A. PENGERTIAN SIMULASI
Simulasi berasal dari bahas Inggris, yaitu to simulate, yang artinya menurut
the reality untuk memperoleh intisari dari sesuatu tanpa melibatkan kenyataan.
or training, etc untuk menghasilkan suatu kondisi dari sebuah situasi, dalam
maksud sebuah model, untuk dipelajari atau untuk percobaan atau pelatihan, dan
sebagainya.
pelatihan yang memperagakan sesuatu dalam bentuk tiruan (imakan) yang mirip
sistem, misalnya sebuah perencanaan pendidikan, yang berjalan pada kurun waktu
yang tertentu. Jadi dapat dikatakan bahwa simulasi itu adalah sebuah model yang
berisi seperangkat variabel yang menampilkan ciri utama dari sistem kehidupan
Kelebihan Simulasi
1. Simulasi dapat memberi jawaban yang tidak bisa dilakukan model analitik
2. Simulasi dapat digunakan untuk analisis yang besar dan komplek pada situasi
keadaan nyata yang tidak dapat dilakukan oleh model kuantitatif konvensional
3. Model simulasi lebih realistis terhadap sistem nyata karena asumsi yang lebih
sedikit
Kekurangan Simulasi
1. Simulasi bukan presisi dan juga bukan suatu proses optimasi. Simulasi tidak
2. Model Simulasi yang baik dan efektif adalah sangat mahal dan membutuhkan
3. Tidak semua situasi dapat dinilai melalui simulasi kecuali situasi yang memuat
ketidakpastian (probability)
B. JENIS-JENIS SIMULASI
Simulasi Statis merupakan representasi dari sebuah system pada suatu tertentu,
atau digunakan pada system dimana waktu tidak mempunyai peran. Penerapan
paling sederhana pada simulasi ini adalah saat kita memasukan nilai variable pada
suatu rumus untuk memperoleh hasil akhirnya. Contoh lain dari simulasi statis
adalah Model Monte Carlo. Dilain pihak, simulasi dinamis mewakili system yang
berubah-ubah menurut waktu, misalnya system ban berjalan pada pabrik atau
sirkulasi parker.
maka dinamakan simulasi deterministic. Contoh dari system ini adalah persamaan
diferensial yang menghitung reaksi kimia. Hasil akhir dari simulasi deterministic
telah ditentukan ketika sejumlah input dimasukan kedalam model, walaupun bisa
saja diperlukan waktu yang lama untuk menghitung hasil akhir simulasi tersebut.
Bila system tersebut memiliki beberapa komponen input acak ( random ), maka
simulasi tersebut termasuk simulasi stochastic. Hasil akhir atau keluaran dari
berubah-ubah terus menerus sesuai dengan waktu. Simulasi model ini melibatkan
persamaan diferensial yang merupakan relasi dari tingkat populasi penduduk pada
kembali distribusi peluang yang didasarkan pada pilihan atau pengadaan bilangan
acak (random).
Namun Monte Carlo Sampling secara lebih tegas berarti teknik memilih angka
secara acak dari distribusi probabilitas untuk menjalankan simulasi. Dasar dari
pertama
Gagasan dasar dari simulasi monte carlo adalah membuat nilai dari tiap
variabel yang merupakan bagian dari model yang dipelajari. Banyak variabel di
dunia nyata yang secara alami mempunyai berbagai kemungkinan yang mungkin
Salah satu cara umum untuk membuat distribusi kemungkinan untuk suatu
relative untuk tiap kemungkinan hasil dari tiap variabel ditentukan dengan
Indonesia Cabang Ratu Plaza selama 200 hari kebelakang terlihat di tabel berikut:
Tabel 1
Kita dapat merubah keadaan tersebut diatas menjadi distribusi kemungkinan (bila
kita asumsikan tingkat penjuala dimasa lalu akan tetap bertahan sampai ke masa
depan) dengan membagi tiap permintaan dengan total permintaan. Seperti pada
tabel berikut:
Tabel 2.
di Tahap Pertama
Konversi dari distribusi kemungkinan biasa, seperti pada kolom kanan tabel 2
Tabel 3.
Probabilitas kumulatif terlihat pada gambar dibawah, digunakan pada tahap ke 3
Setelah kita menentukan probabilitas kumulatif untuk tiap variabel yan termasuk
dalam simulasi, kita harus menentukan batas angka yang mewakili tiap
kemungkinan hasil. hal tersebut ditujukan pada interval angka random. Penentuan
Tabel 4.
Untuk membuat angka random kita bisa menggunakan software Microsoft Excel
yang diperlukan
Kita bisa membuat simulasi dari sebuah eksperimen dengan mengambil angka
random dari gambar diatas, misal kita akan membuat simulasi untuk 10 hari, kita
ambil Kolom A1 A10. Cara penentuan permintaan adalah dengan ditentukan oleh
angka random. Contohnya bila angka random adalah 56, angka itu terletak pada
Tabel 5.
Total permintaan untuk 10 hari adalah 28 ban, ratarata permintaan per hari adalah
2,8 ban
Ada beberapa dasar-dasar dalam teori simulasi metode Monte Carlo diantaranya :
a. Variable Random
b. Distribusi Biominal
c. Distribusi Normal
e. Fungsi Lagrange
g. Matriks
h. Pembangkit Bilangan Random
suatu model deterministik yang melibatkan bilangan acak sebagai salah satu input.
Metode ini sering digunakan jika model yang digunakan cukup kompleks, non
linear atau melibatkan lebih dari sepasang parameter tidak pasti. Sebuah simulasi
Monte Carlo dapat melibatkan 10.000 evaluasi atas sebuah model, suatu pekerjaan
di masa lalu hanya bisa dikerjakan oleh sebuah software komputer. Suatu model
input berupa bilangan random, maka dapat mengubah suatu model deterministik
pendekatan yang diketahui dengan pasti sedangkan model stokastik tidak pasti.
metode sampling karena input dibangkitkan secara random dari suatu distribusi
probabilitas untuk proses sampling dari suatu populasi nyata. Oleh karena itu,
suatu model harus memilih suatu distribusi input yang paling mendekati data yang