Professional Documents
Culture Documents
#5+
5+/7.#5+
Kata simulasi berasal dari bahasa asing (Inggris) yaitu to simulate yang berarti menirukan,
sedang kata simulation yang diterjemahkan ke bahasa Indonesia dengan simulasi mempunyai
makna tiruan atau upaya menirukan, yaitu menirukan suatu sistem nyata (real system/yang
sebenarnya berjalan) yang menjadi obyek kajian dalam rangka mencari jawaban atas persoalan
sistem tersebut.
Simulasi
Stochastic Simulation
Kejadian yang berubah status suatu sistem tidak dapat ditentukan secara pasti/deterministic.
Contoh : sistem antrian teller di bank
Kasus Î Nasabah : (tidak bisa ditentukan)
datang ke bank
antrian di teller
dilayani oleh teller
pulang
Cattatan :
Yang bisa dibahas seperti : model matematis dengan dynamic simulation dan stochastic
simulation dan discrete simulation. Karena komputer adalah alat digital, bukan analog.
'.'/'05+/7.#5+
'.'/'05+/7.#5+
• Analisis simulasi merupakan teknik pemodelan deskriptif, karena itu tidak ada formulasi
permasalahan dan langkah penyelesaian eksplisit yang merupakan bagian integral dari
model optimasi.
• Meskipun tidak ada langkah eksplisit, paling tidak kita dapat menggunakan elemen
simulasi berikut dalam perancangan model simulasi:
¤ Formulasi permasalahan
¤ Pengumpulan dan analisis data
¤ Pengembangan model
¤ Verifikasi dan validasi model
¤ Percobaan dan optimasi model
¤ Implementasi hasil simulasi
Formulasi Masalah merupakan suatu langkah yang sangat penting dalam perancangan model
simulasi. Formulasi masalah yang tidak tepat tidak akan mungkin menghasilkan model yang
tepat (akurat). Formulasi masalah merupakan suatu kegiatan untuk memilih satu permasalahan
yang dianggap paling penting untuk diselesaikan saat itu dari sekian banyak permasalahan.
Hal-hal berikut diungkapkan dalam formulasi masalah:
Ukuran kinerja sistem bisa lebih dari satu. Pengoptimalan salah satunya bisa
saling bertentangan dengan ukuran kinerja lainnya. Pengambil keputusan harus dapat memilih
ukuran kinerja yang paling tepat untuk tujuan optimasi.
Pengembangan model
Detail model tergantung dari tujuan pengembangan model dan kontribusi marjinal
penambahan detail. Kompleksitas model ditentukan secara subjektif, coba-coba yang diturunkan
dari perkiraan biaya marjinal yang harus dikeluurkan untuk mendapatkan data dan relasi dalam
model terhadap akurasi tambahan yang dapat diberikan.
Pengumpulan Data
Data diperlukan untuk percobaan model. Verifikasi dan validasi model dapat
dilakukan dengan adanya data. Dalam validasi dan verifikasi, analisis menguji seberapa
dekat model yang dibuat dapat meniru sistem aslinya dengan membandingkan output model
dengan kinerja sistem. Output akan diperoleh jika simulasi dijalankan untuk data tertentu.
data bisa diperoleh dengan pengamatan dan pelaporan pribadi, atau dengan
membangkitkan bilangan acak jika data historisnya sudah ada. Cara kedua ini khususnya
digunakan untuk model probabilistik. Ukuran sampel tergantung dari biaya yang bersedia
dikeluarkan untuk keakuratan tertentu.
Pengembangan Model
Pemahaman yang baik akan sistem sebenarnya sangat diperlukan dalam membentuk
model dan merupakan hal yang sulit juga untuk dilakukan. Tidak ada pendekatan yang baku
dalam membentuk model. Ada dua pendekatan yang dapat kita gunakan, yaitu pendekatan aliran
fisik dan perubahan status. Dalam pendekatan aliran fisik, pemrosesan atau perpindahan entiti
secara fisik ditunjukkan dalam model. Keberadaan entiti ini dilacak dalam sistem selama proses
penjalanan simulasi, untuk mengetahui entiti sedang diproses dimana dan pencabangan aturan
keputusan untuk menentukan rutenya. Diagram alur entiti dan pemrosesan elemen sistem
memberikan representasi sistem darimana model dan pemrograman komputernya dikembangkan.
Dalam pendekatan perubahan status, kita memerlukan variabel status (termasuk dalam
klasifikasi variabel endogenus) dan kejadian.
Kita dapat bedakan model yang akan kita bangun ke dalam model konseptual, logika dan
simulasi. Penggolongan ini akan memudahkan dalam membentuk model simulasinya.
9 Model konseptual : menggambarkan sistem secara konsep, dapat secara verbal atau
menggunakan grafik.
9 Model logika : menerjemahkan model konseptual ke dalam bentuk suatu diagram alur
atau algoritma.
9 Model simulasi : menerjemahkan model logika ke dalam program komputer
Verifikasi dan validasi dilakukan untuk ketiga model (konseptual, logika dan simulasi).
Model valid jika ukuran outputnya sangat dekat dengan ukuran sistem nyata yang sesuai.
Validasi menunjukkan seberapa akurat model memprediksi kejadian mendatang.
Prediksi kejadian masa mendatang harus didahului prediksi nilai variabel input.
Aspek pemodelan akan dijumpai pada tahap paling awal, yaitu saat sebelum simulasi dilakukan.
Pemodelan sistem adalah upaya bagaimana membuat repre-sentasi sistem dalam bahasa/bentuk
tertentu yang telah disepakati sebelumnya sehingga dengan perwujudan representasi itu segala
bentuk analisis dan pembahasan atas sistem dapat dilakukan. Terdapat berbagai macam bentuk
model sistem, tapi untuk kali ini penekanan dilakukan pada model metematik. Tahapan utama
dalam melakukan pemodelan sistem adalah:
Penetapan tujuan
Identifikasi masalah
Pengembangan model konseptual
Penembangan model matematis
Validasi
Solusi model
Pemahaman atas segala bentuk komponen (entity) dan atribut (attribute) beserta interaksi yang
mewarnai sistem mutlak diperlukan karena pemahaman ini merupakan modal dasar yang utama
dalam pemodelan sistem. Atas model matematis yang diperoleh, selanjutnya dilakukan validasi
sehingga akan diperoleh model yang valid.
Agar komputer bisa memberikan penyelesian atas model matematik sistem, maka model
tersebut harus diubah ke dalam bentuk program komputer. Disamping itu program tersebut juga
harus mampu menirukan nuansa perilaku sistem nyatanya. Pada tahap inilah aspek
pemrograman dijumpai. Membuat program yang baik dan benar bukan semata membuat
program yang bebas dari kesalahan saja, tapi juga perlu mempertimbangkan beberapa hal,
seperti:
a. Harus efisien dalam menggunakan memori komputer.
b. Harus hemat waktu eksekusi (run-time).
c. Harus mempunyai bentuk yang terstruktur.
d. Harus mudah dipelajari dan mudah dimodifikasi.
Dengan demikian aspek ini sebenarnya merupakan cakupan bahasan yang cukup luas. Pada
akhirnya guna mendapatkan hasil simulasi yang berupa jawaban sistem nyatanya, aspek
rancangan percobaan dan metode pengolahan hasil harus diperhatikan. Bagaimana
mengubah-ubah nilai parameter dan variabel sistem yang benar sehingga data keluaran simulasi
merupakan keluaran yang benar dan tidak menyesatkan harus dirancang dengan tepat. Begitu
pula teknik pengolahan atas data keluaran simulasi juga tidak luput dari perhatian yang serius.
Semuanya itu terkait erat dengan aspek rancangan percobaan statistik.
Komponen simulasi terdiri dari :
1. System state
Kumpulan dari variabel2 status yang representasikan sebuah system dalam waktu tertentu
2. Simulation clock
Variabel yang berisi waktu simulasi pada saat ini
3. Event List
Sebuah list yang berisi waktu berikutnya
4. Event runtime
Sebuah fungsi/prosedur yang akan meng-update status system jika suatu event tertentu
terjadi. (ada satu event runtime untuk setiap tipe event)
5. Report generator
Sebuah prosedur yang menghitung pengukuran performansi dan print sebuah report jika
simulasi berakhir
6. Main Program
Sebuah sub program yang memanggil prosedur timing routine untuk menentukan event
selanjutnya dan mentransfer control pada event routine untuk meng-update status