Rangkuman

Teori Pengambilan Keputusan

“Simulation Model"

Disusun Oleh :

MUH. TASRIF HASBI

A021181349

UNIVERSITAS HASANUDDIN

FAKULTAS EKONOMI DAN BISNIS

PRODI MANAJEMEN

MAKASSAR

2020
 Pemodelan Simulasi

 Sejarah Simulasi

Sejarah simulasi dimulai lebih dari 5.000 tahun yang lalu ke permainan perang Tiongkok
yang disebut weich'i . Sekitar 1780, Prusia menggunakan simulasi untuk membantu melatih
pasukan mereka. Sejak itu, semua kekuatan militer besar telah menggunakan permainan perang
untuk menguji strategi militer di bawah lingkungan simulasi.

Dari permainan militer muncullah konsep baru yang disebut simulasi Monte Carlo . Ini
dikembangkan pada tahun 1940-an sebagai teknik analisis kuantitatif oleh Drs. John von
Neumann, Stan Ulam, dan Nicholas Metropolis di Los Alamos National Laboratory (LANL)
untuk memecahkan masalah fisika yang terlalu kompleks atau terlalu mahal untuk diselesaikan
dengan tangan. Aplikasi pertama dari simulasi Monte Carlo adalah untuk mempelajari perilaku
neutron pada material yang dapat fisi. Karena penelitian mereka di LANL sangat Rahasia, para
ilmuwan membutuhkan nama kode untuk alat baru mereka. Para ilmuwan menemukan "Monte
Carlo" karena perilaku neutron mengingatkan mereka pada roda roulette dan paman Dr. Ulam
menghabiskan banyak waktu berjudi di Monte Carlo, Monaco.

Dengan munculnya dan penggunaan komputer di tahun 1950-an, simulasi tumbuh sebagai
alat manajemen. Bahasa pemrograman komputer khusus (misalnya, GPSS dan SIMSCRIPT)
dikembangkan pada tahun 1960 untuk menangani masalah skala besar dengan lebih efektif. Pada
1980-an, program simulasi berorientasi objek yang telah ditulis sebelumnya muncul di layar
yang dapat menangani berbagai situasi mulai dari ramalan cuaca hingga analisis pabrik suku
cadang mobil hingga desain resor ski. Program ini memiliki nama seperti SLAM, SIMAN, dan
Witness.

 Keuntungan dan Kerugian Simulasi

Delapan keuntungan simulasi ini menjadikannya salah satu teknik analisis kuantitatif yang paling
banyak digunakan di perusahaan Amerika. Simulasi adalah alat yang diterima secara luas oleh
para manajer karena beberapa alasan:
 1) Ini relatif mudah dan fleksibel. Ini dapat digunakan untuk membandingkan banyak
skenario berbeda secara berdampingan.
2) Kemajuan terbaru dalam perangkat lunak membuat beberapa model simulasi sangat mudah
dikembangkan.
3) Ini dapat digunakan untuk menganalisis situasi dunia nyata yang besar dan kompleks yang
tidak dapat diselesaikan dengan model analisis kuantitatif konvensional. Misalnya,
mungkin tidak mungkin untuk membangun dan memecahkan model matematika dari
sistem pemerintah kota yang memasukkan faktor ekonomi, sosial, lingkungan, dan politik
yang penting. Simulasi telah berhasil digunakan untuk memodelkan sistem perkotaan,
rumah sakit, sistem pendidikan, ekonomi nasional dan negara bagian, dan bahkan sistem
pangan dunia.
4) Simulasi memungkinkan jenis pertanyaan bagaimana-jika. Manajer ingin mengetahui
sebelumnya opsi apa yang menarik. Dengan komputer, seorang manajer dapat mencoba
beberapa keputusan kebijakan dalam hitungan menit.
5) Simulasi tidak mengganggu sistem dunia nyata. Mungkin terlalu mengganggu, misalnya,
bereksperimen dengan kebijakan atau ide baru di rumah sakit, sekolah, atau pabrik. Dengan
simulasi, eksperimen dilakukan dengan model, bukan pada sistem itu sendiri.
6) Simulasi memungkinkan kita mempelajari efek interaktif dari masing-masing komponen
atau variabel untuk menentukan mana yang penting.
7) “Kompresi waktu” dimungkinkan dengan simulasi. Pengaruh pemesanan, periklanan, atau
kebijakan lainnya selama berbulan-bulan atau bertahun-tahun dapat diperoleh dengan
simulasi komputer dalam waktu singkat.
8) Simulasi memungkinkan untuk memasukkan komplikasi dunia nyata yang tidak dapat
diizinkan oleh sebagian besar model analisis kuantitatif. Misalnya, beberapa model antrian
membutuhkan distribusi eksponensial atau Poisson; beberapa model inventaris dan jaringan
memerlukan normalitas. Namun simulasi dapat menggunakan distribusi probabilitas apa
pun yang ditentukan pengguna; itu tidak membutuhkan distribusi tertentu.
 Kerugian utama dari simulasi adalah sebagai berikut:

Empat kelemahan simulasi adalah biayanya, sifat trial-and-error, kebutuhan untuk menghasilkan
jawaban atas tes, dan keunikan.
 1) Model simulasi yang baik untuk situasi kompleks bisa sangat mahal. Seringkali merupakan
proses yang panjang dan rumit untuk mengembangkan model. Model perencanaan
perusahaan, misalnya, mungkin membutuhkan waktu berbulan-bulan atau bahkan
bertahun-tahun untuk dikembangkan.
2) Simulasi tidak menghasilkan solusi optimal untuk masalah seperti halnya teknik analisis
kuantitatif lainnya seperti kuantitas pesanan ekonomi, pemrograman linier, atau PERT. Ini
adalah pendekatan coba-coba yang dapat menghasilkan solusi berbeda dalam proses
berulang.
3) Manajer harus membuat semua kondisi dan batasan untuk solusi yang ingin mereka
periksa. Model simulasi tidak menghasilkan jawaban dengan sendirinya.
4) Setiap model simulasi unik. Solusi dan kesimpulannya biasanya tidak dapat dialihkan ke
masalah lain.
 Simulasi Monte Carlo

Ketika sistem berisi elemen yang menunjukkan peluang dalam perilakunya, metode simulasi
Monte Carlo dapat diterapkan. Variabel yang mungkin ingin kita simulasikan dalam masalah
bisnis karena sangat sedikit dalam hidup yang pasti. Ide dasar dalam simulasi Monte Carlo
adalah mengumpulkan nilai untuk variabel penyusun model yang sedang dipelajari. Ada banyak
variabel dalam sistem dunia nyata yang bersifat probabilistik dan mungkin ingin kita simulasi.
Beberapa contoh variabel berikut ini:
1) Permintaan persediaan setiap hari atau mingguan
2) Waktu tunggu untuk pesanan inventaris tiba
3) Waktu di antara kerusakan mesin
4) Waktu antara kedatangan di fasilitas layanan
5) Waktu layanan
6) Waktu untuk menyelesaikan kegiatan proyek
7) Jumlah karyawan yang tidak masuk kerja setiap hari

Beberapa variabel ini, seperti permintaan harian dan jumlah karyawan yang tidak hadir,
bersifat diskrit dan harus bernilai bilangan bulat. Misal demand hariannya bisa 0, 1, 2, 3, dan
seterusnya. Tapi permintaan harian tidak bisa 4,7362 atau nilai non-integer lainnya. Variabel
lain, seperti yang terkait dengan waktu, bersifat kontinu dan tidak wajib berupa bilangan bulat
karena waktu dapat berupa nilai apa pun. Saat memilih metode untuk menghasilkan nilai untuk
variabel acak, karakteristik variabel acak ini harus dipertimbangkan. Contoh keduanya akan
diberikan di bagian berikut. Dasar dari simulasi Monte Carlo adalah eksperimen pada elemen
kebetulan (atau probabilistik) melalui pengambilan sampel secara acak. Teknik ini dibagi
menjadi lima langkah Monte Carlo:

1) Menetapkan distribusi probabilitas untuk variabel input penting

2) Membangun distribusi probabilitas kumulatif untuk setiap variabel di langkah 1
3) Menetapkan interval bilangan acak untuk setiap variabel
4) Menghasilkan angka acak
5) Mensimulasikan serangkaian uji coba
 Model Simulasi untuk Kebijakan Pemeliharaan

Simulasi adalah teknik yang berharga untuk menganalisis berbagai kebijakan pemeliharaan
sebelum benar-benar menerapkannya. Sebuah perusahaan dapat memutuskan apakah akan
menambahkan lebih banyak staf pemeliharaan berdasarkan biaya waktu henti alat berat dan
biaya tenaga kerja tambahan. Ini dapat mensimulasikan mengganti bagian yang belum gagal
dalam mencari cara untuk mencegah kerusakan di masa mendatang. Banyak perusahaan
menggunakan model simulasi terkomputerisasi untuk memutuskan apakah dan kapan harus
menutup seluruh pabrik untuk aktivitas pemeliharaan. Bagian ini memberikan contoh nilai
simulasi dalam menetapkan kebijakan pemeliharaan. Masalah perawatan adalah area di mana
simulasi digunakan secara luas.

 Masalah Simulasi Lainnya

Simulasi adalah salah satu alat yang paling banyak digunakan dalam bisnis. Seperti yang
telah kita lihat di bagian awal bab ini, aplikasi berlimpah, karena kita tidak dibatasi oleh asumsi
dalam beberapa model matematika. Di bagian ini, kami melihat beberapa masalah lain yang
terkait dengan simulasi, termasuk beberapa alat perangkat lunak yang tersedia.

 Dua Jenis Model Simulasi Lainnya

Model simulasi sering dibagi menjadi tiga kategori. Pertama, metode Monte Carlo yang baru
saja dibahas, menggunakan konsep distribusi probabilitas dan bilangan acak untuk mengevaluasi
respons sistem terhadap berbagai kebijakan. Dua kategori lainnya adalah permainan operasional
dan simulasi sistem. Meskipun secara teori ketiga metode ini sangat berbeda, perkembangan
simulasi terkomputerisasi cenderung menciptakan dasar umum dalam prosedur dan
mengaburkan perbedaan ini.

 Permainan Operasional

Permainan operasional mengacu pada simulasi yang melibatkan dua atau lebih pemain yang
bersaing. Contoh terbaik adalah permainan militer dan permainan bisnis. Keduanya
memungkinkan peserta untuk mencocokkan keterampilan manajemen dan pengambilan
keputusan mereka dalam situasi konflik hipotetis.

Permainan militer digunakan di seluruh dunia untuk melatih perwira militer tertinggi suatu
negara, untuk menguji strategi ofensif dan defensif, dan untuk memeriksa keefektifan peralatan
dan tentara. Permainan bisnis, yang pertama kali dikembangkan oleh perusahaan Booz Allen
Hamilton pada 1950-an, populer di kalangan eksekutif dan mahasiswa bisnis. Mereka
memberikan kesempatan untuk menguji keterampilan bisnis dan kemampuan pengambilan
keputusan dalam lingkungan yang kompetitif. Orang atau tim yang berkinerja terbaik dalam
lingkungan simulasi diberi penghargaan dengan mengetahui bahwa perusahaannya paling
berhasil dalam menghasilkan laba terbesar, meraih pangsa pasar yang tinggi, atau mungkin
meningkatkan nilai perdagangan perusahaan di bursa saham.

Selama setiap periode kompetisi, baik itu seminggu, sebulan, atau kuartal, tim menanggapi
kondisi pasar dengan mengkodekan keputusan manajemen terbaru mereka sehubungan dengan
inventaris, produksi, pembiayaan, investasi, pemasaran, dan penelitian. Lingkungan bisnis yang
kompetitif disimulasikan oleh komputer, dan cetakan baru yang merangkum kondisi pasar saat
ini disajikan kepada para pemain. Hal ini memungkinkan tim untuk mensimulasikan tahun
kondisi operasi dalam hitungan hari, minggu, atau semester.

 Simulasi Sistem

Simulasi sistem mirip dengan permainan bisnis karena memungkinkan pengguna menguji

berbagai kebijakan dan keputusan manajerial untuk mengevaluasi pengaruhnya terhadap
lingkungan operasi. Variasi model simulasi dinamika sistem besar . Sistem tersebut termasuk
operasi perusahaan, ekonomi nasional, rumah sakit, atau sistem pemerintahan kota.
 Dalam sistem operasi perusahaan , penjualan, tingkat produksi, kebijakan pemasaran,
investasi, kontrak serikat pekerja, tingkat utilitas, pembiayaan, dan faktor lainnya semuanya
terkait dalam serangkaian persamaan matematika yang diperiksa dengan simulasi. Dalam
simulasi pemerintahan kota , sistemsimulasi dapat digunakan untuk mengevaluasi dampak
kenaikan pajak, belanja modal untuk jalan dan gedung, ketersediaan perumahan, rute sampah
baru, imigrasi dan migrasi keluar, lokasi sekolah baru atau pusat warga senior, angka kelahiran
dan kematian, dan banyak lagi yang penting. masalah. Simulasi sistem ekonomi , sering disebut
model ekonometrik, digunakan oleh lembaga pemerintah, bankir, dan organisasi besar untuk
memprediksi tingkat inflasi, suplai uang dalam dan luar negeri, serta tingkat pengangguran. Input
dan output dari simulasi sistem ekonomi khas. Model ekonometrik adalah simulasi besar yang
melibatkan ribuan persamaan regresi yang diikat oleh faktor ekonomi. Mereka menggunakan
pertanyaan bagaimana-jika untuk menguji berbagai kebijakan.

Nilai simulasi sistem terletak pada kelonggaran pertanyaan bagaimana-jika untuk menguji
efek dari berbagai kebijakan. Grup perencanaan perusahaan, misalnya, dapat mengubah nilai
masukan apa pun, seperti anggaran iklan, dan memeriksa dampaknya pada penjualan, pangsa
pasar, atau biaya jangka pendek. Simulasi juga dapat digunakan untuk mengevaluasi berbagai
proyek penelitian dan pengembangan atau untuk menentukan cakrawala perencanaan jangka
panjang.

 Verifikasi dan Validasi

Dalam pengembangan model simulasi, penting bahwa model tersebut diperiksa untuk
melihat bahwa model tersebut berfungsi dengan baik dan memberikan representasi yang baik
dari situasi dunia nyata. Proses verifikasi melibatkan penentuan bahwa model komputer
konsisten secara internal dan mengikuti logika model konseptual.

Validasi adalah proses membandingkan model dengan sistem nyata yang diwakilinya untuk
memastikan keakuratannya. Asumsi model harus diperiksa untuk melihat bahwa distribusi
probabilitas yang tepat digunakan. Analisis masukan dan keluaran harus dilakukan untuk melihat
bahwa hasilnya masuk akal. Jika kita mengetahui keluaran aktual untuk sekumpulan masukan
tertentu, kita dapat menggunakan masukan tersebut dalam model komputer untuk melihat bahwa
keluaran simulasi konsisten dengan sistem dunia nyata. Verifikasi berkaitan dengan membangun
model dengan benar. Validasi berkaitan dengan pembuatan model yang tepat.
 Peran Komputer dalam Simulasi

Menyadari dalam simulasi bahwa komputer sangat penting dalam mensimulasikan tugas-
tugas kompleks. Mereka dapat menghasilkan angka acak, mensimulasikan ribuan periode waktu
dalam hitungan detik atau menit, dan memberikan laporan kepada manajemen yang membuat
pengambilan keputusan lebih mudah. Faktanya, pendekatan komputer hampir menjadi keharusan
bagi kita untuk menarik kesimpulan yang valid dari sebuah simulasi. Karena kita membutuhkan
simulasi dalam jumlah yang sangat banyak, akan menjadi beban nyata jika kita hanya
mengandalkan pensil dan kertas.

Sementara bahasa pemrograman tujuan umum dapat digunakan untuk simulasi,

beberapa perangkat lunak simulasi khusus telah dikembangkan yang membuat proses simulasi
menjadi lebih mudah. Di antara banyak alat yang tersedia adalah Arena, ProModel, SIMUL8,
ExtendSim, dan Proof . Selain alat yang berdiri sendiri ini, ada beberapa add-in Excel, seperti
@Risk, Crystal Ball, RiskSim, dan XLSim, yang dapat membuat simulasi dengan Excel menjadi
sangat mudah.