Penyederhanaan SIMULASI

Arif Rahman

Penyederhanaan model
Organisasi sistem
Memilah-milah obyek-obyek di dalam sistem, untuk menentukan elemen-elemen yang perlu dimasukkan dalam model, dan mengabaikan elemen-elemen yang tidak diperlukan. Misalnya : Dalam sistem konservatif, total jumlah entitas tidak berubah. Di mana proses dinamika sistem yang ditunjukkan oleh salah satu entitas juga diikuti oleh perubahan beberapa entitas-entitas lain. Sehingga apabila hanya menggunakan salah satu entitas dari entitas-entitas tersebut (entitas-entitas yang lain diabaikan), maka pastilah model akan lebih sederhana, dan persamaan dinamisnya pun akan berkurang. Organisasi dari dalam, misalnya optimasi, memungkinkan interaksi di antara parameter-parameter dan variabel-variabel, akan menghilangkan dengan sendiri sebagian parameter dan variabel. Jika kondisi di mana suatu kejadian pasti terjadi setelah ada kejadian tertentu, maka cukup salah satu kejadian saja yang perlu dimodelkan.

Penyederhanaan model
Penyaringan (Filtering)
Perubahan fluktuasi pada kondisi sistem atau pengendalian variabel pada frekuensi yang sangat tinggi tidak peka dalam menunjukkan perilaku sistem. Misalnya : Kondisi sistem akan berubah-ubah akibat reaksi dari faktor pengganggu lingkungan sistem. Perubahan yang menunjukkan fluktuasi yang sangat cepat dapat diabaikan, namun interaksi tersebut perlu dimodelkan bila menunjukkan fluktuasi lain yang bisa diamati karena frekuensinya tidak terlalu tinggi.

Variabel-variabel bebas yang berubah-ubah dengan cepat namun hanya memberikan pengaruh yang sedikit (tidak tampak) pada kondisi sistem, dapat dihilangkan.

Penyederhanaan model
Model Stokastik
Sistem stokastik akan lebih baik direpresentasikan secara langsung, daripada menggunakan sistem deterministik yang dipengaruhi elemen stokastik. Misalnya : Sistem stokastik biasanya merupakan gambaran dari rata-rata sampel (bagian dari populasi) yang dimodelkan. Variabel dan parameter mengalami perubahan nilai dari hasil permodelan stokastik untuk mewakili variabilitas sistem sebenarnya. Teori automata yang menunjukkan bahwa suatu sistem stokastik tidak mungkin digambarkan dengan sistem deterministik walaupun dengan batas tak hingga.

Penyederhanaan model
Grafik
Analisa diagram dari variabel dan inter-relasinya akan lebih menguntungkan dalam menyederhanakan model untuk menjelaskan perilaku sistem. Misalnya : Untuk perlakuan resolusi rendah, pola interaksi dari subsistem tertutup (terisolasi) dapat digantikan dengan grafik fungsi. Grafik dapat digunakan untuk menunjukkan stabilitas fungsi. Ini sangat penting untuk menentukan koefisien yang dibutuhkan, terutama pada fungsi kausal balik (causal loop).

Penyederhanaan model
Hasil berbasis sensitivitas
Analisa sensitivitas mungkin menyarankan pengaturan untuk menyederhanakan model. Misalnya : Selama membangun model, faktor-faktor yang memberikan pengaruh sedikit atau tidak sama sekali dihilangkan. Subsistem yang memberikan pengaruh kecil digabungkan dengan yang lain. Analisa sensitivitas mungkin memberikan alternatif struktur model lain yang mempunyai kemiripan.

Penyederhanaan model
Analisa struktur dan logika
Model seringkali mengandung model numerik yang kurang diperlukan, sehingga jika dihilangkan akan menyederhanakan model. Misalnya : Model dari bahasa komputer satu ke yang lain mungkin berisi kode berlebihan, kecuali jika penerjemahan berhati-hati dalam mengkode ulangkannya. Kombinasi fungsi dapat mengeliminasi variabel Mengubah model dalam format standar akan membentuk model yang unik, misalnya dalam bentuk kesatuan kode numerik.

Penyederhanaan model
Analisa Dimensional
Menggunakan variabel-variabel tak berdimensi akan membuat hasil lebih aplikatif, mengurangi waktu komputasi, dan mengurangi proses penentuan dimensi (satuan) pada kondisi sistem. Misalnya : Tanpa terlalu terpaku pada dimensi, maka proses akan lebih cepat, karena tak perlu ada proses penyamaan dimensi. Karena sebenarnya yang dibutuhkan adalah gambaran bagaimana fluktuasi dari perilaku sistem.

Penyederhanaan model
Pemodelan model (Repro Meta Modeling) Model dari model terkadang memberikan beberapa keuntungan daripada model langsung dari sistem nyata. Misalnya :
Model yang dibangun berdasarkan data simulasi akan menunjukkan interrelasi entitas sistem dibandingkan pada data eksperimen atau model langsung. Data simulasi dapat ditentukan untuk memenuhi kebutuhan mendasar dari prosedur analitis, di mana data asli tidak bisa. Regresi dan model input-output lain digunakan dalam simulasi dapat mempercepat dan mengurangi biaya proyek.

Penyederhanaan model
Pembatas waktu
Laju yang bervariasi lebar dalam model dapat digantikan menggunakan aproksimasi yang sesuai. Misalnya : Perubahan variabel secara perlahan dapat digantikan konstanta. Perubahan variabel secara cepat dan setimbang dengan variabel yang lain mungkin dapat diwakili dengan persamaan aljabar atau persamaan dinamis.

Penyederhanaan model
Solusi analitis
Sebagian atau keseluruhan model mungkin dapat digantikan oleh solusi analitis. Misalnya : Solusi model matriks menggunakan eigenvalues dan eigen-vectors di dalam simulasi. Hal ini akan menjadi lebih cepat jika dibutuhkan banyak pemrosesan dengan kondisi inisial berbeda-beda. Efek perubahan kondisi inisial lebih mempengaruhi analisa sensitivitas.

Penelitian pengaruh parameter di perilaku model mungkin lebih sederhana untuk solusi analitis daripada model simulasi.

Penyederhanaan model
Saling ketergantungan (interdependence)
Saling ketergantungan dari parameter dapat dimanfaatkan. Misalnya :

Kurva yang menggambarkan tabel parameter dapat digantikan dalam bentuk fungsi.
Parameter terkait dapat dikomputerisasi dari satu data untuk mengurangi data yang perlu diinputkan.

Penyederhanaan model
Metode Pertubasi (Pertubation methods)
Kompleksitas mungkin disebabkan oleh pengaruh elemen kecil dari sistem sederhana. Misalnya : Konstanta skalar yang kecil mampu memberikan pengaruh yang besar jika merupakan koefisien dari variabel bebas. Penyimpangan koefisien akan mempengaruhi nilai matriks representasi sistem.

Penyederhanaan model
Perhitungan momen output.
Momen output mungkin dihitung secara langsung dari distribusi input dan struktur model. Misalnya : Untuk sistem linier, rata-rata output merupakan output dari rata-rata. Semakin tinggi momen output yang diinginkan biasanya kurang ditentukan oleh distribusi input atau karakteristik transformasi input-output. Model difusi sistem stokastik menunjukkan momen output berkaitan dengan persamaan diferensial. Model deterministik dapat dioperasikan menggunakan data input acak.

Penyederhanaan model
Bahasa simulasi
Bahasa simulasi dapat disederhanakan dengan deskripsi model. Misalnya :

Model dari program berorientasi obyek akan lebih mudah menerangkan perilaku sistem, dibandingkan program tersusun sequensial.
Peningkatan laju pengembangan kode dan terarah pada model yang komunikatif, meningkatkan kemampuan bahasa simulasi untuk memenuhi kebutuhan dari pembelajaran sistem.

Bahasa simulasi dirancang untuk mengambil keuntungan dari keadaan sistem spesifik dan menghasilkan penyederhanaan pengembangan dan analisa model.

Penyederhanaan model
Perbaikan pengkodean (coding improvements)
Perbaikan pengkodean dapat mempermudah pembacaan dan penelusuran (debugging), sehingga akan mempercepat pula proses menjalankan program. Misalnya : Struktur program yang mencakup perintah GOTO atau IF THENELSE. Penggunaan algoritma loop untuk langkah-langkah yang dilakukan berulang kali akan menambah efisiensi. Penggunaan struktur umum (fungsi & prosedur standar) akan menyederhanakan coding dan interpretasi.

Penyederhanaan model
Pengurangan variansi
Teknik pengurangan variansi dapat mengurangi jumlah pemrosesan simulasi untuk memperkirakan nilai output yang mendekati akurasi tertentu. Misalnya : Metode Monte Carlo Semu (Quasi Monte Carlo methods) mendistribusikan titik-titik nilai variabel secara seimbang tanpa memperhatikan keacakan. Teknik berlawanan (Antithetic techniques) menggunakan estimasi variabel dengan perkiraan yang sama sekali tidak diketahui dan memberikan korelasi negatif yang besar.

Penyederhanaan model
Teknik sistem linier
Sistem linier dapat digunakan untuk menyederhanakan sistem nonlinier melalui transformasi. Misalnya : Untuk menjelaskan dominansi eigenvalues dan eigenvectors. Untuk memperkirakan struktur kutub dari fungsi perpindahan selama pengurangan derajatnya.

Akhir Perkuliahan

Ada Yang Ditanyakan