Bahan Kuliah Pemodelan
Bahan Kuliah Pemodelan
Bahan Kuliah Pemodelan
•Konsep Sistem
•Pemodelan Sistem
•Metodologi OR/MS
•Pemodelan Matematika
•Model Testing and Sensitivity Analysis
•Implemantasi Solusi
Rencana Pembelajaran
Mata kuliah Pemodelan Sistem terdiri dari 13
Pertemuan meliputi :
•Pertemuan 1 mengenai Introduction
•Pertemuan 2&3 mengenai materi Konsep Sistem
•Pertemuan 4&5 mengenai materi Pemodelan
Sistem
•Pertemuan 6&7 mengenai materi Metodologi OR/MS
•Pertemuan 8&9 mengenai materi Pemodelan
Matematika
•Pertemuan 10 mengenai materi Model Testing and
Sensitivity Analysis
•Pertemuan 11 mengenai materi Implemantasi Solusi
•Pertemuan 12&13 mengenai Presentasi Tugas
Rencana Pembelajaran
Inside-us view
of system
Out there view
of system
OUT-THERE VIEW OF SYSTEM
Terlihat seperti memiliki nilai mutlak
Tidak dipengaruhi cara pandang abserver
Misalnya sistem tata surya
Komponen-komponen Sistem
Komponen-komponen sistem tidak hanya
bersifat fisik tetapi juga dapat berupa hal
abstrak seperti informasi, variabel-variabel
numerik untuk suatu pengukuran, dan
hubungan antara hal-hal yang bersifat fisik
atau bersifat abstrak
Hubungan antar komponen
Beberapa Hal Penting Pembentuk Sistem (2)
Lingkungan (environment)
Lingkungan sistem adalah semua aspek yang
mempengaruhi perilaku sistem. Aspek tersebut
dipandang sebagai sesuatu dari luar sistem bukan
menjadi bagian dari sistem itu sendiri
Bagian dari Lingkungan Sistem (1)
INPUTS
Sesuatu yang dibutuhkan sistem untuk menjalankan
fungsi sistem tetapi tidak membentuk dirinya sendiri.
Contoh : Sumberdaya berupa bahan baku
OUTPUTS
Walaupun sistem menyediakan output ke
lingkungan, output tersebut diasumsikan tidak
mempunyai pengaruh besar terhadap lingkungan
Komponen-komponen sistem :
Persimpangan jalan, cabang jalan, belokan jalan, dan
kareketristik fisik lainnya
Lingkungan
Kondisi dimana orang dan kendaraan pergi dari suatu
tempat ke tempat lain
SISTEM LALU LINTAS (2)
Input
Input utama sistem adalah orang-orang yang ingin
berpergian dari suatu tempat ketempat lain dan
jenis kendaraan yang digunakan.
Input yang bersifat abstrak adalah pengaturan
operasional traffic control pada persimpangan lalu
lintas
Output
Orang-orang dan kendaraan yang keluar dari
berbagai titik pada sistem lalulintas. Output
abstraknya misalnya berupa pemilihan rute yang
terpendek atau tercepat
SISTEM LALU LINTAS (3)
Kepentingan (interest) tertentu dari peninjau
Orang-orang yang berkepentingan dengan
sistem adalah traffic engineer.
Tujuan studi tentang jalan raya diantaranya
untuk mengetahui laju arus lalulintas pada
daerah-daerah jalan yang penting atau krusial
pada saat kondisi lalulintas padat.
SISTEM SUATU PERUSAHAAN
PENGGERGAJIAN KAYU
Sistem transformasi berupa input kayu gelondongan
diolah menjadi produk kayu untuk output berupa
bangunan dan tukang kayu seperti; balok, papan, dll
Seorang Insinyur Teknik Industri melihatnya sebagai
suatu sistem produksi
Bagi Para Pemilik melihatnya sebagai suatu sistem
untuk memperoleh pengembalian modal atas
investasi yang mereka tanamkan
Seorang Ahli Manajemen melihatnya sebagai sistem
pemenuhan kebutuhan konsumen dengan harga
yang seminimal mungkin
Sudut Pandang
Insinyur Teknik Industri
Input Output
contoh
Sistem perekonomian nasional
Industri penghasil kayu
Sistem penggergajian regional
Perusahaan penggergajian
Sistem di dalam sistem (system within system)
State system
State variable
Variasi perilaku sistem
Emergent properties
State System (1)
Sistem diskret
Sistem kontinu
Sistem deterministik & stokastik
Sistem terbuka dan tertutup
Steady state sistem probabilistik
Sistem Diskret
Pada taruhan melalui telepon seperti yang dibahas
pada bab 1 dimana jumlah saluran telpon yang sibuk
merupakan salah satu state sistem yang penting dan
harus integer.
Pada sistem predator, state digambarkan dengan
jumlah predator dan jumlah mangsa yang hidup pada
suatu waktu tertentu. Kesemuanya ini adalah variabel
diskrit.
Pada sistem perbaikan alat tenun, terdapat dua buah
state variabel yakni jumlah mesin yang beroperasi
dan jumlah mesin yang rusak pada suatu waktu
tertentu, sekali lagi kesemuanya ini adalah variabel
diskrit.
Sistem Kontinu
Contoh :
Banyak mobil yang melintas di jalan raya pada
suatu periode waktu tertentu
proses industri pada pabrik kimia dan
petrokimia
proses yang digunakan oleh hewan berdarah
panas di dalam menjaga suhu tubuhnya agar
tetap berada pada suatu range suhu tertentu
Sistem Deterministik
Jika perilaku sistem dapat diperkirakan secara detil,
artinya sistem bersifat deterministik.
Contoh :
Jalan kereta api di Swiss yang terkenal dengan
ketepatan waktunya
Tata surya, karena lintasan planet dapat
diperkirakan dengan tepat
Iklan animasi dengan menggunakan lampu neon
yang mengikuti suatu pola tertentu
Sistem Stokastik
Perilaku sistem yang dipengaruhi oleh
input yang sifatnya random atau stokastik
Uncontrolled
system System System
inputs transformation output
process
Control
inputs; Control New State of
Decision rules mechanism system
system
inputs System System
transformation output
process
2. Model Probabilistik
Model probabilistik merupakan model yang
mencakup distribusi kemungkinan untuk
input/proses dan memberikan serangkaian nilai
variabel output dengan probabilitasyang berkaitan
dengan tiap nilai.
Contoh : - Diagram pohon keputusan
KLASIFIKASI MODEL (7)
3. Model Konflik
Dalam model ini sifat alamiah pengambil
keputusan berada dalam pengendalian
lawan. Contoh: Kompetisi, Negosiasi dll.
4. Model Tak Pasti
Model yang dikembangkan untuk meng-
hadapi ketidakpastian mutlak. Dalam model ini
kondisi masa depan dan probabilitasnya tidak
diketahui. Model-model permainan, model-
model keputusan dll.
KLASIFIKASI MODEL (7)
Derajat Generalisasi
1. Model Umum, model ini dapat digunakan untuk
beberapa jenis masalah yang berbeda.Contoh;
programa linier yang dapat dipakai dalam
memecahkan berbagai masalah alokasi sumber.
2. Model Spesifikasi, model ini diterapkan terhadap
sebuah bidang usaha fungsional tunggal atau unik
dan hanya dapat diterapkan pada masalah-masalah
tertentu. Contoh; model persediaan probabilistik
KLASIFIKASI MODEL (8)
Acuan Lingkungan
1. Model Terbuka, model yang memiliki interaksi
dengan lingkungannya berupa pertukaran
informasi, material atau energi. Model ini
mempunyai satu atau lebih variabel yang berasal
dari lingkungan. Contoh; model input-output
2. Model Tertutup, model ini tidak memiliki interaksi
dengan lingkungannya, dan mempunyai variabel
yang berasal dari lingkungan terkendali dan
internal. Contoh; model termostat.
KLASIFIKASI MODEL (8)
Derajat Kuantifikasi
1. Model Kualitatif, model yang
menggambarkan mutu suatu realita. Model
ini terdiri dari medel mental dan verbal.
2. Model Kuantitatif, model yang variabel-
variabelnya dapat dikuantitatifkan (berupa
numerik).Model ini terdiri dari; model
statistik, model optimasi, model heuristik
dan model simulasi,
KLASIFIKASI MODEL (9)
Dimensi
1. Model dua Dimensi
Model yang terdiri dari dua faktor atau
dimensi penentu. Contoh;
- model pegas, F = k.x
- Regresi linier, y = a + b.x
2. Model Multidimensi
model ini terdiri dari banyak faktor penentu
atau lebih dari dua variabel. Contoh; model
keputusan multikriteria, goal programming
dll
Pemodelan
Sistem
Sinar UV dari
matahari Sinar UV mencapai permukaan bumi
Penyerapan pada
lapisan ozon
Contoh diagram pengaruh
pada kasus taruhan
Jumlah taruhan
yang menang Total pendapatan yang dihasilkan
SIMBOL-SIMBOL DALAM PENGGAMBARAN
INFLUENCE DIAGRAM
2. Pemodelan matematis
3. Implementasi hasil
rekomendasi.
Metodologi OR/MS
FORMULASI Pemodelan IMPLEMENTASI
6. Validasi dan
3. Mendeskripsikan 10. Implementasi solusi
Pengujian kinerja
sistem yang relevan
7. Menganalisa 11. Menindaklanjuti
Sensitivitas dari Penerapan solusi
solusi
TAHAP FORMULASI MASALAH
Langkah pertama- menyimpulkan situasi
permasalahan- dengan mengartikan rich picture.
Rich picture membantu kita
mengidentifikasi permasalahan- lankah kedua
formulasi masalah. Langkah ketiga, kita
gunakan pendekatan proses untuk
mengidentifikasi struktur, proses transformasi,
komponen-komponen, input-input, dan output
dari sitem relevan yang digabungkan dalam
diagram pengaruh.
EMPAT ELEMEN DARI
MASALAH
1. Pembuata keputusan
2. Tujuan pembuat keputusan
3. Ukuran kinerja
4. Aksi (tindakan) alternatif atau
variabel keputusan dalam
mencapai tujuan
Kompleksitas dari
Pendefinisian Masalah
salah satu kesulitan pada tahap ini
adalah adanya ketidak sesuaian dari
peran pengawas.
Mungkin saja pengambil keputusan
menjadi samar/ragu terhadap tujuan
yang berimbas pada nilai standar kerja. .
Pada aplikasi nyata kebanyakan
komunikasi masalah tidak bisa diperoleh
melalui satu kali menjalankan tiga
tahapan..
Identifikasi permasalahan sistem
selalu menarik untuk dikaji, akan
tetapi keterbatasn dana dan waktu
sebagai kompensasi penelitian bisa
saja menjadi batu sandungan, untuk
itu dalam sebuah penelitian peran
sponsor sangat besar.
1. Pendahuluan
2. Kesimpulan khusus dari
rekomendasi
3. Pernyataan yang lebih terperinci
mengenai kajian permasalahan
yang diidentifikasi
Format Proposal Proyek (2)
TC = a + b.Q…………..(2)
sangat penting
Keputusan terbaik dapat dipengaruhi oleh
panjang horison.
Horison Perencanaan (HP)
HP: jumlah minggu, bulan, atau tahun
HP untuk proses musiman
Panjang waktu yang tepat untuk HP
HP dapat mempengaruhi input sistem
HP bergerak (Rolling Planning Horizon)
N periode untuk memperoleh solusi optimal
Keputusan diterapkan dan pengaruhnya dicatat
Pada periode berikutnya masalah dianalisa
kembali untuk N periode ke depan
Planning Horizon: Lead-up
Time
Implementation of the decision may not
be instantaneous
Need to be planned prior to the
planning horizon
Therefore, such lead-up time becomes
part of the effective time
The effective planning horizon=Lead-up
time+Active planning horizon
Example
Week 1 2 3 4 5 6 7 8 9 10 11 12
Number 46 82 22 45 120 36 8 5 10 75 20 0
Crystal Spring Mineral Water
Co.
Choice of planning horizon
Influence Diagram
Mathematical Model
Finding the Optimal Production Plan
Consideration for Practical
Implementation
Sistem Stokastik
Jika menghadapi sebuah permasalah,
kita akan dapat memperkirakan efek
yang ditimbulkan dengan kepastian
yang bersifat absolut (bersifat
Deterministik)
Kita tidak akan mampu memastikan
kejadian yang akan datang
Beberapa kejadian akan bersifat tidak
pasti, beresiko, stokastik dan
Penyebab Ketidakpastian
Proses tidak diketahui atau dipahami
dalam bentuk penjabaran yang
mencukupi
Pernyataan mengenai proses
berdasarkan informasi yang tidak
lengkap
Ketidakmampuan memperkirakan apa
yang akan dilakukan oleh pelaku lain di
dalam kenyataaan semisal pesaing dan
pelanggan.
Proses Stokastik
SIMULASI
Rekursi:
Probabilitas
transisi
Proses Stokastik dengan waktu
diskrit
Sebuah proses stokastik {Xt, t € T} merupakan sebuah kumpulan
variabel acak
T merupakan Set Index dari proses, biasanya dalam bentuk waktu
Xt merupakan pernyataan proses pada saat t
Jika T dapat dihitung, {Xt,t € T} merupakan proses stokastik dengan
waktu diskrit
Kita akan tunjukkan sebuah proses stokastik dengan waktu diskrit dengan
X0,X1,X2,,…Tunjukkan bahwa jarak state E = {0,…,S},
Jika Xn= i, kita katakan bahwa proses dalam state I pada waktu n
(Kita gunakan notasi Xn dan Xt secara bergantian)
Sebuah Rantai Markov
Contoh permasalahan 1: Kekalahan penjudi
Anggaplah saya pergi ke kasino dengan membawa
uang $2 dan bermain Blackjack dimana satu taruhan
seharga $1, kemungkinan saya menang adalah p dan
kemungkinan kalah adalah 1-p, saya akan berhenti
main setelah menang $4.
Setelah permainan ke saya memiliki sejumlah uang
tertentu kataknlah Xt posisi uang saya setelah
permainan selanjutnya adalah variabel acak Xt+1.
Kunci permasalahan pada contoh ini adalah posisi uang
saya setelah permainan selanjutnya t+1 tergantung
jumlah uang yang saya miliki pada permainan t ( dan
dari permainan t-1) hal tersebut tidak tergantung dari
catatan hasil sebelum permainan t. Inilah inti dari
Rantai Markov
Rantai Markov dengan waktu
diskrit
Sifat Markov
Proses stokastik dengan waktu diskrit X0X1’X2,…merupakan rantai Markov jika
semua t bagi setiap urutan dari state k0,k1,…,k1-t,i,j
Asumsi tetap
P (Xt+1=j I Xt=i) tidak tergantung dengan t
Asumsi Tetap:
P ( X(t+s) = j I X (s) = i) bersifat independen terhadap s
Contoh dari Rantai Markov
dengan waktu kontinu
Contoh 1, lanjutan
Pikirkan kembali kolam katak kita. Cerita tersebut
mengikuti sifat distribusi eksponensial yang tidak
terekam pada saat waktu s, distribusi yang mana
katak akan berada pada daun lili disaat s+t bersifat
independen dari posisi dimana dia pada waktu
sebelum s, dan diketahui dimana letak katak
tersebut pada saat s.
Sehingga
Fi (t) = P (Ti ≤ t ) = 1 – e -q i
t
KESIMPULAN
MODUL 5
PENGUJIAN MODEL DAN
ANALISA SENSITIFITAS
1. Tentukan kebijakan
optimalberdasarkan jumlah perkiraan
terbaik bagi seluruh parameter input.
2. Asumsikan bahwa jumlah parameter
input P yang digunakan dala (1)
berbeda dengan nilai yang benar.
Temukan kebijakan optimal dan
hubungannya dengan fungsi nilai
tujuan menggunakan nilai P yang
benar bagi parameter dalam sebuah
pertanyaan.
3. Hitunglah nilai sebenarnya dari
fungsi objektif dalam kebijakan
optimal yang tidak benar yang
ditentukan dalam (1) ketika
diterapkan, tetapi penggunaan nilai
P yang benar (diasumsikan) bagi
parameter dalam bentuk
pertanyaan.
4. Temukan perbedaan antara fungsi
tujuan otimal bagi nilai parameter
inputyang benar dan fungsi tujuan
sebenarnya bagi kebijakan optimal
yang tidak benar (pseudo)
Tujuan Analisa kesalahan
Implementasi memerlukan
pendekatan sistematis serta
organisasi dan koordinasi yang
baik
Darimanakah permasalahan
implementasi biasanya muncul
?
Perencanaan implementasi
berawal dari permulaan proyek
ketika kontak pertama kali dengan
sponsor.
Proses perencanaan
implementasi memerlukan beberapa
elemen
ELEMEN-ELEMEN DALAM
PERENCANAAN IMPLEMENTASI
baru
Perubahan fisik ke gaya yang baru
ELEMEN-ELEMEN DALAM
9. Tindak lanjut yang
PERENCANAAN rutin dengan
IMPLEMENTASI
(6)pemakai masalah semenjak
awal penggunaan gaya kerja
yang baru