Permodelan Lingkungan#2

One comment

Materi lanjutan minggu kedua. Model deterministik dan stokastik, apa sih bedanya?

Jenis Model, yaitu:

  1. Model deterministik, datanya nyata, contoh: data penduduk, angka penjualan
  2. Model stokastik, datanya tidak bisa diprediksi, contoh:kejadiaan kecelakaan, wabah penyakit, curah hujan. Kenapa? karena variabelnya banyak dan kompleks
    *) Data stokastik bisa jadi data deterministik namun membutuhkan teknologi yang cangggih

Ada lagi namanya statistik deterministik dan stokastik, gunanya buat mengolah data dan ini berbeda dari model.

Model yaitu memformulasikan pola sosial, lingkungan ke dalam persamaan matematika.

Model stokastik dan stastistik stokastik ini mirip, kemiripannya yaitu didekati dengan teori peluang (probabilitas).

Model simulasi probabilistik dan stokastik ternyata ada perbedaannya walaupun terlihat sama, yaitu beda prinsip. Prinsip probabilistik yaitu menganggap data stokastik (tidak bisa diprediksi). Sedangkan prinsip stokastik yaitu menganggap data deterministik/nyata.

Kapan tau datanya deterministik atau stokastik?

Pake Uji Normalitas, untuk melihat data terdistribusi normal. Kalau normal? berarti data deterministik dan diolah pake statistik. Kalau tidak normal? diolah pake (1) stastistik stokastik atau (2) probabilitas.

Mathematical Model 1st Classification

  1. First principles models, yaitu disebut basic model atau kompartemen model. Berlandaskan hukum kekekalan massa yaitu massa tidak bia dimusnahkan sehingga berubah ke dalam beberapa dimensi, misal 1/2/3 dimensi. Contohnya air, terdiri dari kompartemen uap dan air. Model ini disebut juga transport model. Pendekatan yang digunakan yaitu population balance seperti mass balance, energy balance, population balance.
  2. Empirical or fitting model, didapat melalui percobaan berulang-ulang. Contoh: nilai konstanta, persamaan kecepatan dan percepatan, rumus-rumus fisika.
  3. Dynamic models, melibatkan perubahan waktu contoh persamaan jarak (s=v.t). Bisa hanya input-output. Berbentuk 3 dimensi state space. Black box model.
  4. Time series, kalau datanya berubah, persamaannya juga berubah (berlaku untuk data spesifik. Contoh: data curah hujan.
  5. Statistical model (tidak dipelajari)

First principles mathematical models

Types of solution: steady-state solution, tidak ada perubahan terhadap waktu (volume tetap). Contoh: batch reactor, populasi rubah dan kelinci, dll.

Kenapa ada konsep steady-state?
Untuk memudahkan dan menyederhanakan model. Steady-state bukan kondisi ideal. Biasa digunakan oleh pemula dalam modelling.

Kapan pake empirical model? ketika data general.
Kapan pake time series? ketika data spesifik.

Advertisements

1 comments on “Permodelan Lingkungan#2”

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google+ photo

You are commenting using your Google+ account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s