KLASIFIKASI MODEL
A. PENDAHULUAN
Pendefinisian simulasi dan model sangat bergantung pada jenis model dan
simulasinya. Ada beberapa beberapa cara dalam pengklasifikasian model. Masingmasing cara mengarah ke berbagai karakteristik model yang berdampak pada teknik
solusi serta area aplikasi potensial di mana mereka dapat digunakan. Beberapa jenis
model yang tidak patut dalam keadaan tertentu, seperti model steady-state untuk
batch start-up analisis reaktor.
Karena pentingnya pemahaman dasar ini, maka setelah mempelajari bagian ini,
MAHASISWA diharapkan:
1. Mampu mendefinisikan jenis-jenis model dan simulasinya.
2. Mampu membedakan setiap model
3. Mampu memahami penggunaan jenis model
4. Mampu memilih jenis model yang sesuai dengan problem yang dipecahkan
2.
Pengertian Model
Model adalah representasi dari suatu objek, benda, atau ide-ide dalam bentuk yang
disederhanakan dari kondisi atau fenomena alam. Model berisi informasi- informasi
tentang suatu fenomena yang dibuat dengan tujuan untuk mempelajari fenomena
sistem yang sebenarnya. Model dapat merupakan tiruan dari suatu benda, sistem
2-1
atau kejadian yang sesungguhnya yang hanya berisi informasi- informasi yang
dianggap penting untuk ditelaah.
Model dari sebuah sistem adalah alat yang kita gunakan untuk menjawab pertanyaanpertanyaan tentang sistem tanpa harus melakukan percobaan. Dalam cara ini kita
menggunakan model dalam kehidupan seari- hari setiap saat. Sebagai contoh, sebuah
model dari perilaku seseorang untuk mengatakan bahwa dia orang baik.
Model ini membantu kita untuk menjawab pertanyaan bagaimana dia akan bereaksi
apabila kita bertanya padanya. Kita juga mempunyai model- model untuk sistem
teknik yang berdasarkan pada pada pengalaman dan perasaan. Kita memyebut
model ini adalah mental model. Untuk mempelajari bagaimana mengendarai sebuah
mobil, sebagai contoh, berisi sebagian dari pengembangan mental model dari sifatsifat mengemudi mobil. Gambaran operator bagaimana suatu proses industri
bereaksi pada tindakan yang berbeda adalah juga meruapakan suatu mental model
yang dikembangkan dari pelatihan dan pengalaman.
Bentuk model yang lain adalah verbal model; perilaku sistem pada kondisi yang
berbeda dideskripsikan dengan kata-kata; Apabila suku bank naik, maka tingkat
penggangguran akan naik. Tenaga ahli sistem adalah contoh dari menyusun verbal
model. Ini penting untuk memisahkan model verbal dan mental. Kita menggunakan
model mental dari dinamika sepeda ketika kita mengendarai sepeda. Ini tidaklah
mudah untuk mengkonversinya pada verbal model.
Sebagai tambahan pada model mental dan verbal adalah model yang mencoba untuk
meniru sistem. Kata model diturunkan dari bahasa latin mold (cetakan) atau
pettern (pola). Ini dapat disebut dengan physical model, seperti seorang arsitektur
dan pembuat perahu yang digunakan untuk menguji sifat-sifat estetika dan
hidrodinamika dari sistem (rumah atau perahu).
Model yang keempat yaitu mathematical models. Dimana kita menghubungkan
antara besaran (jarak, arus, aliran pengganguran dan lain sebagainya) yang dapat
kita amati pada sistem dideskripsikan sebagai hubungan matematikal dalam model.
Kebanyakan hukum- hukum alam adalah model matematika dalam hal ini. Sebagai
contoh, untuk sistem masa titik hukum Newton dari gerakan memberikan hubungan
2-2
antara gaya dan kecepatan. Untuk sistem resistor, hukum Ohm mendeskripsikan
hubungan antara arus dan tegangan.
Pengertian Simulasi
Banyak ahli yang telah mendefinisikan simulasi dengan berbagai variasinya.
Beberapa diantaranya adalah sebagai berikut:
1Emshoff dan Simun (1970), simulasi didefinisikan sebagai suatu model
sistem dimana komponennya dipresentasikan oleh proses-proses aritmatika
dan logika yang dijalankan computer untuk memperkirakan sifat-sifat
dinamis sistem tersebut.
2Shannon (1975), simulasi merupakan proses perancangan model dari sistem
nyata yang dilanjutkan dengan pelaksanaan eksperimen terhadap model
untuk mempelajari perilaku system atau evaluasi strategi.
1Banks dan Carson (1984), simulasi adalah tiruan sistem nyata yang
dikerjakan secara manual atau komputer, yang kemudian diobservasi dan
disimpulkan untuk mempelajari karakterisasi sistem.
1Hoover dan Perry (1990), simulasi merupakan proses perancangan model
matematis atau logis dari sistem nyata, melakukan eksperimen terhadap
model dengan menggunakan komputer untuk menggambarkan, menjelaskan
dan memprediksi perilaku sistem.
2Law dan Kelton (1991), simulasi didefinisikan sebagai sekumpulan metode
dan aplikasi untuk menirukan atau merepresentasikan perilaku dari suatu
sistem nyata, yang biasanya dilakukan pada komputer dengan menggunakan
perangkat lunak tertentu.
3Khosnevis (1994), simulasi merupakan proses aplikasi membangun model
dari sistem nyata atau usulan sistem, melakukan eksperime n dengan model
tersebut untuk menjelaskan perilaku sistem, mempelajari kinerja sistem atau
untuk membangun sistem baru sesuai dengan kinerja yang diinginkan.
1Harrel et al. (2000) juga mengemukakan bahwa simulasi adalah imitasi dari
sistem dinamis dengan menggunakan model komputer untuk mengevaluasi
dan meningkatkan performansi sistem.
3.
Tujuan Pemodelan
Tujuan dari studi pemodelan adalah menentukan informasi- informasi yang
dianggap penting untuk dikumpulkan, sehingga tidak ada model yang unik. Satu
sistem dapat memiliki berbagai model, bergantung pada sudut pandang dan
kepentingan pembuat model.
Erma Suryani (2006) menyatakan bahwa model simulasi merupakan alat yang cukup
fleksibel untuk memcahkan masalah yang sulit untuk dipecahkan dengan model
matematis biasa. Model simulasi sangat efektif digunakan untuk sistem yang relatif
kompleks untuk pemecahan analitis dari model tersebut.
Penggunaan simulasi akan memberikan wawasan yang lebih luas pada pihak
manajemen dalam menyelesaikan suatu masalah. Oleh karena itu manfaat yang
didapatkan dengan menggunakan metode simulasi adalah sebagai alat bagi
perancang sistem atau pembuat keputusan, dalam hal ini manajer menciptakan
sistem dengan kinerja tertentu baik dalam tahap perancangan sistem maupun tahap
operasional.
Kemampuan ini dapat dipakai oleh para peneliti untuk melakukan berbagai
pekerjaaan desain operasional yang mana juga memperhatikan bagian
terkecil dari waktu untuk kemudian dibandingkan dengan yang terdapat pada
sistem yang nyata berlaku.
1Dapat melebar-luaskan waktu (expand time)- Hal ini terlihat terutama dalam
dunia statistik di mana hasilnya diinginkan dapat tersaji dengan cepat.
Simulasi Dapat digunakan untuk menunjukkan perubahan struktur dari suatu
sistem nyata yang sebenarnya tidak dapat diteliti pada waktu yang
seharusnya. Dengan demikian simulasi dapat membantu mengubah sistem
nyata hanya dengan memasukkan sedikit data.
2Dapat mengawasi sumber-sumber yang bervariasi (Control varied Sources) Kemampuan pengawasan dalam simulasi ini tampak terutama apabila
statistik digunakan untuk meninjau hubungan antara variabel bebas dengan
variabel terkait yang merupakan faktor-faktor yang akan dibentuk dalam
percobaan. Hal ini dalam kehidupan sehari-hari merupakan suatu kegiatan
yang harus dipelajari dan ditangani dan tidak dapat diperoleh dengan cepat.
1Mengoreksi kesalahan-kesalahan perhitungan - Dalam penggunannya, pada
suatu kegiatan ataupun percobaan dapat saja mucul ketidak benaran dalam
mencatat hasil- hasilnya. Sebaliknya, dalam simulasi komputer jarang
ditemukan kesalahan perhitungan terutama bila angka-angka diambil dari
komputer secara teratur dan bebas. Komputer mempunyai kemampuan untuk
melakukan perhitungan dengan akurat.
2Dapat dihentikan dan dijalankan kembali - Simulasi komputer dapat
dihentikan untuk kepentingan peninjauan ataupun pencatatan semua keadaan
yang relevan tanpa berakibat buruk terhadap program simulasi tersebut.
Dalam dunia nyata, percobaan tidak dapat dihentikan begitu saja. Dalam
simulasi komputer, setelah dilakukan penghentian maka kemudian dapat
dengan cepat dijalankan kembali.
3Mudah diperbanyak - Dengan simulasi komputer percobaan dapat dilakukan
setiap saat dan dapat diulang-ulang. Pengulangan dilakukan terutama untuk
mengubah berbagai komponen dan variabelnya, seperti dengan perubahan
Kriteria model
Mekanistik
Empiris
Stochastic
Deterministik
Lump parameter
Variabel parameter
Linear
Non-linear
Kontinyu
Diskrit
Hybrid
Contoh: model- model inventory yang materialnya datang dan diambil pada
waktu tertentu
3. Menurut derajat ketidakpastiannya:
1. Simulasi deterministik, merupakan model yang outputnya bisa ditentukan
secara pasti.
Contoh: model-model matematis, model Economic Order Quantity.
2. Simulasi stokastik, yaitu model yang model tidak bisa ditentukan secara pasti
(mengandung ketidakpastian).
Contoh: diagram pohon keputusan.
Tipe Simulasi
1. Static versus Dynamic Simulation
Simulasi statis merupakan simulasi yang tidak berdasarkan atau dipengaruhi oleh
waktu. Simulasi statis pada umumnya mencakup proses pembuatan sampel
random untuk menggeneralisasikan hasil statistik, yang pada umunya dinamakan
simulasi Monte Carlo.
Simulasi dinamis, merupakan kebalikan dari simulasi statis yang mencakup
perubahan waktu. Simulasi dinamis mencakup perubahan status yang te rjadi
sepanjang waktu. Simulasi dinamis sangat cocok digunakan untuk menganalisa
sistem manufaktur dan jasa karena sangat dipengaruhi waktu.
2. Stochastic versus Deterministic Simulation
Simulasi dimana satu atau lebih variabel masukan bersifat inventory, secara
natural dikategorikan sebagai simulasi stokastik atau simulasi probabilistik.
Simulasi stokastik menghasilkan output yang merupakan inventory sehingga
hanya memberikan suatu pandangan data bagaimana sistem mungkin beroperasi.
2-10
Berhentinya shift.
2-11
model Black Box (kotak hitam), yang mencerminkan fakta bahwa hanya sedikit
bagian yang diketahui mekanisme proses sebenarnya.
Bentuk yang paling umum dari model yang digunakan dalam rekayasa proses adalah
kombinasi dari bagian mekanistik dan empiris. Model ini disebut Grey-Box Model
(model kotak abu-abu).
Model stokastik muncul ketika deskripsi dapat memuat unsur yang memiliki variasi
acak alami biasanya digambarkan oleh distribusi probabilitas. Karakteristik ini
sering dikaitkan dengan fenomena yang tidak describable dalam hal sebab dan
akibat melainkan dengan probabilitas atau likelihoods. Model deterministik adalah
tipe akhir model ditandai dengan jelas hubungan sebab-akibat.
Dalam kebanyakan kasus dalam rekayasa proses model yang dihasilkan memiliki
unsur-unsur dari beberapa kelas-kelas model. Dengan demikian kita bisa memiliki
model mekanistik dengan beberapa bagian stokastik untuk itu. Sebuah kejadian yang
sangat umum adalah model mekanistik yang mencakup aspek empiris seperti
ekspresi laju reaksi atau hubungan perpindahan panas.
Tipe Model
Masalah Steady-State
Masalah Dinamis
aljabar nonlinear
ODE/PDE
Stochastic
Persamaan
aljabar/differensial
Lump parameter
Persamaan aljabar
ODE
EPDE
PPDE
Linear ODE
Nonlinier
Nonlinear ODE
Kontinyu
Persamaan aljabar
ODE
Persamaan differensial
Persamaan differensial
Deterministik
Distributed parameter
Linear
Diskrit
2-13
pada tingkat tertentu dari salah satu negara seperti suhu atau konsentrasi. Ini disebut
"waktu" atau "negara" peristiwa. Sebuah model yang memiliki kedua karakteristik
disebut sistem hybrid. Ini sangat umum dalam pemodelan proses sistem.
Tidak hanya kita perlu mempertimbangkan klasifikasi model yang digunakan dalam
aplikasi PSE tetapi juga membantu untuk melihat beberapa karakteristik dari modelmodel.
H. KARAKTERISTIK MODEL
Di sini kita mempertimbangkan beberapa karakteristik kunci yang dapat
mempengaruhi pemodelan dan analisis. Model dapat dikembangkan dalam hierarki,
di mana kita dapat memiliki beberapa model untuk tugas yang berbeda atau model
dengan berbagai kompleksitas dalam hal struktur dan area aplikasi.
Model ada dengan presisi relatif, yang mempengaruhi bagaimana dan di mana kita
bisa menggunakannya. Model menyebabkan kita berpikir tentang sistem kami dan
memaksa kita untuk mempertimbangkan isu- isu kunci. Model dapat membantu
penelitian lebih lanjut langsung dan investigasi mendalam. Model yang
dikembangkan dengan biaya dalam bentuk uang dan usaha. Ini perlu
dipertimbangkan dalam aplikasi apapun.
Model selalu sempurna. Hal ini pernah dikatakan oleh George E. Box, terkenal
statistik, "Semua model yang salah, beberapa berguna"!
Model selalu memerlukan estimasi parameter konstanta dalam model seperti
konstanta laju kinetik, perpindahan panas dan koefisien perpindahan massa. Model
seringkali dapat ditransfer dari satu disiplin yang lain. Model harus menampilkan
prinsip penghematan, menampilkan sederhana membentuk untuk mencapai tujuan
yang diinginkan pemodelan. Model harus diidentifikasi dalam hal parameter internal
mereka. Model sering mungkin perlu penyederhanaan, atau reduksi model agar
menjadi alat yang berguna.
Model mungkin sulit atau tidak mungkin untuk memvalidasi memadai. Model dapat
menjadi keras dalam hal solusi numerik mereka. Kita bisa menyimpan beberapa ini
dalam pikiran ketika kita datang untuk mengembangkan model kita sendiri untuk
2-14
aplikasi tertentu. Hal ini jelas bukan masalah sepele dalam beberapa kasus. Dalam
situasi lain pengembangan model dapat bersifat langsung.
Revolusi Industri
Revolusi industri telah menyebabkan berkembangnya suatu pendekatan sistematis
untuk analisis pengolahan dan operasi dalam system manufaktur. Proses tidak lagi
sederhana namun menjadi semakin kompleks di alam sebagai dampak permintaan
produk komoditas yang semakin meningkat membutuhkan suatu level analisis yang
kompleks juga. Hal ini mendorong pengembangan analisis dengan menggunakan
simulasi. Secara khusus, perkembangan kimia awal abad kedelapan belas didorong
oleh Franco-British perang menyebabkan proses skala industri untuk pembuatan
senjata bubuk, asam sulfat, alkali serta produk makanan seperti gula dari bit gula.
Dalam perkembangan Perancis dan Inggris bersaing dalam pengembangan proses
produksi baru, dibantu oleh pengenalan tenaga uap di awal 1800-an yang sangat
meningkatkan kapasitas produksi potensial
Dalam berurusan dengan proses baru, itu perlu bagi insinyur untuk membawa untuk
menanggung pada masalah teknik yang berasal dari banyak ilmu fisika dan disiplin
ilmu teknik. Teknik-teknik analisis cepat mengakui perilaku berinteraksi kompleks
banyak kegiatan. Ini berkisar dari proses manufaktur untuk sistem komunikasi.
Kompleksitas sangat bervariasi tetapi pendekatan mengambil pandangan "sistem"
dari masalah yang memberi memperhatikan komponen dalam proses, input, output
dari sistem dan interaksi yang kompleks yang dapat terjadi karena sifat terhubung
dari proses .
Teknik Simulasi dan Pemodelan
Mahmud Achmad
peningkatan
pada
model
matematika.
Pertukaran
panas,
Abad ke-20
Setelah akhir Perang Dunia II, timbul minat dalam penerapan pendekatan rekayasa
sistem untuk proses industri, terutama di industri kimia. Pertengahan 1950-an
melihat banyak perkembangan dalam penerapan model matematika untuk operasi
unit proses rekayasa, terutama untuk pemahaman dan prediksi perilaku masingmasing unit. Hal ini terutama berlaku di bidang analisis kimia reaktor. Banyak
insinyur terkemuka, ahli matematika dan ilmuwan yang terliba t. Itu adalah periode
penerapan analisis matematis ketat untuk sistem proses yang sampai saat itu belum
dianalisa secara rinci. Namun, upaya terutama terbatas pada unit operasi tertentu dan
gagal untuk mengatasi proses sebagai "sistem".
Ini adalah awal dalam matematika analisis bertepatan dengan awal pengembangan
dan penyediaan komputer. Hal ini telah menjadi kekuatan pendorong utama dalam
pemodelan sejak itu. Beberapa individu, bagaimanapun, lebih peduli dengan proses
keseluruhan daripada rincian operasi unit individu.
Salah satu monograf awal pada PSE muncul pada tahun 1961 sebagai akibat dari
pekerjaan dalam Chemical Company Monsanto di Amerika Serikat. Hal ini ditulis
oleh T.J. Williams, yang menulis:
... sistem rekayasa memiliki kontribusi yang signifikan untuk membuat praktek dan
pengembangan teknik kimia. Penyeberangan dari hambatan antara teknik kimia
dan disiplin ilmu teknik lainnya dan penggunaan matematika canggih untuk
mempelajari mekanisme proses mendasar tidak bisa tidak berbuah.
Sangat menarik untuk dicatat bahwa aplikasi Williams sistem rekayasa mencakup
semua kegiatan dari pengembangan proses melalui desain tanaman untuk kontrol
dan operasi. Sebagian besar bekerja di Monsanto berpusat pada penggunaan teknik
kontrol maju dibantu oleh perkembangan komputer mampu melak ukan kontrol
online. Pengembagan model matematika komputer diusulkan sebagai dasar untuk
memproduksi model statistik yang dihasilkan. Model statistikberupa model regresi
2-17
dapat digunakan dalam skema kontrol dengan biaya komputasi yang relatif rendah.
Jelaslah bahwa ketergantungan signifikan ditempatkan pada pengembangan dan
penggunaan model matematika untuk unit proses pabrik.
Dalam penutup pidatonya, Williams berusaha untuk menilai peran masa depan dan
dampak dari rekayasa sistem di industri proses. Ia melihat kemungkinan sekitar 150
skala besar komputer yang digunakan dalam proses industri kimia dalam USA untuk
studi tanaman berulang optimasi, komputer ini yang langsung terhubung ke operasi
pabrik pada akhir tahun 1960-an. Dia menulis:
... 10 tahun ke depan, maka, dapat melihat sebagian dari masalah saat ini
dalam bidang ini ditaklukkan.
Dia, bagaimanapun, melihat beberapa bahaya tidak sedikit yang ... kebutuhan bagi
orang-orang yang bersimpati dalam operasi manajemen dan tanaman yang tahu dan
menghargai kekuatan metode dan perangkat yang terlibat, dan siapa yang akan
menuntut penggunaan untuk studi tanaman khusus mereka sendiri.
Era Modern
Visi T.J. Williams tidak direalisasikan dalam tahun 1960-an, tetapi langkah besar
yang dibuat di bidang pemodelan proses dan simulasi sangat jelas. Karya pada
fenomena transportasi oleh Bird et al. pada tahun 1960 memberikan dorongan lebih
lanjut untuk pemodelan matematika sistem proses melalui penggunaan prinsipprinsip dasar konservasi massa, energi dan momentum.
Periode yang sama melihat munculnya berbagai simulator komputer digital untuk
steady state dan simulasi dinamis. Ini adalah kedua alat industri dan akademis
dikembangkan. Banyak dari pelopor sistem steady state dan paket simulasi dinamis.
yang memasukkan sistem dan mengemas model untuk unit operasi dengan sedikit
kemampuan bagi pengguna untuk operasi proses model tertentu karena tidak
tercakup oleh sistem simulasi. Rutinitas numerik yang kasar dengan standar saat ini
tetapi hanya mencerminkan tahap perkembangan ya ng dicapai oleh matematika
numerik dari waktu. Efisiensi dan kekokohan solusi sering lemah dan diagnostik
untuk kejadian nyata hampir tidak ada. Ada beberapa hal yang tidak berubah (statis)!
2-18
Kata akhir Williams pada tahun 1961 volumenya layak mengulangi, ... ada prospek
cerah dalam industri kimia proses untuk system rekayasa. Satu bisa menambahkan,
... untuk industri proses secara umum dan untuk pemodelan di khususnya!
10.
SOAL LATIHAN
1. Apa langkah- langkah utama dalam membangun sebuah model dari suatu
sistem proses?
2. Apa isu-isu kunci mungkin timbul untuk setiap langkah- langkah pemodelan
keseluruhan?
3. Apa bidang utama dari PSE sering mengandalkan penggunaan model? Apa
adalah beberapa hasil dalam penggunaan model-model?
4. Bagaimana model diklasifikasikan ke dalam jenis generik? Apakah kategori
ini saling eksklusif? Jika tidak, maka menjelaskan mengapa.
5. Jelaskan perbedaan mendasar antara stokastik, empiris dan mekanismemodel anistic. Apa adalah beberapa faktor yang membuatnya lebih mudah
atau lebih sulit untuk mengembangkan model tersebut?
6. Apa adalah beberapa keuntungan dan kerugian dalam mengembangkan dan
menggunakan model empiris dibandingkan mekanistik untuk aplikasi
proses?
SOAL TERAPAN
7. Pertimbangkan area aplikasi model yang disebutkan dalam pertumbuhan.
Berikan beberapa contoh spesifik dari model yang digunakan dalam aplikasi
tersebut? Apa
manfaat
mengembangkan
dan