Anda di halaman 1dari 15

BAB 1

PENGANTAR SIMULASI & PEMODELAN

I. Materi
1. Pendahuluan Simulasi & Pemodelan
- Definisi Simulasi
- Model Simulasi
- Dimana Simulasi Cocok digunakan?
- Dimana Simulasi Tidak Cocok digunakan?
- Bidang-Bidang Aplikasi
- Sistem dan Lingkungan Sistem
- Komponen Sistem
- Sistem Diskrit dan Kontinyu
- Tipe-Tipe Model
- Klasifikasi Model Simulasi
- Simulasi Sistem Peristiwa Diskrit
- Langkah-Langkah Studi Simulasi
- Verifikasi dan Validasi
- Pembangunan Model
- Kelebihan, Kekurangan, Pitfalls dari Simulasi
- Fitur-fitur software simulasi yang dibutuhkan

2. Bahasan

- Pendahuluan studi simulasi


- Pengertian dan tujuan simulasi
- Manfaat dan kelebihan pendekatan simulasi
- Penerapan Simulasi
- Sistem, Model & Simulasi
- Definisi dari sistem dan model
- Sistem, Model & Simulasi

3. Tujuan
1. Mahasiswa mengerti arti dan manfaat studi simulasi, serta mendapat gambaran
tentang cakupan studi simulasi
2. Mahasiswa dapat membangun model yang akan disimulasikan dan memahami
definisi simulasi.
3. Mahasiswa dapatmenyebutkan bidang-bidang atau ilmu-ilmu yang sering
menggunakan pendekatan simulasi.

1 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
4. Mahasiswamampu membandingkan sistem dan model, dan menyimpulkan perlunya
model untuk kebutuhan simulasi.
5. Mahasiswa mampu menggolongkan model analisis dan model matematis, baik yang
statis maupun dinamis.
6. Mahasiswa dapatmenyimpulkan langkah-langkah dalam studi simulasi secara garis
besar.

Gambar 1. Contoh Simulasi Gempa Bumi

Gambar 2. Simulasi Peminjaman

2 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
Gambar 3. Simulasi Deteksi

Gelombang Tsunami

4.
4. Definisi Simulasi
1. Simulasi adalah peniruan operasi,
menurut waktu,
sebuah proses atau sistem dunia nyata.
a. Dapat dilakukan secara manual
maupun dengan bantuan
komputer.
b. Menyertakan pembentukan data

dan
sejarah buatan
(artificial

history) dari sebuah sistem, pengamatan data dan sejarah, dan kesimpulan yang
terkait dengan karakteristik sistem-sistem.
2. Untuk mempelajari sebuah sistem, biasanya kita harus membuat asumsi-asumsi
tentang operasi sistem tersebut.

3 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
3. Asumsi-asumi membentuk sebuah model, yang akan digunakan untuk memahami
sifat/perilaku sebuah sistem.
4. Solusi Analitik: Jika keterkaitan (relationship) model cukup sederhana, sehingga
memungkinkan penggunaan metode matematis untuk memperoleh informasi eksak
dari sistem
5. Langkah riil simulasi: Mengembangkan sebuah model simulasi dan mengevaluasi
model, biasanya dengan menggunakan komputer, untuk mengestimasi karakteristik
yang diharapkan dari model tersebut.

5. Model Simulasi

1. Suatu representasi sederhana dari sebuah sistem (atau proses atau teori), bukan
sistem itu sendiri.

2. Model-model tidak harus memiliki seluruh atribut; mereka disederhanakan,


dikontrol, digeneralisasi, atau diidealkan.

3. Untuk sebuah model yang akan digunakan, seluruh sifat-sifat relevannya harus
ditetapkan dalam suatu cara yang praktis, dinyatakan dalam suatu set deksripsi
terbatas yang masuk akal (reasonably).

4. Sebuah model harus divalidasi.

5. Setelah divalidasi, sebuah model dapat digunakan untuk menyelidiki dan


memprediksi perilaku-perilaku (sifat) sistem, atau menjawab what-if questions
untuk mempertajam pemahaman, pelatihan, prediksi, dan evaluasi alternatif.

6. Dimana Simulasi Cocok Digunakan

1. Mempelajari interaksi internal (sub)-sistem yang kompleks.

2. Mengamati sifat model dan hasil keluaran akibat perubahan lingkungan luar atau
variabel internal.

3. Meningkatkan kinerja sistem melalui pembangunan/pembentukan model.

4. Eksperimen desain dan aturan baru sebelum diimplementasikan.

5. Memahami dan memverifikasi solusi analitik.

6. Mengidentifikasi dan menetapkan persyaratan-persyaratan.

4 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
7. Alat bantu pelatihan dan pembelajaran dengan biaya lebih rendah.

8. Visualisasi operasi melalui anuimasi.

9. Masalahnya sulit, memakan waktu, atau tidak mungkin diselesaikan melalui metode
analitik atau numerik konvensional.

7. Dimana Simulasi Tidak Cocok Digunakan


1. Jika masalah dapat diselesaikan dengan metode sederhana.
2. Jika masalah dapat diselesaikan secara analitik.
3. Jika eksperimen langsung lebih mudah dilakukan.
4. Jika biaya terlalu mahal.
5. Jika sumber daya atau waktu tidak tersedia.
6. Jika tidak ada data yang tersedia.
7. Jika verifikasi dan validasi tidak dapat dilakukan.
8. Jika daya melebihi kapasitas (overestimated).
9. Jika sistem terlalu kompleks atau tidak dapat didefinisikan.

8. Bidang-bidang Aplikasi
1. Perancangan dan analisis sistem manufacturing.
2. Evaluasi persyaratan hardware dan software untuk sistem komputer.
3. Evaluasi sistem senjata atau taktik militer yang baru.
4. Perancangan sistem komunikasi dan message protocol.
5. Perancangan dan pengoperasian fasilitas transportasi, mis. jalan tol,bandara, rel
kereta, atau pelabuhan.
6. Evaluasi perancangan organisasi jasa, mis. rumah sakit, kantor pos,atau restoran fast
food.
7. Analisis sistem keuangan atau ekonomi.
8.
9. Sistem dan Lingkungan Sistem
1. Sistem adalah sekumpulan obyek yang dihubungkan satu sama lain melalui beberapa
interaksi reguler atau secara bebas untuk mencapai suatu tujuan.
2. Sistem biasanya dipengaruhi oleh perubahan yang terjadi di luar sistem. Perubahan
ini terjadi di lingkungan sistem. Dalam pemodelan sistem, perlu ditetapkan batas
(boundary) antara sistem dan lingkungannya. Contoh, pada studi memori cache
menggunakan, kita harus menetapkan dimana batas sistem. Batas ini dapat antara
CPU dan cache, atau dapat memasukan memori utama, disk, OS, kompilator,
ataupun program-program aplikasi.
3. Cara mempelajari sebuah sistem

5 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
i. Mempelajari sistem dengan simulasi, secara numerik menjalankan model dengan
memberi input dan melihat pengaruhnya terhadap output.

Gambar 4. Komponen Sistem

10. Komponen Sistem


Entitas merupakan obyek dalam sistem. Contoh, customers pada suatu bank.
Atribut merupakan suatu sifat dari suatu entitas.
Contoh: pengecekan neraca rekening customer.
Aktivitas merepresentasikan suatu periode waktu dangan lama tertentu (specified
length). Periode waktu sangat penting karena biasanya simulasi menyertakan besaran
waktu. Contoh deposito uang ke rekening pada waktu dan tanggal tertentu.
Keadaan sistem didefinisikan sebagai kumpulan varibel-variabel yang diperlukan
untuk menggambarkan sistem kapanpun, relatif terhadap obyektif dari studi. Contoh,
jumlah teller yang sibuk, jumlah customer yang menunggu dibaris antrian.
Peristiwa didefinisikan sebagai kejadian sesaat yang dapat mengubah keadaan sistem.
Contoh, kedatangan customer, pejumlahan jumlah teller, keberangkatan customer.
Contoh-contoh entitas, atribut, aktivitas, peristiwa dan variabel-variabel keadaan dari
berbagai sistim dapat dilihat pada gambar berikut:

6 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
11. Sistem Diskrit dan Kontinu
Sistim Diskrit: variabel-variabel keadaan hanya berubah pada set titik waktu yang
diskrit.
Contoh: jumlah customer yang menunggu diantrian
Sistem Kontinyu: variabel-variabel berubah secara kontinyu menurut waktu.
Contoh: arus listrik

12. Tipe-Tipe Model


Model:
Fisik: model rumah, model jembatan
Matematis (symbolic): (-) = &!
Model simulasi
Statik (pada beberapa titik waktu) vs. Dynamik (berubah
menurut waktu)
Deterministik (masukan diketahui) vs. Stokastik (variabel
acak, masukan/keluaran)
Diskrit vs. Kontinyu

13. Klasifikasi Model-Model Simulasi


1. Model Simulasi Statik vs. Dinamik
a. Model statik: representasi sistem pada waktu tertentu. Waktu tidak berperan di
sini. Contoh: model Monte Carlo.

7 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
b. Model dinamik: merepresentasikan sistem dalam perubahannya terhadap
waktu. Contoh: sistem conveyor di pabrik.
2. Model Simulasi Deterministik vs. Stokastik
a. Model deterministik: tidak memiliki komponen probabilistik (random)
b. Model stokastik: memiliki komponen input random, dan menghasilkan output
yang random pula.
c. Model Simulasi Kontinyu vs. Diskrit
Model kontinyu: status berubah secara kontinu terhadap waktu, mis.
gerakan pesawat terbang.
Model diskrit: status berubah secara instan pada titik-titik waktu yang
terpisah, mis. jumlah customer di bank.
14. Pemodelan

Suatu proses penyaringan dan penyeleksian terhadap berbagai data sehingga


diperoleh:

data atau komponen sistem yang dapat dimodelkan

data atau komponen sistem yang kurang penting / tidak relevan, yang dapat
diasumsikan mampu mendukung tujuan yang ingin dicapai.

15. Pengertian Model


Representasi sistem yang disederhanakan (pada suatu ruang dan waktu) untuk
meningkatkan pengertian terhadap sistem yang sebenarnya.
Sebagai penyederhanaan dari sistem nyata.

16. Metode Model Matematika


Metode Analitis : Menggunakan teori matematika deduktif untuk
menyelesaikan model.
Metode Numerik : Menggunakan prosedur-prosedur komputasi untuk
menyelesaikan persamaaan-persamaan dari suatu model.
Lebih mudah
17. Simulasi
Program (software) komputer yang berfungsi untuk menirukan perilaku sistem
nyata.
Manipulasi sebuah model sedemikian rupa sehingga model tersebut bekerja
dalam ruang dan waktu

18. Tahapan Simulasi dan Pemodelan


Memahami sistem yang akan disimulasikan
Mengembangkan model matematika dari sistem
Mengembangkan model matematika untuk simulasi

8 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
Membuat prgram (software) komputer
Menguji, memverifikasi, dan memvalidasi keluaran komputer
Mengeksekusi program simulasi untuk tujuan tertentu

19. Metode Simulasi


MONTE CARLO
DISCRETE-EVENT (D-E)
a. Next-Event Time Advance
b. Fixed-Increment Time Advance

9 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
BAB 2

MONTE CARLO

1. Simulasi Monte Carlo

Simulasi monte carlo melibatkan penggunaan angka acak untuk memodelkan sistem,
dimana waktu tidak memegang peranan yang substantif (model statis)
Pembangkitan data buatan (artificial data) dengan menggunakan pembangkit angka
acak (pseudo random numbers generator) dan sebaran komulatif yang menjadi interes
Pembangkit Angka Acak
- Membangkitkan peubah acak (random variable) yang menyebar uniform pada
interval 0 sampai 1 (U(0,1), contohnya adalah fungsi rand() pada excel)
- Adalah tidak mungkin membangkitkan angka acak yang sebenarnya (truly
random numbers) dengan suatu algoritma computer
Angka acak U(0,1) ini, kemudian ditransformasikan sehingga akan mengikuti suatu
sebaran peluang yang diinginkan

- Uniform (a,b)
- Normal (, )
- Simetrik Triangular (a,b)

10 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
BAB 3

Pengelompokan & Pengurutan Data


1. Materi Agregate Function
Group by dan Aggregate Function Dalam Menjalankan sebuah query untuk
melakukan pengelompokan data dapat menggunakan Fungsi Group by
dan di ikuti oleh Fungsi Aggregat.
Group by : digunakan untuk menampilkan atau memilih sekumpulan
data berdasarkan kelompok data tertentu. Pengelompokan nya biasa
nya di sertai oleh Aggregat Fuction Dalam Implementasi nya
Aggregat Function harus di ikuti oleh Group by bila terdapat Field lain
yang dijadikan kriteria pengelompokan
Aggregate Function : Min(), Max(), Avg(), Sum(), Count()

2. Query
a. Group by dan Aggregate Function MAX()

11 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
Fungsi MAX digunakan untuk mencari nilai maksimum dari sekumpulan
data yang ada

Contoh :

b. Group by dan Aggregate Function AVG()


Fungsi AVG digunakan untuk mencari nilai rata-rata dari sekumpulan
data yang ada

atau :

Contoh :

Atau :

c. Group by dan Aggregate Function SUM()


Fungsi SUM digunakan untuk menjumlahkan nilai dari sekumpulan data yang ada

d. Group by dan Aggregate Function COUNT()


Fungsi COUNT digunakan untuk mencari cacah atau banyaknya data

12 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
e. Pengurutan Data (Order By) ORDER BY
Digunakan untuk mengurutkan data berdasarkan field tertentu

urutkan jumlah berdasarkan jumlah pasokan paling sedikit

urutkan jumlah berdasarkan jumlah pasokan paling banyak

3. Keriteria Data
a. HAVING
Menyeleksi data berdasarkan kriteria tertentu, dimana kriteria berdasarkan berupa
fungsi aggregat

Tampilkan kode customer yang mempunyai cacah pembelian = 3

b. Where
Kondisi Where, digunakan untuk melakukan pemilihan/seleksi data.
Penggunaannya dilakukan setelah kata where, dan diikuti oleh :
comparison (=,<>,,>=,<=)
between
in
like/not like
c. Comparison
Berfungsi untuk membandingkan dua nilai.
Tipe data yang seharusnya dibandingkan harus sesuai.
Hasil yang diperoleh dari operasi comparison ini berupa nilai logik.

13 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
Contoh :
Tampilkan kode barang dan kode suplier yang mempunyai jumlah pasok 2

Tampilkan kode barang dan kode suplier yang jumlah pasoknya kurang atau
sama dengan 5

d. Between
Pada prinsipnya between digunakan untuk membandingkan /untuk mengecek
apakah suatu nilai berada dalam range atau nilai tertentu.

Contoh :
Tampilkan kode barang dan kode customer yang jumlah pasoknya antara 4 dan 15
(4 dan 15 termasuk di dalamnya

e. In
Digunakan untuk melakukan pengecekan apakah suatu nilai terdapat pada suatu
himpunan tertentu.

Contoh :
Tampilkan kode barang dan kode suplier yang jumlah pasoknya 2,8,12

14 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i
f. Like / Not Like
Digunakan untuk membandingkan data dengan pola tertentu.

g. Like / Not Like


Tampilkan customer yang mempunyai kata MANGGA pada alamatnya
(pada alamat customer terdapat kata MANGGA)

Tampilkan customer yang mempunyai kata selain CIM pada


alamatnya

15 | M o d u l S i m u l a s i & P e m o d e l a n F i t r i L u t h fi a n a S a r i