Model stokastik

Model stokastik adalah salah satu cabang ilmu statistika. Kata stokastik (stochastics)
merupakan jargon untuk keacakan (Random). Proses stokastik sebagai suatu barisan kejadian
yang memenuhi hukum-hukum peluang. Setiap nilai yang berubah terhadap waktu dengan cara
yang tidak tertentu (dalam ketidakpastian) dikatakan mengikuti proses stokastik. Dengan
demikian, jika dari pengalaman yang lalu keadaan yang akan datang suatu barisan kejadian
dapat diramalkan secara pasti, maka barisan kejadian itu dinamakan deterministik. Sebaliknya
jika pengalaman yang lalu hanya dapat menyajikan struktur peluang keadaan yang akan datang,
maka barisan kejadian yang demikian disebut stokastik. Model stokastik banyak digunakan
untuk memodelkan evolusi suatu sistem yang mengandung suatu ketidakpastian atau sistem
yang dijalankan pada suatu lingkungan yang tak dapat diduga, dimana model deterministik
tidak lagi cocok dipakai untuk menganalisis sistem. Dalam teori probabilitas, probabilitas
menunjuk pada eksperimen yang terdiri dari prosedur dan pengamatan. Konsep variabel
stokastik memetakan hasil eksperimen tersebut ke dalam garis bilangan real. Sedangkan
konsep proses stokastik(acak) merupakan perluasan dari konsep variabel stokastik dengan
memasukkan waktu. Kata proses dalam konteks ini berarti fungsi dari waktu. Jadi proses
stokastik (acak) dapat diartikan sebagai fungsi stokastik dari waktu.
Model stokastik didasarkan pada perluasan konsep variabel stokastik dengan
memasukkan waktu. Karena variabel stokastik X berdasarkan definisinya merupakan fungsi
dari outcome yang mungkin s dari eksperimen, maka proses stokastik menjadi fungsi dari s dan
waktu. Dengan kata lain, fungsi waktu x(t,s) untuk setiap outcome s. Keluarga dari seluruh
fungsi ini dinotasikan X(t,s) disebut proses stokastik. Dalam notasi pendek proses stokastik
dinyatakan dengan X(t). Jelas bahwa, proses stokastik X(t,s) merepresentasikan suatu
ansambel dari fungsi waktu bila t dan s variabel. Setiap anggota fungsi waktu disebut fungsi
sampel atau seringkali disebut dengan realisasi dari proses. Model stokastik juga
merepresentasikan fungsi sampel bila t adalah variabel dan s tetap pada nilai tertentu
(outcome). Proses stokastik juga merepresentasikan variabel stokastik bila t adalah tetap dan
s variabel. Sebagai contoh, variabel stokastikX(t1,s)=X(t1) diperoleh dari proses bila waktu
dipertahankan pada nilai t1. Seringkali digunakan notasi X1 untuk menotasikan variabel
stokastik yang dihubungkan dengan proses X(t) pada waktu t1. X1 berhubungan dengan irisan
secara vertikal dari seluruh ansambel pada waktu t1 sepeti yang ditunjukkan pada gambar.
Sifat-sifat statistik dari X1 = X(t1) mendeskripsikan sifat-sifat statistik dari proses stokastik
pada waktu t1. Nilai ekspektasi dari X1 ini disebut rata-rata ansambel atau nilai mean dari
proses stokastik (pada waktu t1). Berikut Rumus untuk melakukan perhitungan stokastik :
1
𝑄𝑙𝑏 = Σ𝑙𝑏
𝜎02

𝑃 = 𝑄𝑙𝑏 −1

𝑃 = 𝜎02 Σ𝑙𝑏 −1
 Model matematika
Model matematika adalah penggunaan struktur, fungsi dan persamaan matematika
untuk memahami hubungan antara faktor-faktor yang mempengaruhi suatu sistem atau
fenomena. Model matematika berupaya untuk mengimitasi suatu kejadian dengan
mengkuantifikasi variabel-variabel yang mempengaruhi kejadian tersebut. Di dalam
prosesnya, seseorang terlebih dahulu melakukan observasi dari fenomena yang ingin diketahui
untuk mendapatkan data. Data yang telah diperoleh kemudian digunakan untuk membangun
model dengan menggunakan bahasa matematika. Selanjutnya, dilakukan validasi untuk
mengukur tingkat keakuratan model tersebut untuk memprediksi kejadian yang akan datang.
Model matematika menyatakan hubungan matematik antara data ukuran dengan parameter
diturunkan dari model pengamatan. model matematik akan menentukan model persamaan
observasi, misal pada metode parameter V = AX – L, model matematik akan mempengaruhi
bentuk matriks A & L.
Jenis model matematika yang dapat digunakan beragam, yang memiliki fungsi yang
berbeda. Ada beberapa kriteria yang dapat digunakan untuk menentukan model matematika
yang tepat untuk digunakan di dalam sebuah penelitian yaitu:
a. Linieritas, peneliti harus dapat mengidentifikasi trend dari setiap variabel yang
digunakan di dalam suatu model untuk menentukan persamaan matematika yang akan
digunakan. Trend linier akan digambarkan dalam persamaan dan fungsi matematika
linier, sementara trend nonlinier harus digambarkan dalam persamaan dan fungsi
matematika nonlinier. Trend ini dihasilkan dari pengumpulan data hasil observasi di
lapangan.
b. Variabel waktu, peneliti harus dapat mengasumsikan pengaruh variabel waktu terhadap
perubahan trend variabel-variabel di dalam model. Hal ini akan menentukan apakah
model yang digunakan bersifat statis atau dinamis. Jika peneliti menyimpulkan bahwa
variabel-variabel lain tidak berubah perilakunya seiring dengan perubahan waktu, maka
model yang dibangun adalah model statis. Sementara sebaliknya, jika perilaku salah satu
atau semua variabel berubah seiring berjalannya waktu, maka model yang tepat
digunakan adalah model dinamis.
c. Parameter, peneliti harus menentukan apakah semua variabel input yang mempengaruhi
output model dapat secara langsung teridentifikasi. Jika semua variabel input dapat
diketahui, maka model tersebut bersifat eksplisit. Jika tidak, maka model harus dibangun
secara iteratif untuk mencari tahu faktor-faktor implisit yang belum diketahui.
d. Probabilitas, peneliti harus dapat mengidentifikasi apakah suatu kejadian memiliki aspek
ketidakpastian. Model deterministik adalah model yang variabel-variabelnya secara unik
ditentukan oleh satu parameter sehingga bersifat pasti. Sebaliknya, model stokastik
(statistik) adalah model yang memperhitungkan unsur ketidakpastian dalam bentuk error.