Metode Penelitian:

Penelitian Pemodelan
 Contoh:
 Pengembangan Model Ecovillage: Pembangunan Kawasan
Perdesaan Serta Peningkatan Sumbangan Pertanian Dalam
Peningkatan Kualitas Hidup Penduduk Perdesaan
 Pemodelan Pindah Panas pada Pendinginan Siang Malam
Larutan Nutrisi untuk Budidaya Tanaman Tomat Hidroponik
Nutrient Film Technique
 Model Desa Mandiri Energi Berbasis Mikrohidro di Sekitar
Taman Nasional
 Studi sistem deteksi dini untuk manajemen krisis pangan
dengan simulasi model dinamis dan komputasi cerdas
 Design of Supervisory Environmental Parameter Ammonia
(NH3) Control of Closed House System Model For Broilers
 Development and Validation of Prediction Model for O2 and
CO2 Concentration of Fresh Tropical Horticultures under
Modified Atmosphere Packaging (MAP)
Model
 Model adalah representasi atau deskripsi
yang menjelaskan suatu obyek, situasi
aktual (realitas), proses, sistem atau
konsep.
 Model seringkali berupa penyederhanaan,
dengan hanya memperhatikan faktor-faktor
yang dianggap penting serta mengabaikan
faktor-faktor yang dianggap tidak penting
pada telaahan yang dilakukan, atau berupa
idealisasi.
Sistem dan Model
 Sistem adalah sekumpulan unsur yang
saling berinteraksi dalam suatu realitas yang
terbatas yang menjadi objek telaahan.

Sistem bersifat relatif karena tergantung

pada tujuan mempelajari sistem tersebut.

 Model adalah penyederhanaan dari sistem,

yang hanya memperhatikan faktor-faktor
yang dianggap penting serta mengabaikan
faktor-faktor yang dianggap tidak penting
pada telaahan yang dilakukan.
 “MODEL SIMBOLIK” :
Simbol-simbol Matematik
Jenis - Jenis
Model Angka “Persamaan”
Simbol “Ketidaksa-
Rumus maan”

Fungsi

“MODEL IKONIK” :
“MODEL ANALOG” :
Model Fisik
1. Peta-peta geografis
Model Diagramatik:
2. Foto, Gambar,
1. Hubungan-hubungan
Lukisan
2. …...
3. Prototipe, manekin
3. …..
 PROBABILISTIK/
Sifat STOKASTIK
- Teknik Peluang
Model - Memperhitungkan
“uncertainty”

“DETERMINISTIK”:

Tidak memperhitungkan peluang

kejadian
Sifat model …
 Model Deterministik vs. Stokastik
 Model Deterministik mengabaikan
keragaman acak (random variation)
 Model Stokastik secara eksplisit
memperhatikan adanya keacakan
(randomness)
 Contoh-contoh keacakan yang menjadi
perhatian dalam suatu model, meliputi
 Lamanya suatu operasi
 Frekuensi kegagalan suatu operasi
 Waktu antar kedatangan pelanggan
 Kejadian hujan
 MODEL DESKRIPTIF
Fungsi
Deskripsi matematik
Model dari kondisi dunia
nyata

“MODEL ALOKATIF” :

Komparasi alternatif untuk

mendapatkan “optimal
solution”
Fungsi model …

 Model Deskriptif
 Ditentukan sekumpulan kondisi input dan
strategi operasi, model ini akan
memprediksi apa yang akan terjadi
(model input-output)
 Model Alokatif/Preskriptif
 Ditentukan sekumpulan kondisi, model ini
akan memberikan suatu solusi terbaik
untuk suatu kondisi tertentu
Jenis-jenis model …

 Model Statis Vs. Dinamis

 Model statis menangkap tingkah laku sistem
pada sebuah titik waktu tertentu
 Rata-rata tingkat pengembalian tahunan dari
suatu investasi
 Total penggunaan bahan bakar pada suatu trip
 Model dinamis menggambarkan tingkah laku
sistem sepanjang waktu tertentu
 Tingkat inventori suku cadang dari suatu sistem
manufaktur
 Banyaknya orang yang menunggu sepanjang
waktu untuk dilayani pada suatu sistem layanan
pelanggan
Metode Penelitian Sistem
Penelitian Pemodelan
 Pemodelan merupakan tahapan dalam
membuat model dari suatu sistem
nyata.
 Tujuan dari studi pemodelan adalah
menentukan informasi (variabel dan
parameter) yang dianggap penting untuk
dikumpulkan, sehingga tidak ada model
yang unik.
 Bila sistem yang dipelajari terlalu
kompleks, biasanya dibuat model untuk
setiap subsistem, kemudian digabungkan.
Kegunaan
 Pembantu untuk berpikir
 Pembantu untuk berkomunikasi
 Alat untuk berlatih
 Alat prediksi
 Pembantu dalam percobaan
Kriteria model yang baik:
1. Mudah dimengerti pemakainya
2. Harus mempunyai tujuan yang jelas
3. Dinyatakan secara jelas dan lengkap
4. Mudah dikontrol dan dimanipulasi pemakai
5. Mengandung pemecahan masalah yang
penting dan jelas
6. Mudah diubah, mempunyai prosedur
modifikasi
7. Dapat berkembang dari sederhana menuju ke
kompleks
Model Simulasi vs Simulasi Model

1. Model simulasi : suatu model tiruan dari suatu

proses atau sistem tertentu yang akan
dikaji/diuji coba melalui proses simulasi.
2. Simulasi model: proses ‘pengoperasian ‘
(running) suatu model untuk mengkaji
karakteristik/perilaku proses atau sistem yang
dimodelkan
1) Model harus mempunyai karakteristik yang serupa
dengan proses (sistem) yang sesungguhnya.
2) Oleh karena itu, kita dapat mempelajari sistem nyata
itu melalui model tiruan (simulasinya).
Untuk Apa Simulasi Model?

 Mempelajari suatu proses (sistem) jika

hal itu terlalu sukar untuk dilakukan
secara langsung.

 Sukar bisa juga diartikan sebagai

mahal, berbahaya, secara teknis susah,
dan sebagainya.
Contoh Permasalahan (1)
 Kita ingin mempelajari pengaruh komposisi
dan assigment berbagai jenis equipment
pada suatu operasi tambang terhadap
produksi total, utilisasi equipment, dan
sebagainya.
 Dapat dilakukan dengan melaksanakan
eksperimentasi berbagai komposisi dan
assignment yang layak (feasible).
 Memerlukan waktu yang lama, mahal, dan
mengganggu proses operasi yang tengah
berjalan.
Contoh Permasalahan (2)
 Kita ingin mempelajari lokasi fasilitas
(logistik, maintenance, dsb.) serta
pengaruhnya terhadap produksi total,
utilisasi unit, dan sebagainya.
 Dapat dilakukan dengan melakukan
eksperimen dengan berbagai kemungkinan
lokasi fasilitas, dan kemudian amati tingkat
produksi, utilisasi unit untuk setiap
kemungkinan itu
 Memerlukan waktu yang lama, mahal, dan
secara ekonomis sukar untuk dilaksanakan.
Secara Ideal …
 Kita menginginkan untuk memiliki segala
informasi yang berkenaan dengan setiap
alternatif yang dapat dipilih.
 Misalnya, jika kita memilih suatu
komposisi fleet tertentu, bagaimanakah
tingkat produksi, utlisasi unit, dan
sebagainya.
 Eksperimentasi langsung, secara teknis
dan ekonomis pada umumnya sukar
dilakukan.
 Model simulasi akan dapat membantu
dalam situasi semacam ini.
Dengan Model Simulasi
 Kita dapat mempelajari suatu proses
(sistem) melalui model tiruannya
 Semua ini dapat dilakukan dengan cepat,
murah dan tanpa harus mengganggu
sistem yang tengah berjalan.
 Kita dapat mempelajari suatu sistem
bahkan sebelum sistem itu ada secara
phisik.
 Misalnya, kita dapat mempelajari efek
penempatan suatu fasilitas tertentu
sebelum fasilitas itu dibangun.
Secara Essensial

 Kita dapat mempelajari setiap alternatif

keputusan tanpa harus secara nyata
menerapkan alternatif tersebut.

 Kenyataan ini akan dapat membantu

kita dalam usaha memilih alternatif yang
terbaik.
Model Simulasi dan
Pengambilan Keputusan
Beberapa Bentuk Solusi

 Solusi Analitik adalah solusi yang

diperoleh secara langsung dengan
tersedianya suatu formula atau rumus.
 Solusi Algoritmik adalah solusi yang
dapat diperoleh dengan menggunakan
suatu algoritma (prosedur) tertentu.
 Solusi Simulasi adalah solusi yang
diperoleh dengan melakukan suatu
eksperimentasi simulasi.
Simulasi Komputer

 Simulasi komputer adalah suatu

proses perancangan model logika
matematika dari suatu sistem nyata
dan bereksperimentasi dengan
model ini secara abstrak pada
komputer.
Dengan dimungkinkannya kita melakukan suatu
eksperimentasi secara abstrak tentang suatu sistem,
maka dimungkinkan diperoleh suatu kesimpulan
berkenaan dengan sistem tersebut dengan ciri:
1. Tanpa harus membangun sistem, jika kita ingin
mengevaluasi suatu sistem yang belum ada.
2. Tanpa mengganggu sistem, jika kita ingin
mempelajari sistem yang tengah beroperasi dan
melakukan suatu eksperimen/perubahan pada
sistem amatlah mahal ataupun berbahaya.
3. Tanpa harus menghancurkan sistem, misalnya
kita mempunyai tujuan untuk menentukan limit
tekanan pada suatu sistem.
Proses Pemodelan Matematik
Langkah-langkah dalam studi
pemodelan dan simulasi
Langkah-langkah dalam studi
pemodelan dan simulasi
1. Formulasi masalah: perumusan masalah yang
menjadi pertanyan/kajian
2. - penetapan tujuan
- penggambaran kerangka pikir  flowchart
umum
3. Konseptualisasi model
− Pendekatan black-box  empirik, atau
− Pendekatan struktural  mekanistik
4. Pengumpulan data  sesuai pendekatan
5. Translasi model : penterjemahan model ke
dalam program komputer
Model Empirik
 Diturunkan dari uji kinerja
pada proses nyata
 Tidak didasarkan pada
mekanisme yang
melandasinya
 Mencocokkan fungsi
tertentu untuk
mencocokkan suatu
keadaan
 Hanya gambaran lokal dari
suatu keadaan saja (bukan
ekstrapolasi)
 Model hanya sebaik datanya

29
Pendekatan Latar Belakang dan
Enpirik Tujuan Simulasi

Pengamatan Sistem Nyata

Analisis Sistem

Identifikasi Input

Pengumpulan Data

Analisis dan Uji Pola Pengadaan Data

Data Tiruan

Pemodelan Sistem Pemasukan ke

Program
Penyusunan
Program
Validasi dan Penyajian
Pengoperasian Sistem Maya Verifkasi hasil
simulasi
Model Mekanistik

 Berlandaskan pada pemahaman kita

tentang sebuah keadaan/proses
 Berguna untuk simulasi dan eksplorasi
kondisi operasi yang baru
 Mungkin mengandung konstanta yang
tidak diketahui yang harus diestimasi

31
Pendekatan Latar Belakang dan
struktural Tujuan Simulasi

Pengamatan Sistem Nyata

Analisis Sistem Identifikasi Input

Pemodelan Sistem Pengumpulan Data

Analisis dan Uji Pola

Data
Penyusunan
Program Pengadaan Data
Tiruan

Pemasukan ke
Program
Validasi dan Penyajian
Pengoperasian Sistem Maya Verifkasi hasil
simulasi
Agrosistem – Typical Model

Mekanisasi
Penduduk Kebutuhan
Pertanian Pangan
+ _ _ _

Kesempatan Lahan _
+ Kerja Pertanian Ketersediaan
Industri + Pangan
Al-Sin +
+
Pendapatan
+ Produksi
+
Pertanian
33
Sistem A
+ 
Produksi Pangan Rural
Land
Use Agric.
Input
Labo
r + +
+ +
Other Productio
Income n
+ Source
Rural
Populatio
+ Rural n
Commodit
Income +
y Price
+ + +
U-R + +
Farm Level
Trade Food
Access _ + Availability
Roads
+
+
+ +
Food
Food + Purchase
Urban Food d
+
Impor
+ t ¯ +
Availability
+ + +
¯

Food + Food
Expor Price
B t
+ +
Urban Rural Food + +
Job Consumptio
Availabilit
+
Income + ¯ + + n+ _
y Nutritio
n Status
+ + Urban Food +
C + Consumption
+
Urban
Population
+
Model
Penentuan Area Tanam Gandum
VALIDASI & VERIFIKASI MODEL

6. VALIDASI MODEL
Uji prosedur pemodelan
Menguji apakah PERILAKU UMUM DARI MODEL
mampu mencerminkan perilaku sistem nyata
Apakah mekanisme atau proses yang di “model”
sesuai dengan yang terjadi dalam sistem nyata
Inkonsistensi antara perilaku model dengan rsistem
nyata harus dapat diberikan penjelasannya

7. VERIFIKASI MODEL
Verifikasi: subjective assessment of the success
of the Modelling
Sampai seberapa jauh output dari model sesuai
dengan perilaku sistem yang sesungguhnya
Uji statistik untuk mengetahui “adequacy of the
model”
Langkah-langkah dalam studi
pemodelan dan simulasi

8. Experimental design : rancangan

skenario simulasi  variabel apa saja
yang akan diubah dan dicobakan pada
model
9. Running model : pelaksanaan simulasi
berdasarkan skenario yang dirancang
dan analisis hasil + analisis sensitivitas
10. Pengambilan keputusan/pembuatan
rekomendasi  implementasi
 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 yang
terjadi dalam sistem telah di “model”
dengan benar

Re-Validasi MODEL