ITS;
_,. . .
I.~•••ma"II'.
CO:} ·?
iTS Institut Teknologi Sepuluh Nopember
19u1
p-l ...--20iO
PENERAPAN SIMULASI KOMPUTER UNTUK PENENTUAN TINGKAT KERAWANAN BANJIR Oleh:
Prof. Dr. Ir. Joko Lianto Buliali , M.Sc.
Pidato Pengukuhan untuk Jabatan Guru Besar
dalam Bidang Ilmu Pemodelan dan Simulasi Sistem
pad a Jurusan Teknik Informatika
Fakultas Teknologi Informasi
Institut Teknologi Sepuluh Nopember
Surabaya, 4 Oktober 2010
Kementerian Pendidikan Nasional
Insti tut Teknologi Sepuluh Nopember
Surabaya
Yang terhormat:
Bapak Rektor ITS, selaku pimpinan tertinggi dan Ketua Senat ITS,
Bapakllbu anggota Senat dan Guru Besar ITS,
BapaklIbu Pimpinan di Lingkungan ITS ,
Bapak Ketua dan Anggota Dewan Penyantun ITS,
Bapakllbu Pimpinan Pengurus Pusat dan Pengurus Wilayah IKA ITS
Bapakllbu Pimpinan Perguruan Tinggi Negeri dan Swasta,
BapaklIbu Pejabat Sipil, Militer dan Polri,
BapaklIbu Dosen, Karyawan, dan Mahasiswa di Lingkungan ITS,
Bapakllbu tarnu undangan, ternan, kerabat, dan keluarga yang saya
hormati dan muliakan,
Salam sejahtera bagi kita semua.
Pertama-tama ijinkanlah saya mengajak hadirin sekalian untuk
bersama-sama memanjatkan puji syukur kepada Tuhan Yang Maha
Esa, karena hanya atas rahmat dan berkatNyalah pada pagi hari ini
kita dapat berkumpul pada acara Rapat Terbuka Senat Institut
Teknologi Sepuluh Nopember di Surabaya dalam rangka pengukuhan
Guru Besar saya pada bidang Pemodelan dan Simulasi Sistem. Pada
kesempatan yang berbahagia ini, perkenankanlah saya menyampaikan
pidato pengukuhan saya dengan judul:
Penerapan Simulasi Komputer untuk Penentuan Tingkat
Kerawanan Banjir
Materi ini disarikan dari kajian pustaka ilmiah, publikasi dan penelitian yang telah atau sedang saya lakukan bersama para sejawat dan mahasiswa. Topik ini merupakan salah satu penerapan metode simulasi yaitu untuk penentuan tingkat kerawanan banjir, yang mana telah dilakukan studi kasus pada kecamatan di kota Surabaya. Uraian akan saya awali dengan pendahuluan, bahasan, dan simpulan. Mengingat bidang kajian kegurubesaran saya adalah bidang Pemodelan dan Simulasi
Sistem, ijinkan saya pada bagian penutup nanti untuk menyampaikan prospek penggunaan pemodelan dan simuJasi sistem pada permasalahan-permasalahan lain, penelitian-penelitian kontemporer di bidang pemodelan dan simulasi, serta framework pengembangan penggunaan metode simulasi dalam kaitan dengan bidang-bidang ilmu lain.
1. Pendahuluan Dalam kehidupannya, manusia tidak dapat melepaskan diri dari ketergantungannya pada alam. Karena kodrat manusia yang mengharuskannya hidup di darat dan di tempat kering, maka banjir merupakan gangguan bagi kehidupan manusia. Tidak sedikit berita mengenai banjir akhir-akhir ini, baik di Indonesia maupun di dunia, akibat cuaca ekstrem yang menyebabkan turunnya hujan dengan intensitas tinggi dan jangka waktu yang lama.
Banyak kerugian yang timbul, baik bagi pemerintah maupun warga masyarakat, apabila terjadi banjir di suatu daerah. Sebagai ilustrasi, nilai kerusakan dan kerugian akibat banjir di Jakarta dan sekitarnya pada awal Februari 2007 ditaksir mencapai Rp. 8,8 triliun [Tempolnteraktif2007]. Tabel 1 menunjukkan perkiraan kerugian akibat banjir di berbagai negara. Selain kerugian materi, banjir dapat mengakibatkan hilangnya nyawa manusia. Hal logis yang dilakukan manusia adalah dengan mencegal1 terjadinya banjir. Tentunya upaya ini tidak mungkin memberikan jaminan 100% tidak terjadi banjir, karena ada faktor alam yang tidak sepenuhnya berada dalam kendali manusia. Sampai batas tertentu manusia dapat meminimalkan resiko timbulnya banjir yaitu dengan langkab pencegahan. Pencegahan banjir memerlukan pengetahuan
2
yang baik atas potensi bahaya banjir atau tingkat kerawanan banjir ( tempat-tempat yang dihuni manusia.
~
~
Tabel 1. Perkiraan Kerugian Akibat Banjir di berbagai negara [Koirala20 10] Date
Country/Region
1421 1530 1642 1887 1900 1911 1931 1935 Jun-Sept,1998
Holland Holland China Yellow River, China Galveston , Texas, USA Yangtze River, China Yangtze River, China Yangtze River, China India, Banqladesh, Nepal China Somalia Europe China North Korea Europe USA Italy Europe Europe USA (Mississippi) China India China
May-Sept,1998 Oct-Dec,1997 Jul-Aug,1997 Jun -Aug,1996 Jul-Aug,1995 Jan-Feb,1995 3-10 Jan,1995 4-6 Nov,1994 20-31 Dec,1993 20-28 Sept,1993 Jun-Aug,1993 Jun-Sept,1993 Sept-Oct, 1992 Mav-Seot.1991
Deaths
Total Losses (Million US$) (unknown) (unknown) (unknown) (unknown) (unknown) (unknown) (unknown) (unknown) 5,020
100,000 400 ,000 300,000 900,000 5,000 100,000 145,000 142,000 4,750
30,000 (unknown) 5,900 24,000 15,000 3,500 1,800 9,300 2,000 1,500 16,000 11 ,000 1,000 15,000
4,100 1,800 110 3,048 68 28 11 64 14 16 45 3,300 1,500 3,074
I I I
Sejumlah metode dapat digunakan untuk menentukan tingk kerawanan banjir di suatu daerah seperti metode multikriter [Pamungkas2006JrMeyer, et. a1. 2009J, metode segmentasi d, klasifikasi [van der Sande, et. a1. 2003], metode analisis deret dura parsial multivariate (Multivariate Partial Duration Serie [Correia 1986].
3
I111
Uraian saya awali dengan bahasan mengenai pengertian "simulasi", mengingat kat a ini digunakan dengan pengertian yang bervariasi pada beberapa disiplin ilmu untuk menunjuk pada hal spesifik pada disiplin ilmu masing-masing. Uraian berikutnya adalah pembahasan mengenai penggunaan metode simulasi untuk menentukan tingkat kerawanan banjir, yang selanjutnya diikuti dengan uraian eksekusi model simulasi, dan diakhiri dengan simpulan.
2. Pengertian "Simulasi" Terdapat sejumlah pengertian mengenai kata "simulasi" dalam sejumlah bidang keilmuan, antara lain: • replika dari sistem sebenarnya, • "exploring the workings of one thing by studying something else, whether it involves computation or not" [Buchanan2006] • percobaan terhadap suatu perangkat lunak dengan data sembarang, • berpura-pura memerankan karakter lain [AudioEnglish2010].
Teknik atau metode simulasi yang dimaksud dalam Pemodelan dan Simulasi (Modelling and Simulation) mengacu pada suatu penggunaan model matematis untuk merepresentasikan sistem dalam berbagai keadaan, serta mengeksekusi model tersebut dengan bantuan komputer dengan tujuan memperoleh nilai parameter yang ingin diketahui. Menurut [Evans200 1], simulasi adalah proses pembuatan model matematika atau logika dart suatu sistem atau suatu permasalahan, serta melakukan eksperimen terhadap model untuk mendapatkan pengertian akan kerja sistem atau untuk membantu dalam menyelesaikan suatu permasalahan. Pada banyak kesempatan dalam hidupnya, manusia dihadapkan pada kondisi yang mengharuskannya mengambil keputusan. Bahkan dapat diperdebatkan apakah setiap saat manusia dihadapkan pada kondisi
4
tersebut. Spektrum kompleksitas keputusan yang harus dian sangatlah bervariasi. Ada keputusan yang dapat diambil dengan reJ mudah bahkan secara spontanlrefleks tanpa memerlukan pemikl karena merupakan keadaan yang sering dihadapinya. Nar demikian tidak sedikit keputusan yang harus diambil dengan berh hati, khususnya keputusan yang melibatkan: • • • •
sejumlah faktor, keadaan yang belum pernah ditemui sebelumnya, menyangkut perbaikan sistem yang telah ada, eksperimen secara langsung tidak dimungkinkan membutuhkan biaya besar.
2
Terdapat sejumlah teknik untuk membantu pengambilan keputu seperti diatas, seperti teknik-teknik pada decision analysis (Anal: Hierarchy Process - AHP, Goal programming, Data enveloplT analysis - DEA, dsb), tekniklalgoritma pada Dynamic programm (Backward induction, algoritma Cocke-Younger-Kasami - C' algoritma Viterbi, algoritma Earley, dsb), tekniklalgoritma p Linear programming (Duality, algoritma Dantzig, algoritma Ellipsl algoritma Interior point). Masing-masing teknik memiliki sc< penerapan masing-masing sesuai karakteristik masalah yang dihad, Adanya sifat acak (random) pada input banyak sistem meme metode simulasi merupakan metode yang menarik untuk diterap untuk memberikan rekomendasi keputusan, terutama karena simu memperhitungkan sifat acak dalam komputasinya. Keaca merupakan suatu fenomena yang alami sifatnya di dunia. Praktis ti ada yang dapat menyatakan dengan pasti kemuneulan suatu kejac di dunia ini, selalu terdapat ketidakpastian pada kemunculanr Pengembangan skenario "bagaimana-jika" ("what-if' seena merupakan pilihan yang banyak dilakukan apabila terd3 ketidakpastian dalam satu atau lebih parameter. Skenario diperlukan sebagai dasar untuk mengambil keputusan akhir. Sken, 5
"bagaimana-jika" ini dapat disimulasikan jika terdapat model dari sistem yang dipelajari, sehingga simulasi tidak dapat dilepaskan dari pemodelan. Gambar I dan 2 mengilustrasikan bagaimana hal atau fen omena di dunia nyata dapat dimodelkan dalam suatu model simulasi. Gambar I menunjukkan inventory pada suatu gudang dan salah satu kemungkinan model simulasinya. Gambar 2 menunjukkan jaringan komputer dan salah satu kemungkinan model simulasinya.
Metode simulasi melibatkan pengulangan (replikasi) terhad: eksekusi model simulasi. Apabila jumlah replikasi yang dilakuk: telah lebih dari jumlah replikasi (pengulangan eksekusi mod simulasi) minimum yang diperlukan, maka hasiVoutput sirmlasi yai parameter yang ingin diketahui telah dapat dipercaya dengan tingk keyakinan tertentu (umumnya 90%, 95%, atau 99%). Hal ini sejal: dengan central limit theorem yang menyatakan bahwa nilai rata-ra dari sejumlah besar variabel acak yang independen dengan nilai rat rata dan varians berhingga akan menuju distribusi normal [Rice 1995
Kembali pada ilustrasi pengambilan keputusan oleh manusia di ate keputusan yang harus diambil dengan berhati-hati karena menyangk kinerja dari suatu (sub-)sistem yang merupakan bagian dari siste yang lebih besar. Contoh-contoh nyata dari keadaan ini antara lain: • Keputusan menambah atau mengurangi jumlah kasir pada sua bank • Keputusan mengadopsi kebijakan inventory • Keputusan mengenai kapasitas call centre • Keputusan mengenai proyeksi penerimaan dan pengeJuan perusahaan • Keputusan mengenai kebijakan perawatan (maintenance) mesin. • Keputusan mengenai kebijakan konfigurasi jaringan komputer
........
,..... G!J
Gambar I . Inventory Fisik pada Gudang dan Model Simulasinya
-+
~
.~~_.;.:z~.;.::: ~
,..." .t .
... ..,,""':
....
.
-
.....
_~.,~ ..'~ .,~~~ .u~ '.-."" 11)1 . :,:i:-
.~
,::..I~*
Simulasi kejadian diskrit merupakan jenis simulasi sistem yar berubah terhadap waktu dengan representasi variabel yang berub: state pada waktu-waktu diskrit [Law2006]. Kelebihan simula kejadian diskrit terletak pada kemampuannya untuk menirukan asp< dinamis dari sistem yang dimodelkan. SimuJasi sidtem diskJ menyederhanakan masalah pada mayoritas kasus nyata deng: melewatkan waktu simulasi saat tidak terjadi perubahan state pal sistem, sehingga sebagian besar waktu dimana tidak terjadi perubah: state pada sistem tidak periu disimulasikan. Permasalahan pal
~
JiI
l1 ' ~'::=- --=-
~
.•=~ ,
\1
lII"";::~ r '.-:iit. .. ' . ..., .., .
.
~';"
Gambar 2. Jaringan Komputer Fisik dan Model Simulasinya
6
7
,II
pembuatan simulasi kejadian diskrit adalah bagaimana merancang model dinamis dari sistem yang dipelajari terhadap waktu. Langkah awal dalam menggunakan teknik simulasi adalah pembuatan model, yaitu melakukan abstraksi karakteristik-karakteristik penting dari sistem yang sedang ditinjau. Adanya abstraksi ini memungkinkan model dibuat secara bertahap, dimulai dari model yang sederhana (hanya mengakomodasikan karakteristik-karakteristik terpenting sistem serta mengambil asumsi terhadap karakteristik-karakteristik lain untuk penyederhanaan masalah) menuju model yang lebih kompleks (mengakomodasikan karakteristik-karakteristik sistem secara lebih komprehensif). Selain itu adanya abstraksi ini memungkinkan model dibuat secara modular, dimulai dari model model sub-sistem untuk kemudian digabungkan menjadi model sebuah sistem yang lebih besar. Pada prinsipnya tidak ada suatu model yang dapat merepresentasikan suatu sistem nyata (sistem sebenarnya) secara sempurna, karena sistem nyata merupakan kumpulan dari sejumlah sub-sistem, dan suatu sub-sistem merupakan kumpulan dari sejumlah sub-sub-sistem, demikian seterusnya. Masing-masing sub-sistem memiliki kompleksitas masing-masing. Upaya pemodelan adalah upaya untuk melakukan abstraksi terhadap kelakuan sistem nyata ke bentuk matematis yang dapat diolah oleh komputer. Semakin detil abstraksi yang dibuat, semakin dekat kelakuan sistem nyata dapat ditirukan oleh model tersebut. Gambar 3 menunjukkan langkah-Iangkah pelaksanaan simulasi. Langkah-langkah awal pelaksanaan simulasi seperti definisi permasalahan, penentuan tujuan pelaksanaan simulasi memegang peranan penting dalam langkah-Iangkah berikutnya. Beberapa studi simulasi diawali dengan tujuan yang belum/tidak terdefinisi dengan
8
jelas, sehingga langkah-Iangkah selanjutnya cenderung hany mengikuti prosedur seperti yang ditunjukkan pada gambar tersebw Pada akhirnya tidakjarang pengguna terjebak pada model yang hany semata-mata memvisualisasikan proses yang terjadi tanpa dap, melakukan analisis data hasil simulasi dan mengambil kesimpulan.
[
-~.----,
Sening of
project
--"t "
I
Objecth-. es
I
ru~d{)...eri\ll
I
}lIM
.-__1-_
C _
1
Model
:
L;"m,,,,,,_ ~~~> -
--
=
1
r--- ~',)dcJ
N"
'
~::.,> ~N~o~
Nil
f)J't~1
L colk(tton
co)nccptll;\li-/~~~
. . ../ \/jlliJitleJ?
~~'"
____
, // /
~-r
I
~
I
prOdUI..~!km. ..'ti ns ltnu nn!lj'l~l~ t....:.:.-
r -·
/ . /...~ 'Ye$ "\.ion.: rUlls);>---,'
Yes
....,'-
, /~/
T
No
11-;'~~-:1::):1:1-~·;~·1 I and reportmg I ~----./ / /.
L--..\
(
\
! JrnplemL'rlllf linn !
\ ~-_//
Gambar 3. Langkah-Iangkah Pelaksanaan Simulasi [Banks2010]
9
Adakalanya terjadi kesalahpahaman terhadap konsep "simulasi" dan "visualisasi". Beberapa pihak cenderung mengidentikkan kedua hal tersebut meskipun terdapat perbedaan prinsip diantara keduanya. Pengertian simulasi telah diuraikan sebelumnya, sedangkan "visualisasi" mengacu pada merepresentasikan dinamika sistem (gerakan, perubahan variabel, terjadinya event) yang terjadi selama suatu proses sedang berJangsung dengan menggunakan alat peraga seperti monitor komputer. Simulasi dapat dilakukan tanpa melibatkan visualisasi proses-proses yang terjadi dalam eksekusi model simulasi, dan visualisasi dapat dipakai menunjukkan dinamika sistem tanpa melibatkan simulasi (pembangkitan bilangan acak, replikasi, dsb). Walaupun demikian keduanya dapat disinergikan, sehingga simulasi dapat disampaikan secara lebih baik kepada pengguna dengan visuaJisasi, dan visualisasi atas kerja sistem dapat memiliki dasar yang dipertanggungjawabkan dengan adanya eksekusi atas model simulasi yang dianggap valid.
... r
--i
Y1
= F1(X1,
Y2
= F2(X1 , X2, X3, .
X2, X3,.
R = G(X1, X2, X3, ....
t Eksekusi
I l I
-*' , +-
Model Simulasi
I
I
I .~--~~----~~~
3. Model Simulasi untuk Penentuan Tingkat Kerawanan Banjir Permasalahan pemodelan untuk penentuan tingkat kerawanan banjir adalah bagaimana memodelkan fenomena genangan banjir menjadi model simulasi yang dapat dieksekusi menggunakan komputer nantinya untuk pada akhirnya divisualisasikan kepada pengguna. Gambar 4 mengilustrasikan hal ini.
L_~
Gambar 4. Genangan Banjir, Model Simulasi, serta Visualisasinya
Sejumlah asumsi digunakan dalam pemodelan ini, antara lain: • timbulnya banjir di suatu daerah adalah murni akibat d, keempat faktor tersebut pada daerah yang ditinjau. Asun tersebut nantinya dapat disesuaikan dengan kenyataan sebenarn yaitu dengan menambahkan kompleksitas model, mengingat a daerah-daerah yang justru banjir akibat hujan yang turun daerah lain (banjir kiriman). • kontur tanah pada wilayah yang ditinjau adalah relatif dat: sehingga apabila ada genangan banjir, maka ketinggian genang banjir terjadi secara merata di wilayah tersebut.
Seperti telah diuraikan pada bahasan sebelumnya, pembuatan model simulasi melibatkan karakteristik-karakteristik sistem yang dianggap penting serta mengambil asumsi terhadap karakteristik-karakteristik lain. Dalam kasus penentuan tingkat kerawanan banjir karakteristik karakteristik (faktor-faktor) sistem yang dianggap penting adalah curah hujan, kelembaban, temperatur, dan tinggi pasang air laut.
10
11
III
• tidak
• •
ada perubahan penggunaan lahan pada wilayah yang ditinjau. tidak ada perubahan upaya penanggulangan banjir yang dilakukan (seperti pembuatan kanal pencegahan banjir yang baru). data curah hujan, kelembaban, temperatur, dan tinggi pasang air laut bersifat statis (tetap) sepanjang satuan terkecil waktu pengumpulan data, misalnya pada data kelembaban harian, data kelembaban dianggap tetap pada sepanjang yang ditinjau.
Pembuatan model simulasi untuk penentuan tingkat kerawanan banjir meliputi beberapa aspek, yaitu:
• pengumpulan data ketinggian banjir harian dan cuaca pada musim • •
•
penghujan analisis data untuk mengetahui distribusi probabilitas data, termasuk estimasi parameternya pembangkitan bilangan acak sesuai distribusi probabilitas yang diperoleh tes goodness-of-fit untuk menguji kesesuaian data yang dibangkitkan dengan data yang dikumpulkan.
Data per kecamatan yang dikumpulkan mcliputi: • • • • •
data tinggi genangan banjir harian data curah hujan rata-rata harian data kelembaban rata-rata harian data temperatur rata-rata harian data tinggi pasang air laut harian
Diambil asumsi bahwa terdapat ketergantungan antar data, yaitu:
2
kemungkinan
model
• Modell, dimana variabel tinggi genangan banjir merupakan variabel respon variabel tinggi genangan banjir merupakan variabel respon dari variabel prediktor curah hujan, kelembaban, temperatur, dan tinggi pasang air laut, dan • Model 2, dimana variabel tinggi genangan banjir merupakan variabel respon dari variabel prediktor curah hujan, kelembaban,
12
temperatur, tinggi pasang air laut, serta tinggi banjir pada 11 sebelumnya.
Analisis terhadap kedua model diatas menggunakan PrinciI Component Regression dan membandingkan nilai-nilai Root Me Square Error, Root Mean Square Percentage Error, Mean Absoh Percentage Error, Theil's Inequality Coefficient, dan koefis i determinasi mengisyaratkan Model 2 lebih sesuai untuk digunakc Dengan kata lain, tinggi genangan bergantung pada curah huj< kelembaban, temperatur, pasang air laut, serta ketinggian genang pada hari sebelumnya.
Pada suatu wilayah kecamatan, persamaan regresi diperoleh da lf bentuk: Y = ao + al XI + a2 X2 + a3 X3 + a4 X4 + as X s dengan nilai Y adalah tinggi genangan (perhitungan) dan ao sampa i diperoleh dari analisis Principal Component Regression.
Selanjutnya dengan membuat pembangkit bilangan acak terhad variabel-variabel prediktor yang ditinjau, dapat dilakukan simul< terhadap model yang diperoleh. Pembangkitan bilangan acak ' dibuat dengan menganalisis pasangan data curah hujan rata-n harian, data kelembaban rata-rata harian, data temperatur rata-n harian, serta data tinggi pasang air laut harian, sehingga diketal: derajat korelasi diantaranya. Tergantung karakteristik data y a diperoleh dari pengamatan, sejumlah distribusi probabilitas d: pasangan data tersebut dapat diperoleh, baik monovariat at multivariat. Mayoritas teknik pembangkitan bilangan ac monovariat telah dikenal luas dan relatif mudah diimplementasikc Beberapa teknik pembangkitan bilangan acak multivariat reia mudah diimplementasikan, seperti pembangkitan bilangan ac berdistribusi bivariate Normal, namun masih diperlukan peneliti
13
lanjut untuk dapat mefnbangkitkan bilangan acak multivariat lain yang reliable.
Skenario 2
r------ ------- --------- -----------
I !
4. Eksekusi Model Simulasi Tingkat kerawanan banjir pada wilayah yang ditinjau dapat ditentukan dengan mengeksekusi model simulasi yang diperoleh dengan input bilangan acak dari pembangkit bilangan acak pada periode waktu yang ditentukan. Basil dari model simulasi divisualisasikan dengan memanfaatkan perangkat Sistem Informasi Geografis (SIG). Dengan mengintegrasikan modul perhitungan/komputasi simulasi dengan perangkat SIG, visualisasi ini dapat dilakukan pada suatu environment aplikasi yang sarna sehingga memudahkan pengguna melakukan analisis. Berbagai skenario ("what-if' scenario) dapat dikembangkan, seperti skenario keadaan cuaca serupa keadaan cuaca masa lalu, skenario menaikkan standar deviasi dan/atau rata-rata variabel curah hujan dan/atau variabel cuaca lain.
5''''14,
~~ )
------- ~- ---- - -- - --------------
~"'-1,-'\
. 1~&,~,k:::,·7',"'I>
"
I [ ,.... I~! .O"~ },r~~.----lf··I"i.,\~0-,..\ II t,L )\ 1"'''1''0 "-, \ "1"....,;h~~~-J,... C \ " 'I '0"...~e"'"'·
oJ! . £._00~ ,.. :'."
n il ,~.. l,- r
~3"'7'jZ ~ _- -~~."'--
1..
1,
II
oo,,,.,"
J
~
L
I
I
--,J
Y '
.
)
"',,",
r
I I
____,_
v
1
I
.1--':''' '" I~>\,
I I
I
.'
I
{ ~l";~'~"' ~ r '/1"""~ _ -~ -"-- J/ I 7--"?-';-" r ~..."., / J l "..." /- "L,,:" / .' . " ' P" :::.';.'I''':..-____ -------y
c: ", L,:~~£. L_"_/ --'::..... -- :::-f.::!J'fJ ~d;,~~!,_/j
-lo• ., ....
I
c
1,_)
I
,. J~
I
I'
r- ----~-------·l! li Klasifikas l 8anjlf
I -
"""I" ,~.
,.)1)6"10 I ,
I
II
II " Gambar 5. Visualisasi Suatu Skenario
pada Periode Waktu Tertentu [Pawening2010]
Gambar 6 menunjukkan contoh visualisasi hasil simulasi dari s; satu skenario pada periode waktu tertentu dengan menaikkan stm deviasi variabel curah hujan pada pembangkitan bilangan ( sebesar 25%. Terlihat secara numerik terjadi kenaikan rata ketinggian genangan banjir dibandingkan skenario terdahulu.
Tingkat kerawanan banjir direpresentasikan dalam warna, seperti warna hijau untuk tingkat kerawanan banjir sangat rendah, warna merah muda untuk tingkat kerawanan banjir rendah, warna merah tua untuk tingkat kerawanan banjir sedang, dan seterusnya. Warna-warna ini ditampilkan sesuai hasil perhitungan ketinggian genangan banjir rata-rata pada kurun waktu yang ditinjau (harian, mingguan, atau periode waktu lain).
Gambar 7 menunjukkan contoh visualisasi hasil simulasi dari s satu skenario pada periode waktu tertentu dengan menaikkan rata variabel curah hujan pada pembangkitan bilangan acak sebesar 2 Terlihat secara numerik terjadi kenaikan rata-rata keting, genangan banjir yang lebih besar dibandingkan skenario terdahulu
Gambar 5 menunjukkan contoh visualisasi hasil simulasi dari salah satu skenario pada periode waktu tertentu. Terlihat rata-rata ketinggian banjir dapat ditunjukkan secara numerik dan dalam visual warna.
15
14
III
Skenario 4
Dengan cara serupa, skenario "what-if' lain dapat dikembangk dengan menyesuaikan dengan kondisi cuaca yang akan dihadapi.
t
Tingkat kesalahan bernilai rata-rata 27% tersebut diatas masih daI diharapkan berkurang dengan memperdetil tingkat abstraksi, b, pada model maupun data yang dikumpulkan, misalnya deng memperbanyak periode pengamatan dalam satu hari.
Gambar 6. Visualisasi Suatu Skenario pada Periode Waktu Tertentu dengan Menaikkan Standar Deviasi Variabel Sebesar 25% [Pawening20 10]
Sedangkan analisis korelasi terhadap kedua data terser menghasilkan nilai korelasi positif yang kuat (r=0.943) dan koefisi determinasi yang kuat (r2=0.889). Hal ini menunjukkan tint genangan hasil perhitungan berkorelasi kuat dengan tinggi genang hasil pengamatan. Dengan demikian dapat disimpulkan model tel dapat merepresentasikan keadaan sistem sebenarnya yaitu cuaca d ketinggian genangan banjir.
Skenario 5 N
'J'5lJt[ ~ --;~ 0~~D"' -r~" ,,1:';.:'''' 1: " \"" 7 .... _( ~·1f.5 ~J'~ f~ L \ ./'-1 '''cr' 13~'fd-,..,\ r L! .li" ,.... '--) ,~rI '-iJ( \ -,.l1-'~ i
f '"
."..~ ~E-
":ff"
/, ••
00
eo.
s
fl'::d.~. .'·47"'" '''", /~ \ 7~-~ \-/ ~ L-~"..... ~,",.of? ..._-:1''-''-- ki7+;~";:L~:- j -~- ----- I 7·!,t.~/},F~~./i r
(
-0.,....
2
L
)
L-
_
K1as,fik asl B an/If
btifljil Kecl1 H1I369o::.m
"-
. E
Gambar 7. Visualisasi Suatu Skenario pada Periode Waktu Tertentu dengan Menaikkan Rata-Rata Variabel Sebesar 25% [Pawening2010] 16
Dari perhitungan terhadap semua data yang diperoleh dari ha simulasi dan hasil pengamatan, terdapat tingkat kesalahan hasil ya diperoleh pada skenario keadaan cuaca serupa keadaan cuaca m, lalu bernilai rata-rata 27%. Masih cukup tingginya kesalahan terutama karena banyaknya asumsi penyederhanaan yang diam dalam studi ini.
I
Penelitian selanjutnya meliputi • penambahan kompleksitas model mengingat ada daerah-daer yang justru banjir akibat hujan yang turun di daerah lain (ban kiriman), antara lain dengan menambahkan analisis kon1 permukaan tanah dan sifat aliran air. • perluasan daerah yang ditinjau sehingga dapat mengestimasik dampak alam seperti global warming dan cuaca ekstrem terhad wilayah yang cukup luas.
17
• memperdetil model simulasi sehingga dapat mengakomodir kontur tanah pada wilayah yang ditinjau. • mengembangkan metode pembangkitan bilangan acak multivariat yang mudah dan reliable, sehingga pasangan bilangan acak variable-variable prediktor dapat dibangkitkan dengan lebih mendekati distribusi sebenarnya.
"1
IIIII
111m
IIU
5. Simpulan Tingkat kerawanan banjir pada wilayah yang ditinjau dapat ditentukan dengan mengeksekusi model simulasi yang diperoleh dengan input bilangan acak dari pembangkit bilangan acak pada peri ode waktu yang ditentukan. Hasil eksekusi model simulasi divisualisasikan dengan memanfaatkan perangkat Sistem Informasi Geografis (SIG). Integrasi berbagai kajian ilmu spesifik (simulasi, analisis data, SIG) telah menunjukkan potensi untuk memberikan menunjukkan potensi bahaya banjir di wilayah yang ditinjau dengan nilai korelasi positif yang kuat dan koefisien determinasi yang kuat sehingga disimpulkan model telah dapat merepresentasikan keadaan sistem sebenarnya yaitu cuaca dan ketinggian banjir. Sejumlah skenario "bagaimana-jika" ("what-if' scenario) telah diujicobakan, seperti skenario keadaan cuaca serupa keadaan cuaca masa lalu, skenario menaikkan standar deviasi dan/atau rata-rata variabel curah hujan danlatau variabel cuaca lain. Skenario-skenario ini bersesuaikan dengan terjadinya perubahan cuaca yang semakin ekstrem pada dekade terakhir ini. 6. Penutup Pemaparan diatas adalah mengenai penerapan simulasi komputer untuk penentuan tingkat kerawanan banjir. Selain untuk masalah tersebut, metode simulasi dapat diterapkan pada banyak masalah lain, terutama yang menyangkut adanya faktor ketidakpastian akibat fenomena acak.
I 18
Sebagai contoh simulasi di bidang pelayanan perbankan, fak ketidakpastian antara lain adalah kedatangan pelanggan dan la pelayanan kasir. Dengan simulasi dapat ditentukan banyaknya ka yang memadai untuk melayani pelanggan, sehingga tidak terj; antrian pelanggan yang panjang. Dengan demikian kepua ~ pelanggan dapat dipertahankan atau ditingkatkan dengan adar tingkat pelayanan (service level) yang ditetapkan. Dalam bidang telekomunikasi seluler, simulasi dapat diterap~ untuk memberikan pelayanan yang baik kepada pelanggan dalam pelayanan komunikasi. Simulasi dapat menunjukkan solusi optil11l sehingga tercapai keseimbangan antara permintaan sambunl: komunikasi oleh pelanggan dengan kemampuan layanan stasiun B1
Dalam bidang penerbangan, simulasi dapat diterapkan un t menentukan hal-hal penting dalam penerbangan pesawat, seperti jal minimal antar pesawat (separation distance), kepadatan penerbanE (flight density), dan lebar jalur penerbangan (Required Navigati Performance). Dengan penentuan faktor-faktor diatas, dapat dica j komposisi nilai yang optimum, sehingga sumber daya ruang (sp~ resource) dapat dimanfaatkan secara maksimal dengan res i kecelakaan pesawat sekecil mungkin.
Di bidang manajemen persediaan barang, simulasi dapat diguna l< untuk menentukan tata letak barang yang menguntungkan pengelc seperti minimalisasi waktu pemasukanlpengeluaran barang ( minimalisasi biaya operasional baik biaya secara manual 0 manusia maupun dengan for,klift. Dengan demikian efisie operasionaJ gudang dapat dimaksimalkan.
Senantiasa ada upaya untuk meningkatkan akurasi hasil simuJasi b; dengan upaya pengumpulan data dalam jumlah yang lebih ban) 19
•
maupun penyempurnaan paradigma simulasi, seperti simulasi berorientasi obyek [Garrido2009][Jeong2003] [Joines 1998] [Maggio2009][Richardson2006] [Zobrist 1996], simulasi kejadian jarang (rare event simulation) [Bucklew2004][L'Ecuyer2006] [Huang2004] [Juneja2003] [Lipsmeier2008].
Agar penggunaan metode simulasi dapat menghasilkan produk y, memiliki manfaat yang lebih besar, perlu adanya kerjasama lir bidang ilmu sehingga dapat diperoleh pemodelan yang lebih b, Model yang lebih baik atau lebih detil dapat merepresentasil kenyataan pada sistem yang sebenarnya, sehingga hasil simulasi da memperoleh tingkat kepercayaan yang lebih tinggi lagi (
Dengan simulasi berorientasi obyek, entitas dapat dimodelkan dan diimplementasikan dengan lebih cepat dan mudah dengan adanya struktur kelas-subkelas. Entitas yang memiliki attribute dan behaviour yang sarna dapat dikelompokkan dalam satu kelas. Entitas yang memiliki attribute dan behaviour yang lebih khusus dapat dikelompokkan dalam satu subkelas. Dengan paradigma ini, model simulasi dapat dibuat dengan lebih cepat sehingga mengurangi development time dari suatu proyek simulasi.
penggunanya.
Dalam sejumlah masalah, diperlukan pemodelan dan simulasi pada suatu sistem yang relatif andal (bahkan sangat andal) misalnya dengan tingkat kegagalan hanya 10-7. Misalnya pada masalah terjadinya kesalahan pada· komunikasi digital, terjadinya kegagalan peralatan pada pesawat terbang, kesalahan pada sistem nuklir. Timbulnya kesalahan seperti IllI, walaupun sangat rendah . probabilitasnya, tetap tidak dapat diabaikan karen a dapat menyebabkan konsekuensi serius. Dengan tingkat kegagalan yang sangat rendah ini, diperlukan replikasi yang sangat banyak pada simulasi kejadian diskrit untuk dapat menemukan kejadian kegagalan ini (rata-rata 1 dari 10 7 replikasi), sehingga kurang efisien. Simulasi kejadian jarang membantu mengeliminasi kebutuhan replikasi dalam jumlah yang sedemikian banyak. Simulasi kejadian jarang ini dapat bersinergi dengan simulasi kejadian diskrit untuk dapat mensimulasikan sistem demikian secara utuh serta efisien. Untuk itulah esensi penelitian lanjut di area ini.
20
Pada masalah penentuan tingkat kerawanan banjir misalnya, a diperoleh pemodelan potensi banjir terhadap faktor-faktor cuaca y, lebih akurat, perlu adanya kerjasama lintas bidang ilmu seperti bid, ilmu informatika dengan bidang ilmu lingkungan, statisti matematika, dengan tidak menutup kemungkinan bidang-bidang il lain nantinya, mengingat fenomenaalam merupakan rahasia II dengan kompleksitas yang teramat tinggi bahkan di luar jangkal kemampuan pikir manusia. Adanya pembidangan ilmu sebenan adalah upaya manusia untuk dapat memahami pada konteks a lingkup kecil rahasia Bahi tersebut.
7. Referensi
AudioEnglish. 2010 SIMULAnON. http://www.audioenglish .1 dictionary/simulation.htm Diakses 1 Juli 20] O. Banks, Jerry; John S. Carson II; Barry L. Nelson; David M. Nil 2010. Discrete-Event System Simulation (5th ed). Pren Hall. Buchanan, Mark. 2006. The joy of simulation, (Nature Physics 2, ' (2006) doi:] 0.1 038/nphys368. Bucklew, James. 2004. Introduction to Rare Event Simulatl Springer. Correia, FN. 1986. Multivariate Partial Duration Series in Flood F Analysis. In Hydrologic Frequency Modeling: Proceeding: the International Symposium on Flood Frequency and F
21
I III
Analyses 14-17 May 1986, Louisiana State University, Baton Rouge, U.S.A D. Reidel Publishing Company, Boston, MA 1987. P 541-554, 4 fig 8 tab, 10 ref. http://mdl.csa.com/partners/viewrecord.php?requester=gs&c ollection=ENV&rec id=8905 680&q=f1ood+risk+assessment& uid=789758607&setcookie=yes Diakses 1 Juli 20] O. Evans, James R.; David L. Olson. 2001. Introduction to Simulation and Risk Analysis (2nd Edition). Prentice Hall. Fishman, G.S. 2001. Discrete-Event Simulation: Modeling, Programming, and Analysis. Springer-Verlag. Garrido, Jose M. 2009. Object Oriented Simulation: A Modeling and Programming Perspective. Springer. Huang, Z.; P. Shahabuddin. 2004. A Unified Approach for Finite Dimensional, Rare-event Monte Carlo Simulation. In Proceedings of the 2004 Winter Simulation Conference, R.G. Ignalls, M.D. Rossetti, J.S., Smith, and B.A Peters (Eds.). IEEE Press, Piscataway, New Jersey, pp. 1616-1624. Jeong, Chang-Sung; Sang-Yeong Choi. 2003. An Object-Oriented Simulation System for Air Defense. In Lecture Notes in Computer Science, 2003, Volume 2668/2003, 972, DOl: 10.1007/3-540-44843-8 74. Juneja, S. 2003. Efficient rare-event simulation using importance sampling: an introduction. In Computational Mathematics, Modelling and Algorithms, 1. C. Misra, ed. Narosa Publishing House, New Delhi. pp. 357-396. Johnson, Richard Arnold. 1992. Applied Multivariate Statistical Analysis 3rd Edition. Prentice Hall. Joines, Jeffery A; Stephen D. Roberts. 1998. Fundamentals of object oriented simulation. In Proceedings of the 1998 Winter Simulation Conference, Washington, D.C., United States, pp. 141 - 150. Koirala, S. 2010. Some flood damage estimate of the world. http://www.unescoihe.org/content/downloadl21161220 13/file/Some%20flood%2 Odamage%20estimate%200t%20the%20world.pdf Diakses 1 Juli 2010.
22
Law, Averil M. 2006. Simulation Modeling and Analysis, 4th edit McGraw-Hill. L'Ecuyer, Pierre; Val'erie Demers; Bruno Tuffin. 2006. SPLITT FOR RARE-EVENT SIMULATION. In Proceedings 01 2006 Winter Simulation Conference, pp. 137-148. Lipsmeier, Florian; Ellen Baake. 2008. Rare Event Simulati ol lmmunobiology. In Proceedings of 7th Intcrnat i, Workshop on ~are Event Simulation RESIM. Rcn France, 24-26 September 2008. Maggio, Martina; Alberto Leva. 2009. Object-oriented Simulatio Preemptive Feedback Process Schedulers. In Proceedings Modelica Conference, Como, Italy, Sep. 20-22, 2009. Meyer, V.; D. Haase; S. Scheuer. 2009. A multicriteria flood assessment and mapping appro http://www.ufz.de/data/meyer_mca_oxford9509.pdf Dial I Jul i 2010. Pamungkas, Dyan Putri; Joko Lianto Buliali. 2006. Penentuan I Rawan Banjir dengan Multi Criteria Evaluation: Studi K, Kota Surabaya. Tugas Akhir Jurusan Teknik Infor ma t Fakultas Teknologi Informasi, Institut Teknologi Sept Nopember, Surabaya. Pawening, Ratri Enggar; Joko Lianto Buliali, Ahmad Saikhu. 2( Pemodelan Dan Simulasi Tinggi Genangan Banj ir Kecamatan Gubeng Kota Surabaya Menggunakan Sis Informasi Geografis. Tugas Akhir Jurusan Tel lnformatika, Fakultas Teknologi Informasi, Institut Tekno Sepuluh Nopember, Surabaya. Rice, John. 1995. Mathematical Statistics and Data Analysis (Sec ed.), Duxbury Press, ISBN 0-534-20934-3. Richardson, David H. 2006. An Object Oriented Simula Framcwork for Steadystate Analysis of Vapor Compres: Refrigeration Systems and Components. Disertasi Univer of Maryland, College Park. Sarjoughian, Hessam S.; Bernard P. Zeigler. Towards Mal Modeling & Simulation into a Discipline. 2( http://www. sim-summit. org/simsummit/03 03/03 03 d. pdf Diakses 1 Juli 2010.
23
Tempolnteraktif. 2007. Kerugian Akibat Banjir Rp 8,8 Triliun http://www.tempointeraktif.comihg/ekbis/2007 /02120lbrk,200 70220-93717,id.html. Diakses 1 Juli 2010] van der Sande, C. J.; S. M. de Jong; and A. P. J. de Roo. A segmentation and classification approach of IKONOS-2 imagery for land cover mapping to assist flood risk and flood damage assessment. In International Journal of Applied Earth Observation and Geoinformation Volume 4, Issue 3, June 2003, Pages 217-229. http://linkinghub. elsevier. comiretrieve/pii/S03 03 2434030000 35 Diakses 1 Juli 2010. Wiarini, Putu Pitri; Joko Lianto Buliali. 2009. Pembangkitan Bilangan Acak untuk Data Temperatur dan Kelembaban Kota Surabaya. Tugas Akhir Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember, Surabaya. Zobrist, George W.; James V. Leonard (Editors). 1996. ObjectOriented Simulation: Reusability, Adaptability, Maintainability. Wiley-IEEE Press.
• Bapak Menteri Pendidikan Nasional Republik Indonesia, Prc Muhammad Nuh, atas kepercayaan dan persetujuan kepada sa: untuk diangkat sebagai Guru Besar. • Mantan Rektor ITS, Prof. Soegiono yang telah mendukung d, membantu proses administratif saya dalam melanjutkan stu lanjut di Inggris pada periode tahun 1994-1999. Dalam perjalanan hidup saya, baik akademis maupun non-akadem telah banyak individu yang turut mewarnai kehidupan saya. D~ insan-insan inilah saya belajar mengenai hakekat ilmu, mengen iman, dan mengenai kehidupan secara luas. Secara khusus dan seca kronologis dalam perjalanan hidup saya, saya ingin menyampaik hormat dan terimakasih saya kepada: • Guru-guru SD saya yang telah meletakkan nilai-nilai das kehidupan dan budi pekerti. • Guru-guru SMP saya yang telah menempa saya menjadi sos( remaja yang lebih tangguh baik dalam aspek akademis maupl kerohanian.
Ucapan Terimakasih
IbU/Bapak dan para hadirin yang saya hormati, pada kesempatan yang berbahagia ini, saya menyampaikan syukur ke hadirat Tuhan Yang Maha Kuasa atas perkenanNya saya dapat menjadi Guru Besar, semoga saya dan sekeluarga dapat selalu mensyukurinya. Selanjutnya kepada:
saya
menyampaikan
terimakasih
sebesar-besarnya
• Rektor ITS, Prof. Priyo Suprobo beserta pimpinan rektorat dan Senat ITS yang telah memberikan persetujuan atas pengajuan Guru Besar saya.
24
• Guru-guru SMA saya, terutama guru-guru jurusan IPA yang tel< meletakkan dasar-dasar pengetahuan keteknikan atau keprofesi, yang lebih spesifik.
• Dosen-dosen Jurusan Teknik Elektro ITS yang telah tur mendidik saya selama kurun 1986-1991 , membekali ilmu tekn yang spesifik. Secara khusus kepada mantan dosen pembimbil Ir. Soetikno (aim.) dan Ir. Nawantowibowo (aIm.) yang tel: banyak membentuk karakter akademis saya. • Dr. Vassillios Karakostas, mantan pembimbing saya selama sa melanjutkan studi lanjut di UMIST. It's been a nice and valua
25
experience to collaborate with you, though thousands of miles of distance keeps us apart now. Penghargaan yang mendalam dan ucapan terimakasih secara khusus saya sampaikan kepada: • Kedua orang tua saya, Bapak Hadi Buliali (aim.) dan Sucinwati yang telah membesarkan dan mendidik anak-anaknya dengan upaya yang tidak kecil di kampung tradisional Pandegiling. Kalau pada tahun 1900-an di Pandegiling berkumpul orang-orang pandai menggiling tebu untuk diolah menjadi gula pasir, di tahun 2000-an di Pandegil ing kau juga telah menggiling anak bungsumu ini menjadi Guru Besar. • Saudaraku, Ing Hwa, yang senantiasa ingkang legawa dalam menghadapi sikap dan perilaku adiknya ini serta yang telah turut memberikan bantuan dalam perjalanan masa kecil sampai saat ini dan juga masa yang akan datang. • Istri tercinta Liliek Anawaty yang selalu memberikan semangat dalam menempuh kehidupan ini. Sesuai nama Liliek, senantiasa telah menjadi lilin-lilin kecil yang menerangi jalan kita bersama. • Keluarga mertua di Umbulsari, Tanggul dan di Probolinggo, yang telah memberi dukungan dan doa kepada saya dan istri. Banyak dukungan dan bantuan telah saya terima dari banyak pihak selama masa kecil saya, sekolah, kuliah, dan selama saya berkarir sampai saya mencapai jabatan Guru Besar di FTIf ITS . Untuk itu saya menyampaikan terimakasih saya kepada: • Kepala BAUK ITS, Ibu Nurijati Hamid, beserta jajaran stafnya yang telah mendukung dan membantu proses administratif, serta mempersiapkan dan menyelenggarakan acara pengukuhan ini.
26
• Dekan Fakultas Teknologi lnformasi ITS, Prof. Riyanarto S; beserta jajaran pimpinan dekanat dan Senat FTlf yang juga I mendukung dan membantu proses administratif. • Sejawat dosen Jurusan Teknik Informatika dan Jurusan Si~ Informasi ITS yang selama ini telah banyak bekerjasama d'l bidang keilmuan.
• Ketua LPPM ITS, Prof. I Nyoman Sutantra beserta jajaral yang membantu penyelesaian masalah administrasi penei it penelitian yang saya lakukan. • Koordinator Program MMT ITS, Prof. Yulinah Trihadiningr dan jajaran pimpinan serta stafnya yang telah banyak mem dukungan dalam pencapaian Guru Besar saya. • Direktur PPs ITS, Prof. Suparno beserta jajaran pimplf1ar yang selama ini berkoordinasi masalah akademis dan opera si kepascasarjanaan.
l
• Pimpinan dan dosen-dosen dari ITS dan Perguruan Tinggi serta karyawan di lingkungan ITS yang turut mendukung meJuangkan waktunya untuk menghadiri acara ini .
• Kerabat, keluarga, sejawat, relasi, yang telah mel uan~ waktunya untuk menghadiri acara pengukuhan Guru Besar sa; Demikian pidato pengukuhan Guru Besar saya. Saya mengucar tcrimakasih sekali lagi atas perhatian Ibu/Bapak dalam mengi acara ini, mohon maaf apabiJa ada kesalahan dan kekuran Semoga Tuhan Yang Maha Kuasa senantiasa memberikan rahmat kepada kita semua. Amin.
27
.
Riwayat Pendidikan: 1. SD Chana, Surabaya. 2. SMP IMKAlYMCA II, Surabaya. 3. SMA Santa Maria, Surabaya. 4. Sarjana Teknik Elektro (lr.), Teknik Elektro, Institut Sepuluh Nopember (ITS), Surabaya. 5. Master of Science (MSc.), Computation Department, of Manchester Institute of Science and Technology Manchester, England. 6. Doctor of Philosophy (Dr.), Computation Department, of Manchester Institute of Science and Technology Manchester, England.
BIODATA
Data Pribadi: Nama lengkap NIP Tempat dan tgllahir Perguruan Tinggi Bidang Studi Kantor
T elepon Kantor Fax kantor Email Alamat rumah Handphone
Data keluarga: Istri Anak
Teknolof Universit (UMISr Universit (UMIST :
: Prof. Dr. Ir. Joko Lianto Buliali, M.Sc. : 19670727 199203 1 002 : Surabaya, 27 Juli 1967 : Institut Teknologi Sepuluh Nopember (ITS) : Teknik Informatika : Jurusan Teknik lnformatika FTIf - ITS, . Kampus ITS Keputih - Sukolilo, Surabaya - 60111 : (031) 593 9214 : (031) 593 6813 :
[email protected]; joko(Q),its-sby.edu, jokolianto(Q),yahoo.com : J1. Pandegiling 236 A, Surabaya - 60262 : 0812 356 5642
Riwayat Jabatan: 1. . 1992 - sekarang: dosen Teknik Informatika, ITS. u 2. 1997 - 1998 : Demonstrator mahasiswa, Department Computation, University of Manchester Institute of Science an. Technology, Manchester, England. 3. 2001 - sekarang: dosen Magister Manajemen Teknologi (MM T ITS. 4. 2001 - sekarang: Kepala Laboratorium Intelligent Busincs Systems, Jurusan Teknik Informatika, ITS. 5. 2000 - 2004: Koordinator Program Pascasarjana Jurusan Tek nil Informatika, ITS. 6. 2008 - sekarang: Koordinator Bidang Keahlian Manajemc i Teknologi Informasi, MMT, ITS. 7. 2008 - sekarang: Koordinator Program Pascasarjana JurUS
: Liliek Anawaty, S.Pd.
Keanggotaan Profesi: • Anggota Institute of Electrical and Electronics Engineers Computer Society (IEEE CS): 1997 - 2005. • Anggota Association for Computing Machinery (ACM 1998 - sekarang.
28
29
• Anggota Society for Modeling & Simulation International (SCS): 1997 - sekarang.
Training (Pilihan): • Learning Management System (LMS) and e-Learning. 2007. • Lead Auditor ISO 9001 :2008. 2009. • Pelatihan Asesor Badan Akreditasi Nasional Perguruan Tinggi. 2009. Riwayat Kepangkatan: CPNS Penata Muda I Gol. TU/a Penata Muda Tk. TI Gol. III/b Penata I Gol. I1l1c Penata Tk. TI Gol. TWd
TMT TMT TMT TMT TMT
: 1 Maret 1992 : 1 Oktober 1993 : 1 Maret 2001 : 1 April 2005 : 1 April 2007
Riwayat Jabatan Fungsional: Asisten Ahli Madya Asisten Ahli Lektor Guru Besar
TMT TMT TMT TMT
: 1 Oktober 1993
: 1 Januari 2001 (lnpassing)
: 1 Maret 2005
: 1 April 2010 (loncat jabatan)
Penelitian yang didanai (Pilihan): • Buliali, Jol
30
Publikasi J urnal (Pilihan): • Buliali, Joko Lianto; Chastine Fatichah; Muji Santoso. 2009 Hybrid Neural Network-Monte Carlo Simulation for StocJ Price Index Prediction. Asian Journal of InformatiOJ Technology, Volume 8 Number 1, January 2009. • Buliali, Joko Lianto; Darlis Herumurti; Giri Wiriapradja 2008. Penjadwalan Matakuliah dengan MenggunakaJ Algoritma Genetika dan Metode Constraint Satisfaction Jumal Ilmiah Teknologi Informasi, Volume 7, Nomor 1 Januari 2008. . • Buliali, Joko Lianto; Wahyudi Agustiono. 2007. Aplikas Penentuan Pemberian Pembiayaan pada Lembaga KeuangaJ Syari'ah. Jumal llmiah Teknologi Informasi, Volume 6 Nomor 2, Juli 2007. • Buliali, Joko Lianto; Yazid Priadi Erfiandi, Abdul Latie Abadi. 2006. Diagnosis Penyakit Tanaman Apel di Indonesi, dengan Pemodelan pada Sistem Pakar. Jurnal Gematika, vol 7, no. 2, Juni 2006. • Buliali, Joko Lianto; Sudariyanti. 2005. Penentuan Lokas Waralaba dengan Sistem Informasi Geografis: Simulasi pad, Sejumlah Kotamadya di Propinsi Jawa Timur. Jurna Gematika, vol. 6, no. 2, Juni 2005.
Publikasi Seminar (Pilihan): • Buliali, Joko Lianto; Darlis Herumurti; Ihwana Rahmawati Studi Banding Metode Peramalan Penjualan antara Arim o Box-Jenkins dengan Jaringan Multilayer Perceptron Prosiding Konferensi Nasional Sistem Informasi 2009 Yogyakarta, 17 Januari 2009. • Buliali, Joko Lianto; Ahmad Saikhu; Moh. Hasbi Assidiqi 2008 . Pencocokan Sidik Jari Menggunakan Phase Onl) Correlation. Prosiding Seminar Nasional Sistem Informas Indonesia 2008, Surabaya, 17 Desember 2008. • Buliali, Joko Lianto; Nunut Priyo Jatmiko; Fifiq Husnanto 2008. Simulasi Untuk Penentuan Waktu Turn-Arounc Minimum Pada Penjadwalan Proses Sistem Operas
31
Windows. Prosiding Konferensi Nasional Sistem dan Informatika 2008, Bali, 15 November 2008. • Buliali, loko Lianto; Sri Anita Siamba. 2008. Simulasi untuk Menentukan Komputer dan Komponen Cadangan di Lembaga Pendidikan Komputer, Studi Kasus di Lembaga Pendidikan Komputer X Surabaya. Prosiding Seminar Teknosim, UGM Yogyakarta, 16 Oktober 2008. • Buliali, loko Lianto; Dyan Putri Pamungkas. 2008. Sistem Informasi Geografis untuk Penentuan Area Rawan Banjir dengan Multi Criteria Evaluation: Studi Kasus pada Kota Surabaya. Prosiding Seminar Nasional Kebangkitan Teknologi Informasi dan Komunikasi Nasional, Surabaya, 31 Mei 2008.
32
