Validitas dan Sensitivitas Model

9. Analisis Hasil Proses analisis hasil simulasi untuk menarik kesimpulan dan membuat rekomendasi untuk pemecahan masalah. 10. Implementasi dan Dokumentasi Proses mengimplementasikan hasil keputusan simulasi dan mendokumentasikan model dan kegunaannya.

3.9.7. Validitas dan Sensitivitas Model

25 Model yang baik adalah model yang dapat merepresentasikan keadaan yang sebenarnya. Untuk menguji kebenaran suatu model dengan kondisi objektif dilakukan uji validasi. Ada dua jenis validasi dalam model, yakni validasi struktur dan validasi kinerja. Validasi struktur dilakukan untuk memperoleh keyakinan konstruksi model valid secara ilmiah, sedangkan validitas kinerja untuk memperoleh keyakinan sejauh mana model sesuai dengan kinerja sistem nyata atau sesuai dengan data empiris. Validitas struktur meliputi dua pengujian, yaitu validitas konstruksi dan validitas kestabilan. Validitas konstruksi melihat apakah konstruksi model yang dikembangkan sesuai dengan teori. Uji validitas konstruksi ini sifatnya abstrak, tetapi konstruksi model yang benar secara ilmiah berdasarkan teori yang ada akan terlihat dari konsistensi model yang dibangun. 25 Dradio. 2007. Tinjauan Pustaka Validasi Model. Jakarta. Hal 30-31. Universitas Sumatera Utara Validitas kestabilan merupakan fungsi dari waktu. Model yang stabil akan memberikan output yang memiliki pola yang hampir sama antara model agregat dengan model yang lebih kecil disagregasi. Validitas kinerja atau output model bertujuan 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. Hal ini dapat dilakukan dengan cara: 1. Membandingkan pola output model dengan data empiris. 2. Melakukan pengujian secara statistik untuk melihat penyimpangan antara output simulasi dengan data empiris dengan beberapa cara, antara lain : AVE Absolute Variation Error, AME Absolute Mean Error, dan uji kecocokan dengan Kalman Filter. Adapun penjelasan untuk tiga metode pengujian yang akan digunakan untuk menguji kinerja atau output model yaitu: a. Uji penyimpangan rata-rata Absolute Mean Error AME Uji penyimpangan rata-rata bertujuan untuk melihat penyimpangan rata-rata simulasi terhadap rata-rata aktual. Nilai AME ditentukan dengan persamaan: Dimana : Universitas Sumatera Utara b. Uji penyimpangan variasi Absolute Variation Error AVE Uji penyimpangan variasi bertujuan untuk melihat penyimpangan variasi simulasi terhadap variasi aktual. Nilai AVE ditentukan dengan persamaan : AVE = S S – S A S A Dimana : S S = S i - i 2 N S A = A i - i 2 N c. Uji Kecocokan Kalman Filter KF Uji kecocokan Kalman Filter KF bertujuan untuk melihat kecocokan fitting antara nilai simulasi dengan nilai aktual. Nilai KF ditentukan dengan persamaan : KF = V S V S + V A Dimana : V S = S i - i 2 N-1 V A = A i - i 2 N-1 Keterangan : i : Rata-rata nilai simulasi i : Rata-rata nilai aktual S i : Nilai simulasi A i : Nilai aktual S S : Standar deviasi nilai simulasi S A : Standar deviasi nilai aktual V S : Varian nilai simulasi V A : Varian nilai aktual Universitas Sumatera Utara N : Banyak data KF : Kalman Filter Adapun batas kritis untuk setiap metode pengujian kinerja model dapat dilihat pada Tabel 3.5. Tabel 3.5. Batas Kritis untuk Setiap Metode Pengujian Kinerja Model No. Metode Validasi Batas Kritis 1 Uji penyimpangan rata-rata AME 0,05 2 Uji penyimpangan variasi AVE 0,05 3 Uji kecocokan Kalman Filter KF 0,475 – 0,525

3.10. Stat::Fit Version 2