SIMULASI

SISTEM
Pengertian Sistem, Model
Elemen dan Atribut

Program Tatap Kode

Fakultas Disusun Oleh
Studi Muka MK
Teknik T.Industri 04 RIKI RIANDA PUTRA

Abstract Kompetensi
membahas : pengertian system, Tugas minggu pertama simulasi
model elemen dan atribut. sistem

FAKULTAS TEKNIK JURUSAN TEKNIK INDUSTRI

UNIVERSITAS MALIKUSSALEH

2018

i
 KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat allah SWT, yang mana atas rahmat dan
hidayah-Nya sehingga penulis telah dapat menyelesaikan penulisan tugas SIMULASI
SISTEM. Shalawat beriring salam kepada junjungan Nabi besar Muhammad SAW, keluarga
dan sahabat beliau sekalian serta orang-orang mukmin yang tetap istiqamah dijalan-Nya.

Tugas Proposal ini ditulis untuk memenuhi salah satu persyaratan dalam mata kuliah
SIMULASI SISTEM. Dalam penulisan tugas ini hingga selesai, penulis telah banyak
mendapat bantuan dan arahan dari banyak pihak. Dalam kesempatan ini penulis
mengucapkan terima kasih kepada :

1. Ir Amri.,MT selaku dosen mata kuliah Analisa Perancangan Perusahaan.

Penulis menyadari bahwa tugas ini masih banyak terdapat kekurangan, untuk itu saran
dan kritik dari semua pihak sangat diharapkan demi kesempurnaan tugas ini. Akhirnya,
penulis berharap agar tugas ini dapat bermanfaat bagi semua pihak, Amin.

Lhokseumawe , 23 juli 2018

Riki Rianda Putra

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................................................. i

DAFTAR ISI........................................................................................................................................... ii
BAB I ...................................................................................................................................................... 1
PENDAHULUAN ................................................................................................................................. 1
1.1 Latar Belakang ........................................................................................................................ 1
1.3 Tujuan .................................................................................................................................... 1
BAB II .................................................................................................................................................... 2
LANDASAN TEORI ............................................................................................................................ 2
2.1. Konsep Dasar Simulasi ......................................................................................................... 2
2.2. Sistem Simulasi...................................................................................................................... 2
2.3. Pengertian Distribusi ............................................................................................................ 3
2.4. Jenis-jenis Distribusi ............................................................................................................. 3
2.5. Model Simulasi .................................................................................................................... 13
2.6. Klasifikasi Model Simulasi ................................................................................................. 14
2.7. Langkah-langkah Pembuatan Model Simulasi ................................................................ 15
2.8. Aturan Verifikasi Dan Validasi Dalam Simulasi ............................................................. 16
2.9. Penelusuran Simulasi.......................................................................................................... 19
2.10. Peperbandingan Output Simulasi dengan Sistem Nyata............................................. 21
BAB III................................................................................................................................................. 24
KESIMPULAN ................................................................................................................................... 24
3.1 KESIMPULAN ................................................................................................................... 24
DAFTAR PUSTAKA .......................................................................................................................... 25

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Simulasi adalah suatu cara untuk menduplikasi / menggambarkan ciri, tampilan, dan
karakteristik dari suatu system nyata. Simulasi merupakan alat yang tepat untuk digunakan
terutama jika diharuskan untuk melakukan eksperimen dalam rangka mencari komentar
terbaik dari komponen-komponen sistem. Hal ini dikarenakan sangat mahal dan memerlukan
waktu yang lama jika eksperimen dicoba secara riil. Dengan melakukan studi simulasi maka
dalam waktu singkat dapat ditentukan keputusan yang tepat serta dengan biaya yang tidak
terlalu besar karena semuanya cukup dilakukan dengan komputer.

Pendekatan simulasi diawali dengan pembangunan model sistem nyata. Model

tersebut harus dapat menunjukkan bagaimana berbagai komponen dalam sistem saling
berinteraksi sehingga benar-benar menggambarkan perilaku sistem. Setelah model dibuat
maka model tersebut ditransformasikan ke dalam program komputer sehingga
memungkinkan untuk disimulasikan.

Sistem adalah kumpulan obyek yang saling berinteraksi dan bekerja sama untuk
mencapai tujuan logis dalam suatu lingkungan yang kompleks. Obyek yang menjadi
komponen dari sistem dapat berupa obyek terkecil dan bisa juga berupa sub-sistem atau
sistem yang lebih kecil lagi. Dalam definisi ini disertakan elemen lingkungan karena
lingkungan sistem memberikan peran yang sangat penting terhadap perilaku sistem itu.
Bagaimana komponen-komponen sistem itu berinteraksi, hal itu adalah dalam rangka
mengantisipasi lingkungan.
Mengamati sistem bukan hanya mendefinisikan komponen-komponen pendukung sistem,
tetapi lebih dari dari itu harus pula mengetahui perilaku dan variabel-variabel yang ada di
dalamnya.

1.3 Tujuan
Adapun yang menjadi tujuan dari penelitian ini adalah untuk mengetahui apakah
analisa air mineral dalam kemasan layak atau tidak untuk dijalankan.
1. Untuk memenuhi tugas simulasi sistem

1
 BAB II
LANDASAN TEORI
2.1. Konsep Dasar Simulasi
Simulasi adalah suatu cara untuk menduplikasi / menggambarkan ciri, tampilan, dan
karakteristik dari suatu system nyata. Simulasi merupakan alat yang tepat untuk digunakan
terutama jika diharuskan untuk melakukan eksperimen dalam rangka mencari komentar
terbaik dari komponen-komponen sistem. Hal ini dikarenakan sangat mahal dan memerlukan
waktu yang lama jika eksperimen dicoba secara riil. Dengan melakukan studi simulasi maka
dalam waktu singkat dapat ditentukan keputusan yang tepat serta dengan biaya yang tidak
terlalu besar karena semuanya cukup dilakukan dengan komputer.
Pendekatan simulasi diawali dengan pembangunan model sistem nyata. Model
tersebut harus dapat menunjukkan bagaimana berbagai komponen dalam sistem saling
berinteraksi sehingga benar-benar menggambarkan perilaku sistem. Setelah model dibuat
maka model tersebut ditransformasikan ke dalam program komputer sehingga
memungkinkan untuk disimulasikan.

2.2. Sistem Simulasi

Sistem adalah kumpulan obyek yang saling berinteraksi dan bekerja sama untuk
mencapai tujuan logis dalam suatu lingkungan yang kompleks. Obyek yang menjadi
komponen dari sistem dapat berupa obyek terkecil dan bisa juga berupa sub-sistem atau
sistem yang lebih kecil lagi. Dalam definisi ini disertakan elemen lingkungan karena
lingkungan sistem memberikan peran yang sangat penting terhadap perilaku sistem itu.
Bagaimana komponen-komponen sistem itu berinteraksi, hal itu adalah dalam rangka
mengantisipasi lingkungan.
Mengamati sistem bukan hanya mendefinisikan komponen-komponen pendukung sistem,
tetapi lebih dari dari itu harus pula mengetahui perilaku dan variabel-variabel yang ada di
dalamnya. Paling tidak analisis terhadap sistem dapat membuat konsepsi tentang sistem itu.
Ada beberapa cara untuk dapat merancang, menganalisis dan mengoperasikan suatu sistem.
Salah satunya adalah dengan melakukan pemodelan, membuat model dari sistem tersebut.
1. Karakteristik atau ciri-ciri sistem
 Sistem terdiri dari berbagai elemen yang membentuk
 satu kesatuan
 Adanya interaksi, saling ketergantungan dan kerjasama
 antar elemen

2
  Sebuah sistem ada untuk mencapai tujuan tertentu
 Memiliki mekanisme / transformasi
 Memiliki lingkungan yang mengakibatkan dinamika Sistem

2. Syarat – syarat sistem dapat dimodelkan

 Sistem terdiri dari berbagai elemen yang membentuk satu kesatuan (unity)
 Adanya interaksi atau kerjasama antar elemen
 Sebuah sistem ada untuk mencapai tujuan tertentu
 Memiliki mekanisme / transformasi
 Memiliki lingkungan yang mengakibatkan dinamika sistem

2.3. Pengertian Distribusi

Distribusi adalah suatu proses penyampaian barang atau jasa dari produsen ke
konsumen dan para pemakai, sewaktu dan dimana barang atau jasa tersebut diperlukan.
Proses distribusi tersebut pada dasarnya menciptakan faedah (utility) waktu, tempat, dan
pengalihan hak milik.

2.4. Jenis-jenis Distribusi

1. Distribusi Peluang Diskrit

peubah acak diskrit adalah peubah acak yang ruang rentangnya merupakan himpunan yang
berhingga ( finite) atau tak berhingga tapi terhitung (denumerable/countably infinite) dengan
sifat-sifat berikut

Berikut di bawah ini beberapa distribusi diskrit:

3
 a) Distribusi Uniform Diskrit
Jika peubah acak X mempunyai nilai x1,x2,x3,…xk dengan peluang yang sama, maka
distribusi seragam diskrit didefinisikan sebagai:

Rataan dan variansi dari distribusi seragam diskrit adalah:

Contoh :

Jika sebuah dadu dilempar, maka setiap elemen dari ruang sampelnya S= {1,2,3,4,5,6} terjadi
dengan peluang yang sama 1/6, sehingga kita mempunyai distribusi seragam:

b) Distribusi Binominal

4
Distribusi binomial didasarkan pada proses Bernoulli. Pada proses Bernoulli, suatu
eksperimen sering terdiri dari beberapa usaha yang berulang-ulang, di mana tiap usaha
mempunyai dua kemungkinan: sukses atau gagal.

Contoh: pada pengujian suatu produk untuk menentukan berapa jumlah produk yang cacat
dari n pengujian atau usaha. Pada tiap pengujian ditentukan bahwa suatu produk

cacat atau tidak cacat. Setiap pengujian bersifat independen (tidak bergantung pada pengujian
sebelumnya).

Sifat-Sifat Proses Bernoulli:

1. Eksperimen terdiri dari n usaha yang berulang

2. Setiap usaha memberikan hasil yang dapat diklasifikasikan menjadi sukses atau gagal

3. Peluang dari sukses adalah p, yang bersifat 6

3. Peluang dari sukses adalah p , yang bersifat tetap dalam setiap kali usaha.

4. Tiap usaha tersebut bersifat independen satu sama lain.

Contoh proses Bernoulli:

Misalkan suatu kelompok usaha Bernoulli yang berupa pengambilan tigabarang secara acak
dari suatu hasil proses manufaktur,diperiksa, dan kemudian diklasifikasikan ke dalam
kategori baik (N) dan cacat (D). Misalkan X adalah peubah acak yang menyatakan jumlah
barang yang cacat. Nilai yang mungkin dari X adalah 0, 1, 2, dan 3 seperti pada tabel berikut:

Karena barang dipilih secara independen dari proses yang dianggap mempunyai peluang 25%
barang yang cacat, maka:

5
Distribusi peluang X secara lengkap adalah:

Jumlah X yang sukses dari n percobaan Bernoulli disebut dengan peubah acak binomial.
Distribusi peluang dari peubah acak diskrit ini disebut dengan distribusi binomial, dan
nilainya akan dinotasikan dengan b(x; n, p), misalkan:

P(X=2) = f(2) = b(2; 3, 1/4) = 9/64

Suatu usaha Bernoulli dapat menghasilkan sukses dengan peluang p dan gagal dengan
peluang q = 1 – p. Maka distribusi peluang dari peubah acak binomial X, yaitu jumlah sukses
dari n usaha yang independen adalah

Keterangan: adalah notasi lain untuk C(n, x). Notasi ini disebut juga notasi binomial.

c) Distribusi Multinominal
Jika suatu percobaan dapat menghasilkan k macam hasil E1,E2,…,Ek dengan peluang
P1,P2,…,Pk maka distribusi peluang dari peubah acak X1,X2,…,Xk yang menyatakan banyak
terjadinya E1,E2,…Ek dalam n usaha yang independen adalah:

d) Distribusi Hipergeometrik
Distribusi hipergeometrik mempunyai sifat-sifat sebagai berikut:
1. Secara acak diambil sebanyak n tanpa dikembalikan dari N benda.

6
2. k dari N benda diklasifikasikan sukses dan N -k diklasifikasikan gagal
Jumlah sukses X dari eksperimen hipergeometrik disebut peubah acak hipergeometrik.
Distribusi peluang dari peubah acak hipergeometrik disebut dengan distribusi hipergeometrik,
dan nilainya dinotasikan dengan:

Distribusi peluang dari peubah acak hipergeometrik X,yaitu jumlah sukses dari sampel acak
berukuran n yang diambil dari N benda, di mana terdapat k jumlah sukses dan N-k jumlah
gagal adalah:

Rataan dan variansi dari distribusi hipergeometrik adalah

e) Distribusi Poisson
Eksperimen Poisson adalah eksperimen yang menghasilkan nilai numerik dari peubah acak X
pada selang waktu yang tertentu atau daerah tertentu.
Contoh:
1) jumlah panggilan telepon dalam waktu 1 jam yang diterima oleh resepsionis
2) banyaknya pertandingan tenis yang terpaksa diundurkan karena terjadinya hujan selama
musim hujan
3) banyaknya tikus dalams atu hektar sawah
4) banyaknya salah ketik dalam satu halaman

Sifat-sifat proses Poisson:

7
  Jumlah hasil yang terjadi dalam satu selang waktu atau daerah tertentu adalah
independen terhadap hasil yang terjadi pada selang atau daerah lain. Proses Poisson
dikatakan tidak mempunyai ingatan.
 Peluang terjadinya suatu hasil (tunggal) dalam selang waktu yang sangat pendek atau
daerah yang sangat waktu yang sangat pendek atau daerah yang sangat kecil
sebanding dengan panjang selang waktu atau besarnya daerah dan tidak bergantung
pada banyaknya hasil yang terjadi di luar selang atau daerah tersebut.
 Peluang terjadinya lebih dari satu hasil yang terjadi dalam selang waktu yang pendek
dapat diabaikan.
Distribusi peluang peubah acak Poisson X, yang menyatakan banyaknya sukses yang terjadi
dalam selang waktu atau daerah tertentu –dinotasikan dengan t — adalah:
di mana λt adalah rata-rata banyaknya sukses yang terjadi per satuan waktu atau daerah, dan
e= 2.71828…
Rataan dan variansi dari distribusi Poisson p(x;λt) adalah sama, yaitu λt.

2. Distribusi Peluang Kontinu

Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai pada
skala kontinu. Ruang sampel kontinu adalah bila ruang sampel mengandung titik sampel
yang tak terhingga banyaknya. Syarat dari distribusi kontinu adalah apabila fungsi f(x) adalah
fungsi padat peluang peubah acak kontinu X yang didefinisikan di atas himpunan semua
bilangan riil R bila:

Distribusi peluang kontinu dibagi menjadi 4:

8
 a) Distribusi Normal

Distribusi Normal (Gaussian) mungkin merupakan distribusi probabilitas yang paling penting
baik dalam teori maupun aplikasi statistik. Distribusi ini paling banyak digunakan sebagai
model bagi data riil di berbagai bidang yang meliputi antara lain karakteristik fisik makhluk
hidup (berat, tinggi badan manusia, hewan, dll). Terdapat

empat alasan mengapa distribusi normal menjadi distribusi yang paling penting :

 Distribusi normal terjadi secara alamiah.

 Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan mudah
ditransformasi menjadi suatu distribusi variabel acak yang normal.
 Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya bias
 berfungsi dengan benar jika model distribusinya merupakan distribusi normal.
 Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada
populasinya, namun distribusi dari rata-rata sampel yang diambil secara random dari
populasi tersebut ternyata menunjukkan distribusi normal.

Distribusi Normal disebut juga Gausian distribution adalah salah satu fungsi distribusi

peluang berbentuk lonceng seperti gambar berikut.

Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri

diantaranya:

 Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.
 Simetris terhadap rataan (mean).
 Kedua ekor/ ujungnya semakin mendekati sumbu absisnyatetapi tidak pernah
memotong.

9
  Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ
 Luas daerah di bawah lengkungan kurva tersebut dari -~ sampai + ~ sama dengan 1
atau 100 %.

Distribusi normal kumulatif didefinisikan sebagai probabilitas variabel acak normal X

bernilai kurang dari atau sama dengan suatu nilai x tertentu. Maka fungsi distribusi kumulatif
dari distribusi normal ini dinyatakan sebagai :

10
Dengan menerapkan ketentuan diatas pada persamaan (1) maka fungsikepadatan probabilitas
dari distribusi normal standard variabel acak kontinu Z adalah:

Sedangkan fungsi distribusi kumulatif dari distribusi normal standard ini

dinyatakan sebagai :

b) Distribusi Student’s t

Distribusi student’s t adalah distribusi yang ditemukan oleh seorang mahasiswa yang tidak
mau disebut namanya. Untuk menghargai hasil penemuannya itu, distribusinya disebut
distribusi Student yang lebih dikenal dengan distribusi “t”, diambil dari huruf terakhir kata
“student”.

11
Bentuk persamaan fungsinya :

Distribusi Peluang Kontinu

Berlaku untuk −∞< t < ∞ dan K merupakan tetapan yang besarnya tergantung dari besar n
sedemikian sehingga luas daerah antara kurva fungsi itu dan sumbu t adalah 1. Bilangan n–1
disebut derajat kebebasan (dk). Yang dimaksudkan dengan dk ialah kemungkinan banyak
pilihan dari sejumlah objek yang diberikan. Misalnya kita mempunyai dua objek yaitu A dan
B. Dari dua objek ini kita hanya mungkin melakukan 1 kali pilihan saja, A dan B. Seandainya
terpilih A maka B tidak usah dipilih lagi. Dan untuk itu dk = 2–1 = 1.

c) Distribusi Chi-Kuadrat

Distribusi chi-kuadrat merupakan distribusi yang banyak digunakan dalam sejumlah prosedur
statistik inferensial. Distribusi chi-kuadrat merupakan kasus khusus dari distribusi gamma
dengan faktor bentuk α= v/2, dimana v adalah bilangan bulat positif dan faktor skala β=2

Jika variabel acak kontinu X memiliki distribusi chi-kudrat dengan parameter v, maka fungsi
kepadatan probabilitas dari X adalah

Parameter n disebut angka derajat kebebasan (degree of freedom/df) dari X. Sedangkan

fungsi distribusi kumulatif chi -kuadrat adalah :

Berikut ini diberikan rumusan beberapa ukuran statistik deskriptif untuk

distribusi chi-kuadrat.

12
4. Distribusi F

Menurut Gasperz (1989:251), secara teori sebaran F merupakan rasio dari dua sebaran chi
kuadrat yang bebas. Oleh karena itu peubah acak F diberikan sebagai:

Keterangan:

Oleh karena itu sebaran F mempunyai dua derajat bebas yaitu V1 dan V2.

2.5.Model Simulasi
Model adalah alat yang sangat berguna untuk menganalisis maupun merancang
sistem. Sebagai alat komunikasi yang sangat efisien, model dapat menunjukkan bagaimana
suatu operasi bekerja dan mampu merangsang untuk berpikir bagaimana meningkatkan atau
memperbaikinya.
Model didefinisikan sebagai suatu deskripsi logis tentang bagaimana sistem bekerja atau
komponen-komponen berinteraksi. Dengan membuat model dari suatu sistem maka

13
diharapkan dapat lebih mudah untuk melakukan analisis. Hal ini merupakan prinsip
pemodelan, yaitu bahwa pemodelan bertujuan untuk mempermudah analisis dan
pengembangannya.
Melakukan pemodelan adalah suatu cara untuk mempelajari sistem dan model itu sendiri dan
juga bermacam-macam perbedaan perilakunya. Model merupakan contoh sederhana dari
sistem dan menyerupai sifat-sifat sistem yang dipertimbangkan, tetapi tidak sama dengan
sistem. Penyederhanaan dari system sangat penting agar dapat dipelajari secara seksama.
Model dikembangkan dengan tujuan untuk studi tingkah-laku sistem melalui analisis rinci
akan komponen atau unsur dan proses utama yang menyusun sistem dan interaksinya antara
satu dengan yang lain. Jadi pengembangan model adalah suatu pendekatan yang tersedia
untuk mendapatkan pengetahuan yang layak akan sistem. Model beperanan penting dalam
pengembangan teori karena berfungsi sebagai konsep dasar yang menata rangkaian aturan
yang digunakan untuk menggambarkan sistem.
Joneset al. (1987) mengemukakan dua sasaran pokok dari modeling yaitu pertama untuk
memperoleh pengertian yang lebih baik mengenai hubungan sebab-akibat (cause-effect)
dalam suatu sistem, serta untuk menyediakan interpretasi kualitatif dan kuantitatif yang lebih
baik akan sistem tersebut. Sasaran kedua dari modeling lebih terapan atau berorientasi pada
masalah yaitu untuk mendapatkan prediksi yang lebih baik akan tingkah-laku dari sistem
yang digunakan segera dalam perbaikan pengendalian atau pengelolaan sistem. Berikut
adalah cara untuk mempelajari sistem:

2.6.Klasifikasi Model Simulasi

14
 Pada dasarnya model simulasi dikelompokkan dalam tiga dimensi yaitu [Law and
Kelton, 1991]:
a) Model Simulasi Statis dengan Model Simulasi Dinamis.
Model simulasi statis digunakan untuk mempresentasikan sistem pada saat tertentu atau
sistem yang tidak terpengaruh oleh perubahan waktu. Sedangkan model simulasi dinamis
digunakan jika sistem yang dikaji dipengaruhi oleh perubahan waktu.
b) Model Simulasi Deterministik dengan Model Simulasi Stokastik.
Jika model simulasi yang akan dibentuk tidak mengandung variabel yang bersifat random,
maka model simulasi tersebut dikatakan sebagi simulasi deterministik. Pada umumnya sistem
yang dimodelkan dalam simulasi mengandung beberapa input yang bersifat random, maka
pada sistem seperti ini model simulasi yang dibangun disebut model simulasi stokastik.
c) Model simulasi Kontinu dengan Model Simulasi Diskret.
Untuk mengelompokkan suatu model simulasi apakah diskret atau kontinyu, sangat
ditentukan oleh sistem yang dikaji. Suatu sistem dikatakan diskret jika variabel sistem yang
mencerminkan status sistem berubah pada titik waktu tertentu, sedangkan sistem dikatakan
kontinyu jika perubahan variabel sistem berlangsung secara berkelanjutan seiring dengan
perubahan waktu.

2.7.Langkah-langkah Pembuatan Model Simulasi

Untuk pembuatan model simulasi model yang dibangun harus kredibel. Representasi
kredibel sistem nyata oleh model simulasi ditunjukkan oleh verifikasi dan validasi model.
Verifikasi adalah proses pemeriksaan apakah logika operasional model (program komputer)
sesuai dengan logika diagram alur. Kalimat sederhananya, apakah ada kesalahan dalam
program? (Hoover dan Perry, 1989); verifikasi adalah pemeriksaan apakah program
komputer simulasi berjalan sesuai dengan yang diinginkan, dengan pemeriksaan program
komputer. Verifikasi memeriksa penerjemahan model simulasi konseptual (diagram alur dan
asumsi) ke dalam bahasa pemrograman secara benar (Law dan Kelton, 1991) .

15
Validasi adalah proses penentuan apakah model, sebagai konseptualisasi atau abstraksi,
merupakan representasi berarti dan akurat dari sistem nyata? (Hoover dan Perry, 1989);
validasi adalah penentuan apakah model konseptual simulasi (sebagai tandingan program
komputer) adalah representasi akurat dari sistem nyata yang sedang dimodelkan (Law dan
Kelton, 1991).

2.8.Aturan Verifikasi Dan Validasi Dalam Simulasi

Ketika membangun model simulasi sistem nyata, kita harus melewati beberapa
tahapan atau level pemodelan. Seperti yang dapat dilihat pada Gambar 1, pertama kita harus
membangun model konseptual yang memuat elemen sistem nyata. Dari model konseptual ini
kita membangun model logika yang memuat relasi logis antara elemen sistem juga variabel
eksogenus yang mempengaruhi sistem. Model kedua ini sering disebut sebagai model
diagram alur. Menggunakan model diagram alur ini, lalu dikembangkan program komputer,
yang disebut juga sebagai model simulasi, yang akan mengeksekusi model diagram alur.
Pengembangan model simulasi merupakan proses iteratif dengan beberapa perubahan kecil
pada setiap tahap. Dasar iterasi antara model yang berbeda adalah kesuksesan atau kegagalan
ketika verifikasi dan validasi setiap model. Ketika validasi model dilakukan, kita
mengembangkan representasi kredibel sistem nyata, ketika verifikasi dilakukan kita
memeriksa apakah logika model diimplementasikan dengan benar atau tidak. Karena
verifikasi dan validasi berbeda, teknik yang digunakan untuk yang satu tidak selalu
bermanfaat untuk yang lain Baik untuk verifikasi atau validasi model, kita harus membangun
sekumpulan kriteria untuk menilai apakah diagram alur model dan logika internal adalah
benar dan apakah model konseptual representasi valid dari sistem nyata. Bersamaan dengan
kriteria evaluasi model, kita harus spesifikasikan siapa yang akan mengaplikasikan kriteria
dan menilai seberapa dekat kriteria itu memenuhi apa yang sebenarnya.

16
 1. Validasi Model Konseptual
Validasi model konseptual adalah proses pembentukan abstraksi relevan sistem nyata
terhadap pertanyaan model simulasi yang diharapkan akan dijawab. Validasi model simulasi
dapat dibayangkan sebagai proses pengikat dimana analis simulasi, pengambil keputusan dan
manajer sistem setuju aspek mana dari sistem nyata yang akan dimasukkan dalam model, dan
informasi apa (output) yang diharapkan akan dihasilkan dari model. Tidak ada metode
standar untuk validasi model konseptual, kita hanya akan melihat beberapa metode yang
berguna untuk validasi.
2. Representasi Kejadian Sistem
Metode ini menggunakan graf kejadian seperti yang digunakan dalam pengembangan
model simulasi. Teknik pembuatan grafnya juga sama. Kita harus mendefinisikan dengan
jelas relasi kondisional antar kejadian. Representasi graf dapat digunakan sebagai jembatan
ke model logis (model diagram alur) juga sebagai alat bantu komunikasi antara analis
simulasi, pengambil keputusan dan manajer. Hampir sama dengan graf kejadian adalah
model diagram alur, merepresentasikan aliran entitas melalui sistem.
3. Identifikasi Eksplisit Elemen yang Harus Ada dalam Model
Pada umunya model konseptual tidak dapat memasukkan semua detil sistem nyata,
melainkan hanya elemen yang relevan dengan pertanyaan yang diharapkan akan dijawab.
Dalam pembuatan model konseptual, semua kejadian, fasilitas, peralatan, aturan operasi,
variabel status, variabel keputusan dan ukuran kinerja harus jelas diidentifikasikan dan akan

17
menjadi bagian dari model simulasi. Kita juga harus mengidentifikasikan dengan jelas semua
elemen yang tidak akan dimasukkan dalam model simulasi. Analis simulasi, pengambil
keputusan dan manajer harus bergabung untuk memutuskan berapa banyak sistem nyata
harus dimasukkan untuk menghasilkan representasi valid sistem nyata.
4. Verifikasi dan Validasi Model Logis
Bentuk model logis tergantung dari bahasa pemrograman yang akan digunakan. Jika
model konseptual sudah dibangun dengan baik, verifikasi model konseptual bukan pekerjaan
kompleks. Ada beberapa pertanyaan yang harus dijawab sebelum kita yakin bahwa model
logis merepresentasikan model konseptual. Salah satu pendekatan yang digunakan untuk
verifikasi model logis adalah dengan fokus pada:
1. apakah kejadian dalam model diproses dengan benar?
2. apakah rumus matematika dan relasi dalam model valid?
3. apakah statistik dan ukuran kinerja diukur dengan benar?
5. Verifikasi Statistik dan Ukuran Kinerja
Kesalahan umum yang terjadi dalam pemodelan simulasi adalah gagal
memperbaharui statistik relevan dan ukuran kinerja secara tepat ketika suatu kejadian terjadi.
Salah satu cara yang dapat digunakan untuk verifikasi bahwa statistik dan ukuran kinerja
diperbaharui dengan benar adalah menggunakan graf kejadian. Dalam kebanyakan bahasa
simulasi, beberapa tipe ukuran statistik dapat dikumpulkan secara otomatis saat simulasi
dieksekusi. Oleh karena itu, ukuran statistik dibangun dalam metode yang transparan ke
analis, sehingga mengurangi kesempatan kesalahan statistik.
Ketika model logis dibangun, adalah penting melakukan validasi bahwa sttaistik dan ukuran
kinerja adalah satu-satunya yang perlu dijawab.

6. Verifikasi Model Komputer

Model komputer diverifikasi dengan menunjukkan bahwa program komputer adalah
implementasi tepat model logis. Beberapa metode yang digunakan untuk verifikasi model
komputer adalah unik terhadap simulasi, sementara metode verifikasi lain sama dengan yang
digunakan dalam setiap pengembangan perangkat lunak lainnya. Verifikasi model komputer
sangat tergantung dengan bahasa pemrograman yang digunakan dan tidak ada metodologi
umum yang disetujui. Verifikasi model komputer sering membutuhkan imaginasi dan
keahlian tinggi analis, dan ini adalah satu aktivitas dalam proyek simulasi yang dilakukan
tanpa bantuan pengambil keputusan dan manajer.

18
Verifikasi model komputer dapat dilakukan dengan:
ü - Metode pemrograman terstruktur
ü - Penelusuran model simulasi
ü - Pengujian
ü - Pengujian relasi logis
ü - Verifikasi dengan model analitis
ü - Verifikasi menggunakan grafik

2.9.Penelusuran Simulasi
Beberapa bahasa simulasi menyediakan kemampuan-terpasang penelusuran simulasi
sebagaimana terjadinya. Ketika model simulasi diprogram menggunakan bahasa umum, tentu
saja analis harus membangun kemampuan penelusuran dalam kode program. Ketika
membangun memprogram model logika, mekanisme penelusuran simulasi harus dimasukkan
sebagai bagian dari disain program dan tidak ditutupi ketika ada kesalahan dalam program
komputer.
1. Pengujian
Dua pendekatan pengujian adalah bottom-up dan top-down. Pada pendekatan bottom-
up, yang terendah, modul dasar pada umumnya diuji dan diverifikasi terlebih dahulu.
Pendekatan kadang-kadang disebut dengan pengujian unit. Setelah modul dasar diuji, uji
terintegrasi dilakukan dimana interface diantara kedua modul diuji. Pendekatan bottom-up ini
berlanjut terus sampai model dapat diuji sebagai sistem tunggal. Bagian terpenting dalam
pengujian adalah seleksi data uji. Keuntungan pengujian modul paling rendah terlebih dahulu
adalah
pengujian itu membutuhkan himpunan data uji yang lebih kecil daripada modul integrasi
yang lebih besar. Modul dapat diuji menggunakan driver yang menurunkan data uji, dan
kemudian modul dieksekusi. pada pendekatan top-down, pengujian dimulai dengan modul
utama dan secara inkremntal bergerak turun ke modul paling rendah. Dalam pengujian top-
down, rutin (routine) dummy dibutuhkan untuk mensimulasikan fungsi modul level paling
rendah. Keuntungan pendekatan top-down adalah proses berlangsung secara logika, paralel
dengan aliran program. Programmer dan manajer biasanya lebih menyukai pendekatan top-
down karena keberlangsungna proses dapat dilihat. Setelah model diuji baik dengan
pendekatan bottom-up ataupun top-down, model harus diuji coba dengan kondisi paling
ekstrim. Jika dipilih dengan hati-hati, hasil simulasi dengan kondisi ekstrim dapat diprediksi.

19
 2. Pengujian Relasi Logis
Relasi ini dapat didasarkan pada hukum konservasi atau secara statistik. Jika relasi ini
tidak diperhatikan, maka program bukan implementasi benar dari model logis. Titik paling
sesuai untuk memeriksa relasi itu adalah ketika model berjalan tahap demi tahap. Secara
tipikal, kesalahan pemrograman tidak acak dan berdistribusi secara uniform, tetapi berkumpul
secara kluster.
3. Validasi Model Simulasi
Persfektif Umum Simulasi:
1. Eksperimen dengan model simulasi untuk eksperimen sistem aktual
2. Kemudahan atau kesulitan dari proses validasi tergantung pada kompleksitas sistem yang
dimodelkan
3. Sebuah model simulasi dari sebuah sistem yang kompleks hanya dapat menjadi pendekatan
terhadap aktual sistem
4. Sebuah model simulasi sebaiknya selalu dibangun untuk sekumpulan tujuan tertentu
5. Sebuah buku catatan dari asumsi-asumsi model simulasi sebaiknya diupdate berkala
6. Sebuah model simulasi sebaiknya divalidasi relatif terhadap ukuran kinerja yang akan
digunakan untuk pengambilan keputusan
7. Pembentukan model dan validasi sebaiknya dilakukan sepanjang pensimulasian
8. Pada umumnya tidak mungkin untuk membentuk validasi statistik secara formal diantara
data output model dengan data output sistem aktual
Langkah 1. Membangun sebuah model dengan usaha melibatkan informasi semaksimal
mungkin:
· - Melakukan observasi terhadap sistem
· - Memanfaatkan Teori yang ada
· - Memanfaatkan hasil dari Model simulasi yang sama dan relevan
· - Menggunakan pengalaman atau intuisi
· - Memanfaatkan Teori yang ada
· - Memanfaatkan hasil dari Model simulasi yang sama dan relevan
· - Menggunakan pengalaman atau intuisi
Langkah 2. Menguji asumsi-asumsi model secara empiris
Jika distribusi probabilitas secara teoritis cocok dengan observasi dan digunakan sebagai
input untuk model simulasi, dapat diuji dengan pembuatan grafik dan uji goodness-of-fit Jika
beberapa himpunan data diobservasi untuk fenomena random yang sama, maka perbaikan

20
dari penggabungan data tersebut dapat ditentukan dengan uji Kruskal-Wallis Salah satu utiliti
yang sangat berguna adalah analisis sensitivitas
Langkah 3. Menentukan seberapa representatif output Simulasi
Prosedur Statistik untuk membandingkan data output dari observasi dunia nyata dan simulasi:
· - Korelasi pendekatan inspeksi
· - Pendekatan pendugaan selang kepercayaan berdasarkan data independen
· - Pendekatan Time Series

Validasi model simulasi dilakukan dengan partisipasi analis, pengambil keputusan dan
manajer sistem. Uji validasi model adalah apakah pengambil keputusan dapat mempercayai
model yang digunakan sebagai bagian dari proses pengambilan keputusan.
Tidak ada teknik tunggal untuk melakukan validasi model. Prosedur validasi model simulasi
tergantung dari sistem yang sedang dimodelkann dan lingkungan pemodelan. Beberapa
metode validasi adalah:
1. - perbandingan output simulasi dengan sistem nyata.
2. - metode Delphi.
3. - pengujian Turing.
4. - perilaku ekstrim
2.10. Peperbandingan Output Simulasi dengan Sistem Nyata
Membandingkan output ukuran kinerja model simulasi dengan ukuran kinerja yang
sesuai dari sistem nyata adalah metode yang paling sesuai untuk melakukan validasi model
simulasi. Jika ukuran kinerja sistem nyata cukup tersedia, uji statistik umum seperti uji t
digunakan dimana kita menguji hipotesis kesamaan nilai rata-rata. Kadang-kadang uji F juga
dapat digunakan untuk menguji kesamaan ragam sistem nyata dengan model simulasi.
Beberapa metode nonparametrik lainnya juga bisa digunakan, misalnya ChiSquare dan
Kolmogorov Smirnov.

21
Perbandingan antara model dan sistem nyata merupakan perbandingan statistik dan
perbedaan dalam performans harus diuji untuk signifikansi statistiknya. Perbandingan ini
tidak bisa dilakukan dengan sederhana begitu, karena performans yang diukur menggunakan
simulasi didasarkan pada periode waktu yang sangat lama, mungkin beberapa tahun. Kinerja
yang diukur dalam sistem nyata sebaliknya didasarkan pada periode waktu singkat, mungkin
hanya dalam ukuran minggu atau paling lama bulan. Kendala kedua, semua kondisi awal
sistem, yang mempunyai pengaruh pada performans sistem secara umum tidak diketahui pada
sistem nyata.
Permasalahan lainnya dalam membuat perbandingan statistikal antara sistem nyata dengan
model simulasi adalah bahwa performan yang diukur dalam sistem nyata mungkin
merefleksikan banyak elemen atau pengaruh dalam sistem yang dikeluarkan dari sistem.
Contohnya, ukuran kinerja untuk sistem produksi mungkin memasukkan pengaruh seperti
shift kerja panjang, liburan dan kecelakaan industri. Pengaruh ini elbih disukai dikeluarkan
dari model simulasi karena pengaruhnya akan konstan untuk sembarang alternatif model
simulasi yang diharapkan untuk dievaluasi.
Dalam banyak proyek model yang sedang disimulasikan, sistem nyata bahkan belum ada.
Dalam kasus seperti itu, tidak ada ukuran kinerja sistem nyata yang dapat digunakan sebagai
perbandingan dengan ukuran kinerja model simulasi. Cara terbaik mungkin mencari sistem
yang mirip, tapi perbandingan seperti itu lemah.
1. Metode Delphi
Metode Delphi dikembangkan sebagai pendekatan ke analisis permasalahan ketika
sangat sedikit data tersedia atau sistem nyata sedang dipertimbangkan. Dalam metode Delphi,
sekelompok ahli terpilih membentuk panel yang akan menghasilkan jawaban konsensus
terhadap pertanyaan yang diajukan ke mereka. Dalam lingkungan simulasi, panel mungkin
terdiri dari manager dan pengguna sistem yang sedang dimodekan dan pertanyaan adalah
tentang perilaku atau kinerja sistem di bawah kondisi operasi tertentu. Metode Delphi tidak
memasukkan diskusi tatap muka, oleh karena itu terhindar dari ketegangan diskusi kelompok
seperti dominasi peserta paling vokal. Metode dikembangkan oleh perusahaan RAND dan
telah digunakan dalam berbagai bentuk.
2. Pengujian Turing
Metode ini diajukan oleh Alan Turing sebagai uji intelegensia buatan. Seorang ahli
atau panel ahli menyediakan ringkasan gambaran atau laporan berdasarkan sistem nyata dan
model simulasi. Jika ahli tidak dapat mengidentifikasi laporan berdasarkan output model
simulasi, kredibilitas model ditingkatkan. Kesulitan utama validasi model menggunakan uji

22
Turing adalah penyesuaian ukuran kinerja sistem nyata sehingga pengaruh tidak
dimaksudkan sebagai bagian dari model simulasi dihilangkan.
3. Perilaku Ekstrim
Kadang-kadang sistem nyata dapat diamati di bawah kondisi ekstrim dimana situasi
tidak biasa muncul. Kadang-kadang hal ini menjadi solusi ideal untuk mengumpulkan data
ukuran kienrja sistem nyata untuk perbandingan output mode simulasi yang dijalankan pada
kondisi yang sama. Kadang-kadang juga manager sistem lebih mudah memprediksi
bagaimana perilaku sistem nyata pada kondisi ekstrim daripada pada kondisi normal. Dengan
membandingkan prediksi perilaku sistem nyata di bawah kondisi ekstrim dengan kinerja
model pada kondisi sama, mode dapat divalidasi.

23
 BAB III
KESIMPULAN
3.1 KESIMPULAN

Adapun kesimpulan dari makalah ini ialah ;

1. Kesimpulan sangant bermanfaat bagi kita dan masyarakat adapaun manfaat yang
dapat diberikan antara lain : Meningkatkan kesadaran dan pemahaman atas teknologi
informasi , Meningkatkan keberadaan, kapabilitas dan kemudahan penggunaan piranti
lunak simulasi ,Meningkatknya memori komputer dan kecepatan prosesor (terutama
pada PC) ,Menurunnya harga piranti lunak dan piranti keras.

24
 DAFTAR PUSTAKA

Erma Suryani. (2006), pemdoealn system, graham Ilmu, Jakarta.

Senge, (1995), the fifith discipline, McGraw Hill, New York.
Forrester, Jay (1989), industrial dynamic, MIT Press, Cambridge, Masachussets,
http://danyoce.blogspot.com/2010/12/sistem-model-dan-simulasi.html

http://novandypurnadrd.student.telkomuniversity.ac.id/26/

www.slideshare.net%2FChikaGidyfa%2Fdistribusi-diskrit-dan-kontinu
https://www.slideshare.net/main/private_slideshow?path_to_redirect_at=https%3A%2F%2F

25