OPTIMASI DAN HEURISTIK DALAM PENDEKATAN SISTEM. Arif Rahman

Transkripsi

1 OPTIMASI DAN HEURISTIK DALAM PENDEKATAN SISTEM Arif Rahman

2 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

3 Knowledge & Skill Mathematical Physical Sciences Social Sciences Industrial Engineering Engineering Specify Predict Evaluate Optimal Result Design Integrated Systems Improvement Installation

4 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.

5 SYSTEM APPROACH SYSTEM APPROACH Observations Real Systems Census Analog Modeling Synthetic Systems Symbolic Modeling Random Sampling Random Experiment Schematic Modeling Mathematical Modeling

6 Effectiveness Efficiency

7 DEFINISI SISTEM suatu 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 Batasan Entitas / Subsistem Interaksi / Relasi Input / Faktor Output / Dampak Sistem Umpan Balik Lingkungan

8 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

9 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)

10 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 sistem Merupakan 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).

11 DEFINISI MODEL Suatu 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 Sistem MODEL

12 12 KRITERIA MODEL Mengandung semua variabel penting yang relevan Model merupakan representasi penyederhanaan dari sistem. Sehingga untuk membuat model, variabelvariabel penting haruslah terkandung di dalamnya, agar representatif. Namun variabel-variabel yang kurang penting tidak perlu dimasukkan, agar model menjadi sederhana Cukup sederhana Model yang terlalu mendetail, semakin membuat penyelesaian permasalahan lebih luas dan lebih rumit. Namun kalau terlalu sederhana berakibat model kurang representatif.

13 13 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.

14 14 KRITERIA MODEL Tingkat generalisasi yang tinggi Suatu model jika memiliki tingkat generalisasi yang semakin tinggi, memungkinkan model untuk menyelesaikan permasalahan yang lebih luas. Mekanisme transparansi Model 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.

15 15 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 asumsi Model yang mempunyai variabel umpan balik yang baik, pastilah mampu untuk menyelesaikan permasalahan jika terdapat perubahan asumsi.

16 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.

17 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.

18 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,

19 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

20 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.

21 21 HEURISTIK Beberapa 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

22 End of Slides...