pti14 pendekatan sistem

OPTIMASI DAN HEURISTIK

DALAMPENDEKATAN SISTEM

Arif Rahman

INDUSTRIAL ENGINEERING..is concerned with the design, improvement, and installation of integrated systems of men, materials, information, energy, and equipments. It draws upon specialized knowledge and skill in the mathematical, physical and social sciences together with the principles and methods of engineering analysis and design to specify, predict and evaluate the result to be obtained from such systems

Mathematical

Physical Sciences

Social Sciences

Engineering

Knowledge & Skill

IndustrialEngineering

IntegratedSystems

Design

Improvement Installation

Specify

Predict

Evaluate

OptimalResult

SPECIFY, PREDICT and EVALUATE... to specify, predict and evaluate the result to be obtained from such systems

•Specify mempunyai makna menspesifikasikan, merinci, menjabarkan, menentukan, mengkategorisasikan•Predict mempunyai makna memprediksikan, mengestimasi, menduga, menaksir, memperkirakan•Evaluate mempunyai makna mengevaluasi, mengukur, menilai, menguji, memeriksa, mengaudit, menganalisa

Teknik Industri mempelajari sistem melalui pendekatan sistem nyata atau modelnya dengan berbasis pada nilai atau ukuran yang dihasilkan sistem tersebut.

SYSTEM APPROACH

SYSTEM APPROACH

RealSystems

SyntheticSystems

CensusObservations AnalogModeling

SymbolicModeling

RandomSampling

RandomExperiment Schematic

ModelingMathematical

Modeling

Effectiveness

Efficiency

DEFINISI SISTEMsuatu kesatuan yang terdiri dari sekumpulan elemen-elemen (entitas atau subsistem) yang saling berinteraksi (selaras atau bertolak belakang, bergabung atau terurai) secara simultan dan terpadu untuk mewujudkan tujuan tertentu dengan mendapatkan masukan dan menghasilkan keluaran pada lingkungan di luar batasan sistem

Sistem

Lingkungan

Batasan

Input /Faktor

Output /Dampak

Umpan Balik

Entitas / SubsistemInteraksi / Relasi

TERMINOLOGI• Elemen-elemen

• Komponen bagian dari sistem yang berupa entitas atau subsistem

• Entitas (entity) : object yang menjadi bagian dari sistem berwujud benda atau dibendakan• Manusia - Material - Mesin• Waktu - Energi - Kekentalan - Pergerakan

• Sub sistem : sistem yang lebih kecil sebagai bagian dari sistem yang menjadi metasistem/supersistem-nya• Sistem produksi vs Sistem manufaktur• Sistem ekonomi vs Sistem industri• Sistem matahari vs Sistem bumi• Sistem ayam vs Sistem telur

TERMINOLOGI• Atribut

• Sebutan, sifat, karakter atau fitur yang dimiliki elemen sistem.

• Parameter : atribut instrinsik yang dimiliki entitas dan bernilai tertentu, tetap atau konstan• Parameter vs Statistik

• Variabel (peubah, variable atau variate): atribut entitas atau interaksi antar entitas yang dapat berubah• Variabel bebas (independent variable)• Variabel terikat (dependent variable)

TERMINOLOGI• Proses pengolahan (transformation process)

Merupakan bagian yang mengolah atau merubah masukan sistem menjadi keluaran sesuai tujuan sistem

• Perilaku sistem (behaviour)Perubahan pada sistem karena aktivitas elemen-elemen sistem dalam proses pengolahan.

• Ukuran performansi sistemMerupakan indikator perilaku sistem yang menjadi perhatian pemodel

• Status sistem (state)Merupakan kumpulan indikator yang menggambarkan keadaan sistem pada waktu tertentu.

Transient State : kondisi sistem yang dipengaruhi oleh perubahan waktu.Steady State : kondisi sistem yang telah tidak dipengaruhi oleh perubahan waktu

(stabil).

DEFINISI MODELSuatu representasi atau formalisasi suatu sistem nyata dalam bahasa, simbol atau bentuk tertentu yang mewakili karakteristik dan perilaku sistem sesuai sudut pandang dan dasar pengetahuan pemodel dalam tujuan mempelajari sistem

MODELSistem

KRITERIA MODEL• Mengandung semua variabel penting yang relevan

Model merupakan representasi penyederhanaan dari sistem. Sehingga untuk membuat model, variabel-variabel penting haruslah terkandung di dalamnya, agar representatif. Namun variabel-variabel yang kurang penting tidak perlu dimasukkan, agar model menjadi sederhana

• Cukup sederhanaModel yang terlalu mendetail, semakin membuat penyelesaian permasalahan lebih luas dan lebih rumit. Namun kalau terlalu sederhana berakibat model kurang representatif.

KRITERIA MODEL• Memudahkan pengertian sistem

Model yang baik dapat menggambarkan apa saja yang berada dalam sistem, bagaimana perilaku sistem, serta mengapa dan untuk apa proses dalam sistem itu terjadi.

• Mengembangkan alternatif keputusan yang dapat diambil

Adanya pengembangan model di mana terdapat variabel kontrol yang dapat dikendalikan oleh pemakai, memungkinkan dilakukan eksperimen pada model untuk mendapatkan sistem yang optimal sebelum diterapkan.

KRITERIA MODEL• Tingkat generalisasi yang tinggi

Suatu model jika memiliki tingkat generalisasi yang semakin tinggi, memungkinkan model untuk menyelesaikan permasalahan yang lebih luas.

• Mekanisme transparansiModel yang menerangkan bagaimana perilaku sistem yang ditunjukkan oleh elemen-elemen penyusunnya yang saling berinteraksi di dalam sistem maupun dengan lingkungannya, akan memberikan gambaran yang menjelaskan bagaimana mekanisme model dalam menyelesaikan permasalahan.

KRITERIA MODEL• Potensial untuk dikembangkan

Model yang representatif dan telah teruji, mengundang untuk dikembangkan pada permasalahan yang lebih kompleks pada tingkat generalisasi yang lebih tinggi atau sistem yang lebih besar.

• Peka terhadap perubahan asumsiModel yang mempunyai variabel umpan balik yang baik, pastilah mampu untuk menyelesaikan permasalahan jika terdapat perubahan asumsi.

PRINSIP PEMODELAN•Elaborasi

Model dikembangkan mulai dari yang sederhana dan kemudian secara bertahap dielaborasi hingga diperoleh model yang lebih representatif. Penggunaan asumsi dalam model harus memenuhi persyaratan konsistensi, independensi, ekuivalensi dan relevansi.

PRINSIP PEMODELAN•Iteratif

Mengembangkan model tidak dapat dilakukan secara mekanistik dan linear. Melainkan dilakukan pengembangan melalui pengulangan dan peninjauan ulang secara iteratif. Proses iteratif diawali dari model awal berdasarkan dugaan atau hipotesa, kemudian dikembangkan secara bertahap, hingga dicapai tingkat kompleksitas representatif yang diharapkan.

PRINSIP PEMODELAN•Sinektik

Mengembangkan model dapat dilakukan secara sinektik, yaitu metode pendekatan sistem dengan menganalogkan permasalahan yang ada. Dengan begitu model lebih mudah dikenal dan dipahami, karena mengadopsi dari prinsip-prinsip, hukum, teori, aksioma dan dalil yang sudah ada dan memiliki kemiripan identik.

STAKE HOLDER

SystemOwner

SystemUser

SystemCustomer

SystemAnalyst

STAKE HOLDER• System owner : pihak yang memegang otoritas membuat

keputusan• System user : pihak yang melaksanakan keputusan• System customer : pihak yang merasakan dampak

terlaksananya keputusan• System analyst : pihak yang mempelajari sistem dan

mengembangkan model

SUBYEKTIVITAS MODEL• Kepentingan dalam tujuan mempelajari sistem• Sudut pandang dan cara pandang pribadi pemodel• Faktor personal meliputi budaya, kehidupan sosial, pendidikan,

pengalaman dan keyakinan• Referensi pengetahuan sebelumnya dalam memodelkan sistem

serupa

SUBYEKTIVITAS MODEL

SUBYEKTIVITAS MODELSystems thinking is not a matter of black and white, but of shades of grey

SUBYEKTIVITAS MODEL

SUBYEKTIVITAS MODEL

SUBYEKTIVITAS MODEL

OPTIMAL DAN SUBOPTIMAL• Optimal (global optimum) adalah solusi terbaik yang

terindikasi dengan nilai tertinggi (maksimum) atau terrendah (minimum) dari suatu ukuran (measure, variable, state, performance, atau indicator) yang menjadi fokus perhatian dalam mempelajari sistem

• Suboptimal (local optimum) adalah solusi yang sudah relatif baik (dapat diterima) dalam batasan kondisi tertentu (tidak selalu solusi yang terbaik) yang terindikasi dengan nilai tinggi (lebih efektif) atau nilai rendah (lebih efisien) dan memenuhi kendala yang ada, serta menunjukkan gap perbaikan dibandingkan solusi sebelumnya.

ALGORITMA• Algoritma merupakan urutan langkah logika pemikiran detail

yang diperlukan untuk memecahkan masalah.

• Algoritma digambarkan sebagai serangkaian instruksi sistematis yang memandu untuk menemukan solusi dari permasalahan berdasarkan logika penalaran rasional yang dilandasi pengetahuan dan pengalaman.

OPTIMASI• Optimasi (optimization) adalah proses pencarian solusi

terbaik dari sekumpulan alternatif solusi yang mungkin dengan berdasarkan satu atau beberapa kriteria.

• Beberapa metode pendekatan Optimasi :• Linear Programming & Goal Programming• Integer Programming & Binary Programming• Nonlinear Programming• Stochastic Programming• Dynamic Programming• Vectors & Matrices• Calculus Analysis (Differential and Integral Equations)• Combinatorial Optimization

• Exact Optimization Algorithm misalnya: simplex method, branch and bound method, stepping stone method, modified distribution method,

APROKSIMASI• Aproksimasi (approximation) adalah proses pendekatan

pencarian solusi terbaik dengan pendugaan solusi (relatif sekitar solusi terbaik) yang mempunyai bias atau penyimpangan terhadap solusi terbaik memenuhi derajat kesalahan dan tingkat kepercayaan tertentu.

• Aproksimasi tidak menjamin menemukan solusi optimal. Aproksimasi memberikan dugaan solusi optimal dalam interval tertentu yang memenuhi derajat kesalahan dan tingkat kepercayaan yang dipersyaratkan

• Beberapa metode pendekatan aproksimasi:• Statistical estimation• Numerical method

HEURISTIK• Heuristik (heuristic) adalah proses pendekatan pencarian

solusi terbaik menggunakan experience-based techniques dalam memecahkan, mempelajari dan menggali masalah untuk menemukan solusi yang tidak dapat dijamin sebagai solusi optimal, tetapi relatif baik sesuai tujuan yang ditentukan.

• Karena proses pencariannya tidak harus lengkap, metode heuristik dapat mempercepat proses pencarian solusi melalui jalan pintas penalaran untuk mempermudah pengambilan keputusan, termasuk penggunaan rule of thumb, educated guess, intuitive judgment, stereotyping, atau common sense.

HEURISTIKBeberapa metode pendekatan Heuristik:

• Trial & error• Tableau• Stepping Stone• Random Walk• Hill-climbing• Genetic Algorithms• Particle Swarm Optimization• Ant Colony Optimization• Simulated Annealing• Tabu Search• Memetic Algorithm

32

End of Slides ...