PERBAIKAN EVALUASI AKHIR SEMESTER MATA KULIAH SISTEM

INFORMASI MANAJEMEN PERIKANAN TANGKAP

“Model Stokastik (Pengambilan Keputusan pada Kondisi Ketidakpastian)”

Oleh:
Nama : Yasinta Rahmaningtyas
NIM : 195080200111036
Kelas : P03
Dosen Pengampu : Mihrobi Khalwatu Rihmi, S.Pi, M.Si

SISTEM INFORMASI MANAJEMEN PERIKANAN TANGKAP

FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS BRAWIJAYA
MALANG
2021
 DAFTAR ISI

Halaman
DAFTAR ISI....................................................................................................................... i

DAFTAR GAMBAR ......................................................................................................... ii

DAFTAR TABEL ............................................................................................................ iii

BAB 1. PENDAHULUAN ................................................................................................ 1

1.1 Latar Belakang .......................................................................................................... 1

1.2 Rumusan Masalah .................................................................................................... 2

BAB 2. TINJAUAN PUSTAKA....................................................................................... 3

2.1 Perbedaan Model Deterministik dan Model Stokastik.............................................. 3

2.2 Pengertian Model Stokastik ...................................................................................... 3
2.3 Ruang Lingkup Model Stokastik .............................................................................. 4
2.4 Klasifikasi Model Stokastik ...................................................................................... 4
2.4.1 Model Persediaan ............................................................................................... 4
2.4.2 Model Antrian .................................................................................................... 4
2.4.3 CPM dan PERT.................................................................................................. 5
2.4.4 Perbedaan CPM dan PERT ................................................................................ 6
2.4.5 Rantai Markov ................................................................................................... 7
2.4.6 Teori Keputusan ................................................................................................. 7
2.4.7 Simulasi.............................................................................................................. 9
2.5 Implementasi Model Stokastik.................................................................................. 9
2.5.1 Secara Umum ..................................................................................................... 9
2.5.2 Dalam Dunia Perikanan ................................................................................... 11
BAB 3. PENUTUP .......................................................................................................... 13

3.1 Kesimpulan ............................................................................................................. 13

3.2 Saran ....................................................................................................................... 13
DAFTAR PUSTAKA ...................................................................................................... 14

i
 DAFTAR GAMBAR

Gambar Halaman
1. Proses Kelahiran dan Kematian Sel T Naif................................................................... 10
2. Entry Flow Diagram Antrian Kapal Perikanan ............................................................. 11
3. Simulasi Proses Antrian ................................................................................................ 11

ii
 DAFTAR TABEL

Tabel Halaman
1. Jumlah Perhitungan Replikasi ....................................................................................... 12

iii
 BAB 1. PENDAHULUAN

1.1 Latar Belakang

Sistem adalah sekumpulan objek yang saling berinteraksi dan bekerja sama
untuk mencapai tujuan logis dalam suatu lingkungan yang kompleks. Objek yang
menjadi komponen sebuah system dapat berupa objek terkecil dan bisa juga berupa
sub-sistem atau system yang lebih kecil. Terdapat berbagai cra yang digunakan
untuk dapat merancang, mengoperasikan, serta menganalisis sebuah system.
Pemodelan merupakan salah satu cara yang dapat digunakan yakni dengan
membuat model dari system tersebut. Model sendiri digunakan sebagai alat untuk
menganalisis ataupun merancang system. Model juga dapat menjadi sarana
komunikasi yang sangat efisien serta menunjukkan bagaimana suatu operasi kerja
dapat dan mampu merangsang untuk menunjukkan bagaimana meningkatkan dan
memperbaikinya.
Model sendiri dapat didefinisikan sebagai suatu deskripsi logis tentang
bagaimana system bekerja atau komponen saling berinteraksi. Harapan dari
pembuatan model ini adalah suatu system dapat lebih mudah dalam menganalisis.
Hal ini merupakan prinsip salah satu pemodelan yakni pemodelan bertujuan untuk
mempermudan analisis dan pengembangannya. Dengan mempelajari dan
melakukan pemodelan kita dapat mengetahui sebuah sistem bekerja dan model itu
sendiri juga macam-macam perbedaan perilakunya.
Dalam sebuah penelitian umumnya data yang digunakan merupakan data
data yang semua parameter ataupun variabelnya sudah tentu atau sudah pasti
(deterministk). Namun tentunya untuk masa yang akan datang data yang diperlukan
mengandung ketidakpastian (stokastik). Pembuatan keputusan pada problem
perencanaan dalam praktiknyamengalami kendala yakni ketidakpastian problem
data. Problem-problem ini sering dimulai dari model perencanaan dimana
keputusannya bercermin dan dibuat pada masa kini. Problem yang disebabkan oleh
ketidakpastian data ini dapat disajikan dengan berbagai cara meliputi, stokastik,
programing, atau optimalisasi pada kondisi ketidakpastian. Dalam pemodelan

1
stokastik parameter tertentu merupakan variable stokastik yang mempunyai
beberapa distribusi probability kontinu atau diskrit.

1.2 Rumusan Masalah

Berdasarkan pemaparan diatas maka didapatkan rumusan masalah sebagai
berikut :

1. Bagaimana perbedaan model deterministik dengan model stikastik ?

2. Apa pengertian model stokastik ?
3. Bagaimana ruang lingkup model stokastik ?
4. Apa saja klasifikasi model stokastik ?
5. Bagaimana implementasi model stokastik ?

2
 BAB 2. TINJAUAN PUSTAKA

2.1 Perbedaan Model Deterministik dan Model Stokastik

Menurut Box (2016), Jika perhitungan secara tepat dapat dilakukan, model
yang diperoleh akan sepenuhnya bersifat deterministik. Jika tidak, maka disebut
model probabilitas atau model stokastik. Model time series yang digunakan untuk
peramalan dan pengendalian (forecasting and control) termasuk ke dalam model
stokastik. Sebagai contoh kita dapat menghitung jarak tempuh kapal dengan jumlah
bahan bakar dan kecepatan yang sudah ditentukan. Jika perhitungan jarak tempuh
kapal dapat secara tepat diperoleh maka model seperti itu dapat sepenuhnya
dikatakan bersifat deterministik. Namun, mungkin akan bersifat deterministik bila
terdapat faktor-faktor lain yang tidak diketahui. Namun demikian masi
memungkinkan untuk mendapatkan model yang dapat digunakan untuk
menghitung probabilitas nilai masa depan (future value) yang terletak di antara dua
batas tertentu. Model tersebut disebut dengan model probabilitas atau model
stokastik. Model time series yang digunakan untuk peramalan dan engendalian
(forecasting and control) termasuk ke dalam model stokastik.

2.2 Pengertian Model Stokastik

Model stokastik adalah salah satu cabang program matematika yang
berkenaan dengan situasi dimana keputusan optimalnya mengandung
ketidakpastian pada data. Model ketidakpastian dengan objek dapat menyebabkan
problema program stokastik menjadi diversi, yangs kerap kali disebut dengan
program dua tahap. Model stokastik ini mengandung unsur acak atau distribusi
peluang, sehingga tidak hanya membuat penaksiran keluaran yang definitive tapi
juga disertai dengan deviasi (variance). Semakin besar ketidakpastian akan tingkah
laku suatu sistem, semakin penting penerapan model stokastik. Proses seperti
kelahiran, migrasi, kematian, dan konversi kimia cenderung terjadi secara acak.
Tangkah laku sistem dapat menjadi deterministic apabila kuantitas besar dilibatkan,
artinya variasi yang sangat kecil tidak begitu berarti dalam taksiran yang dihasilkan
model.

3
2.3 Ruang Lingkup Model Stokastik
Ruang lingkup dari metode stokastik dibagi menjadi beberapa bagian yaitu
sebagai berikut :

1. Teori antrian, merupakan cabang dari terapan teori probabilitas yang

awalnya digunakan untuk mempelajri kemacetan lalu lintas telepon.
2. Program dinamis, merupakan suatu Teknik matematis yang biasanya
digunakan untuk membuat suatu keputusan dari serangkaian keputusan
yang saling berkaitan. Ide dasar dari program dinamis adalah membagi
persoalan menjadi beberapa bagian yang lebih kecil sehingga
mempermudah penyelesaian.
3. Rantai Markov, merupakan suatu metode yang mempelajari sifat-sifat
suatu variable pada masa sekarang yang sifat-sifatnya didasarkan pada
masa lalu sebagai usaha dalam menaksir sifat dari variable tersebut di
masa mendatang.
4. Teori permainan, merupakan teori yang mengatur mengenai persaingan
antar dua individua tau kelompok dengan menggunakan aturan-aturan
yang telah diketahui oleh kedua belah pihak.

2.4 Klasifikasi Model Stokastik

2.4.1 Model Persediaan
Menurut Tanthatemee dan Phruksapharnat (2012), Model persediaan
stokastik adalah salah satu model persediaan yang paling mendasar dari semua
model persediaan, selain itu model ini adalah model yang paling banyak digunakan
dalam industry, dan sebagai dasar pengembangan model persediaan yang lainnya.
Probabilitas distribusi biasanya diestimasikan berdasarkan data masa lalu. Model
ini digunakan ketika ketidakpastian diperlakukan sebagai keacakan dan ditangani
oleh teori probabilitas. Diasumsikan bahwa permintaan diwakili distribusi normal
dengan memperkirakan rata-rata permintaan harian dan standart deviasinya.

2.4.2 Model Antrian

Menurut Mulyono (2002), Teori antrian adalah teori yang menyangkut studi
matematis dari antrian atau abris-baris penungguan. Formasi baris-baris
penungguan ini tentu saja merupakan suatu fenomena yang biasa terjadi apabila

4
kebutuhan akan suatu pelayanan melebihi kapasitas yang tersedia untuk
menyelenggarakan pelayanan. Keputusan-keputusan yang berkenaan dengan jumla
kapasitas iniharus dapat ditentukan, walaupun sebenarnya tidak mungkin dapat
dibuat suatu prediksi yang tepat mengenai kapan unit-unit yang membutuhkan
pelayanan itu akan datang dan atau berapa lama waktu yang diperlukan untuk
menyelenggarakan pelayanan itu.
Menurut Tutuarima (2016), Antrian merupakan fenomena dinamis
Kemungkinan yang terjadi adalah pelanggan menunggu untuk suatu pelayanan atau
suatu fasilitas pelayanan. Bila antrian dilihat dari pendekatan sistem, maka bila
jumlah pelanggan yang datang atau meninggalkan sistem adalah konstan atau pada
tingkat kecepatan yang sama, maka tidak akan terbentuk suatu antrian. Teori antrian
diciptakan pada tahun 1909 oleh ahli matematika dan insinyur berkebangsaan
Denmark bernama A.K Erlang yang melakukan percobaan dengan
mengembangkan model antrian untuk jumlah yang optimal dari fasilitas telephone
switching yang digunakan untuk melayani permintaan yang ada. Penggunaan model
antrian meluas sejak akhir Perang Dunia ke-2.Di dalam dunia usaha saat ini banyak
perusahaan beroperasi dengan sumberdaya yang relatif terbatas dan seringkali
terjadi pelanggan yang perlu menunggu untukmendapatkan pelayanan. Secara
umum teori antrian adalah teori yang berhubungan dengan analisa suatu antrian dan
perilakunya yang akan terjadi apabila jumlah pelanggan atau sesuatu yang harus
dilayani lebih besar dari tingkat jumlah dari pada tingkat jumlah pelayanannya,
sehingga fasilitas pelayanan tidak dapat memenuhi kebutuhan tersebut secara
bersamaan. Tujuan dasar model antrian adalah untuk meminimumkan total dua
biaya, yaitubiaya langsung penyediaan fasilitas pelayanan dan biaya tidak langsung
yang timbul karena para individu harus menunggu untuk dilayani. Bila suatu sistem
mempunyai fasilitas pelayanan lebih dari jumlah optimal, ini berarti membutuhkan
investasi modalyang berlebihan, tetapi bila jumlahnya kurang dari optimal hasilnya
adalah tertundanya pelayanan.
2.4.3 CPM dan PERT
CPM (Critical Path Method) dan PERT (Program Evaluation and Review
Technique) merupakan suatu alat analisis proyek yang sudah banyak dikenal pada
bidang manajemen. Proyek tersebut terdiri atas seragkaian kegiatan dan beberapa

5
diantara kegiatan tersebut saling terkait. Suatau kegiatan hanya dapat dilakukan
setelah kegiatan sebelumnya selesai dilakukan. Serangkaian kegiatan tersebut dapat
digambarkan melalui sebuah diagram.
Menurut Dewi dan Inne (2018), metode PERT (Program Evaluation and
Review Technique) adalah metode penjadwalan proyek yang berdasarkan jaringan
yang memerlukan tiga dugaan waktu untuk setiap kegiatan. Dengan menggunakan
tiga dugaan waktu ini, peluang penyelesaian proyek pada tanggal yang ditetapkan
dapat dihitung, bersama dengan waktu mulai dan akhir standar untuk flap kegiatan
atau kejadian. Maksud dari ketiga dugaan waktu tersebut yakni :
1. Waktu optimis (a), waktu kegiatan jika semuanya berjalan dengan baik
tanpa hambatan atau penundaan.
2. Waktu paling mungkin (m), waktu kegiatan yang akan terjadi jika suatu
kegiatan dilaksanakan dalam kondisi normal, dengan penundaan tertentu
yang dapat diterima.
3. Waktu pesimis (b), waktu keiatan jiak terjadi hambatan atau penundaan
lebih semestinya.
Menurut Dewi dan Inne (2018), CPM (Critical Path Method) adalah metode
berdasarkan jaringan yang menggunakan keseimbangan waktu-biaya linear. Setiap
legiatan dapat diselesaikan lebih cepat dari waktu normalnya dengan cara memintas
kegiatan untuk sejumlah biaya tertentu. Dengan demikian, jika waktu penyelesaian
proyek tidak memuaskan, beberapa kegiatan tentu dapat dipintas untuk dapat
menyelesaikan proyek dengan waktu yang lebih sedikit. Dalam operasinya CPM
(Critical Path Method) adalah suatu metode dengan menggunakan diagram anak
panah untuk menentukan lintasan kritis sehingga disebut juga metode lintasan
kritis. CPM menggunakan suatu angka estimasi durasi kegiatan yang tertentu.
2.4.4 Perbedaan CPM dan PERT
Menurut Imam (1999) CPM adalah Teknik analisis untuk perencanaan
penjadwalan, dan pengendalian proyek dengan metode jalur kritis dengan taksiran
tunggal untuk lama satu aktivitas. Arah perhitungan CPM adalah peritungan maju
dan mundur, sedangkan PERT merupakan Teknik anaisis untuk mengasumsikan
ketidakpastian lama wakti aktivitas yang digambarkan dengan probabilitas tertentu
dan memerlukan tiga waktu taksiran untuk satu aktivitas. PERT juga

6
memperkenalkan parameter lain yang mencoba mengukur ketidakpastian tersebut
secara kuantitatif seperti standar deviasi dan varians.

2.4.5 Rantai Markov

Terdapat beberapa pengertian teori markov menurut beberapa ahli,
diantaranya :

1. Menurut Tjutju (1992), Rantai Markov adalah suatu Teknik matematika

untuk peramalan perubahan pada variable-variabel tertentu berdasarkan
pengetahuan dari perubahan sebelumnya.
2. Menurut Siagian (2006), Rantai Markov adalah suatu metode yang
mempelajari sifat-sifat suatu variable pada masa sekarang yang
didasarkan pada sifat-sifat suatu variable masa lalu dalam usaa menaksir
sifat-sifat variable tersebut dimasa yang akan datang.
3. Menurut Sonnenberg, A.F, (2005) Rantai Markov adalah suatu model
teoritis yang menerangkan keadaan sebuah sistem pada suatu tahap
tertentu. Model Markov menyediakan cara yang lebih nyaman
pemodelan prognosis untuk masalah klinis dengan resiko yang sedang
berlangsung untuk memperkirakan perubahan-perubahan pada waktu
yang akan datang.

Adapun syarat yang harus dipenuhi untuk dapat menerapkan rantai Markov
ke dalam suatu kasus yakni :

1. Jumlah probabilitas transisi untuk suatu keadaan awal dari sistem sama
dengan satu.
2. Probabilitas-probabilitas tersebut berlaku untuk semua partisipan dalam
sistem.
3. Probabilitas transisi konstan sepanjang waktu.
4. Kondisi merupakan kondisi bebas sepanjang waktu.

2.4.6 Teori Keputusan

Dalam teori keputusan dignakan pohon keputusan atau Decision Tree,
merupakan model visual yang menyederhanakan proses pembuatan keputusan

7
secara rasional. Visualisasi ini memungkinkan kita untuk memahami proses
pembuatan keputusan yang terstruktur, bertahap, dan rasional.
Kelebihan dari metode pohon keputusan adalah sebagai berikut :
1. Daera pengambilan keputusan yang sebelumnya kompleks dan sangat
global dapat diubah menjadi lebih simple dan spesifik.
2. Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika
menggunakan metode pohon keputusan maka sampel diuji hanya
berdasarkan kriteria atau kelas tertentu.
3. Fleksibel untuk memilih fitur dari node internal yang berbeda, fitur yang
terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain
dalam node yang sama. Kefleksibelan metode pohon keputusan
meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan
ketika menggunakan metode penghitungan satu tahap yang lebih
konvensional.
4. Dalam analisis multivariant, dengan kriteria dan kelas yang jumlahnya
sangat banyak, seorang penguji biasanya perlu mengestimasikan
distribusi dimensi tinggi ataupun parameter tertentu dari distribudi kelas
tersebut. Metode pohon keputusan dapat menghindari kemunculan
masalah ini dengan menggunakan kriteria yang jumlahnya lebih sedikit
pada setiap node internal tanpa banyak mengurangi kualitas keputusan
yang dihasilkan.
Kekurangan dari mode pohon keputusan :
1. Terjadi overlapping terutama ketika kelas-kelas dan kriteria yang
digunakan jumlahnya banyak, hal ini dapat menyebabkan meningkatnya
waktu pengambilan keputusan dan jumlah memori yang diperlukan.
2. Pengakumulasian jumlah kesalahan dari setiap tingkat dalam sebuat
pohon keputusan yang besar.
3. Kesulitan dalam mendesain pohon eputusan yang optimal.
4. Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan
sangat tergantung pada bagaimana pohon tersebut didesain.

8
2.4.7 Simulasi
Menurut Novani (2014), Simulasi merupakan metode dengan menghindari
teknik trial dan proses mahal yang memakan waktu. Dengan menggunakan bantuan
komputer untuk memodelkan, maka model imitasi dapat menyerupai sistem nyata.
Kekuatan simulasi terletak dalam hal menyediakan metode analisis yang tidak
hanya bersifat formal dan prediktif, tapi juga dapat memprediksi secara akurat
bagaimana kinerja sebuah sistem yang kompleks sekalipun.
Adapun karakteristik simulasi yang menjadikannya sebagai alat pembuat
keputusan yang kuat dapat dijelaskan di bawah ini:
1. Mengidentifikasi ketergantungan dalam sistem
2. Bersifat fleksibel untuk jenis sistem manapun
3. Menunjukkan perilaku terhadap waktu
4. Tidak memakan banyak biaya, banyak waktu dan error yang lebih besar
dibandingkan dengan metode kuantitatif lain
5. Menghasilkan informasi pada pengukuran beberapa kinerja sistem
6. Menghasilkan analisis yang mudah dipahami dan dijelaskan.
Tahapan-tahapan simulasi yang harus dilakukan adalah sebagai berikut:
1. Pengidentifikasian sistem dan entitas-entitasnya
2. Pengumpulan Data
3. Identifikasi Jenis-jenis data
2.5 Implementasi Model Stokastik
2.5.1 Secara Umum
Menurut Paris (2011), Model lengkap untuk jumla sel-sel T dalam
clonotype i sebagai berikut :

Berdasarkan model tersebut dapat diasumsikan bahwa sebagai proses

kelahiran dan kematian waktu kontinu {Xt ; t ≥ t0} pada state space S = {0,1,2,…}
dengan laju kelairan dan kematian sebagai berikut :

λ0 = 0

9
λn = λn, n ≥1

µn = µn, n ≥ 0

Bedasarkan penelitian tersebut dengan mensubstitusikan laju kelahiran

pada persamaan :

dan λn = λn, n ≥1, dimana label i pada clonotype i

dihilangkan untuk notasi yang cocok dengan mengasumsikan γ sebagai δ maka
persamaan λn = λn, n ≥1 menjadi sebagai berikut :

Sehingga, model mempunyai 4 parameter, yaitu :

1. δ sebagai parameter yang sepadan untuk jumlah APPs yang dapat
menyediakan sinyal untuk sel-sel T pada clonotype i.
2. ν adalah kompetisi penyediaan untuk sinyal di antara se-sel T pada
clonotype i dan sel-sel T pada clonotype-clonotype yang lain.
3. (n) adalah ukuran rata-rata clonotype di repertoire sel T naif.
4. µ adalah laju kematian per sel T pada clonotype.

Selanjutnya, proses kelahiran dan kematian sel T naif dengan laju

kelahiran dan kematian secara berturut-turut λn ≥ 0 dan µn ≥ 0 dan λ0 = 0, dapat
ditunjukkan oleh gambar berikut (Proses Kelahiran dan Kematian Sel T Naif)

Gambar 1. Proses Kelahiran dan Kematian Sel T Naif

10
 (Sumber : Fahrun, 2012)

Karena λ0 = 0, maka proses kelahiran dan kematian sel T mempunyai

penyerapan state pada n = 0, maka kepunahan clonotype akan terjadi jika proses
mencapai state ini. Dengan kondisi tersebut, maka dapat dihitung distribusi
peluang stationer, peluang kepunahan clonotype.

2.5.2 Dalam Dunia Perikanan

Berikut merupakan gambar entry flow diagram kondisi awal pada antrian
kapal perikanan pada Dermaga Pelabuhan Perikanan.

Gambar 2. Entry Flow Diagram Antrian Kapal Perikanan

(Sumber : Tutuarima, 2016)

Pada gambar diatas dapat dilihat bahwa kapal tangkap hanya masuk untuk
melakukan bongkar muat di tambatan yang telah ditetapkan, dan begitu pula kapal
tamping, hanya bisa melakukan bongkar muat pada tambatan yang telah ditetapkan.

Gambar 3. Simulasi Proses Antrian

(Sumber : Tutuarima, 2016)

Gambar diatas merupakan simulasi dari proses dimana kegiatan yang

dilakukan oleh kapal tamping dan kapal tangkap pada situasi yang sebenarnya.

11
Hasil simulasi dari kondisi awal dilakukan sebanyak 5 kali replikasi, berikut table
yang menunjukkan hasil perhitungan jumlah replikasi.

Table 1. Jumlah Perhitungan Replikasi

Replikasi Utilitas
T.P 1 T.P 2 T.P 3 T.T 1 T.T 2 T.T 3
1 27.84 20.65 21.47 97.06 95.99 95.7
2 36.77 29.1 24.55 97.94 95.49 95.57
3 32.81 27.66 22.9 97.73 94.99 96.72
4 51.89 47.29 44.57 94.6 96.33 94.91
5 37.75 36.04 28.21 96.8 95.92 93.87
Rata-Rata 37.41 32.16 28.34 98.83 95.75 95.36
Satdev 8.99 10.07 9.41 1.33 0.52 1.06
Koef.Variasi 0.24 0.31 0.33 0.01 0.005 0.01
Jumlah Replikasi 10.36 17.59 19.78 0.03 0.005 0.02
Keterangan :
TP = Tambatan Pengumpul
TT = Tambatan Tangkap
Berdasarkan table tersebut terlihat bahwa koefisien variasi mendekati 0,
yang mengindikasikan bahwa solusi dari tiap replikasi dapat dikatakan satbil.

12
 BAB 3. PENUTUP

3.1 Kesimpulan
Bersasarkan uraian yang telah dibahas pada bab sebelumya maka
didapatkan kesimpulan sebagai berikut :

1. Model deterministic digunakan untuk perhitungan secara tepat

sedangkan stokastik sifatnya ketidakpastian atau probabilitas.
2. Model stokastik adalah salah satu cabang program matematika yang
berkenaan dengan situasi dimana keputusan optimalnya mengandung
ketidakpastian pada data.
3. Ruang lingkup metode stokastik meliputi teori antrian, program
dinamis, rantai markov, dan teori permainan.
4. Klasifikasi model stokastik meliputi model persediaan, model antrian,
CPM (Critical Path Method) dan PERT (Program Evaluation and
Review Technique), rantai markov, teori keputusan, dan simulasi
5. Model stokastik dapat diimplementasikan pada kehidupan sehari-hari
yakni pada kelahiran dan kematian sel T naif, juga pada bidang
perikanan yakni antrian kapal perikanan pada dermaga Pelabuhan
perikanan.

3.2 Saran
Saran dari penulis adalah supaya dilakukan banyak penelitian yang
menggunakan metode stokastik ini. Dalam praktiknya penelitian yang
menggunakan metode stokastik ini lebih banyak dalam bidang social humaniora
ketimbang bidang sains teknologi. Semoga kedepannya lebih banyak penelitian
bidang sains dan teknologi yang menggunakan metode stokasik ini sehingga dapat
memperbanyak referensi bagi mahasiswa ataupun orang yang membutuhkan.

13
 DAFTAR PUSTAKA

Dewi E.Y. & Inne S. 2018. Penerapan Metode PERT dan CPM dalam Pelaksanaan
Proyek Pembangunan Jalan Paving untuk Mencapai Efektivitas
Waktu Penyelesaian Proyek. Jurnal Manajemen dan Bisnis
ALMANA. 2 (3) : 20-30
Dimyati, Tarliah, Tjutju. Dimyati, Ahmad. 1992. Operations research : Model-
model pengambilan keputusan. (Sinar Baru Algensindo)
Fahrun E.N. 2012. Analisis Model Stokastik pada Proses Kelahiran dan Kematian
Sel T Naif dengan Waktu Kontinu Rantai Markov. Malang :
Universitas Islam Negeri Maulana Malik Ibrahim
Mulyono, Sri. 2002. Riset Operasi. Lembaga Penerbit Fakultas Ekonomi UI,
Jakarta.
Novani, Ghea. 2014. Simulasi Proses Poisson Nonhomogen pada Pelayanan
Permintaan Darah di Bank Darah RSUD Dr. HasanSadikin
Bandung. Jakarta : Universitas Pendidikan Indonesia.

Paris, Carmen Molina. 2011. Mathematical Models and Immune Cell Biology. New
York. Springer.
Siagian, Sondang P, 2006, Organisasi Kepemimpinan Dan Prilaku Administrasi,
Penerbit Gunung Agung, Jakarta.
Sonnenberg P, Glynn JR, Fielding K. 2005. How soon after infection with HIV does
the risk of tuberculosis start to increase? A retrospective cohort
study in South African gold miners. J Infect Dis. Jan 15;191(2):150-
8.
Tanthatemee. (2012). Fuzzy Inventory Control System for Uncertain Demand and
Supply .
Tutuarima D. & D.B. Pailin. 2016. Analisis Kinerja Sistem Antrian pada Pelabuhan
Perikanan Nusantara Ambon. ARIKA . 10 (1) : 15-29

14