Pemodelan dan Simulasi Sistem (Pendahuluan)

Catatan diambil dari Simulation Modeling and Analysis by A. Law and W. Kelton, Third edition, McGraw Hill, 2000.

Apa inti mata kuliah ini?

Mata kuliah ini terutama membahas mengenai imitasi

cara kerja sistem riil dengan menggunakan program komputer. Fokus terletak pada simulasi discreteevent. Kita akan mempelajari:

Abstraksi sistem riil menjadi model Implementasi model dengan menggunakan software Perancangan eksperimen

Pemodelan sistem memerlukan pemahaman mengenai Dasar probabilitas, statistik, kalkulus dasar Kita juga akan membahas solusi model secara analitis

Topik
Pendahuluan
Prinsip Umum dan Contoh Model Statistik Model Antrian

Pembangkitan Bilangan Acak Pemodelan Input

Pembangkitan Random-Variates Analisis Data Output

Perancangan dan Analisis Eksperimen Simulasi Sistem Komputer

Buku dan software

Kuliah terutama diambil dari: Discrete-Event System Simulation (Fourth Edition), Banks, Carson, Nelson, and Nicol, Prentice-Hall, 2005.) Simulation Modeling and Analysis (Third Edition), Law and Kelton, McGraw Hill, 2000.)
Software: C/C++, Unix, CSIM simulation tool

Dasar Pemodelan dan Simulasi

Apa yang dimaksud dengan simulasi?
Kapan menggunakan simulasi? Area aplikasi simulasi Klasifikasi model Tipe simulasi Bagaimana cara mempelajari sistem?

Terminologi sistem, state, events

Tahap-tahap studi simulasi

Kelebihan, kekurangan, dan kesulitan pada

studi simulasi

Apa yang dimaksud dengan simulasi?

Simulasi merupakan imitasi cara kerja facilitas atau

proses, biasanya dengan menggunakan komputer

Fasilitas yang disimulasikan juga disebut sistem Dibuat asumsi/aproksimasi, baik secara logika dan matematika, mengenai bagaimana sistem bekerja Asumsi ini membentuk model sistem

Model memiliki banyak aplikasi dan dapat menjawab

pertanyaan seperti:

Mengapa kinerja Web di suatu tempat memburuk ketika ada yang menggunakan koneksi WiFi di dekatnya? Bagaimana jalur yang akan ditempuh oleh angin badai? Dsb.

Bagaimana cara mempelajari sistem?

Kapan simulasi digunakan?

Simulasi dapat digunakan: Untuk mempelajari sistem yang kompleks, misalnya, sistem di mana solusi analitik tidak dapat digunakan. Untuk membandingkan rancangan alternatif untuk sistem yang tidak ada. Untuk mempelajari efek pengubahan pada sistem yang sudah ada. Mengapa tidak mengganti sistem tersebut?? Untuk mengusulkan/verifikasi solusi analitik. Simulasi tidak dapat digunakan: Jika asumsi model cukup sederhana sedemikian sehingga metode matematik bisa digunakan untuk mendapatkan jawaban yang tepat (solusi analitik)

Area Aplikasi
Evaluasi rancangan dan kinerja sistem komputer

Perancangan dan analisis sistem manufaktur

Menentukan persyaratan hardware atau protokol untuk jaringan komunikasi Mempelajari algoritma penjadwalan CPU Evaluasi aturan Web caching Operasi jalur produksi

Evaluasi rancangan organisasi servis

Evaluasi sistem senjata militer atau persyaratan logistiknya.

Studi call center, restoran fast-food, rumah sakit, dan kantor pos

Perancangan dan operasi sistem transportasi seperti bandara,

jalan bebas hambatan, pelabuhan, dan kereta bawah tanah Analisis sistem keuangan atau ekonomi

Terminologi

Sistem: Sekumpulan obyek yang bekerja dan berinteraksi

bersama menuju satu akhir yang logis

Status sistem: Sekumpulan variabel dan nilainya, yang

Contoh: Menentukan jumlah kasir yang diperlukan untuk memberikan layanan ekspres pada pelanggan yang membeli 10 barang atau kurang pada suatu superstore sistem terdiri dari kasir ekspres dan pembeli dengan 10 barang atau kurang.

diperlukan untuk mengkarakterisasi sistem pada suatu waktu tertentu

Event: Perubahan status sistem

Dapat bergantung pada tujuan dan ukuran kinerja yang diinginkan SS Example: # kasir ekspres, waktu kedatangan pelanggan dengan 10 barang atau kurang. Kedatangan pelanggan, start pelayanan, dan kepergian pelanggan.

10

Klasifikasi Model

[Jain91]

Model waktu kontinu vs. waktu diskrit

Model Continuous-event vs. discrete-event Model Deterministik vs. probabilistik Model Statik vs. dynamik Model Linier vs. non-linier Model Terbuka vs. tertutup

11

Model Waktu-Kontinu dan Diskrit

Jumlah pelanggan pada antrian

Jumlah mahasiswa pada satu MK

Waktu (a) Waktu kontinu

Time (b) Waktu diskrit

12

Model Continuous-event vs. discreteevent

Jarak yang ditempuh pesawat

Jumlah pelanggan pada antrian

Waktu (a) Continuous-event

Waktu (b) Discrete-event

13

Model Deterministik dan Stokastik

Model deterministik memberikan hasil

deterministik Model Stokastik atau probabilistik terpengaruh oleh random effect

Biasanya, model ini memiliki satu atau lebih input random (misalnya, kedatangan pelanggan, waktu servis, dll.). Output model stokastik merupakan estimasi karakteristik sistem yang sebenarnya. Eksperimen harus diulang beberapa kali Harus ada kepercayaan terhadap hasil
14

Lebih banyak mengenai model

Model statik dan dinamik Model statik status sistem tidak bergantung pada waktu Model dinamik status sistem bergantung terhadap waktu Model linier dan non-linier Model linier output merupakan fungsi linier dari parameter input Model terbuka dan tertutup

(a) Model terbuka

(b) Model tertutup

15

Tipe Simulasi (1/2)

Simulasi Monte Carlo

Tidak ada elemen waktu (biasanya) Digunakan untuk evaluasi ekspresi non-probabilistik (misalnya, integral) dengan menggunakan metode probabilistik Berbagai variasi soal matematik

Simulasi Trace-driven Secara ekstensif dipakai pada evaluasi kinerja sistem komputer; misalnya, algoritma paging Kelebihan: kredibilitas, validasi yang mudah, lebih sedikit bilangan acak, beban kerja akurat Kekurangan: kompleksitas, hanya merupakan snap-shot, representatif?, satu titik validasi

16

 Simulasi

Tipe Simulasi (2/2)

Monte Carlo

Simulasi trace-driven

Simulasi discrete-event: simulasi dengan

Contoh,

menggunakan model discrete-event (disebut juga discrete-state) dari sistem

banyak digunakan untuk mempelajari sistem komputer

Simulasi continuous-event: menggunakan

model continuous-state
Contoh,

Fokus kita akan pada sistem

banyak digunakan pada studi kimia/farmasi

discrete-event.

17

Tahap Studi Simulasi

18

Kelebihan, kekurangan, dan kesulitan pada studi simulasi

Kelebihan Simulation memberikan fleksibilitas pada pemodelan sistem kompleks, sehingga model simulasi bisa sangat valid. Alternatif mudah dibandingkan Pengendalian kondisi eksperimental Dapat mempelajari sistem dengan frame waktu yang sangat lama Kerugian Simulasi stokastik hanya menghasilkan estimasi dengan noise Model simulasi mungkin mahal untuk dikembangkan Simulasi biasanya menghasilkan output dengan volume besar harus dirangkum, dan dianalisis secara statistik. Kesulitan Kegagalan untuk mengidentifikasi tujuan pada tahap awal. Tingkat detil yang tidak mencukupi (pada dua arah) Perancangan dan analisis eksperimen simulasi yang tidak mencukupi Pengajaran dan pelatihan yang tidak cukup

19