You are on page 1of 17

Definisi Model

Definisi Model

1. Representasi sistem 
nyata
t
2. Dari sudut pandang 
tertentu
3. Atribut terbatas
Atribut terbatas
4. Sesuai keperluan

5/5/2009 Model.2005 1
Model dalam teori
keilmuan 

Real worlds

Models

Principles

Laws

5/5/2009 Model.2005 2
Engineering system modelling
g g y g

M d l
Models

PHISICAL Simbolic Schematic


MODEL Models models

Verbal
V b l Mathematical
M th ti l Computer
C t
Models Models Models

5/5/2009 Model.2005 3
Model dalam Perancangan
Model dalam Perancangan    

• Memperjelas 
Memperjelas
permasalahan
• Menentukan atribut 
perancangan
• Menggabungkan aspek 
teknis dan aspek lainnya 
sebagai tujuan
• Mendapatkan hasil 
optimal

5/5/2009 Model.2005 4
Perancangan sebagai
Proses Perbaikan sistem    

Kondisi Model
awal schematic Mathematical
Models

Model awal

Manipulasi matematik

Optimal models
Optimal models
Kondisi akhir Model
Perbaikan schematik

5/5/2009 Model.2005 5
Basic Principles
p
Determinant, Structure

Real system
Deterministic ‐ Stokastic
Static – Dinamic
Static 
Proporsional – non proporsional
Descriptive – prescriptive‐ predivtive
Micro – macro
Behavioral
Simulation etc..

Reference
Models
system
y

5/5/2009 Model.2005 6
Process of Modelling a problem
g p
Proses analogi S2 dari S1

Input mapping
Reference 
Reference Model of
Model of
Analogi
Modelled behaviour
System S1
Modelling sistem S2

Y1
O t t
Output mapping
i

Y2

5/5/2009 Model.2005 7
Process of Modelling a problem
g p
Problem dam formula mathematic

Problem Mapping to Problem Mathematical


Math.concept  situation concept

Formal Model
Algebraic statement
Of problem

Input of problem Validated
V lid t d
Data for validation model

Input of problem
Data for problem Operational
solution Model in use

5/5/2009 Model.2005 8
Model Simulasi
Model Simulasi
Problem Mapping to Problem System behavior
System behavior and situation concept
Statistical concept 
p

Formal Model
System simulator
Of problem

Input of problem
Data for validation Validated
V lid t d
model

Input of problem
Input of problem
Data for problem
solution Operational
Model in use

5/5/2009 Model.2005 9
Solusi optimal dari model
l ld d l

Untuk penyelesaian
Programa linier
Programa non linier
Programa dinamik
Programa dinamik

Algoritma penyelesaian
Algoritma  penyelesaian 
1. Matematik diferential
2. Iterasi matrik
3
3. Simplek
4. Simulasi dsb

5/5/2009 Model.2005 10
Optimasi sederhana: 
d h
minimum biaya total

Bi
Biaya                                                                                            Biaya total : Tc = Ci + Co
Biaya total :  Tc = Ci + Co

dTc / dQ = 0
dTc / dQ  0
Biaya simpan  = Ci = f ( Q)

Biaya pesan = Co = f (Q) 

Q opt Jumlah pemesanan

5/5/2009 Model.2005 11
Optimasi sederhana: 
Linear  programming

Z = 1,2 x + 1,4 y Fungsi objective
40 x + 25 y = 1000
35 x + 28 y = 980 Fungsi pembatas
25 x + 35 y = 875
y opt.

X t
X opt.
X

5/5/2009 Model.2005 12
Algoritma sederhana : Johnson
Input Job i Output job i
m-1 m-2

Al ith
Algorithma Johnson
J h
• Job set U = {j;tj1<tj2} = {2,3,6} dan V = {j; tj1>=tj2 } = {1,4,5,7,8}
• Sort jobs in U as follows :   Job i   :  3   2   6,
ti1 : 1 2 3
ti1     :  1   2   3
• Sort jobs in V as follows :   Job I   :   5   4   7    1   8 
ti2     :   6   5   2    2   1 
• An optimal sequence is : 3,2,6,5,4,7,1,8, dengan min makespan = 37
An optimal sequence   is  :  3,2,6,5,4,7,1,8, dengan min makespan  37

M1 Job i 1 2 3 4 5 6 7 8

M2
ti1 5 2 1 7 6 3 7 5
ti2 2 6 2 5 6 7 2 1
M1 j3 j2 j6 j5 j4 j7 j1 j8
M2 j3 j2 j6 j5 j4 j7 j1 j8
5/5/2009 Model.2005 13
Konsep algoritma Simulasi
Konsep algoritma Simulasi
• Set simulation clock = 0
Initialisation • Initialize System state
Routine and statistical counters
• Initialize event list

Timing routine

• Call the timing routine • Determine the next event
Main Program • Call event routine I    
Call event routine I • Advance the simulation clock
Advance the simulation clock

• Update system state
Is
• Update statistical counters
Event routine i simulation over ? no
• Generate future events and
add to the event list 
add to t e e e t st
Yes

• Compute estimates of interest
Compute estimates of interest
Report generator • Print report   

5/5/2009 Model.2005 14
Algoritma untuk optimasi
metoda konvensional
Initial single point

Improvement
Problem‐specific

Terminal ?
Terminal ?
No

Yes

End

5/5/2009 Model.2005 15
Algoritma untuk optimasi
algoritma genetik
Initial population

Improvement
Problem‐ independent

Terminal ?
Terminal ?
No

Yes

End

5/5/2009 Model.2005 16
Algoritma genetika
Algoritma genetika
Solutions
encoding New population
New population

Chromosomes
Selection

Evaluation
Crossover Mutation
Offspring
decoding

5/5/2009 Model.2005 17