UTS

1. Simulasi dan Pemodelan

1.1 PEMODELAN DAN 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 harus
dapat membuat konsepsi tentang sistem itu. Ada beberapa cara untuk dapat
merancang, menganalisis dan mengoperasikan suatu sistem. Obyek penelitian
biasanya merupakan suatu sistem dengan kerumitan-kerumitan yang sangat kompleks
sehingga memerlukan pengabstraksian. Salah satunya adalah dengan melakukan
pemodelan, membuat model dari sistem tersebut.
Istilah pemodelan adalah terjemahan bebas dari istilah modelling. Untuk
menghindari berbagai pengertian atau penafsiran yang berbeda-beda, maka istilah
pemodelan dapat diartikan sebagai suatu rangkaian aktivitas pembuatan model.
Sebagai landasan untuk lebih memahami pengertian pemodelan maka diperlukan
suatu penelaahan tentang model 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 timbal-balik 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. 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.
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 regresi 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 matematika yang terpilih dapat mempermudah
pengkajian sistem, yang pada umumnya merupakan suatu kompleksitas. Sifat
universa- litas dari matematik dan notasi-notasinya 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
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 mengkaji 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 ilmu-ilmu 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.
Dengan membuat model dari suatu sistem maka 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.
Ada beberapa langkah di dalam mempelajari sebuah sistem. Secara lengkap
digambarkan dengan diagram / gambaran seperti dibawah ini :
 Gambaran Dari Aneka Cara Mempelajari Sebuah Sistem :

Jika suatu sistem secara fisik memungkinkan dan tidak memakan biaya yang
besar untuk dioperasikan sesuai dengan kondisi (scenario) yang kita inginkan maka
cara ini merupakan cara yang terbaik karena hasil dari eksperimen ini benar-benar
sesuai dengan sistem yang dikaji. Namun sistem seperti itu jarang sekali ada dan
penghentian operasi sistem untuk keperluan eksperimen akan memakan biaya yang
sangat besar. Selain itu untuk sistem yang belum ada atau sistem yang masih dalam
rancangan maka eksperimen dengan sistem aktual jelas tidak bisa dilakukan sehingga
satu-satunya cara adalah dengan menggunakan model sebagi representasi dari sistem
aktual.
Model fisik atau ikonik pada hakekatnya merupakan perwakilan fisik dari
beberapa hal, baik dalam bentuk ideal maupun dalam skala yang berbeda. Model
ikonik ini mempunyai karakteristik yang sama dengan hal yang diwakilinya, dan
terutama amat sesuai untuk menerangkan kejadian pada waktu yang spesifik.
Model ikonik dapat berdimensi dua (foto, peta, cetak-biru) atau tiga dimensi
(prototipe mesin, alat, dan lainnya). Apabila model berdimensi lebih dari tiga tidak
mungkin lagi dikonstruksi secara fisik sehingga diperlukan kategori model simbolik.
Model fisik mengambil dari sebagian sifat fisik dari hal-hal yang diwakilinya,
sehingga menyerupai sistem yang sebenarnya namun dalam skala yang berbeda.
Walaupun jarang dipakai, model ini cukup berguna dalam rekayasa sistem.
Pada hakekatnya, ilmu sistem memusatkan perhatian pada model matematis
atau model simbolik sebagai perwakilan dari realita yang dikaji. Format
model
simbolik dapat berupa bentuk angka, simbol dan rumus. Jenis model simbolik yang
umum dipakai adalah suatu persamaan (equation).
Bentuk persamaan adalah tepat, singkat dan mudah dimengerti. Simbol
persamaan tidak saja mudah dimanipulasi dibandingkan dengan kata-kata, namun juga
lebih cepat dapat ditanggap maksudnya. Suatu persamaan adalah bahasa yang
universal pada penelitian operasional dan ilmu sistem, dimana di dalamnya digunakan
suatu logika simbolis.
Dalam mempelajari ilmu sistem diperlukan suatu pengertian yang mendasar
tentang simbol-simbol matematika; karena kalau tidak demikian akan menambah
kompleksitas dari konsep pengkajian itu sendiri. Bagaimanapun juga sebagaimana
mempelajari suatu hal maka kunci dari kelancaran dan pemahamannya adalah
frekuensi latihan aplikasinya. Dengan demikian diharapkan para pengguna dapat
secara efisien menangkap arti dari setiap notasi matematis yang disajikan. Misalnya ,
notasi ai dapat diartikan faktor peubah a, dan Aij dapat digambarkan sebagai Tabel
matriks peubah A dengan baris i dan kolom j.
Dalam penelitian, model matematis lebih sering dipakai jika dibandingkan
dengan model fisik. Pada model matematis, sistem direpresentasikan sebagai
hubungan logika dan hubungan kuantitatif untuk kemudian dimanipulasi supaya dapat
dilihat bagaimana sistem bereaksi.
Setelah model matematis berhasil dirumuskan, model tersebut dipelajari
kembali apakah model yang telah dikembangkan dapat menjawab pertanyaan yang
berkaitan dengan tujuan mempelajari sistem. Jika model yang dibentuk cukup
sederhana, maka relasi-relasi matematisnya dapat digunakan untuk mencari solusi
analitis. Jika solusi analitis bisa diperoleh dengan cukup mudah dan efisien, maka
sebaiknya diigunakan solusi analitis karena metode ini mampu memberikan solusi
yang optimal terhadap masalah yang dihadapi. Tetapi seringkali model terlalu
kompleks sehingga sangat sulit untuk diselesaikan dengan metoda-metoda analitis,
maka model tersebut dapat dipelajari dengan simulasi. Simulasi tidak menjamin
memberikan hasil yang optimal melainkan dijamin bahwa hasilnya mendekati
optimal.
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.
Simulasi merupakan suatu teknik meniru operasi-operasi atau proses- proses
yang terjadi dalam suatu sistem dengan bantuan perangkat komputer dan dilandasi
oleh beberapa asumsi tertentu sehingga sistem tersebut bisa dipelajari secara ilmiah
(Law and Kelton, 1991). Dalam simulasi digunakan komputer untuk mempelajari
sistem secara numerik, dimana dilakukan pengumpulan data untuk melakukan
estimasi statistik untuk mendapatkan karakteristik asli dari sistem. 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.
 Penerapan simulasi dalam program komputer disebut sebagai Simulink.
Simulink adalah salah satu bagian dari MatLab (Matriks Laboratory) Program.
Simulink dapat digunakan untuk mensimulasi sistem artinya mengamati dan
menganalisa perilaku dari tiruan sistem. Tiruan sistem diharapkan mempunyai
perilaku yang sangat mirip dengan sistem fisik. Jika digunakan dengan benar,
simulasi akan membantu proses analisis dan desain sistem.

1.2 TAHAPAN DALAM PEMODELAN

Para ahli penelitian operasional dan ilmu sistem telah memberikan konsepsi
dan teknik pemodelan sistem. Para ahli ini menyarankan untuk mengawali
pemodelan dengan penguraian seluruh komponen yang akan mempengaruhi
efektivitas dari operasi sistem. Setelah daftar komponen tersebut lengkap, langkah
selanjutnya adalah penyaringan komponen mana yang akan dipakai dalam pengkajian
tersebut. Hal ini umumnya sulit karena adanya interaksi antar peubah yang seringkali
menyulitkan isolasi suatu peubah. Peubah yang dipandang tidak penting ternyata
bisa saja mempengaruhi hasil studi setelah proses pengkajian selesai. Untuk
menghindarkan hal ini, diperlukan percobaan pengujian data guna memilih
komponen-komponen yang kritis. Setelah itu dibentuk gugus persamaan yang dapat
dievaluasi dengan merubah- rubah komponen tertentu dalam batas-batas yang
diperkenankan. Salah satu contoh pemodelan seperti ini adalah Program Linear
(Linear Programming) dan Program Dinamik (Dynamic Programming).
Dalam konteks pendekatan sistem, tahap-tahap pemodelannya lebih kompleks
namun relatif terlalu beragam, baik ditinjau dari jenis sistem ataupun tingkat
kecanggihan model. Manetsch dan Park (1984) mengembangkan tahap pemodelan
abstrak ini sebagai bagian dari pendekatan sistem.
Pemodelan abstrak menerima input berupa alternatif sistem yang layak.
Proses ini membentuk dan mengimplementasikan model-model matematika yang
dimanfaatkan untuk merancang program terpilih yang akan dipraktekkan di dunia
nyata pada tahap berikutnya. Output utama dari tahap ini adalah deskripsi terinci
dari keputusan yang diambil berupa perencanaan, pengendalian atau kebijakan
lainnya.

1.3 IMPLEMENTASI KOMPUTER

Pemakaian komputer sebagai pengolah data, penyimpan data dan komunikasi
informasi tidak dapat diabaikan dalam pendekatan system, model abstrak diwujudkan
dalam berbagai bentuk persamaan, diagram alir dan diagram blok. Tahap ini seolah-
olah membentuk model dari suatu model, yaitu tingkat abstraksi lain yang ditarik dari
dunia nyata. Hal yang penting di sini adalah memilih teknik dan bahasa komputer
yang digunakan untuk implementasi model. Masalah ini akan mempengaruhi :
1. Ketelitian dari hasil komputasi
2. Biaya operasi model
3. Kesesuaian dengan komputer yang tersedia
4. Efektifitas dari proses pengambilan keputusan yang akan menggunakan hasil
pemodelan tersebut.
Setelah program komputer dibuat dan format input /output telah dirancang
secara memadai, maka sampailah pada tahap pembuktian (verifikasi) bahwa model
komputer tersebut mampu melakukan simulasi dari model abstrak yang dikaji.
Pengujian ini mungkin berbeda dengan uji validitas model itu sendiri.

1.4 BAHASA SIMULASI

Pemrograman model simulasi, seperti yang disebutkan sebelumnya, dapat
dilakukan menggunakan bahasa umum komputer (general purposes language) atau
menggunakan bahasa simulasi. Ada beberapa bahasa simulasi, sehingga kita harus
dapat 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. Kesuksesan analisis simulasi merupakan teknik campuran yang
sangat tergantung pada keahlian dan keahlian analis. Elemen dan struktur bahasa
komputer umum seperti Pascal atau FORTRAN, source 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 rata-rata untuk menyediakan output statistik penting. Variabel waktu
lanjut, 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 dan yang menyediakan
output statistik yang dibutuhkan dalam pengambilan keputusan.

1.5 STRUKTUR BAHASA SIMULASI

Kiviat mendefinisikan struktur statis bahasa simulasi terdiri dari 3, yaitu
identifikasi objek dan karakteristik objek, relasa antara objek dan penurunan objek.
Struktur dinamisnya 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 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 pendekatan ini ke struktur
dinamis.
Pendekatan event-tracking memeriksa sistem hanya jika ada perubahan status.
Logika 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 waktu-tetap, tetapi akan mengehmat waktu eksekusi
model secara signifikan.

1.6 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 masih 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. Syntax errors
 (kesalahan sintaks) adalah permasalahan pertama dalam proses, dan analisis
untuk mendeteksi ini sudah ditanam dalam bahasa simulasi umumnya.
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.
Bahasa simulasi harus memungkinkan pengguna dengan mudah
menspesifikasikan beragam statistik yang dikumpulkan selama eksekusi
model. 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 benar-benar 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.

1.7 PEMILIHAN BAHASA SIMULASI

 Beberapa hal yang perlu diperhatikan dalam pemilihan bahasa simulasi adalah
kemudahan untuk dipelajari, kemudahan menjelaskan pada orang yang bukan teknik,
biaya, kode standar untuk semua komputer dan cakupan permasalahan yang dapat
ditangani oleh bahasa. Pada umumnya, semakin mirip elemen bahasa simulasi dengan
elemen dunia nyata, semakin mudah elemen itu dipelajari. Kemudahan menjelaskan
fungsi bahasa simulasi ke manajer yang mengeluarkan dana untuk pembelian
perangkat lunak dan yang tidak memahami secara teknis juga digunakan dalam
memilih bahasa simulasi.
Di dalam makalah ini penyusun akan memberikan contoh penerapan simulasi
dengan menggunakan Simulink atau Matlab, yaitu bahasa utama untuk perhitungan
teknis, DSP, disain kotnrol, dst. Simulink menyediakan interface grafis ke beberapa
fungsi Matlab, sehingga memungkinkan pemakai mendisain model dan mengkontrol
sistem secara grafis.
Simulink adalah salah satu bagian dari MatLab. Simulink dapat digunakan
untuk mensimulasi sistem artinya mengamati dan menganalisa perilaku dari tiruan
sistem. Tiruan sistem diharapkan mempunyai perilaku yang sangat mirip dengan
sistem fisik. Jika digunakan dengan benar, simulasi akan membantu proses analisis
dan desain sistem. Simulink mendukung simulasi sistem linier, sistem kontrol, sistem
yang menggunakan logika kabur, jaringan syaraf tiruan, komunikasi, dan lain-lain.

1.8 SEKILAS TENTANG MATLAB

MATLAB (Matrix Laboratory) adalah sebuah program untuk analisis dan
komputasi numerik dan merupakan suatu bahasa pemrograman matematika lanjutan
yang dibentuk dengan dasar pemikiran menggunakan sifat dan bentuk matriks. Pada
awalnya, program ini merupakan interface untuk koleksi rutin-rutin numerik dari
proyek LINPACK dan EISPACK, dan dikembangkan menggunakan bahasa
FORTRAN namun sekarang merupakan produk komersial dari perusahaan
Mathworks, Inc. yang dalam perkembangan selanjutnya dikembangkan menggunakan
bahasa C++ dan assembler (utamanya untuk fungsi-fungsi dasar MATLAB).
MATLAB telah berkembang menjadi sebuah environment pemrograman yang
canggih yang berisi fungsi-fungsi built-in untuk melakukan tugas pengolahan sinyal,
aljabar linier dan kalkulasi matematis lainnya. MATLAB juga berisi toolbox yang
berisi fungsi-fungsi tambahan untuk aplikasi khusus . MATLAB bersifat extensible,
dalam
arti bahwa seorang pengguna dapat menulis fungsi baru untuk ditambahkan pada
library ketika fungsi-fungsi built-in yang tersedia tidak dapat melakukan tugas
tertentu.
MATLAB (Matrix Laboratory) yang merupakan bahasa pemrograman tingkat
tinggi berbasis pada matriks sering digunakan untuk teknik komputasi numerik, yang
digunakan untuk menyelesaikan masalah-masalah yang melibatkan operasi
matematika elemen, matrik, optimasi, aproksimasi dll. Sehingga Matlab banyak
digunakan pada :
Matematika dan Komputansi
Pengembangan dan Algoritma
Pemrograman Modeling, Simulasi, dan Pembuatan Prototipe
Analisa Data , Eksplorasi dan Visualisasi
Analisis Numerik dan Statistik
Pengembangan Aplikasi Teknik