Ass. Wr. wb.

1
Ass. Wr. wb. MK. METIL ENVIRONMENTAL
STUDIES SISTEM DAN PEMODELAN SISTEM Prof
Dr Ir Soemarno, MS PPSUB, 2011
2
MAKNA SUMBERDAYA ALAM
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
3

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 complex problems
The Comprehensive Model
4

FIVE GEOMETRIES in Land use system
Non-Land resources geometry
Human demand geometry
LAND USE GEOMETRY
Land Degradation Geometry
Land Resources Geometry
5
SISTEM
System modelling
sbg suatu pendekatan 1. Filosofis 2.
Prosedural 3. Alat bantu analisis

• 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 systems context
  or environment
• Behavioural perspective showing the behaviour of
  the system
• Structural perspective showing the system or data
  architecture.

6
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
7
PROSEDUR
Tahapan Pokok 1. Analisis Kelayakan 2.
Pemodelan Abstrak 3. Disain Sistem 4.
Implementasi Sistem 5. Operasi Sistem
Need Assesment
Tahapan Pokok - - -
Evaluasi
Outcomes
8
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
9
SIMULASI SISTEM OPERASINYA
Penggunaan Komputer Simulasi Komputer
Disain Sistem Strategi Pengelolaan Sistem
MODEL SISTEM

• 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 systems
  reaction to events.

programming
PROGRAM KOMPUTER
Model types
10
SIMULASI SISTEM METODOLOGI
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
11
Pemodelan Serangkaian kegiatan pembuatan
model MODEL abstraksi dari suatu obyek atau
situasi aktual
PEMODELAN SISTEM RUANG LINGKUP
MODEL KONSEP
1. Hubungan Langsung 2. Hubungan tidak
langsung 3. Keterkaitan Timbal-balik /
Sebab-akibat / Fungsional 4. Peubah - peubah
5. Parameter
MATEMATIKA
Operasi Matematik Formula, Tanda, Aksioma
12
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. ..
13
SIFAT MODEL
PROBABILISTIK / STOKASTIK Teknik Peluang
Memperhitungkan uncertainty
DETERMINISTIK Tidak memperhitungkan
peluang kejadian
14
FUNGSI MODEL
MODEL DESKRIPTIF Deskripsi matematik dari
kondisi dunia nyata
MODEL ALOKATIF Komparasi alternatif untuk
mendapatkan optimal solution
15
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
16
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
17
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
18
PROSES PEMODELAN
INTRODUCTION
SISTEM - MODEL - PROSES
Bounding - Word Model Alternatives Separate -
Combination
DEFINITION
Relevansi Indikator - variabel - subsistem
Proses Linkages - Impacts Hubungan
Linear - Non-linear - interaksi Decision table
HYPOTHESES
MODELLING
Data Plotting - outliers Analisis
Test - Estimation Choice
VALIDATION
Verifikasi Subyektif - reasonable Uji Kritis
Eksperiment - Analisis/Simulasi Sensitivity
Uncertainty - Resources - - Interaksi
INTEGRATION
Communication Conclusions
19
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

20
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
21
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
22
WORD MODEL
Masalah penelitian dideskripsikan secara verbal,
dengan meng-gunakan 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
23
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
24
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
25
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
26
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
27
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
28
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
29
PEMODELAN KUANTITATIF MATEMATIKA DAN STATISTIKA
MODEL STATISTIKA FENOMENA STOKASTIK
MODEL MATEMATIKA FENOMENA DETERMINISTIK
30
WHAT IS SYSTEM MODELLING ?
Worthwhile
Recognition
Problems
Amenable
Compromise
Complexity
Definitions
Simplification
Bounding
Objectives
Hierarchy
Identification
Priorities
Goals
Generality
Solution
Family
Generation
Selection
Modelling
Inter-relationship
Feed-back
Stopping rules
Evaluation
Sensitivity Assumptions
Implementation
31
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
32
MODEL MATEMATIK Term
Tipe
Konstante
Variabel
Parameter
Likelihood
Dependent
Populasi
Probability
Analitik
Independent
Maximum
Sampel
Simulasi
Regressor
33
JENIS VARIABEL
Intervening (Mediating)
Moderator
Independent
Dependent
INTRANEOUS
EXTRANEOUS
Confounding
Control
Concomitant
34
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
35
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.
36
MODEL MATEMATIK Definition
Preliminary
Mathematical
Goodall
Mapping
Rules
Formal Expression
Representational
Maynard-Smith
Predicted values
Words
Homomorph
Model
Comparison
Physical
Symbolic
Data values
Mathematical
Simulation
Simplified
37
MODEL MATEMATIK Relatives
Disadvantages
Advantages
Distortion
Precise
Opaqueness
Abstract
Complexity
Transfer
Replacement
Communication
38
MODEL MATEMATIK Families
Basis
Choices
Types
Dynamics
Compartment
Stochastic
Multivariate
Network
39
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.
40
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.
41
DYNAMIC MODEL
MODELLING
SIMULATION
Equations
Dynamics
Computer
FORMAL
Language
ANALYSIS
General
Special
DYNAMO CSMP CSSL
BASIC
42
DYNAMIC MODEL
DIAGRAMS
SYMBOLS
RELATIONAL
AUXILIARY VARIABLES
LEVELS
MATERIAL FLOW
RATE EQUATIONS
PARAMETER
INFORMATION FLOW
SINK
43
DYNAMIC MODEL
ORIGINS
Abstraction
Equations
Steps
Computers
Hypothesis
Discriminant Function
Simulation
Other functions
Undestanding
Logistic
Exponentials
44
MATRIX MODEL
MATHEMATICS
Matrices
Eigen value
Operations
Elements
Dominant
Additions Substraction Multiplication Inversion
Types
Eigen vector
Square
Rectangular
Diagonal Identity
Vectors
Scalars
Row Column
45
MATRIX MODEL
DEVELOPMENT
Interactions
Groups
Stochastic
Materials cycles
Size
Markov Models
Development stages
46
STOCHASTIC MODEL
STOCHASTIC
Probabilities
History
Other Models
Statistical method
Dynamics
Stability
47
STOCHASTIC MODEL
Spatial patern
Distribution
Example
Pisson
Poisson
Negative Binomial
Binomial
Negative Binomial
Fitting
Test
Others
48
STOCHASTIC MODEL
ADDITIVE MODELS
Basic Model
Example
Error
Estimates
Analysis
Parameter
Variance
Orthogonal
Block
Effects
Experimental
Significance
Treatments
49
STOCHASTIC MODEL
REGRESSION
Model
Example
Error
Decomposition
Equation
Linear/ Non-linear functions
Theoritical base
Oxygen uptake
Reactions
Experimental
Empirical base
Assumptions
50
STOCHASTIC MODEL
MARKOV
Analysis
Example
Assumptions
Analysis
Disadvantage
Advantages
Transition probabilities
Raised mire
51
MULTIVARIATE MODELS
METHODS
VARIATE
Variable
Classification
Dependent
Descriptive
Predictive
Principal Component Analysis
Discriminant Analysis
Independent
Cluster Analysis
Reciprocal averaging
Canonical Analysis
52
MULTIVARIATE MODEL
PRINCIPLE COMPONENT ANALYSIS
Requirement
Example
Correlation
Objectives
Environment
Eigenvalues
Eigenvectors
Organism
Regions
53
MULTIVARIATE MODEL
CLUSTER ANALYSIS
Example
Spanning tree
Multivariate space
Demography
Rainfall regimes
Minimum
Similarity
Single linkage
Distance
Settlement patern
54
MULTIVARIATE MODEL
CANONICAL CORRELATION
Example
Correlation
Partitioned
Watershed
Urban area
Eigenvalues
Eigenvectors
Irrigation regions
55
MULTIVARIATE MODEL
Discriminant Function
Example
Discriminant
Calculation
Villages
Vehicles
Test
Structures
56
OPTIMIZATION MODEL
OPTIMIZATION
Dynamic
Meanings
Indirect
Non-Linear
Linear
Simulation
Objective function
Minimization
Constraints
Experimentation
Solution
Examples
Maximization
Optimum Transportation Routes Optimum irrigation
scheme Optimum Regional Spacing
57
MODELLING PROCESS
System analysis
Introduction
Processes
Model
Space Time Niche Elements
Bounding
Systems
Definition
Word Models
Impacts
Factorial Confounding
Alternatives
Separate Combinations
Hypotheses
Data
Plotting Outliers
Modelling
Analysis
Test
Choices
Estimates
Validation
Conclusion
Integration
Communication
58
MODELLING PROCESSES
HYPOTHESES
Decision Table
Relevance
Processes
Relationships
Variable
Linkages
Linear
Impacts
Non-Linear
Species
Interactive
Sub-systems
59
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)
60
MODELLING PROCESSES
VALIDATION
Verification
Critical Test
Sensitivity Analysis
Subjectives
Uncertainty
Analysis
Resources
Objectivities
Experiments
Interactions
Reasonableness
61
ROLE OF THE COMPUTER
Roles
Speed Data Algoritm
Introduction
Reasons
Manual Calculator Computer
Comparison
Speed
Techniques Errors Plotting
Implication
Repetition Checking
Waste
9/10 Modelling
Data
FORTRAN BASIC ALGOL
Program
High level
Algoritms
Language
Machine code
DYNAMO. Etc.
Special
Information
Development
Conclusions
Programming
62
ROLE OF THE COMPUTER
DATA
Machine readable
Cautions
Availability
Format
Sampling
Punched card
Exchange
Paper tape
Format
Reanalysis
Magnetic
Tape
Data banks
Disc
63
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
64
JENIS DATA

• INTERVAL
• Komponen Nama
• Komponen Peringkat (Order)
• Komponen Jarak (Interval)
• Nilai Nol tidak Mutlak

• NOMINAL
• Komponen Nama (Nomos)
• ORDINAL
• Komponen Nama
• Komponen Peringkat (Order)

• RATIO
• Komponen Nama
• Komponen Peringkat (Order)
• Komponen Jarak (Interval)
• Komponen Ratio
• Nilai Nol Mutlak

65
Ass. Wr. wb. MK. METIL ENVIRONMENTAL
STUDIES SISTEM DAN PEMODELAN SISTEM Prof
Dr Ir Soemarno, MS PPSUB, 2011