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.
SISTEM
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
ALAT 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
Penggunaan Komputer :
SIMULASI SISTEM:
OPERASINYA
MODEL SISTEM
programming
PROGRAM KOMPUTER
SIMULASI SISTEM:
METODOLOGI
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
JENIS-JENIS
MODEL
Persamaan Ketidak-samaan
Fungsi MODEL IKONIK : Model Fisik 1. Peta-peta geografis 2. Foto, Gambar, Lukisan 3. Prototipe MODEL ANALOG :
SIFAT MODEL
FUNGSI MODEL
MODEL DESKRIPTIF
dari
TAHAPAN PEMODELAN
1. Seleksi Konsep
1. Asumsi Model 2. Konsistensi Internal 3. Data Input ----- hitung parameter 4. Hubungan fungsional antar peubah-peubah 5. Uji Model vs kondisi aktual
Definition and bounding of the PROBLEM Identification of goals and objectives Generation of solutions MODELLING Evaluation of potential courses of action Implementation of results
MODELLING VALIDATION
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
COMPLEXITY AND MODELS The real system sangat kompleks The hypotheses to be tested
MODEL
Sub-systems
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
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.
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
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
Recognition
Definitions
Bounding Objectives
Identification Generality
Solution
Generation
Modelling
Evaluation
Implementation
Generation of solution
MODELLING
Implementation of results
Tipe
Regressor
JENIS VARIABEL
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.
Mathematical
Rules Maynard-Smith Predicted values
Formal Expression
Words
Model
Physical
Symbolic
Comparison
Mathematical
Simplified
Data values
Simulation
Transfer
Complexity
Replacement Communication
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
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
Elements
Dominant
Types
Eigen vector Rectangular Diagonal Identity Square
Vectors
Scalars
Row Column
MATRIX MODEL
DEVELOPMENT
Groups
Stochastic
Size
Markov Models
Development stages
STOCHASTIC MODEL
STOCHASTIC
Probabilities
History
Other Models
Dynamics
STOCHASTIC MODEL
Spatial patern
Distribution
Example
Poisson
Negative Binomial
Test
Fitting
STOCHASTIC MODEL
ADDITIVE MODELS
Basic Model
Example
Error Parameter
Estimates
Analysis
Variance
Experimental
Treatments
Significance
STOCHASTIC MODEL
REGRESSION
Model
Example
Decomposition
Equation
Theoritical base
Experimental
Assumptions
Empirical base
STOCHASTIC MODEL
MARKOV
Analysis Example Assumptions
Disadvantage
Advantages
Raised mire
MULTIVARIATE MODELS
METHODS
VARIATE Variable Classification
Dependent
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
Minimum
Similarity Single linkage Distance
Settlement patern
MULTIVARIATE MODEL
CANONICAL CORRELATION
Example
Irrigation regions
MULTIVARIATE MODEL
Discriminant Function
Example
Vehicles Test
Structures
OPTIMIZATION MODEL
OPTIMIZATION
Dynamic Meanings Indirect Linear NonLinear
Maximization
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
Reasonableness
Introduction
Reasons Comparison
Speed
Implication Waste
Repetition Checking
Data Program
High level
Algoritms
Language Information
Machine code
Special
DYNAMO. Etc.
Sampling Exchange
Punched card
Paper tape
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