Pengantar Sistem DinamikMasalah Dinamik• Dinamik à Pergerakan atau Perubahan dari

waktu ke waktu • Perubahan terjadi pada variabel penting

o Pemerintah : dihadapkan pada peningkatan produksi gula, menurunkan impor, dan konsumsi gula

o Manajemen PG : Peningkatan produktivitas kebun, reningkatan remdemen, dll

o Masalah dinamik produksi, impor, dan konsumsi harus di kelola

Apakah Sistem Dinamik itu? Sistem dinamik: Pemodelan dan simulasi

komputer untuk mempelajari dan mengelola sistem umpan balik yang rumit (complex feedback systems), seperti bisnis, sistem lingkungan, sistem sosial, dsb.

Sistem:

Kumpulan elemen yang saling berinteraksi, berfungsi bersama untuk tujuan tertentu.

Umpan balik menjadi sangat penting

Masalah dinamik

Mengandung jumlah (kuantitas) yang selalu bervariasi

Variasi dapat dijelaskan dalam hubungan sebab akibat

Hubungan sebab akibat dapat terjadi dalam sistem tertutup yang mengandung lingkaran umpan balik (feedback loops)

Tahap Pemodelan Sistem Dinamik1. Identifikasi masalah 2. Membangun hipotesis dinamik yang

menjelaskan hubungan sebab akibat dari masalah termaksud

3. Membuat struktur dasar grafik sebab akibat

4. Melengkapi grafik sebab akibat dengan informasi

5. Mengubah grafik sebab akibat yang telah dilengkapi menjadi grafik alir Sistem Dinamik

6. Menyalin grafik alir Sistem Dinamik kedalam program DYNAMO, Stella, Vensim, Powersim, atau persamaan matematika

Aspek penting Berfikir dalam terminologi hubungan sebab

akibat Fokus pada keterkaitan umpan balik

(feedback linkages) diantara komponen-komponen system

Membuat batasan sistem untuk menentukan komponen yang masuk dan tidak di dalam system

Perspektif Umpan Balik Sistemik Masalah dinamik disebabkan oleh struktur

umpan balik internal dalam sistem à endogenous perspective

Keterkaitan masalah peningkatan dalam kinerja Produksià keterkaitan kebijakan bagian SDM, Produksi, pabrikasi, dan keuangan

Hubungan Sebab Akibat Berfikir sebab akibat adalah kunci dalam

mengorganisir ide-ide dalam studi Sistem Dinamik

Gunakan kata `menyebabkan` atau `mempengaruhi` untuk menjelaskan hubungan antar komponen di dalam sistem

Contoh yang logis (misalnya hukum fisika)

makanà berat bertambah

api à asap

Contoh yang tidak logis (sosiologi, ekonomi)

Pakai sabuk pengaman à mengurangi korban fatal dalam kecelakaan lalu lintas

Struktur & Perilaku Struktur sistem à keseluruhan hubungan

yang terjadi saat ini antara variabel-variabel sistem

Struktur sistem memproduksi perilaku

Causal Loop Diagram (CLD)CLD menunjukkan struktur umpan balik dari system

Penanda CLD+ : jika penyebab naik, akibat akan naik (pertumbuhan, penguatan), jika penyebab turun, akibat akan turun - : jika penyebab naik, akibat akan turun, jika penyebab turun, akibat akan naikCLD dengan Positive Feedback Loop

CLD dng Negative Feedback Loop Lelah à Tidur, Tidur à Lelah

CLD with Combined Feedback Loops(Population Growth)

CLD with Nested Feedback Loops(Self-Regulating Biosphere)

Prinsip Pendekatan Umpan Balik Sistemik• Prinsip 1 : Pentingnya hubungal kausal• hubungan kausal vs “hubungan bersifat

belaka” ?– Hubungan kausal à memahami dan

memperbaiki dinamika à jangka panjang- Korelasi à meramalkan nilai akan datang

à jangka pendek- Prinsip 2 :Pentingnya simpal kausal dari waktu

ke waktu

o Kelahiran à populasi à kelahiran : simpal kausal menghasilkan pertumbuhan eksponensial

o Simpalà mesin perubahan- Prinsip 3 : Berorientasi pada pola perilaku

dinamik dari pada berorientasi pada kejadian.

o Pola perilaku bertujuan mengkonstruksi hipotesis (struktur model) yang menguraikan mengapa? dan bagaimana? pola dinamik dibangkitkan

- Prinsip 4 : struktur internal sebagai penyebab utama perilaku dinamik (perspektif endogenous à variabel yg benar-benar pilar)- Struktur penyebab perilaku

Perilaku dinamik dasar

Building construction

Simulation & ModelingSIMULATION : A situation in which an object/procedure is substituted by another system with the main characteristics are remain the same/similar.DRIVER FORCE OF SIMULATION1. Cost Limitation2. No Real Object3. Time Constraint

Model : abstraction of a system which is developed for achieving the objective of the studyTypes of model:1. Physical2. Deskriptive3. Mathematic4. Procedural

Tahapan simulasi :1. Objective and problem definition• Traffic simulation: determine signal cycle in

order to minimize waiting time2. Data requirement

• Arrival of each path/route • Vehicles routes• Departure rate

3. Model formulation4. Simulation parameter estimation : λ , μ5. Validation and verification

Area aplikasi simulasi• Waiting lines/service• Inventory management• Production & manufacturing systems• Capital investment & budgeting• Logistics• Service operations• Environmental & resource analysis

System Performance Criteria (P)

A simple example :• Building simulation gas station with a single

pump served by a service man• Assume that arrival of cars as well their service

time are random• At first identifying the:• States : number of cars waiting for service and

number of cars served at any moment• Events : arrival of cars, start of service, end of

service• Entities: these are the cars• Queue : the queue of cars in front of the pump• Random Variate : Inter-arrival times, service

timeDistributions : we shall assume exponential

distributions for both the nter-arrival time and service time

Contoh : BUS TRANSPORTATION SYSTEM- Objective : passengers waiting time

minimization – Entity : bus, passenger, road– Attribute : number of seats; arrival time– Aktivities: driving bus; passengers get in/offNATIONAL RICE CONSUMPTION SIMULATION• National Rice Consumption (KBN) is the sum of

regional rice consumption (KBR)KBN (t) = KBR (t) + KBR (t) +….KBRn (t)

• Rice consumption can be estimated by average of individual consumption (CN) multiplied with number of population KBN (t) = CN (t) * POPN (t)= CR1 (t) * POPR1 (t) + CR2 (t) * POPR2 (t)…

• Assumption: individual consumption is constant

• Population can be Estimated by using Time Series or Simulation

DYNAMIC POPULATION SIMULATIONPOP (t) = POP (t-1) + BIRTH (t-1) – DEATH (t-1) + IMI (t-1) – EMI (t-1)BIRTH (t-1) = BR (t-1). POP (t-1)DEATH (t-1) = DR (t-1). POP (t-1)Mengenerate random number1. Random number table2. Physical process3. Mathematical formula4. Computer programComputing Expected DemandE(x) = (0.20) 14 + (0.40) 15 + (0.20) 16

+ (0.10) 17 + (0.10)18= 15.5 cases per week

Close to simulated result of 16.1 casesDifference is due to small sample sizeMonte Carlo Simulation

Select numbers randomly from a probability distribution

Use these values to observe how a model performs over time

Random numbers each have an equal likelihood of being selected at random

MONTE-CARLO SIMULATION

EXAMPLE OF SOFTWARES FOR SIMULATION1. Statfit 2. PowerSim 3. VenSim 4. Stella5. IThink

Probability Distribution Function• 26 distribution functions are considered• Discrete distribution functions:

• Bernoulli• Binomial• Multi (two)-dimensional binomial• Geometric• Hyper-geometric• Poisson• Negative binomial• Pascal, and• Discrete empirical

Continuous distribution functions:- Uniform- Normal- Multi (two)-dimensional normal- Lognormal- Cauchy- Exponential- Hyper-exponential- Gamma- Erlang - Chi-squared- T- F- Beta - Weibull, and- Continuous empirical

RAW MATERIAL DEMAND PREDICTION• Used for estimating one year (300-

working days) of raw material demand• Intuitive judgment is usually used with

relatively low accuracy• Montecarlo simulation can be used to

improve the accuracy• Observe the real raw material usage

within 2-months period (50 working-days).

Verifikasi adalah proses pemeriksaan apakah logika operasional model (program komputer) sesuai dengan logika diagram alur.- Dalam program komputer verifikasi adalah

apakah program komputer simulasi berjalan sesuai dengan yang diinginkan, dengan pemeriksaan program komputer.

- Verifikasi memeriksa penerjemahan model simulasi konseptual (diagram alur dan asumsi) ke dalam bahasa pemrograman secara benar (Law dan Kelton, 1991) .

Validasi adalah proses penentuan apakah model, sebagai konseptualisasi atau abstraksi, merupakan representasi berarti dan akurat dari sistem nyata? (Hoover dan Perry, 1989); Validasi adalah penentuan apakah mode konseptual simulasi (sebagai tandingan program komputer) adalah representasi akurat dari sistem nyata yang sedang dimodelkan (Law dan Kelton, 1991).

Relasi verifikasi, validasi dan pembentukan model kredibel

Membangun model simulasi dalam sistem:1. Membangun model konseptual yang memuat

elemen sistem nyata.Dalam model konseptual, kita membangun model logika yang memuat relasi logis antara elemen sistem juga variabel eksogenus yang mempengaruhi sistem.

2. Model diagram alur. Menggunakan model diagram alur ini, lalu dikembangkan program komputer, yang disebut juga sebagai model simulasi, yang akan mengeksekusi model diagram alur.

Perbedaan Validasi dan Verifikasi1. Ketika validasi model dilakukan,

pengembangkan representasi kredibel sistem nyata, Ketika verifikasi dilakukan kita memeriksa apakah logika model diimplementasikan dengan benar atau tidak.

2. Karena verifikasi dan validasi berbeda, teknik yang digunakan untuk yang satu tidak selalu bermanfaat untuk yang lain.

3. Verifikasi atau validasi model, kita harus membangun sekumpulan kriteria untuk menilai apakah diagram alur model dan logika internal adalah benar dan apakah model konseptual representasi valid dari sistem nyata.

Jenis-jenis validasiA. Validasi Model Konseptual

Adalah proses pembentukan abstraksi relevan sistem nyata terhadap pertanyaan model simulasi yang diharapkan akan dijawab.

B. Verifikasi dan Validasi Model LogisBentuk model logis tergantung dari bahasa pemrograman yang akan digunakan. Jika model konseptual sudah dibangun dengan baik, verifikasi model konseptual bukan pekerjaan kompleks. Ada beberapa pertanyaan yang harus dijawab sebelum kita yakin bahwa model logis merepresentasikan model konseptual. Salah satu pendekatan yang digunakan untuk verifikasi model logis adalah dengan fokus pada:1. apakah kejadian dalam model diproses

dengan benar?2. apakah rumus matematika dan relasi

dalam model valid?3. apakah statistik dan ukuran kinerja diukur

dengan benar.Jenis validasi dan verifikasi model logisa. Verifikasi dan Validasi Pemrosesan Kejadian

1. Validasi bahwa model logis mengandung semua kejadian dalam model konseptual

2. Verifikasi hubungan di antara kejadian3. Verifikasi bahwa model logis memproses

kejadian secara simultan dengan urutan benar.

4. Verifikasi bahwa semua variabel status yang berubah karena terjadinya suatu kejadian

diperbaiki dengan benar.b. Verifikasi Rumus dan Relasi

Termasuk dalam model simulasi adalah sejumlah eksplisit atau implisit fungsi dan relasi matematik.

c. Verifikasi Statistik dan Ukuran KinerjaKesalahan umum yang terjadi dalam pemodelan simulasi adalah gagal memperbaharui statistik relevan dan ukuran kinerja secara tepat ketika suatu kejadian terjadi. Salah satu carayang dapat digunakan untuk verifikasi bahwa statistik dan ukuran kinerja diperbaharui denganbenar adalah menggunakan graf kejadian.

D. Verifikasi Model Komputer adalah implementasi tepat model logis.

Beberapa metode yang digunakan untuk verifikasi model komputer adalah unik terhadap simulasi.

Tergantung dengan bahasa pemrograman yang digunakan dan tidak ada metodologi umum yang disetujui.

Verifikasi model komputer dapat dilakukan dengan:1. Metode pemrograman terstruktur2. Penelusuran model simulasi3. Pengujian4. Pengujian relasi logis5. Verifikasi dengan model analitis6. Verifikasi menggunakan grafik

E. Validasi Model Simulasi Validasi model simulasi dilakukan dengan

partisipasi analis, pengambil keputusan dan manajer sistem. Uji validasi model adalah apakah pengambil keputusan dapat mempercayai model yang digunakan sebagai bagian dari proses pengambilan keputusan.

Tidak ada teknik tunggal untuk melakukan validasi model. Prosedur validasi model simulasi tergantung dari sistem yang sedang dimodelkann dan lingkungan pemodelan.

Beberapa metode validasi adalah:1. Perbandingan output simulasi dengan sistem

nyata.

adalah metode yang paling sesuai untuk melakukan validasi model simulasi.

2. Metode Delphi.Metode Delphi dikembangkan sebagai pendekatan ke analisis permasalahan ketika sangat sedikit data tersedia atau sistem nyata sedang dipertimbangkan.

3. Pengujian Turing. adalah penyesuaian ukuran kinerja sistem

nyata sehingga pengaruh tidak dimaksudkan sebagai bagian dari model simulasi dihilangkan.

4. Perilaku ekstrimMembandingkan prediksi perilaku sistem nyata di bawah kondisi ekstrim dengan kinerja model pada kondisi sama, mode dapat divalidasi.

SISTEM PAKAR

Tujuan SIstem Pakar

Tujuan Sistem Pakar : Sistem Pakar adalah Sistem Perangkat Lunak Komputer yang menggunakan ilmu, fakta, dan teknik berfikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan

Tujuan Pengembangan Mempermudah kerja tenaga ahli Mengganti tenaga ahli Menggabungkan kemampuan tenaga

ahli Training tenaga ahli Mengurangi resiko pada pekerjaan yang

berbahaya Menyediakan ahli pada bidang

pekerjaan “kering”

APLIKASI SISTEM PAKAR DI BIDANG MANAJERIAL1. Analisis

a. Interprestasi Analisa pasar untuk komoditi

tertentu Identifikasi media iklan yang sesuai Identifikasi kebutuhan pelatihan

b. DiagnostikDiagnosa kelesuan perusahaan dan usaha penyembuhan

2. Sintesa Penarikan tenaga kerja Strategi Penentuan harga Strategi pengembangan produk

3. IntegrasiPrediksi perkembangan nilai saham pada bursa efek

Tabel : Perbedaan perangkat lunak sistem pakar dengan perangkat lunak konvensional

Perbedaan ES dan DSS

Definition of Knowledge RepresentationKnowledge. True rational belief(philosophy).OR facts, data and relationships (Computational view).

Representation. Structure + operations; OR map + operations; OR game layout and rules of play; OR abstract data types.

Knowledge representation. Framework for storing knowledge and manipulating knowledge OR ‘Set of syntactic and semantic conventions that makes it possible to describe things.’ Bench-Capon, 1990.

Knowledge Representation schemesDifferent Knowledge Representation schemes/formalisms

Natural Language Rules Logic Propositional logic (Boolean Logic) Predicate logic (First Order Logic) Frames Semantic Nets

Knowledge Representation schemes in Natural LanguageExpressiveness of natural language:Very expressive, probably everything that can be expressed symbolically can be expressed in natural language (pictures, content of art, emotions are often hard to express)Probably the most expressive knowledge representation formalism we have. Reasoning is very complex, hard to modelProblems with natural language:Natural language is often ambiguous.Syntax and semantics are not fully understood.There is little uniformity in the structure of sentences

Knowledge Representation scheme: RulesRules

These are formalization often used to specify recommendations, give directives or strategy.Format: IF <premises> THEN <conclusion>.Related ideas: rules and fact base; conflict set - source of rules; conflict resolution- deciding on rules to apply.

Advantages: easy to use; explanations are possible; capture heuristics; can handle uncertainties to some extent.Disadvantages: cannot cope with complex associated knowledge; they can grow to unmanageable size.Consists of:

a rule set for representing the expert knowledge

a “database management system” for the case-specific facts

a rule interpreter for problem solvingProperties of rule-based systems:

modularity of rule, very expressive, easy hadling of certainty factors (probabilistic, possibilitic reasoning)

Lack of precise semantics of rules. Not always efficient

Knowledge Representation scheme: Semantic NetworksSemantic networksSemantic networks are graphical representation of entities and their relationships. The nodes are objects or events; the arcs are the relationships or moves.Advantages. Easy to translate to predicate calculus.Disadvantages. Cannot handle quantifiers; nodes may have confusing roles or meanings; searching may lead to combinatorial explosion; cannot express standard logical connectives; can represent only binary or unary predicates.

Knowledge Representation scheme: Frames

These are knowledge representation formalisms in which stereotyped information on objects are represented.Features: capture object attributes and their values; search done by matching;Structure: Node and collection of attributes(slots).

Advantages: can cope with missing values- close matches are presented.Disadvantages: has been hard to implement, especially inheritanceFrames - What and WhyA frame is a collection of questions to be asked about a hypothetical situation: it specifies issues to be raised and methods to be used in dealing with them.To understand a situation, questions like:What cased it (agent)?What was the purpose (intention)?What are the consequences (effects)?Whom does it affect (recipient)?How is it done (instruments)?

SISTEM PAKAR UNTUK SELEKSI TENAGA KERJAA. Permasalahan

Parameter kompleks berbeda untuk setiap jabatan

Kebutuhan perusahaan yang dinamis Kemampuan pemikiran logis, analitis,

abstraksi dan aspek personal Keterbatasan ahli rekruitment sehingga

perlu konsultanB. Rancang Bangun1. Ahli

Latar Belakang Formal (S2/S3) Pengalaman Latar Belakang Formal + Pengalaman

2. Akuisisi Pengetahuan Diskusi Deskripsi Masalah Intuisi

Catatan consultation :Model Recsel91 untuk penarikan tenaga kerjaNama Pelamar : Bimo HeryantoJenis Kelamin : Laki-lakiNo. KTP : 98.098.78900Tempat/Tanggal Lahir: Jember, 18 Maret 1967Alamat Pelamar : Jl. Sukses Selalu No. 12Pekerjaan Kosong : Industrial Relation OfficerSyarat tempat tinggal pelamar: JABOTABEKSyarat kesehatan pelamat : YASyarat Pendidikan minimal : SMAKewarganegaraan Pelamar : WNITempat tinggal pelamar : YAKeadaan kesehatan pelamar : Yes : 90%Gaji yang diajukan : YAMinat Pelamar : Berminat : 90%Penampilan Pelamar : Baik : 90%Daya Tangkap dan cara berbicara: Baik : 90%Watak pelamar : Tertutup, Serius : 90%Nilai Psikotes : Diatas 6.0Jumlah Keluarga pelamar : 3Pendidikan terakhir pelamar : SesuaiKursus/Pelatihan yang pernah diikuti: KomputerPengalaman kerja pelamar : YaShift III : TidakTanggungan Keluarga pelamar : Ya

OUTPUT : Keputusan yang disarankan bagi pelamar adalah :Deskripsi Pekerjaan untuk Industrial Relation OfficerFungsi Utama Jabatan:Membantu Industrial Manager dalam membina hubungan dengan instansi pemerintah maupun badan-badan yang berkaitan dengan

ketenagakerjaan, pembinaan karyawan serta penanganan kasus

Tugas RutinMeneliti form perijinan Depnaker dan instansi lainnya, meneliti kasus untuk mengadakan penyidikan, dan menangani proses pemberian hak-hak karyawan sesuai dengan fasilitas yang diberikan perusahaan

Tanggung Jawab :Jabatan ini bertanggung jawab atas kecepatan dan kecermatan tugas, baik yang bersifat rutin maupun periodik (99%)

Pertimbangkan :Tanggungan keluarga pelamar cukup besar. Masalah yang timbul di tengah keluarga kemungkinan akan membawa dampak negatif bagi pelamar. Hal ini tidak dapat anda abaikan karena akan mempengaruhi motivasi dan menurunkan produktifitas. Bila ada pelamar lain yang memiliki potensi sama atau lebih baik dengan tanggungan keluarga lebih kecil, abaikan pelamar ini. Anda dapat memilih yang terbaik bagi perusahaan anda. (90%)

Struktur UpahGaji Pokok : Rp. 80000Uang Makan : Rp. 30000Uang Trasportasi : Rp. 30000Upah Tambahan : Rp. 0Tunjangan Keluarga : Rp. 100000Gaji Tetap perbulan : Rp. 240000Besarnya uang lembur diperhitungkan setelah masa percobaan selesai. Besarnya uang lembur :Jam pertama = 1.5 x upah sejamJam kedua – jam kelima = 2 x upah sejam (81%)

Mutu PelamarPelamar memiliki potensi yang bagus ditinjau dari kesesuaian pendidikan, ketrampilan dan pengalaman kerja. Hasil psikotes yang cukup bagus memberi nilai tambah bagi pelamar. Anda dapat menerima pelamar ini. Dengan sedikit pelatihan, anda akan dapat mengembangkan tenaga kerja ini sesuai dengan keinginan

perusahaan. Tapi watak/pembawaan pelamar yang serius tidak sesuai dengan tuntutan pekerjaan. Karena pekerjaan ini banyak berkaitan dengan pembinaan hubungan antar karyawan maupun dengan instansi pemerintah dan badan lainnya. Harap anda pertimbangkan faktor ini. (77%)

PENGEMBANGAN PRODUKPermasalahan

Pergeseran kebutuhan dan keinginan konsumen

Perubahan teknologi Parameter kompleks berbeda untuk

setiap produk Kebutuhan perusahaan untuk

memenangkan persaingan Siklus pengembangan produk yang

lamaRancang Bangun1. Ahli

Latar Belakang Formal (S2/S3) Pengalaman Latar Belakang Formal + Pengalaman

2. Akuisisi Pengetahuan Diskusi Deskripsi Masalah Intuisi

Contoh KonsultasiTabel ringkasan Consultation log : Strategi Pengemban……. :Tipe konsumen pemakai produk: PembaharuBanyak pesaing : Sedikit : 60%Kondisi penjualan dalam daur : Naik : 70%Biaya per konsumen yang dikeluarkan : YesBiaya per konsumen yang dikeluarkan per…: YesSituasi ekonomi saat ini : Stabil : 60%Posisi perusahaan : Pemimpin-Pasar

Arah pendekatan penjualan yang dilak : Kepercayaan-KonsumenPenggunaan saluran distribusi pesaing…: YesPenetrasi produk pada pasar : Tinggi: 60%Loyalitas konsumen terhadap produk : Tinggi : 60%Potensi pasar bagi produk : LuasBagaimana sifat pertumbuhan pasar: Tinggi : 60%Analisa penerimaan produk oleh konsumen: YesSikap pembelian konsumen terhadap pr: ManfaatMotivasi konsumen dalam pembelian pr : EmosionalKemudahan produk pada saat penerimaan: YesKeutuhan produk pada saat penerimaan: YesPersepsi konsumen terhadap produk : NoPetunjuk pada kemasan : No

Contoh hasil konsultasiConsultation for Frame Produk -1Fokuskan pengembangan produk saat ini pada kategori is as follow:

Karakteristik fisik yang subyektif seperti : tekstur, kelembutan

Manfaat kesehatan seperti : daya bersih

Perhatikan kategori atribut kemasan kenyamanan konsumen

Consultation for Frame Produk -1Strategi pengembangan produk berkaitan dengan lingkungan is as follow:Fokuskan pengembangan pada atribut kemampuan produk sesuai keinginan konsumen (60%). Pasar masih cukup luas dengan pertumbuhan tinggi, maka tambahkan model atau ciri lain pada produk (60%)

Kategori atribut produk yang perlu diperhatikan is as follow:Karakteristik fisik yang subyektif seperti tekstur, kelembutan

Kesimpulan Sistem Pakar dapat diaplikasikan pada

bidang manajerial dalam rangka mempermudah manajer yang bersangkutan untuk mengambil keputusan tertentu.

Dalam penarikan tenaga kerja, Sistem Pakar dapat menentukan kesesuaian calon ditinjau dari beberapa aspek.

Dalam pengembangan produk, Sistem Pakar dapat menentukan arah dan strategi pengembangan.

Memperhatikan contoh kasus, Sistem Pakar dapat diaplikasikan pada business secara langsung.