Output adalah tujuan yang harus dicapai oleh sistem. Output dapat dikategorikan menjadi dua yaitu : output yang diinginkan dan output yang tidak
diinginkan. Output yang tidak diinginkan ini akan menjadi umpan balik untuk perbaikan input dan memodifikasi input sehingga dapat lebih memperbanyak output
yang diinginkan dan meminimalkan output yang tidak diinginkan. Input terdiri dari Input terkendali input yang berada dibawah kontrol analis
dan input tak terkendali input yang di luar kontrol dan tidak dapat dikendalikan oleh analis. Input lainnya adalah input lingkungan, yaitu merupakan elemen-
elemen yang mempengaruhi sistem secara tidak langsung dalam mencapai tujuan. Struktur model akan memberikan bentuk pada sistem dan sekaligus memberi
ciri yang mempengaruhi perilaku sistem. Perilaku tersebut dibentuk oleh kombinasi perilaku simpal umpan balik causal loops yang menyusun struktur model. Semua
perilaku model, bagaimanapun rumitnya dapat disederhanakan menjadi struktur dasar yaitu mekanisme dari masukan, proses, keluaran, dan umpan balik.
Mekanisme tersebut akan bekerja menurut perubahan waktu atau bersifat dinamis yang dapat diamati perilakunya dalam bentuk kinerja level dari suatu model
sistem dinamis.
4.5.4. Diagram Alir Struktur Model
Pembuatan diagram alir model struktur model didasarkan atas persamaan sistem dinamik yang mencakup keadaan level, aliran flow, auxiliary, dan
konstanta constant dan digambarkan dengan simbol-simbol. Simbol-simbol tersebut digunakan dalam pembuatan diagram alir model untuk operasi komputer
dalam melakukan simulasi. Terdapat satu tipe operasi komputer umum yang dapat digunakan dalam melakukan simulasi sistem dinamik.
Perilaku sistem
Simbol awan batasan sistem
Pipa aliran
Laju aliran perubahan sistem
Delayed link
Nilai aliran
Level Outflow
Constant
Auxiliary_variable Inflow
Gambar 13 Simbol-simbol diagram alir.
4.5.5. Validasi Model
Pengetahuan ilmiah yang obyektif harus cocok dengan kondisi di lapangan. Validitas atau keabsahan adalah salah satu criteria penilaian keobyektifan dari
suatu karya ilmiah. Obyektifitas dalam permodelan ditunjukkan dengan kinerja model menirukan fakta atau model menyerupai fakta walaupun tidak sama dengan
fakta, karena model merupakan penyederhanaan dari fakta dan rangkaiannya sehingga lebih mudah dan lebih cepat dipahami Muhammadi, 2001
Teknik validasi yang utama dalam berpikir sistem adalah validasi struktur model, yaitu penilaian keserupaan struktur model terhadap struktur dunia nyata.
Keserupaan struktur model terhadap struktur nyata ditunjukkan dengan pola interaksi variable model yang mendekati interaksi kejadian di dunia nyata.
Keserupaan tidak berarti harus sama dunia model dengan dunia nyata ditunjukkan dengan sejauh mana data simulasi dan pola simulasi dapat menirukan
data statistik dan informasi aktual. Proses melihat keserupaan seperti ini diebut validasi output atau kinerja model.
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 proses, keserupaan struktur model dengan struktur nyata ditunjukkan dengan sejauh mana interaksi variable
model dapat menirukan interaksi kejadian nyata. Validasi kinerja adalah aspek pelengkap dalam metode berpikir sistem.
Tujuannya untuk memperoleh keyakinan sejauh mana kinerja model sesuai compatible dengan kinerja sistem nyata, sehingga memenuhi syarat sebagai
model ilmiah yang taat fakta. Caranya adalah memvalidasi kinerja model dengan data empiris, untuk melihat sejauh mana perilaku “output” model sesuai dengan
perilaku data empiris. Prosedur uji konsistensi ini ada 2 langkah :
1. Mengeluarkan output simulasi, khususnya hasil simulasi dari variable utama reference mode kemudian dibandingkan dengan pola perilaku data empirik.
a. Secara visual b. Secara statistik untuk lebih meyakinkan
2. Melakukan uji statistic untuk melihat penyimpangan antara output simulasi dengan data actual dengan AVE, AME, U-Theil’s, Kalman Filter, U-Theil’s dan
Durbin Watson. AME absolute means error adalah penyimpangan antara nilai rata-rata
simulasi terhadap aktual. AVE absolute variation error adalah penyimpangan nilai variasi simulasi terhadap aktual. U-Theil’s adalah koefisien diskrepansi antara
nilai simulasi terhadap aktual yang berguna untuk menjelaskan penyimpangan yang menonjol tidak terlihat pada AME dan AVE. Batas penyimpangan yang
masih dapat diterima adalah 5-10. Rumus-rumus untuk AME, AVE, KF, KD, dan DB adalah sebagai berikut
Muhammadi, 2001:
1 Absolute Mean Error AME
AME =
T
| Σ Ps - Σ Pi | ………………………...................1
o
| Σ i |
keterangan: T
= Waktu pengamatan. Ps
= Nilai hasil simulasi. Pi
= Nilai faktual Batas Penyimpangan yang diterima untuk AME adalah 0,05 – 0,10
2 Absolute Variation Error AVE
AVE = |
σ
s -
σ
i | ………………………...........................2 |
σ
i | keterangan:
σ
s = Standard deviasi hasil simulasi
σ
i = Standard deviasi faktual Batas penyimpangan yang diterima untuk AVE adalah 0,05 – 0,10
3 Kalman Filter KF
KF = |
σ
s
2
|……………………….........................3 |
σ
s
2
-
σ
i
2
|
keterangan:
σ
s
2
= Variansi hasil simulasi
σ
i
2
= Variansi faktual Batas penyimpangan yang diterima untuk KF adalah 47,5 KF 52,5
4 Koefisien Diskrepansi U-Theil’s :
KD = { [Ps-Ps.dt-Pi-Pi.dt
2
.] 1N}
0,5
…………………..….4
σ
i -
σ
s keterangan:
σ
s = Standard deviasi hasil simulasi
σ
i = Standard deviasi faktual N = Jumlah pengamatan.
Ps = Nilai hasil simulasi. Pi = Nilai faktual
dt = Diferensial waktu
KD 0,05 menyatakan grafik kurang tajam KD 0,05 menyatakan grafik tajam sekali
5 Durbin Watson DB
DB = Pi-Ps
2 T
-Pi-Ps
2 T-1
…………………..…………….5
T
Pi-Ps
2 T
keterangan: T
= Waktu pengamatan. Ps
= Nilai hasil simulasi. Pi
= Nilai faktual
Nilai Durbin Watson 2 maka pola fluktuasi tajam sekali Nilai Durbin Watson 2 maka pola fluktuaasi kurang tajam
4.5.6. Sensitivitas Model
