Anda di halaman 1dari 10

BAB 4 ELEMEN DAN METODA SIMULASI 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

uatu simulasi diperlukan karena beberapa sebab dalam hal ini yang berhubungan dengan !aringan antara laian ". Asumsi#asumsi diperlukan pada model analitis supaya mudah ditangani $tractable% & imple !ob scheduling 'uffer tak hingga ingle resource digunakan untuk satu !ob (iming dan sinkronisasi sederhana Macam#macam resource berbeda independent )aktu antar kedatangan dan *aktu pelayanan independen Proses kedatangan +istribusi *aktu pelayanan $pan!ang paket%

,. (idak begitu abstrak dibandingkan model analitis, shg mungkin memerlukan *aktu pengembangan lebih sedikit -. Model dp dibangun untuk level detail yg diinginkan .amun begitu simulasi mempunyai beberapa kekurangan antara lain : Model simulasi masih dp menyita *aktu )aktu eksekusi simulasi dp sangat besar

!!

Permodelan Dan Simulasi Fahraini Bacharuddin

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

imulasi adalah, secara esensial, suatu proses eksperimen yg memerlukan perencanaan yg hati#hati

4"! #ormasi $ermasalahan 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. /al#hal berikut diungkapkan dalam formulasi masalah: 0 Identifikasi keputusan dan variabel tidak dapat dikontrol 0 pesifikasi pembatas variabel keputusan 0 Mendefinisikan ukuran kiner!a sistem dan fungsi tu!uan 0 Mengembangkan model struktur a*al yang menghubungkan variabel sistem dan ukuran kiner!a 4"!"! %ariabel dan $embatas etelah mana!emen memutuskan permasalahan yang akan diselesaikan dalam modal simulasi, maka langkah selan!utnya adalah menentukan variable yang mendefinisikan sistem dan outputnya. Variabel dapat dikategorikan sebagai &ariabel e'sogenus dan endogenus" Variabel eksogenus kadang#kadang disebut !uga sebagai variabel input sedangkan variabel endogenus disebut !uag sebagai variabel output. 1 Variabel eksogenus : ada di luar sistem dan tidak terikat dengan model. 1 Variabel endogenus : ada dalam sistem dan merupakan fungsi variabel eksogenus. Variabel eksogenus terdiri dari variabel yang dapat dikontrol dan tidak dapat dikontrol. Variabel eksogenus yang dapat dikontrol dapat dimanipulasi pengambil keputusan, sedangkan variabel eksogenus yang tidak dapat dikontrol tidak dapat dimanipulasi pengambil keputusan. 2adi untuk menyelesaikan permasalahan yang dihadapi mana!emen, menggunakan model simulasi, mereka hanya dapat memanipulasi variabel eksogenus yang dapat dikontrol.

!!

Permodelan Dan Simulasi Fahraini Bacharuddin

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

Penentuan

variabel

sebagai

terkontrol

atau

tidak

tergantung

dari

kemampuan pengambil keputusan mengendalikan sumber daya. Variabel eksogenus yang dapat dikontrol kadang#kadang disebut dengan variabel keputusan. Variabel eksogenus yang tidak dapat dikontrol kadang# kadang disebut dengan parameter sistem. dalam mencapai tu!uan !uga harus umber daya yang membatasi didefinisikan dengan tepat.

Permasalahan timbul karena adanya batasan#batasan dalam sistem. 4"!"( Pengu'uran 'inerja sistem dan )ungsi tujuan 3kuran kiner!a sistem bisa lebih dari satu. Pengoptimalan salah satunya bisa saling bertentangan dengan ukuran kiner!a lainnya. Pengambil keputusan harus dapat memilih ukuran kiner!a yang paling tepat untuk tu!uan optimasi. 4"!"* Pengembangan model +etail model tergantung dari tu!uan pengembangan model dan kontribusi mar!inal penambahan detail. 4ompleksitas model ditentukan secara sub!ektif, coba#coba yang diturunkan dari perkiraan biaya mar!inal yang harus dikeluurkan untuk mendapatkan data dan relasi dalam model terhadap akurasi tambahan yang dapat diberikan. 5., Pengum$ulan Data +ata diperlukan untuk percobaan model. Verifikasi dan validasi model dapat dilakukan dengan adanya data. +alam validasi dan verifikasi, analisis mengu!i seberapa dekat model yang dibuat dapat meniru sistem aslinya dengan membandingkan output model dengan kiner!a sistem. 6utput akan diperoleh !ika simulasi di!alankan untuk data tertentu. data bisa diperoleh dengan pengamatan dan pelaporan pribadi, atau dengan membangkitkan bilangan acak !ika data historisnya sudah ada. 7ara kedua ini khususnya digunakan untuk model probabilistik. 3kuran sampel tergantung dari biaya yang bersedia dikeluarkan untuk keakuratan tertentu. 4"* Pengembangan Model Pemahaman yang baik akan sistem sebenarnya sangat diperlukan dalam membentuk model dan merupakan hal yang sulit !uga untuk dilakukan. (idak

!!

Permodelan Dan Simulasi Fahraini Bacharuddin

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

ada pendekatan yang baku dalam membentuk model. Ada dua pendekatan yang dapat kita gunakan, yaitu pendekatan aliran fisik dan perubahan status. +alam pendekatan aliran fisik, pemrosesan atau perpindahan entiti secara fisik ditun!ukkan dalam model. 4eberadaan entiti ini dilacak dalam sistem selama proses pen!alanan simulasi, untuk mengetahui entiti sedang diproses dimana dan pencabangan aturan keputusan untuk menentukan rutenya. +iagram alur entiti dan pemrosesan elemen sistemmemberikan representasi sistem darimana model dan pemrograman komputernya dikembangkan. +alam pendekatan perubahan status, kita memerlukan variabel status $termasuk dalam klasifikasi variabel endogenus% dan ke!adian. 4ita dapat bedakan model yang akan kita bangun ke dalam model konseptual, logika dan simulasi. Penggolongan ini akan memudahkan dalam membentuk model simulasinya. 1 Model konseptual : menggambarkan sistem secara konsep, dapat secara verbal atau menggunakan grafik. 1 Model logika : mener!emahkan model konseptual ke dalam bentuk suatu diagram alur atau algoritma. 1 Model simulasi : mener!emahkan model logika ke dalam program komputer 4"4 %eri)i'asi dan &alidasi Model Verifikasi dan validasi dilakukan untuk ketiga model $konseptual, logika dan simulasi%. 1 Model valid !ika ukuran outputnya sangat dekat dengan ukuran sistem nyata yang sesuai. 1 Validasi menun!ukkan seberapa akurat model memprediksi ke!adian mendatang. 1 Prediksi ke!adian masa mendatang harus didahului prediksi nilai variabel input. +alam percobaan percobaan model dan optimasi yang dianalisa adalah : 1 Analisis output : statistik 1 Analisis output : analisis terminating dan analisis keseimbangan. 1 Analisis terminating : pen!alanan model diakhiri dengan beberapa ke!adian spesifik. 1 Percobaan model : 1 desain percobaan klasik $A.6VA% 1 Metodologi respon permukaan $response surface methodology%

!!

Permodelan Dan Simulasi Fahraini Bacharuddin

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

4"+ Te'ni',Te'ni' Simulasi Adapun teknik#teknik yang ad apada simulasi adalah ". tate pace yang terdiri dari 7ontinuous space: state pada simulasi adalah kontinyu $mis. arus melalui suatu resistor% +iscrete state: state pada simulasi adalah diskrit $mis. !umlah paket dlm antrian% ,. 8vents , yang terdiri dari - 7ontinuous time: event#event sistem dp ter!adi pd sembarang *aktu $mis. kedatangan adalah Poisson% +iscrete time: event#event sistem dp ter!adi hanya pd *aktu#*aktu tertentu $mis. kedatangan merupakan 'ernoulli process% 'agaimanakah sebenarnya simulasi ber!alan, simulasi ber!alan dnegan dua cara antara lain dnegan cara : ". (ime#driven: simulasi ber!alan pd interval *aktu tertentu9fi:ed $mis. state ditentukan pada saat t, t ; t, t ; , t, &% ,. 8vent#driven: simulasi ber!alan dari event#ke#event $mis. state ditentukan pd titik *aktu dari event berikutnya% Pada simulasi !aringan biasanya menggunakan discrete state 4"- E&ents dan E)isiensi $ada simulasi uatu event adalah sembarang aktivitas dlm !aringan yg dp, secara potensial, menu!u ke perubahan state atau ke event lain yg menu!u ke perubahan state <4edatangan paket pd suatu antrian <Penyelesaian transmisi <4egagalan $failure% suatu link 3tk setiap event, simulator harus meniru operasi sistem utk & <3pdate state sistem <3pdate statistics <Menentukan event kedepan yg baru

!!

Permodelan Dan Simulasi Fahraini Bacharuddin

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

ustu simulasi mempunyai sifat antara lain : ". (ime#driven simulation harus menentukan !ika suatu event baru muncul pd setiap langkah *aktu diskrit, dan !ika suatu event telah ter!adi, proses event tsb. ,. 8vent#driven simulation hanya perlu proses event pd titik *aktu dimana suatu event ter!adi -. imulasi event#driven dp secara substansial lebih efisien secara komputasi dibandingkan dg simulasi time#driven 4". /ontoh Sederhana Misalnya sebuah simulasi dari sistem antrian tunggal. Mungkin tdk dp ditangani secara analitis $mis,. 4rn trafik, *aktu pelayanan dan9atau *aktu pelayanan% . Adapun yang perlu diperhatikan di sini : tate sistem adalah !umlah dlm sistem, .$t%

3kuran performansi adalah *aktu rata#rata pelanggan dlm sistem dan !umlah rata#rata pelanggan dlm sistem

+ari simulasi tersebut dapat disimpulkan tate sistem dp disimulasikan berdasarkan pd *aktu antar kedatangan dan *aktu pelayanan )aktu antar kedatangan dan *aktu pelayanan dp berharga sembarang 3rutan pelayanan dp lain selain FIF6 (dk dibatasi pd kedatangan Poisson dan *aktu pelayanan eksponensial atau asumsi serupa utk model analitis Adapun event pada simulasi ini adalah <4edatangan <4epergian $penyelesaian pelayanan% State Sistem di sini adalah

!!

Permodelan Dan Simulasi Fahraini Bacharuddin

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

tate sistem sbg fungsi *aktu &

U'uran Per)ormansi 0ang diu'ur di sini adalah ". 2umlah rata#rata dlm sistem adalah *aktu rata#rata dari .$t% ,. Area dari t = > ke t = ( dibagi dg (

)aktu rata#rata dlm sistem Area dari t = > sampai t = ( dibagi dg n, !umlah total pelanggan

!!

Permodelan Dan Simulasi Fahraini Bacharuddin

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

7ontoh algoritma

!!

Permodelan Dan Simulasi Fahraini Bacharuddin

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

Dari sistem di atas1 0ang menjadi issue im$lementasi adalah ". )aktu antar kedatangan dan *aktu pelayanan ,. Pseudo#random number generator -. .e:t event ?ueue 5. /arus efisien dlm hal ukuran dan *aktu pencarian @. +iurut shg event berikutnya mudah diidentifikasi A. (ergantung pd berbagai usulan utk struktur data yg efisien B. )aktu a*al dan akhir C. (ambahan statistik kadang diinginkan 4arena mengakses sistem maka diperlukan Pseudo,2andom Number 3eneration 0ang ber)ungsi4 +eretan angka pseudo#random digunakan utk menentukan kelakuan Dstochastic dari sistem, spt .. )aktu antar kedatangan )aktu pelayanan Eevel prioritas Fouting Packet loss 'it 8rror Eink failure

!!

Permodelan Dan Simulasi Fahraini Bacharuddin

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

Algoritman pseudo#random number generation yg umum membangkitkan uniform random variables, asumsi dlm interval G>, "% yakni 3G>,"% .4adang menginginkan distribusi lain F$s%, mis. 'inomial atau 8ksponensial ,Perlu menggunakan inverse function utk menentukan F$s% diberikan 3G>,"%

!!

10

Permodelan Dan Simulasi Fahraini Bacharuddin

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana