Ass. Wr. wb.

MK. DASAR EKOSISTEM

SISTEM DAN PEMODELAN SISTEM

Prof Dr Ir Soemarno, MS MALANG, 2004

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 complex problems

The Comprehensive Model

FIVE GEOMETRIES in Land use system

Non-Land resources geometry Human demand geometry

LAND USE GEOMETRY

Land Resources Geometry

Land Degradation Geometry

SISTEM

sbg suatu pendekatan

1. Filosofis 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 BANTU
digunakan dalam:

Model Abstrak: Perilaku esensialnya sama dengan dunia nyata

1. Perancangan / Disain Sistem 2. Menganalisis SISTEM strukturnya INPUT ..... beragam STRUKTUR .. fixed OUTPUT .. Diamati perilakunya 3. Simulasi SISTEM untuk sistem yang kompleks

Penggunaan Komputer :

SIMULASI SISTEM:
OPERASINYA

Simulasi Komputer: Disain Sistem Strategi Pengelolaan Sistem

MODEL SISTEM

programming

PROGRAM KOMPUTER

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 4. Peubah - peubah 5. Parameter
Operasi Matematik: Formula, Tanda, Aksioma

MATEMATIKA

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

Deskripsi matematik kondisi dunia nyata

dari

MODEL ALOKATIF : Komparasi alternatif untuk mendapatkan optimal solution

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 SISTEM - MODEL - PROSES

Bounding - Word Model Alternatives: Separate - Combination
Relevansi : Indikator - variabel - subsistem Proses : Linkages - Impacts Hubungan : Linear - Non-linear - interaksi Decision table:

MODELLING VALIDATION

Data : Plotting - outliers Analisis : Test - Estimation Choice :

Verifikasi: Subyektif - reasonable Uji Kritis: Eksperiment - Analisis/Simulasi Sensitivity: Uncertainty - Resources - Interaksi

INTEGRATION

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

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 Simplification Hierarchy Priorities Goals

Definitions
Bounding Objectives

Identification Generality

Solution
Generation

Family Selection Inter-relationship Feed-back Stopping rules Sensitivity & Assumptions

Modelling
Evaluation

Implementation

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 Parameter Konstante Likelihood
Dependent Independent Maximum Sampel Simulasi Populasi Probability Analitik

Tipe

Regressor

JENIS VARIABEL

Intervening (Mediating) Moderator Independent

INTRANEOUS
EXTRANEOUS

Dependent

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 Goodall
Mapping Representational
Homomorph

Mathematical
Rules Maynard-Smith Predicted values

Formal Expression

Words

Model
Physical
Symbolic

Comparison

Mathematical

Simplified

Data values

Simulation

MODEL & MATEMATIK: Relatives

Advantages Disadvantages
Distortion Precise Abstract Opaqueness

Transfer

Complexity

Replacement Communication

MODEL & MATEMATIK: Families

Types Basis
Choices

Dynamics Compartment

Stochastic

Multivariate

Network

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

Dynamics Computer

SIMULATION

Equations

FORMAL

Language
ANALYSIS Special DYNAMO CSMP CSSL General

BASIC

DYNAMIC MODEL
DIAGRAMS

RELATIONAL LEVELS

SYMBOLS AUXILIARY VARIABLES RATE EQUATIONS

MATERIAL FLOW

PARAMETER

SINK

INFORMATION FLOW

DYNAMIC MODEL:
ORIGINS
Abstraction Computers Equations Steps

Hypothesis
Discriminant Function Other functions Exponentials Simulation Undestanding

Logistic

MATRIX MODEL
MATHEMATICS

Operations

Matrices

Eigen value

Additions Substraction Multiplication Inversion

Elements

Dominant

Types
Eigen vector Rectangular Diagonal Identity Square

Vectors

Scalars

Row Column

MATRIX MODEL
DEVELOPMENT

Interactions Materials cycles

Groups

Stochastic

Size

Markov Models

Development stages

STOCHASTIC MODEL
STOCHASTIC

Probabilities

History

Other Models

Statistical method Stability

Dynamics

STOCHASTIC MODEL
Spatial patern

Distribution

Example

Pisson Binomial Negative Binomial Others

Poisson

Negative Binomial

Test

Fitting

STOCHASTIC MODEL
ADDITIVE MODELS

Basic Model

Example

Error Parameter

Estimates

Analysis

Orthogonal Block Effects

Variance

Experimental
Treatments

Significance

STOCHASTIC MODEL
REGRESSION

Model

Example

Error Linear/ Nonlinear functions

Decomposition

Equation

Oxygen uptake Reactions

Theoritical base

Experimental
Assumptions

Empirical base

STOCHASTIC MODEL
MARKOV
Analysis Example Assumptions

Analysis Transition probabilities

Disadvantage

Advantages

Raised mire

MULTIVARIATE MODELS
METHODS
VARIATE Variable Classification

Dependent

Descriptive Principal Component Analysis Cluster Analysis Reciprocal averaging

Predictive

Independent

Discriminant Analysis

Canonical Analysis

MULTIVARIATE MODEL
PRINCIPLE COMPONENT ANALYSIS
Requirement Example Correlation Objectives

Environment Organism

Eigenvalues

Eigenvectors

Regions

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 Eigenvectors

Irrigation regions

MULTIVARIATE MODEL
Discriminant Function

Example

Discriminant Calculation Villages

Vehicles Test

Structures

OPTIMIZATION MODEL
OPTIMIZATION
Dynamic Meanings Indirect Linear NonLinear

Simulation Minimization Experimentation

Objective function Constraints Solution Examples

Maximization

Optimum Transportation Routes Optimum irrigation scheme Optimum Regional Spacing

MODELLING PROCESS
System analysis

Introduction

Processes Model Bounding Systems Impacts Space Time Niche Elements Factorial Confounding Separate Combinations

Definition
Word Models Alternatives

Hypotheses Data

Plotting Outliers

Modelling

Analysis Choices

Test Estimates

Validation
Conclusion Integration

Communication

MODELLING PROCESSES
HYPOTHESES
Decision Table Relevance Processes Relationships

Variable

Linkages Impacts

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

Sensitivity Analysis

Subjectives Analysis

Uncertainty
Resources

Objectivities Experiments Interactions

Reasonableness

ROLE OF THE COMPUTER

Roles

Introduction

Reasons Comparison

Speed Data Algoritm Manual Calculator Computer

Speed
Implication Waste

Techniques Errors Plotting 9/10 Modelling

Repetition Checking

Data Program

High level

FORTRAN BASIC ALGOL

Algoritms

Language Information

Machine code

Special

DYNAMO. Etc.

Development Conclusions Programming

ROLE OF THE COMPUTER

DATA
Machine readable Cautions Availability Format

Sampling Exchange

Punched card
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
INTERVAL Komponen Nama
NOMINAL Komponen Nama (Nomos)

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

ORDINAL Komponen Nama Komponen Peringkat (Order)

Ass. Wr. wb.

MK. DASAR EKOSISTEM

SISTEM DAN PEMODELAN SISTEM

Prof Dr Ir Soemarno, MS MALANG, 2004