Anda di halaman 1dari 15

TUGAS I SIMULASI SISTEM INDUSTRI

TUGAS
DIBUAT

UNTUK MEMENUHI MATA KULIAH SIMULASI KOMPUTER

DOSEN PENGAMPU:

GOENAWAN TRIDJOKO PRIJONO, IR. MT


DISUSUN
OLEH

MARWAH TIFFANI (080411012)

PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK

UNIVERSITAS MUHAMMADIYAH CIREBON 2011

A. Prinsip Modeling dan Simulasi

S
(i) (ii)

imulasi dan Modeling merupakan satu bahasan dengan cakupan yang sangat luas dan bersinggungan dengan banyak disiplin ilmu. Adapun simulasi dan modelling banyak membahas masalah-masalah yang :

Sangat sulit diselesaikan dengan cara analisis, misalnya pada permasalahan dynamic programming, yaitu untuk menghitung nilai maksimum fungsi fungsi transendental dengan banyak variabel bebas, atau pada permasalahan rangkaian listrik yang melibatkan banyak komponen elektrik. Memiliki ukuran data dan kompleksitas yang tinggi sehingga tidak dapat ditemukan penyelesaian yang pasti seperti pada beberapa permasalahan permutasional dan kombinasional pada masalah TSP (travelling salesman problem), penugasan, atau penjadwalan

(iii)

Sangat sulit diimplementasikan secara langsung karena perlu biaya yang sangat besar seperti permasalahan yang terjadi di bidang telekomunikasi dalam optimasi RBS (radio base station) atau optimasi pengaturan saluran (channel assignment). Pada dasarnya, simulasi dan modelling banyak dipakai untuk persoalan dynamic

programming yang kadang bersifat stokastik, seperti model antrian yang merupakan model khusus dan banyak dibahas. Simulasi dan modelling terdiri dari tahapan identifikasi masalah, pembentukan model matematika, dan analisis matematika (numerik)untuk mendapatkan bentuk komputasi yang paling sederhana. Ketiganya membutuhkan kemampuan matematika yang memadai. Pada pendekatan simulasi, untuk menyelesaikan berbagai persoalan yang rumit akan lebih mudah bila dimulai dengan membangun model percobaan pada suatu sistem. Tiga unsur penting dalam pemodelan simulasi, yaitu System, Entities, dan Attributes.

System 1. Rumah Sakit

Entities Unit barak untuk pasien orang sakit

Attributes o Jumlah tempat tidur o Jumlah ruang-ruang o Jumlah peralatan dll o Jumlah Klinik

Unit unit di luar barak pasien o Jumlah Ruang-ruang o Dll Unit-unit X Ray o Jumlah mesin-mesin o X-ray/Rontgen o Jumlah mesin-mesin bantuan Dokter-dokter o Jumlah dokter umum o Jumlah dokter spesialis o Jumlah dokter gigi Perawat-perawat o Jumlah perawat-perawat pria dan wanita o Ketrampilan/shell 1. Mobil untuk bergerak Pengemudi o kekhususan o Umur supir o Jenis kelamin o Gaji/honorer, dll Bentuk o Sedan o Station Warga

mobil

yang

dikemudikan

o Jeep, dll

B. Keuntungan Simulasi
Beberapa keuntungan yang bisa diperoleh dengan memanfaatkan simulasi : 1. Compress Time ( Menghemat Waktu) Kemampuan dalam menghemat waktu dapat dilihat dari pekerjaan yang bila dikerjakan akan memakan waktu ahunan tetapi kemudian dapat simulasikan hanya dalam beberapa menit, bahkan dalam beberapa kasus hanya dalam hitungan detik. Kemampuan ini dapat dipakai oleh para peneliti untuk memperhatikan bagian terkecil dari waktu ke waktu untuk kemudian dibandingkan dengan yang terdapat pada sistem yang nyata berlaku. 2. Expand Time (Dapat Melebar-luaskan Waktu) Dapat terlihat treutama dalam dunia statistik dimana hasilnya diinginkan dapat terdaji dengan cepat. Simulasi dapat digunakan untuk menunjukan perubahan struktur dari suatu sistem nyata (Real System) yang sebenarya tidak dapat diteliti pada waktu yang seharusnya (Real Time). Simulasi dapat membantu mengubah Real System hanya dengan memasukkan sedikit data. 3. Control Sources of Variation (Dapat Mengawasi Sumber-sumber yang Bervariasi) Kemampuan pengawasan dalam simulasi dalam simulasi tampak terutama saat analisa statistik digunakan untuk meninjau hubungan antara variabel bebas (independent) dengan variabel terkait (dependent) yang merupakan faktor-faktor yang akan dibentuk dalam percobaan. Dalam simulasi pengambilan data dan pengolahan pada komputer, ada beberapa sumber yang dapat dihilangkan atau sengaja ditiadakan. 4. Error in Meassurement Correction (Mengoreksi Kesalahan-kesalahan

Perhitungan) Dalam prakteknya, pada suatu kegiatan ataupun percobaan dapat saja muncul ketidakbenaran 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 perhitunga secara akurat.

5. Stop Simulation and Restart (Dapat Dihentikan dan Dijalankan Kembali) Simulasi komputer dapat dihentikan untuk peninjauan ataupun pencatatan semua kejadian yang relevan tanpa berakibat buruk terhadap program simulasi tersebut. Dalam dunia nyata, percobaan tidak dapat dihentikan begitu saja. Setelah dilakukan penghentian maka kemudian dapat dengan cepat dijalankan kembali (restart). 6. Easy to Replicate (Mudah Diperbanyak) Dengan simulasi komputer percobaan dapat dilakukan setiap saat dan diulang-ulang. Pengulangan dilakukan terutama untuk mengubah berbagai komponen dan variabelnya. Seperti perubahan pada parameternya. Perubahan pada kondisi operasinya, ataupun dengan memperbanyak output.

Kekurangan Simulasi
1. Simulasi tidak akurat. Teknik ini bukan proses optimisasi dan tidak menghasilkan sebuah jawaban tetapi hanya menghasilkan sekumpulan output dari sistem pada berbagai kondisi yang berbeda. Dalam banyak kasus, ketelitiannya sulit diukur.
2.

Model simulasi yang baik bisa jadi sangat mahal, bahkan sering dibutuhkan waktu bertahun-tahun untuk mengembangkan model yang sesuai.

3. Tidak semua situasi dapat dievaluasi dengan simulasi. Hanya situasi yang mengandung ketidak-pastian yang dapat dievaluasi dengan simulasi. Karena tanpa komponen acak semua eksperimen simulasi akan menghasilkan jawaban yang sama.
4.

Simulasi menghasilkan cara untuk mengevaluasi solusi, bukan menghasilkan cara untuk memecahkan masalah. Jadi sebelumnya perlu diketahui dulu solusi atau pendekatan solusi yang akan diuji.

C. Ruang Lingkup

Konsep dan teknik analisis sistem semula dikembangkan oleh para ahli militer untuk keperluan mengeksplorasi dan mengkaji keseluruhan implikasi yang diakibatkan oleh alternatif-alternatif strategi militer. Pendekatan ini merupakan suatu strategi penelitian yang luas dan sistematik untuk menyelesaikan suatu problem penelitian yang kom-pleks. Obyek penelitian biasanya merupakan suatu sistem dengan kerumitan-kerumitan yang sangat kompleks sehingga memerlukan pengabstraksian. Dalam hubungan inilah dikenal istilah "model dan pemodelan". Istilah pemodelan adalah terjemahan bebas dari istilah "modelling". Untuk menghindari berbagai pengertian atau penafsiran yang berbeda-beda, maka istilah "pemodel-an" dapat diartikan sebagai suatu rangkaian aktivitas pem-buatan model. Sebagai landasan untuk lebih memahami pengertian pemodelan maka diperlukan secara spesifik ditinjau dari pendekatan sistem. Dalam konteks terminologi penelitian operasional (operation research), secara umum model didefinisikan sebagai suatu perwakilan atau abstraksi dari suatu obyek atau situasi aktual. Model melukiskan hubungan-hubungan langsung dan tidak langsung serta kaitan timbalbalik dalam terminologi sebab akibat. Oleh karena suatu model adalah abstraksi dari realita, maka pada wujudnya lebih sederhana dibandingkan dengan realita yang diwakilinya . Model dapat disebut lengkap apabila dapat mewakili berbagai aspek dari realita yang sedang dikaji. Salah satu syarat pokok untuk mengembangkan model adalah menemukan peubah-peubah apa yang penting dan tepat. Penemuan peubah-peubah ini sangat erat hubungannya dengan pengkajian hubungan-hubungan yang terdapat di antara peubah-peubah. Teknik kuantitatif seperti persamaan re-gresi dan simulasi digunakan untuk mempelajari keterkaitan antar peubah dalam sebuah model. Memang dimungkinkan untuk dapat merancang-bangun dengan baik berbagai model sistem tanpa matematik, dan /atau mengetahui matematika tanpa analisis sistem. Namun demikian, perumusan mate-matika yang terpilih dapat mempermudah pengkajian sistem, yang pada umumnya merupakan suatu kompleksitas. Sifat universalitas dari matematik dan notasinotasinya akan memperlancar komunikasi dan transfer metode yang dikembangkan di suatu negara atau bidang ilmu tertentu ke bidang lainnya. Kebanyakan para pengguna analisis sistem menjumpai kesukaran untuk suatu penelaahan tentang "model"

mengimplementasikan notasi-notasi matematika ke dalam format konsepsi disiplin ilmunya . Mereka kemudian memilih alternatif pembuatan model konsepsi (conceptual model) yang

sifatnya informal karena terasa lebih mudah.

Bagaimanapun juga, para ahli sistem

berpendapat bahwa keuntungan lebih besar dibandingkan dengan biaya yang diperlukan dalam megkaji permasalahan penelitian secara matematis. Hal ini disebabkan adanya daya guna yang berlipat ganda pada proses rancang bangun dan analisis dalam bentuk bahasa matematika yang sangat penting dalam teori ekonomi, keteknikan, ilmu alam hingga ilmuilmu sosial. Meskipun teknik-tekniknya sangat beragam dan filosofinya masih dipandang kontraversi namun ide dasarnya adalah sederhana yaitu menjabarkan keterkaitan-keterkaitan yang ada dalam dunia nyata menjadi operasi-operasi matematis.

D. Pembahasan Materi
Teori-teori mengenai proses stokastik sebagai dasar modelling dan teknik teknik simulasi yang banyak digunakan dalam menyelesaikan permasalahan simulasi beserta dasar teori yang cukup sebagai bekal untuk mengembangkan model yang baik. (1) Bilangan Acak (2) Monte Carlo (3) Simulated Annealing (4) Model Epidemik (5) Cellular Automata

E. Jenis Simulasi

1.

Monte Carlo Dikembangkan oleh John von Neumann pada waktu Perang Dunia II. Digunakan oleh sistem yang menunjukkan kemungkinan pada perilakunya, misalnya antrian.

Berdasarkan atas penggunaan bilangan acak (random number). Digunakan untuk mengestimasi distribusi hasil yang bergantung pada input probabilistik (misalnya keuntungan bisnis; durasi proyek; rencana pensiun, dll.).

2.

Operational Gaming Digunakan untuk mensimulasi dua atau lebih pemain yang berkompetisi (misalnya wargame); dikembangkan oleh Booz, Allen & Hamilton; diimplementasikan dengan manusia sebagai pemain dan komputer menyediakan lingkungannya.

3.

Systems simulation: Digunakan untuk mensimulasi sistem-sistem besar, seperti ekonomi nasional, perusahaan, dll. Diimplementasikan dengan mengintegrasikan beberapa/banyak simulasi yang lebih kecil dari subsistem-subsistem. Misalnya, sub-simulasi untuk kondisi cuaca, kondisi ekonomi, perkembangan teknologi, dll.

F. Karakteristik Model Matematika

Proses pemodelan mencakup pemilihan karakteristik dari perwakilan abstrak yang paling tepat bagi situasi yang sedang dikaji . Pada umumnya model matematika dapat diklasifikasikan menjadi dua bagian, yaitu model statik dan model dinamik. Model statik memberikan informasi tentang peubah-peubah model hanya pada titik tunggal dari waktu. Sedangkan model dinamik mampu menelusuri jalur waktu dari peubah-peubah model. Model dinamik lebih sulit dan mahal pembuatannya, namun mempunyai kekuatan yang lebih hebat untuk analisis dunia nyata.

Klasifikasi lain tergantung apakah model abstrak tersebut meng-gunakan pandangan mikro atau makro. Model mikro bertujuan untuk mempernyatakan suatu unit individu yang ada pada dunia nyata, sebagai contoh sebuah mobil pada aliran transportasi atau seorang pembeli pada antrian pasar. Pada model makro, unit individu kehilangan identitasnya karena peubah model secara khas dikaitkan dengan agregat dari unit sistem. Contoh dari pandangan makro adalah peubah pada aliran listrik,

kecepatan aliran mobil pada jalan raya dan aliran bahan dan pelayanan pada struktur ekonomi. Ditinjau dari cara klasifikasinya maka model abstrak dapat dikelompokkan menjadi: (i) mikro-statik, (ii) makro-statik, (iii) mikro-dinamis, dan (iv) makro-dinamis. Penggunaan model- model ini tergantung pada tujuan pengkajian sistem dan terlihat jelas pada formulasi permasalahan pada tahap evaluasi kelayakan.

Sifat model juga tergantung pada teknik pemodelan yang digunakan. Model yang mendasarkan pada teknik peluang dan memperhitungkan adanya ketidak pastian (uncertainty) disebut model probabilistik atau model stokastik. Pada ilmu sistem model ini sering digunakan karena masalah yang dikaji pada umumnya megandung keputusan yang mengandung ketidak-menentuan. Lawan dari model ini adalah model kuantitatif yang tidak mempertimbangkan peluang kejadian, dikenal sebagai model deterministik. Contohnya adalah model pada "program linear". Model ini memusatkan penelaahannya pada faktor-faktor kritis yang diasumsikan mempunyai nilai yang eksak dan tertentu pada waktu yang spesifik. Sedangkan model probabilistik biasanya mengkaji ulang data atau informasi yang terdahulu untuk menduga peluang kejadian tersebut pada keadaan sekarang atau yang akan datang dengan asumsi terdapat relevansi pada jalur waktu.

Dalam hal-hal tertentu, sebuah model dibuat hanya untuk semacam deskripsi matematik dari kondisi dunia nyata. Model ini disebut model deskriptif dan banyak dipakai untuk mempermudah penelaahan suatu permasalahan. Model ini dapat diselesaikan secara eksak serta mampu mengevaluasi hasilnya dari berbagai pilihan data input. Apabila model digunakan untuk memperbandingkan antar alternatif, maka model disebut model optimalisasi. Solusi dari model ini merupakan nilai optimum yang tergantung pada kriteria input yang digunakan. Sebagai teladan adalah "Program Dinamik dan Goal Programming"; sedangkan model deskriptif yang hanya memper-nyatakan pilihan peubah adalah persamaan regresi multi-variate.

Apabila sistem telah diekspresikan dalam bentuk no-tasi matematika dan format persamaan, maka timbullah keuntungan yang berasal dari kapasitas manipulatif dari matematik. Seorang analis dapat memasukkan nilai-nilai yang berbeda-beda ke dalam model matematika dan kemudian mempelajari perilaku sistem tersebut. Pada

pengkajian ma-salah-masalah tertentu, uji sensitifitas dari sistem dilakukan dengan pengubahan peubah-peubah sistem itu sendiri.

Bahasa simbolik juga sangat membantu dalam komunikasi karena pernyataannya yang singkat dan jelas dibandingkan dengan deskripsi lisan. Penggunaan format matematika membuat penjelasan lebih komprehensif dan seringkali mampu mengungkapkan hubungan-hubungan yang tidak dapattercermin pada deskripsi lisan dari suatu sistem. Dengan demikian dapat dikatakan bahwa pemodelan sistem (System adalah pembentukan rangkaian logika untuk menggambarkan Modelling)

karakteristik sistem tersebut dalam format matematis. Oleh karena itu, proses ini sering disebut juga pemodelan abstrak (abstract modelling) karena hasilnya adalah gugus persamaan-persamaan yang saling berkaitan secara fungsional. Pada beberapa jenis sistem, proses pemodelan abstrak ini lebih mudah pengerjaannya, seperti model biofisik dan keteknikan.

G. Bahasa Simulasi
Pemrograman model simulasi, seperti yang disebutkan sebelumnya, dapat dilakukan menggunakan bahasa umum komputer (general purposes language) atau menggunakan bahasa simulasi. Pada bagian ini kita akan mempelajari beberapa bahasa simulasi, melihat dan memahami kelebihan dan kekurangan dari masing-masingnya, sehingga kita melakukan pemilihan yang tepat saat kita perlu menggunakan bahasa simulasi. Satu bahasa simulasi tidak dapat menjadi alat yang tepat untuk semua kasus permodelan simulasi. Pembahasan pada bagian ini akan kita mulai dengan mempelajari anatomi bahasa simulasi; lalu dilanjutkan dengan penjelasan berbagai bahasa simulasi lengkap dengan kelebihan dan kelemahannya. ANATOMI BAHASA SIMULASI BAHASA SIMULASI : AWAL MULA Kesuksesan analisis simulasi merupakan teknik campuran yang sangat tergantung pada keahlian dan keahlian analis. Elemen dan struktur bahasa komputer umum seperti Pascal atau FORTRAN, sorce codenya tidak dengan mudah dapat digunakan untuk memodelkan simulasi sistem. Msialnya, bahasa itu tidak menyediakan struktur data yang enak digunakan untuk pemrosesan kejadian, sementara hal ini merupakan elemen logis yang sangat penting

dalam permodelan simulasi. Tidak ada perintah dalam FORTRAN misalnya yang dengan jelas menambah atau mengurangi antrian nasabah atau objek lainnya. Tidak ada perintah dalam FORTRAN yang mengakumulasikan jumlah objek dalam antrian dan menghitung ratarata untuk menyediakan output statistik penting. Variabel waktu lanjt, yang penting dalam penjalanan model simulasi, juga tidak dapat ditemukan pada FORTRAN dan bahasa pemrograman umum lainnya. Untuk memenuhi fungsi-fungsi di atas dan hal-hal penting lainnya dalam struktur model program komputer, kode pemrograman yang ekstensif, kompleks dan sulit didebug harus dibuat. Motivasi mengembangkan dan menggunakan bahasa simulasi berasal dari keinginan untuk mempersingkat waktu yagn dibutuhkan untuk mengembangkan mdoel valid yang relatif mudah didebug pengambilan keputusan. Bahasa simulasi pertama yang dihasilkan untuk tujuan itu adalah GPSS (General Purpose Simulation System) yang dikembangkan oleh Geoffrey Gordon dan dipublikasikan pertama sekali tahun 1961. bahasa ini telah berevolusi dalam beberapa versi, yang pada umumnya dikembangkan ole IBM. Pengembangan terpisah versi GPSS, GPSS/H memungkinkan debugging kode interaktif. Akhir-akhir ini, GPSS tersedia pada umumnya untuk mainframe dan minikomputer, dan ada 2 versi untuk mikrokomputer IBM. Elemen GPSS dieknal mempunyai derajat isomorfis tinggi dengan elemen sistem diskrit. GPSS diikuti dengan munculnya SIMSCRIPT tahun 1963, dikembangkan oleh perusahaan RAND. Bahasa ini memiliki kemampuan untuk permodelan sistem yang lebih kompleks. Untuk melakukan fungsi ini, elemen bahasa kurang jelas dihubungkan dengan dunia nyata. Penggunaan himpunan, kejadian, proses dan sumber daya menggambarkan secara utama pada struktur dan operasi program SIMSCRIPT. Bahasa-bahasa pionir ini tidak lama diikuti pengemabngan bahasa-bahasa simulasi khusus lainnya dan jumlahnya sudah sangat banyak sampai saat ini. dan yang meneydiakan output statistik yang dibutuhkan dalam

S T R U K T U R B A H A S A S IM U L A S I

Kiviat mendefinisikan struktur statis bahasa simulasi terdiri dari 3, yaitu identifikasi objek dan karakteristik objek, relasa antara objek dan penurunan objek. didefinisikan sebagai metode penambahan waktu simulasi. Objek adalah komponen model dan sistem yang menjadi perhatian utama analisis, misalnya nasabah bank, komponen dalam lini perakitan, pengguna dalam sistem jaringan, dll. Bahasa yang berbeda memberikan definisi yang berbeda pada objek, misalnya dalam SIMAN disebut entities, dalam GPSS disebut transactions. Masing-masing objek dalam sistem yang sama mempunyai karakteristik yang berbeda. Nasabah bank misalnya, ada yang ingin melakukan penarikan, ada yang ingin melakukan setoran, dll. Pendefinisian karakteristik dalam bahasa yang berbeda juga berbeda. Karakteristik dalam SIMAN dan SIMSCRIPT misalnya didefinisikan sebagai attributes sedangkan dalam GPSS didefinisikan sebagai parameters, dan ada juga yang menggunakan definisi properties, dll. Meskipun objek mempunyai karakteristik unik, untuk tujuan pemrosesan dalam model, ada baiknya karakteristik itu dikelompokkan. Setiap bahasa mempunyai mekanisme berbeda dalam melakukan pengelompokan ini. Bahkan dalam kasus sistem yang relatif kecil, mempertahankan semua objek dalam model selama penjalanan simulasi bisa tidak memungkinkan karena keterbatasan memori komputer. Akibatnya, alat untuk menurunkan objek ketika dibutuhkan dan menghapusnya jika sudah tidak dibutuhkan harus disediakan. Cara setiap bahasa simulasi memfasilitasi ini sangat berbeda. Dalam beberapa kasus, mekanisme digunakan untuk menelusuri karakteristik akar bahasa kompiler darimana bahasa simulasi dikembangkan. Bahasa simulasi yang kurang dekat dengan konvensi struktur data dari kompiler tertentu menurunkan objek yagn sangat mirip dengan sudut pandang dunia bahasa. Sejalan dengan perbaikan kemampuan bahasa komputer umum (general purposes), bahasa simulasi khusus pada umumnya telah dikodean kembali seperti assembly, bahasa bebas mesin seperti C. Tetapi struktur awal penurunan objek tetap dalam bahasa simulasi. Struktur statis bahasa simulasi menempatkan objek dalam ruangan model, yaitu dimana objek secara fisik ditempatkan dalam sistem. Struktur dinamis dibutuhkan untuk menempatkan objek dalam waktu dan memungkinkan keberlanjutan dari satu titik waktu ke titik lainnya. Seperti yang sudah dijelaskan dalam topik sebelumnya, ada dua pendekatan dasar yang digunakan dalam struktur dinamis, yaitu fixed-time step dan event-tracking. Pendekatan fixed-time memeriksa sistem pada interval waktu tetap untuk menentukan apakah statusnya sudah berubah atau belum. Jika status masih sama, variabel waktu akan ditambahkan sebesar interval waktu-tetap. Meskipuns ecara logika pendekatan ini cukup Struktur dinamisnya

sederhana, tapi metodenya sangat tidak efisien. Mungkin ada beberapa titik waktu dimana sistem tidak berubah statusnya, dan karenanya akan ada banyak pemeriksaan sistem yang tidak perlu. Akibatnya, tidak ada bahasa simulasi kejadian diskrit yang menggunakan Logika pendekatan ini ke struktur dinamis. Pendekatan event-tracking memeriksa sistem hanya jika ada perubahan status. diamsukkan dalam model untuk menentukan kapan kejadian atau status sistem berubah, dan variabel waktu ditambahkan dengan tepat sampai titik sebelum sistem diperiksa. Logika yang dibutuhkan untuk melakukan ini lebih kompleks dibandingkan dengan langkah waktutetap, tetapi akan mengehmat waktu eksekusi model secara signifikan. Karakteristik Bahasa Simulasi Struktur dinamis dan statis bahasa simulasi menyediakan kebutuhan jelas untuk mengeksekusi mode simulasi. Beberapa sifat bahasa simulasi lainnya dibutuhkan atau sangat diinginkan untuk penggunaan efektif analisis simulasi sebagai teknik pembantu pengambilan keputusan.. Pengembangan kode model. Kebanyakan bahasa simulasi amsih membutuhkan

pemasukan pernyataan kode untuk menciptakan kode model, tetapi kemampuan grafik mikrokomputer telah memungkinkan input grafik. Cara ini paling sesuai untuk bahasa yang fokus pada aliran objek melalui elemen atau blok model. Debugging model. Begitu mode simulasi sudah dikodekan menggunakan bahasa simulasi yang dipilih, langkah selanjutnya adalah debugging kode sehingga model simulasi berjalan ke penghentian normal. dalam bahasa simulasi umumnya. Syntax errors (kesalahan sintaks) adalah permasalahan pertama dalam proses, dan analisis untuk mendeteksi ini sudah ditanam Kesulitan berikutnya yang dihadapi adalah perbaikan kesalahan selama eksekusi kode. Analisis bahasa simulasi umumnya tidak sesuai secara total dengan permasalahan ini. Setelah menemukan kesalahan seperti ini, program berhenti dan tidak memberikan alasan dalam bentuk logika model kenapa program berhenti. Penurunan variabel acak. Untuk kebanyakan simulasi probabilistik, kemampuan mengekstrak sampel acak dari distribusi probabilitas tertentu sangat penting. Bahasa simulasi melakukannya dengan mudah. Pengumpulan statistik. Penjalanan model simulasi tanpa mengumpulkan data ukuran kinerja sistem sama saja dengan tidak melakukan pengamatan pada sistem dunia

nyata yang sedang berlangsung. Pengamat ada selama operasi sistem dunia nyata tetapi tidak mengamati dan mencatat apa yang terjadi. dikumpulkan selama eksekusi model. Bahasa simulasi harus memungkinkan pengguna dengan mudah menspesifikasikan beragam statistik yang Juga untuk membantu interpretasi output simulasi, kemampuan penggambaran grafik dan inferensi statistik diperlukan. Disain percobaan. Karena analisis simulasi bersifat deskriptif, kesuksesan aplikasinya tergantung pada percobaan model. Rancangan percobaan efektif dan efisien benarbenar meningkatkan kualitas solusi yang didapatkan dari model simulasi. Animasi grafis dan output dinamis. Kemampuan menggunakan bahasa simulasi pada mikrokomputer memungkinkan kemampuan grafis mesin ini untuk mengilustrasikan penjalanan mode simulasi atau outputnya. Ilustrasi objek yang mengalir melalui elemen model disebut sebagai animasi. Animasi biasanya menggunakan monitor berwarna dan dengan mudah mengenali simbol objek dan elemen model. Dengan mengamati aliran seperti itu, analisis dapat memperhatikan penyebaba permasalahan operasi dan dapat memperbaikinya. Animasi model akan memperlambat eksekusi model. Oleh akrena itu, animasi biasanya hanya dilakukan pada mikrokomputer cepat dengan memori besar.

H. Kesimpulan
Telah dipaparkan dalam penjabaran diatas tentang pemodelan dan simulasi serta materi pembahasannya juga tentang modelling dalam menyelesaikan suatu permasalahan dengan membuat simulasinya sebelum akhirnya diimplementasikan. Simulasi ini terutama digunakan untuk menguraikan dan menyelesaikan persoalanpersoalan yang timbul dalam dunia nyata, baik di dalam sektor publik maupun di berbagai sektor bisnis.

Daftar Isi
Basuki, Ahmad Modeling dan Simulasi/ oleh Achmad Basuki, Tri Budi Santoso, dan Miftahul Huda; penyunting, Tri Joko Setiadi-Jakarta: IPTAQ Mulia Media, 2004 Kakiay, Thomas J Pengantar Sistem Simulasi/ Thomas J. Kakiay ; Ed . I. Yogyakarta, Andi, 2004 http://www.google.co.id/search http://www.scribd.com/ http://id.wikipedia.org/