ITS;

_,. . .
CO:} ·?

I.~- iTS 19u1

•••ma"II'. Institut
p-l
...---
Teknologi
Sepuluh Nopember 20iO

PENERAPAN SIMULASI KOMPUTER UNTUK

PENENTUAN TINGKAT KERAWANAN BANJIR

Oleh:

Prof. Dr. Ir. Joko Lianto Buliali , M.Sc.

Pidato Pengukuhan untuk Jabatan Guru Besar

dalam Bidang Ilmu Pemodelan dan Simulasi Sistem

pad a Jurusan Teknik Informatika

Fakultas Teknologi Informasi

Institut Teknologi Sepuluh Nopember

Surabaya, 4 Oktober 2010

Kementerian Pendidikan Nasional

Insti tut Teknologi Sepuluh Nopember

Surabaya

Yang terhormat:

Bapak Rektor ITS, selaku pimpinan tertinggi dan Ketua Senat ITS,

Bapakllbu anggota Senat dan Guru Besar ITS,

BapaklIbu Pimpinan di Lingkungan ITS ,

Bapak Ketua dan Anggota Dewan Penyantun ITS,

Bapakllbu Pimpinan Pengurus Pusat dan Pengurus Wilayah IKA ITS

Bapakllbu Pimpinan Perguruan Tinggi Negeri dan Swasta,

BapaklIbu Pejabat Sipil, Militer dan Polri,

BapaklIbu Dosen, Karyawan, dan Mahasiswa di Lingkungan ITS,

Bapakllbu tarnu undangan, ternan, kerabat, dan keluarga yang saya

hormati dan muliakan,

Salam sejahtera bagi kita semua.

Pertama-tama ijinkanlah saya mengajak hadirin sekalian untuk

bersama-sama memanjatkan puji syukur kepada Tuhan Yang Maha

Esa, karena hanya atas rahmat dan berkatNyalah pada pagi hari ini

kita dapat berkumpul pada acara Rapat Terbuka Senat Institut

Teknologi Sepuluh Nopember di Surabaya dalam rangka pengukuhan

Guru Besar saya pada bidang Pemodelan dan Simulasi Sistem. Pada

kesempatan yang berbahagia ini, perkenankanlah saya menyampaikan

pidato pengukuhan saya dengan judul:

Penerapan Simulasi Komputer untuk Penentuan Tingkat

Kerawanan Banjir

Materi ini disarikan dari kajian pustaka ilmiah, publikasi dan

penelitian yang telah atau sedang saya lakukan bersama para sejawat
dan mahasiswa.

Topik ini merupakan salah satu penerapan metode simulasi yaitu

untuk penentuan tingkat kerawanan banjir, yang mana telah dilakukan
studi kasus pada kecamatan di kota Surabaya. Uraian akan saya awali
dengan pendahuluan, bahasan, dan simpulan. Mengingat bidang
kajian kegurubesaran saya adalah bidang Pemodelan dan Simulasi
Sistem, ijinkan saya pada bagian penutup nanti untuk menyampaikan yang baik atas potensi bahaya banjir atau tingkat kerawanan banjir (
prospek penggunaan pemodelan dan simuJasi sistem pada tempat-tempat yang dihuni manusia.
permasalahan-permasalahan lain, penelitian-penelitian kontemporer
di bidang pemodelan dan simulasi, serta framework pengembangan ~ Tabel 1. Perkiraan Kerugian Akibat Banjir

~
di berbagai negara [Koirala20 10]
penggunaan metode simulasi dalam kaitan dengan bidang-bidang Country/Region Total Losses Deaths
Date
ilmu lain. (Million US$)
1421 Holland (unknown) 100,000
1530 Holland (unknown) 400 ,000
1642 China (unknown) 300,000
1. Pendahuluan 1887 Yellow River, China (unknown) 900,000
Dalam kehidupannya, manusia tidak dapat melepaskan diri dari 1900 Galveston , Texas, USA (unknown) 5,000
1911 Yangtze River, China (unknown) 100,000
ketergantungannya pada alam. Karena kodrat manusia yang (unknown) 145,000
1931 Yangtze River, China
mengharuskannya hidup di darat dan di tempat kering, maka banjir 1935 Yangtze River, China (unknown) 142,000
merupakan gangguan bagi kehidupan manusia. Tidak sedikit berita Jun-Sept,1998 India, 5,020 4,750
Banqladesh, Nepal
mengenai banjir akhir-akhir ini, baik di Indonesia maupun di dunia, China 30,000 4,100
May-Sept,1998
akibat cuaca ekstrem yang menyebabkan turunnya hujan dengan Oct-Dec,1997 Somalia (unknown) 1,800
Jul-Aug,1997 Europe 5,900 110
intensitas tinggi dan jangka waktu yang lama.
Jun -Aug,1996 China 24,000 3,048
Jul-Aug,1995 North Korea 15,000 68
Banyak kerugian yang timbul, baik bagi pemerintah maupun warga Jan-Feb,1995 Europe 3,500 28
masyarakat, apabila terjadi banjir di suatu daerah. Sebagai ilustrasi, 3-10 Jan,1995 USA 1,800 11
4-6 Nov,1994 Italy 9,300 64
nilai kerusakan dan kerugian akibat banjir di Jakarta dan sekitarnya 2,000 14
20-31 Dec,1993 Europe
pada awal Februari 2007 ditaksir mencapai Rp. 8,8 triliun 20-28 Sept,1993 Europe 1,500 16
[Tempolnteraktif2007]. Tabel 1 menunjukkan perkiraan kerugian Jun-Aug,1993 USA (Mississippi) 16,000 I 45
Jun-Sept,1993 China 11 ,000 3,300
akibat banjir di berbagai negara. Selain kerugian materi, banjir dapat 1,000 1,500
Sept-Oct, 1992 India I
mengakibatkan hilangnya nyawa manusia. Mav-Seot.1991 China 15,000 I 3,074

Hal logis yang dilakukan manusia adalah dengan mencegal1
terjadinya banjir. Tentunya upaya ini tidak mungkin memberikan
jaminan 100% tidak terjadi banjir, karena ada faktor alam yang tidak
sepenuhnya berada dalam kendali manusia. Sampai batas tertentu
manusia dapat meminimalkan resiko timbulnya banjir yaitu dengan
langkab pencegahan. Pencegahan banjir memerlukan pengetahuan
Sejumlah metode dapat digunakan untuk menentukan tingk
kerawanan banjir di suatu daerah seperti metode multikriter
[Pamungkas2006JrMeyer, et. a1. 2009J, metode segmentasi d,
klasifikasi [van der Sande, et. a1. 2003], metode analisis deret dura
parsial multivariate (Multivariate Partial Duration Serie
[Correia 1986].

2 3
 Uraian saya awali dengan bahasan mengenai pengertian "simulasi",
mengingat kat a ini digunakan dengan pengertian yang bervariasi pada
beberapa disiplin ilmu untuk menunjuk pada hal spesifik pada disiplin
ilmu masing-masing. Uraian berikutnya adalah pembahasan mengenai
penggunaan metode simulasi untuk menentukan tingkat kerawanan
banjir, yang selanjutnya diikuti dengan uraian eksekusi model
simulasi, dan diakhiri dengan simpulan.
2. Pengertian "Simulasi"
Terdapat sejumlah pengertian mengenai kata "simulasi" dalam
sejumlah bidang keilmuan, antara lain:
• replika dari sistem sebenarnya,
• "exploring the workings of one thing by studying something else,
whether it involves computation or not" [Buchanan2006]
• percobaan terhadap suatu perangkat lunak dengan data
sembarang,
• berpura-pura memerankan karakter lain [AudioEnglish2010].
Teknik atau metode simulasi yang dimaksud dalam Pemodelan dan
Simulasi (Modelling and Simulation) mengacu pada suatu
penggunaan model matematis untuk merepresentasikan sistem dalam
berbagai keadaan, serta mengeksekusi model tersebut dengan bantuan
komputer dengan tujuan memperoleh nilai parameter yang ingin
diketahui. Menurut [Evans200 1], simulasi adalah proses pembuatan
model matematika atau logika dart suatu sistem atau suatu
permasalahan, serta melakukan eksperimen terhadap model untuk
mendapatkan pengertian akan kerja sistem atau untuk membantu
dalam menyelesaikan suatu permasalahan.
Pada banyak kesempatan dalam hidupnya, manusia dihadapkan pada
kondisi yang mengharuskannya mengambil keputusan. Bahkan dapat
diperdebatkan apakah setiap saat manusia dihadapkan pada kondisi
4 5
I111
tersebut. Spektrum kompleksitas keputusan yang harus dian
sangatlah bervariasi. Ada keputusan yang dapat diambil dengan reJ
mudah bahkan secara spontanlrefleks tanpa memerlukan pemikl
karena merupakan keadaan yang sering dihadapinya. Nar
demikian tidak sedikit keputusan yang harus diambil dengan berh
hati, khususnya keputusan yang melibatkan:
• sejumlah faktor,
• keadaan yang belum pernah ditemui sebelumnya,
• menyangkut perbaikan sistem yang telah ada,
• eksperimen secara langsung tidak dimungkinkan 2
membutuhkan biaya besar.
Terdapat sejumlah teknik untuk membantu pengambilan keputu
seperti diatas, seperti teknik-teknik pada decision analysis (Anal:
Hierarchy Process - AHP, Goal programming, Data enveloplT
analysis - DEA, dsb), tekniklalgoritma pada Dynamic programm
(Backward induction, algoritma Cocke-Younger-Kasami - C'
algoritma Viterbi, algoritma Earley, dsb), tekniklalgoritma p
Linear programming (Duality, algoritma Dantzig, algoritma Ellipsl
algoritma Interior point). Masing-masing teknik memiliki sc<
penerapan masing-masing sesuai karakteristik masalah yang dihad,
Adanya sifat acak (random) pada input banyak sistem meme
metode simulasi merupakan metode yang menarik untuk diterap
untuk memberikan rekomendasi keputusan, terutama karena simu
memperhitungkan sifat acak dalam komputasinya. Keaca
merupakan suatu fenomena yang alami sifatnya di dunia. Praktis ti
ada yang dapat menyatakan dengan pasti kemuneulan suatu kejac
di dunia ini, selalu terdapat ketidakpastian pada kemunculanr
Pengembangan skenario "bagaimana-jika" ("what-if' seena
merupakan pilihan yang banyak dilakukan apabila terd3
ketidakpastian dalam satu atau lebih parameter. Skenario
diperlukan sebagai dasar untuk mengambil keputusan akhir. Sken,
 "bagaimana-jika" ini dapat disimulasikan jika terdapat model dari
sistem yang dipelajari, sehingga simulasi tidak dapat dilepaskan dari
pemodelan. Gambar I dan 2 mengilustrasikan bagaimana hal atau
fen omena di dunia nyata dapat dimodelkan dalam suatu model
simulasi. Gambar I menunjukkan inventory pada suatu gudang dan
salah satu kemungkinan model simulasinya. Gambar 2 menunjukkan
jaringan komputer dan salah satu kemungkinan model simulasinya.
Metode simulasi melibatkan pengulangan (replikasi) terhad:
eksekusi model simulasi. Apabila jumlah replikasi yang dilakuk:
telah lebih dari jumlah replikasi (pengulangan eksekusi mod
simulasi) minimum yang diperlukan, maka hasiVoutput sirmlasi yai
parameter yang ingin diketahui telah dapat dipercaya dengan tingk
keyakinan tertentu (umumnya 90%, 95%, atau 99%). Hal ini sejal:
dengan central limit theorem yang menyatakan bahwa nilai rata-ra
dari sejumlah besar variabel acak yang independen dengan nilai rat
rata dan varians berhingga akan menuju distribusi normal [Rice 1995

........
Kembali pada ilustrasi pengambilan keputusan oleh manusia di ate
,..... G!J keputusan yang harus diambil dengan berhati-hati karena menyangk
kinerja dari suatu (sub-)sistem yang merupakan bagian dari siste
yang lebih besar.
Contoh-contoh nyata dari keadaan ini antara lain:
• Keputusan menambah atau mengurangi jumlah kasir pada sua
bank
Gambar I . Inventory Fisik pada Gudang dan Model Simulasinya
• Keputusan mengadopsi kebijakan inventory
• Keputusan mengenai kapasitas call centre
• Keputusan mengenai proyeksi penerimaan dan pengeJuan
perusahaan
• Keputusan mengenai kebijakan perawatan (maintenance) mesin.
• Keputusan mengenai kebijakan konfigurasi jaringan komputer

~
.~~_.;.:z~.;.::: ~ Simulasi kejadian diskrit merupakan jenis simulasi sistem yar
-+ ... ..,,""':
,..." .t .

.... -
.

.....
~

berubah terhadap waktu dengan representasi variabel yang berub:

_~.,~ ..'~ .,~~~ .u~
'.-."" 11)1 . :,:i:- JiI state pada waktu-waktu diskrit [Law2006]. Kelebihan simula
.~ l1 ' ~'::=- --=-
~

kejadian diskrit terletak pada kemampuannya untuk menirukan asp<

,::..I~* \1 .•=~ , dinamis dari sistem yang dimodelkan. SimuJasi sidtem diskJ
lII"";::~
..., ..,
r '.-:iit.
.. ' .
~';"
. .

menyederhanakan masalah pada mayoritas kasus nyata deng:

melewatkan waktu simulasi saat tidak terjadi perubahan state pal
Gambar 2. Jaringan Komputer Fisik dan Model Simulasinya sistem, sehingga sebagian besar waktu dimana tidak terjadi perubah:
state pada sistem tidak periu disimulasikan. Permasalahan pal

6 7

,II
pembuatan simulasi kejadian diskrit adalah bagaimana merancang
model dinamis dari sistem yang dipelajari terhadap waktu.
Langkah awal dalam menggunakan teknik simulasi adalah pembuatan
model, yaitu melakukan abstraksi karakteristik-karakteristik penting
dari sistem yang sedang ditinjau. Adanya abstraksi ini memungkinkan
model dibuat secara bertahap, dimulai dari model yang sederhana
jelas, sehingga langkah-Iangkah selanjutnya cenderung hany
mengikuti prosedur seperti yang ditunjukkan pada gambar tersebw
Pada akhirnya tidakjarang pengguna terjebak pada model yang hany
semata-mata memvisualisasikan proses yang terjadi tanpa dap,
melakukan analisis data hasil simulasi dan mengambil kesimpulan.
[
-~.----,

Sening of
(hanya mengakomodasikan karakteristik-karakteristik terpenting Objecth-. es
ru~d{)...eri\ll
I
I
sistem serta mengambil asumsi terhadap karakteristik-karakteristik project }lIM I
--"t
lain untuk penyederhanaan masalah) menuju model yang lebih " C _ .-__1-_
kompleks (mengakomodasikan karakteristik-karakteristik sistem Model
co)nccptll;\li-/~~~
1 : f)J't~1
L colk(tton
=
L;"m,,,,,,_
secara lebih komprehensif). Selain itu adanya abstraksi ini
memungkinkan model dibuat secara modular, dimulai dari model­ r--- ~',)dcJ 1

~~~>
model sub-sistem untuk kemudian digabungkan menjadi model
sebuah sistem yang lebih besar. N" '

Pada prinsipnya tidak ada suatu model yang dapat merepresentasikan

- --
Nil
~~'"
~::.,> ~N~o~
. . ../ \/jlliJitleJ?
, // /
____

suatu sistem nyata (sistem sebenarnya) secara sempurna, karena

sistem nyata merupakan kumpulan dari sejumlah sub-sistem, dan ~--
suatu sub-sistem merupakan kumpulan dari sejumlah sub-sub-sistem,
r I I

demikian seterusnya. Masing-masing sub-sistem memiliki

~
prOdUI..~!km. ..'ti ns
kompleksitas masing-masing. Upaya pemodelan adalah upaya untuk t....:.:.-
r -·
ltnu nn!lj'l~l~

/ . /...~ 'Ye$
melakukan abstraksi terhadap kelakuan sistem nyata ke bentuk Yes
"\.ion.: rUlls);>---,'
....,'- , /~/
matematis yang dapat diolah oleh komputer. Semakin detil abstraksi T No
yang dibuat, semakin dekat kelakuan sistem nyata dapat ditirukan 11-;'~~-:1::):1:1-~·;~·1
I and reportmg I
oleh model tersebut. ~----./
/ /.
L--..\
Gambar 3 menunjukkan langkah-Iangkah pelaksanaan simulasi. ( \
! JrnplemL'rlllf linn !
Langkah-langkah awal pelaksanaan simulasi seperti definisi
\ ~-_//
permasalahan, penentuan tujuan pelaksanaan simulasi memegang
peranan penting dalam langkah-Iangkah berikutnya. Beberapa studi
simulasi diawali dengan tujuan yang belum/tidak terdefinisi dengan Gambar 3. Langkah-Iangkah Pelaksanaan Simulasi [Banks2010]

8
9
Adakalanya terjadi kesalahpahaman terhadap konsep "simulasi" dan

...
"visualisasi". Beberapa pihak cenderung mengidentikkan kedua hal Y1 = F1(X1, X2, X3,.
tersebut meskipun terdapat perbedaan prinsip diantara keduanya.
Pengertian simulasi telah diuraikan sebelumnya, sedangkan Y2 = F2(X1 , X2, X3, .
"visualisasi" mengacu pada merepresentasikan dinamika sistem R = G(X1, X2, X3, ....
(gerakan, perubahan variabel, terjadinya event) yang terjadi selama
suatu proses sedang berJangsung dengan menggunakan alat peraga
seperti monitor komputer. Simulasi dapat dilakukan tanpa melibatkan
visualisasi proses-proses yang terjadi dalam eksekusi model simulasi,
dan visualisasi dapat dipakai menunjukkan dinamika sistem tanpa
melibatkan simulasi (pembangkitan bilangan acak, replikasi, dsb).
Walaupun demikian keduanya dapat disinergikan, sehingga simulasi
r --i
t
dapat disampaikan secara lebih baik kepada pengguna dengan Eksekusi
visuaJisasi, dan visualisasi atas kerja sistem dapat memiliki dasar
yang dipertanggungjawabkan dengan adanya eksekusi atas model
simulasi yang dianggap valid.
I
l -*' , +- Model
Simulasi
I
I
I
I .~--~~----~~~
3. Model Simulasi untuk Penentuan Tingkat Kerawanan Banjir L_~
Permasalahan pemodelan untuk penentuan tingkat kerawanan banjir
adalah bagaimana memodelkan fenomena genangan banjir menjadi Gambar 4. Genangan Banjir, Model Simulasi, serta Visualisasinya
model simulasi yang dapat dieksekusi menggunakan komputer
nantinya untuk pada akhirnya divisualisasikan kepada pengguna.
Sejumlah asumsi digunakan dalam pemodelan ini, antara lain:
Gambar 4 mengilustrasikan hal ini.
• timbulnya banjir di suatu daerah adalah murni akibat d,
keempat faktor tersebut pada daerah yang ditinjau. Asun
Seperti telah diuraikan pada bahasan sebelumnya, pembuatan model
tersebut nantinya dapat disesuaikan dengan kenyataan sebenarn
simulasi melibatkan karakteristik-karakteristik sistem yang dianggap yaitu dengan menambahkan kompleksitas model, mengingat a
penting serta mengambil asumsi terhadap karakteristik-karakteristik daerah-daerah yang justru banjir akibat hujan yang turun
lain. Dalam kasus penentuan tingkat kerawanan banjir karakteristik­ daerah lain (banjir kiriman).
karakteristik (faktor-faktor) sistem yang dianggap penting adalah • kontur tanah pada wilayah yang ditinjau adalah relatif dat:
curah hujan, kelembaban, temperatur, dan tinggi pasang air laut. sehingga apabila ada genangan banjir, maka ketinggian genang
banjir terjadi secara merata di wilayah tersebut.

10 11

III

• tidak ada perubahan penggunaan lahan pada wilayah yang
ditinjau.
• tidak ada perubahan upaya penanggulangan banjir yang dilakukan
(seperti pembuatan kanal pencegahan banjir yang baru).
• data curah hujan, kelembaban, temperatur, dan tinggi pasang air
laut bersifat statis (tetap) sepanjang satuan terkecil waktu
pengumpulan data, misalnya pada data kelembaban harian, data
kelembaban dianggap tetap pada sepanjang yang ditinjau.
Pembuatan model simulasi untuk penentuan tingkat kerawanan banjir
meliputi beberapa aspek, yaitu:
• pengumpulan data ketinggian banjir harian dan cuaca pada musim
penghujan
• analisis data untuk mengetahui distribusi probabilitas data,
termasuk estimasi parameternya
• pembangkitan bilangan acak sesuai distribusi probabilitas yang
diperoleh
• tes goodness-of-fit untuk menguji kesesuaian data yang
dibangkitkan dengan data yang dikumpulkan.
Data per kecamatan yang dikumpulkan mcliputi:
• data tinggi genangan banjir harian
• data curah hujan rata-rata harian
• data kelembaban rata-rata harian
• data temperatur rata-rata harian
• data tinggi pasang air laut harian
Diambil asumsi bahwa terdapat 2 kemungkinan model
ketergantungan antar data, yaitu:
• Modell, dimana variabel tinggi genangan banjir merupakan
variabel respon variabel tinggi genangan banjir merupakan
variabel respon dari variabel prediktor curah hujan, kelembaban,
temperatur, dan tinggi pasang air laut, dan
• Model 2, dimana variabel tinggi genangan banjir merupakan
variabel respon dari variabel prediktor curah hujan, kelembaban,
12
temperatur, tinggi pasang air laut, serta tinggi banjir pada 11
sebelumnya.
Analisis terhadap kedua model diatas menggunakan PrinciI
Component Regression dan membandingkan nilai-nilai Root Me
Square Error, Root Mean Square Percentage Error, Mean Absoh
Percentage Error, Theil's Inequality Coefficient, dan koefis i
determinasi mengisyaratkan Model 2 lebih sesuai untuk digunakc
Dengan kata lain, tinggi genangan bergantung pada curah huj<
kelembaban, temperatur, pasang air laut, serta ketinggian genang
pada hari sebelumnya.
Pada suatu wilayah kecamatan, persamaan regresi diperoleh da lf
bentuk:
Y = ao + al XI + a2 X2 + a3 X3 + a4 X4 + as X s
dengan nilai Y adalah tinggi genangan (perhitungan) dan ao sampa i
diperoleh dari analisis Principal Component Regression.
Selanjutnya dengan membuat pembangkit bilangan acak terhad
variabel-variabel prediktor yang ditinjau, dapat dilakukan simul<
terhadap model yang diperoleh. Pembangkitan bilangan acak '
dibuat dengan menganalisis pasangan data curah hujan rata-n
harian, data kelembaban rata-rata harian, data temperatur rata-n
harian, serta data tinggi pasang air laut harian, sehingga diketal:
derajat korelasi diantaranya. Tergantung karakteristik data y a
diperoleh dari pengamatan, sejumlah distribusi probabilitas d:
pasangan data tersebut dapat diperoleh, baik monovariat at
multivariat. Mayoritas teknik pembangkitan bilangan ac
monovariat telah dikenal luas dan relatif mudah diimplementasikc
Beberapa teknik pembangkitan bilangan acak multivariat reia
mudah diimplementasikan, seperti pembangkitan bilangan ac
berdistribusi bivariate Normal, namun masih diperlukan peneliti
13
lanjut untuk dapat mefnbangkitkan bilangan acak multivariat lain
Skenario 2
r------ ------- --------- -----------
yang reliable. ------- ~- ---- - -- - --------------

I I
! ~~ ) ~"'-1,-'\ ,. J~
. 1~&,~,k:::,·7',"'I>
1

4. Eksekusi Model Simulasi 5''''14, "

I [ ,.... I~! .O"~ },r~~.----lf··I"i.,\~0-,..\
Y ' I
Tingkat kerawanan banjir pada wilayah yang ditinjau dapat II t,L )\ 1"'''1''0
. I
" 'I '0"...~e"'"'·
"-, \ "1"....,;h~~~-J,...
C \
____,_ I
ditentukan dengan mengeksekusi model simulasi yang diperoleh n il ,~.. oJ! . £._00~ ,.. :'." .1--':''' '" I~>\,
1.. ~3"'7'jZ I
1, I
l,- r I
dengan input bilangan acak dari pembangkit bilangan acak pada II ~ _- -~~."'--
J ~
oo,,,.,"
c --,J
1,_)
{ ~l";~'~"' ~ r '/1"""~ _
) v
"',,",
-~ -"-- J/
.'
I
L I 7--"?-';-" r ~..."., / J
l "..." /- "L,,:" /
I
periode waktu yang ditentukan. Basil dari model simulasi -lo• ., ....
r c: ",
.' . " ' P" :::.';.'I''':..-____ -------y I'
I
divisualisasikan dengan memanfaatkan perangkat Sistem Informasi I
L,:~~£.
L_"_/ --'::.....
-- :::-f.::!J'fJ ~d;,~~!,_/j r- ----~-------·l! li
Klasifikas l 8anjlf

Geografis (SIG). Dengan mengintegrasikan modul I I - """I" ,~. ,.)1)6"10 I , I

perhitungan/komputasi simulasi dengan perangkat SIG, visualisasi ini
dapat dilakukan pada suatu environment aplikasi yang sarna sehingga
II " II
memudahkan pengguna melakukan analisis. Berbagai skenario
Gambar 5. Visualisasi Suatu Skenario

("what-if' scenario) dapat dikembangkan, seperti skenario keadaan

pada Periode Waktu Tertentu [Pawening2010]

cuaca serupa keadaan cuaca masa lalu, skenario menaikkan standar

deviasi dan/atau rata-rata variabel curah hujan dan/atau variabel cuaca
lain.
Tingkat kerawanan banjir direpresentasikan dalam warna, seperti
warna hijau untuk tingkat kerawanan banjir sangat rendah, warna
merah muda untuk tingkat kerawanan banjir rendah, warna merah tua
untuk tingkat kerawanan banjir sedang, dan seterusnya. Warna-warna
ini ditampilkan sesuai hasil perhitungan ketinggian genangan banjir
rata-rata pada kurun waktu yang ditinjau (harian, mingguan, atau
periode waktu lain).
Gambar 5 menunjukkan contoh visualisasi hasil simulasi dari salah
satu skenario pada periode waktu tertentu. Terlihat rata-rata
ketinggian banjir dapat ditunjukkan secara numerik dan dalam visual
warna.
Gambar 6 menunjukkan contoh visualisasi hasil simulasi dari s;
satu skenario pada periode waktu tertentu dengan menaikkan stm
deviasi variabel curah hujan pada pembangkitan bilangan (
sebesar 25%. Terlihat secara numerik terjadi kenaikan rata­
ketinggian genangan banjir dibandingkan skenario terdahulu.
Gambar 7 menunjukkan contoh visualisasi hasil simulasi dari s
satu skenario pada periode waktu tertentu dengan menaikkan rata­
variabel curah hujan pada pembangkitan bilangan acak sebesar 2
Terlihat secara numerik terjadi kenaikan rata-rata keting,
genangan banjir yang lebih besar dibandingkan skenario terdahulu

14 15

III
 Skenario 4 Dengan cara serupa, skenario "what-if' lain dapat dikembangk
dengan menyesuaikan dengan kondisi cuaca yang akan dihadapi.

Dari perhitungan terhadap semua data yang diperoleh dari ha

t simulasi dan hasil pengamatan, terdapat tingkat kesalahan hasil ya
diperoleh pada skenario keadaan cuaca serupa keadaan cuaca m,
lalu bernilai rata-rata 27%. Masih cukup tingginya kesalahan
terutama karena banyaknya asumsi penyederhanaan yang diam
dalam studi ini.

Tingkat kesalahan bernilai rata-rata 27% tersebut diatas masih daI

diharapkan berkurang dengan memperdetil tingkat abstraksi, b,
Gambar 6. Visualisasi Suatu Skenario pada Periode Waktu Tertentu pada model maupun data yang dikumpulkan, misalnya deng
dengan Menaikkan Standar Deviasi Variabel Sebesar 25%
memperbanyak periode pengamatan dalam satu hari.
[Pawening20 10]

Sedangkan analisis korelasi terhadap kedua data terser

menghasilkan nilai korelasi positif yang kuat (r=0.943) dan koefisi
Skenario 5 determinasi yang kuat (r2=0.889). Hal ini menunjukkan tint
N
genangan hasil perhitungan berkorelasi kuat dengan tinggi genang
'J'5lJt[ ~ --;~ 0~~D"' -r~" ."..~
~E-

":ff"
,,1:';.:'''' 1:
hasil pengamatan. Dengan demikian dapat disimpulkan model tel
" \"" 7 .... _( ~·1f.5 ~J'~ f~
f '" i /, ••

dapat merepresentasikan keadaan sistem sebenarnya yaitu cuaca d

'''cr' 13~'fd-,..,\
s
L \ ./'-1
,~rI '-iJ(
\ -,.l1-'~ L! .li"
00 eo.
ketinggian genangan banjir.
r ,.... '--)
7~--
(
~
fl'::d.~.
.'·47"'"
-0.,....
\-/ ~
'''", /~ \ I
;~";:L~:- j -~- -----­
L-~"..... ~,",.of? ..._-:1''-''--­
2 L )
Penelitian selanjutnya meliputi
ki7+-
I 7·!,t.~/},F~~./i r
• penambahan kompleksitas model mengingat ada daerah-daer
L-
_ K1as,fik asl B an/If
yang justru banjir akibat hujan yang turun di daerah lain (ban
btifljil Kecl1 H1I369o::.m
kiriman), antara lain dengan menambahkan analisis kon1
.
E
"- permukaan tanah dan sifat aliran air.
• perluasan daerah yang ditinjau sehingga dapat mengestimasik
dampak alam seperti global warming dan cuaca ekstrem terhad
Gambar 7. Visualisasi Suatu Skenario pada Periode Waktu Tertentu wilayah yang cukup luas.
dengan Menaikkan Rata-Rata Variabel Sebesar 25% [Pawening2010]

16
17
 • memperdetil model simulasi sehingga dapat mengakomodir
kontur tanah pada wilayah yang ditinjau.
• mengembangkan metode pembangkitan bilangan acak multivariat
yang mudah dan reliable, sehingga pasangan bilangan acak
variable-variable prediktor dapat dibangkitkan dengan lebih
mendekati distribusi sebenarnya.
5. Simpulan
Tingkat kerawanan banjir pada wilayah yang ditinjau dapat
ditentukan dengan mengeksekusi model simulasi yang diperoleh
dengan input bilangan acak dari pembangkit bilangan acak pada
peri ode waktu yang ditentukan. Hasil eksekusi model simulasi
divisualisasikan dengan memanfaatkan perangkat Sistem Informasi
Geografis (SIG). Integrasi berbagai kajian ilmu spesifik (simulasi,
analisis data, SIG) telah menunjukkan potensi untuk memberikan
menunjukkan potensi bahaya banjir di wilayah yang ditinjau dengan
nilai korelasi positif yang kuat dan koefisien determinasi yang kuat
sehingga disimpulkan model telah dapat merepresentasikan keadaan
sistem sebenarnya yaitu cuaca dan ketinggian banjir. Sejumlah
skenario "bagaimana-jika" ("what-if' scenario) telah diujicobakan,
"1
seperti skenario keadaan cuaca serupa keadaan cuaca masa lalu,
skenario menaikkan standar deviasi dan/atau rata-rata variabel curah
hujan danlatau variabel cuaca lain. Skenario-skenario ini bersesuaikan
dengan terjadinya perubahan cuaca yang semakin ekstrem pada
dekade terakhir ini.
6. Penutup
Pemaparan diatas adalah mengenai penerapan simulasi komputer
untuk penentuan tingkat kerawanan banjir. Selain untuk masalah
IIIII
tersebut, metode simulasi dapat diterapkan pada banyak masalah lain, operasionaJ gudang dapat dimaksimalkan.
terutama yang menyangkut adanya faktor ketidakpastian akibat
fenomena acak.
111m I dengan upaya pengumpulan data dalam jumlah yang lebih ban)
IIU 18
Sebagai contoh simulasi di bidang pelayanan perbankan, fak
ketidakpastian antara lain adalah kedatangan pelanggan dan la
pelayanan kasir. Dengan simulasi dapat ditentukan banyaknya ka
yang memadai untuk melayani pelanggan, sehingga tidak terj;
antrian pelanggan yang panjang. Dengan demikian kepua ~
pelanggan dapat dipertahankan atau ditingkatkan dengan adar
tingkat pelayanan (service level) yang ditetapkan.
Dalam bidang telekomunikasi seluler, simulasi dapat diterap~
untuk memberikan pelayanan yang baik kepada pelanggan dalam
pelayanan komunikasi. Simulasi dapat menunjukkan solusi optil11l
sehingga tercapai keseimbangan antara permintaan sambunl:
komunikasi oleh pelanggan dengan kemampuan layanan stasiun B1
Dalam bidang penerbangan, simulasi dapat diterapkan un t
menentukan hal-hal penting dalam penerbangan pesawat, seperti jal
minimal antar pesawat (separation distance), kepadatan penerbanE
(flight density), dan lebar jalur penerbangan (Required Navigati
Performance). Dengan penentuan faktor-faktor diatas, dapat dica j
komposisi nilai yang optimum, sehingga sumber daya ruang (sp~
resource) dapat dimanfaatkan secara maksimal dengan res i
kecelakaan pesawat sekecil mungkin.
Di bidang manajemen persediaan barang, simulasi dapat diguna l<
untuk menentukan tata letak barang yang menguntungkan pengelc
seperti minimalisasi waktu pemasukanlpengeluaran barang (
minimalisasi biaya operasional baik biaya secara manual 0
manusia maupun dengan for,klift. Dengan demikian efisie
Senantiasa ada upaya untuk meningkatkan akurasi hasil simuJasi b;
19
•
maupun penyempurnaan paradigma simulasi, seperti simulasi
berorientasi obyek [Garrido2009][Jeong2003] [Joines 1998]
[Maggio2009][Richardson2006] [Zobrist 1996], simulasi kejadian
jarang (rare event simulation) [Bucklew2004][L'Ecuyer2006]
[Huang2004] [Juneja2003] [Lipsmeier2008].
Dengan simulasi berorientasi obyek, entitas dapat dimodelkan dan
diimplementasikan dengan lebih cepat dan mudah dengan adanya
struktur kelas-subkelas. Entitas yang memiliki attribute dan behaviour
yang sarna dapat dikelompokkan dalam satu kelas. Entitas yang
memiliki attribute dan behaviour yang lebih khusus dapat
dikelompokkan dalam satu subkelas. Dengan paradigma ini, model
simulasi dapat dibuat dengan lebih cepat sehingga mengurangi
development time dari suatu proyek simulasi.
Dalam sejumlah masalah, diperlukan pemodelan dan simulasi pada
suatu sistem yang relatif andal (bahkan sangat andal) misalnya
dengan tingkat kegagalan hanya 10-7. Misalnya pada masalah
terjadinya kesalahan pada· komunikasi digital, terjadinya kegagalan
peralatan pada pesawat terbang, kesalahan pada sistem nuklir.
Timbulnya kesalahan seperti IllI, walaupun sangat rendah
. probabilitasnya, tetap tidak dapat diabaikan karen a dapat
menyebabkan konsekuensi serius. Dengan tingkat kegagalan yang
sangat rendah ini, diperlukan replikasi yang sangat banyak pada
simulasi kejadian diskrit untuk dapat menemukan kejadian kegagalan
ini (rata-rata 1 dari 10 7 replikasi), sehingga kurang efisien. Simulasi
kejadian jarang membantu mengeliminasi kebutuhan replikasi dalam
jumlah yang sedemikian banyak. Simulasi kejadian jarang ini dapat
bersinergi dengan simulasi kejadian diskrit untuk dapat
mensimulasikan sistem demikian secara utuh serta efisien. Untuk
itulah esensi penelitian lanjut di area ini.
20
Agar penggunaan metode simulasi dapat menghasilkan produk y,
memiliki manfaat yang lebih besar, perlu adanya kerjasama lir
bidang ilmu sehingga dapat diperoleh pemodelan yang lebih b,
Model yang lebih baik atau lebih detil dapat merepresentasil
kenyataan pada sistem yang sebenarnya, sehingga hasil simulasi da
memperoleh tingkat kepercayaan yang lebih tinggi lagi (
penggunanya.
Pada masalah penentuan tingkat kerawanan banjir misalnya, a
diperoleh pemodelan potensi banjir terhadap faktor-faktor cuaca y,
lebih akurat, perlu adanya kerjasama lintas bidang ilmu seperti bid,
ilmu informatika dengan bidang ilmu lingkungan, statisti
matematika, dengan tidak menutup kemungkinan bidang-bidang il
lain nantinya, mengingat fenomenaalam merupakan rahasia II
dengan kompleksitas yang teramat tinggi bahkan di luar jangkal
kemampuan pikir manusia. Adanya pembidangan ilmu sebenan
adalah upaya manusia untuk dapat memahami pada konteks a
lingkup kecil rahasia Bahi tersebut.
7. Referensi
AudioEnglish. 2010 SIMULAnON. http://www.audioenglish .1
dictionary/simulation.htm Diakses 1 Juli 20] O.
Banks, Jerry; John S. Carson II; Barry L. Nelson; David M. Nil
2010. Discrete-Event System Simulation (5th ed). Pren
Hall.
Buchanan, Mark. 2006. The joy of simulation, (Nature Physics 2, '
(2006) doi:] 0.1 038/nphys368.
Bucklew, James. 2004. Introduction to Rare Event Simulatl
Springer.
Correia, FN. 1986. Multivariate Partial Duration Series in Flood F
Analysis. In Hydrologic Frequency Modeling: Proceeding:
the International Symposium on Flood Frequency and F
21
 Analyses 14-17 May 1986, Louisiana State University, Baton
Rouge, U.S.A D. Reidel Publishing Company, Boston, MA
1987. P 541-554, 4 fig 8 tab, 10 ref.
http://mdl.csa.com/partners/viewrecord.php?requester=gs&c
ollection=ENV&rec id=8905 680&q=f1ood+risk+assessment&
uid=789758607&setcookie=yes Diakses 1 Juli 20] O.
Evans, James R.; David L. Olson. 2001. Introduction to Simulation
and Risk Analysis (2nd Edition). Prentice Hall.
Fishman, G.S. 2001. Discrete-Event Simulation: Modeling,
Programming, and Analysis. Springer-Verlag.
Garrido, Jose M. 2009. Object Oriented Simulation: A Modeling and
Programming Perspective. Springer.
Huang, Z.; P. Shahabuddin. 2004. A Unified Approach for Finite
Dimensional, Rare-event Monte Carlo Simulation. In
Proceedings of the 2004 Winter Simulation Conference, R.G.
Ignalls, M.D. Rossetti, J.S., Smith, and B.A Peters (Eds.).
IEEE Press, Piscataway, New Jersey, pp. 1616-1624.
Jeong, Chang-Sung; Sang-Yeong Choi. 2003. An Object-Oriented
Simulation System for Air Defense. In Lecture Notes in
Computer Science, 2003, Volume 2668/2003, 972, DOl:
10.1007/3-540-44843-8 74.
Juneja, S. 2003. Efficient rare-event simulation using importance
sampling: an introduction. In Computational Mathematics,
Modelling and Algorithms, 1. C. Misra, ed. Narosa Publishing
House, New Delhi. pp. 357-396.
Johnson, Richard Arnold. 1992. Applied Multivariate Statistical
Analysis 3rd Edition. Prentice Hall.
Joines, Jeffery A; Stephen D. Roberts. 1998. Fundamentals of object­
oriented simulation. In Proceedings of the 1998 Winter
Simulation Conference, Washington, D.C., United States, pp.
141 - 150.
Koirala, S. 2010. Some flood damage estimate of the world.
I III http://www.unesco-
ihe.org/content/downloadl21161220 13/file/Some%20flood%2
Odamage%20estimate%200t%20the%20world.pdf Diakses 1
Juli 2010.
22
Law, Averil M. 2006. Simulation Modeling and Analysis, 4th edit
McGraw-Hill.
L'Ecuyer, Pierre; Val'erie Demers; Bruno Tuffin. 2006. SPLITT
FOR RARE-EVENT SIMULATION. In Proceedings 01
2006 Winter Simulation Conference, pp. 137-148.
Lipsmeier, Florian; Ellen Baake. 2008. Rare Event Simulati ol
lmmunobiology. In Proceedings of 7th Intcrnat i,
Workshop on ~are Event Simulation RESIM. Rcn
France, 24-26 September 2008.
Maggio, Martina; Alberto Leva. 2009. Object-oriented Simulatio
Preemptive Feedback Process Schedulers. In Proceedings
Modelica Conference, Como, Italy, Sep. 20-22, 2009.
Meyer, V.; D. Haase; S. Scheuer. 2009. A multicriteria flood
assessment and mapping appro
http://www.ufz.de/data/meyer_mca_oxford9509.pdf Dial
I Jul i 2010.
Pamungkas, Dyan Putri; Joko Lianto Buliali. 2006. Penentuan I
Rawan Banjir dengan Multi Criteria Evaluation: Studi K,
Kota Surabaya. Tugas Akhir Jurusan Teknik Infor ma t
Fakultas Teknologi Informasi, Institut Teknologi Sept
Nopember, Surabaya.
Pawening, Ratri Enggar; Joko Lianto Buliali, Ahmad Saikhu. 2(
Pemodelan Dan Simulasi Tinggi Genangan Banj ir
Kecamatan Gubeng Kota Surabaya Menggunakan Sis
Informasi Geografis. Tugas Akhir Jurusan Tel
lnformatika, Fakultas Teknologi Informasi, Institut Tekno
Sepuluh Nopember, Surabaya.
Rice, John. 1995. Mathematical Statistics and Data Analysis (Sec
ed.), Duxbury Press, ISBN 0-534-20934-3.
Richardson, David H. 2006. An Object Oriented Simula
Framcwork for Steadystate Analysis of Vapor Compres:
Refrigeration Systems and Components. Disertasi Univer
of Maryland, College Park.
Sarjoughian, Hessam S.; Bernard P. Zeigler. Towards Mal
Modeling & Simulation into a Discipline. 2(
http://www. sim-summit. org/simsummit/03 03/03 03 d. pdf
Diakses 1 Juli 2010.
23
Tempolnteraktif. 2007. Kerugian Akibat Banjir Rp 8,8 Triliun
http://www.tempointeraktif.comihg/ekbis/2007 /02120lbrk,200
70220-93717,id.html. Diakses 1 Juli 2010]
van der Sande, C. J.; S. M. de Jong; and A. P. J. de Roo. A
segmentation and classification approach of IKONOS-2
imagery for land cover mapping to assist flood risk and flood
damage assessment. In International Journal of Applied Earth
Observation and Geoinformation Volume 4, Issue 3, June
2003, Pages 217-229.
http://linkinghub. elsevier. comiretrieve/pii/S03 03 2434030000
35 Diakses 1 Juli 2010.
Wiarini, Putu Pitri; Joko Lianto Buliali. 2009. Pembangkitan
Bilangan Acak untuk Data Temperatur dan Kelembaban Kota
Surabaya. Tugas Akhir Jurusan Teknik Informatika, Fakultas
Teknologi Informasi, Institut Teknologi Sepuluh Nopember,
Surabaya.
Zobrist, George W.; James V. Leonard (Editors). 1996. Object-
Oriented Simulation: Reusability, Adaptability,
Maintainability. Wiley-IEEE Press.
Ucapan Terimakasih
IbU/Bapak dan para hadirin yang saya hormati, pada kesempatan yang
berbahagia ini, saya menyampaikan syukur ke hadirat Tuhan Yang
Maha Kuasa atas perkenanNya saya dapat menjadi Guru Besar,
semoga saya dan sekeluarga dapat selalu mensyukurinya.
Selanjutnya saya menyampaikan terimakasih sebesar-besarnya
kepada:
• Rektor ITS, Prof. Priyo Suprobo beserta pimpinan rektorat dan
Senat ITS yang telah memberikan persetujuan atas pengajuan
Guru Besar saya.
24
• Bapak Menteri Pendidikan Nasional Republik Indonesia, Prc
Muhammad Nuh, atas kepercayaan dan persetujuan kepada sa:
untuk diangkat sebagai Guru Besar.
• Mantan Rektor ITS, Prof. Soegiono yang telah mendukung d,
membantu proses administratif saya dalam melanjutkan stu
lanjut di Inggris pada periode tahun 1994-1999.
Dalam perjalanan hidup saya, baik akademis maupun non-akadem
telah banyak individu yang turut mewarnai kehidupan saya. D~
insan-insan inilah saya belajar mengenai hakekat ilmu, mengen
iman, dan mengenai kehidupan secara luas. Secara khusus dan seca
kronologis dalam perjalanan hidup saya, saya ingin menyampaik
hormat dan terimakasih saya kepada:
• Guru-guru SD saya yang telah meletakkan nilai-nilai das
kehidupan dan budi pekerti.
• Guru-guru SMP saya yang telah menempa saya menjadi sos(
remaja yang lebih tangguh baik dalam aspek akademis maupl
kerohanian.
• Guru-guru SMA saya, terutama guru-guru jurusan IPA yang tel<
meletakkan dasar-dasar pengetahuan keteknikan atau keprofesi,
yang lebih spesifik.
• Dosen-dosen Jurusan Teknik Elektro ITS yang telah tur
mendidik saya selama kurun 1986-1991 , membekali ilmu tekn
yang spesifik. Secara khusus kepada mantan dosen pembimbil
Ir. Soetikno (aim.) dan Ir. Nawantowibowo (aIm.) yang tel:
banyak membentuk karakter akademis saya.
• Dr. Vassillios Karakostas, mantan pembimbing saya selama sa
melanjutkan studi lanjut di UMIST. It's been a nice and valua
25
 experience to collaborate with you, though thousands of miles of
distance keeps us apart now.
Penghargaan yang mendalam dan ucapan terimakasih secara khusus
saya sampaikan kepada:
• Kedua orang tua saya, Bapak Hadi Buliali (aim.) dan Sucinwati
yang telah membesarkan dan mendidik anak-anaknya dengan
upaya yang tidak kecil di kampung tradisional Pandegiling. Kalau
pada tahun 1900-an di Pandegiling berkumpul orang-orang
pandai menggiling tebu untuk diolah menjadi gula pasir, di tahun
2000-an di Pandegil ing kau juga telah menggiling anak
bungsumu ini menjadi Guru Besar.
• Saudaraku, Ing Hwa, yang senantiasa ingkang legawa dalam
menghadapi sikap dan perilaku adiknya ini serta yang telah turut
memberikan bantuan dalam perjalanan masa kecil sampai saat ini
dan juga masa yang akan datang.
• Istri tercinta Liliek Anawaty yang selalu memberikan semangat
dalam menempuh kehidupan ini. Sesuai nama Liliek, senantiasa
telah menjadi lilin-lilin kecil yang menerangi jalan kita bersama.
• Keluarga mertua di Umbulsari, Tanggul dan di Probolinggo, yang
telah memberi dukungan dan doa kepada saya dan istri.
Banyak dukungan dan bantuan telah saya terima dari banyak pihak
selama masa kecil saya, sekolah, kuliah, dan selama saya berkarir
sampai saya mencapai jabatan Guru Besar di FTIf ITS . Untuk itu saya
menyampaikan terimakasih saya kepada:
• Kepala BAUK ITS, Ibu Nurijati Hamid, beserta jajaran stafnya
yang telah mendukung dan membantu proses administratif, serta
mempersiapkan dan menyelenggarakan acara pengukuhan ini.
26
• Dekan Fakultas Teknologi lnformasi ITS, Prof. Riyanarto S;
beserta jajaran pimpinan dekanat dan Senat FTlf yang juga I
mendukung dan membantu proses administratif.
• Sejawat dosen Jurusan Teknik Informatika dan Jurusan Si~
Informasi ITS yang selama ini telah banyak bekerjasama d'l
bidang keilmuan.
• Ketua LPPM ITS, Prof. I Nyoman Sutantra beserta jajaral
yang membantu penyelesaian masalah administrasi penei it
penelitian yang saya lakukan.
• Koordinator Program MMT ITS, Prof. Yulinah Trihadiningr
dan jajaran pimpinan serta stafnya yang telah banyak mem
dukungan dalam pencapaian Guru Besar saya.
• Direktur PPs ITS, Prof. Suparno beserta jajaran pimplf1ar
yang selama ini berkoordinasi masalah akademis dan opera si
l
kepascasarjanaan.
• Pimpinan dan dosen-dosen dari ITS dan Perguruan Tinggi
serta karyawan di lingkungan ITS yang turut mendukung
meJuangkan waktunya untuk menghadiri acara ini .
• Kerabat, keluarga, sejawat, relasi, yang telah mel uan~
waktunya untuk menghadiri acara pengukuhan Guru Besar sa;
Demikian pidato pengukuhan Guru Besar saya. Saya mengucar
tcrimakasih sekali lagi atas perhatian Ibu/Bapak dalam mengi
acara ini, mohon maaf apabiJa ada kesalahan dan kekuran
Semoga Tuhan Yang Maha Kuasa senantiasa memberikan rahmat
kepada kita semua. Amin.
27
.

BIODATA
Riwayat Pendidikan:
1. SD Chana, Surabaya.
2. SMP IMKAlYMCA II, Surabaya.
3. SMA Santa Maria, Surabaya.
4. Sarjana Teknik Elektro (lr.), Teknik Elektro, Institut Teknolof
Sepuluh Nopember (ITS), Surabaya.
5. Master of Science (MSc.), Computation Department, Universit
of Manchester Institute of Science and Technology (UMISr
Manchester, England.
6. Doctor of Philosophy (Dr.), Computation Department, Universit
of Manchester Institute of Science and Technology (UMIST :
Manchester, England.

Data Pribadi:
Nama lengkap : Prof. Dr. Ir. Joko Lianto Buliali, M.Sc. Riwayat Jabatan:
NIP : 19670727 199203 1 002 1. . 1992 - sekarang: dosen Teknik Informatika, ITS.
Tempat dan tgllahir : Surabaya, 27 Juli 1967 2. 1997 - 1998 : Demonstrator mahasiswa, Department u
Perguruan Tinggi : Institut Teknologi Sepuluh Nopember (ITS) Computation, University of Manchester Institute of Science an.
Bidang Studi : Teknik Informatika Technology, Manchester, England.
Kantor : Jurusan Teknik lnformatika FTIf - ITS, 3. 2001 - sekarang: dosen Magister Manajemen Teknologi (MM T
. Kampus ITS Keputih - Sukolilo, ITS.
Surabaya - 60111 4. 2001 - sekarang: Kepala Laboratorium Intelligent Busincs
T elepon Kantor : (031) 593 9214 Systems, Jurusan Teknik Informatika, ITS.
Fax kantor : (031) 593 6813 5. 2000 - 2004: Koordinator Program Pascasarjana Jurusan Tek nil
Email : joko@cs.its.ac.id; joko(Q),its-sby.edu, Informatika, ITS.
jokolianto(Q),yahoo.com 6. 2008 - sekarang: Koordinator Bidang Keahlian Manajemc i
Alamat rumah : J1. Pandegiling 236 A, Surabaya - 60262 Teknologi Informasi, MMT, ITS.
Handphone : 0812 356 5642 7. 2008 - sekarang: Koordinator Program Pascasarjana JurUS<l1
Teknik Informatika, ITS.

Data keluarga:
Istri : Liliek Anawaty, S.Pd. Keanggotaan Profesi:
Anak • Anggota Institute of Electrical and Electronics Engineers
Computer Society (IEEE CS): 1997 - 2005.
• Anggota Association for Computing Machinery (ACM
1998 - sekarang.

29
28

 • Anggota Society for Modeling & Simulation International Publikasi J urnal (Pilihan):
(SCS): 1997 - sekarang. • Buliali, Joko Lianto; Chastine Fatichah; Muji Santoso. 2009
Hybrid Neural Network-Monte Carlo Simulation for StocJ
Training (Pilihan): Price Index Prediction. Asian Journal of InformatiOJ
• Learning Management System (LMS) and e-Learning. 2007. Technology, Volume 8 Number 1, January 2009.
• Lead Auditor ISO 9001 :2008. 2009. • Buliali, Joko Lianto; Darlis Herumurti; Giri Wiriapradja
• Pelatihan Asesor Badan Akreditasi Nasional Perguruan 2008. Penjadwalan Matakuliah dengan MenggunakaJ
Tinggi. 2009. Algoritma Genetika dan Metode Constraint Satisfaction
Jumal Ilmiah Teknologi Informasi, Volume 7, Nomor 1
Riwayat Kepangkatan: Januari 2008. .
CPNS TMT : 1 Maret 1992 • Buliali, Joko Lianto; Wahyudi Agustiono. 2007. Aplikas
Penata Muda I Gol. TU/a TMT : 1 Oktober 1993 Penentuan Pemberian Pembiayaan pada Lembaga KeuangaJ
Penata Muda Tk. TI Gol. III/b TMT : 1 Maret 2001 Syari'ah. Jumal llmiah Teknologi Informasi, Volume 6
Penata I Gol. I1l1c TMT : 1 April 2005 Nomor 2, Juli 2007.
Penata Tk. TI Gol. TWd TMT : 1 April 2007 • Buliali, Joko Lianto; Yazid Priadi Erfiandi, Abdul Latie
Abadi. 2006. Diagnosis Penyakit Tanaman Apel di Indonesi,
Riwayat Jabatan Fungsional: dengan Pemodelan pada Sistem Pakar. Jurnal Gematika, vol
Asisten Ahli Madya TMT : 1 Oktober 1993
7, no. 2, Juni 2006.
Asisten Ahli TMT : 1 Januari 2001 (lnpassing)
• Buliali, Joko Lianto; Sudariyanti. 2005. Penentuan Lokas
Lektor TMT : 1 Maret 2005
Waralaba dengan Sistem Informasi Geografis: Simulasi pad,
Guru Besar TMT : 1 April 2010 (loncat jabatan)
Sejumlah Kotamadya di Propinsi Jawa Timur. Jurna
Gematika, vol. 6, no. 2, Juni 2005.
Penelitian yang didanai (Pilihan):
• Buliali, Jol<o Lianto; Ahmad Saikhu; Sarwosri; Daniel Publikasi Seminar (Pilihan):
Oranova Siahaan. 2010. Pengembangan Sistem Otomasi • Buliali, Joko Lianto; Darlis Herumurti; Ihwana Rahmawati
Penelusuran Produk di PT Aneka Tuna Indonesia - Pasuruan. Studi Banding Metode Peramalan Penjualan antara Arim o
Dewan Riset Nasional. Box-Jenkins dengan Jaringan Multilayer Perceptron
• Buliali, Joko Lianto; Dini Adni Navastara; Erina Letivina Prosiding Konferensi Nasional Sistem Informasi 2009
Anggraini; Wijayanti Nurul K. 2009. Sistem Pengumpulan Yogyakarta, 17 Januari 2009.
Suara Online dengan Menggunakan Teknologi Touch Screen: • Buliali, Joko Lianto; Ahmad Saikhu; Moh. Hasbi Assidiqi
Simulasi pada Pemilu 2009. DP2M Ditjen Dikti. 2008 . Pencocokan Sidik Jari Menggunakan Phase Onl)
• Buliali, Joko Lianto; Nanik Suciati; Ahmad Saikhu; Darlis Correlation. Prosiding Seminar Nasional Sistem Informas
Herumurti; Sarwosri. 2007 . Development of Content-Based Indonesia 2008, Surabaya, 17 Desember 2008.
Image Retrieval System using Object Recognition. • Buliali, Joko Lianto; Nunut Priyo Jatmiko; Fifiq Husnanto
PREDICT-ITS Batch 1. 2008. Simulasi Untuk Penentuan Waktu Turn-Arounc
Minimum Pada Penjadwalan Proses Sistem Operas

30 31
 Windows. Prosiding Konferensi Nasional Sistem dan
Informatika 2008, Bali, 15 November 2008.
• Buliali, loko Lianto; Sri Anita Siamba. 2008. Simulasi untuk
Menentukan Komputer dan Komponen Cadangan di
Lembaga Pendidikan Komputer, Studi Kasus di Lembaga
Pendidikan Komputer X Surabaya. Prosiding Seminar
Teknosim, UGM Yogyakarta, 16 Oktober 2008.
• Buliali, loko Lianto; Dyan Putri Pamungkas. 2008. Sistem
Informasi Geografis untuk Penentuan Area Rawan Banjir
dengan Multi Criteria Evaluation: Studi Kasus pada Kota
Surabaya. Prosiding Seminar Nasional Kebangkitan
Teknologi Informasi dan Komunikasi Nasional, Surabaya, 31
Mei 2008.

32