BAB 2 LANDASAN TEORI 2.1. Perancangan Perangkat...
Transcript of BAB 2 LANDASAN TEORI 2.1. Perancangan Perangkat...
BAB 2
LANDASAN TEORI
2.1. Perancangan Perangkat Lunak
Menurut Pressman (2005, p36) perangkat lunak adalah (1) instruksi (program
komputer) yang ketika dieksekusi akan memberikan fungsi dan performa seperti yang
diinginkan (2) struktur data yang memungkinkan program memanipulasi informasi
secara proporsional, dan (3) dokumen yang menggambarkan operasi dan penggunaan
program. Sekarang, kategori-kategori perangkat lunak komputer memperlihatkan
tantangan yang berkelanjutan untuk perancangan perangkat lunak.
Menurut Sommerville (2001, p6), perancangan perangkat lunak adalah disiplin
perancangan yang berhubungan dengan semua aspek dari produksi perangkat lunak dari
tahap spesifikasi sistem sampai dengan pemeliharaan setelah sistem dalam tahap
berjalan.
2.1.1. Model Rapid Appication Development (RAD)
Rapid application development (RAD) adalah sebuah model proses
perkembangan perangkat lunk sekuensial linear yang menekan siklus perkembangan
yang sangat pendek. Model RAD merupakan sebuah adaptasi “kecepatan tinggi” dari
model sekuensial linear dimana perkembangan cepat dicapai dengan menggunakan
pendekatan konstruksi berbasis komponen (Potter, 2003)
Pada skripsi ini dipilih model RAD sebagai metode pengembangan program
simulasi dan dengan Flow Chart dan STD sebagai model yang akan menggambarkan
proses dan langkah-langkah dalam perancangan program.
8
Pemodelan Bisnis
Pemodelan Data
Pemodelan
Proses
Pembentukan
Aplikasi
Pengujian dan
turnover
60-90 hari
Pemodelan
Bisnis
Pemodelan
Data
Pemodelan
Proses
Pembentukan
Aplikasi
Pengujian dan
turnover
Pemodelan
Bisnis
Pemodelan
Data
Pemodelan
Proses
Pembentuk
an Aplikasi
Pengujian
dan
turnover
tim # 1tim # 2
tim # 3
Gambar 2.1 Rapid Application Development Model
2.1.2. Diagram Alir (Flowchart)
Diagram alir adalah sebuah skema yang mempresentasikan sebuah algoritma
atau sebuah proses. Menurut Hansen (2007) diagram alir merupakan representasi
aktivitas operasi, pergerakan, inspeksi, penundaan, keputusan, dan penyimpangan dari
sebuah proses. Adapun simbol-simbol dari diagram alir yang digunakan dalam ilmu
komputer ditampilkan dalam Tabel 2.1.
9
Tabel 2.1 Simbol-Simbol dalam Diagram Alir
Notasi Arti Notasi
Proses
Predefined Proses
Operasi input / output
Decision, berupa pertanyaan atau penentuan
suatu keputusan
Terminal, untuk menandai awal dan akhir
program
Panah, sebagai penghubung antar komponen
dan penunjuk arah
Manual input, input dari pengguna
On-page connector, sebagai penghubung
dalam satu halaman
Off-page connector, sebagai penghubung
antar halaman yang bersedia
2.1.3. State Transition Diagram (STD)
Menurut Whitten, el al. (2004, p673-674), STD merupakan diagram yang
digunakan untuk menggambarkan urutan dan variasi dari layar yang terjadi ketika
pengguna sistem berada di terminal. Ada beberapa notasi yang digunakan dalam
membuat suatu diagram, yaitu:
1. Kotak
Lambang kotak digunakan untuk mewakili layar tampilan. Lambang ini hanya
menggambarkan sesuatu yang mungkin tampil selama dialog.
10
2. Panah
Panah digunakan untuk mewakili kontrol aliran dan event yang memicu aktifnya
sebuah layar. Arah panah mengindikasi urutun dimana layar tersebut tampil.
2.2. Simulasi
2.2.1. Definisi Simulasi
Menurut Kelton, Sadowski dan Sturrock (2007, p1-p3), Simulasi merujuk pada
kumpulan sejumlah metode dan aplikasi untuk menggambarkan sifat-sifat pada sistem
sebenarnya. Simulasi, seperti kebanyakan metode analisis, melibatkan sistem dan
model-modelnya. Faktanya, simulasi dapat berupa bentuk yang sangat umum tergantung
ide yang diajukan melintasi banyak bidang, industri dan aplikasi. Simulasi semakin
terkenal dan canggih sejak komputer dan perangkat lunak semakin maju. Simulasi
komputer berhubungan dengan model sebuah sistem. Sistem adalah fasilitas atau proses,
yang diaktualisasikan atau direncanakan. Seperti pada banyak kasus, Salah satunya
adalah sistem jalan tol, persimpangan, pengendalian, dan kemacetan.
Orang-orang mempelajari sistem untuk mengukur kinerja, meningkatkan
operasional atau untuk mendesain sistem baru. Dalam beberapa kasus, terlalu sulit,
terlalu mahal, dan sangat tidak mungkin untuk melakukan pembelajaran secara fisik atau
nyata. Seperti pada sistem transportasi, sangat sulit untuk menerapkannya pada dunia
nyata, karena itu skripsi ini akan mensimulasikan keadaan sebenarnya untuk
mendapatkan metode baru demi mendapatkan solusi yang diharapkan.
11
Simulasi dapat diklasifikasikan menjadi beberapa tipe berdasarkan beberapa
dimensi sebagai berikut:
1. Dimensi waktu
Statis. Waktu tidak berperan dalam aturan alami pada model statis, tetapi
berperan pada model dinamis. Sebuah simulasi dengan kondisi yang tidak
memperhitungkan waktu merupakan ciri dari model statis. Contohnya
simulasi yang dilakukan oleh George L. Leclere.
Dinamis. Pada model dinamis, waktu mempengaruhi proses dan hasil
output model. Waktu bertindak sebagai variabel bebas, contohnya model
populasi yang berkembang sepanjang waktu, laju penjualan dan tingkat
penjualan.
2. Dimensi status variabel.
Kontinu. Pada model kontinu, status sistem atau variabel dapat berubah
secara kontinu setiap waktu, contohnya kedalaman kolam sebagai aliran
air masuk dan keluar, dan terjadinya pengendapan serta penguapan.
Diskrit. Dalam model diskrit, perubahan dapat hanya terjadi pada titik
waktu yang terpisah-pisah atau hanya pada saat-saat tertentu saja,
misalnya pada sistem pada pabrik, perubahan terjadi pada waktu
kedatangan dan kepergian material, mesin yang dimatikan dan dinyalakan
pada waktu tertentu, waktu istirahat pekerja.
Selain itu, ada juga model yang berubah pada situasi kedua-duanya, gabungan
diskrit dan kontinu yang dikenal dengan model gabungan kontinu-diskrit/mixed
12
continue-discrete model, contohnya kilang minyak dengan perubahan tekanan secara
kontinu di dalam pembuluh dan secara diskrit terjadinya penutupan.
3. Dimensi Ketidakpastian
Deterministik. Model tanpa input yang acak adalah deterministic, yaitu
operasi dengan penjadwalan yang ketat dengan waktu service yang tetap.
Stokastik. Model stokastik, berbeda dengan sebelumnya, dioperasikan
dengan setidaknya terdapat satu inputan yang diacak, seperti bank dengan
jumlah kedatangan nasabah yang acak membutuhkan waktu pelayanan
yang bervariasi.
Model dapat memiliki kedua jenis inputan, deterministik dan stokastik pada
komponen yang berbeda. Model nyatanya akan menentukan sebuah inputan bersifat
deterministik ataupun stokastik.
Sedangkan dilihat dari perubahan yang terjadi, terdapat pola pada jangka waktu
tertentu sehingga dapat dilakukan simulasi dengan melakukan pemisahan waktu, secara
diskrit perubahan akan terjadi, sedangkan di dalam jangka waktu tersebut terjadi
perubahan yang kontinu.
Pada skripsi ini, akan membahas simulasi yang bersifat dinamis, gabungan
kontinu-diskrit, dan stokastik. Simulasi pada perjalanan taksi kosong dalam mencari
calon penumpang ini memiliki pola yang diskrit dalam jangka waktu tertentu, sedangkan
di dalam jangka waktu tersebut terdapat pola yang berbeda.
Inputan berupa kedatangan jumlah penumpang, serta banyaknya taksi kosong
merupakan nilai bersifat stokastik.
13
2.2.2. Tahapan Kerja Simulasi
Supaya penyusunan program simulasi dapat berjalan dengan baik diperlukan
langkah-langkah yang sederhana tetapi sistematis. Langkah pertama adalah menganalisis
dan menformulasikan persoalan. Menurut Thomas J. Kakiay (2004, p14), analisis
persoalan ini menyangkut baberapa hal berikut ini:
1. Asal atau latar belakang persoalan, menentukan apa yang menjadi persoalan
yang sebenarnya. Dapat saja persoalan itu hanya merupakan bagian kecil dari
persoalan yang sesungguhnya. Perlu dicari inti dari persoalan tersebut.
2. Materi yang ditemukan dalam persoalan tersebut. Perlu didiskusikan dan ditelaah
dengan cermat agar materi persoalan yang ada dapat ditangani semuanya.
Kemudian langkah-langkah simulasi dapat diilihat pada Gambar 2.2 (sumber
Thomas J. Kakiay, 2004, p19).
14
Formulasikan
Persoalan
Definisi
Gunakan
Simulasi
Mencari
Sistem yang
Lain
Penulisan Program
Kreasi Model
Pengumpulan Data
Verifikasi
Perencanaan Taktis
Validasi
Model
Terpakai
Dokumentasi
Pelaksanaan Percobaan
Desain Percobaan
Tidak
Ya
Ya
Ya
Ya
Ya
Tidak
Tidak
Optional
Gambar 2.2 Langkah-Langkah Sistematis Simulasi
2.2.3. Pembangunan Model Suatu Sistem
Model adalah representasi dari sistem sesungguhnya dalam bentuk formulasi
matematik sehingga tidak menimbulkan ambiguitas. Setiap model yang dibangun harus
berdasarkan masalah. Pada perancangan simulasi harus benar-benar paham tentang
15
sistem dan permasalahannya sehingga dapat memilih tingkat abstraksi yang sesuai
dengan permasalahan. Menurut Law (2007, p66)
Dalam langkah-langkah mempelajari simulasi tahap pembangunan model
dilakukan setelah memformulasikan permasalahan dan merencanakan pembelajaran,
dimana dalam tahap ini masalah yang akan dipelajari ditentukan oleh manajer kemudian
melakukan rapat untuk membahas keseluruhan objek penelitian, pertanyaan-pertanyaan
khusus yang akan diselesaikan penelitian, pengukuran kinerja, batasan model,
konfigurasi sistem yang akan dimodelkan, waktu dan sumber daya yang dibutuhkan,
hingga menetapkan software untuk model.
Kemudian tahap selanjutnya adalah mengumpulkan data dan membangun model.
Menurut Law, pembangunan model dilakukan dengan software, sehingga pengumpulan
data pada tahap ini sangat penting, karena software hanya akan berdasarkan data yang
diberikan dalam membangun model. Hal-hal yang harus dilakukan dalam tahap ini
adalah sebagai berikut:
1. Mengumpulkan informasi struktur sistem dan prosedur operasi. Satu orang atau
satu dokumen saja tidak cukup. Beberapa orang mungkin memberikan informasi
yang tidak akurat. Prosedur operasional mungkin tidak formal.
2. Mengumpulkan data (jika memungkinkan) untuk menspesifikasi model dan
parameter input.
3. Gambarkan informasi dan data diatas dalam dokumen asumsi tertulis.
4. Mengumpulkan data (jika memungkinkan) kinerja dari sistem yang ada (untuk
tujuan validasi).
16
5. Memilih tingkat detil sebuah model, harus berdasarkan :
Tujuan proyek
Ukuran kinerja
Ketersediaan Data
Fokus pada keadaan yang dapat dipercaya.
Batasan komputer
Opini dari SME (subject matter expert)
Batasan waktu dan biaya.
6. Tidak harus korespondensi satu-satu diantara tiap elemen dalam model dan
elemen korespondensi sistem.
7. Mulai dengan model yang sederhana dan perbaiki jika dibutuhkan. Memodelkan
tiap aspek dalam sistem jarang diharuskan untuk membuat keputusan yang
efektif, dan mungkin dihasilkan dalam waktu eksekusi model yang terlalu
berlebihan, dalam batas akhir waktu pengerjaan, atau dalam faktor sistem yang
dikaburkan.
8. Interaksi dengan manajer (dan personal proyek yang lain) secara teratur.
Perlu diingat bahwa model tidak akan mampu meniru sepenuhnya sistem yang
ada. Hal yang terpenting, model harus menangkap apa saja yang penting dalam
perhitungan kinerja yang dibuat. Dalam pembuatan model ada dua cara pandang yang
biasanya digunakan untuk :
1. Sintesis, dari cara kerja detil dari sistem diusahakan untuk meringkas dan
mengelompokan komponen-komponen tersebut sehingga semakin tinggi tingkat
abstraksinya.
17
2. Dekomposisi, cara kerja dekomposisi terbalik degan sintesis. Di sini sudut
pandang bahwa suatu sistem adalah sebagai satuan yang utuh lalu memecah-
mecah menjadi beberapa bagian yang relevan untuk dimodelkan.
Sintesis sering digunakan jika diketahui secara mendetail kerja dari sistem yang
diamati, sementara dekomposisi lebih banyak digunakan untuk memodelkan sistem yang
besar dan kompleks.
2.2.4. Verifikasi dan Validasi dari Model
Setelah model selesai dibangun dan diimplementasikan, dilakukan verifikasi
program yang dibuat apakah sudah sesuai dengan model yang dibangun. Di sini
dilakukan debugging dan tracing dari program untuk menguji dan mencari kesalahan-
kesalahan dari program yang dibuat.
Setelah program lulus verifikasi, langkah selanjutnya adalah melakukan validasi
program, apakah mampu menjawab persoalan yang ingin dipecahkan. Biasanya
digunakan statistik perbandingan untuk melihat tingkat ketepatan simulasi, dan
melakukan presentasi di depan para ahli untuk menambah tingkat kepercayaan dari
simulasi yang dibangun.
2.2.5. Eksekusi Simulasi
Setelah model selesai dan diyakini tepat, selanjutnya adalah menjalankan
simulasi. Perlu diingat simulasi hanya tiruan dari sistem sesungguhnya dan melibatkan
variabel stokastik. Menjalankan simulasi sekali atau tanpa simulasi yang jelas tidak akan
membawa hasil yang bermanfaat. Beberapa langkah yang harus dipersiapkan sebelum
menjalankan simulasi adalah:
18
1. Memilih desain eksperimen yang jelas, di sini akan dipilih hasil output yang akan
diamati dan mengamati input-input yang penting di dalam sistem.
2. Memilih skenario pengujian dan waktu pengujian. Memperhatikan hasil
beberapa kali simulasi dijalankan. Mengumpulkan data dalam beberapa kali jalan
untuk mendapatkan interval kepercayaan dari hasil yang diperoleh.
3. Menjalankan simulasi sesuai dengan skenario yang telah dibuat.
Kemudian lakukan interpretasi model yaitu proses penarikan kesimpulan dari
hasil output model simulasi. Setelah itu, lakukan implementasi yakni penerapan model
pada sistem nyata dan diakhiri dengan dokumentasi untuk penyimpanan hasil output
model.
2.2.6. Analisis Hasil Output Simulasi
Simulasi sering kali memberikan hasil yang sangat bias dengan sistem
sebenarnya. Hal ini terjadi karena anggapan banyak orang bahwa membuat dan
mengeksekusi sudah cukup untuk merepresentasikan sistem. Padahal simulasi perlu
dijalankan beberapa kali karena mengandung variabel yang bersifat stokastik.
Dalam output simulasi dan pembahasan salah satu contohnya, Law (2007,p39)
menggunakan fixed time atau peraturan yang sebelumnya telah ia tetapkan dalam contoh
ini untuk berapa kali simulasi akan dijalankan. Namun ia juga menambahkan bahwa
dalam beberapa kasus simulasi mungkin menginginkan perkiraan karakteristik steady-
state dari model, biasanya dengan menjalankan simulasi dalam jangka waktu yang lama.
Simulasi harus dijalankan berkali-kali atau lebih baik jika dijalankan hingga
mencapai kondisi steady-state. Tapi untuk mencapai kondisi steady-state dibutuhkan
19
analisis statistik yang lebih rumit dalam jangka waktu yang lebih panjang. Solusi
termudahnya, menjalankan simulasi secara fixed-time dalam beberapa kali run, hasil dari
simulasi dapat dipresentasikan dalam selang kepercayaan.
2.2.7. Model simulasi kontinu
Variabel sistem bersifat kontinu, dan terdapat persamaan hubungan antar status
variabel sehingga perilaku dinamis sistem dapat dipelajari. Simulasi sistem dinamik
merupakan simulasi kontinu yang dikembangkan oleh Jay Forrester (MIT) tahun 1960-
an, berfokus pada struktur dan perilaku sistem yang terdiri dari interaksi antar variabel
dan loop feedback. Hubungan dan interaksi antar variabel dinyatakan dalam diagram
kausatik.
Karakteristik model sistem dinamik adalah sebagai berikut:
1. Dinamika sistem yang kompleks
2. Perubahan perilaku sistem terhadap waktu
3. Adanya sistem umpan balik tertentu
4. Adanya umpan balik ini menggambarkan informasi baru tentang keadaan sistem,
yang kemudian akan menghasilkan keputusan selanjutnya.
Kontribusi dari model simulasi dinamik adalah sebagai berikut:
1. Tersedianya kerangka kerja bagi aspek kausalitas, non linearitas, dinamika dan
perilaku endogen dari sistem.
2. Menciptakan pengalaman eksperimental bagi para pengambil kebijakan
berdasarkan perilaku faktor-faktor pendukung sistem.
20
3. Adanya kemudahan untuk mengatur skenario simulasi sesuai dengan yang
dikehendaki.
4. Tersedianya sumber informasi dari yang sifatnya mental, tertulis, maupun
numerik sehingga model yang dihasilkan lebih berisi dan representatif.
5. Menghasilkan struktur model dari input-input manajerial dan mensimulasikannya
lewat prosedur komputasi yang kuantitatif.
Kelemahan dari model sistem dinamik adalah sebagai berikut:
1. Ketepatan model sangat bergantung pada si pembuat model. Makin banyak
pengetahuan dan wawasan si pembuat model, maka model yang dibuat akan
makin tinggi derajatnya dan makin banyak permasalahan yang akan diselesaikan
dengan model tersebut. Sebaliknya jika pengetahuan dan wawasan si pembuat
model tidak mencukupi, model yang dibuat akan semakin dangkal, sehingga
masalah yang diselesaikan juga sangat terbatas.
2. Sangat dipengaruhi ketepatan pembuatan batasan model. Batasan model erat
kaitannya dengan penentuan variabel sistem. Terdapat beberapa variabel yang
langsung terlibat pada sistem. Terdapat beberapa variabel yang langsung terlibat
pada sistem (variabel endogen), adapula variabel yang berada di luar sistem,
tetapi memiliki pengaruh pada model (variabel exogen).
21
2.2.8. Metode Simulasi Monte-Carlo
Bentuk-bentuk simulasi yang biasa digunakan dalam sistem komputer ada tiga
seperti yang diungkapkan oleh Lilja (2003, p183-p185) yaitu:
1. Discrete-event simulation, suatu simulasi yang didasarkan pada satuan waktu
yang discrete.
2. Emulation, simulasi operasi yang dilakukan dalam lingkungan yang berbeda
dengan aslinya.
3. Monte-Carlo Simulation, simulasi yang berubah sepanjang waktu (continue)
hingga mencapai equilibrium.
Simulasi Monte-Carlo merupakan simulasi terhadap sampling yang bertujuan
untuk mengestimasi distribusi dari variabel output yang bergantung pada beberapa
variabel input yang probabilistik (Erma Suryani, 2006, p19). Dalam bukunya ini, Erma
Suryani juga menyebutkan bahwa istilah simulasi Monte-Carlo pertama digunakan
selama masa pengembangan bom atom yang merupakan nama kode dari simulasi fissi
nuklir (nuclear fission). Banyak para peneliti menggunakan istilah ini karena terkenal di
Monte-Carlo Monaco. Simulasi Monte-Carlo sering digunakan untuk evaluasi dampak
perubahan policy dan resiko dalam pembuatan keputusan.
Menurut artikel dari vertex42.com, Simulasi Monte-Carlo adalah metode untuk
mengevaluasi secara berulang model deterministik menggunakan set angka acak sebagai
inputan. Metode ini sering digunakan ketika model adalah kompleks, nonlinear, atau
lebih dari sekedar melibatkan beberapa parameter tak tentu. Simulasi biasanya dapat
melibatkan lebih dari 10.000 evaluasi dari model, tugas yang pada masa lampau itu
praktis hanya menggunakan super komputer.
22
Dengan menggunakan inputan acak, dasar model deterministik akan digantikan
menjadi model stokastik. Dengan menggunakan angka acak sederhana seragam sebagai
inputan untuk model. Namun, yang seragam distribusi bukanlah satu-satunya cara untuk
mewakili ketidakpastian. Sebelum menjelaskan langkah-langkah yang umum pada
simulasi Monte-Carlo, sedikit penjelasan tentang uncertainty propagation.
Metode Monte-Carlo adalah salah satu metode untuk menganalisis uncertainty
propagation, di mana tujuannya adalah untuk menentukan seberapa acak variasi,
kurangnya pengetahuan, atau kesalahan yang mempengaruhi sensitivitas, kinerja, atau
keandalan sistem yang sedang dimodelkan.
Simulasi Monte-Carlo dikategorikan sebagai sampling karena metode input yang
dihasilkan secara acak dari distribusi probabilitas untuk mensimulasikan proses sampel
dari populasi yang sebenarnya. Jadi, dicoba untuk memilih distribusi atas inputan yang
paling cocok dengan data yang sudah ada, atau terbaik mewakili pengetahuan saat ini.
Data yang dihasilkan dari simulasi dapat digambarkan sebagai distribusi probabilitas
(atau histograms) atau diubah ke bar error, keandalan prediksi, zona toleransi, dan
interval keyakinan.
Langkah-langkah dalam melakukan simulasi Monte Carlo adalah
1. Pembuatan model parametrik, y = f ( x1, x2, ... xn,).
2. Bangkitkan kumpulan inputan acak, xi1, xi2, ... xiq.
3. Evaluasi model dan kumpulkan hasil perhitungan y.
4. Ulangi langkah 2 dan 3 untuk i=0 sampai n.
5. Analisis hasil menggunakan histogram, statistik ringkasan, selang kepercayaan
dan sebagainya.
23
Uncertainty Propagation (Prinsip dasar simulasi Monte-Carlo)
Gambar 2.3 Skematis Dasar-Dasar dari Stokastik Uncertainty Propagation.
Realibitas merupakan indeks yang menunjukkan sejauh mana suatu alat
pengukuran dapat dipercaya atau dapat diandalkan. Sehingga realibilitas
menggambarkan keterandalan model
2.2.9. Bilangan Acak
Dalam bukunya Erma Suryani (2006, p23) menyebutkan bahwa dalam konteks
simulasi, bilangan random merupakan bilangan yang berdistribusi uniform antara 0 dan
1. Semua program komputer memiliki kemampuan untuk membangkitkan bilangan
random. Secara teknik komputer tidak dapat membangkitkan bilangan yang benar-benar
random, dikarenakan harusnya menggunakan algoritma deterministik. Oleh karena itu,
komputer membangkitkan bilangan yang berdistribusi uniform antara 0 dan 1 yang
disebut “pseudorandom numbers”.
24
Variabel random merupakan deskripsi numerik dari outcome beberapa
eksperimen simulasi. Jenis-jenis variabel random :
1. Variabel random diskrit. Ditribusi probabilitas diskrit didefinisikan sebagai
probabilitas “mass function”. Besarnya 0 ≤ 𝑓(𝑥) ≤ 1. Contoh: pelemparan
sebuah dadu.
2. Variabel random kontinu. Distribusi probabilitas kontinu didefinisikan sebagai
fungsi densitas probabilitas. Besarnya 𝑓 𝑥 𝑑𝑥. Contoh: waktu perbaikan
mesin.
2.3. Optimasi
2.3.1. Definisi Optimasi
Optimasi merupakan proses untuk meningkatkan performansi model (Erma
Suryani, 2006, p113). Jenis-jenis performansi ditentukan oleh dua hal sebagai berikut:
1. Kemampuan model untuk membentuk event yang sama dengan sistem nyatanya
2. Kemampuan model untuk mencapai tujuan pembuatannya.
Jenis-jenis optimasi:
1. Estimasi parameter berupa perkiraan terhadap nilai parameter.
2. Optimasi kebijakan berupa pemilihan beberapa kebijakan untuk memaksimalkan
beberapa aspek performansi.
2.3.2. Mendefinisikan Nilai Payoff
Payoff merupakan proses membandingkan variabel-variabel model dengan data
aktual. Jenis-jenis payoff:
25
1. Payoff kalibrasi
Berisi variabel-variabel yang dibandingkan dengan nilai bobotnya. Nilai bobot
(E1) dihitung dengan menggunakan rumus berikut:
𝐸1 = 𝑆−𝐴
𝐴 .................................................................................................... (2.1)
Dimana:
S = nilai rata-rata hasil simulasi
A = nilai rata-rata data aktual
Jika S bernilai A maka nilai E menunjukan simulasi telah mencapai hasil untuk
mengambarkan simulasi secara utuh.
2. Payoff kebijakan
Digunakan untuk menilai performansi sistem.
2.4. Inferensia Statistik
2.4.1. Definisi Inferensia Statistik
Inferensia statistik mencakup semua metode yang berhubungan dengan analisis
data untuk kemudian sampai pada peramalan atau penarikan kesimpulan mengenai
keseluruhan gugus data induknya. (Walpole, 1995, p5)
2.4.2. Ragam
Ragam merupakan ukuran penyebaran data yang mengukur rata-rata jarak
kuadrat semua titik pengamatan terhadap titik pusat (rataan). Apabila 𝑥1 , 𝑥2,… , 𝑥𝑛
adalah anggota suatu contoh berukuran n, maka ragam contoh tersebut adalah:
𝑠2 =1
𝑛−1 𝑥𝑖 − 𝑥 2𝑛𝑖=1 ................................................................................ (2.2)
26
Akar dari ragam dikenal dengan simpangan baku yang dinotasikan dengan 𝑠.
(Mattjik, 2006, p14).
2.4.3. Uji Beda Nilai Tengah Dua Sampel
Untuk menguji perbedaan dua nilai tengah populasi dapat dibedakan menjadi dua
kasus yaitu kasus saling bebas dan kasus berpasangan. Dua contoh dikatakan saling
bebas jika pemilihan unit-unit contoh pertama tidak tergantung pada bagaimana unit-unit
contoh kedua dipilih dan sebaliknya. Bentuk hipotesis ada 3 sebagai berikut:
𝐻0 = 𝜇1 − 𝜇2 ≥ 𝛿0 , 𝐻1 = 𝜇1 − 𝜇2 < 𝛿0 ............................................. (2.3)
𝐻0 = 𝜇1 − 𝜇2 ≤ 𝛿0 , 𝐻1 = 𝜇1 − 𝜇2 > 𝛿0 ................................................ (2.4)
𝐻0 = 𝜇1 − 𝜇2 = 𝛿0 , 𝐻1 = 𝜇1 − 𝜇2 ≠ 𝛿0 ................................................ (2.5)
Pengujian beda nilai tengah pada contoh dengan ragam yang tidak sama 𝑠12 ≠
𝑠22 memiliki rumus statistik uji sebagai berikut: (Mattjik, 2006, pp43-45).
𝑡𝑖𝑡𝑢𝑛𝑔 = 𝑥 1−𝑥 2 −𝛿0
𝑠 𝑥 1−𝑥 2 ........................................................................... (2.6)
Dimana 𝑠 𝑥 1−𝑥 2 = 𝑠1
2
𝑛1+
𝑠22
𝑛2 ....................................................... (2.7)
Dengan derajat bebas effektif sebesar dbeff , dimana
𝑑𝑏𝑒𝑓𝑓 = 𝑠1
2
𝑛1+𝑠2
2
𝑛2
2
𝑠12
𝑛1
2
𝑛1−1+
𝑠2
2
𝑛2
2
𝑛2−1
................................................................... (2.8)
27
2.5. Teknologi GPS
2.5.1. Fundamental penerima GPS
Dalam bukunya James Bao-Yen Tsui (2005, p2) menjelaskan bagaimana GPS
(Global Position System) bekerja. Sinyal dikirimkan dari satelit GPS yang diterima dari
antena, melalui rantai frekuensi radio (Radio Frequency/RF) sinyal input diperkuat
menjadi amplitudo yang layak dan frekuensi dikonversikan ke frekuensi output yang
diinginkan. Alat pengkonversi analog menjadi digital (Analog-to-digital converter/ADC)
biasa digunakan untuk mendigitalkan sinyal output. Antena, rantai RF, dan ADC adalah
hardware yang digunakan untuk menerima. Setelah sinyal diubah menjadi digital,
software digunakan untuk memprosesnya. Program pelacakan digunakan untuk
menemukan tahap transisi data navigasi. Dalam penerima konvensional, akuisisi dan
pelacakan yang dilakukan oleh hardware. Dari data navigasi tahapan transisi subframe
dan navigasi dapat diperoleh. Data empiris dan diperoleh dari data navigasi. Akhirnya,
posisi pengguna dapat dikalkulasi dari posisi satelit dan perkiraan batasan.
Gambar 2.4 Fundamental Penerima GPS.
28
Sebuah aspek penting menggunakan pendekatan perangkat lunak untuk
membangun sebuah penerima GPS adalah bahwa pendekatan yang dapat secara drastis
menyimpang dari pendekatan hardware konvensional. Sebagai contoh, pengguna dapat
mengambil snapshot dari data dan proses mereka untuk menemukan lokasi daripada
terus melacak sinyal. Secara teoritis, 30 detik data yang cukup untuk menemukan posisi
pengguna. Ini khususnya bermanfaat ketika data tidak dapat dikumpulkan secara terus
menerus. Sejak pendekatan perangkat lunak dalam tahap awal, seseorang dapat
mengeksplorasi banyak metode potensial. Pendekatan perangkat lunak sangat fleksibel,
dapat memproses data yang dikumpulkan dari berbagai jenis perangkat keras. Sebuah
pendekatan perangkat lunak hampir bisa dianggap hardware independence.
Algoritma baru dapat dengan mudah dikembangkan tanpa mengubah desain
hardware. Hal ini sangat berguna untuk mempelajari masalah kemacetan untuk dapat
mengumpulkan serangkaian sinyal digital dengan sinyal kemacetan yang ada dan
menggunakan algoritma yang berbeda untuk menganalisisnya.
2.5.2. Persyaratan Kinerja GPS
Selain itu, James Bao-Yen Tsui (2005, p7) juga menuliskan beberapa
persyaratan kinerja seperti di bawah ini:
1. Kesalahan kuadrat rata-rata posisi pengguna adalah 10-30 m.
2. Diterapkan pada navigasi real-time untuk semua pengguna termasuk pengguna
dengan pergerakan dinamis yang tinggi, seperti pesawat berkecepatan tinggi
dengan fleksibel manuver.
3. Seharusnya mencakup seluruh dunia. Dengan demikian, dalam rangka untuk
menutupi daerah kutub, satelit harus berada dalam posisi miring.
29
4. Sinyal yang ditranmisikan harus mentolerir, sampai taraf tertentu, gangguan yang
disengaja dan tidak disengaja.
5. Tidak dapat mengharuskan setiap penerima GPS menggunakan jam dengan
akurasi yang sangat tinggi seperti jam-jam yang berbasiskan standar atom.
6. Ketika pengguna pertama kali menggunakan, membutuhkan beberapa waktu
untuk menemukan posisi pengguna.
7. Ukuran antena penerima haruslah kecil. Singal pelemah harus dijaga cukup kecil.
2.5.3. Perhitungan GPS
Posisi titik tertentu dapat dilihat dari jarak yang diukur dari titik ini dan beberapa
posisi yang dikenal (James Bao-Yen Tsui, 2005, p8). Mari gunakan beberapa contoh
untuk mengilustrasikan hal ini. Dalam Gambar 2.5, posisi pengguna berada pada sumbu
x, ini adalah kasus satu dimensi. Jika posisi satelit S1 dan jarak ke satelit x1 sama-sama
diketahui, posisi pengguna dapat berada di dua tempat, entah ke kiri atau kanan S1.
Dalam rangka untuk menentukan posisi pengguna, jarak ke satelit lain dengan posisi
yang dikenal harus diukur. Dalam Gambar 2.5, posisi S2 dan x2 unik menentukan
posisi pengguna U. Gambar 2.6 memperlihatkan kasus dua dimensi. Dalam rangka
untuk menentukan posisi pengguna, tiga satelit dan tiga jarak diperlukan. Jejak dari
sebuah titik dengan konstan jarak ke titik yang tetap adalah sebuah lingkaran dalam
kasus dua dimensi. Dua satelit dan dua jarak kemungkinan memberikan solusi karena
dua lingkaran berpotongan di dua titik. Lingkaran ketiga diperlukan untuk secara unik
menentukan posisi pengguna. Untuk alasan yang sama orang mungkin memutuskan
bahwa dalam kasus tiga dimensi empat satelit dan empat jarak yang diperlukan.
30
Gambar 2.5 Posisi Pengguna dalam Satu Dimensi.
Gambar 2.6 Posisi Pengguna dalam Dua Dimensi.
Dalam GPS, posisi satelit diketahui dari data empiris yang ditransmisikan oleh
satelit. Satu saja sudah dapat mengukur jarak dari penerima ke satelit. Oleh karena itu,
posisi penerima dapat ditentukan. Pembahasan di atas, jarak diukur dari pengguna ke
satelit diasumsikan sangat akurat dan tidak ada bias kesalahan. Namun, jarak diukur
antara penerima dan satelit memiliki bias diketahui konstan, karena jam pengguna
biasanya berbeda dari jam GPS. Untuk mengatasi kesalahan bias ini satu lagi satelit
diperlukan. Oleh karena itu, dalam rangka untuk mencari posisi pengguna lima satelit
yang diperlukan.
Jika seseorang menggunakan empat satelit dan jarak yang diukur dengan
kesalahan bias untuk mengukur posisi pengguna, dua solusi yang mungkin dapat
diperoleh. Secara teori, orang tidak dapat menentukan posisi pengguna. Namun, salah
satu solusi yang dekat dengan permukaan bumi dan yang lain adalah dalam ruang.
31
Karena posisi pengguna biasanya dekat dengan permukaan bumi, dapat ditentukan
secara unik. Oleh karena itu, pernyataan umum adalah bahwa empat satelit dapat
digunakan untuk menentukan posisi pengguna, bahkan meskipun jarak diukur memiliki
bias kesalahan.
2.5.4. Persamaan Dasar Untuk Menemukan Posisi Pengguna
Kemudian James Bao-Yen Tsui (2005, p10) juga menampilkan persamaan dasar
untuk menemukan posisi pengguna. Asumsikan bahwa jarak yang diukur adalah akurat
dan di bawah kondisi ini cukup tiga satelit. Dalam Gambar 2.6, ada tiga titik di lokasi
diketahui r1 atau (x1, y1, z1), r2 atau (x2, y2, z2), dan r3 atau (x3, y3, z3), dan yang
tidak diketahui titik di ru atau (xu, yu, zu). Jika jarak antara tiga poin dikenal untuk titik
yang tidak diketahui dapat diukur sebagai ρ1, ρ2, dan ρ3, jarak ini dapat ditulis.:
𝜌1 = (𝑥1 − 𝑥𝑢)2 + (𝑦1 − 𝑦𝑢)2 + (𝑧1 − 𝑧𝑢)2 ......................................... (2.9)
𝜌2 = (𝑥2 − 𝑥𝑢)2 + (𝑦2 − 𝑦𝑢)2 + (𝑧2 − 𝑧𝑢)2 ........................................ (2.10)
𝜌3 = (𝑥3 − 𝑥𝑢)2 + (𝑦3 − 𝑦𝑢)2 + (𝑧3 − 𝑧𝑢)2 ........................................ (2.11)
Karena ada tiga yang tidak diketahui dan tiga persamaan, nilai-nilai xu, yu, dan
zu dapat ditentukan dari persamaan tersebut. Secara teoritis, harus ada dua set solusi
karena mereka orde kedua persamaan. Persamaan ini dapat relatif mudah dipecahkan
dengan linearisasi dan pendekatan berulang-ulang. Dalam operasi GPS, posisi dari
satelit yang diberikan. Informasi dapat diperoleh dari data yang ditransmisikan dari
satelit. Jarak dari pengguna (posisi yang tidak diketahui) ke satelit harus diukur secara
bersamaan pada waktu tertentu misalnya. Setiap satelit mengirimkan sebuah sinyal
32
dengan referensi waktu yang terkait dengannya. Dengan mengukur waktu perjalanan
sinyal dari satelit ke pengguna jarak antara pengguna dan satelit dapat ditemukan.
Gambar 2.7 Menghitung Sebuah Posisi dengan Tiga Posisi Diketahui
2.5.5. Area Urban
Area urban adalah area yang memiliki kepadatan pendudukan yang tinggi,
terbentuk karena proses urbanisasi. Pengertian ini sesuai dengan kutipan dari Wikipedia
dibawah ini.
An urban area is characterized by higher population density and vast human features in
comparison to areas surrounding it. Urban areas may be cities, towns or conurbations,
but the term is not commonly extended to rural settlements such as villages and hamlets.
Urban areas are created and further developed by the process of urbanization.
Measuring the extent of an urban area helps in analyzing population density and urban
sprawl, and in determining urban and rural populations (Cubillas 2007). (Wikipedia 3
november 2009).
Area urban didefinisikan sebagai area yang ditandai dengan kepadatan penduduk
lebih tinggi dan banyaknya ciri manusia jika dibandingkan dengan daerah-daerah
sekitarnya. Area urban dapat berupa kota besar, kota kecil dan daerah perkotaan yang
33
terdiri dari sejumlah kota, tetapi istilah ini tidak umum diperluas ke pemukiman
pedesaan seperti desa dan dusun.
Area urban diciptakan dan dikembangkan dari proses urbanisasi. Pengukuran
luas area urban membantu menganalisa kepadatan populasi dan persebaran urban, dan
dalam menentukan populasi perkotaan dan pedesaan.