
terrendah (minimum) dari suatu ukuran (measure, variable,
state, performance, atau indicator) yang menjadi fokus
perhatian dalam mempelajari sistem
• Suboptimal (local optimum) adalah solusi yang sudah relatif
baik (dapat diterima) dalam batasan kondisi tertentu (tidak
selalu solusi yang terbaik) yang terindikasi dengan nilai
tinggi (lebih efektif) atau nilai rendah (lebih efisien) dan
memenuhi kendala yang ada, serta menunjukkan gap
perbaikan dibandingkan solusi sebelumnya.

28. ALGORITMA
• Algoritma merupakan urutan langkah logika pemikiran detail
yang diperlukan untuk memecahkan masalah.
• Algoritma digambarkan sebagai serangkaian instruksi
sistematis yang memandu untuk menemukan solusi dari
permasalahan berdasarkan logika penalaran rasional yang
dilandasi pengetahuan dan pengalaman.

29. OPTIMASI
• Optimasi (optimization) adalah proses pencarian solusi
terbaik dari sekumpulan alternatif solusi yang mungkin
dengan berdasarkan satu atau beberapa kriteria.
• Beberapa metode pendekatan Optimasi :
• Linear Programming & Goal Programming
• Integer Programming & Binary Programming
• Nonlinear Programming
• Stochastic Programming
• Dynamic Programming
• Vectors & Matrices
• Calculus Analysis (Differential and Integral Equations)
• Combinatorial Optimization
• Exact Optimization Algorithm misalnya: simplex method, branch and
bound method, stepping stone method, modified distribution
method,

30. APROKSIMASI
• Aproksimasi (approximation) adalah proses pendekatan
pencarian solusi terbaik dengan pendugaan solusi (relatif
sekitar solusi terbaik) yang mempunyai bias atau
penyimpangan terhadap solusi terbaik memenuhi derajat
kesalahan dan tingkat kepercayaan tertentu.
• Aproksimasi tidak menjamin menemukan solusi optimal.
Aproksimasi memberikan dugaan solusi optimal dalam
interval tertentu yang memenuhi derajat kesalahan dan
tingkat kepercayaan yang dipersyaratkan
• Beberapa metode pendekatan aproksimasi:
• Statistical estimation
• Numerical method

31. HEURISTIK
• Heuristik (heuristic) adalah proses pendekatan pencarian
solusi terbaik menggunakan experience-based techniques
dalam memecahkan, mempelajari dan menggali masalah
untuk menemukan solusi yang tidak dapat dijamin sebagai
solusi optimal, tetapi relatif baik sesuai tujuan yang
ditentukan.
• Karena proses pencariannya tidak harus lengkap, metode
heuristik dapat mempercepat proses pencarian solusi
melalui jalan pintas penalaran untuk mempermudah
pengambilan keputusan, termasuk penggunaan rule of
thumb, educated guess, intuitive judgment, stereotyping,
atau common sense.

32. HEURISTIK
Beberapa metode pendekatan Heuristik:
• Trial & error
• Tableau
• Stepping Stone
• Random Walk
• Hill-climbing
• Genetic Algorithms
• Particle Swarm Optimization
• Ant Colony Optimization
• Simulated Annealing
• Tabu Search
• Memetic Algorithm
32

33. End of Slides ...