Permodelan Sistem Dan Simulasi Indistri

Ir Silvi Ariyanti, M.Sc.

Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana
12
1

PEMODELAN SISTEM DAN SIMULASI INDUSTRI
MODUL 7
PARAMETERISASI MODEL



DOSEN
Ir. Silvi Ariyanti, M.Sc













JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS MERCU BUANA


Permodelan Sistem Dan Simulasi Indistri
Ir Silvi Ariyanti, M.Sc.
Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana
12
2

PEMODELAN SISTEM DAN SIMULASI INDUSTRI

MODUL 7
PARAMETERISASI MODEL

A. TUJUAN INTRUKSIONAL
1. Memahami parameterisasi model
2. Memahami kegunaan analisa statistic dalam simulasi model

B. MATERI PEMBAHASAN
1 Pendahuluan parameterisasi model
2 Deterministik dan Stokastik
3 Probabilistik dan Statistik Simulasi
4 Konsep dasar statistic
5 Distribusi Sampling
6 Interval Kepercayaan
7 Ukuran sample
8 Kriteria Performansi Peramalan















Permodelan Sistem Dan Simulasi Indistri
Ir Silvi Ariyanti, M.Sc.
Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana
12
3

MODUL 7
PARAMETERISASI MODEL

Pendahuluan
Suatu model atau formula terdiri atas 3 besaran yaitu:
- Variabel
- Konstanta
- Parameter

Variabel adalah besaran yang berubah ubah dalam domain tertentu atau sering dikatakan sebagai
lambang yang mewakili unsur disuatu himpunan dari suatu atribut sistem.

Konstanta adalah besaran yang domainnya hanya satu atau lambang yang mewakili unsur disuatu
himpunan berunsur tunggal.

Parameter adalah atribut unik khas dari suatu obyek atau populasi yang nilainya konstan.
Parameter ditentukan oleh besarnya pengaruh lingkungan sistem dan biasanya disebut variabel
tidak terkendali.

Contoh: Suatu pasar swalayan dapat dipandang sebagai suatu sistem yang terdiri dari 3 obyek
yaitu: pelanggan, kaunter keluar dan barang-barang yang diperjual belikan. Variabel adalah
jumlah pelanggan didalam pasar, jumlah pelanggan yang menunggu di kaunter, jumlah barang-
barang yang dibeli oleh pelanggan. Terdapat 2 parameter yaitu harga tiap-tiap barang dan
banyaknya kaunter

Permasalahan mencari nilai yang paling tepat disebut estimasi parameter. Terdapat beberapa
pendekatan dalam estimasi parameter tergantung pada sifat tersamar rumusan matematika model
apakah deterministik atau stokastik.



Permodelan Sistem Dan Simulasi Indistri
Ir Silvi Ariyanti, M.Sc.
Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana
12
4

Permodelan sistem deterministik yaitu sistem yang ketidakpastiannya tidak signifikan. Bila
ketidakpastiannya menjadi ciri sistem yang signifikan maka karakteristik sistem dirancang dalam
kerangka stokastik.

Adapun metode parameter model dapat ditempuh dengan cara:
1. Metode obyektif terdiri dari:
a. Statitik
b. Standart, mengacu pada katalog-katalog atau sertifikasi yang baku.
Contoh: ISO, DIN, SII, JIS dll.
2. Metode subyektif
Metode ini mengacu pada pendapat pakar (expert) pengamat (reader) atau pengambil
keputusan (decision maker)
Contoh: Metode delphi, Proses Hirarki Analisis (AHP) dll.
3. Metode Kombinasi
Gabungan antara obyektif dan subyektif.

Notasi
Notasi adalah parameter model yang tidak diketahui yang akan diestimasi. Notasi dapat
berupa skalar atau vektor.
Estimasi
Suatu rencana atau pola untuk mengestimasi parameter disebut estimator (penduga) dan
nilai yang didapatkan disebut nilai estimasi (dugaan)
Data sistem
Data sistem diperoleh melalui pengamatan nilai variabel input dan output pada kasus
sistem statis dan dan melalui data waktu yang lalu pada kasus sistem dinamis.

Deterministik dan Stokastik\
Dalam sistem deterministik tidak terdapat ketidakpastian. Dalam kasus ini parameter model yang
dapat diperoleh dengan menggunakan panjang/jumlah data yang relatif kecil dan estimasinya
adalah deterministik.


Permodelan Sistem Dan Simulasi Indistri
Ir Silvi Ariyanti, M.Sc.
Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana
12
5

Dalam sitem stokastik, variabel sistem berubah dalam suatu cara atau pola yang tidak dapat di
perkirakan. Ini dapat dicirikan baik melalui fungsi distribusi peluang.

Probabilistik dan Statistik Simulasi
Probabilistik
Ketidakpastian input dapat mebentuk distribusi probabilitas. Beberapa ketidakpastian input
antara lain:
1. Jumlah penjualan dimasa mendatang
2. Rata-rata pertumbuhan
3. Faktor-faktor inflasi
4. Waktu job datang.

Penggunaan statistik dapat membantu kita dalam beberapa hal seperti:
1. Penentuan ukuran sampel
2. Penentu jumlah trial yang tidak diperlukan
3. Analisa output hasil simulasi
4. Validasi output model.

Konsep dasar statistic
Beberapa parameter yang diukur diantaranya:
1. Mean

Dimana: = rata-rata
N= Jumlah
Xi=Hasil output
2. Variansi

Dimana:
2
= rata-rata


Permodelan Sistem Dan Simulasi Indistri
Ir Silvi Ariyanti, M.Sc.
Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana
12
6

N = Jumlah observasi
X
i
= Hasil output
3. Standart deviasi:

4. Korelasi
4. Korelasi
Koefisienkorelasi memiliki range -1 s.d +1
- Korelasi = 0 dua variabel tidak berhubungan
- Korelasi = 1 dua variabel hubungan
- Korelasi = -1 dua variabel memiliki hubungan yang berlawanan

Distribusi Sampling
Untuk menentukan jenis probabilistik yang tepat pada jumlah trial tertentu. Makin besar ukuran sampel,
distribusi variasi sample akan berkurang. Ini menunjukkan bahwa estimasi trial yang besar akan
membentuk hasil yang lebih akurat. Pengukuran variasi sample ni disebut standart error rata-rata.
Standart error rata-rata=
Dimana: = standart deviasi
n= ukuran sampel
Menurut teorema central limit jika ukuran sampel cukup besar, maka distribusi sample akan
cenderung normal

Interval Kepercayaan
Interval kepercayaan merupakan estimasi nilai interval yang tercapai akan terjadi. Biasanya
berkisar 90%, 95% s/d 99%. merupakan proporsi sampel mean diluar interval kepercayaan dan
nilai z(/2). Misal
Interval kepercayaan 90%
=10%=0,1
/2=0,05
z(1-/2)=z(1-0,05)=Z
0,95
=1,645


Permodelan Sistem Dan Simulasi Indistri
Ir Silvi Ariyanti, M.Sc.
Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana
12
7

Interval kepercayaan 95%
=5%=0,05
/2=0,025
z(1-/2)=z(1-0,025)=Z
0,975
=1,96

Ukuran sample
Jumlah trial menentukan kualitas hasil. Makin besar jumlah trial makin akurat hasilnya. Misal
dari hasil simulasi didapat standart deviasi =65,88 dan jumlah trial=100x maka standart
error=/n=65,88/100=6,588. dengan menggunakan interval kepercayaan 95% maka
z(/2)=z(1-/2)=z(1-0,05/2)=Z
0,975
=1,96.
Mean profit sebenarnya=Xz(/2)(/n)
Misal x=259.8 makan mean profit sebenarnya=259.81.96(6.588)=248.67 atau 270.93. Jumlah
pengulangan yang diperlukan dapat dicari dengan menggunakan rumus:
n=(z(/2))
2
x
2

A
2

=1151,2=1152 trial.
Contoh model matematik sistem deterministic

Teknik Peramalan Time Series
Konstan

Regresi linier





Metode Quadratic (1)
Model ini menggunakan data yang secara random berfluktuasi membentuk
kurva quadratic.
Rumus untuk model quadratic:
^ ^ ^
( )
D a a
d
t
n
t
t
n
= =
=

1
^ ^ ^
^ ^
( )
. ( ) ( ) ( )
( )
D a bt
b
t
t
a
t
N t d t d t t
N
t
N
d t
N
t
N
t
N
t
N
t
N
t
N
= +
=

=
=
= = =
=
=

1 1 1
2
2
1
1
1

.... , 3 , 2 , 1 ) ( '
2
= + + = t ct bt a t d


Permodelan Sistem Dan Simulasi Indistri
Ir Silvi Ariyanti, M.Sc.
Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana
12
8


















Dimana:
Y=dt : Data permintaan

Kriteria Performansi Peramalan
Standard error of estimate (SEE)


dimana:
f = derajat kebebasan
1 : untuk data konstan
2 : untuk data linier
3 : untuk data kuadratis

2
o |
uo o

= b

= =
|
.
|

\
|
=
n
t
n
t
t n t
1
4
2
1
2

= = =
=
n
t
n
t
n
t
t tY n t Y t
1 1 1
) ( ) ( o

= = =
=
n
t
n
t
n
t
t Y t n t Y t
1
2
1 1
2
) ( ) ( u

= = =
=
n
t
n
t
n
t
t n t t
1
3
1 1
2
o

= =
|
.
|

\
|
=
n
t
n
t
t n t
1
2
2
1
|

o u ) )( (b
c

=
n
t
c
n
t
b
n
t Y
a
n
t
n
t
n
t

= = =
=
1
2
1 1
) (
SEE
t t
n f
d D
t
n
=

=
2
1
(
'
)
( )


Permodelan Sistem Dan Simulasi Indistri
Ir Silvi Ariyanti, M.Sc.
Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana
12
9

Contoh Model Matematika Sistem StocastikSebuah gambaran diambil contoh sebuah perusahaan
yang dihadapkan keputusan tentang membeli atau menyewa peralatan. Biaya untuk membeli
peralatan Rp 10.000.000,- tetapi perusahaan dapat menyewa dengan biaya Rp 3.000.000,-.
Manjerial memperkirakan bahwa kemunduran kemakmuran ekonomi sebesar 40% dibanding
60% kemungkinan stabilitas ekonomi selama ekonomi periode keputusan. Akuntansi perusahaan
telah menyiapkan tabel bersyarat sebagai berikut:
Kejadian Probabilitas Keputusan
Membeli Menyewa
Kemakmuran
Stabilitas
0,40
0,60
Rp. 30.000.000
Rp 18.000.000
Rp 25.000.000
Rp 10.000.000

Kedua hasil keputusan dapat ditentukan oleh expected valutanya. Expected keputusan membeli
adalah:
(0,40(30.000.000)+(0,60(18.000.000)-10.000.000= Rp 12.800.000
Dengan cara yang sama expected value keputusan menyewa adalah:
(0,40(25.000.000)+(0,60(10.000.000)-3.000.000= Rp 13.000.000
Dengan perkiraan keuntungan dari keputusan menyewa lebih besar, keputusan optimal adalah
meyewa peralatan

TUGAS
Bulan t d
t

Jan 1 90
Feb 2 111
Mar 3 99
Apr 4 89
Mei 5 87
Jun 6 84
Jul 7 104
Aug 8 102


Permodelan Sistem Dan Simulasi Indistri
Ir Silvi Ariyanti, M.Sc.
Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana
12
10

Sep 9 95
Okt 10 114
Nov 11 103
Des 12 113
- Buatlah diagram pencar
- Hitung fungsi parameter peramalan
- Hitung SEE
- Pilih metode yang paling mendekati untuk digunakan dalam peramalan bulan berikutnya.