RISET OPERASI

MATERI: SIMULASI

SIMULASI
DALAM
RISET
OPERASI
0
RISET OPERASI
MATERI: SIMULASI
SIMULASI (SIMULATION)

A. PENDAHULUAN
Simulasi merupakan suatu peralihan besar dari topik-topik riset operasi. Simulasi menawarkan
alternatif mencari solusi atas permasalahan yang komplek yang tidak bisa dipecahkan dengan
model analitik.
Simulasi mempunyai pengertian sebagai suatu metodologi untuk melaksanakan
percobaan dengan model dari sistem nyata. Mensimulasi berarti melakukan duplikasi atas
features, bentuk dan karakteristik dari sistem nyata. Ide dasar simulasi adalah menggunakan
beberapa perangkat untuk meniru sistem nyata guna memperlajari dan memaknai sifat-sifat,
tingkah laku (perangai) dan karakter operasi.
Simulasi pada suatu bidang bisnis atau sistem manajemen (business or management
sistem) dengan melakukan pemodelan secara matematik yang menggambarkan atau
menunjukan sistem nyata yang ditiru.
Berdasarkan jenisnya simulasi ada dua yaitu: (1) simulasi analog artinya mengganti
lingkungan phisik yang asli dengan lingkungan phisik tiruan yang lebih mudah untuk
memanipulasi. Contohnya ruang tanpa bobot disimulasi dengan ruangan penuh air (ber-bobot),
(2) simulasi matematik artinya meniru sitem dengan model matematik untuk mendapatkan
operating characteristics sistem melalui suatu eksperimen.
Pada pembahasan ini simulasi yang dimaksud adalah simulasi model matematik yaitu
suatu simulasi yang meniru situasi pada keadaan nyata dengan model matematik.
Motivasi menggunakan simulasi dalam pemecahan suatu persoalan riset operasi adalah
karena adanya beberapa keterbatasan dalam model analitik, antara lain:
1. Model analitik tidak mampu menelusuri perangai sutu sistem pada masa lalu dan
masa mendatang melaui pembagian waktu. Model analitik hanya memberikan
penyelesaian secara menyeluruh, suatu penyelesaian yang mungkin tunggal dan
optimum tetapi tidak menggambarkan suatu prosedur operasional untuk masa lebih
singkat dari masa perencanaan.
2. Model matematik yang konvensional sering tidak mampu menyajikan sistem nyata
yang lebih besar dan rumit (komplek)
3. Model analitis terbatas pemakainya dalam hal-hal yang tidak pasti dan aspek
dinamis (faktor waktu) dari persoalan manajemen.

1
RISET OPERASI
MATERI: SIMULASI
Semua simulasi yang baik memerlukan perencanaan dan organisasi yang baik. Tujuh
langkah yang harus dilakukan manajer untuk melakukan proses simulasi yaitu: (1) definisikan
permasalahan, (2) identifikasi variable-variabel yang berhubungan dengan permasalahan, (3)
kembangkan model secara numeris, (4) ujilah model dan bandingkan tingkah lakunya dari
sistem nyata, (5) jalankan percobaan (eksperimen), (6) pertimbangkan hasil yang diperoleh
sebagai kemungkinan keputusan untuk memodifikasi model atau mempertimbangkan merubah
masukan data, (7) putuskan tindakan mana yang diambil. rangkaian 7 langkah itu dapat dilihat
pada gambar 1 sebagai Flow Chart Simulasi.

Define Problem

Introduce important
variables

Construct simulation
model

Specipy values of variables

to be tested

Conduct
the simulation

Examine the result

Select the best

course of action
Gambar 1

2
RISET OPERASI
MATERI: SIMULASI
B. KELEBIHAN DAN KEKURANGAN SIMULASI

a. Kelebihan/ keunggulan 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
4. Simulasi membolehkan kita untuk mempelajari pengaruh alternatif dari
kumpulan individu atau variabel mana yang lebih penting
5. Pada banyak hal, simulasi lebih murah dari percobaannya sendiri.
6. Untuk sejumlah proses dimensi, simulasi memberikan penyelidikan yang
langsung dan terperinci dalam periode waktu khusus.

b. Kekurangan simulasi
1. Simulasi bukan presisi dan juga bukan suatu proses optimasi. Simulasi
tidak menghasilkan penyelesaian, tetapi menghasilkan cara untuk menilai
jawaban termasuk jawaban optimal.
2. Model Simulasi yang baik dan efektif adalah sangat mahal dan
membutuhkan waktu yang lama dibandingkan dengan model analitik
3. Tidak semua situasi dapat dinilai melalui simulasi kecuali situasi yang
memuat ketidakpastian (probability)

C. SIMULASI MONTE CARLO (SMC)

Simulasi Monte Carlo merupakan suatu pendekatan untuk membentuk kembali distribusi
peluang yang didasarkan pada pilihan atau pengadaan bilangan acak (random).
Istilah Monte Carlo sering dianggap sama dengan simulasi probabilistik. Namun
Monte Carlo Sampling secara lebih tegas berarti teknik memilih angka secara acak dari
distribusi probabilitas untuk menjalankan simulasi.
Lima langkah dalam melakukan simulasi Monte Carlo yaitu:
1. Menetapkan/menentukan distribusi probabilitas untuk variabel-variabel penting
2. Menghitung distribusi kumulatif untuk tiap-tiap variabel pada langkah 1.

3
RISET OPERASI
MATERI: SIMULASI
3. Menetapkan suatu interval dari angka acak (random numbers) untuk masing-
masing variabel
4. Bebtuk atau pilih bilangan acak (generating random numbers)
5. Nyatakan barisan simulasi dari beberapa percobaan-percobaan.

Ilustrasi simulasi Monte Carlo dari 5 langkah diatas di deskripsikan pada contoh
berikut ini.
Manajer IBM Indonesia sedang memutuskan berapa jumlah Laptop
yang harus dipesan setiap minggu. Salah satu pertimbangan utama
dalam keputusan utama manajer tersebut adalah jumlah permintaan
setiap minggunya. Laptop dijual dengan harga Rp 12.500.000,00.
jumlah permintaan Laptop merupakan variabel acak (yang dianggap
sebagai X) yang berkisar mulai dari 0 sampai 4 setiap minggu.
Dari catatan yang tersedia, manajer telah menetapkan frekuensi
permintaan Laptop untuk 100 minggu terakhir dan data itu adalah
sebagai berikut:
Tabel 1
Permintaan laptop Per Minggu Frekuensi Permintaan
0 20
1 40
2 20
3 10
4 10
Jumlah 100

Lima langkah simulasi Monte Carlo untuk mengetahui permintaan rata-rata Laptop per
minggu dan pendapatan rata-rata PT IBM Indonesia, adalah sebagai berikut:
Langkah 1: Menetapkan distribusi probabilitas
Tabel 2
Permintaan laptop Frekuensi Distribusi Probabilitas
Per Minggu Permintaan permintaan, p(x)
0 20 20/100 = 0,20
1 40 40/100 =0,40
2 20 20/100 = 0,20
3 10 10/100 = 0,10
4 10 10/100 = 0,10
Jumlah 100 1,00

4
RISET OPERASI
MATERI: SIMULASI
Langkah 2: Menghitung distribusi kumulatif
Tabel 3
Permintaan laptop Distribusi Probabilitas Distribusi kumulatif
Per Minggu permintaan, p(x) Probabilitas
0 0,20 0,20
1 0,40 0,60
2 0,20 0,80
3 0,10 0,90
4 0,10 1,00
Jumlah 1,00

Langkah 3: Menetapkan suatu interval dari angka acak (random numbers) untuk masing-
masing variabel. Pada langkah 2 kita menyusun probabilitas kumulatif, kemudian
kita tandai jumlah yang menunjukan kemungkinan nilai-nilai atau hasil. Hal ini
yang sering di sebut interval angka acak (random number intervasl). Pada
dasarnya angka acak adalah urutan angka atau digit (katakan digit dari 00,01,02,
…..,97,98,99) digit 100, dimulai dari 00 sampai 99. Karena sangat kompleknya
membentuk angka acak maka pembentukan angka acak sebaiknya dengan
menggunakan perhitungan komputer. Angka acak yang dihasilkan komputer
memiliki kesempatan yang sama antara satu dengan yang lainnya sehingga
kemungkinan terjadinya suatu angka acak adalah sama (equal likely to accur).
Angka acak dari perhitungan komputer bisa juga disebut dengan tabel angka acak
(random numbers table). Daftar angka acak (random numbers) dapat dilihat pada
tabel 17.1 pada lapiran modul ini.
Karena tabel angka acak yang memiliki dua digit (100 angka) terdiri 00,
01, 02, 03,….,97, 98, 99, maka untuk probalitas 20% pertama adalah interval 00-
19 (memuat 20 angka terdiri dari 0,1,2,…..17,18,19), 60% kedua memuat
interval 20-59 (memuat 40 angka terdiri dari 20, 21, 22,……,59, berdasarkan
distribusi kumulatif probabilitas P(x) pada langkah 2) begitu seterusnya hingga
kumulatif probabilitas 100%.
Ringkasan tabel untuk mendapatkan interval angka acak dari distribusi
kumulatif pada langkah 2 adalah sebagai berikut:

5
RISET OPERASI
MATERI: SIMULASI
Tabel 4
Permintaan Laptop Probabilitas Probabilitas Interval angka
per minggu (x) permintaan, P(X) kumulatif acak
0 0,20 0,20 0-19
1 0,40 0,60 20-59
2 0,20 0,80 60-79
3 0,10 0,90 80-89
4 0,10 1,00 90-99
Jumlah 1,00

Langkah 4: Bentuk/pilih bilangan acak (generating random numbers). Kita telah memiliki
tabel angka acak pada lampiran (Tabel 17.1) pilihlah salah satu bilangan acak
(pemilihan ini bebas), misal kita memilih angka acak pada tabel 17.1 adalah
adalah angka 39 maka
Tabel 5
Permintaan Laptop Interval angka acak Angka acak
per minggu (x) (R)
0 0-19
1 20-59 R = 39
2 60-79
3 80-89
4 90-99

Bila kita memilih angka pada tabel 17.1 adalah 95 maka

Tabel 6
Permintaan Laptop Interval angka acak Angka acak
per minggu (x) (R)
0 0-19
1 20-59
2 60-79
3 80-89
4 90-99 R = 95

Jadi pemilihan angka acak bebas, bila telah ditetapkan angka acak maka angka-
angka selanjutnya adalah angka-angka yang berada pada satu kolom yang sama.
Kita tetapkan kembali bahwa pemilihan angka acak adalah 39 maka dengan
mengulang pemilihan angka acak pada tabel 17.1 yang berada pada satu kolom
yang sama kita dapat mensimulasikan permintaan untuk suatu periode waktu

6
RISET OPERASI
MATERI: SIMULASI
(langkah ke lima), sehingga langkah ke lima bila ditunjukan pada tabel berikut
yaitu sebagai permintaan untuk 15 minggu berturut-turut adalah :

Tabel 7
Minggu ke Angka acak (R) Permintaan, X Pendapatan (Rp)
1 39 1 12.500.000,00
2 73 2 25.000.000,00
3 72 2 25.000.000,00
4 75 2 25.000,000,00
5 37 1 12.500,000,00
6 02 0 0
7 87 3 37.500.000,00
8 98 4 50.000.000,00
9 10 0 0
10 47 1 12.500.000,00
11 93 4 50.000.000,00
12 21 1 12.500.000,00
13 95 4 50.000.000,00
14 97 4 50.000.000,00
15 69 2 25.000.000,00
Jumlah 31 387.500.000,00

Hasil simulasi ini dapat disimpulkan:

Perkiraan permintaan rata-rata laptop = 31/15 = 2,07 per minggu
Perkiraan rata-rata pendapatan rata-rata PT IBM Indonesia = Rp 387.500.000/15
yaitu Rp 25.833.333,00 per minggu.

D. SIMULASI DALAM SISTEM ANTRIAN

Simulasi diterapkan pada sistem antrian karena beberapa asumsi yang diperlukan pada antrian
seperti kedatangan harus mengikuti distribusi poisson dan waktu pelayanan mengikuti
distribusi eksponensial negatif sulit terpenuhi.
Sebagai ilustrasi bagaimana mensimulasikan sistem antrian, pada kasus ini,
dimisalkan menjelang awal semester mahasiswa harus melunasi uang kuliah melalui bank.
Pengamatan terhadap kedatangan 300 mahasiswa pada bank itu yang hanya menyediakan satu
teller dan waktu pelayanannya ditunjukan pada table berikut:

Tabel 8

7
RISET OPERASI
MATERI: SIMULASI
Waktu antar Frekuensi Waktu pelayanan Frekuensi
kedatangan (menit) (menit)
4 60 3 90
5 90 4 150
6 120 5 60
7 30 300
300

Pada sistem antrian ini, melakukan simulasi untuk mengetahui operating

Characteristics seperti rata-rata panjang antrian, rata-rata waktu menunggu, rata-rata waktu
dalam sistem dapat dilakukan dengan simulasi Monte Carlo yang langkah-langkahnya telah
dijelaskan sebelumnya.
Langkah 1: Menetapkan distribusi probabilitas untuk masing-masing waktu kedatangan dan
waktu pelayanan
Tabel 9
Waktu antar Frekuensi Probabilitas
kedatangan (menit)
4 60 60/300=0,20
5 90 90/300=0,30
6 120 120/300=0,40
7 30 30/300=0,10
300 1,00

Tabel 10
Waktu pelayanan Frekuensi Probabilitas
(menit)
3 90 90/300=0,30
4 150 150/300=0,50
5 60 60/300=0,20
300 1,00
Langkah 2: Menghitung distribusi kumulatif
Tabel 11
Waktu antar Frekuensi Probabilitas Prpbabilitas
kedatangan (menit) kumulatif
4 60 60/300=0,20 0,20
5 90 90/300=0,30 0,50
6 120 120/300=0,40 0,90
7 30 30/300=0,10 1,00
300 1,00
Tabel 12
Waktu pelayanan Frekuensi Waktu pelayanan Prpbabilitas

8
RISET OPERASI
MATERI: SIMULASI
(menit) (menit) kumulatif
3 90 90/300=0,30 0,30
4 150 150/300=0,50 0,80
5 60 60/300=0,20 1,00
300 1,00

Langkah 3: Menetapkan suatu interval dari angka acak (random numbers) untuk masing-
masing variabel.

Tabel 13
Waktu antar Frekuensi Probabilitas Prpbabilitas Interval angka
kedatangan (menit) kumulatif acak
4 60 60/300=0,20 0,20 00-19
5 90 90/300=0,30 0,50 20-49
6 120 120/300=0,40 0,90 50-89
7 30 30/300=0,10 1,00 90-99
300 1,00

Tabel 14
Waktu pelayanan Frekuensi Waktu pelayanan Prpbabilitas Interval
(menit) (menit) kumulatif angka acak
3 90 90/300=0,30 0,30 00-29
4 150 150/300=0,50 0,80 30-79
5 60 60/300=0,20 1,00 80-99
300 1,00

Langkah 4: Pilih bilangan acak, kita telah memiliki tabel angka acak pada lampiran (Tabel
17.1). Pada kasus ini di pilih bilangan acak pada kolom ke-5 dari lampiran tabel
17.1 yaitu 45, 90, 84, dan seterusnya. Data-data kedatangan dan waktu pelayanan
dijadikan menjadi tabel 15 serta sekaligus di bentuk barisan percobaan-percobaan
selama 10 kedatangan dalam simulasi ini (langkah 5).

9
RISET OPERASI
MATERI: SIMULASI

Tabel 15

Kedatangan Angka Interval Jam Jam Waktu Panjang Angka Waktu Jam Waktu
ke acak kedatanga datang masuk tunggu antrian acak layanan pergi dalam
(R1) n fasilitas (R2) sistem
1 - - 0 0 0 0 45 4 4 4
2 90 7 7 7 0 0 84 5 12 5
3 17 4 11 12 1 1 74 4 16 5
4 94 7 18 18 0 0 07 3 21 3
5 15 4 22 22 0 0 04 3 25 3
6 31 5 27 27 0 0 07 3 30 3
7 99 7 34 34 0 0 97 5 39 5
8 73 6 40 40 0 0 13 3 43 3
9 03 4 44 44 0 0 62 4 48 4
10 47 5 49 49 0 0 99 5 54 5
Jumlah 1 1

Sehingga dari tabel 15 diperoleh operating characteristics hasil simulasi adalah:

a. rata-rata panjang antrian = 1/10 = 0,1 orang
b. rata-rata waktu antrian = 1/10 = 0,1 menit
c. rata-rata waktu dalam sistem = 40/10 = 4 menit

E. AREA SISTEM PENERAPAN SIMULASI

1. Antrian
Pada sistem antrian, ketika beberapa asumsi yang disyaratkan antrian tidak terpenuhi,
sistem antrian yang komplek, pengembangan formula analitis tidak bisa dilakukan maka
simulasi menjadi satu-satunya anlisis yang tersedia

2. Pengendalian Persediaan
Simulasi digunakan pada pengendalian persediaan karena pada prakteknya permintaan
sulit diketahui secara pasti sehingga simulasi merupakan variabel acak, yang
mencerminkan ketidakpastian permintaan.

3. Produksi Pemanufakturan

10
RISET OPERASI
MATERI: SIMULASI
Pada area ini simulasi diterapkan sebagai analisis jadwal produksi, urutan produksi,
keseimbangan lini pemasangan (atas persediaan dalam proses), susunan pabrik dan
lokasi pabrik

4. Pembiayaan
Simulasi digunakan untuk menentukan input dalam perhitungan tingkat pengembalian
(rate of returnI) dimana infut tersebut variabel acak, seperti ukuran pasar, harga jual,
tingkat pertumbuhan dan pangsa pasar.

5. Pemasaran
Simulasi diterapkan untuk memastikan reaksi suatu pasar terhadap pengenalan suatu
produk atau terhadap kampanye periklanan untuk produk yang sudah ada

6. Operasi Layanan Umum

Operasi pelayanan umum yang semakin komplek seperti operasi departemen kepolisian,
dinas kebakaran, kantor pos, rumah sakit, sistem pengadalian, bandar udara dan sistem
pelayanan lainya menjadikan simulasi menjadi penting penggunaanya, untuk
mengakomodasi variabel acak dalam pengoperasian dari pelayanan umum

7. Analilis Lingkungan dan Sumber Daya

Metode simulasi dikembangkan untuk memastikan pengaruh dari proyek-proyek seperti
pabrik tenaga nuklir, penampungan, jalan bebas hambatan, dan lingkungan sekitarnya.
Dalam bidang anlisis sumber daya, model simulasi telah dikembangkan untuk
mensimulasikan sistem energi dan kemungkinan adanya sumber energi.

11