BAB 2 LANDASAN TEORI

LANDASAN TEORI

2.1 Teknik Industri 2.1.1 Peramalan

2.1.1.1 Definisi Peramalan

Peramalan merupakan suatu proses estimasi pada kondisi yang tidak diketahui . Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang dapat disebut juga peramalan (forecasting). Peramalan dibutuhkan untuk menentukan kebijakan ekonomi atau kebijakan usaha perusahaan. Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Jadi dalam menentukan kebijakan itu perlu diperkirakan kesempatan atau peluang yang ada, dan ancaman yang mungkin terjadi.

Dalam usaha mengetahui atau melihat perkembangan di masa depan, peramalan dibutuhkan unuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan atau tindakan-tindakan yang perlu dilakukan (Makridakis et al., 1999, p19).

Kegunaan peramalan terlihat pada proses pengambilan keputusan. Keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan dilaksanakan merupakan keputusan yang baik. Jika peramalan yang kita buat kurang tepat maka kurang baik pula keputusan

yang kita ambil. Dalam suatu perusahaan, peramalan dibutuhkan untuk memberikan informasi kepada pemimpin sebagai dasar untuk membuat suatu keputusan dalam berbagai kegiatan, seperti penjualan, permintaan, persediaan keuangan, dan lain-lain.

2.1.1.2 Langkah-langkah Peramalan

Kualitas dari hasil peramalan yang dibuat, sangat ditentukan oleh proses pelaksanaan penyusunannya. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah atau prosedur yang baik. Pada dasarnya terdapat tiga langkah peramalan yang penting, yaitu :

• Menganalisa data yang lalu, tahap ini berguna untuk pola yang terjadi pada masa yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi dari data yang lalu. Dengan tabulasi data, maka dapat diketahui pola dari data tersebut.

• Menentukan metode yang dipergunakan. Masing-masing metode akan memberikan hasil peramalan yang berbeda. Metode peramalan yang baik adalah metode yang menghasilkan hasil ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi.

• Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan, dan mempertimbangkan adanya beberapa faktor perubahan. Faktor-faktor tersebut antara lain perubahan kebijakan-kebijakan yang mungkin terjadi, termasuk perubahan kebijakan-kebijakan pemerintah, dan lain-lain.

2.1.1.3 Jenis Pola Data

Dalam melakukan peramalan diperlukan suatu kumpulan data masa lalu. Salah satu langkah yang penting dalam melakukan peramalan adalah mempertimbangkan jenis pola data (Makridakis et al., 1999, p21), sehingga metode paling tepat dengan pola tersebut bisa diuji. Secara umum, pola data dapat dibedakan menjadi empat jenis, yaitu :

• Pola horizontal, pola ini terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan. Deret tersebut stasioner terhadap nilai rata-ratanya. Pola data ini dapat dilihat pada gambar 2.1.

Gambar 2.1 Pola Data Horizontal Sumber : Makridakis et al. (1999)

• Pola musiman, pola ini terjadi bilamana suatu deret dipengaruhi oleh faktor musiman, misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu. Pola data ini dapat dilihat pada gambar 2.2.

Gambar 2.2 Pola Data Musiman Sumber : Makridakis et al. (1999)

• Pola siklis, pola ini terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Pola data ini dapat dilihat pada gambar 2.3.

Gambar 2.3 Pola Data Siklis Sumber : Makridakis et al. (1999)

• Pola trend, pola ini terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Pola data ini dapat dilihat pada gambar 2.4.

Gambar 2.4 Pola Data Trend Sumber : Makridakis et al. (1999)

Namun, di lain sisi banyak deret data yang mencakup kombinasi dari pola-pola di atas. Metode peramalan yang dapat membedakan setiap pola harus dipakai bila diinginkan adanya pemisahan komponen pola data tersebut. Dan, metode peramalan alternatif dapat digunakan untuk menentukan pola dan mencocokan data secara tepat.

2.1.1.4 Jenis-jenis Peramalan

Peramalan pada umumnya dapat dibedakan dari beberapa segi yang tergantung dari cara melihatnya.

Peramalan dilihat dari sifat penyusunnya dapat dibedakan menjadi dua jenis, yaitu :

• Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dan dalam hal ini pandangan dari orang yang meramalkan sangat menentukan kualitas dari hasil peramalan tersebut.

• Peramalan objektif, yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode untuk menciptakan peramalan.

Peramalan dilihat dari jangka waktunya dapat dibedakan menjadi dua jenis, yaitu :

• Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk memperkirakan suatu kondisi dengan jangka waktu lebih dari satu setengah tahun.

• Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk memperkirakan suatu kondisi dengan jangka waktu kurang dari satu setengah tahun.

Peramalan dilihat berdasarkan sifat ramalan yang disusun dapat dibedakan menjadi dua jenis, yaitu :

• Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang

bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya.

• Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang digunakan dalam peramalan tersebut. Dengan metode yang berbeda maka akan diperoleh hasil peramalan yang berbeda.

2.1.1.5 Regresi Linear

Menurut Makridakis et al.(1999, p206), regresi merupakan suatu peramalan yang dinyatakan sebagai fungsi dari sejumlah faktor yang menentukan hasil ramalan tersebut di mana ramalan tersebut tidak harus bergantung pada waktu.

Dalam regresi terdapat variabel-variabel yang dapat dibedakan menjadi variabel tak bebas (y) dan variabel bebas (x). Variabel-variabel ini digunakan dengan tujuan mengembangkan suatu model eksplanatoris yang dapat menghubungkan variabel-variabel tersebut. Dalam hal ini, tujuannya adalah mencari suatu fungsi yang dapat menghubungkan y terhadap semua variabel bebas. Secara umum, model regresi dapat dibedakan menjadi regresi linear dan regresi non-linear.

Dalam hal ini, persamaan yang menggambarkan fungsi regresi linear adalah :

Di mana variabel a merupakan intersep dan variabel b merupakan kemiringan dari suatu persamaan garis lurus.

Dalam mengembangkan suatu model terdapat beberapa persamaan yang digunakan. Persamaan tersebut dapat ditunjukkan sebagai berikut :

(

)(

)

(

)

2 2 N XY X Y b N X X − = −

∑

∑

∑

∑

∑

Y X a b N N =

∑

−

∑

2.1.1.6 Rata-rata Bergerak Ganda (Double Moving Average)

Menurut Makridakis et al. (1999, p93), metode rata-rata bergerak ganda merupakan rata-rata bergerak dari rata-rata bergerak. Di mana tujuannya adalah untuk mengurangi galat sistematis yang terjadi bila rata-rata bergerak dipakai pada data berkecenderungan. Prosedur peramalan rata-rata bergerak linier meliputi 3 aspek, yaitu :

1. Penggunaan rata-rata bergerak tunggal pada waktu t (ditulis 'S ) _t 2. Penyesuaian, yang merupakan perbedaan antara rata-rata bergerak

tunggal dan ganda pada waktu t (ditulis 'S _t−S"_t ), dan

3. Penyesuaian untuk kecenderungan dari periode t ke periode t+1 (atau ke periode t+m jika kita ingin meramalkan m periode ke muka).

Adapun persamaan-persamaan yang digunakan dalam menghitung rata-rata bergerak linear secara umum dapat dijelaskan sebagai berikut :

1 2 ... 1 ' 3 t t t t N t X X X X S = + − + − + + − +

1 2 1 ' ' ' ... ' " t t t t N t S S S S S N − − − + + + + + = 2 ' " t t t a = S −S

(

)

2 ' " 1 t t t b S S N = − − t m t t F₊ =a +b m

2.1.1.7 Pemulusan Exponensial Ganda : Metode Linear Satu-Parameter dari Brown (Double Exponential Smoothing Brown)

Dasar pemikiran dari pemulusan exponensial linear dari Brown adalah serupa dengan rata-rata bergerak linear, karena kedua nilai pemulusan tunggal dan ganda tertinggal dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan lepada nilai pemulusan tunggal dan disesuaikan untuk trend (Makridakis et al., 1999, p112). Persamaan yang dipakai dalam implementasi pemulusan exponensial linear satu-parameter dari Brown ditunjukkan dengan persamaan sebagai berikut :

1 't t (1 ) 't S =αX + −α S ₋ 1 "_t '_t (1 ) "_t S =αS + −α S ₋

Di mana 'S adalah nilai pemulusan exponensial tunggal dan "_t S _t adalah nilai pemulusan exponensial ganda.

' ( ' " ) 2 ' " t t t t t t a =S + S −S = S −S ( ' " ) 1 t t t b S S a α = − −

t m t t

F₊ = +a b m

Di mana m adalah jumlah periode ke depan yang akan diramalkan.

Untuk inisialisasi pada metode pemulusan exponensial linear dari Brown digunakan persamaan sebagai berikut :

1 1 ' S = X 1 1 " S =X

2.1.1.8 Pemulusan Exponensial Ganda : Metode Dua-Parameter Holt (Double Exponential Smoothing Holt)

Metode pemulusan exponensial linear dari Holt dalam prinsipnya serupa dengan Brown, namun dalam pemulusan exponensial linear dari Holt tidak menggunakan rumus pemulusan berganda secara langsung. Pada pemulusan exponensial linear dari Holt, dilakukan pemulusan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli.

Peramalan dengan pemulusan exponensial linear dari Holt menggunakan dua konstanta pemulusan dan tiga persamaan dimana dua konstanta pemulusan bernilai antara 0 dan 1. Persamaan yang digunakan dalam peramalan dengan pemulusan exponensial linear dari Holt adalah :

(

1

)(

1 1

)

t t t t S =αX + −α S₋ +b₋

(

1

) (

1

)

1 t t t t b =γ S −S₋ + −γ b₋ t m t t F₊ =S +b m

Inisialisasi : 1 1 S =X

(

2 1

) (

3 2

) (

4 3

)

1 3 X X X X X X b = − + − + −

Pada persamaan yang pertama dilakukan penyesuaian S secara _t langsung untuk trend periode sebelumnya, yaitu b_t−1 dengan menambahkan nilai pemulusan yang terakhir, yaitu S_t−1. Hal ini digunakan untuk menghilangkan kelambatan dan menempatkan S ke dasar perkiraan nilai _t data saat ini. Pada persamaan yang kedua digunakan untuk meremajakan trend, yang ditunjukkan sebagai perbedaan antara dua nilai pemulusan yang terakhir (Makridakis et al., 1999, p116).

2.1.1.9 Pemulusan Exponensial Tripel : Metode Kuadratik Satu-Parameter dari Brown (Triple Exponential Smoothing Brown)

Sebagaimana halnya dengan pemulusan exponensial linear yang dapat digunakan untuk meramalkan data dengan suatu pola trend dasar, bentuk pemulusan yang lebih tinggi dapat digunakan bila dasar pola datanya adalah kuadratik, kubik, atau orde yang lebih tinggi. Untuk berangkat dari pemulusan kuadratik, pendekatan dasarnya adalah memasukkan tingkat pemulusan tambahan (pemulusan tripel) dan memberlakukan persamaan peramalan kuadratik (Makridakis et al., 1999, p117).

Persamaan yang digunakan dalam metode pemulusan kuadratik satu parameter Brown adalah :

(

)

1 't t 1 't S =αX + −α S ₋ (Pemulusan Pertama)

(

)

1 "_t '_t 1 "_t S =αS + −α S ₋ (Pemulusan Kedua)

(

)

1 '''_t ''_t 1 '''_t S =αS + −α S ₋ (Pemulusan Ketiga) 3 ' 3 " ''' t t t t a = S − S +S

(

)

2

(

6 5

)

'

(

10 8

)

"

(

4 3

)

''' 2 1 t t t t b α α S α S α S α = ⎡_⎣ − − − + − ⎤_⎦ −

(

)

(

)

2 2 ' 2 " ''' 1 t t t t c α S S S α = − + − 2 1 2 t m t t t F₊ = +a b m+ c m Inisialisasi : 1 1 ' S = X 1 1 " S =X 1 1 ''' S = X

2.1.1.10 Ketepatan Metode Peramalan

Dalam beberapa situasi peramalan, ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Maksud kata ketepatan dalam peramalan adalah sejauh mana model peramalan mampu mereproduksi data yang telah diketahui. Salah satu ukuran statistik yang digunakan untuk melihat ketepatan data peramalan adalah :

• Nilai tengah galat presentase absolut (mean absolute percentage error) : 1 MAPE i i n PE n = =

∑

, dimana t t

( )

100 i t X F PE X ⎛ − ⎞ = ⎜ ⎟ ⎝ ⎠

2.1.2 Analisa Teknikal (Technical Analysis)

Technical analysis adalah suatu metode pengevaluasian saham, komoditas ataupun sekuritas lainnya dengan cara menganalisa statistik yang dihasilkan oleh aktifitas pasar di masa lampau guna memprediksikan pergerakan harga di masa mendatang.

Ada tiga pemikiran yang menjadi dasar pada technical analysis (Ong, 2008, p2), yaitu :

• Pergerakan harga yang terjadi di pasar telah mewakili semua faktor lain.

• Terdapat suatu pola kecenderungan dalam pergerakan harga. • Sejarah akan terulang.

Segala sesuatu dapat mempengaruhi harga, baik dari segi fundamental, politik, maupun faktor-faktor lainnya. Hal ini sudah tercermin pada pergerakan harga yang terjadi di pasar. Ini disebabkan oleh hukum penawaran dan permintaan yang membentuk harga, berdasarkan hukum tersebut jika harga naik, apapun alasan di balik kenaikan harga tersebut, demand pasti lebih besar daripada supply. Dan sebaliknya jika harga turun, pastilah supply lebih besar daripada demand.

Bullish dan bearish adalah istilah yang digunakan untuk melambangkan situasi pasar. Bullish berasal dari kata bull yang berarti banteng, yang melambangkan optimisme para pelaku dalam kondisi pasar yang sedang naik. Bearish berasal dari kata bear yang berarti beruang, yang melambangkan pesimisme para pelaku dalam kondisi pasar yang sedang turun (Ong, 2008, p3).

Trend merupakan salah satu pemikiran yang menjadi dasar pada technical analysis yaitu terdapat suatu pola kecenderungan dalam pergerakan harga. Dimana trend dapat didefinisikan sebagai kecenderungan arah pergerakan harga pada suatu pasar.

Dalam Dow Theory dikatakan bahwa terdapat tiga jenis trend, antara lain : • Uptrend (kecenderungan harga naik), ditunjukkan dalam gambar 2.5.

Gambar 2.5 Uptrend Sumber : Ong (2008)

• Downtrend (kecenderungan harga turun), ditunjukkan dalam gambar 2.6.

Gambar 2.6 Downtrend Sumber : Ong (2008)

• Sideways (kecenderungan harga ke samping/tetap). Sideways juga sering disebut sebagai trendless atau tidak memiliki trend, ditunjukkan dalam gambar 2.7

Gambar 2.7 Sideways Sumber : Ong (2008)

Dalam pergerakan harga, harga tidak bergerak selalu naik terus-menerus atau turun terus-terus-menerus. Harga bergerak naik-turun berulang kali membentuk gerakan zigzag. Di dalam gerakan zigzag tersebut terdapat

berbagai puncak (top) dan dasar (bottom) yang dapat memberikan acuan dalam menentukan kecenderungan arah market (trend) (Ong, 2008, p29).

Pada sebuah pola uptrend, puncak dan dasar yang terbentuk semakin lama semakin tinggi. Pada pola downtrend, puncak dan dasar yang terbentuk semakin lama semakin rendah. Sedangkan pada pola sideways, puncak ke puncak dan dasar ke dasar yang terbentuk sama atau hampir sama..

2.1.2.1 RSI (Relative Strength Index)

RSI merupakan indikator yang pertama kali diperkenalkan oleh Wilder pada tahun 1978. Indikator ini digunakan menggambarkan osilator momentum yang mengukur kecepatan dan besarnya pergerakan harga dengan membandingkan pergerakan naik dan turun secara dekat.

Dalam RSI digunakan skala batasan level terendah dan tertinggi yaitu skala 0 sampai dengan 100. Wilder merekomendasikan level di atas 70 sebagai area yang dinyatakan sebagai overbought dan level di bawah 30 sebagai oversold. Apabila garis RSI dari atas menembus ke bawah level 70 akan memberikan sinyal bearish (uptrend kehilangan momentum). Sebaliknya dinyatakan sebagai sinyal bullish (downtrend kehilangan momentum) apabila garis menembus ke atas level 30. Namun level 30-70 ini sering diganti menjadi 20-80 untuk meredam bad signal yang didapat dari RSI.

Pada dasarnya garis RSI yang berada di area overbought bukan merupakan sinyal jual, dan garis RSI yang berada di area oversold bukan merupakan sinyal beli. Hal itu dikarenakan garis RSI bisa berfluktuasi di area

ekstrim tersebut pada kondisi suatu trend yang sangat kuat. Bila garis RSI masuk ke wilayah tersebut, hanyalah semata-mata memberikan tanda ”warning” agar lebih memperketat monitoring yang dilakukan.

Persamaan yang digunakan dalam relative strength index (RSI) adalah : 1 1 1 0 t t t t t t t t X X Gain X X X X Gain − − − > ⇒ = − ≤ ⇒ = 1 1 1 0 t t t t t t t t X X Loss X X Loss X X − − − ≥ ⇒ = < ⇒ = − 12 Average Gain 13 t n n t t Gain = − =

∑

12 Average Loss 13 t n n t t Loss = − =

∑

Average Gain Relative Strength Average Loss t t = 100 Relative Strength Index (RSI) 100

1 Relative Strength t t ⎛ ⎞ = _{− ⎜ ⎟} + ⎝ ⎠

2.1.2.2 MACD (Moving Average Convergence Divergence)

MACD merupakan indikator yang diciptakan oleh Gerald Appel pada tahun 1960 dengan menilai korelasi antara dua EMA (Exponential Moving Average) yang berbeda periode waktunya. Kombinasi periode EMA yang lebih umum digunakan adalah EMA-26 dengan EMA-12. Teknik MACD ini merubah moving averages yang dasarnya berkarakteristik lagging indicator,

menjadi bentuk momentum oscilator (leading indicator). Bagan oscilator dibagi menjadi dua bagian yang tidak mempunyai limit terendah ataupun limit tertinggi oleh garis level 0 (nol).

Pada grafik MACD terdapat dua garis, yaitu garis MACD dan garis sinyal. Apabila garis MACD memotong ke atas garis sinyal maka dinyatakan sebagai sinyal beli, sedangkan apabila garis MACD memotong ke bawah garis sinyal maka dinyatakan sebagai sinyal jual. Namun MACD juga dapat menunjukkan kondisi overbought dan oversold. Bila garis MACD mulai menurun di area overbought sedangkan pergerakan harga semakin meningkat maka menandakan sinyal bearish. Sebaliknya jika di area oversold garis MACD yang semakin meningkat terhadap harga yang semakin merosot menandakan sinyal bullish.

Garis MACD adalah hasil selisih dari dua EMA, yaitu EMA-12 dan EMA-26. Sedangkan garis sinyal yang lebih lambat daripada garis MACD adalah moving average dari garis MACD itu sendiri. Garis sinyal yang direkomendasikan oleh Gerald Appel adalah 9 periode.

MACD histogram merupakan histogram yang menunjukkan selisih antara garis MACD dengan garis sinyal. Apabila garis MACD memotong ke atas garis sinyal pada indikator MACD maka pada MACD histogram akan terbentuk bar pertama yang mengarah ke atas dari level 0 (sinyal beli). Bila garis MACD memotong ke bawah garis sinyal pada MACD, maka pada MACD histogram akan terbentuk bar pertama yang mengarah ke bawah dari level 0 (sinyal jual).

Persamaan yang digunakan dalam moving average convergence divergence adalah :

(

2

) (

)

Ema12 Pre Ema12 Pre Ema12

12 1 t Xt t t ⎛ ⎞ =⎜_⎜ − ⎟_⎟+ + ⎝ ⎠

(

2

) (

)

Ema26 Pre Ema26 Pre Ema26

26 1 t Xt t t ⎛ ⎞ =_⎜⎜ − _⎟⎟+ + ⎝ ⎠ 1

Pre Ema12_t =Ema12_t−

1

Pre Ema26_t =Ema26_t− MACD =Ema12 -Ema26t t t

(

2

) (

)

(Signal)Ema9 MACD Pre Ema9 Pre Ema9

9 1 t t t t ⎛ ⎞ =⎜_⎜ − ⎟_⎟+ + ⎝ ⎠

MACD(Histogram)=MACD_t −Ema9_t

Inisialisasi : 12 1 12 Pre Ema12 12 n n X = =

∑

26 1 26 Pre Ema26 26 n n X = =

∑

34 26 34 Pre Ema9 9 n n X = =

∑

2.1.3 Simulasi Sistem Dinamis 2.1.3.1 Pengertian Sistem

Sistem adalah keseluruhan inter-aksi antar unsur dari sebuah objek dalam batas lingkungan tertentu yang bekerja mencapai tujuan (Muhammadi et al., 2001, p3). Pengertian keseluruhan adalah lebih dari sekadar penjumlahan atau susunan, yaitu terletak pada kekuatan yang dihasilkan oleh keseluruhan itu jauh lebih besar dari suatu penjumlahan atau susunan. Dalam dunia nyata misalnya pada sistem fisik, dinding bata merupakan keseluruhan interaksi batu bata melalui semen pengikat, kekuatannya jauh lebih besar dibandingkan tumpukan atau susunan batu bata berbentuk dinding tanpa semen pengikat.

Pengertian interaksi adalah pengikat atau penghubung antar unsur, yang memberi bentuk/struktur pada obyek, yang membedakan dengan obyek lain dan mempengaruhi perilaku dari obyek (Muhammadi et al., 2001, p4). Misalnya, pada sistem fisik semen pengikat batu bata yang memberi bentuk menjadi sebuah dindin. Jenis semen dan kombinasi adukan semen untuk sebuah dinding bata tertentu akan membedakannya dengan dinding bata lain, baik dari segi kekuatannya maupun ketahanannya.

Pengertian unsur adalah benda, baik konkrit atau abstrak yang menyusun obyek sistem (Muhammadi et al., 2001, p5). Unjuk kerja dari sistem ditentukan oleh fungsi unsur. Gangguan pada salah satu fungsi unsur akan mempengaruhi unsur lain yang juga akan mempengaruhi unjuk kerja sistem secara keseluruhan. Misalnya, pada sistem fisik, gangguan fungsi sebuah bata contohnya rapuh, karena tekanan beban mengakibatkan bata-bata

yang berdekatan dinding menjadi retak sehingga keselluruhan dinding juga menjadi rapuh.

Pengertian obyek adalah sistem yang menjadi perhatian dalam suatu batas tertentu sehingga dapat dibedakan antara sistem dengan lingkungan sistem, artinya semua yang di luar batas sistem adalah lingkungan sistem (Muhammadi et al., 2001, p6). Misalnya, pada sistem fisik, dinding rumah jelas batasnya dengan lingkungan taman, demikian juga dinding berbatas dengan lantai dan atap dari sebuah rumah. Di sini, lantai dan atap dapat menjadi lingkungan dari sistem dinding rumah.

Pengertian batas antara sistem dengan lingkungan tersebut memberikan dua jenis sistem, yaitu sistem tertutup dan sistem terbuka. Sistem tertutup adalah sebuah sistem dengan batas yang dianggap kedap (tidak tembus) terhadap pengaruh lingkungan. Sistem tertutup hanya berada pada anggapan, karena pada kenyataannya sistem selalu berinteraksi dengan lingkungan, atau bersifat sebagai sistem terbuka (Muhammadi et al., 2001, p7).

Pengertian tujuan adalah unjuk kerja sistem yang teramati atau diinginkan. Unjuk kerja yang teramati merupakan hasil yang telah dicapai oleh kerja sistem, yaitu keseluruhan interaksi antar unsur dalam batas lingkungan tertentu. Di lain pihak, unjuk kerja yang diinginkan merupakan hasil yang adakan diwujudkan oleh sistem melalui keseluruhan interaksi antar unsur dalam batas lingkungan tertentu.

2.1.3.2 Sistem Kompleks

Menurut Sterman (2004, p4), sistem dinamis merupakan sebuah metode untuk meningkatkan pembelajaran mengenai sistem kompleks. Seperti sebuah perusahaan penerbangan menggunakan flight simulator untuk membantu pilot mempelajari cara mengendalikan pesawat terbang. Sistem dinamis membantu kita untuk mempelajari mengenai dinamika kompleksitas, dan mengerti sumber dari policy resistance dan merancang kebijakan (policy) yang lebih baik.

Tetapi mempelajari mengenai sistem dinamis, membutuhkan lebih dari peralatan teknis untuk menciptakan model matematik. Pada dasarnya, sistem dinamis bersifat interdiscipline. Karena dalam mempelajari sistem dinamis, juga diperhatikan perilaku dari sistem kompleks. Sistem dinamis didasari oleh teori dinamika nonlinear dan feedback control dalam matematik, fisika, dan teknik.

Dalam kehidupan nyata, kita terbiasa dijelaskan bahwa setiap kejadian memiliki penyebab. Pandangan yang berorientasi kejadian membawa kita pada pendekatan secara event-oriented dalam penyelesaian masalah. Perbedaan antara situasi yang diinginkan dan situasi yang kita peroleh mendefinisikan problem. Contohnya, penjualan dalam suatu perusahaan mencapai 80 juta rupiah, namun target yang ditetapkan adalah penjualan sebesar 100 juta rupiah. Problemnya adalah penjualan yang kita peroleh 20% lebih kecil daripada yang kita inginkan. Selanjutnya, kita dapat memilih beberapa keputusan untuk menyelesaikan problem tersebut, mungkin kita dapat menurunkan harganya untuk menstimulasikan

permintaan dan meningkatkan market share, mungkin kita dapat mengganti manajer bagian penjualan dengan orang yang agresif, dan lain-lain. Pilihan kita yang menurut kita paling baik dan diimplementasikan secara baik akan membawa hasil yang diharapkan lebih baik.

Gambar 2.8 Pengaruh Keputusan Terhadap Lingkungan Sumber : Sterman (2004)

Sistem bereaksi terhadap keputusan yang diciptakan, misalnya pada penjualan kita yang meningkat, kompetitor akan menurunkan harganya dan penjualan kita akan menjadi menurun. Solusi yang digunakan pada waktu sebelumnya menjadi problem pada saat sekarang. Pada sistem terdapat feedback, aksi yang kita lakukan akan menghasilkan situasi yang akan dihadapi pada masa depan (ditunjukkan pada gambar 2.8).

Dalam dunia nyata, kita sering berbicara mengenai efek samping, namun pada kenyataanya tidak ada efek samping, yang ada hanyalah efek. Ketika kita mengambil keputusan, akan terjadi beberapa efek atau akibat (ditunjukkan pada gambar 2.9).

Gambar 2.9 Pengaruh Keputusan Terhadap Keputusan Pihak Lain Sumber : Sterman (2004)

Menurut Sterman (2004, p79-81), terdapat beberapa prinsip sukses penggunaan sistem dinamis, yaitu :

• Bangun model untuk menyelesaikan problem tertentu, bukan untuk memodelkan sistem. Model harus mempunyai tujuan yang jelas dan tujuan tersebut harus dapat menyelesaikan masalah yang ada. Pemodel harus mengeluarkan semua faktor yang tidak relevan terhadap problem untuk memastikan lingkup proyek adalah layak. • Pemodelan harus terintegrasi ke dalam proyek dari awal. Nilai dari

proses pemodelan dimulai sejak awal, pada fase penentuan problem. • Berusaha skeptis terhadap nilai dari pemodelan dan terus berdiskusi

mengenai ”mengapa kita memerlukannya” dari awal proyek. Banyak problem yang tidak sesuai penyelesaiannya dengan menggunakan sistem dinamis.

• Sistem dinamis tidak berdiri sendiri, dan gunakan tools dan metode lain yang sesuai dengan permasalahan.

• Fokus pada implementasi dari awal proyek.

• Pemodelan bekerja dengan baik sebagai proses iteratif dari penyelidikan bersama diantara client dan konsultan

• Hindari pemodelan secara ’black box’. Usahakan libatkan client dalam proses pembangunan model.

• Validasi merupakan proses berkelanjutan dari pengetesan dan pembangunan keyakinan dari model.

• Peroleh model pendahuluan yang bekerja secepatnya dan tambah detailnya ketika diperlukan.

• Batasan model yang luas lebih penting dibandingkan detail yang lengkap.

• Gunakan expert modelers.

• Implementasi tidak berakhir dengan proyek tunggal.

2.1.3.3 Umpan Balik (Feedback)

Dalam dunia nyata, perilaku sistem yang paling kompleks biasanya berasal dari interaksi (feedback) diantara komponen dalam sistem. Menurut Sterman (2004, p12), semua dinamika berasal dari interaksi dari hanya dua jenis feedback loop, yaitu feedback positif (gambar 2.10) dan feedback negatif (gambar 2.11).

Gambar 2.10 Contoh Feedback Positif Sumber : Sterman (2004)

Gambar 2.11 Contoh Feedback Negatif Sumber : Sterman (2004)

Feedback positif cenderung memperkuat apapun yang sedang terjadi dalam sistem. Misalnya, jika perusahaan menurunkan harga untuk memperoleh market share, kompetitor akan merespon hal yang sama dengan menurunkan harganya, menekan perusahaan untuk menurunkan harganya lagi.

Feedback negatif cenderung menentang perubahan. Misalnya, semakin sedikit nikotin yang terkandung dalam rokok, perokok akan semakin banyak mengkonsumsi untuk memperoleh dosis yang mereka inginkan. Contoh lainnya, semakin tinggi harga suatu komoditas, maka permintaan akan semakin menurun.

2.1.3.4 Langkah-langkah Pembangunan Model yang Bersifat Sistemik

Menurut Muhammadi et al. (2001,p11), terdapat lima langkah yang dapat ditempuh untuk menghasilkan bangunan pemikiran (model) yang bersifat sistemik, yaitu :

a. Identifikasi proses menghasilkan kejadian nyata

Identifikasi proses yaitu mengungkapkan pemikiran tentang proses nyata (actual transformation) yang menimbulkan kejadian nyata (actual state). Proses nyata itu merujuk pada objektivitas dan bukan proses yang dirasakan atau subyektivitas. Contohnya, pada sistem fisik, kejadian dinding bata menjadi rapuh, dapat disebabkan oleh jenis bata yang bermutu rendah dan ukuran bata yang tidak standar, adalah benar menurut ilmu teknik sipil. Jika dikatakan dinding bata yang rapuh disebabkan usia dinding, maka akan terjadi perdebatan

berapa lama usia dinding, karena ada bata yang sudah berabad-abad dan masih kokoh. Langkah identifikasi proses menghasilkan kejadian nyata ini dalam sistem disederhanakan dalam gambar 2.12.

Gambar 2.12 Langkah Identifikasi Proses Menghasilkan Kejadian Nyata

Sumber : Muhammadi et al. (2001) b. Identifikasi kejadian diinginkan

Langkah kedua adalah memikirkan kejadian yang seharusnya, yang diinginkan, yang dituju, yang ditargetkan ataupun yang direncanakan (desired state). Oleh karena keharusan, keinginan, target dan rencana itu merujuk kepada waktu mendatang, disebut juga pandangan ke depan atau visi. Agar visi tidak dianggap sebagai mimpi, maka visi yang baik perlu dirumuskan dengan kriteria layak dan dapat diterima. Layak artinya dapat diantisipasi akan menjadi kenyataan, sedangkan dapat diterima artinya dapat diantisipasi tidak akan menimbulkan

pertentangan. Dengan kedua kriteria ini berarti memikirkan limit kejadian yang akan direncanakan dimana unjuk kerja sistem akan bersifat mantap (stable) dalam perubahan cepat (dynamic) masa lampau dan mendatang. Misalnya, pada sistem fisik, tujuan dinding bata sebuah rumah adalah untuk memberikan batas wilayah rumah. Ini adalah benar menurut konsep ilmu teknik sipil. Jika keinginan tersebut di luar kelayakan yaitu memberikan perlindungan terhadap gangguan pencurian akan menjadi kurang layak, karena perlindungan terhadap pencurian tidak selalu ditentukan oleh dinding rumah. Langkah identifikasi kejadian diinginkan dapat disederhanakan dalam gambar 2.13.

Gambar 2.13 Langkah Identifikasi Kejadian Diinginkan Sumber : Muhammadi et al.(2001)

c. Identifikasi kesenjangan antara kenyataan dengan keinginan

Langkah ketiga adalah memikirkan tingkat kesenjangan antara kejadian aktual dengan seharusnya. Kesenjangan tersebut adalah masalah yang harus dipecahkan. Perumusan masalah ini secara konkrit, artinya bisa dinyatakan dalam ukuran kuantitatif atau kualitatif. Contohnya, pada sistem fisik, tujuan dinding bata sebuah rumah secara kualitatif adalah untuk memberikan batas yang jelas pada wilayah rumah. Jika kondisi nyata sekarang dinding pembatas tersebut belum ada di halaman rumah, sehingga kabur antara halaman rumah sendiri dengan rumah tetangga. Antara batas nyata dengan batas yang diinginkan terdapat kesenjangan, yaitu kekaburan batas wilayah rumah yang harus diperjelas. Langkah identifikasi kesenjangan antara kenyataan dengan keinginan dapat disederhanakan dalam gambar 2.14.

Gambar 2.14 Langkah Identifikasi Kesenjangan Antara Kenyataan Dengan Keinginan

d. Identifikasi mekanisme menutup kesenjangan

Langkah keempat adalah identifikasi mekanisme tentang dinamika variabel-variabel untuk mengisi kesenjangan antara kejadian nyata dengan kejadian yang diinginkan. Dinamika tersebut adalah aliran informasi tentang keputusan-keputusan yang telah bekerja dalam sistem. Keputusan-keputusan tersebut pada dasarnya adalah pemikiran yang dihasilkan melalui proses learning, yang dapat bersifat reaktif maupun kreatif. Pemikiran reaktif ditunjukkan oleh aksi yang bentuk atau polanya sama dengan tindakan masa lampau dan kurang antisipatif terhadap kemungkinan kejadian di masa mendatang. Sedang pemikiran kreatif ditunjukkan oleh aksi yang bentuk atau polanya berbeda dengan tindakan masa lampau, yang dapat bersifat penyesuaian tindakan masa lampau (adjustment) ataupun berorientasi ke masa datang (visionary) dengan tindakan yang bersifat baru. Contohnya, pada sistem fisik, identifikasi keputusan untuk memperjelas kekaburan batas wilayah rumah dengan dinding pembatas. Untuk mewujudkan keputusan tersebut ada tiga kemungkinan bentuk tindakan dilihat dari pola interaksi sosial, misalnya dinding bata yang tinggi sehingga bebas dari pandangan tetangga (reactive), membangun dinding bata secukupnya membuat menyesuaikan diri dengan lingkungan sekitarnya (adjustment), membangun dinding bata sebatas lutut yang mengandung nilai keindahan dan keseimbangan (visionary). Langkah identifikasi

mekanisme menutup kesenjangan dapat disederhanakan dalam gambar 2.15.

Gambar 2.15 Langkah Identifikasi Mekanisme Menutup Kesenjangan Sumber : Muhammadi et al. (2001)

e. Analisis kebijakan

Langkah kelima adalah analisis kebijakan, yaitu menyusun alternatif tindakan atau keputusan yang akan diambil untuk mempengaruhi proses nyata sebuah sistem dalam menciptakan kejadian nyata. Keputusan tersebut dimaksudkan untuk mencapai kejadian yang diinginkan. Misalnya, pada sistem fisik, keinginan untuk memperjelas kekaburan batas wilayah rumah dengan dinding pembatas, misalnya membuat dinding bata yang tinggi sehingga bebas dari pandangan tetangga. Bentuk-bentuk intervensi fungsional misalnya diperlukan peningkatan jumlah dan kecepatan pengadaan bahan-bahan bangunan, jumlah dan mutu tenaga kerja untuk mendukung pembuatan dinding

bata tersebut. Alternatif intervensi struktural misalnya membangun dinding bata sebatas lutut yang mengandung nilai keindahan dan keseimbangan, yang mengubah mekanisme sistem berkaitan dengan unsur lain, yaitu konsultan arsitek dan penyesuaian alokasi sumber-sumber pembiayaan, adalah suatu kebijakan yang menantang dan berorientasi ke depan. Langkah analisis kebijakan dapat disederhanakan dalam gambar 2.16.

Gambar 2.16 Langkah Analisis Kebijakan Sumber : Muhammadi et al. (2001)

2.1.3.5 Struktur dan Perilaku dari Sistem Dinamis

Perilaku dari sistem berasal dari strukturnya. Struktur yang terdiri dari feedback loops, stock and flow, dan nonlinearitas diciptakan dari interaksi antara struktur fisik dan institusional dengan proses penentuan keputusan. Mode dasar dari perilaku sistem dinamis diidentifikasi dari struktur feedback yang menghasilkannya. Mode paling dasar dari perilaku sistem dinamis

adalah pertumbuhan exponensial, goal seeking, dan oscilasi. Masing-masing mode tersebut berasal dari struktur feedback sederhana. Mode-mode tersebut dapat dideskripsikan sebagai berikut :

• Pertumbuhan exponensial (exponential growth)

Pertumbuhan exponensial berasal dari feedback positif. Semakin besar kuantitasnya, semakin besar keuntungan meningkat, yang lebih jauh akan semakin cepat peningkatan pertumbuhannya. Pertumbuhan exponensial dapat ditunjukkan pada gambar 2.17.

Gambar 2.17 Mode Exponential Growth Sumber : Sterman (2008)

• Goal seeking

Feedback positif menciptakan pertumbuhan, memperkuat deviasi, dan memperkuat perubahan. Feedback negatif mencari keseimbangan dan equilibrium. Rangkaian feedback negatif berperan membawa status

sistem saat ini kepada status yang diinginkan atau tujuan. Mereka melawan semua rintangan yang menggerakkan status sistem menjauh dari tujuan. Mode goal seeking dapat ditunjukkan pada gambar 2.18.

Gambar 2.18 Mode Goal Seeking Sumber : Sterman (2008) • Oscilasi

Oscilasi adalah mode dasar ketiga dari perilaku sistem dinamis. Seperti perilaku goal seeking, oscilasi juga disebabkan oleh rangkaian feedback negatif. Status sistem dibandingkan dengan tujuannya, dan aksi korektif dilakukan untuk menyingkirkan perbedaan. Dalam sistem oscilasi, status dari sistem secara konstan melampaui tujuannya atau status equilibriumnya, berbalik, dan kembali melewati tujuannya atau status equilibriumnya, dan selanjutnya. Hal tersebut (overshoot), muncul dari adanya keterlambatan waktu (time delay)

yang signifikan pada loop negatif. Keterlambatan waktu (time delay) menyebabkan aksi korektif untuk berlanjut bahkan setelah status dari sistem telah mencapai tujuannya, memaksa sistem untuk menyesuaikan terlalu banyak, dan memicu koreksi baru pada arah yang sebaliknya. Mode oscilasi dapat ditunjukkan pada gambar 2.19.

Gambar 2.19 Mode Oscilasi Sumber : Sterman (2008)

2.1.3.6 Simulasi Model

Simulasi adalah peniruan perilaku suatu gejala atau proses. Simulasi bertujuan untuk memahami gejala atau proses tersebut, membuat analisis dan peramalan perilaku gejala atau proses tersebut di masa depan.

Menurut Muhammadi et al. (2001, p51) simulasi dilakukan melalui tahap-tahap seperti berikut :

a. Penyusunan konsep

Tahap pertama adalah penyusunan konsep, gejala atau proses yang akan ditirukan perlu dipahami, dengan jalan menentukan unsur-unsur yang berperan dalam gejala atau proses tersebut.

b. Pembuatan model

Berdasarkan gagasan pada konsep di tahap sebelumnya, gagasan tersebut dirumuskan sebagai model yang berbentuk uraian, gambar, atau rumus. Di mana model adalah statu bentuk yang dibuat untuk menirukan statu gejala atau proses.

c. Simulasi

Selanjutnya, simulasi dapat dilakukan dengan menggunakan model yang telah dibuat. Pada mode kuantitatif, simulasi dilakukan dengan memasukkan data ke dalam model, di mana perhitungan dilakukan untuk mengetahui perilaku gejala atau proses.

d. Validasi hasil simulasi

Akhirnya, dilakukan validasi untuk mengetahui kesesuaian antara hasil simulasi dengan gejala atau proses yang ditirukan. Model dapat dinyatakan baik apabila kesalahan atau simpangan hasil simulasi terhadap gejala atau proses yang ditirukan kecil.

2.1.3.7 Causal Loop Diagram (CLD)

(CLD) adalah metode yang penting digunakan untuk menunjukkan struktur feedback dari sistem. Causal loop diagram baik digunakan untuk :

• Secara cepat menangkap hipotesis yang kita buat mengenai penyebab dari dinamika.

• Memunculkan dan menangkap model mental dari individu atau tim. • Mengkomunikasikan feedback yang penting yang diyakini

bertanggung jawab terhadap problem.

Ketentuan untuk menggambar diagram kausal adalah sederhana namun harus diikuti secara tepat. Diagram kausal terdiri dari variabel-variabel yang terhubung oleh panah yang menandakan pengaruh kausal di antara variabel. Feedback loop yang penting juga diidentifikasi dalam diagram.

Variabel-variabel dihubungkan dengan hubungan kausal, yang ditunjukkan dengan panah. Contohnya, laju kelahiran ditentukan oleh baik dengan populasi dan dengan fraksi laju kelahiran. Tiap hubungan kausal memiliki polaritas (ditunjukkan dalam gambar 2.20), baik itu positif (+) maupun negatif (-) untuk mengindikasikan bagaimana variabel dependen berubah ketika variabel independen berubah (Sterman, 2004, p138). Loop yang penting digambarkan oleh loop identifier (ditunjukkan dalam gambar 2.21) yang menunjukkan apakah loop tersebut memiliki feedback positif (reinforcing) atau negatif (balancing)

Gambar 2.20 Polaritas Hubungan Kausal Sumber : Sterman (2008)

Gambar 2.21 Loop Identifier

Sumber : Sterman (2008)

Hubungan positif menandakan jika penyebab meningkat, maka efek akan meningkat di atas yang sebelumnya, dan jika penyebab menurun, maka efek akan menurun di bawah yang sebelumnya. Pada contoh gambar 2.22, peningkatan fraksi laju kelahiran berarti laju kelahiran akan meningkat dibandingkan yang sebelumnya, dan penurunan pada fraksi laju kelahiran berarti laju kelahiran akan menurun di bawah yang sebelumnya.

Hubungan positif menandakan jika penyebab meningkat, maka efek akan menurun di bawah yang sebelumnya, dan jika penyebab menurun, maka efek akan meningkat di atas yang sebelumnya. Contohnya, peningkatan rata-rata umur hidup manusia berarti laju kematian akan menurun di bawah yang sebelumnya, dan penurunan pada rata-rata umur hidup manusia akan meningkatkan laju kematian di atas yang sebelumnya.

Gambar 2.22 Contoh Causal Loop Diagram (CLD)

Sumber : Sterman (2008)

2.1.3.8 Stock and Flow Diagram (SFD)

CLD sangat berguna pada beberapa situasi, CLD sangat cocok digunakan untuk merepresentasikan ketergantungan dan proses feedback. Namun, CLD memiliki beberapa batasan dan kelemahan. Salah satu batasan yang ada pada CLD adalah ketidakmampuan mereka untuk menangkap struktur stock dan flow dari sistem. SFD, bersamaan dengan feedback merupakan dua konsep penting dalam teori sistem dinamis.

Stock merupakan akumulasi. Stock menandakan kondisi dari sistem dan menciptakan informasi terhadap keputusan dan aksi apa yang sudah dilakukan. Stock menciptakan delay dengan mengakumulasikan perbedaan di antara inflow pada proses dan outflow-nya.

Sistem dinamis menggunakan notasi pembuatan diagram tertentu bagi stock dan flow (Sterman, 2004, p192-193). Notasi yang digunakan antara lain (ditunjukkan pula pada gambar 2.23 dan gambar 2.24):

• Inflow ditunjukkan dengan pipa (panah) yang menuju pada stock • Outflow ditunjukkan dengan pipa (panah) yang keluar dari stock • Valve mengontrol flow (aliran)

• Awan menggambarkan sumber (source) dan bak (sink) bagi flow. Sumber menunjukkan stock darimana flow berasal di luar batasan model. Bak menunjukkan stock dimana flow mengalir meninggalkan model.

Contoh SFD ditunjukkan pada gambar 2.25.

Gambar 2.23 Notasi Dalam Stock and Flow Diagram

Gambar 2.24 Penjelasan Mengenai Notasi dalam Stock and Flow Diagram Sumber : Sterman (2008)

Gambar 2.25 Contoh Stock and Flow Diagram Sumber : Sterman (2008)

2.1.3.9 Validitas Model

Validitas atau keabsahan adalah salah satu criteria penilaian keobyektivan dari suatu pekerjaan ilmiah. Pada pekerjaan pemodelan, obyektivitas ditunjukkan dengan sejauh mana model dapat menirukan fakta. Istilah menirukan bukan berarti sama, tetapi adalah serupa. Kalau model sama dengan fakta, berarti tidak ada proses berpikir dalam membangun model, yaitu menyederhanakan fakta dan rangkaiannya sehingga dapat dipahami dengan mudah dan cepat.

Teknik validasi yang utama dalam metode berpikir sistem adalah validasi struktur model, yaitu sejauh mana keserupaan struktur model mendekati struktur nyata. Sebagai model struktural yang berorientasi pada proses, keserupaan struktur model dengan struktur nyata ditunjukkan dengan sejauh mana interaksi variabel model dapat menirukan interaksi kejadian nyata.

Dalam langkah memvalidasi model, terdapat dua jenis uji validitas, yaitu :

• Uji validitas struktur

Ada dua jenis validitas struktur, yaitu validitas konstruksi dan kestabilan struktur. Validitas konstruksi yaitu keyakinan terhadap konstruksi model valid secara ilmiah atau didukung/diterima secara akademis. Kestabilan struktur yaitu keberlakuan atau kekuatan struktur dalam dimensi waktu. Pengujian terhadap dua jenis validitas struktur ini bertujuan untuk memperoleh keyakinan sejauh mana keserupaan struktur model mendekati struktur nyata.

Selanjutnya, ada dua teknik validasi konstruksi, yaitu validasi konstruksi melalui teori dan validasi konstruksi melalui kritik teori. Validasi konstruksi dengan teori, di mana teori adalah generalisasi struktur nyata, ditunjukkan dengan sejauh mana struktur model yang diciptakan sesuai dengan aturan berpikir logis dalam masing-masing teori keilmuan dari obyek yang diteliti.

• Uji validitas kinerja/output model

Validasi kinerja adalah aspek pelengkap dalam metode berpikir sistem. Tujuannya adalah memperoleh keyakinan sejauh mana kinerja model sesuai dengan kinerja sistem nyata, sehingga memenuhi syarat sebagai model ilmiah yang taat fakta. Caranya adalah memvalidasi kinerja model dengan data empiris, dengan tujuan melihat sejauh mana perilaku output model sesuai dengan perilaku data empirik. Prosedur uji konsistensi adalah pertama, mengeluarkan output simulasi, kemudian dibandingkan secara visual dengan pola perilaku data empirik. Kedua, jika secara visual pola output simulasi sudah mengikuti pola data aktual, maka untuk memperoleh keyakinan dilakukanlah uji statistik.

Suatu ukuran yang mempertimbangkan baik ketidakseimbangan biaya dari unsur kesalahan yang besar maupun memberikan dasar perbandingan relatif dengan metode naif salah satunya adalah dengan metode statistik-U yang dikembangkan Theil.

Statistik ini memungkinkan suatu perbandingan relatif antara metode peramalan formal dengan pendekatan naif dan juga mengkuadratkan kesalahan yang terjadi sehingga kesalahan yang besar diberikan lebih banyak bobot daripada kesalahan yang kecil. Karakteristik positif yang ditimbulkan dalam menggunakan statistik-U dari Theil sebagai ukuran ketepatan adalah mengenai interpretasi yang intuitif. Secara matematis, statistik-U dari Theil didefinisikan sebagai.

1 1 1 1 1 1 1 n i i i i n i i i i F X X U X X X − + + − − + − ⎛ − ⎞ ⎜ ⎟ ⎝ ⎠ = ⎛ − ⎞ ⎜ ⎟ ⎝ ⎠

∑

∑

1

U = : metode naif sama baiknya dengan teknik peramalan yang dievaluasi

1

U < : teknik peramalan yang digunakan adalah lebih baik daripada metode naif. Makin kecil nilai statistik-U, makin baik teknik peramalan dibanding metode naif secara relatif.

Fungsi-fungsi Penting Simulasi

Fungsi-fungsi penting yang terdapat dalam simulasi antar lain : • Fungsi IF

Fungsi ini menggambarkan suatu kondisi dan digunakan untuk banyak kepentingan, antara lain untuk menguji variabel-variabel lain. Contoh penulisan fungsi ini dalam software simulasi powersim ialah :

Aux IF = IF(Condition, value1, value2) Keterangan :

Condition = suatu logical value (true or false) Value1 = angka sembarang (parameter komputer) Value2 = angka sembarang (parameter komputer)

• Fungsi GRAPH

Fungsi ini digunakan bila data berupa table atau data menunjukkan hubungan yang non linier. Contoh penulisan fungsi ini dalam software simulasi powersim ialah :

Aux GRAPH=GRAPH(X,X1,dx,Y(N)) Keterangan :

X = variable bebas (merupakan sumbu-x, input) X1 = nilai pertama dari X

dx = pertambahan nilai dari X Y(N) = vektor (sumbu-y, output) • Fungsi DELAY

Fungsi ini digunakan bila terdapat delay atau kelambatan dalam sistem. Ada tiga jenis delay dalam simulasi, yaitu delay material, delay informasi, dan delay pipeline. Salah satu contoh penulisan fungsi ini dalam software simulasi powersim ialah :

Aux OUTPUT=DELAYMTR(INPUT,DELAY_TIME,1,”INITIAL”) • Fungsi STEP

Fungsi ini merupakan fungsi penambahan seterusnya pada periode tertentu dalam simulasi. Fungsi ini dapat dicontohkan jika kita menabung sebesar Rp 2000,- secara kontinyu setiap bulan dan dimulai pada bulan pertama. Kemudian pada bulan ke empat kita menambah tabungan kita dengan Rp 500,- untuk seterusnya, maka fungsi STEP tersebut dapat ditulis :

AUX TABUNGAN=2000+STEP(500,4) • Fungsi PULSE

Fungsi ini sama dengan fungsi STEP, namun pada fungsi ini penambahan nilai dilakukan secara periodik (berkala). Contoh penulisan fungsi PULSE dalam software simulasi powersim dengan menggunakan contoh yang ada pada fungsi STEP sebelumnya ialah :

AUX TABUNGAN=2000+PULSE(500,4,4)

Angka 500 menunjukkan besarnya penambahan, angka 4 pertama menunjukkan waktu pertama penambahan dilakukan, dan angka 4 kedua menunjukkan interval penambahan pertama dengan penambahan selanjutnya.

• Fungsi TIMECYCLE

Fungsi TIMECYCLE digunakan untuk menguji siklus waktu atau interval waktu. Contoh penulisan fungsi ini dalam software simulasi powersim ialah :

Aux TIMECYCLE=TIMECYCLE(FIRST,INTERVAL) Keterangan :

FIRST = waktu pertama untuk pengecekan

INTERVAL = waktu di antara pengecekan yang satu ke pengecekan yang lain

2.2 Sistem Informasi 2.2.1 Pengertian Sistem

Menurut Mcleod (2001, p11), sistem adalah sekelompok elemen yang terintegrasi dengan maksud yang sama untuk mencapai suatu tujuan. Suatu organisasi seperti perusahaan misalnya, organisasi terdiri dari sejumlah sumber daya seperti manusia, material, mesin, uang, dan informasi yang bekerja menuju tercapainya suatu tujuan tertentu yang ditentukan oleh pemilik atau pihak manajemen.

Pada dasarnya, elemen-elemen yang membentuk sistem dapat ditunjukkan pada gambar 2.26. Sumber daya input diubah menjadi sumber daya output. Sumber daya mengalir dari elemen input melalui elemen transformasi ke elemen output. Suatu mekanisme pengendalian memantau proses transformasi untuk meyakinkan bahwa sistem tersebut memenuhi tujuannya. Mekanisme pengendalian ini dihubungkan pada arus sumber daya dengan memakai suatu umpan balik (feedback loop) yang mendapatkan informasi dari output sistem dan menyediakan informasi bagi mekanisme pengendalian. Mekanisme pengendalian membandingkan sinyal-sinyal umpan balik ke sasaran dan mengarahkan sinyal pada elemen input jika sistem operasi memang perlu diubah.

Gambar 2.26 Komponen Dari Suatu Sistem Yang Dapat Mengendalikan Operasinya Sendiri

2.2.2 Pengertian Data dan Informasi

Menurut Mcleod (2001, p15), data merupakan fakta-fakta dan angka-angka yang relatif tidak berarti bagi pemakai. Misalnya data berupa jumlah jam kerja tiap pegawai dalam perusahaan. Setelah diproses, data diubah menjadi informasi, jika jam kerja tiap pekerja dikalikan dengan upah per jam, maka hasilnya akan diperoleh pendapatan kotor, jika pendapatan kotor tiap pekerja dijumlahkan, penjumlahan tersebut adalah total biaya gaji seluruh perusahaan. Jumlah biaya gaji tersebut dapat menjadi informasi bagi pemilik perusahaan. Informasi adalah data yang telah diproses, atau data yang memiliki arti dan dapat berguna.

2.2.3 Pengertian Sistem Informasi

Menurut Whitten et al. (2004, p10), Sistem informasi merupakan pengaturan orang, data, proses, dan teknologi informasi yang berinteraksi

untuk mengumpulkan, memproses, menyimpan, dan menyediakan sebagai output informasi yang diperlukan untuk mendukung sebuah organisasi.

Menurut O’Brien (2005, p5), sistem informasi merupakan kombinasi teratur apa pun dari orang-orang, hardware, software, jaringan komunikasi, dan sumber daya data yang mengumpulkan, mengubah, dan menyebarkan informasi dalam sebuah organisasi. Orang bergantung pada sistem informasi antara satu sama lain dengan menggunakan berbagai jenis alat fisik (hardware), perintah dan prosedur pemrosesan informasi (software), saluran komunikasi (jaringan), dan data yang disimpan.

Sistem informasi bergantung pada sumber daya manusia, hardware, software, data, serta jaringan untuk melakukan input, pemrosesan, output, penyimpanan dan aktivitas pengendalian yang mengubah sumber daya data menjadi produk informasi. Model sistem informasi yang terdiri dari berbagai komponen-komponen tersebut dapat ditunjukkan dalam gambar 2.27.

Gambar 2.27 Komponen-komponen Dalam Sistem Informasi Sumber : O’Brien (2005)

Model sistem informasi ini dapat menunjukkan hubungan antarkomponen dan aktivitas sistem informasi.

Adapun terdapat tiga peranan penting sistem informasi dalam sebuah perusahaan bisnis adalah :

• Mendukung proses dan operasi bisnis

• Mendukung pengambilan keputusan para pegawai dan manajernya • Mendukung berbagai strategi untuk keunggulan kompetitif.

2.2.4 Jenis-jenis Sistem Informasi

Menurut O’Brien (2005, p15-19), secara konsep, aplikasi system informasi yang diimplementasikan dalam dunia bisnis saat ini dapat

diklasifikasikan dalam beberapa cara yang dapat ditunjukkan pada gambar 2.28 di bawah :

Gambar 2.28 Klasifikasi Sistem Informasi Sumber : O’Brien (2005)

Deskripsi mengenai jenis-jenis sistem informasi : • Sistem pendukung operasi

Merupakan sistem yang menghasilkan berbagai produk informasi yang paling dapat digunakan oleh para manajer. Peranan sistem ini adalah untuk secara efisien memproses transaksi bisnis, mengendalikan proses industrial, mendukung komunikasi dan kerjasama perusahaan, serta memperbarui database perusahaan. Yang termasuk dalam sistem pendukung operasi adalah :

o Sistem pemrosesan transaksi, adalah sistem yang mencatat serta memproses data yang dihasilkan dari transaksi bisnis o Sistem pengendalian proses, adalah sistem yang mengawasi

o Sistem kerja sama perusahaan, adalah sistem yang bertujuan meningkatkan komunikasi dan produktivitas tim serta kelompok kerja, dan meliputi aplikasi yang kadang kala disebut sebagai sistem otomatisasi kantor.

• Sistem pendukung manajemen

Merupakan sistem informasi yang berfokus pada penyediaan informasi dan dukungan untuk pengambilan keputusan yang efektif oleh pada manajer. Yang termasuk dalam sistem pendukung manajemen adalah :

o Sistem informasi manajemen, adalah sistem yang memberikan informasi dalam bentuk laporan dan tampilan pada para manajer dan banyak praktisi bisnis.

o Sistem pendukung keputusan, adalah sistem yang memberikan dukungan komputer langsung pada para manajer selama proses pengambilan keputusan.

o Sistem informasi eksekutif, adalah sistem yang memberikan informasi penting dari berbagai sumber internal dan external dalam tampilan yang mudah digunakan bagi eksekutif dan manajer.

2.2.5 Decision Support System (DSS)

Definisi dari decision support system (DSS) yang dapat dikutip dari buku Turban et al. (2001, p96-97), antara lain :

• Menurut Little (1970), DSS merupakan kumpulan dari prosedur berdasarkan model yang digunakan untuk memproses data dan pertimbangan untuk mendukung manajer dalam membuat keputusan. • Menurut Moore dan Chang (1980), DSS merupakan perpanjangan

sistem yang mampu mendukung analisa data ad hoc dan pemodelan keputusan, yang berorientasi pada perencanaan masa depan, dan digunakan pada interval yang teratur atau tidak terencana.

• Menurut Bonczek et al. (1980), DSS merupakan sistem berbasiskan komputer yang terdiri dari tiga komponen yang berinteraksi, yaitu language system (mekanisme yang menyediakan komunikasi di antara pengguna dengan komponen lain dalam DSS), knowledge system (kumpulan dari pengetahuan mengenai problem domain yang terkandung dalam DSS sebagai data ataupun prosedur), dan problem-processing system (sebuah hubungan diantara dua komponen yang lain, yang terdiri dari satu atau lebih kemampuan manipulasi problem umum yang digunakan dalam pembuatan keputusan).

• Menurut Keen (1980), DSS merupakan situasi dimana sistem akhir dapat dikembangkan hanya melalui proses adaptif dari pembelajaran dan evolusi. DSS merupakan produk dari proses pengembangan dimana pengguna DSS, pembangun DSS, dan DSS itu sendiri mampu untuk mempengaruhi satu sama lain, yang menghasilkan evolusi dan pola sistem penggunaan.

2.2.6 Komponen dari Decision Support System (DSS)

Menurut Turban et al. (2001, p100-101), komponen dari aplikasi DSS disusun dari :

• Data management subsystem

Data menegement subsystem terdiri dari database, yang berisi data yang relevan untuk situasi dan dikelola oleh software yang disebut database management system (DBMS)

• Model management subsystem

Model management subsystem merupakan paket software yang terdiri dari model finansial, statistik, manajemen sains, dan model kuantitatif lainnya yang menyediakan kemampuan analitik dari sistem dan manajemen software yang sesuai.

• Knowledge-based management subsystem

Knowledge-based management subsystem dapat mendukung subsistem-subsistem lain atau bertindak sebagai komponen yang independen. Subsistem ini menyediakan kecerdasan untuk mendukung keinginan dari pembuat keputusan.

• User interface subsystem

User interface subsystem bertugas sebagai perantara di antara pengguna dengan sistem DSS.

Komponen-komponen penyusun decision support system (DSS) tersebut dapat pula disederhanakan menjadi gambar 2.29 di bawah berikut :

Gambar 2.29 Komponen-komponen Penyusun DSS Sumber : Turban et al. (2001)

2.2.7 Object Oriented Analysis & Design

Menurut Mathiassen et al. (2000, p14), metode object oriented analysis & design merupakan pendekatan analisa dan perancangan sistem informasi dengan menggunakan obyek-obyek dan kelas-kelas sebagai konsep utamanya.

Obyek, state, dan behavior merupakan konsep yang lebih umum dan cocok digunakan dalam mendeskripsikan fenomena yang dapat diekspresikan dengan bahasa natural. Menurut Mathiassen et al. (2000, p4), obyek merupakan sebuah entitas dengan identitas, state, dan perilaku (behavior).

Dan class merupakan sebuah deskripsi dari kumpulan obyek-obyek yang memiliki kesamaan struktur, pola perilaku (behavioral pattern), dan atribut.

Dalam pandangan sistem konteks dalam OOAD , terdapat dua perspektif yang saling melengkapi, yaitu problem domain dan application domain (Mathiassen et al., 2000, p6). Problem domain adalah bagian dari konteks yang dikelola, diamati, atau dikendalikan oleh sistem. Application domain adalah organisasi yang mengelola, mengamati, atau mengendalikan problem domain.

OOAD mencakup empat perspektif melalui empat aktivitas utama yang ditunjukkan dalam gambar 2.30.

Gambar 2.30 Empat Aktivitas Utama Dalam OOAD Sumber : Mathiassen et al. (2000)

2.2.7.1 System Definition

Pada awal pengembangan sistem, biasanya terdapat hal yang tidak jelas dalam menentukan kesulitan pengembangan sistem yang paling penting. Beberapa kesulitan harus diidentifikasi pada langkah-langkah awal, dan jika tidak maka akan terjadi masalah-masalah yang besar.

Pengembangan sistem berawal dari situasi yang kita anggap sebagai permasalahan. Situasi tersebut dapat diinterpretasikan dalam beberapa cara dan salah satu cara adalah dengan menentukan system definition.

Menurut Mathiassen et al. (2000, p24), system definition adalah deskripsi singkat dari sistem yang terkomputerisasi yang dinyatakan dalam bahasa natural. System definition menunjukkan ciri dasar bagi pengembangan dan penggunaan sistem. System definition mendeskripsikan sistem dalam suatu konteks, informasi apa yang seharusnya disimpan, fungsi apa saja yang harus disediakan, dimana sistem dipergunakan, dan pada kondisi apa pengembangan diaplikasikan.

System definition harus singkat dan akurat, dan berisi mengenai keputusan paling mendasar dalam sistem. System definition yang singkat dan akurat dapat memberikan suatu pandangan dan membuat lebih mudah dalam membandingkan alternatif.

Proses mendeskripsikan situasi yang dihadapi oleh user harus lengkap dan detail. Salah satu cara untuk menggambarkan situasi dari user adalah dengan menggunakan rich picture. Menurut Mathiassen et al. (2000, p26), rich picture merupakan gambaran informal yang menunjukkan pemahaman ilustrator terhadap situasi user.

Rich picture berfokus pada aspek penting dari situasi yang ditentukan oleh ilustrator. Rich picture harus memberikan deskripsi luas mengenai situasi yang memungkinkan beberapa interpretasi alternatif. Contoh rich picture dapat ditunjukkan pada gambar 2.31.

Gambar 2.31 Contoh RIch Picture Sumber : Mathiassen et al. (2000)

Pada system definition terdapat beberapa kriteria yang digunakan dalam menentukan keputusan paling mendasar yang berhubungan dalam pembangunan solusi sistem yang terkomputerisasi. Kriteria-kriteria tersebut adalah FACTOR, di mana kriteria-kriteria tersebut dapat dideskripsikan sebagai berikut :

• Functionality : merupakan fungsi sistem yang mendukung tugas application domain.

• Application domain : bagian dari organisasi yang mengatur, mengamati, atau mengendalikan problem domain.

• Conditions : kondisi di mana sistem akan dikembangkan atau digunakan.

• Technology : kedua teknologi yang digunakan untuk mengembangkan sistem dan teknologi yang digunakan untuk menjalankan sistem. • Objects : objek-objek utama dalam problem domain.

• Responsibility : Tanggung jawab sistem secara keseluruhan dalam hubungannya dalam konteks.

2.2.7.2 Analisa Problem domain

Menurut Mathiassen et al. (2000, p45), analisa problem domain berfokus pada pertanyaan : ”dengan informasi apa saja sistem akan berhubungan?”. Tujuan dari analisa problem domain adalah untuk mengembangkan model dari problem domain.

Analisa problem domain dibagi menjadi tiga aktivitas yang dapat ditunjukkan pada gambar 2.32 dan dapat dideskripsikan sebagai berikut :

a. Aktivitas class

Abstraksi, klasifikasi, dan pemilihan merupakan tugas utama dalam aktivitas class. Pada aktivitas ini dilakukan abstraksi problem domain dengan cara melihat problem domain tersebut sebagai object dan event. Kemudian dilakukan pengklasifikasian object dan event, dan menentukan class dan event dimana class dan event yang sudah dipilih tersebut akan dimasukkan ke dalam sistem.

Aktivitas class akan menghasilkan event table yang merupakan sebuah tabel yang mendeskripsikan class dan event yang saling berhubungan. Dalam tabel, dimensi horizontalnya berisi class yang sudah dipilih, dan dimensi vertikalnya berisi event yang sudah dipilih. b. Aktivitas structure

Pada aktivitas structure (struktur), hal yang difokuskan adalah hubungan di antara class dan object. Pada aktivitas ini, dideskripsikan hubungan struktural di antara class dan object.

Hasil dari aktivitas ini adalah class diagram, di mana diagram tersebut dapat memberikan pandangan mengenai problem domain dengan cara menunjukkan hubungan struktural di antara class dan object pada model. Dalam class diagram terdapat tiga jenis hubungan, yaitu generalisasi, agregasi, dan asosiasi.

c. Aktivitas behavior

Pada aktivitas behavior, dilakukan pengembangan definisi class dalam class diagram dengan cara menjelaskan pola perilaku (behavior pattern) dan atribut dari tiap class. Hasil dari aktivitas ini adalah statechart diagram, di mana dalam diagram ini dapat ditunjukkan tiga jenis dari pola perilaku class, yaitu :

• Sequence : event yang terjadi satu demi satu secara berurutan. • Selection : satu event yang terjadi dari beberapa event.

Gambar 2.32 Aktivitas-aktivitas Dalam Pemodelan Problem Domain Sumber : Mathiassen et al. (2000)

2.2.7.3 Application domain Analysis

Menurut Mathiassen et al. (2000, p115), analisa application domain berfokus pada pertanyaan : ”bagaimana target system digunakan?”. Tujuan dari analisa application domain adalah untuk mendefinisikan fungsi-fungsi dan interface sistem seperti apa yang dibutuhkan.

Analisa application domain terdiri dari tiga aktivitas yang dapat ditunjukkan pada gambar 2.33 dan dapat dideskripsikan sebagai berikut :

a. Aktivitas usage

Pada aktivitas ini dihasilkan use case diagram di mana diagram ini memberikan pandangan dari kebutuhan sistem (system requirements) dari perspektif user dan memberikan dasar untuk mendefinisikan dan mengevaluasi fungsi-fungsi dasar dan interface yang dibutuhkan.

Pada use case diagram terdapat use case dan actor. Actor adalah sebuah abstraksi dari user atau system lain yang berinteraksi dengan system target. Use case adalah sebuah pola interaksi di antara system dan actor dalam application domain. Dalam aktivitas ini masing-masing use case dan actor tersebut dapat dijelaskan lebih mendetail dalam bentuk use case specification dan actor specification.

b. Aktivitas functions

Aktivitas ini difokuskan pada fungsi apa yang dapat sistem lakukan untuk membantu actor dalam melakukan pekerjaannya. Pada aktivitas ini dihasilkan daftar fungsi (function list) yang mendeskripsikan fungsi-fungsi yang dibutuhkan dalam sistem. Fungsi-fungsi tersebut dapat dibedakan menjadi empat jenis, yaitu :

• Update functions

Fungsi ini diaktifkan oleh event dalam problem domain dan menghasilkan perubahan pada status model (model state)

• Signal functions

Fungsi ini diaktifkan oleh perubahan pada status model (model state) dan menghasilkan reaksi di dalam konteks. Reaksi ini dapat berupa tampilan kepada actor di dalam application domain, atau intervensi langsung di dalam problem domain. • Read functions

Fungsi ini diaktifkan oleh kebutuhan informasi dari actor dan menghasilkan sistem yang menampilkan bagian yang relevan dari model.

• Compute functions

Fungsi ini diaktifkan oleh kebutuhan informasi dari actor dan terdiri dari proses komputasi yang melibatkan informasi yang disediakan oleh actor atau model. Fungsi ini menghasilkan tampilan hasil komputasi.

c. Aktivitas interfaces

Pada aktivitas ini difokuskan pada kebutuhan target sistem akan interface. Menurut Mathiassen et al. (2000, p151-152), interface merupakan fasilitas yang membuat model dan fungsi sistem tersedia bagi actor. Interface itu sendiri terbagi menjadi dua jenis, yaitu user interface yang berarti interface yang berfungsi memfasilitasi komunikasi antara user dengan sistem dan system interface yang berarti interface yang berfungsi memfasilitasi komunikasi antara sistem dengan sistem lainnya.

Aktivitas ini menghasilkan navigation diagram yang memberikan pandangan dari elemen-elemen user interface dan transisi yang terjadi di antaranya. Navigation diagram terdiri dari gambar-gambar dari tiap window yang sudah diperkecil, dan panah yang menggambarkan efek dari penggunaan tombol dan pemilihan lain yang menghasilkan baik fungsi atau membuka window lain.

Gambar 2.33 Aktivitas-aktivitas Dalam Analisa Application Domain Sumber : Mathiassen et al. (2000)

2.2.7.4 Architectural Design

Awal dari architectural design (desain arsitektur) adalah system requirement (kebutuhan sistem) yang dihasilkan dalam analisa problem domain dan application domain. Rancangan desain arsitektur harus dibuat berdasarkan pemahaman mendalam mengenai konteks sistem, yang digambarkan dalam design criteria. Di samping itu, desain arsitektur harus memastikan penggunaan fasilitas technical platform digunakan secara efisien.

Desain arsitektur menghasilkan sebuah arsitektur yang mendefinisikan komponen-komponen sistem dan hubungannya, distribusi sistem pada perangkat technical platform, dan jika dibutuhkan mekanisme yang dibutuhkan untuk mengkoordinasikan proses sistem.