Ass.

Ass.Wr.
Wr.wb.
wb.

SISTEM
SISTEMDAN
DAN
PEMODELAN
PEMODELANSISTEM
SISTEM

Prof
ProfDrDrIrIrSoemarno,
Soemarno,MS
MS
MALANG, 2005
MALANG, 2005
“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 The complex

development problems

The Comprehensive
Model
 FIVE GEOMETRIES in Land use system

Non-Land Human demand

resources geometry geometry

LAND USE
GEOMETRY

Land Resources Land Degradation

Geometry Geometry
 sbg suatu pendekatan
SISTEM
SISTEM

1. Filosofis

2. Prosedural

3. Alat bantu
analisis
 “Sistem”:
Gugusan elemen-elemen yg
saling berinteraksi dan
FILOSOFI
FILOSOFI
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
 “Tahapan Pokok”:
1. Analisis Kelayakan
2. Pemodelan Abstrak
PROSEDUR
PROSEDUR
3. Disain Sistem
4. Implementasi Sistem
5. Operasi Sistem

Need Assesment

Tahapan Pokok:
-
-
-

Evaluasi

Outcomes
 “Model Abstrak”:
Perilaku esensialnya sama
ALAT
ALAT dengan dunia nyata
-BANTU
-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
SIMULASI
Simulasi Komputer:
SISTEM:
SISTEM: Disain Sistem
OPERASINYA Strategi Pengelolaan Sistem
OPERASINYA

MODEL SISTEM

programming

PROGRAM KOMPUTER
 “Model dasar”: Model Matematik
SIMULASI
SIMULASI
SISTEM:
SISTEM: Model lain diformulasikan
METODOLOGI
METODOLOGI 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”:
PEMODELAN
PEMODELAN Serangkaian kegiatan pembuatan
SISTEM: model
SISTEM:
RUANG
RUANGLINGKUP
LINGKUP MODEL: abstraksi dari suatu
obyek atau situasi aktual

MODEL KONSEP

1. Hubungan Langsung
2. Hubungan tidak langsung
3. Keterkaitan Timbal-balik /
Sebab-akibat / Fungsional MATEMATIKA

4. Peubah - peubah
5. Parameter
Operasi Matematik:
Formula, Tanda, Aksioma
 “MODEL SIMBOLIK” :
Simbol-simbol Matematik

JENIS-JENIS
JENIS-JENIS Angka
Simbol “Persamaan”
MODEL
MODEL Rumus “Ketidak-samaan”

Fungsi

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

“DETERMINISTIK”:

Tidak memperhitungkan peluang kejadian

 FUNGSI MODEL DESKRIPTIF
FUNGSI
MODEL
MODEL Deskripsi matematik dari
kondisi dunia nyata

“MODEL ALOKATIF” :

Komparasi alternatif untuk

mendapatkan “optimal solution”
 TAHAPAN
TAHAPAN 1. Seleksi Konsep
PEMODELAN
PEMODELAN 2. Konstruksi Model:
a. Black Box
b. Structural Approach

3. Implementasi Komputer

4. Validasi (keabsahan representasi)

1. Asumsi Model
2. Konsistensi Internal 5. Sensitivitas
3. Data Input ----- hitung parameter
4. Hubungan fungsional antar 6. Stabilitas
peubah-peubah
5. Uji Model vs kondisi aktual 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 SISTEM - MODEL - PROSES

DEFINITION Bounding - Word Model

Alternatives: Separate - Combination

Relevansi : Indikator - variabel - subsistem

HYPOTHESES Proses : Linkages - Impacts
Hubungan : Linear - Non-linear - interaksi
Decision table:
MODELLING
Data : Plotting - outliers
Analisis : Test - Estimation
VALIDATION 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 meng-

gunakan 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

P
 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 sebab-
akibat (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
WHATIS
ISSYSTEM
SYSTEMMODELLING
MODELLING??
Worthwhile
Worthwhile
Recognition
Recognition Problems
Problems
Amenable
Amenable

Compromise Complexity
Definitions
Definitions
Compromise Complexity

Bounding
Bounding Simplification
Simplification

Objectives
Objectives Hierarchy
Hierarchy
Identification
Identification Priorities
Priorities
Goals
Goals

Generality
Generality
Solution
Solution Family
Family
Generation
Generation
Modelling Selection
Selection
Modelling Inter-relationship
Inter-relationship

Feed-back
Feed-back Stopping
Stoppingrules
rules
Evaluation
Evaluation
Sensitivity
Sensitivity&&Assumptions
Assumptions
Implementation
Implementation
PHASES
PHASESOF
OFSYSTEM
SYSTEMMODELLING
MODELLING

Recognition
Recognition

Definition
Definitionand
andbounding
boundingofofthe
theproblems
problems

Identification
Identificationofofgoals
goalsand
andobjectives
objectives

Generation
Generationofofsolution
solution

MODELLING
MODELLING

Evaluation
Evaluationofofpotential
potentialcourses
coursesofofaction
action

Implementation
Implementationofofresults
results
MODEL
MODEL &
&MATEMATIK:
MATEMATIK: Term
Term
Konstante Tipe
Tipe
Variabel
Variabel Parameter Konstante
Parameter
Likelihood
Likelihood

Dependent
Dependent Populasi
Populasi Probability
Probability
Independent Analitik
Analitik
Independent
Maximum
Maximum
Sampel
Sampel
Simulasi
Simulasi
Regressor
Regressor
JENIS VARIABEL

Intervening
(Mediating)

Moderator

Independent Dependent

INTRANEOUS

EXTRANEOUS

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
MODEL &
&MATEMATIK:
MATEMATIK: Definition
Definition

Preliminary
Preliminary Goodall Mathematical
Goodall Mathematical

Mapping
Mapping Rules
Formal
Formal Rules
Expression
Expression Representational
Representational Maynard-Smith
Maynard-Smith

Words Homomorph Predicted

Predicted
Words Homomorph
values
values
Model
Model
Physical Symbolic
Comparison
Comparison
Physical Symbolic

Mathematical Simplified
Data
Datavalues
values Simulation
Mathematical Simplified Simulation
MODEL
MODEL &
&MATEMATIK:
MATEMATIK: Relatives
Relatives

Advantages Disadvantages
Disadvantages
Advantages

Distortion
Distortion
Precise
Precise

Abstract Opaqueness
Opaqueness
Abstract

Complexity
Complexity
Transfer
Transfer

Replacement
Replacement
Communication
Communication
MODEL
MODEL &
&MATEMATIK:
MATEMATIK: Families
Families

Types
Types Basis
Basis Choices
Choices

Dynamics
Dynamics

Compartment
Compartment

Stochastic
Stochastic

Multivariate
Multivariate

Network
Network
 BEBERAPA
BEBERAPAPENGERTIAN
PENGERTIAN

MODEL
MODELDETERMINISTIK:
DETERMINISTIK:Nilai-nilai
Nilai-nilaiyang
yangdiramal
diramal(diestimasi,
(diestimasi,
diduga) dapat dihitung secara eksak.
diduga) dapat dihitung secara eksak.
MODEL
MODELSTOKASTIK:
STOKASTIK:Model-model
Model-modelyang
yangdiramal
diramal(diestimasi,
(diestimasi,diduga)
diduga)
tergantung pada distribusi peluang
tergantung pada distribusi peluang

POPULASI:
POPULASI:Keseluruhan
Keseluruhanindividu-individu
individu-individu(atau
(atauarea,
area,unit,
unit,lokasi
lokasidll.)
dll.)
yang diteliti untuk mendapatkan kesimpulan.
yang diteliti untuk mendapatkan kesimpulan.
SAMPEL:
SAMPEL:sejumlah
sejumlahtertentu
tertentuindividu
individuyang
yangdiambil
diambildari
dariPOPULASI
POPULASI
dan dianggap nilai-nilai yang dihitung dari sampel dapat mewakili
dan dianggap nilai-nilai yang dihitung dari sampel dapat mewakili
populasi
populasisecara
secarakeseluruhan
keseluruhan

PARAMETER:
PARAMETER:Nilai-nilai
Nilai-nilaikarakteristik
karakteristikdari
daripopulasi
populasi
KONSTANTE,
KONSTANTE,KOEFISIEAN:
KOEFISIEAN:nilai-nilai
nilai-nilaikarakteristik
karakteristikyang
yangdihitung
dihitungdari
dariSAMPEL
SAMPEL

VARIABEL
VARIABELDEPENDENT:
DEPENDENT:Variabel
Variabelyang
yangdiharapkan
diharapkanberubah
berubahnilainya
nilainyadisebabkan
disebabkan
oleh adanya perubahan nilai dari variabel lain
oleh adanya perubahan nilai dari variabel lain
VARIABEL
VARIABELINDEPENDENT:
INDEPENDENT:variabel
variabelyang
yangdapat
dapatmenyebabkan
menyebabkanterjadinya
terjadinya
perubahan VARIABEL DEPENDENT.
perubahan VARIABEL DEPENDENT.
 BEBERAPA
BEBERAPAPENGERTIAN
PENGERTIAN

MODEL
MODELFITTING:
FITTING:Proses
Prosespemilihan
pemilihanparameter
parameter(konstante
(konstantedan/atau
dan/atau
koefisien
koefisien yang dapat menghasilkan nilai-nilai ramalan palingmendekati
yang dapat menghasilkan nilai-nilai ramalan paling mendekati
nilai-nilai sesungguhnya
nilai-nilai sesungguhnya

ANALYTICAL
ANALYTICALMODEL: MODEL:Model
Modelyang
yangformula-formulanya
formula-formulanyasecara
secara
eksplisit diturunkan untuk mendapatkan nilai-nilai ramalan,
eksplisit diturunkan untuk mendapatkan nilai-nilai ramalan,
contohnya:
contohnya:MODEL
MODELREGRESI
REGRESI
MODEL MULTIVARIATE
MODEL MULTIVARIATE
EXPERIMENTAL
EXPERIMENTALDESIGN
DESIGN
STANDARD
STANDARD DISTRIBUTION,etc
DISTRIBUTION, etc

SIMULATION
SIMULATIONMODEL:
MODEL:Model
Modelyang
yangformula-formulanya
formula-formulanyaditurunkan
diturunkandengan
dengan
serangkaian operasi arithmatik, misal:
serangkaian operasi arithmatik, misal:
Solusi
Solusipersamaan
persamaandiferensial
diferensial
Aplikasi matrix
Aplikasi matrix
Penggunaan
Penggunaanbilangan
bilanganacak,
acak,dll.
dll.
DYNAMIC
DYNAMIC MODEL
MODEL

MODELLING
MODELLING

Dynamics
Dynamics SIMULATION
SIMULATION Equations
Equations

Computer
Computer FORMAL
FORMAL

Language
Language
ANALYSIS
ANALYSIS

Special
Special General
General

DYNAMO
DYNAMO BASIC
BASIC
CSMP
CSMP
CSSL
CSSL
DYNAMIC
DYNAMIC MODEL
MODEL

DIAGRAMS
DIAGRAMS

RELATIONAL
RELATIONAL SYMBOLS
SYMBOLS

LEVELS AUXILIARY
AUXILIARY
LEVELS
VARIABLES
VARIABLES MATERIAL
MATERIAL
FLOW
FLOW
RATE
RATE
PARAMETER
PARAMETER EQUATIONS
EQUATIONS

INFORMATION
INFORMATION
SINK
SINK FLOW
FLOW
DYNAMIC
DYNAMIC MODEL:
MODEL:

ORIGINS
ORIGINS
Abstraction
Abstraction

Computers
Computers Equations
Equations Steps
Steps

Hypothesis
Hypothesis

Discriminant
Discriminant Simulation
Simulation
Function
Function
Other
Other Undestanding
Undestanding
functions
functions

Exponentials Logistic
Logistic
Exponentials
MATRIX
MATRIX MODEL
MODEL

MATHEMATICS
MATHEMATICS

Operations
Operations Matrices
Matrices Eigen
Eigenvalue
value

Elements
Elements Dominant
Additions
Additions Dominant
Substraction
Substraction
Multiplication
Multiplication Types
Types
Inversion
Inversion Eigen
Eigenvector
vector

Rectangular Square
Square
Rectangular

Diagonal
Diagonal
Identity Vectors
Vectors Scalars
Scalars
Identity

Row
Row
Column
Column
MATRIX
MATRIX MODEL
MODEL

DEVELOPMENT
DEVELOPMENT

Interactions
Interactions Groups
Groups Stochastic
Stochastic

Materials
Materials
cycles Size
Size Markov
Markov
cycles
Models
Models

Development
Development
stages
stages
 STOCHASTIC
STOCHASTICMODEL
MODEL

STOCHASTIC
STOCHASTIC

Probabilities
Probabilities History
History Other
Other
Models
Models

Statistical
Statistical
method
method Dynamics
Dynamics

Stability
Stability
 STOCHASTIC
STOCHASTICMODEL
MODEL

Spatial
Spatialpatern
patern

Distribution
Distribution Example
Example

Pisson
Pisson Poisson
Poisson Negative
Negative
Binomial
Binomial
Binomial
Binomial

Negative
Negative
Binomial
Binomial Test Fitting
Fitting
Test

Others
Others
 STOCHASTIC
STOCHASTICMODEL
MODEL

ADDITIVE
ADDITIVEMODELS
MODELS

Basic
BasicModel
Model Example
Example

Error
Error Estimates
Estimates Analysis
Analysis

Parameter
Parameter
Orthogonal Variance
Variance
Orthogonal

Block
Block Effects
Effects
Experimental
Experimental Significance
Significance
Treatments
Treatments
 STOCHASTIC
STOCHASTICMODEL
MODEL

REGRESSION
REGRESSION

Model
Model Example
Example

Error
Error Decomposition
Decomposition Equation
Equation

Linear/
Linear/Non-
Non-
linear functions Oxygen Theoritical
linear functions Oxygenuptake
uptake Theoritical
base
base
Reactions
Reactions
Experimental
Experimental Empirical
Empiricalbase
base
Assumptions
Assumptions
 STOCHASTIC
STOCHASTICMODEL
MODEL

MARKOV
MARKOV
Analysis
Analysis

Example
Example Assumptions
Assumptions

Analysis
Analysis Disadvantage
Disadvantage Advantages
Advantages

Transition
Transition
probabilities
probabilities

Raised
Raisedmire
mire
 MULTIVARIATE
MULTIVARIATEMODELS
MODELS

METHODS
METHODS
VARIATE
VARIATE

Variable
Variable Classification
Classification

Dependent
Dependent Descriptive
Descriptive Predictive
Predictive

Principal
Principal
Component
Component Discriminant
Analysis Discriminant
Independent
Independent Analysis Analysis
Analysis

Cluster
Cluster
Analysis
Analysis
Reciprocal
Reciprocal Canonical
Canonical
averaging
averaging Analysis
Analysis
MULTIVARIATE
MULTIVARIATEMODEL
MODEL

PRINCIPLE
PRINCIPLECOMPONENT
COMPONENTANALYSIS
ANALYSIS
Requirement
Requirement

Example
Example Correlation
Correlation Objectives
Objectives

Environment
Environment Eigenvalues
Eigenvalues Eigenvectors
Eigenvectors

Organism
Organism

Regions
Regions
 MULTIVARIATE
MULTIVARIATE MODEL
MODEL

CLUSTER
CLUSTERANALYSIS
ANALYSIS

Example
Example Spanning
Spanningtree
tree Multivariate
Multivariate
space
space
Demography
Demography

Rainfall
Rainfall Minimum
Minimum
regimes
regimes Similarity
Similarity
Single
Singlelinkage
linkage
Distance
Distance
Settlement
Settlement
patern
patern
MULTIVARIATE
MULTIVARIATEMODEL
MODEL

CANONICAL
CANONICALCORRELATION
CORRELATION

Example
Example Correlation
Correlation

Partitioned
Partitioned
Watershed
Watershed

Urban
Urbanarea
area
Eigenvalues
Eigenvalues Eigenvectors
Eigenvectors

Irrigation
Irrigation
regions
regions
MULTIVARIATE
MULTIVARIATEMODEL
MODEL

Discriminant
Discriminantfunction
function

Example
Example Discriminant
Discriminant

Calculation
Calculation
Villages
Villages

Vehicles
Vehicles
Test
Test

Structures
Structures
OPTIMIZATION
OPTIMIZATIONMODEL
MODEL

OPTIMIZATION
OPTIMIZATION
Dynamic
Dynamic
Meanings
Meanings Indirect
Indirect Linear Non-
Non-
Linear
Linear
Linear
Simulation Objective
Simulation Objectivefunction
function
Minimization
Minimization Constraints
Constraints

Experimentation
Experimentation Solution
Solution

Examples
Examples
Maximization
Maximization Optimum
OptimumTransportation
TransportationRoutes
Routes
Optimum
Optimumirrigation
irrigationscheme
scheme
Optimum Regional Spacing
Optimum Regional Spacing
 MODELLING
MODELLINGPROCESS
PROCESS
System
Systemanalysis
analysis
Introduction
Introduction Processes
Processes
Model
Model
Space
Space
Bounding Systems Time
Time
Definition
Definition
Bounding Systems Niche
Niche
Elements
Elements
Word
WordModels
Models Impacts
Impacts
Factorial
Factorial
Alternatives
Alternatives Confounding
Confounding
Separate
Separate
Hypotheses
Hypotheses
Combinations
Combinations

Data
Data Plotting
Plotting
Outliers
Outliers
Modelling
Modelling Analysis
Analysis Test
Test

Choices
Choices Estimates
Validation
Validation Estimates

Conclusion
Conclusion
Integration
Integration Communication
Communication
 MODELLING
MODELLINGPROCESSES
PROCESSES

HYPOTHESES
HYPOTHESES
Decision
DecisionTable
Table

Relevance
Relevance Processes
Processes Relationships
Relationships

Variable
Variable Linkages
Linkages Linear
Linear
Impacts
Impacts Non-Linear
Non-Linear
Species
Species
Interactive
Interactive

Sub-systems
Sub-systems
 HYPOTHESES
HYPOTHESES

Hypotheses
HypothesesofofRelevance:
Relevance:Mengidentifikasi
Mengidentifikasidan
danmendefinisikan
mendefinisikanvariabel
variabel
dan subsistem yang relevan dengan permasalahan yang diteliti
dan subsistem yang relevan dengan permasalahan yang diteliti

Hypotheses
HypothesesofofProcesses:
Processes:Menghubungkan
Menghubungkansubsistem
subsistem(atau
(atauvariabel)
variabel)didi
dalam
dalampermasalahan
permasalahanyang
yangditeliti
ditelitidan
danmendefinisikan
mendefinisikandampak
dampak
(pengaruh) terhadap sistem yang diteliti
(pengaruh) terhadap sistem yang diteliti

Hypotheses
Hypothesesofofrelationships:
relationships:Merumuskan
Merumuskanhubungan-hubungan
hubungan-hubunganantar antarvariabel
variabel
dengan menggunakan formula-formula matematik (fungsi linear, non-linear,
dengan menggunakan formula-formula matematik (fungsi linear, non-linear,
interaksi,
interaksi,dll)
dll)
 MODELLING
MODELLINGPROCESSES
PROCESSES

VALIDATION
VALIDATION

Verification
Verification Critical
CriticalTest
Test Sensitivity
Sensitivity
Analysis
Analysis
Subjectives
Subjectives Uncertainty
Uncertainty
Analysis
Analysis
Resources
Resources
Objectivities
Objectivities
Experiments
Experiments Interactions
Interactions

Reasonableness
Reasonableness
 ROLE
ROLEOF
OFTHE
THECOMPUTER
COMPUTER
Roles
Roles Speed
Introduction
Introduction Speed
Data
Reasons Data
Reasons Algoritm
Algoritm
Manual
Manual
Comparison Calculator
Calculator
Speed
Speed
Comparison Computer
Computer
Techniques
Techniques
Implication
Implication Errors
Errors
Plotting Repetition
Repetition
Plotting Checking
Waste
Waste Checking
9/10
9/10
Data
Data
Modelling
Modelling
FORTRAN
FORTRAN
Program
Program BASIC
BASIC
High
Highlevel
level ALGOL
ALGOL
Algoritms
Algoritms Language Machine
Language Machinecode
code
DYNAMO.
Information Special
Special DYNAMO.
Information Etc.
Etc.

Development
Development
Conclusions
Conclusions Programming
Programming
 ROLE
ROLEOF
OFTHE
THECOMPUTER
COMPUTER

DATA
DATA
Machine
Machinereadable
readable

Cautions
Cautions Availability
Availability Format
Format

Sampling
Sampling Punched
Punchedcard
card
Exchange
Exchange
Paper
Papertape
tape
Format
Format
Reanalysis
Reanalysis Magnetic
Magnetic
Tape
Tape
Data
Databanks
banks
Disc
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 Peringkat
• Komponen Nama (Nomos)
(Order)
• Komponen Jarak (Interval)
• Nilai Nol tidak Mutlak

RATIO
ORDINAL
• Komponen Nama
• Komponen Nama
• Komponen Peringkat (Order)
• Komponen Peringkat (Order)
• Komponen Jarak (Interval)
• Komponen Ratio
• Nilai Nol Mutlak
Ass.
Ass.Wr.
Wr.wb.
wb.

SISTEM
SISTEMDAN
DAN
PEMODELAN
PEMODELANSISTEM
SISTEM

Prof
ProfDrDrIrIrSoemarno,
Soemarno,MS
MS
MALANG, 2005
MALANG, 2005