MAKALAH

PEMODELAN SISTEM
“Model Stokastik”
Dosen : Syukriah,ST.,M.Eng

Disusun Oleh:

Nurul Qolbi El Azizah 180130043

Reza Rizkiani 180130052
Nove Elita Fany 180130074
Muhariani Hasibuan 180130077
Wira Irshadi Ahli 180130107

Kelas : A2 Teknik Industri

Kelompok 5

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK

UNIVERSITAS MALIKUSSALEH
LHOKSEUMAWE
T.A 2020/2021
 KATA PENGANTAR
Bahan ajar berupa Model Stokastik yang penulis susun ini sebagai
ringkasan kuliah yang diajarkan di Program Studi Teknik Industri Fakultas Teknik
Universitas Malikussaleh, pada tahap sarjana. Bahan ajar ini dilengkapi dengan
bab-bab pembahasan dari mata kuliah Pemodelan Sistem untuk mempermudah
proses pembelajaran baik dari dosen sebagai pengajar maupun mahasiswanya
sendiri agar memahami mata kuliah ini. Adanya bahan ajar berupa Makalah ini
dimaksudkan hanya sebagai pelengkap ringkasan catatan kuliah dan tidak
dimaksudkan untuk mengganti text book dan perkuliahan. Mahasiswa masih
diharuskan untuk menghadiri kuliah dan membaca buku-buku lain sesuai dengan
materi yang telah disusun pada bahan ajar ini.

Dalam penyusunan Makalah tentu banyak hal yang perlu diperhatikan baik
dari segi isi dan perumusannya, oleh karena keterbatasan penulis maka kritik dan
saran yang membangun sangat dibutuhkan dan penulis sangat terbuka untuk
menerima saran dan masukannya demi kebaikan dari penyusunan ini.

Lhokseumawe, 24 Mei 2021

Penyusun
 DAFTAR ISI
Halaman

Kata Pengantar......................................................................................i
Daftar Isi................................................................................................ii

BAB I PENDAHULUAN......................................................................1
1.1 Latar Belakang..................................................................................1
1.2 Rumusan Masalah.............................................................................2
1.3 Tujuan Penulisan Makalah................................................................2

BAB II PEMBAHASAN.......................................................................3
2.1 Sistem Manusia-Mesin......................................................................3
2.1.1 Macam-macam Hubungan Manusia Mesin.............................5
2.1.2 Model Manusia Mesin.............................................................6
2.2 Proses Input Informasi......................................................................8
2.3 Exteroceptor......................................................................................8
2.3.1 Mata.........................................................................................8
2.3.2 Telinga.....................................................................................9
2.3.3 Peraba dan Penciuman............................................................9
2.3.4 Sistem Saraf.............................................................................10
2.4 Transfer Informasi.............................................................................11
2.5 Pengolahan Informasi........................................................................11
2.6 Human Computer Interface...............................................................11
BAB III KESIMPULAN DAN SARAN .............................................13
3.1 Kesimpulan........................................................................................13
3.2 Saran..................................................................................................13

Daftar Pustaka
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Pengambilan keputusan adalah pemilihan di antara alternatifalternatif
mengenai sesuatu cara bertindak serta inti dari perencanaan. Suatu rencana dapat
dikatakan tidak ada, jika tidak ada keputusan suatu sumber yang dapat dipercaya,
petunjuk atau reputasi yang telah dibuat.
Dalam kehidupan, sejumlah fenomena dapat dipikirkan sebagai percobaan
yang mencakup sederetan pengamatan yang berturut – turut dan bukan satu kali
pengamatan. Umumnya, tiap pengamatan dalam suatu percobaan tergantung pada
pengamatan masa lalu dan hasilnya dapat ditentukan dengan hukum - hukum
peluang. Studi tentang percobaan dalam bentuk seperti ini dikenal dengan proses
stokastik.
Stochastik adalah Kata stokastik (stochastics) merupakan jargon untuk
keacakan. Oxford Dictionary (1993) menakrifkan proses stokastik sebagai suatu
barisan kejadian yang memenuhi hukum-hukum peluang. Hull (1989, hlm.62)
menyatakan bahwa setiap nilai yang berubah terhadap waktu dengan cara yang
tidak tertentu (dalam ketidakpastian) dikatakan mengikuti proses stokastik.
Dengan demikian, jika dari pengalaman yang lalu keadaan yang akan datang suatu
barisan kejadian dapat diramalkan secara pasti, maka barisan kejadian itu
dinamakan deterministik. Sebaliknya jika pengalaman yang lalu hanya dapat
menyajikan struktur peluang keadaan yang akan datang, maka barisan kejadian
yang demikian disebut stokastik. Proses stokastik banyak digunakan untuk
memodelkan evolusi suatu sistem yang mengandung suatu ketidakpastian atau
sistem yang dijalankan pada suatu lingkungan yang tak dapat diduga, dimana
model deterministik tidak lagi cocok dipakai untuk menelisik (menganalisis)
sistem.

1.2 Rumusan Masalah

1. Apakah yang dimaksud dengan stokastik ?
2. Bagaimanakah proses model stokastik ?
3. Apakahyang dimaksud dengan proses stokastik ?
1.3 Tujuan Penulisan Makalah
1. Untuk mengetahui apa yang dimaksud dengan stokastik.
2. Untuk mengetahui bagaimana proses model stokastik
3. Untuk mengetahui apakah yang dimaksud dengan proses stokastik
 BAB II
PEMBAHASAN

2.1 Pengertian Stokastik

Kata stokastik (stochastics) merupakan jargon untuk keacakan. Oxford

Dictionary (1993) menakrifkan proses stokastik sebagai suatu barisan kejadian
yang memenuhi hukumhukum peluang. Hull (1989, hlm.62) menyatakan bahwa
setiap nilai yang berubah terhadap waktu dengan cara yang tidak tertentu (dalam
ketidakpastian) dikatakan mengikuti proses stokastik. Dengan demikian, jika dari
pengalaman yang lalu keadaan yang akan datang suatu barisan kejadian dapat
diramalkan secara pasti, maka barisan kejadian itu dinamakan deterministik.
Sebaliknya jika pengalaman yang lalu hanya dapat menyajikan struktur peluang
keadaan yang akan datang, maka barisan kejadian yang demikian disebut
stokastik.
Proses stokastik banyak digunakan untuk memodelkan evolusi suatu
sistem yang mengandung suatu ketidakpastian atau sistem yang dijalankan pada
suatu lingkungan yang tak dapat diduga, dimana model deterministik tidak lagi
cocok dipakai untuk menelisik (menganalisis) sistem.
Dalam teori probabilitas dan bidang terkait, proses stokastik atau acak
adalah objek matematika yang biasanya didefinisikan sebagai kumpulan variabel
acak . Secara historis, variabel acak dikaitkan atau diindeks oleh serangkaian
angka, biasanya dilihat sebagai titik waktu, memberikan interpretasi proses
stokastik yang mewakili nilai numerik beberapa sistem yang secara acak berubah
dari waktu ke waktu , seperti pertumbuhan populasi bakteri, sebuah arus listrik
yang berfluktuasi karena thermal noise , atau gerakan dari gas molekul. Proses
stokastik banyak digunakan sebagai model matematis sistem dan fenomena yang
nampak bervariasi secara acak. Mereka memiliki aplikasi dalam berbagai disiplin
ilmu termasuk ilmu seperti biologi , kimia , ekologi , neuroscience , dan fisika
sertateknologi dan rekayasa bidang seperti pengolahan gambar , pemrosesan
sinyal , teori informasi , ilmu komputer , kriptografi dan telekomunikasi .
Selanjutnya, perubahan acak yang tampaknya terjadi di pasar keuangan telah
memotivasi penggunaan ekstensif proses stokastik di bidang keuangan.
 Istilah fungsi acak juga digunakan untuk merujuk pada proses stokastik
atau acak, karena proses stokastik juga dapat diartikan sebagai elemen acak dalam
ruang fungsi . Istilah proses stokastik dan proses acak digunakan secara
bergantian, seringkali tanpa ruang matematika spesifik untuk himpunan yang
mengindeks variabel acak. Namun seringkali kedua istilah ini digunakan ketika
variabel-variabel acak diindeks oleh bilangan bulat atau selang dari garis nyata .
Jika variabel acak diindeks oleh bidang Cartesian atau ruang Euclidean dengan
dimensi lebih tinggi , maka kumpulan variabel acak biasanya disebut medan acak.
Nilai dari proses stokastik tidak selalu angka dan dapat berupa vektor atau objek
matematis lainnya.
2.2 Contoh Proses Stokastik
Adapun beberapa contoh dari proses stokastik adalah sebagai berikut:
1. Proses Bernoulli
Salah satu proses stokastik yang paling sederhana adalah proses Bernoulli ,
yang merupakan urutan variabel acak independen dan identik (iid) acak, di
mana setiap variable acak memerlukan nilai satu dengan probabilitas, “p”
katakanlah, dan nilai nol dengan probabilitas “1−¿p”. Proses ini bisa
disamakan dengan seseorang yang membalik koin, di mana probabilitas
mendapatkan kepala adalah p dan nilainya adalah satu, sedangkan nilai
ekornya nol. Dengan kata lain, proses Bernoulli adalah urutan variabel
acak Bernettli, dimana setiap koin flip adalah uji coba Bernoulli.
2. Random Walk

Jalan acak adalah proses stokastik yang biasanya didefinisikan sebagai

jumlah variabel acak iid atau vektor acak di ruang Euclidean, sehingga
merupakan proses yang berubah dalam waktu diskrit. Namun beberapa
juga menggunakan istilah untuk merujuk pada proses yang berubah dalam
waktu kontinu, khususnya proses Wiener digunakan di bidang keuangan,
yang telah menyebabkan beberapa kebingungan, sehingga dalam kritiknya
Ada berbagai jenis jalan acak lainnya, yang didefinisikan sehingga ruang
negara mereka dapat menjadi objek matematis lainnya, seperti kisi dan
kelompok, dan secara umum mereka sangat banyak dipelajari dan
memiliki banyak aplikasi dalam berbagai disiplin ilmu.
 Contoh klasik dari jalan acak dikenal sebagai jalan acak sederhana , yang
merupakan proses stokastik dalam waktu diskrit dengan bilangan bulat
sebagai ruang negara, dan didasarkan pada proses Bernoulli, di mana
setiap variabel Bernoulli iid mengambil nilai positif satu atau negatif
Dengan kata lain, jalan acak sederhana terjadi pada bilangan bulat, dan
nilainya meningkat satu dengan probabilitas, katakanlah, “p” , atau
menurun secara negatif dengan probabilitas “1−¿p”, jadi kumpulan indeks
dari jalan acak ini adalah bilangan asli, sedangkan ruang negaranya adalah
bilangan bulat. Jika p = 0,5 , jalan acak ini disebut jalan acak simetris.

3. Proses Wiener
Proses Wiener adalah proses stokastik dengan penambahan stasioner dan
independen yang biasanya didistribusikan berdasarkan ukuran kenaikan.
Proses Wiener dinamai Norbert Wiener , yang membuktikan keberadaan
matematisnya, namun prosesnya juga disebut proses gerak Brown atau
hanya gerakan Brown karena hubungan historisnya sebagai model gerakan
Brown dalam cairan.
Memainkan peran sentral dalam teori probabilitas, proses Wiener sering
dianggap sebagai proses stokastik yang paling penting dan dipelajari,
dengan koneksi ke proses stokastik lainnya. Indeks Its set dan ruang
negara adalah nomor non-negatif dan bilangan real, masing-masing,
sehingga memiliki kedua indeks terus menerus mengatur dan menyatakan
ruang. Tapi prosesnya dapat didefinisikan secara lebih umum sehingga
ruang kenegaraannya bisa jadi ruang Euclidean dimensi. Jika mean dari
kenaikan apapun adalah nol, maka proses gerak Wiener atau Brown yang
dihasilkan dikatakan memiliki nol arus. Jika rata-rata kenaikan untuk dua
titik waktu sama dengan perbedaan waktu dikalikan dengan beberapa
konstanta μ, yang merupakan bilangan real, maka proses stokastik yang
dihasilkan dikatakan telah melayang μ.
Hampir pasti , jalur sampel dari proses Wiener terus berlanjut dimana-
mana namun tidak dapat dibedakan . Ini bisa dianggap sebagai versi
kontinu dari jalan acak sederhana. Prosesnya muncul sebagai batas
matematis dari proses stokastik lainnya seperti jalan acak tertentu yang
 rescaled, yang merupakan subjek teorema Donsker atau prinsip invarian,
yang juga dikenal sebagai teorema limit sentral fungsional. Proses Wiener
adalah anggota beberapa keluarga penting dari proses stokastik, termasuk
proses Markov, proses Lévy dan proses Gaussian. Prosesnya juga
memiliki banyak aplikasi dan merupakan proses stokastik utama yang
digunakan dalam kalkulus stokastik. Ini memainkan peran sentral dalam
keuangan kuantitatif, mana digunakan, misalnya, dalam model Black-
Scholes-Merton. Proses ini juga digunakan di berbagai bidang, termasuk
sebagian besar ilmu alam serta beberapa cabang ilmu sosial, sebagai model
matematis untuk berbagai fenomena acak.
4. Proses Poisson
Proses Poisson atau Poisson point adalah proses stokastik yang memiliki
bentuk dan definisi yang berbeda. Hal ini dapat didefinisikan sebagai
proses penghitungan, yang merupakan proses stokastik yang mewakili
jumlah titik atau kejadian acak sampai beberapa waktu. Jumlah titik proses
yang berada dalam interval dari nol sampai beberapa waktu tertentu adalah
variabel acak Poisson yang bergantung pada waktu dan beberapa
parameter. Proses ini memiliki bilangan natural sebagai ruang negara dan
jumlah non-negatif sebagai indeks yang ditetapkan. Proses ini juga disebut
proses penghitungan Poisson, karena bisa diartikan sebagai contoh proses
penghitungan.
Jika proses Poisson didefinisikan dengan konstanta positif tunggal, maka
prosesnya disebut proses Poisson homogen. Proses Poisson homogen
(dalam waktu kontinu) adalah anggota kelas penting proses stokastik
seperti proses Markov dan proses Lévy.
Proses Poisson homogen dapat didefinisikan dan digeneralisasi dengan
cara yang berbeda. Hal ini dapat didefinisikan sedemikian rupa sehingga
set indeksnya adalah garis sebenarnya, dan proses stokastik ini juga
disebut proses Poisson stasioner. Jika parameter konstan proses Poisson
diganti dengan beberapa fungsi integral non-negatif , proses yang
dihasilkan disebut proses Poisson inhomogeneous atau nonhomogeneous,
dimana kerapatan rata-rata titik-titik proses tidak lagi konstan. Sebagai
 proses mendasar dalam teori antrian, proses Poisson adalah proses penting
untuk model matematis, di mana ia menemukan aplikasi untuk model
kejadian yang terjadi secara acak pada jendela waktu tertentu.
Ditetapkan pada garis real, proses Poisson dapat diartikan sebagai proses
stokastik, antara objek acak lainnya. Tetapi proses titik Poisson dapat
didefinisikan pada Ruang Euclidean atau ruang matematis lainnya, mana
sering ditafsirkan sebagai kumpulan acak atau penghitungan acak, bukan
proses stokastik. Proses titik Poisson adalah salah satu objek terpenting
dalam teori probabilitas, baik untuk aplikasi dan alasan teoritis. Tetapi
telah dikatakan bahwa proses Poisson tidak menerima banyak perhatian
sebagaimana mestinya, sebagian karena hal itu sering dianggap hanya pada
garis sebenarnya, dan bukan pada ruang matematika lainnya.

2.3 Ruang Lingkup Metode Stokastik

Ruang lingkup dari metode stokastik ini dibagi menjadi beberapa bagian
yaitu: Teori Antrian, Programa Dinamis, Rantai Markov, Teori Permain
a.      Teori Antrian
Teori antrian adalah cabang dari terapan teori probabilitas yang awalnya
digunakan untuk mempelajari kemacetan lalu lintas telepon, Pertama kali
diperkenalkan oleh seorang ahli matematika dari Denmark, Agner Kramp
Erlang (1878-1929). Proses antrian adalah suatu proses yang berhubungan
dengan kedatangan seorang pelangan pada suatu fasilitas pelayanan
kemudian menunggu dalam suatu baris atau antrian karena pelayannya
sedang sibuk dan akhirnya meninggalkan sistem setelah selesai dilayani.
Sedangkan yang dimaksud dengan sistem antrian adalah himpunan
pelanggan, pelayan dan suatu aturan yang mengatur kedatangan para
pelanggan dan pemrosesan masalahnya.
b.      Programa Dinamis
Program dinamis adalah suatu teknik matematis yang biasanya digunakan
untuk membuat suatu keputusan dari serangkaian keputusan yang saling
berkaitan. Tujuan utama model ini ialah untuk mempermudah
penyelesaian pesoalan optimasi yang mempunyai karakteristik tertentu.
 Ide dasar programa dinamis ini adalah membagi persoalan menjadi
beberapa bagian yang lebih kecil sehingga mempermudah penyelesaian.
Berbeda dengan programa linier, persoalan programa dinamis ini tidak ada
formulasi matematis yang standar, maka antara persoalan yang satu
dengan persoalan yang lainnya dapat mempunyai struktur penyelesaian
yang berbeda.
c.      Rantai Markov
Rantai Markov adalah suatu metode yang mempelajari sifat-sifat suatu
variabel pada masa sekarang yang didasarkan pada sifat-sifatnya di masa
lalu dalam usaha menaksir sifat-sifat variabel tersebut di masa yang akan
datang.
Dalam analisis Markov yang dihasilkan adalah suatu informasi
probabilistik yang dapat digunakan untuk membantu pembuatan
keputusan, jadi analisis ini bukan suatu teknik optimasi melainkan suatu
teknik deskriptif. Perlu diketahui bahwa informasi yang dihasilkan pada
teori Markov ini tidak mutlak menjadi suatu keputusan karena sifatnya
yang hanya memberikan bantuan dalam proses pengambilan keputusan
d.      Teori Permainan
Teori Permainan adalah teori yang mengatur tentang persaingan antar dua
individu atau kelompok dengan menggunakan aturan-aturan yang telah
diketahui oleh kedua belah pihak

2.4 Penerapan Model Stokastik

Model stokastik adalah model matematik yang gejalanya dapat diukur
dengan derajat kepastian yang tidak stabil. Pada model stokastik peluang dari
masing-masing kejadian dapat dihitung. Pada umumnya model stokastik
umumnya dapat dijumpai pada teori antrian dan teori permainan. Perbedaan
antara deterministik dan stokastik adalah kalau deterministik nilai parameternya
yang pasti dan time-invariant, sedangkan kalau stokastik  nilai nya tidak pasti
dan time-varian.
Biasanya model stokastik digunakan pada soal : Rantai Markov dengan
waktu diskret, Proses Poisson, Rantai Markov yang waktunya Kontinu.
 Contoh Soal Stokastik :
Jumlah penumpang bus ketika pagi hari, mendekati jam kerja sangat banyak.
Jumlah ini akan berangsur-angsur menurun ketika jam kerja sudah dimulai dan
menjelang jam istirahat. Jumlah penumpang akan kembali naik ketika jam pulang
kerja. Hal ini berlangsung hampir setiap hari, namun tidak dapat dipastikan fungsi
apa yang mendekatinya.
Jumlah pengunjung  Gunung Bromo  akan meningkat tajam pada saat liburan
sekolah maupun weekend. Namun setiap harinya juga terdapat pengunjung yang
jumlahnya tidak menentu. Dari jumlah pengunjung ini tidak dapat ditentukan
fungsi yang pasti, namun dapat didekati dengan suatu fungsi interval yang
bentuknya akan meningkat pada saat weekend ataupun liburan.
Pengunjung restaurant rumah makan akan meningkat pada saat jam-jam
makan siang dan istirahat, dan akan berangsur-angsur berkurang ketika jam
makan sudah usai. Begitu seterusnya.
Macam – macam formulasi :
Formulasi statis termasuk persamaan aljabar atau fungsi dengan satu atau lebih
variabel random, dapat berupa skalar atau vektor, berniali diskrit atau kontinyu
dan berkendala atau tidak berkendala.
Formulasi dinamis, termasuk proses stokastik dengan variabel benas t yang
mewakili waktu jika digunakan untuk model dinamis tak pasti.
 BAB III

KESIMPULAN

3.1 Kesimpulan

Adapun kesimpulan dari makalah ini adalah sebagai berikut :

1. Kata stokastik (stochastics) merupakan jargon untuk keacakan. Oxford

Dictionary (1993) menakrifkan proses stokastik sebagai suatu barisan
kejadian yang memenuhi hukumhukum peluang. Hull (1989, hlm.62)
menyatakan bahwa setiap nilai yang berubah terhadap waktu dengan cara
yang tidak tertentu (dalam ketidakpastian) dikatakan mengikuti proses
stokastik.

2. Proses stokastik banyak digunakan untuk memodelkan evolusi suatu

sistem yang mengandung suatu ketidakpastian atau sistem yang dijalankan
pada suatu lingkungan yang tak dapat diduga, dimana model deterministik
tidak lagi cocok dipakai untuk menelisik (menganalisis) sistem.

3 Istilah proses stokastik dan proses acak digunakan secara bergantian,

seringkali tanpa ruang matematika spesifik untuk himpunan yang
mengindeks variabel acak. Namun seringkali kedua istilah ini digunakan
ketika variabel-variabel acak diindeks oleh bilangan bulat atau selang dari
garis nyata . Jika variabel acak diindeks oleh bidang Cartesian atau ruang
Euclidean dengan dimensi lebih tinggi , maka kumpulan variabel acak
biasanya disebut medan acak. Nilai dari proses stokastik tidak selalu angka
dan dapat berupa vektor atau objek matematis lainnya.
 DAFTAR PUSTAKA

http://ti3605telkomuniversity.blogspot.com/2014/12/model-stokastik-
probabilistik.html#:~:text=Model%20stokastik%20adalah%20model
%20matematik,teori%20antrian%20dan%20teori%20permainan.
https://tugasmahasiswateknik99.blogspot.com/2019/04/ruang-lingkup-metode-
stokastik.html