Simulasi Komputer

Pada artikel ini kita akan membahasa tentang simulasi komputer yang merupakan implementasi dari analis sistem. Simulasi komputer adalah proses pemodelan matematika yang dilakukan pada komputer untuk memprediksi perilaku atau hasil sistem fisik atau dunia nyata. Keandalan model matematika tertentu dapat diuji dengan membandingkan hasil simulasi dengan hasil sebenarnya yang ingin diprediksi.

Simulasi komputer menjadi alat yang sangat bermanfaaat untuk memodelkan banyak sistem di berbagai bidang seperti fisika komputasi, astrofisika, klimatologi, kimia, biologi, dan teknik, serta sistem sosial di bidang ekonomi, psikologi, ilmu sosial, kedokteran, dan teknik.

Simulasi sistem sering disebut sebagai pemodelan sistem. Hal ini memungkinkan peneliti untuk mengeksplorasi dan mendapatkan wawasan baru mengenai teknologi baru, serta memperkirakan kinerja sistem yang sangat kompleks untuk menyelesaikan analisis. Jam atau hari dalam jaringan komputer. Skala peristiwa yang disimulasikan oleh simulasi komputer melampaui batas dari apa yang mungkin atau dapat dibayangkan melalui pemodelan matematika tradisional.

Contoh simulasi komputer adalah model siklus material yang mengandung 1 miliar molekul, model ribosom yang mengandung 2,64 juta molekul, simulasi lengkap siklus hidup Mycoplasma genitalium, dan Blue Brain yang bertujuan untuk membuat simulasi komputer manusia pertama. Sebuah proyek, dll. Otak dibedah hingga ke tingkat atom. Karena simulasi komputer mahal, eksperimen komputer digunakan untuk mengambil keputusan seperti mengukur ketidakpastian.

Perbedaan antara simulasi dengan model

Model berisi persamaan yang digunakan untuk menangkap perilaku sistem. Sebaliknya, simulasi komputer menjalankan program yang menjalankan algoritma yang menyelesaikan persamaan ini, yang umunya masih kasar. Jadi simulasi adalah peran manajemen model. Jadi jangan "membuat simulasi". Sebaliknya, "membuat model (atau simulator)" adalah "menjalankan model" atau setara dengan "menjalankan simulasi".

Sejarah simulasi

Simulasi komputer berkembang pesat setelah penerapan besar pertamanya selama Proyek Manhattan selama Perang Dunia II untuk memodelkan proses ledakan nuklir. Pembobotan kompleks 12 bola menggunakan algoritma Monte Carlo. Simulasi komputer sering digunakan untuk melengkapi atau menggantikan sistem pemodelan ketika solusi analitis bentuk tertutup tidak memungkinkan. Ada banyak jenis simulasi komputer. Situasi yang umum terjadi adalah ketika mencoba membuat sampel fitur untuk model tertentu, tidak mungkin atau tidak mungkin untuk menghitung semua fitur model.

Persiapan data

Bayangkan sebuah laboratorium sains sibuk yang dipenuhi peralatan canggih dan peneliti yang antusias. Di tengah ruangan, sebuah komputer besar menjalankan simulasi kompleks untuk memprediksi perilaku sistem lingkungan yang kompleks. Para ilmuwan disekitarnya memantau layar komputernya, memasukkan data baru dan memperhatikan setiap detail yang muncul. Mereka mendiskusikan hasil simulasi dan mencoba memahami makna dari pola yang mereka temukan.

Sementara itu, di dalam ruang lainnya, tim teknik sedang bekerja keras mempersiapkan sensor dan perangkat fisik lainnya yang akan berperan penting dalam simulasi. Mereka bekerja keras untuk memastikan bahwa data yang dikumpulkan selalu akurat. Semua orang di lab ini bekerja sama menggunakan simulasi komputer untuk lebih memahami dunia di sekitar kita dan membuat prediksi yang lebih akurat tentang masa depan.

Disadur dari: en.wikipedia.org

Kontrol Ilmiah

Pengendalian ilmiah merupakan suatu proses eksperimen atau observasi yang dirancang untuk meminimalkan pengaruh variabel non-independen yang disebut dengan perancu. Tujuan validitas ilmiah adalah untuk meningkatkan reliabilitas hasil penelitian dengan memastikan bahwa perubahan variabel independen menjadi penyebab perubahan hasil observasi. Hal ini dilakukan dengan membandingkan pengukuran kelompok kontrol yang variabel independennya tidak diubah dengan pengukuran kelompok eksperimen yang variabel independennya dimanipulasi.

Validitas ilmiah merupakan bagian penting dari metode ilmiah karena memungkinkan peneliti menarik kesimpulan yang valid tentang hubungan sebab akibat antara variabel tertentu dan hasil yang diamati. Dengan mengurangi pengaruh variabel perancu, peneliti dapat lebih yakin bahwa perubahan hasil merupakan hasil manipulasi variabel independen dibandingkan faktor lain yang tidak terkontrol.

Eksperimen terkontrol

Pengendalian dalam konteks ilmiah bertujuan untuk menghilangkan penjelasan alternatif terhadap hasil pengujian, terutama kesalahan pengujian dan bias pelaku eksperimen. Ada banyak jenis kontrol berbeda yang digunakan dalam pengujian berbeda, dan setiap kontrol memiliki tujuan berbeda bergantung pada pengujian yang dilakukan.

Contoh pengendalian yang umum adalah pengendalian negatif dan pengendalian positif. Kontrol negatif dirancang untuk mencegah terjadinya efek ketika variabel independen tidak dimanipulasi, kontrol positif dirancang untuk memastikan bahwa efek yang diharapkan terjadi ketika variabel independen dimanipulasi, dan dapat digunakan untuk mengontrol untuk memastikan bahwa kru. Misalnya, penanda molekuler digunakan sebagai kontrol dalam eksperimen SDS-PAGE untuk mengoptimalkan kinerja elektroforesis gel.

Pengukuran daya juga dapat digunakan untuk tujuan lain, seperti mengurangi kebisingan latar belakang dalam pengukuran sinyal. Misalnya, mengukur kebisingan latar belakang mikrofon saat tidak ada sinyal dapat meningkatkan kualitas sinyal yang diproses dengan mengurangi kebisingan pada pengukuran sinyal berikutnya. Pengendalian seringkali diperlukan ketika perancu tidak dapat dengan mudah diisolasi selama penanganan awal. Misalnya, jika seorang peneliti memberikan zat manis kepada tikus laboratorium dan memeriksa dampaknya, prosedur pengendalian harus ada untuk memastikan bahwa efek yang diamati disebabkan oleh zat manis itu sendiri dan bukan oleh faktor lain seperti pengenceran. Hal ini dapat dilakukan dengan melakukan pengujian yang sama dua kali: sekali dengan pemanis buatan dalam pengencer dan sekali dengan pengencer saja. Kontrol lainnya mencakup kontrol kendaraan, kontrol buatan, dan kontrol. Bandingkan, semuanya untuk dipersiapkan: dibuat. Validitas tes yang dihasilkan harus ditentukan dengan mengendalikan variabel lain yang mungkin mempengaruhi hasil.

Negatif

Ketika menganalisis hasil tes yang memiliki dua hasil, positif atau negatif, keputusan penting dapat diambil dengan membandingkan kelompok perlakuan dan kelompok kontrol negatif. Jika hasil negatif dari dua kelompok, kita dapat menyimpulkan bahwa kelompok perlakuan: tidak bekerja. Namun jika kedua hasil positifnya sama, hal ini menunjukkan bahwa variabel yang terlibat dalam hasil tersebut bersifat perancu, sehingga hasil positif tersebut bukan satu-satunya perlakuan.

Misalnya, jika Anda mengukur hasil dalam bentuk waktu, periode, atau persentase, seperti tes narkoba, Anda dapat mengukur persentase pasien yang pulih. Apabila kelompok perlakuan dan kelompok kontrol negatif menunjukkan hasil yang sama, berarti kelompok perlakuan tidak menunjukkan pengaruh yang signifikan. Namun, jika kelompok perlakuan menunjukkan hasil yang lebih baik, sebaiknya dibandingkan dengan kelompok plasebo. Jika kedua kelompok menunjukkan efek yang sama, hal ini menunjukkan bahwa perbaikan mungkin disebabkan oleh efek plasebo, bukan karena pengobatan itu sendiri. Pengobatan efektif jika kelompok perlakuan menunjukkan perbaikan yang lebih baik dibandingkan kelompok plasebo.

Positif

Kontrol positif digunakan untuk menilai validitas tes dan eksperimen. Misalnya, ketika menilai kemampuan (sensitivitas) suatu tes baru untuk mendeteksi suatu penyakit, tes tersebut dapat dibandingkan dengan tes yang sudah ada. Tes yang terbukti efektif digunakan sebagai kontrol positif karena kita sudah mengetahui bahwa hasilnya seharusnya positif.

Dalam contoh lain, dalam pengujian enzim untuk menentukan jumlah enzim yang ada dalam suatu ekstrak, kontrol positif adalah pengujian yang mengandung enzim yang dimurnikan dalam jumlah yang diketahui, karena kontrol negatif tidak mengandung enzim. Kelompok kontrol positif harus memiliki aktivitas enzim yang tinggi, dan kelompok kontrol negatif harus memiliki aktivitas enzim yang sangat sedikit atau tidak ada sama sekali. . Untuk pengujian yang lebih kompleks atau sulit, hasil kontrol positif juga dapat dibandingkan dengan hasil pengujian sebelumnya. Misalnya, jika hasil tes untuk suatu penyakit cocok dengan temuan peneliti sebelumnya, ini menunjukkan bahwa tes tersebut dilakukan dengan benar.

Jika memungkinkan, beberapa kekuatan baik dapat digunakan. Misalnya, jika lebih dari satu tes untuk suatu penyakit terbukti efektif, mungkin diperlukan lebih dari satu tes. Penggunaan beberapa kontrol positif memungkinkan perbandingan hasil yang lebih baik, terutama ketika hasil yang diharapkan dari kontrol positif berbeda. Misalnya, dalam pengujian enzim yang disebutkan di atas, kurva standar dapat dibuat menggunakan sampel berbeda yang mengandung jumlah enzim berbeda.

Eksperimen buta

Membutakan, juga dikenal sebagai "pemblokiran", berarti menyembunyikan informasi yang mungkin membahayakan eksperimen. Misalnya, peserta mungkin tidak mengetahui apakah mereka menerima pengobatan aktif atau plasebo. Jika peserta mengetahui informasi ini, efek plasebo akan lebih besar, peneliti dapat mempengaruhi hasil percobaan berdasarkan harapan mereka (efek pengamat), dan pengulas akan terpengaruh oleh konfirmasi. Blinding dapat diterapkan pada berbagai kelompok yang terlibat dalam suatu uji coba, termasuk peserta, peneliti, ahli teknologi, analis data, dan peninjau. Dalam beberapa kasus, pembedahan diperlukan untuk menaikkan prostesis ke tingkat yang diperlukan untuk kebutaan.

Selama percobaan, jika peserta setuju untuk mengambil keputusan atau menerima informasi rahasia, mereka tidak lagi dibutakan. Kurangnya blinding yang terjadi sebelum keputusan eksperimen dibuat dapat menyebabkan kesalahan eksperimen karena blinding mencegah terulangnya kesalahan tersebut. Definisi tersebut harus terukur dan dinyatakan dengan jelas. Studi meta menunjukkan tingginya tingkat ketidakandalan dalam uji coba medis, khususnya uji coba antidepresan. Meskipun pedoman pelaporan merekomendasikan agar semua penelitian dievaluasi dan dilaporkan tanpa membutakan, sangat sedikit penelitian yang dilakukan tanpa membutakan. Kebutaan adalah alat penting dalam metode ilmiah dan digunakan di banyak bidang penelitian. Di beberapa bidang, seperti kedokteran, kebutaan dianggap penting. Dalam penelitian klinis, uji coba yang tidak menggunakan blinding disebut uji terbuka.

Disadur dari: en.wikipedia.org

Simulasi

Simulasi, suatu konsep yang mengacu pada bagaimana suatu proses atau sistem berperilaku di dunia nyata, diinterpretasikan melalui model. Biasanya, model digunakan sebagai dasar simulasi, dengan model yang mewakili karakteristik atau perilaku utama sistem tertentu, dan simulasi menunjukkan evolusi model dari waktu ke waktu. Namun secara umum simulasi juga dapat diartikan sebagai pengujian tersendiri ketika suatu model digunakan sebagai basis. Simulasi biasanya dilakukan dengan menggunakan komputer dan sistem atau prosesnya dapat direalisasikan sepenuhnya.

Penggunaan simulasi tersebar luas dalam berbagai konteks, termasuk optimasi dan optimalisasi kinerja, metode pengujian dan pelatihan, serta di bidang pendidikan dan video game. Dalam sains, simulasi digunakan untuk memodelkan sistem alam atau manusia untuk mendapatkan pemahaman yang lebih mendalam tentang proses dan interaksi dalam sistem tersebut. Simulasi juga memungkinkan peneliti untuk mengeksplorasi berbagai skenario dan dampak dari tindakan yang diambil, bahkan di area dimana sistem nyata tidak dapat diakses, berisiko, atau tidak mungkin untuk diuji.

Namun, pemodelan dan simulasi juga merupakan tantangan. Proses ini melibatkan pengumpulan data empiris, memilih fitur dan perilaku utama yang relevan dengan pembuatan model, dan menggunakan metode dan asumsi sederhana. Validitas hasil simulasi juga penting, sehingga validasi dan verifikasi model menjadi bagian penting dalam pengembangan simulasi, terutama dalam konteks pengembangan teknologi computer vision.

Klasifikasi dan terminology

Meskipun simulasi berkembang secara independen di beberapa bidang, kemajuan teori sistem dan Internet pada abad ke-20, serta meluasnya penggunaan komputer di mana-mana, membawa konsep-konsep ini dan pandangan yang lebih sistematis.

Misalnya, simulasi fisik menggunakan objek fisik untuk mewakili suatu sistem atau proses, dipilih karena lebih efisien atau lebih murah dibandingkan menggunakan objek, sistem, atau Simulasi interaktif adalah bentuk interaksi manusia yang spesifik, seperti pilot pesawat atau supir taksi.

Simulasi berkelanjutan dan simulasi kejadian diskrit adalah dua cara utama untuk memodelkan perubahan sistem seiring waktu. Simulasi stokastik memperhitungkan perubahan acak dalam proses, sedangkan simulasi deterministik tidak memperhitungkan fenomena acak.

Ada juga variasi simulasi, termasuk simulasi hybrid, yang menggabungkan pendekatan kontinu dan diskrit, dan simulasi terdistribusi, yang menggunakan banyak komputer untuk menjalankan simulasi. Simulasi paralel mempercepat kinerja dengan mendistribusikan tugas ke beberapa prosesor, memodelkan dan mensimulasikan sebagai layanan yang dapat diakses melalui Internet.

Konsep lainnya mencakup fidelitas simulasi, yang menggambarkan seberapa baik simulasi mencerminkan situasi dunia nyata, dan lingkungan sintetik, yang contohnya dapat dimasukkan ke dalam Person-In-The-Loop. Simulasi juga digunakan dalam analisis kegagalan untuk menentukan penyebab kegagalan peralatan dengan menciptakan lingkungan yang sesuai. Jenis simulasi ini memungkinkan pengguna untuk memodelkan sistem yang kompleks dan mendapatkan wawasan berharga tentang pengoperasian sistem di dunia nyata.

Simulasi computer

Simulasi komputer adalah upaya untuk memodelkan situasi nyata atau hipotetis pada komputer untuk mempelajari cara kerja sistem. Dengan mengubah variabel dalam simulasi, Anda dapat memprediksi perilaku sistem. Simulasi komputer adalah alat yang sangat berguna untuk memodelkan banyak sistem alam dalam fisika, kimia, dan biologi, serta sistem manusia dalam bidang ekonomi dan kehidupan sosial, seperti ilmu komputer. Di bidang teknik, simulasi komputer memberikan wawasan tentang cara kerja sistem.

Misalnya, dalam simulasi lalu lintas jaringan, perilaku model berubah bergantung pada parameter awal yang dipertimbangkan untuk lingkungan tertentu. Di masa lalu, pemodelan formal sistem dilakukan dengan menggunakan model matematika untuk menemukan solusi analitis guna memprediksi perilaku sistem dari parameter dan kondisi awal. Namun, simulasi komputer digunakan sebagai tindakan tambahan, dalam tindakan lain di mana solusi analitis tidak memungkinkan.

Ada berbagai jenis simulasi komputer, termasuk simulasi Monte Carlo, pemodelan stokastik, dan pemodelan multimetode. Jenis simulasi ini memiliki tujuan yang sama. Dengan kata lain, untuk membuat model situasi yang mewakili model yang mustahil, tidak mungkin mewakili semua situasi yang mungkin terjadi.

Berbagai paket perangkat lunak telah dikembangkan untuk melakukan pemodelan simulasi komputer, sehingga membuat pemodelan menjadi lebih mudah. Dalam konteks modern, istilah "otomasi komputer" mencakup hampir semua deskripsi sistem komputer.

Ilmu Komputer

Dalam ilmu komputer, konsep simulasi memiliki beberapa arti berbeda. Misalnya, Alan Turing menggunakan istilah "perhitungan" untuk merujuk pada proses dimana mesin tujuan umum membangun tabel transisi. Dengan kata baru, ini adalah pengalihan lahan, integrasi dan produksi sistem pemerintahan yang terpisah. Dengan kata lain, komputer mensimulasikan mesin target. Dalam konteks komputasi teoritis, istilah "paralel" penting untuk memahami hubungan antara sistem transisi keadaan, yang berguna untuk mempelajari indikator kinerja.

Dalam ilmu komputer, konsep simulasi memiliki banyak arti berbeda. Misalnya, Alan Turing menggunakan istilah "promosi" untuk menggambarkan proses dimana mesin serba guna menjalankan tabel silang. Dengan kata lain, transisi negara, integrasi dan produksi sistem manajemen independen. Dengan kata lain, komputer mensimulasikan sistem target. Dalam konteks komputasi teoretis, istilah "paralel" penting untuk memahami hubungan antara sistem peralihan status, yang berguna untuk mempelajari metrik kinerja.

Simulator juga berguna untuk menguji pohon kesalahan atau menguji desain logika VLSI sebelum konstruksi fisik. Simulasi simbolik menggunakan variabel untuk mewakili nilai yang tidak diketahui. Di bidang optimasi, simulasi proses fisik digunakan bersama dengan pengembangan perangkat lunak untuk mengoptimalkan strategi operasional. Oleh karena itu, simulasi memainkan peran penting dalam ilmu komputer dalam berbagai konteks, mulai dari pengembangan program hingga manajemen optimasi strategis.

Disadur dari: en.wikipedia.org

Analisis Sistem

Dalam topik ini kita akan membahas salah satu bagian penting dalam ilmu teknik industri maupun teknologi informasi khususnya desain dan rekayasa sistem yaitu analisis sistem. Analisis sistem adalah salah satu teknik yang cukup penting untuk memahami dan meningkatkan kinerja suatu sistem atau bisnis. Pada dasarnya, analisis ini membagi sistem menjadi beberapa sub sitem dan memeriksa bagaimana masing-masing subsistem berkontribusi terhadap tujuan keseluruhan. Dengan cara ini Anda dapat menentukan tujuan dan sasaran sistem. Anda juga dapat merancang sistem dan proses yang efektif untuk mencapainya.

Cara lain untuk menganalisis sistem adalah melalui teknik pemecahan masalah. Dalam hal ini, analisis sistem membantu mengidentifikasi masalah dalam sistem, menganalisis akar permasalahan, dan mengevaluasi alternatif-alternatif solusi yang ada. Analisis ini memungkinkan pengambil keputusan untuk membuat keputusan yang lebih baik dan menerapkan perubahan yang diperlukan untuk meningkatkan kinerja sistem.

Konsep analisis sistem berkaitan erat dengan bidang analisis kebutuhan dan operation reserach. Analisis sistem membantu Anda memahami persyaratan sistem dan merancang solusi yang memenuhi persyaratan tersebut. Analisis ini juga mencakup penelitian untuk membantu perencana mengidentifikasi cara terbaik untuk mencapai tujuan sistem.

Dengan menggunakan teknik analisis sistem, peneliti dan praktisi memperoleh pemahaman yang lebih mendalam tentang sistem yang terlibat dan menciptakan gambaran yang lebih lengkap tentang cara kerja sistem. Oleh karena itu, analisis sistem penting tidak hanya untuk memahami sistem yang kompleks, tetapi juga untuk merancang solusi yang efektif dan efisien untuk meningkatkan kinerja sistem tersebut.

Teknologi Informasi

Mengembangkan sistem informasi komputer melibatkan banyak langkah, termasuk analisis sistem. Langkah ini sangat penting karena membantu Anda membuat model data yang akan menjadi dasar untuk membangun atau meningkatkan database Anda. Ada beberapa metode yang dapat digunakan ketika melakukan analisis sistem.

Pendekatan yang umum digunakan adalah model brainstorming, yang melibatkan kegiatan seperti mengembangkan studi kelayakan untuk menilai aspek ekonomi, sosial, teknis dan organisasi proyek. Aktivitas lainnya mencakup pencarian fakta untuk memastikan kebutuhan pengguna akhir terpenuhi dan mengukur bagaimana pengguna berinteraksi dengan sistem.

Selain model brainstorming, ada cara lain untuk membagi sistem menjadi beberapa komponen. Aktivitas-aktivitas ini termasuk menentukan ruang lingkup proyek, menganalisis masalah untuk memahaminya dan menemukan solusi yang tepat, analisis persyaratan untuk menentukan kondisi yang harus dipenuhi sistem, desain logis untuk mengidentifikasi hubungan antara material dan desain, dan pengambilan keputusan. keputusan akhir tentang rasa hormat analisis Sistem implementasi.

Use case dapat menjadi alat pemodelan yang sangat berguna untuk mendefinisikan dan mengekspresikan kebutuhan fungsional suatu sistem. Setiap kasus merupakan situasi atau peristiwa bisnis yang memerlukan sistem untuk memberikan respons yang tepat. Kasus penggunaan muncul dari pendekatan analitis berorientasi objek dan telah menjadi pusat pengembangan sistem informasi modern.

Praktisi

Personel analisis sistem sering kali harus menganalisis sistem yang ada untuk menentukan komponen sistem yang ada. Contoh dari hal ini terjadi pada tahun 2000-an ketika teknik modern memandang bisnis dan operasi manufaktur sebagai bagian dari ledakan otomasi pada tahun 2000. Pekerjaan yang berkaitan dengan analisis sistem mencakup banyak posisi seperti analis sistem, analis bisnis, insinyur sistem produksi, perancang sistem, perancang bisnis, software engineer, dll.

Analisis sistem profesional dapat bekerja untuk merancang sistem baru, namun juga sering terlibat dalam memodifikasi, memperluas, atau menulis ulang sistem yang sudah ada, termasuk metode, adat istiadat, dan tradisinya. Peneliti dan praktisi mengandalkan analisis sistem di berbagai bidang, termasuk manajemen, reformasi pendidikan, dan teknologi pendidikan.

Disadur dari: en.wikipedia.org

Statistik inferensial

Statistik inferensial merupakan sebuah proses yang menggunakan analisis data untuk membuat kesimpulan mengenai sifat-sifat distribusi probabilitas yang mendasarinya. Dalam analisis statistik inferensial, kesimpulan tentang sifat-sifat suatu populasi diambil, contohnya dengan melakukan uji hipotesis dan mendapatkan estimasi. Hal ini diasumsikan bahwa data yang diamati merupakan sampel yang diambil dari populasi yang lebih besar.

Perbandingan dapat dibuat antara statistik inferensial dengan statistik deskriptif. Statistik deskriptif hanya fokus pada karakteristik-karakteristik data yang diamati, tanpa asumsi bahwa data tersebut berasal dari populasi yang lebih besar. Dalam konteks pembelajaran mesin, istilah inferensi kadang-kadang digunakan sebagai pengganti dari "membuat prediksi, dengan mengevaluasi model yang sudah dilatih". Dalam hal ini, membuat kesimpulan mengenai sifat-sifat model disebut sebagai pelatihan atau pembelajaran (bukan inferensi), sementara menggunakan model untuk melakukan prediksi disebut sebagai inferensi (bukan prediksi); konsep ini juga dikenal sebagai inferensi prediktif.

Pendahuluan

Inferensi statistik membuat proposisi tentang suatu populasi, menggunakan data yang diambil dari populasi dengan beberapa bentuk pengambilan sampel. Mengingat hipotesis tentang suatu populasi, yang ingin kita tarik kesimpulannya, inferensi statistik terdiri dari (pertama) pemilihan model statistik dari proses yang menghasilkan data dan (kedua) menyimpulkan proposisi dari model tersebut.

Menurut Konishi & Kitagawa, "Mayoritas permasalahan dalam inferensi statistik dapat dianggap sebagai permasalahan yang berkaitan dengan pemodelan statistik". Sehubungan dengan itu, Sir David Cox mengatakan, "Bagaimana penerjemahan dari permasalahan pokok ke model statistik dilakukan seringkali merupakan bagian paling penting dari sebuah analisis".

Kesimpulan dari inferensi statistik adalah proposisi statistik. Beberapa bentuk proposisi statistik yang umum adalah sebagai berikut: perkiraan titik, yaitu nilai tertentu yang paling mendekati beberapa parameter yang diinginkan; perkiraan interval, misalnya interval kepercayaan (atau perkiraan set), yaitu interval yang dibangun menggunakan kumpulan data yang diambil dari suatu populasi sehingga, dengan pengambilan sampel berulang dari kumpulan data tersebut, interval tersebut akan berisi nilai parameter sebenarnya dengan probabilitas pada tingkat keyakinan yang dinyatakan tingkat; interval yang kredibel, yaitu sekumpulan nilai yang mengandung, misalnya, 95% keyakinan posterior; penolakan hipotesis; dan pengelompokan atau klasifikasi titik data ke dalam kelompok.

Model dan Asumsi

Model dan asumsi adalah elemen kunci dalam inferensi statistik. Setiap analisis statistik memerlukan beberapa asumsi, yang ditetapkan oleh model statistik. Model ini merangkum bagaimana data observasi dibuat dan serupa. Dalam konteks ini, model statistik menggarisbawahi peran jumlah populasi yang ingin ditarik kesimpulannya. Sebagai langkah awal sebelum mengambil kesimpulan yang lebih formal, statistik deskriptif biasanya digunakan.

Para ahli statistik membedakan tiga tingkat asumsi pemodelan: parametrik penuh, non-parametrik, dan semi-parametrik. Setiap tingkat memiliki ciri khasnya sendiri dalam mengasumsikan proses pembuatan data. Validitas asumsi model adalah hal yang sangat penting dalam inferensi statistik. Asumsi yang tidak valid dapat mengancam keakuratan inferensi statistik, terlepas dari kompleksitasnya. Bahkan asumsi yang tampak sederhana seperti pengambilan sampel acak 'sederhana' dapat mempengaruhi hasil inferensi secara signifikan. Oleh karena itu, penting untuk mempertimbangkan dengan hati-hati model dan asumsi yang digunakan dalam analisis statistik.

Model Berbasis Pengacakan

Model berbasis pengacakan memainkan peran penting dalam inferensi statistik. Dalam konteks rancangan pengacakan, distribusi suatu statistik dihitung dengan mengevaluasi statistik uji untuk semua skenario yang mungkin terjadi. Penggunaan pengacakan memungkinkan inferensi berdasarkan distribusi pengacakan, yang berguna terutama dalam survei dan desain eksperimen. Bahkan dalam inferensi Bayesian, pengacakan memainkan peran krusial, memastikan pertukaran sampel dengan populasi dalam survei dan menjaga sifat acak dalam eksperimen.

Pengacakan obyektif mendukung prosedur induktif yang akurat, terutama dalam analisis data yang dihasilkan oleh prosedur pengacakan yang terdefinisi dengan baik. Pentingnya pengacakan dalam analisis eksperimen acak sangat ditekankan, mengingat model pengacakan menjadi panduan dalam pemilihan model statistik yang sesuai. Kesalahan sering terjadi ketika protokol eksperimen diabaikan, mengakibatkan hasil yang menyesatkan. Oleh karena itu, penting untuk mempertimbangkan skema pengacakan dalam analisis eksperimen acak untuk mendapatkan kesimpulan yang akurat.

Selain pendekatan berbasis model, teknik bebas model juga memberikan tambahan penting dalam inferensi statistik. Pendekatan ini memungkinkan algoritma yang dinamis beradaptasi dengan proses kontekstual dan mempelajari karakteristik observasi secara intrinsik. Misalnya, regresi linier sederhana tanpa model dapat dilakukan berdasarkan rancangan acak independen dan terdistribusi identik atau desain deterministik dengan variabel respons yang sesuai dengan distribusi kondisional yang umum. Dalam kedua kasus tersebut, inferensi pengacakan bebas model memberikan perkiraan yang konsisten, dengan bergantung pada kondisi keteraturan tertentu seperti kelancaran fungsional.

Disadur dari : https://en.wikipedia.org/wiki/Statistical_inference

International Council on Systems Engineering

Dewan Internasional tentang Rekayasa Sistem (INCOSE, diucapkan in-co-see) adalah organisasi nirlaba dan perkumpulan profesional di bidang rekayasa sistem dengan sekitar 17.000 anggota, termasuk individu, perusahaan, dan mahasiswa. Kegiatan utama INCOSE meliputi konferensi, publikasi, cabang regional, sertifikasi dan kelompok kerja teknis. Simposium Internasional INCOSE akan diadakan pada bulan Juli, dan Lokakarya Internasional INCOSE akan diadakan di Amerika Serikat pada bulan Januari. Saat ini, terdapat sekitar 70 cabang INCOSE lokal di seluruh dunia, sebagian besar berada di luar Amerika Serikat yang mewakili semua negara, sedangkan cabang di Amerika mewakili kota dan wilayah.

INCOSE mengorganisir sekitar 50 kelompok kerja teknis dengan anggota di seluruh dunia yang bertujuan untuk berkolaborasi dan menghasilkan produk INCOSE di bidang rekayasa sistem, baik cetak maupun online. Kelompok kerja yang membahas topik-topik di bidang rekayasa sistem, rekayasa sistem di industri tertentu, dan hubungan antara rekayasa sistem dan disiplin ilmu terkait lainnya. INCOSE menerbitkan dua publikasi utama: majalah dan jurnal akademik, serta sejumlah publikasi individual, termasuk Buku Panduan INCOSE.

INCOSE, bekerja sama dengan IEEE Computer Society dan Systems Engineering Research Council (SERC), menerbitkan dan mengelola Buku Pengetahuan Rekayasa Sistem Online (SEBoK), sumber referensi bergaya wiki yang terbuka untuk umum, namun isinya adalah dikelola dan dikelola. dikelola oleh SEBoK. Dewan Redaksi. INCOSE mensertifikasi insinyur sistemnya melalui proses sertifikasi tiga langkah yang memerlukan kombinasi pendidikan, pengalaman bertahun-tahun, dan kelulusan ujian berdasarkan Buku Panduan Rekayasa Sistem INCOSE.

INCOSE juga merupakan organisasi anggota Federasi Organisasi Arsitektur Perusahaan Profesional (FEAPO), sebuah asosiasi global organisasi profesional yang dibentuk untuk memajukan gerakan arsitektur perusahaan.

Tujuan

INCOSE memiliki visi untuk menciptakan “dunia yang lebih baik melalui pendekatan sistem”, misinya adalah untuk “mengatasi tantangan sosial dan teknologi dengan mengaktifkan, mempromosikan dan mempromosikan sistem teknologi dan pendekatan sistem”. Tujuan utama organisasi ini adalah untuk mempublikasikan dan menyebarkan informasi tentang rekayasa sistem, mempromosikan kerjasama internasional, dan mengadvokasi industri rekayasa sistem.

Disadur dari : https://en.wikipedia.org/wiki/International_Council_on_Systems_Engineering