Transcript No Slide Title

Ass. Wr. wb.
MK. METIL ENVIRONMENTAL
STUDIES
SISTEM DAN
PEMODELAN SISTEM
Prof Dr Ir Soemarno, MS
PPSUB, 2011
“Semua benda hidup dan mati yg terdapat
secara alamiah di bumi,
Bermanfaat bagi manusia,
Dapat dimanfaatkan oleh manusia,
untuk memenuhi kebutuhan hidupnya
Keberadaannya & ketersediaannya:
1. Sebaran geografisnya tdk merata
2. Pemanfaatannya tgt teknologi
3. Kalau diolah menghasilkan produk dan limbah
A Comprehensive Model
Land use = is a way of managing a large part of the human
environment in order to obtain benefits for human.
Land use
development
The Comprehensive
Model
The complex
problems
FIVE GEOMETRIES in Land use system
Non-Land
resources geometry
Human demand
geometry
LAND USE
GEOMETRY
Land Resources
Geometry
Land Degradation
Geometry
System modelling
SISTEM
sbg suatu pendekatan
1. Filosofis


System modelling helps the analyst to
understand the functionality of the system
and models are used to communicate with
customers.
Different models present the system from
different perspectives
•
•
•
External perspective showing the system’s
context or environment;
Behavioural perspective showing the
behaviour of the system;
Structural perspective showing the system
or data architecture.
2. Prosedural
3. Alat bantu
analisis
FILOSOFI
“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
PROSEDUR
“Tahapan Pokok”:
1. Analisis Kelayakan
2. Pemodelan Abstrak
3. Disain Sistem
4. Implementasi Sistem
5. Operasi Sistem
Need Assesment
Tahapan Pokok:
Evaluasi
Outcomes
ALAT -
“Model Abstrak”:
Perilaku esensialnya sama
dengan dunia nyata
BANTU
“digunakan dalam”:
1. Perancangan / Disain Sistem
2. Menganalisis SISTEM ……………strukturnya
INPUT …...…….. beragam
STRUKTUR …….. fixed
OUTPUT ……….. Diamati perilakunya
3. Simulasi SISTEM
untuk sistem yang kompleks
SIMULASI
SISTEM:
OPERASINYA





Data processing model showing how
the data is processed at different
stages.
Composition model showing how
entities are composed of other
entities.
Architectural model showing
principal sub-systems.
Classification model showing how
entities have common characteristics.
Stimulus/response model showing the
system’s reaction to events.
“Penggunaan Komputer ”:
Simulasi Komputer:
Disain Sistem
Strategi Pengelolaan Sistem
MODEL SISTEM
programming
PROGRAM KOMPUTER
Model types
“Model dasar”: Model Matematik
SIMULASI
SISTEM:
METODOLOGI
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
PEMODELAN
SISTEM:
RUANG LINGKUP
“Pemodelan”:
Serangkaian kegiatan pembuatan
model
MODEL: abstraksi dari suatu
obyek atau situasi aktual
MODEL KONSEP
1. Hubungan Langsung
2. Hubungan tidak langsung
3. Keterkaitan Timbal-balik /
Sebab-akibat / Fungsional
MATEMATIKA
4. Peubah - peubah
5. Parameter
Operasi Matematik:
Formula, Tanda, Aksioma
“MODEL SIMBOLIK” :
Simbol-simbol Matematik
JENIS-JENIS
MODEL
Angka
Simbol
Rumus
“Persamaan”
“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. …..
SIFAT
MODEL
PROBABILISTIK / STOKASTIK
Teknik Peluang
Memperhitungkan “uncertainty”
“DETERMINISTIK”:
Tidak memperhitungkan peluang kejadian
FUNGSI
MODEL
MODEL DESKRIPTIF
“MODEL ALOKATIF” :
Komparasi
alternatif
untuk
mendapatkan “optimal solution”
Deskripsi
matematik
kondisi dunia nyata
dari
TAHAPAN
PEMODELAN
1. Seleksi Konsep
2. Konstruksi Model:
a. Black Box
b. Structural Approach
3. Implementasi Komputer
4. Validasi (keabsahan representasi)
1. Asumsi Model
2. Konsistensi Internal
3. Data Input ----- hitung parameter
4. Hubungan fungsional antar
peubah-peubah
5. Uji Model vs kondisi aktual
5. Sensitivitas
6. Stabilitas
7. Aplikasi Model
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
Mengapa kita gunakan Analisis Sistem?
1. Kompleksitas obyek / fenomena /substansi penelitian
Multi-atribute
Multi fungsional
Multi dimensional Multi-variabel
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
Proses Abstraksi & Simplifikasi
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
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
DEFINITION & BOUNDING
IDENTIFIKASI dan PEMBATASAN Masalah penelitian
1. Alokasi sumberdaya penelitian
2. Aktivitas penelitian yang relevan
3. Kelancaran pencapaian tujuan
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
The whole systems vs. sets of sub-systems
COMPLEXITY AND MODELS
The real system
sangat kompleks
The hypotheses
to be tested
MODEL
Sub-systems
Trade-off:
complexity vs. simplicity
Proses Pengujian Model Hipotetik
WORD MODEL
Masalah penelitian dideskripsikan secara verbal, dengan menggunakan kata (istilah) yang relevan dan simple
Simbolisasi kata-kata atau istilah
Setiap simbol (simbol matematik) harus dapat diberi deskripsi
penjelasan maknanya secara jelas
Pengembangan Model simbolik
Hubungan-hubungan verbal dipresentasikan dengan simbol-simbol
yang relevan
GENERATION OF SOLUTION
Alternatif “solusi” jawaban permasalahan , berapa banyak?
Pada awalnya diidentifikasi sebanyak mungkin alternatif jawaban
yang mungkin
Penggabungan beberapa alternatif jawaban yang mungkin
digabungkan
P
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
MODEL CONSTRUCTION
Konstruksi Model
.
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
Proses seleksi / uji alternatif yang ada
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
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.
Proses Pemodelan
SENSITIVITY ANALYSIS
Perubahan input variabel dan perubahan parameter menghasilkan
variasi kinerja model (diukur dari solusi model) ……… analisis
sensitivitas
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
Validasi MODEL
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 sebabakibat (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
PEMODELAN KUANTITATIF :
MATEMATIKA DAN STATISTIKA
MODEL STATISTIKA:
FENOMENA STOKASTIK
MODEL MATEMATIKA:
FENOMENA DETERMINISTIK
WHAT IS SYSTEM MODELLING ?
Worthwhile
Recognition
Problems
Amenable
Compromise
Complexity
Definitions
Simplification
Bounding
Objectives
Hierarchy
Identification
Priorities
Goals
Generality
Solution
Family
Generation
Modelling
Evaluation
Implementation
Selection
Inter-relationship
Feed-back
Stopping rules
Sensitivity & Assumptions
PHASES OF SYSTEM MODELLING
Recognition
Definition and bounding of the problems
Identification of goals and objectives
Generation of solution
MODELLING
Evaluation of potential courses of action
Implementation of results
MODEL & MATEMATIK: Term
Variabel
Tipe
Konstante
Parameter
Likelihood
Dependent
Populasi
Probability
Analitik
Independent
Maximum
Sampel
Regressor
Simulasi
JENIS VARIABEL
Intervening
(Mediating)
Moderator
Independent
Dependent
INTRANEOUS
EXTRANEOUS
Concomitant
Confounding
Control
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
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.
MODEL & MATEMATIK: Definition
Preliminary
Formal
Expression
Words
Mathematical
Goodall
Mapping
Rules
Representational
Maynard-Smith
Predicted
values
Homomorph
Model
Physical
Mathematical
Comparison
Symbolic
Simplified
Data values
Simulation
MODEL & MATEMATIK: Relatives
Advantages
Disadvantages
Distortion
Precise
Abstract
Transfer
Opaqueness
Complexity
Replacement
Communication
MODEL & MATEMATIK: Families
Types
Dynamics
Compartment
Stochastic
Multivariate
Network
Basis
Choices
BEBERAPA 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
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
PARAMETER: Nilai-nilai karakteristik dari populasi
KONSTANTE, KOEFISIEAN: nilai-nilai karakteristik yang dihitung dari SAMPEL
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.
BEBERAPA PENGERTIAN
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
SIMULATION MODEL: Model yang formula-formulanya diturunkan dengan
serangkaian operasi arithmatik, misal:
Solusi persamaan diferensial
Aplikasi matrix
Penggunaan bilangan acak, dll.
DYNAMIC MODEL
MODELLING
SIMULATION
Dynamics
Equations
Computer
FORMAL
Language
ANALYSIS
Special
DYNAMO
CSMP
CSSL
General
BASIC
DYNAMIC MODEL
DIAGRAMS
SYMBOLS
RELATIONAL
LEVELS
AUXILIARY
VARIABLES
RATE
EQUATIONS
PARAMETER
SINK
MATERIAL
FLOW
INFORMATION
FLOW
DYNAMIC MODEL:
ORIGINS
Abstraction
Computers
Equations
Steps
Hypothesis
Discriminant
Function
Simulation
Other
functions
Exponentials
Logistic
Undestanding
MATRIX MODEL
MATHEMATICS
Operations
Additions
Substraction
Multiplication
Inversion
Matrices
Eigen value
Elements
Dominant
Types
Eigen vector
Square
Rectangular
Diagonal
Identity
Vectors
Row
Column
Scalars
MATRIX MODEL
DEVELOPMENT
Interactions
Groups
Materials
cycles
Size
Development
stages
Stochastic
Markov
Models
STOCHASTIC MODEL
STOCHASTIC
Probabilities
History
Statistical
method
Other
Models
Dynamics
Stability
STOCHASTIC MODEL
Spatial patern
Distribution
Pisson
Example
Poisson
Negative
Binomial
Binomial
Negative
Binomial
Others
Test
Fitting
STOCHASTIC MODEL
ADDITIVE MODELS
Basic Model
Example
Error
Estimates
Analysis
Parameter
Variance
Orthogonal
Block
Effects
Experimental
Treatments
Significance
STOCHASTIC MODEL
REGRESSION
Model
Example
Error
Linear/ Nonlinear functions
Decomposition
Equation
Theoritical
base
Oxygen uptake
Reactions
Experimental
Assumptions
Empirical base
STOCHASTIC MODEL
MARKOV
Analysis
Example
Assumptions
Analysis
Transition
probabilities
Raised mire
Disadvantage
Advantages
MULTIVARIATE MODELS
METHODS
VARIATE
Variable
Classification
Dependent
Independent
Descriptive
Principal
Component
Analysis
Predictive
Discriminant
Analysis
Cluster
Analysis
Reciprocal
averaging
Canonical
Analysis
MULTIVARIATE MODEL
PRINCIPLE COMPONENT ANALYSIS
Requirement
Example
Environment
Organism
Regions
Correlation
Eigenvalues
Objectives
Eigenvectors
MULTIVARIATE MODEL
CLUSTER ANALYSIS
Example
Spanning tree
Multivariate
space
Demography
Rainfall
regimes
Minimum
Similarity
Single linkage
Distance
Settlement
patern
MULTIVARIATE MODEL
CANONICAL CORRELATION
Example
Correlation
Partitioned
Watershed
Urban area
Eigenvalues
Irrigation
regions
Eigenvectors
MULTIVARIATE MODEL
Discriminant Function
Example
Discriminant
Calculation
Villages
Vehicles
Test
Structures
OPTIMIZATION MODEL
OPTIMIZATION
Dynamic
Meanings
Indirect
Simulation
Minimization
Experimentation
NonLinear
Linear
Objective function
Constraints
Solution
Examples
Maximization
Optimum Transportation Routes
Optimum irrigation scheme
Optimum Regional Spacing
MODELLING PROCESS
System analysis
Introduction
Processes
Model
Bounding
Systems
Definition
Word Models
Impacts
Factorial
Confounding
Alternatives
Separate
Combinations
Hypotheses
Data
Modelling
Analysis
Choices
Validation
Plotting
Outliers
Test
Estimates
Conclusion
Integration
Space
Time
Niche
Elements
Communication
MODELLING PROCESSES
HYPOTHESES
Decision Table
Relevance
Variable
Processes
Linkages
Impacts
Relationships
Linear
Non-Linear
Species
Interactive
Sub-systems
HYPOTHESES
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 relationships: Merumuskan hubungan-hubungan antar variabel
dengan menggunakan formula-formula matematik (fungsi linear, non-linear,
interaksi, dll)
MODELLING PROCESSES
VALIDATION
Verification
Critical Test
Subjectives
Sensitivity
Analysis
Uncertainty
Analysis
Resources
Objectivities
Experiments
Reasonableness
Interactions
ROLE OF THE COMPUTER
Roles
Introduction
Reasons
Speed
Data
Algoritm
Comparison
Speed
Implication
Techniques
Errors
Plotting
Waste
Program
High level
Language
Information
FORTRAN
BASIC
ALGOL
Machine code
Special
Development
Conclusions
Repetition
Checking
9/10
Modelling
Data
Algoritms
Manual
Calculator
Computer
Programming
DYNAMO.
Etc.
ROLE OF THE COMPUTER
DATA
Machine readable
Cautions
Availability
Sampling
Format
Punched card
Exchange
Paper tape
Format
Reanalysis
Magnetic
Tape
Data banks
Disc
DATA
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
JENIS DATA
NOMINAL
• Komponen Nama (Nomos)
ORDINAL
• Komponen Nama
• Komponen Peringkat (Order)
INTERVAL
• Komponen Nama
• Komponen Peringkat
(Order)
• Komponen Jarak (Interval)
• Nilai Nol tidak Mutlak
RATIO
• Komponen Nama
• Komponen Peringkat (Order)
• Komponen Jarak (Interval)
• Komponen Ratio
• Nilai Nol Mutlak
Ass. Wr. wb.
MK. METIL ENVIRONMENTAL
STUDIES
SISTEM DAN
PEMODELAN SISTEM
Prof Dr Ir Soemarno, MS
PPSUB, 2011