Anda di halaman 1dari 12

MODUL RISET OPERASI

SIMULASI (SIMULATION)

Disusun oleh Doni Stiadi S.Si, MSi

RISET OPERASI MATERI: SIMULASI SIMULASI (SIMULATION)

A. PENDAHULUAN Simulasi merupakan suatu peralihan besar dari topik-topik riset operasi. Simulasi menawarkan alternatif mencari solusi atas permasalahan yang komplek yang tidak bisa dipecahkan dengan model analitik. Simulasi mempunyai pengertian sebagai suatu metodologi untuk melaksanakan percobaan dengan model dari sistem nyata. Mensimulasi berarti melakukan duplikasi atas features, bentuk dan karakteristik dari sistem nyata. Ide dasar simulasi adalah menggunakan beberapa perangkat untuk meniru sistem nyata guna memperlajari dan memaknai sifat-sifat, tingkah laku (perangai) dan karakter operasi. Simulasi pada suatu bidang bisnis atau sistem manajemen (business or management sistem) dengan melakukan pemodelan secara matematik yang menggambarkan atau menunjukan sistem nyata yang ditiru. Berdasarkan jenisnya simulasi ada dua yaitu: (1) simulasi analog artinya mengganti lingkungan phisik yang asli dengan lingkungan phisik tiruan yang lebih mudah untuk memanipulasi. Contohnya ruang tanpa bobot disimulasi dengan ruangan penuh air (ber-bobot), (2) simulasi matematik artinya meniru sitem dengan model matematik untuk mendapatkan operating characteristics sistem melalui suatu eksperimen. Pada pembahasan ini simulasi yang dimaksud adalah simulasi model matematik yaitu suatu simulasi yang meniru situasi pada keadaan nyata dengan model matematik. Motivasi menggunakan simulasi dalam pemecahan suatu persoalan riset operasi adalah karena adanya beberapa keterbatasan dalam model analitik, antara lain: 1. Model analitik tidak mampu menelusuri perangai sutu sistem pada masa lalu dan masa mendatang melaui pembagian waktu. Model analitik hanya memberikan penyelesaian secara menyeluruh, suatu penyelesaian yang mungkin tunggal dan optimum tetapi tidak menggambarkan suatu prosedur operasional untuk masa lebih singkat dari masa perencanaan. 2. Model matematik yang konvensional sering tidak mampu menyajikan sistem nyata yang lebih besar dan rumit (komplek) 3. Model analitis terbatas pemakainya dalam hal-hal yang tidak pasti dan aspek dinamis (faktor waktu) dari persoalan manajemen.
Disusun oleh Doni Stiadi S.Si, MSi

RISET OPERASI MATERI: SIMULASI Semua simulasi yang baik memerlukan perencanaan dan organisasi yang baik. Tujuh langkah yang harus dilakukan manajer untuk melakukan proses simulasi yaitu: (1) definisikan permasalahan, (2) identifikasi variable-variabel yang berhubungan dengan permasalahan, (3) kembangkan model secara numeris, (4) ujilah model dan bandingkan tingkah lakunya dari sistem nyata, (5) jalankan percobaan (eksperimen), (6) pertimbangkan hasil yang diperoleh sebagai kemungkinan keputusan untuk memodifikasi model atau mempertimbangkan merubah masukan data, (7) putuskan tindakan mana yang diambil. rangkaian 7 langkah itu dapat dilihat pada gambar 1 sebagai Flow Chart Simulasi. Define Problem

Introduce important variables Construct simulation model

Specipy values of variables to be tested

Conduct the simulation

Examine the result

Select the best course of action Gambar 1

Disusun oleh Doni Stiadi S.Si, MSi

RISET OPERASI MATERI: SIMULASI B. KELEBIHAN DAN KEKURANGAN SIMULASI a. Kelebihan/ keunggulan simulasi 1. Simulasi dapat memberi jawaban yang tidak bisa dilakukan model analitik 2. Simulasi dapat digunakan untuk analisis yang besar dan komplek pada situasi keadaan nyata yang tidak dapat dilakukan oleh model kuantitatif konvensional 3. Model simulasi lebih realistis terhadap sistem nyata karena asumsi yang lebih sedikit 4. Simulasi membolehkan kita untuk mempelajari pengaruh alternatif dari kumpulan individu atau variabel mana yang lebih penting 5. Pada banyak hal, simulasi lebih murah dari percobaannya sendiri. 6. Untuk sejumlah proses dimensi, simulasi memberikan penyelidikan yang langsung dan terperinci dalam periode waktu khusus. b. Kekurangan simulasi 1. Simulasi bukan presisi dan juga bukan suatu proses optimasi. Simulasi tidak menghasilkan penyelesaian, tetapi menghasilkan cara untuk menilai jawaban termasuk jawaban optimal. 2. Model Simulasi yang baik dan efektif adalah sangat mahal dan membutuhkan waktu yang lama dibandingkan dengan model analitik 3. Tidak semua situasi dapat dinilai melalui simulasi kecuali situasi yang memuat ketidakpastian (probability) C. SIMULASI MONTE CARLO (SMC) Simulasi Monte Carlo merupakan suatu pendekatan untuk membentuk kembali distribusi peluang yang didasarkan pada pilihan atau pengadaan bilangan acak (random). Istilah Monte Carlo sering dianggap sama dengan simulasi probabilistik. Namun Monte Carlo Sampling secara lebih tegas berarti teknik memilih angka secara acak dari distribusi probabilitas untuk menjalankan simulasi. Lima langkah dalam melakukan simulasi Monte Carlo yaitu: 1. Menetapkan/menentukan distribusi probabilitas untuk variabel-variabel penting 2. Menghitung distribusi kumulatif untuk tiap-tiap variabel pada langkah 1.
Disusun oleh Doni Stiadi S.Si, MSi

RISET OPERASI MATERI: SIMULASI 3. Menetapkan suatu interval dari angka acak ( random numbers) untuk masingmasing variabel 4. Bebtuk atau pilih bilangan acak (generating random numbers) 5. Nyatakan barisan simulasi dari beberapa percobaan-percobaan. Ilustrasi simulasi Monte Carlo dari 5 langkah diatas di deskripsikan pada contoh berikut ini. Manajer IBM Indonesia sedang memutuskan berapa jumlah Laptop yang harus dipesan setiap minggu. Salah satu pertimbangan utama dalam keputusan utama manajer tersebut adalah jumlah permintaan setiap minggunya. Laptop dijual dengan harga Rp 12.500.000,00. jumlah permintaan Laptop merupakan variabel acak (yang dianggap sebagai X) yang berkisar mulai dari 0 sampai 4 setiap minggu. Dari catatan yang tersedia, manajer telah menetapkan frekuensi permintaan Laptop untuk 100 minggu terakhir dan data itu adalah sebagai berikut: Tabel 1 Permintaan laptop Per Minggu 0 1 2 3 4 Jumlah Frekuensi Permintaan 20 40 20 10 10 100

Lima langkah simulasi Monte Carlo untuk mengetahui permintaan rata-rata Laptop per minggu dan pendapatan rata-rata PT IBM Indonesia, adalah sebagai berikut: Langkah 1: Menetapkan distribusi probabilitas Tabel 2 Permintaan laptop Per Minggu 0 1 2 3 4 Jumlah Frekuensi Permintaan 20 40 20 10 10 100 Distribusi Probabilitas permintaan, p(x) 20/100 = 0,20 40/100 =0,40 20/100 = 0,20 10/100 = 0,10 10/100 = 0,10 1,00 5

Disusun oleh Doni Stiadi S.Si, MSi

RISET OPERASI MATERI: SIMULASI Langkah 2: Menghitung distribusi kumulatif Tabel 3 Permintaan laptop Per Minggu 0 1 2 3 4 Jumlah Distribusi Probabilitas permintaan, p(x) 0,20 0,40 0,20 0,10 0,10 1,00 Distribusi kumulatif Probabilitas 0,20 0,60 0,80 0,90 1,00

Langkah 3: Menetapkan suatu interval dari angka acak (random numbers) untuk masingmasing variabel. Pada langkah 2 kita menyusun probabilitas kumulatif, kemudian kita tandai jumlah yang menunjukan kemungkinan nilai-nilai atau hasil. Hal ini yang sering di sebut interval angka acak (random number intervasl). Pada dasarnya angka acak adalah urutan angka atau digit (katakan digit dari 00,01,02, ..,97,98,99) digit 100, dimulai dari 00 sampai 99. Karena sangat kompleknya membentuk angka acak maka pembentukan angka acak sebaiknya dengan menggunakan perhitungan komputer. Angka acak yang dihasilkan komputer memiliki kesempatan yang sama antara satu dengan yang lainnya sehingga kemungkinan terjadinya suatu angka acak adalah sama (equal likely to accur). Angka acak dari perhitungan komputer bisa juga disebut dengan tabel angka acak (random numbers table). Daftar angka acak (random numbers) dapat dilihat pada tabel 17.1 pada lapiran modul ini. Karena tabel angka acak yang memiliki dua digit (100 angka) terdiri 00, 01, 02, 03,.,97, 98, 99, maka untuk probalitas 20% pertama adalah interval 0019 (memuat 20 angka terdiri dari 0,1,2,..17,18,19), 60% kedua memuat interval 20-59 (memuat 40 angka terdiri dari 20, 21, 22,,59, berdasarkan distribusi kumulatif probabilitas P(x) pada langkah 2) begitu seterusnya hingga kumulatif probabilitas 100%. Ringkasan tabel untuk mendapatkan interval angka acak dari distribusi kumulatif pada langkah 2 adalah sebagai berikut:

Disusun oleh Doni Stiadi S.Si, MSi

RISET OPERASI MATERI: SIMULASI Tabel 4 Permintaan Laptop per minggu (x) 0 1 2 3 4 Jumlah Probabilitas permintaan, P(X) 0,20 0,40 0,20 0,10 0,10 1,00 Probabilitas kumulatif 0,20 0,60 0,80 0,90 1,00 Interval angka acak 0-19 20-59 60-79 80-89 90-99

Langkah 4: Bentuk/pilih bilangan acak (generating random numbers). Kita telah memiliki tabel angka acak pada lampiran (Tabel 17.1) pilihlah salah satu bilangan acak (pemilihan ini bebas), misal kita memilih angka acak pada tabel 17.1 adalah adalah angka 39 maka Tabel 5 Permintaan Laptop per minggu (x) 0 1 2 3 4 Interval angka acak 0-19 20-59 60-79 80-89 90-99 Angka acak (R) R = 39

Bila kita memilih angka pada tabel 17.1 adalah 95 maka Tabel 6 Permintaan Laptop per minggu (x) 0 1 2 3 4 Interval angka acak 0-19 20-59 60-79 80-89 90-99 Angka acak (R)

R = 95

Jadi pemilihan angka acak bebas, bila telah ditetapkan angka acak maka angkaangka selanjutnya adalah angka-angka yang berada pada satu kolom yang sama. Kita tetapkan kembali bahwa pemilihan angka acak adalah 39 maka dengan mengulang pemilihan angka acak pada tabel 17.1 yang berada pada satu kolom yang sama kita dapat mensimulasikan permintaan untuk suatu periode waktu

Disusun oleh Doni Stiadi S.Si, MSi

RISET OPERASI MATERI: SIMULASI (langkah ke lima), sehingga langkah ke lima bila ditunjukan pada tabel berikut yaitu sebagai permintaan untuk 15 minggu berturut-turut adalah : Tabel 7 Minggu ke 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Angka acak (R) 39 73 72 75 37 02 87 98 10 47 93 21 95 97 69 Jumlah Permintaan, X 1 2 2 2 1 0 3 4 0 1 4 1 4 4 2 31 Pendapatan (Rp) 12.500.000,00 25.000.000,00 25.000.000,00 25.000,000,00 12.500,000,00 0 37.500.000,00 50.000.000,00 0 12.500.000,00 50.000.000,00 12.500.000,00 50.000.000,00 50.000.000,00 25.000.000,00 387.500.000,00

Hasil simulasi ini dapat disimpulkan: Perkiraan permintaan rata-rata laptop = 31/15 = 2,07 per minggu Perkiraan rata-rata pendapatan rata-rata PT IBM Indonesia = Rp 387.500.000/15 yaitu Rp 25.833.333,00 per minggu. D. SIMULASI DALAM SISTEM ANTRIAN Simulasi diterapkan pada sistem antrian karena beberapa asumsi yang diperlukan pada antrian seperti kedatangan harus mengikuti distribusi poisson dan waktu pelayanan mengikuti distribusi eksponensial negatif sulit terpenuhi. Sebagai ilustrasi bagaimana mensimulasikan sistem antrian, pada kasus ini, dimisalkan menjelang awal semester mahasiswa harus melunasi uang kuliah melalui bank. Pengamatan terhadap kedatangan 300 mahasiswa pada bank itu yang hanya menyediakan satu teller dan waktu pelayanannya ditunjukan pada table berikut:

Tabel 8 8

Disusun oleh Doni Stiadi S.Si, MSi

RISET OPERASI MATERI: SIMULASI Waktu antar kedatangan (menit) 4 5 6 7 Frekuensi 60 90 120 30 300 Waktu pelayanan (menit) 3 4 5 Frekuensi 90 150 60 300

Pada sistem antrian ini, melakukan simulasi untuk mengetahui

operating

Characteristics seperti rata-rata panjang antrian, rata-rata waktu menunggu, rata-rata waktu dalam sistem dapat dilakukan dengan simulasi Monte Carlo yang langkah-langkahnya telah dijelaskan sebelumnya. Langkah 1: Menetapkan distribusi probabilitas untuk masing-masing waktu kedatangan dan waktu pelayanan Tabel 9 Waktu antar kedatangan (menit) 4 5 6 7 Frekuensi 60 90 120 30 300 Tabel 10 Waktu pelayanan (menit) 3 4 5 Frekuensi 90 150 60 300 Tabel 11 Waktu antar kedatangan (menit) 4 5 6 7 Frekuensi Probabilitas Prpbabilitas kumulatif 0,20 0,50 0,90 1,00 Probabilitas 90/300=0,30 150/300=0,50 60/300=0,20 1,00 Probabilitas 60/300=0,20 90/300=0,30 120/300=0,40 30/300=0,10 1,00

Langkah 2: Menghitung distribusi kumulatif

60 60/300=0,20 90 90/300=0,30 120 120/300=0,40 30 30/300=0,10 300 1,00 Tabel 12

Disusun oleh Doni Stiadi S.Si, MSi

RISET OPERASI MATERI: SIMULASI Waktu pelayanan (menit) 3 4 5 Frekuensi 90 150 60 300 Waktu pelayanan (menit) 90/300=0,30 150/300=0,50 60/300=0,20 1,00 Prpbabilitas kumulatif 0,30 0,80 1,00

Langkah 3: Menetapkan suatu interval dari angka acak (random numbers) untuk masingmasing variabel. Tabel 13 Waktu antar kedatangan (menit) 4 5 6 7 Frekuensi 60 90 120 30 300 Probabilitas 60/300=0,20 90/300=0,30 120/300=0,40 30/300=0,10 1,00 Prpbabilitas kumulatif 0,20 0,50 0,90 1,00 Interval angka acak 00-19 20-49 50-89 90-99

Tabel 14 Waktu pelayanan (menit) 3 4 5 Frekuensi 90 150 60 300 Waktu pelayanan (menit) 90/300=0,30 150/300=0,50 60/300=0,20 1,00 Prpbabilitas kumulatif 0,30 0,80 1,00 Interval angka acak 00-29 30-79 80-99

Langkah 4: Pilih bilangan acak, kita telah memiliki tabel angka acak pada lampiran (Tabel 17.1). Pada kasus ini di pilih bilangan acak pada kolom ke-5 dari lampiran tabel 17.1 yaitu 45, 90, 84, dan seterusnya. Data-data kedatangan dan waktu pelayanan dijadikan menjadi tabel 15 serta sekaligus di bentuk barisan percobaan-percobaan selama 10 kedatangan dalam simulasi ini (langkah 5).

Disusun oleh Doni Stiadi S.Si, MSi

10

RISET OPERASI MATERI: SIMULASI Tabel 15


Kedatangan ke 1 2 3 4 5 6 7 8 9 10 Jumlah Angka acak (R1) 90 17 94 15 31 99 73 03 47 Interval kedatanga n 7 4 7 4 5 7 6 4 5 Jam datang 0 7 11 18 22 27 34 40 44 49 Jam masuk fasilitas 0 7 12 18 22 27 34 40 44 49 Waktu tunggu 0 0 1 0 0 0 0 0 0 0 1 Panjang antrian 0 0 1 0 0 0 0 0 0 0 1 Angka acak (R2) 45 84 74 07 04 07 97 13 62 99 Waktu layanan 4 5 4 3 3 3 5 3 4 5 Jam pergi 4 12 16 21 25 30 39 43 48 54 Waktu dalam sistem 4 5 5 3 3 3 5 3 4 5

Sehingga dari tabel 15 diperoleh operating characteristics hasil simulasi adalah: a. rata-rata panjang antrian b. rata-rata waktu antrian c. rata-rata waktu dalam sistem = 1/10 = 0,1 orang = 1/10 = 0,1 menit = 40/10 = 4 menit

E. AREA SISTEM PENERAPAN SIMULASI 1. Antrian Pada sistem antrian, ketika beberapa asumsi yang disyaratkan antrian tidak terpenuhi, sistem antrian yang komplek, pengembangan formula analitis tidak bisa dilakukan maka simulasi menjadi satu-satunya anlisis yang tersedia 2. Pengendalian Persediaan Simulasi digunakan pada pengendalian persediaan karena pada prakteknya permintaan sulit diketahui secara pasti sehingga simulasi merupakan variabel acak, yang mencerminkan ketidakpastian permintaan. 3. Produksi Pemanufakturan

Disusun oleh Doni Stiadi S.Si, MSi

11

RISET OPERASI MATERI: SIMULASI Pada area ini simulasi diterapkan sebagai analisis jadwal produksi, urutan produksi, keseimbangan lini pemasangan (atas persediaan dalam proses), susunan pabrik dan lokasi pabrik 4. Pembiayaan Simulasi digunakan untuk menentukan input dalam perhitungan tingkat pengembalian (rate of returnI) dimana infut tersebut variabel acak, seperti ukuran pasar, harga jual, tingkat pertumbuhan dan pangsa pasar. 5. Pemasaran Simulasi diterapkan untuk memastikan reaksi suatu pasar terhadap pengenalan suatu produk atau terhadap kampanye periklanan untuk produk yang sudah ada 6. Operasi Layanan Umum Operasi pelayanan umum yang semakin komplek seperti operasi departemen kepolisian, dinas kebakaran, kantor pos, rumah sakit, sistem pengadalian, bandar udara dan sistem pelayanan lainya menjadikan simulasi menjadi penting penggunaanya, untuk mengakomodasi variabel acak dalam pengoperasian dari pelayanan umum 7. Analilis Lingkungan dan Sumber Daya Metode simulasi dikembangkan untuk memastikan pengaruh dari proyek-proyek seperti pabrik tenaga nuklir, penampungan, jalan bebas hambatan, dan lingkungan sekitarnya. Dalam bidang anlisis sumber daya, model simulasi telah dikembangkan untuk mensimulasikan sistem energi dan kemungkinan adanya sumber energi.

Disusun oleh Doni Stiadi S.Si, MSi

12