Mk. Metil tanah prinsip-prinsip pemodelan sistem



Yüklə 129,64 Kb.
səhifə1/3
tarix05.12.2017
ölçüsü129,64 Kb.
#13962
  1   2   3




BAHAN KAJIAN

MK. METIL TANAH



PRINSIP-PRINSIP PEMODELAN SISTEM
Oleh

Prof Dr Ir. Soemarno, M.S.

Jur Tanah FP UB, Januari 2012

1. Pendahuluan Tentang Pendekatan Sistem
1.1. Filosofi
Istilah “sistem” biasanya dapat digunakan untuk menyatakan “sesuatu” yang dapat dipandang sebagai gugusan elemen-elemen yang saling berhubungan dan terorganisir ke arah suatu sasaran tertentu atau gugus sasaran. Dalam problem-problem interdisipliner yang kompleks, "pendekatan sistem" dapat menyediakan alat bantu bagi penyelesaian masalah dengan metode dan peralatan logis yang memungkinkannya untuk mengidentifikasikan komponen-komponen (subsistem) yang saling berinteraksi untuk mencapai beberapa sasaran tertentu. Pengetahuan-pengetahuan ini memungkinkan seseorang untuk mengambil pilih-an-pilihan rasional di antara alternatif-alternatif yang tersedia dalam problem-problem yang kritis dan trade-off.

Tiga macam kondisi yang menjadi prasyarat agar supaya aplikasi pen-dekatan sistem dapat memberikan hasil yang memuaskan adalah:

(1). sasaran sistem didefinisikan secara jelas dan dapat dikenali, meskipun ka-dangkala tidak dapat dikuantifikasikan.

(2). proses pengambilan keputusan dalam sistem riil dilakukan dengan cara sen-tralisasi yang logis

(3). skala perencanaannya jangka panjang.

1.2. Prosedur
Pada hakekatnya pengembangan sistem merupakan suatu proses pengam bilan keputusan degan menggunakan fungsi-struktur, out­comes, evaluasi, dan keputusan. Tahap-tahap pokok dalam pende­katan sistem ini adalah: (i) evaluasi kelayakan, (ii) pemodelan abstrak, (iii) disain implementasi, (iv) implementasi sistem, dan (v) operasi sistem.

Seperti yang lazim diikuti, prosedur dari proses tersebut diawali dengan gugus "kebutuhan" yang harus dipenuhi, menuju kepada suatu sistem operasional yang mampu memenuhi kebutuhan. Proses-proses tersebut diikuti dengan suatu evaluasi untuk menentukan apakah outcome dari suatu tahapan memuaskan atau tidak. Proses tersebut pada kenyataannya bersifat interak­tif.




1.3. Alat Bantu
Suatu alat bantu yang sangat penting ialah model abstrak yang perilaku esensialnya mencerminkan perilaku dunia nyata (realita) yang diwakilinya. Model digunakan dalam banyak cara, dalam mendisain dan mengelola sistem sebagai fungsi analisis. Analisis ini didefinisikan sebagai determinasi output model, dengan menggunakan input dan struktur model yang telah diketa­hui.

Suatu model matematik, terutama model komputer, dapat dengan cepat menganalisis dan menghitung output dari berbagai alternatif yang sangat penting dalam proses kreatif pengelolaan sistem dan disain sistem. Pada kenyataannya kebanyakan model abstrak ini mempunyai struktur internal yang terdiri atas simbol-simbol mate-matik yang harus dipahami arti dan maknanya. Suatu model disebut analitik apabila model tersebut mempun­yai penyelesaian umum pada berbagai kisaran input sistem dan nilai-nilai parameter sistem. Model simulasi merupakan model yang menghitung alur-waktu dari peubah-peubah model untuk seper­angkat tertentu input model dan nilai parameter model. Karena seringkali tidak mungkin untuk menye-lesaikan model analitik bagi sistem yang kompleks, maka model-model simulasi (yang lebih mudah diselesaikan) banyak digunakan dalam mengkaji dan menganalisis sistem dinamik yang kompleks.


2. Simulasi Sistem
2.1. Operasi

Bagian yang sangat penting dalam analisis sistem adalah penggunaan komputer. Kemampuan komputasionalnya sangat memper­mudah dalam pengo-lahan sejumlah besar peubah dan interaksi- interaksinya. Simulasi komputer lazimnya berarti bahwa kita mem punyai suatu program komputer atau model-sistem lainnya dimana kita dapat mencoba berbagai disain sistem dan strategi pengelolaannya. Dengan menggunakan komputer, aplikasi simulasi menjadi sangat luas terutama oleh para menejer dan pengambil keputusan akhir. Teknik simulasi yang dikenal sebagai pencip­taan peubah random Montecarlo, banyak digunakan dalam bidang bisnis dan pertanian.

Dalam mengimplementasikan suatu model sistem pada kompu ter maka para pengguna mempunyai pilihan bahasa pemrograman seperti BASICS, Fortran, atau bahasa simulasi khusus.
2.2. Metodologi
Karena matematika telah dipilih sebagai suatu bahasa dasar, dan karena simulasi seringkali menjadi alat bantu kita, maka akan diperlukan tahap-tahapan proses untuk menjabarkan model grafis menjadi model matematika:

(1). Mengisolasikan komponen atau subsistem. Seringkali sub­sistem-subsistem atau komponen-komponen tersebut secara fisik berbeda dengan jelas.

(2). Menetapkan peubah-peubah input U(t) untuk setiap sub- sistem. Input stimuli ini akan menyebabkan perubahan perilaku subsistem. Termasuk di sini adalah input-input pengelolaan yang dapat digunakan untuk memperbaiki keragaan sistem yang sedang dikaji.

(3). Menetapkan peubah-peubah internal atau keubah-peubah kea­daan X(t). Pada dasarnya ini merupakan faktor-faktor dalam subsistem yang diperlukan untuk men-cerminkan sejarah masa lalu dari perilaku subsistem.

(4). Menetapkan peubah-peubah output Y(t). Kuantitas-kuantitas respon yang menghubungkan subsistem dengan subsistem lain yang merupakan ukuran penting dari keragaan sistem. Output atau respon seperti ini dapat berfungsi sebagai stimuli atau input bagi subsistem lain.

(5). Dengan cara observasi, eksperimen atau teori, menentukan hubungan matematika di antara U(t), X(t), dan Y(t). Dalam suatu model statis, hubungan-hubungan ini merupakan fungsi aljabar. Kalau melibatkan feno mena laju, penundaan atau simpanan, maka akan dihasilkan persamaan-persamaan diferensial atau integral, dan subsistem yang dinamik.

(6). Menjelaskan peubah-peubah input lingkungan eksogenous dalam bentuk matematika. Ini akan merupakan peubah-peubah stimulus bagi keseluruhan sistem yang sedang dimodel.

(7). Memperhitungkan interaksi-interaksi di antara subsis­tem-subsistem dengan metode agregasi seperti diagram kotak (block diagram), teori jaringan, dan grafik-grafik linear.

(8). Verifikasi model dengan serangkaian uji dan inspeksi. Hal ini biasanya melibatkan serangkaian revisi dan perbaikan model.

(9). Aplikasi model dalam problematik perencanaan atau pengelolaan dalam dunia nyata.



2.3. Pemodelan Sistem
Merekayasa struktur model merupakan fase yang paling sulit dalam pendekatan sistem terutama dalam problem-problem yang kompleks. Oleh karena itu disarankan utnuk memulai dengan mengidentifikasikan sub-divisi yang besar dari suatu model dan menggabungkannya bersama dalam suatu pola diagramatik. Hal ini sangat membantu untuk mengetahui arus informasi secara keseluru­han melalui model.
2.4. Aplikasi Komputer
Kemajuan teknik-teknik penggunaan sistem penyimpanan logik yang diprogram pada "memori" komputer guna mmecahkan masalah secara otomatis, menyebabkan transformasi dari metode kuno pencarian pola (pattern seeking) dan pengujiannya, menjadi potensi analisis sistem yang mempunyai kemampuan jauh lebih besar. Hal ini didorong pula oleh kemampuan pada pengolahan data, serta kemampuannya untuk mengontrol peralatan yang lain seperti pada peralatan komunikasi. Komputer dalam seper-sekian detik mampu mensimulasi berbagai pekerjaan sehingga berdayaguna ganda. Dengan aplikasi berbagai teori serta model matematika, seorang analis dapat menduga serta menguji karakteristik sistem melalui simulasi komputer perhitungan matematis sebelum memben­tuk yang sebenarnya (actual).

Kecenderungan ke arah pandangan sistem secara menyeluruh (total system viewpoints) banyak menimbulkan akibat-akibat besar pada disain dan integrasi dari bermacam operasi di berbagai lapangan, sehingga pengaruh dari para analis sistem juga dilem­bagakan pada berbagai aplikasi . Reaksi yang cepat dan kemam­puan dari suatu komputer untuk mempertimbangkan beberapa interaksi sekaligus menyebabkan seorang analis mampu merancang pabrik yang akan beroperasi dengan kapasitas lebih dari 99% kapasitas teoritis. Komputer-komputer akan selalu membaca informasi dan bereaksi langsung, dan hal ini merupakan sebab mengapa pabrik tersebut dapat mencapai efisiensi tinggi.


2.5. Sistem dan Teori Menejemen
Permasalahan yang dihadapi oleh para eksekutif dan adminis­trator telah berubah dalam jenis maupun isinya. Akhir-akhir ini, pertanyaan untuk para menejer dan supervisor adalah seder­hana: "Dapatkah pekerjaan ini dilakukan?". Berbagai cara teknis untuk mencapai tujuan yang sangat bervariasi dengan bermacam derajat efektivitas dan efisiensinya sekarang ini telah terse­dia . Namun demikian, situasi yang sebaliknya juga sering dijumpai para menejer. Banyak sekali alternatif-alternatif yang harus dipertimbangkan, terlalu banyak kombinasi yang harus diseleksi, terlalu banyak penyimpangan-penyimpangan yang harus dicegah sehingga membingungkan para pengambil keputusan. Di lain pihak terlalu banyak hal-hal yang dapat menjadi kesalahan dengan adanya operasi yang kompleks serta harus dikelola. Pada saat ini, pertanyaan berubah menjadi "Apakah Pekerjaan ini perlu dilaksanakan?" , "Alternatif mana yang harus dipilih?" dan sebagainya.

Cara pengambilan keputusan tidak lagi dapat dilakukan secara intuisi dan tidak lagi hanya mengandalkan pada pengalaman masa lalu saja. Spektrum dari alternatif sangat luas dan pili­han-pilihan menjadi semakin banyak. Oleh karena itu timbullah pemikiran untuk mene-rapkan ilmu sistem pada menejemen, yang secara khas dapat di-deskripsikan sebagai pemikiran alternatif.

Lazimnya para analis sistem menelaah permasalahan yang kompleks dan rumit serta mensortir faktor-faktor yang penting. Mereka bertujuan untuk membantu para pengambil keputusan dengan memperlengkapi optimasi kuantitatif dari efektivitas serta biaya dari setiap alternatif yang dapat dipilih. Menghadapi pilihan yang semakin banyak, maka para menejer beralih pada teknik analisis untuk membantu mengambil keputusan.

Dengan alasan tersebut di atas, para menejer modern membu­tuhkan teori-teori jaringan kerja struktural dan filsafat beror­ganisasi agar dia dapat melaksanakan pekerjaannya, memformu­lasikan permasalahan yang ada dan memecahkannya dalam menghadapi bertambahnya ragam kondisi, aksi dan pilihan. Kunci persoalan adalah "keragaman" (variety), dalam hal ini tujuan analisis sistem adalah pengelolaan serta kontrol keragaman sebelum kera­gaman tersebut mengontrol dan mengelola para menejer.

Sebagai kesimpulannya, dalam mempelajari ilmu sistem, seseorang harus bersedia menelaah tidak hanya sejumlah karak­teristik sistem yang khas, teknik dan metodanya, namun juga meliputi hal-hal yang akan menjadi perhatian utamanya, suatu pertimbangan yang meluas dari kontrol pada tingkat yang lebih tinggi. Cakupan studi beragam dari studi inter-disiplin yang sederhana hingga pada permasalahan yang dihadapi oleh perancang Sistem Total.

3. PEMODELAN SISTEM
3.1. Ruang Lingkup
Konsep dan teknik analisis sistem semula dikembangkan oleh para ahli militer untuk keperluan mengeksplorasi dan mengkaji keseluruhan implikasi yang diakibatkan oleh alternatif-alterna­tif strategi militer. Pendekatan ini merupakan suatu strategi penelitian yang luas dan sistematik untuk menyelesaikan suatu problem penelitian yang kom-pleks. Obyek penelitian biasanya merupakan suatu sistem dengan kerumitan-kerumitan yang sangat kompleks sehingga memerlukan pengabstraksian. Dalam hubungan inilah dikenal istilah "model dan pemodelan".

Istilah pemodelan adalah terjemahan bebas dari istilah "modelling". Untuk menghindari berbagai pengertian atau penaf­siran yang berbeda-beda, maka istilah "pemodel-an" dapat diarti­kan sebagai suatu rangkaian aktivitas pem-buatan model. Sebagai landasan untuk lebih memahami pengertian pemodelan maka diperlu­kan suatu penelaahan tentang "model" secara spesifik ditinjau dari pendekatan sistem.

Dalam konteks terminologi penelitian operasional (operation research), secara umum model didefinisikan sebagai suatu perwak­ilan atau abstraksi dari suatu obyek atau situasi aktual. Model melukiskan hubungan-hubungan langsung dan tidak langsung serta kaitan timbal-balik dalam terminologi sebab akibat. Oleh karena suatu model adalah abstraksi dari realita, maka pada wujudnya lebih sederhana dibandingkan dengan realita yang diwakilinya . Model dapat disebut lengkap apabila dapat mewakili berbagai aspek dari realita yang sedang dikaji.

Salah satu syarat pokok untuk mengembangkan model adalah menemukan peubah-peubah apa yang penting dan tepat. Penemuan peubah-peubah ini sangat erat hubungannya dengan pengkajian hubungan-hubungan yang terdapat di antara peubah-peubah. Teknik kuantitatif seperti persamaan re-gresi dan simulasi digunakan untuk mempelajari keterkaitan antar peubah dalam sebuah model.

Memang dimungkinkan untuk dapat merancang-bangun dengan baik berbagai model sistem tanpa matematik, dan /atau mengetahui matematika tanpa analisis sistem. Namun demikian, perumusan mate-matika yang terpilih dapat mempermudah pengkajian sistem, yang pada umumnya merupakan suatu kompleksitas. Sifat universa­litas dari matematik dan notasi-notasinya akan memperlancar komunikasi dan transfer metode yang dikembangkan di suatu negara atau bidang ilmu tertentu ke bidang lainnya.

Kebanyakan para pengguna analisis sistem menjumpai kesuka­ran untuk mengimplementasikan notasi-notasi matematika ke dalam format konsepsi disiplin ilmunya . Mereka kemudian memilih alternatif pembuatan model konsepsi (conceptual model) yang sifatnya informal karena terasa lebih mudah. Bagaimanapun juga, para ahli sistem berpendapat bahwa keuntungan lebih besar dibandingkan dengan biaya yang diperlukan dalam megkaji permasa­lahan penelitian secara matematis. Hal ini disebabkan adanya daya guna yang berlipat ganda pada proses rancang bangun dan analisis dalam bentuk bahasa matematika yang sangat penting dalam teori ekonomi, keteknikan, ilmu alam hingga ilmu-ilmu sosial. Meskipun teknik-tekniknya sangat beragam dan filosofi­nya masih dipandang kontraversi namun ide dasarnya adalah seder­hana yaitu menjabarkan keterkaitan-keterkaitan yang ada dalam dunia nyata menjadi operasi-operasi matematis.




3.2. Jenis-Jenis Model
Pengelompokkan model akan mempermudah upaya pemahaman akan makna dan kepentingannya. Model dapat dikatagorikan menurut jenis, dimensi, fungsi, tujuan, pokok kajian, atau derajat keabstrakannya. Kategori umum yang sangat praktis adalah jenis model yang pada dasarnya dapat dikelompokkan menjadi (i) ikonik, (ii) analog, dan (iii) simbolik.
3.2.1. Model Ikonik (Model Fisik)

Model ikonik pada hakekatnya merupakan perwakilan fisik dari beberapa hal, baik dalam bentuk ideal maupun dalam skala yang berbeda. Model ikonik ini mempunyai karakteristik yang sama dengan hal yang diwakilinya, dan terutama amat sesuai untuk menerangkan kejadian pada waktu yang spesifik. Model ikonik dapat berdimensi dua (foto, peta, cetak-biru) atau tiga dimensi (prototipe mesin, alat, dan lainnya). Apabila model berdimensi lebih dari tiga tidak mungkin lagi dikonstruksi secara fisik sehingga diperlukan kategori model simbolik.



3.2.2. Model Analok (Model Diagramatik)

Model analog dapat digunakan untuk mewakili situasi dina­mik, yaitu keadaan yang berubah menurut waktu. Model ini lebih sering digunakan daripada model ikonik karena kemampuannya untuk mengetengahkan karakteristik dari kejadian yang dikaji. Model analog sangat sesuai dengan penjabaran hubungan kuantitatif antara sifat dari berbagai komponen. Dengan melalui transforma­si sifat menjadi analognya, maka kemampuan untuk membuat peruba­han dapat ditingkatkan. Contoh dari model analog ini adalah kurva permintaan, kurva distribusi frekuensi pada statistik, dan diagram alir. Model analog digunakan karena kesederhanaannya namun efektif pada situasi yang khas, seperti pada proses pen­gendalian mutu dalam industri (operating characteristic curve).


3.2.3. Model Simbolik (Model Matematik)

Pada hakekatnya, ilmu sistem memusatkan perhatian pada model simbolik sebagai perwakilan dari realita yang dikaji. Format model simbolik dapat berupa bentuk angka, simbol dan rumus. Jenis model simbolik yang umum dipakai adalah suatu persamaan (equation).

Bentuk persamaan adalah tepat, singkat dan mudah dimenger­ti. Simbol persamaan tidak saja mudah dimanipulasi didbanding­kan dengan kata-kata, namun juga lebih cepat dapat ditanggap maksudnya. Suatu persamaan adalah bahasa yang universal pada penelitian operasional dan ilmu sistem, dimana di dalamnya digunakan suatu logika simbolis.

Dalam mempelajari ilmu sistem diperlukan suatu pengertian yang mendasar tentang simbol-simbol matematika; karena kalau tidak demikian akan menambah kompleksitas dari konsep pengkajian itu sendiri. Bagaimanapun juga sebagaimana mempelajari suatu hal maka kunci dari kelancaran dan pemahamannya adalah frekuensi latihan aplikasinya. Dengan demikian diharapkan para pengguna dapat secara efisien menangkap arti dari setiap notasi mate­matis yang disajikan. Misalnya , notasi ai dapat diartikan faktor peubah a, dan Aij dapat digambarkan sebagai Tabel matriks peubah A dengan baris i dan kolom j.


3.3. Karakteristik Model Matematika
Proses pemodelan mencakup pemilihan karakteristik dari perwakilan abstrak yang paling tepat bagi situasi yang sedang dikaji . Pada umumnya model matematika dapat diklasifikasikan menjadi dua bagian, yaitu model statik dan model dinamik. Model statik memberikan informasi tentang peubah-peubah model hanya pada titik tunggal dari waktu. Sedangkan model dinamik mampu menelusuri jalur waktu dari peubah-peubah model. Model dinamik lebih sulit dan mahal pembuatannya, namun mempunyai kekuatan yang lebih hebat untuk analisis dunia nyata.

Klasifikasi lain tergantung apakah model abstrak tersebut meng-gunakan pandangan mikro atau makro. Model mikro bertujuan untuk mempernyatakan suatu unit individu yang ada pada dunia nyata, sebagai contoh sebuah mobil pada aliran transportasi atau seorang pembeli pada antrian pasar. Pada model makro, unit individu kehilangan identitasnya karena peubah model secara khas dikaitkan dengan agregat dari unit sistem. Contoh dari pandan­gan makro adalah peubah pada aliran listrik, kecepatan aliran mobil pada jalan raya dan aliran bahan dan pelayanan pada struktur ekonomi.

Ditinjau dari cara klasifikasinya maka model abstrak dapat dikelompokkan menjadi: (i) mikro-statik, (ii) makro-statik, (iii) mikro-dinamis, dan (iv) makro-dinamis. Penggunaan model- model ini tergantung pada tujuan pengkajian sistem dan terlihat jelas pada formulasi permasalahan pada tahap evaluasi kelayakan.

Sifat model juga tergantung pada teknik pemodelan yang digunakan. Model yang mendasarkan pada teknik peluang dan memperhitungkan adanya ketidak pastian (uncertainty) disebut model probabilistik atau model stokastik. Pada ilmu sistem model ini sering digunakan karena masalah yang dikaji pada umumnya megandung keputusan yang mengandung ketidak-menentuan. Lawan dari model ini adalah model kuantitatif yang tidak memper­timbangkan peluang kejadian, dikenal sebagai model determinis­tik. Contohnya adalah model pada "program linear". Model ini memusatkan penelaahannya pada faktor-faktor kritis yang diasum­sikan mempunyai nilai yang eksak dan tertentu pada waktu yang spesifik. Sedangkan model probabilistik biasanya mengkaji ulang data atau informasi yang terdahulu untuk menduga peluang kejadi­an tersebut pada keadaan sekarang atau yang akan datang dengan asumsi terdapat relevansi pada jalur waktu.

Dalam hal-hal tertentu, sebuah model dibuat hanya untuk semacam deskripsi matematik dari kondisi dunia nyata. Model ini disebut model deskriptif dan banyak dipakai untuk mempermudah penelaahan suatu permasalahan. Model ini dapat diselesaikan secara eksak serta mampu mengevaluasi hasilnya dari berbagai pilihan data input. Apabila model digunakan untuk memperband­ingkan antar alternatif, maka model disebut model optimalisasi. Solusi dari model ini merupakan nilai optimum yang tergantung pada kriteria input yang digunakan. Sebagai teladan adalah "Program Dinamik dan Goal Programming"; sedangkan model deskrip­tif yang hanya memper-nyatakan pilihan peubah adalah persamaan regresi multi-variate.

Apabila sistem telah diekspresikan dalam bentuk no-tasi matematika dan format persamaan, maka timbullah keuntungan yang berasal dari kapasitas manipulatif dari matematik. Seorang analis dapat memasukkan nilai-nilai yang berbeda-beda ke dalam model matematika dan kemudian mempelajari perilaku sistem terse­but. Pada pengkajian ma-salah-masalah tertentu, uji sensitifi­tas dari sistem dilakukan dengan pengubahan peubah-peubah sistem itu sendiri.

Bahasa simbolik juga sangat membantu dalam komunikasi karena pernyataannya yang singkat dan jelas dibanding­kan dengan deskripsi lisan. Penggunaan format matematika mem­buat penjelasan lebih komprehensif dan seringkali mampu mengung­kapkan hubungan-hubungan yang tidak dapattercermin pada deskrip­si lisan dari suatu sistem. Dengan demikian dapat dikatakan bahwa pemodelan sistem (System Modelling) adalah pembentukan rangkaian logika untuk menggambarkan karakteristik sistem terse­but dalam format matematis. Oleh karena itu, proses ini sering disebut juga pemodelan abstrak (abstract modelling) karena hasilnya adalah gugus persamaan-persamaan yang saling berkaitan secara fungsional. Pada beberapa jenis sistem, proses pemodelan abstrak ini lebih mudah pengerjaannya, seperti model biofisik dan keteknikan.
3.4. Tahapan Dalam Pemodelan
Para ahli penelitian operasional dan ilmu sistem te-lah mem-berikan konsepsi dan teknik pemodelan sistem. Para ahli ini menya rankan untuk mengawali pemodelan dengan penguraian seluruh komponen yang akan mempengaruhi efektivitas dari operasi sistem. Setelah daftar komponen tersebut lengkap, langkah selanjutnya adalah penyaringan komponen mana yang akan dipakai dalam pengka­jian tersebut. Hal ini umumnya sulit karena adanya interaksi antar peubah yang seringkali menyulitkan isolasi suatu peubah. Peubah yang di-pandang tidak penting ternyata bisa saja mempenga­ruhi hasil studi setelah proses pengkajian selesai. Untuk menghindarkan hal ini, diper lukan percobaan pengujian data guna memilih komponen-komponen yang kritis. Setelah itu dibentuk gugus persamaan yang dapat dievaluasi dengan merubah-rubah komponen tertentu dalam batas-batas yang diperkenankan. Salah satu contoh pemodelan seperti ini adalah Program Linear (Linear Programming) dan Program Dinamik (Dynamic Programming).

Dalam konteks pendekatan sistem, tahap-tahap pemodel-annya lebih kompleks namun relatif terlalu beragam, baik ditinjau dari jenis sistem ataupun tingkat kecanggihan model. Manetsch dan Park (1984) mengembangkan tahap pemodelan abstrak ini seba­gai bagian dari pendekatan sistem.

Pemodelan abstrak menerima input berupa alternatif sistem yang layak. Proses ini membentuk dan mengimplementasikan model-model matematika yang dimanfaatkan untuk merancang program terpilih yang akan dipraktekkan di dunia nyata pada tahap beri­kutnya. Output utama dari tahap ini adalah deskripsi terinci dari keputusan yang diambil berupa perencanaan, pengendalian atau kebijakan lainnya.
3.4.1. Tahap Seleksi Konsep

Lazimnya langkah awal dari pemodelan abstrak adalah melaku­kan seleksi alternatif hasil dari tahap evaluasi kelayakan. Seleksi ini dilakukan untuk menetukan alternatif-alternatif mana yang bermanfaat dan bernilai cukup besar untuk dilakukan pemode­lan abstraknya. Hal ini erat kaitannya dengan biaya dan penam­pakan dari sistem yang dihasilkan. Interaksi dengan para pen­gambil keputusan serta pihak lain yang amat terlihat pada sistem sangat diperlukan dalam tahap seleksi ini.


Yüklə 129,64 Kb.

Dostları ilə paylaş:
  1   2   3




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©genderi.org 2024
rəhbərliyinə müraciət

    Ana səhifə