Tujuan dari modul ini adalah mengilustrasikan proses pemodelan beberapa sistem
sederhana, sehingga mereka dapat dianalisis menggunakan simulasi kejadian diskrit.
Disini semua aspek pemodelan didiskusikan: formulasi model simulasi berdasar pada
deskripsi sistem real, pengambilan sampel distribusi probabilitas dari variabel model,
pengkodean model menggunakan dua pendekatan kendali waktu simulasi yang biasa
digunakan, dan menggunakan hasil model analitis yang ekivalen untuk menaksir
pendugaan tepat yang diturunkan dari hasil simulasi. .
Kita mulai dengan sebuah model statis (a static model), masalah klasik Buffon
Needle, yang biasanya digunakan untuk mengilustrasikan sebuah sistem sederhana dan
menitikberatkan pada aspek pengambilan sampel acak dari analisis simulasi. Kita
kemudian mengembalikan perhatian kita ke sistem kejadian diskrit (discrete event
system) yang dinamis, yaitu nilai dari variabel statusnya berubah terhadap waktu.
Dimulai dengan sebuah sistem antrian layanan tunggal (single-server queuing system)
yang disederhanakan, kita kembangkan ke sebuah sistem inventori (inventory system),
dan akhirnya ke sebuah sistem komputer berbagi waktu (time-shared computer
system). Beberapa model dari sistem ini dikembangkan, termasuk sebuah model antrian
analitis. Asumsi untuk model analitis dikurangi dan sebuah model yang lebih umum dan
lebih realistis dikembangkan, menunjukkan fleksibilitas dari model simulasi.
Akhirnya, pertimbangan pemrograman tertentu diberikan, termasuk mekanisme
untuk perkembangan waktu dan manajemen kejadian, dan penjadwalan. Beberapa tipe
struktur data yang berguna dalam mengkonstruksi model simulasi yang efisien diberikan.
Percobaan Buffon-Needle
Dalam percobaan jarum-bundel (Buffon-needle), sejumlah jarum dengan panjang, l, di-
jatuhkan secara acak pada sebuah papan (bidang datar) bergaris sejajar dengan jarak sama
d, dimana l d.
Jika percobaan ini dilakukan berulang-ulang, maka perkiraan (estimasi) peluang jarum
menyentuh (beririsan dengan) sebuah garis, P, dapat diperoleh dari perbandingan jumlah
percobaan dimana sebuah garis tersentuh, N I , dengan jumlah total percobaan, N T :
Agar model menjadi sederhana, kita hanya meninjau 2 garis sejajar, seperti diperlihatkan
pada Gambar-3.2.
Pertama, lokasi m ditetapkan, dan dicari garis mana yang terdekat dengan m. Karena
posisi acak adalah simetri, maka hanya ditinjau setengah jarak dari dua garis tersebut:
d/2. Jadi, a (jarak dari m ke garis) adalah sebuah variabel acak juga. Karena simetri,
maka adalah sebuah variabel acak yang berdistribusi seragam pada interval 0 sampai
dengan radian.
d/2
l/2 sin ø
Diberikan a dan terdistribusi secara acak. Dihitung proyeksi vertikal dari m ke ujung
jarum, (l/2) sin , dan dibandingkan dengan a.
l
(i) Jika a . sin , maka jarum tidak menyentuh garis,
2
l
(ii) Jika a . sin , maka jarum menyentuh garis.
2
Untuk mendapatkan sampel acak dari a dan , digunakan pseudo random number, r,
( 0 r 1 ), kemudian didefinisikan nilai a dan untuk pengujian percobaan tertentu.
Prosedur pada Gambar-3.4 tersebut telah dibuat sebuah implementasinya dalam bahasa
FORTRAN, dengan mengambil masukan
3000 kali percobaan, l = 10 dan d = 20
Hasil perkiraan peluang jarum menyentuh garis adalah: P = 0.3133.
Algoritma Buffon-Needle
Input : jarak antar garis, d, panjang jarum, l, dan banyaknya jarum dijatuhkan, N T .
Output : peluang jarum menyentuh garis, P
Tahapan:
1 Inisialisasi ;
2 Untuk i = 1 sampai dengan N T , kerjakan (2.1-2.4):
2.1 Bangkitkan , bilangan acak berdistribusi seragam pada [0,1];
2.2 Hitung a = ;
2.3 Hitung = ;
l
2.4 Jika a . sin , maka hitung ;
2
3 Hitung P = ;
4 Cetak P;
Aspek analitis
Karena setiap jatuhnya jarum adalah sebuah percobaan Bernoulli, maka jumlah sukses,
N
, dalam N T percobaan adalah sebuah Bernoulli random variable, dan P I ( yaitu
NT
sebuah pendugaan parameter Binomial p) merupakan peluang sukses.
Ambil p pˆ , maka:
[ ̂] [ ] [ ]
[ ̂] [ ]
̂
⁄
[ ]
MULAI
MASUKKAN
l dan d
INISIALISASI
NI = 0; NT = 0
BANGKITKAN r1
HITUNG a = (l / 2) . r1
BANGKITKAN r2;
HITUNG θ = π . r2
NO
YES a ≤ (l / 2) sin θ
NO
NI = NI + 1 NT = NT + 1
NT > N
YES
HITUNG P = NI / N
CETAK P
BERHENTI
̂
[ ⁄
]
[ ]
atau
⁄ ⁄
̂ ̂ ̂ ̂
[ ̂ [ ] ̂ [ ] ]
Jika hasil simulasi disubstitusikan dalam ekspresi diatas dengan N T 3000 , di-
peroleh
[ ]
atau
[ ]
atau
[ ] .
Contoh-3.1. Sekelompok mesin dijalankan oleh sebuah grup operator. Begitu seringnya
sebuah mesin mogok dan perlu diperbaiki oleh seorang operator. Setelah selesai di-
perbaiki, mesin dijalankan lagi.
Delays: t(r) - waktu sebuah mesin bekerja antara panggilan untuk perbaikan,
t(s) - waktu yang diperlukan untuk perbaikan mesin.
C(1)
1(i)
2(ij)
t(r)
4(i) C(2)
t(s)
3(ij)
Disini, sebagai objektif adalah pendugaan rata-rata waktu tunggu seorang kastemer
(sebuah job).
Variabel status untuk sebuah model simulasi kejadian diskrit dari fasilitas sistem berupa:
- status pelayan, yaitu: sedang menganggur (idle) atau sedang sibuk (busy).
- jumlah kastemer yang sedang menunggu dalam antrian untuk dilayani, dan
- waktu kedatangan setiap kastemer.
Status pelayan (server) diperlukan untuk menyatakan apakah seorang kastemer datang,
apakah kastemer langsung dapat dilayani, atau harus menunggu dalam antrian.
Bila pelayan selesai melayani seorang kastemer jumlah kastemer dalam antrian diguna-
kan untuk menentukan apakah pelayan menjadi menganggur atau mulai melayani
kastemer pertama dalam antrian.
Waktu kedatangan seorang kastemer diperlukan untuk menghitung waktu tunggunya da-
lam antrian, yang berupa waktu ia mulai dilayani dikurangi waktu saat kedatangannya.
c(1) t(s)_
t(a) 1 2 3
c(2)
Ada dua prinsip pendekatan yang telah disarankan untuk pengembangan klok simulasi,
yaitu:
1. Pengembangan waktu berdasar pada kejadian berikutnya (next-event time
advance)
2. Pengembangan waktu berdasar pada pertambahan waktu tetap (fixed-increment
time advance)
Klok simulasi diawali dari nul dan waktu kejadian dari event yang akan datang dicari.
Kemudian, klok simulasi dikembangkan terhadap waktu kejadian yang pertama
dari event yang akan datang ini, yaitu titik dimana status (state) dari sistem diperbaharui
(update) terhadap perhitungan sebagai fakta untuk menghitung bahwa sebuah event telah
terjadi, dan pengetahuan kita mengenai waktu kejadian dari event yang akan datang juga
diperbaharui.
Selanjutnya, klok simulasi dikembangkan terhadap waktu dari event baru yang
paling awal, status dari event diperbaharui, dan waktu event yang akan datang dihitung,
dst.
Proses pengembangan simulasi dari satu waktu kejadian ke kejadian lainnya ini di-
lanjutkan sampai terjadinya suatu syarat pemberhentian tertentu terpenuhi, (semisal:
lama simulasi atau banyaknya kastemer).
Karena semua perubahan status terjadi hanya pada saat waktu kejadian untuk
sebuah simulasi kejadian diskrit, maka periode ketakaktifan dihapuskan dengan loncatan
klok dari waktu kejadian ke waktu kejadian. Pengembangan waktu berdasar pada keja-
dian berikutnya untuk sebuah sistem antrian-layanan tunggal memerlukan beberapa
notasi berikut:
e0 e1 e2 e3 e4 e5
0 t1 t2 c1 t3 c2
A1 A2 A3
S1 S2
Gambar-3.7. Ilustrasi pendekatan next-event time advance
untuk single-server queueing system.
System state
Ialah kumpulan variabel status yang diperlukan untuk mendeskripsi sistem pada suatu
waktu tertentu.
Simulation clock
Ialah sebuah variabel yang memberikan nilai sesaat pada saat simulasi.
Event list
Ialah sebuah daftar yang berisi waktu berikutnya, kapan setiap tipe event akan terjadi.
Statistical counters
Ialah variabel yang digunakan untuk menyimpan informasi statistik tentang perilaku
sistem.
Initialization routine
Ialah sebuah subprogram yang menginisialisasi model simulasi pada saat t = 0.
Timing routine
Ialah sebuah subprogram yang menentukan event berikutnya dari daftar event dan
kemudian mengembangkan klok simulasi terhadap waktu bila event tersebut terjadi.
Event routine
Ialah sebuah subprogram yang meng-update status sistem bila sebuah event dengan tipe
tertentu terjadi.
Library routine
Ialah sebuah himpunan subprogram yang digunakan untuk membangkitkan (generate)
pengamatan acak (random) dari distribusi probabilitas yang ditetapkan sebagai bagian
dari model simulasi.
Report generator
Ialah sebuah subprogram yang menghitung pendugaan dari ukuran-ukuran perilaku yang
ditetapkan dan menghasilkan sebuah laporan bila simulasi berakhir.
Main program
Ialah sebuah program yang memanggil timing routine untuk menentukan event berikut-
nya dan kemudian mentransfer kendali ke event routine terkait untuk meng-update status
sistem yang sesuai.
Aliran kendali (flowchart) dari pendekatan next-event time advance dapat dilihat
pada Gambar-3.8.
Start
Timing routine
Initialization routine Main program
1 Determine next
1 Set simulation clock = 0 0 Invoke initialization routine
event type, say i
2 Initialize state and counters 1 Invoke timing routine
2 Advance simulation
3 Initialize event list 2 Invoke event routine i
clock
Event routine i
Library routine
1 Update system state
2 Update statistical counters
Generate random
3 Generate future events
variate
andadd to event list
No
Is
simulation
over
Yes
Report generator
1 Compute estimate of
interest
2 Write report
Stop
Suatu antrian terjadi jika rata-rata waktu antar kedatangan kastemer lebih kecil dari rata-
rata waktu pelayanannya.
Pola kedatangan
Pola kedatangan kastemer dicirikan oleh waktu antar kedatangan, yaitu interval waktu
kedatangan antara dua kastemer yang berurutan pada suatu fasilitas pelayanan.
Pola pelayanan
Pola pelayanan kastemer dicirikan oleh waktu pelayanan, yaitu waktu yang diperlukan
sebuah server untuk melayani sebuah kastemer.
Waktu antar kedatangan kastemer dan waktu pelayanan kastemer biasanya berupa
variabel acak yang mempunyai distribusi probabilitas tertentu.
Disiplin antrian
Yaitu aturan yang menentukan bagaimana para kastemer mendapatkan pelayanan. Ada
4 bentuk, yaitu :
1. First-In-First-Out (FIFO)
Kastemer yang lebih dulu datang (masuk antrian) akan lebih dulu keluar untuk
dilayani, sebagai contoh: sistem antrian pada Bank, Bioskop..
2. Last-In-First-Out (LIFO)
Kastemer yang paling akhir tiba akan lebih dulu keluar untuk dilayani, sebagai
contoh : sistem elevator.
3. Service-In-Random-Order (SIRO)
Panggilan untuk memperoleh pelayanan didasarkan pada peluang secara acak
(random), sebagai contoh : sistem pelayanan dalam sistem operasi.
4. Priority-Service (PS)
Pelayanan diberikan terlebih dahulu pada kastemer yang mempunyai prioritas
yang lebih tinggi, sebagai contoh : sistem pelayanan rumah sakit.
Berbagai tipe model antrian sistem kejadian diskrit diperlihatkan pada Gambar-3.9.
a. Single-Queue-Single-Server System.
Queue Server
X X X X X X X
b. Single-Queue-Multi-Servers System.
Queues Servers
X
X X X X X X
c. Multie-Queues-Multi-Servers System.
Queues Servers
X X X X X X X
X X X X X X X
d. Tandem-Queue System.
Contoh-3.2. Diberikan data waktu kedatangan dan waktu pelayanan dari sebuah single-
server queueing system seperti pada Tabel-3.1.
1 4 6 3
2 10 3 5
3 13 6 6
4 19 1 4
5 20 9 7
6 29 2 3
7 31 3 6
8 34 9 7
9 43 4 2
10 47 4 6
Perkembangan klok dari simulasi ini dapat dilihat pada Tabel-3.2, dengan bi adalah
waktu saat kastemer ke-i mulai dilayani. Sedangkan profil kastemer dalam sistem dapat
dilihat pada Gambar-3.10.
Disini total waktu yang digunakan kastemer dalam sistem adalah sama dengan luas
daerah yang berada dibawah kurva dan diatas sumbu t, dari t = 0 sampai dengan
simulasi selesai.
̅ ∫ ̅ ∫
Nilai integral diatas menggambarkan luas daerah dibawah kurva dan diatas sumbu t,
dari t = 0 sampai dengan t = T dan dapat dihitung sebagai jumlahan persegi panjang
sebagai berikut
Luas ∑ ( )
= 0 (4-0) + 1 (7-4) + 0 (10-7) + 1 (13-10) + 2 (15-13) + 1 (19-15) + …
1 4 t1 1
4 b1 1
2 7 c1 0
3 10 t2 1
10 b2 1
4 13 t3 2
5 15 c2 1
15 b3 1
6 19 t4 2
7 20 t5 3
8 21 c3 2
21 b4 2
9 25 c4 1
25 b5 1
10 29 t6 2
11 31 t7 3
12 32 c5 2
32 b6 2
13 34 t8 3
14 35 c6 2
35 b7 2
15 41 c7 1
41 b8 1
16 43 t9 2
17 47 t10 3
18 48 c8 2
48 b9 2
19 50 c9 1
50 b10 1
N(t)
0 t
0 4 7 10 13 15 19 20 21 25 29 31 32 34 35 41 43 4748 50
Maka diagram alur dari sistem diatas dengan objektif rata-rata jumlah kastemer dalam
sistem (n) dan rata-rata waktu sebuah kastemer dalam sistem (w) dapat dilihat pada
Gambar-3.11.
Start
Print : TN / T ≈ ñ
T ≥ Tmax Y
W =TN / K
N
Stop
TN = TN + (Ta-T) * N;
TN = TN + (Ts-T) * N;
T = Ta; N = N +1; K = K+1;
T = Ts; N = N-1
Ta = T + Random arr. time
N N=1 N=0
Y Y N
Sebuah contoh model simulasi sebuah sistem dinamis adalah sebuah model system
inventori.
Setiap hari distributor menerima permintaan dari kastemer dan setiap hari menge-
cek apakah stok tambahan harus diorder dari pabrik. Jika sebuah permintaan kastemer
tak dapat dipenuhi, maka sebuah permintaan parsial dikirimkan, dan tidak boleh terjadi
penolakan permintaan. Frekwensi relatif permintaan harian diberikan oleh Tabel-3.3.
0 0.14
1 0.27
2 0.27
3 0.18
4 0.09
5 0.05
Jika distributor menempatkan sebuah order ke pabrik, biasanya tiba 4, 5, atau 6 hari
kemudian. Obyektif dari distributor adalah meminimumkan total biaya: Carrying,
Ordering, dan Penalty.
t=1
t (order)
1 2 3
C(1)
Dimana
Variabel Status : Inv = inventori yang tersedia
O = status penempatan order
1 = Sebuah order baru telah dikirimkan
0 = Sebuah order baru belum dikirimkan
Kejadian : 1 = Permintaan untuk sebuah item
2 = Item sedang re-order
3 = Re-order tiba
Syarat : C(1) = Inventori kurang dari re-order point dan O = 0
Delays : t(order) = Waktu sampai re-order tiba
Jika diberikan barisan permintaan kastemer seperti pada Tabel-3.4, maka profil
inventori dapat dilihat pada Gambar-3.13.
Karakteristik sistem:
INV(t)
30
20
10
0 t
0 5 10 15 20
Misalkan:
Simulationmodelvariable
T : waktu dalam hari (T = 1, 2, 3, …)
T_FINAL : jumlah hari sistem disimulasikan
dengan
START
T = 1; CUM_LOST = 0;
N_ORDERS = 0; CUM_INV = 0;
INV = INVo
PRINT :
T ≥ T_FINAL Y
ANNUAL COST
N
STOP
T=T_ORDER_ARRIVE Y
N INV = INV + Q
CUM_INV=CUM_INV+INV
CUM_LOST = CUM_LOST +
INV = INV - DEMAND DEMAND – INV;
INV = 0
N INV ≤ S Y
Y 0-1
Dengan g(x) adalah sebuah fungsi bernilai riil yang secara analitik tidak dapat diinte-
gralkan.
Untuk melihat bagaimana masalah deterministik ini dapat didekati dengan simulasi
Monte-Carlo sebagai berikut.
b g ( x)dx
= (b a) g(x) f x (x) d(x) = (b a) a
= I
a
(b a )
dengan f x (x) = 1/(b- a) adalah fungsi padat probabilitas dari sebuah variabel random
U(a,b). Jadi masalah penghitungan integral telah direduksi menjadi sebuah pendugaan
nilai terduga E(Y). Dalam keadaan khusus, kita akan menduga E(Y) = I dengan rata-rata
sampel
n n
Yi g( X i )
Y ( n) i 1
= (b a) i 1
n n
Algoritma Monte-Carlo
Untuk mengilustrasikan skema diatas secara numerik, andaikan bahwa kita ingin
menghitung nilai integral
I =
0
sin x dx
N 10 20 40 80 160 …
3.5 LATIHAN
3.1 Sebuah permainan dadu terkenal disebut Craps mencakup pelemparan dua dadu. Pada
pelemparan pertama dari dadu, jika jumlah mata dadu yang keluar adalah 2, 3, atau 12,
pemain kehilangan apapun yang ia peroleh (bets). Jika jumlahnya adalah 7 atau 11, ia
memenangkan sebesar yang ia peroleh. Jika jumlahnya 4, 5, 6, 8, 9, atau 10, jumlah
ini menjadi ―point‖ dan pemain melanjutkan pelemparan dadu sampai salah satu point
keluar lagi atau sebuah 7 keluar. Jika point keluar, pemain memenangkan apapun yang
ia peroleh, sementara jika 7 keluar pemain kehilangan apapun yang diperolehnya.
menggunakan sebuah rantai Markov absorbing, permainan ini dapat dimodelkan
secara analitis, dengan status absorbing berupa MENANG atau KALAH dan status
non-absorbing berupa MULAI, 5, 5, 6, 8, 9, 10.
a) Konstruksikan sebuah graf kejadian untuk permainan ini !
b) Konstruksikan sebuah model simulasi dari permainan ini !
3.2 Seorang pengemudi bis harus menyediakan sejumlah tertentu pengembalian untuk para
penumpang yang tidak mempunyai uang pass. Jika pengemudi tidak dapat memberi-
kan pengembalian yang tepat penumpang diperbolehkan menumpang secara gratis.
Ongkos untuk menumpang bis adalah 35 sen dan pengalaman terdahulu menunjukkan
bahwa data uang kembalian penumpang untuk ongkos adalah sebagai berikut:
1 quarter, 1 dime 20
1 quarter, 2 nickels 10
3 dimes, 1 nickel 05
2 dimes, 3 nickels 03
2 quarters 25
4 dimes 07
1 dollar bill 25
1 five dollar bill 05
a) Rumuskan masalah ini dalam unsur sebuah fungsi objektif dan kendala-kendala.
b) Konstruksikan sebuah diagram kejadian untuk sistem ini.
c) Konstruksikan lojik untuk sebuah model simulasi yang dapat digunakan untuk me-
nentukan campuran terbaik dari kembalian yang harus diberikan pengemudi ketika
ia memulai rute. Asumsikan bahwa lewat the course of the day sekitar 100 penum-
pang akan board bis.
3.3 Sebuah distributor tas plastik menjual sejumlah relatif kecil dari sebuah tipe tertentu
tas ke sejumlah kecil kastemer, tetapi sebagai tambahan, mempunyai tiga kelompok
kastemer yang akan mengorder jumlah yang sangat besar. Setiap empat minggu distri-
butor re-order ke pabrik untuk menjaga inventori dari tas lebih dari level yang diharap-
kan. Asumsikan bahwa permintaan tas pada sebagian kecil kastemer biasanya 100 per
hari, plus atau minus 10, sementara kastemer yang lebih besar akan mengorder jumlah
sesuai dengan tabel berikut
3.4 Sebuah bagian pengendalian jarak jauh suatu Negara yang terdiri dari lima satuan radar
digunakan untuk memberikan peringatan dini terhadap rencana-rencana tanpa ijin yang
datang kedalam daerahnya. Sebuah komponen tertentu dari radar is subject to sering
mengalami kegagalan dan untuk menjamin semua dari lima satuan beroperasi, kompo-
nen tambahan harus dijamin tersedia. Ketika satu dari radar mempunyai komponen
gagal seperti itu, sebuah komponen cadangan dipasang, jika tersedia. Komponen gagal
dikirim kembali untuk perbaikan dan akan dikembalikan atau diganti. Asumsikan bah-
wa waktu antar kegagalan dari komponen ini berdistribusi eksponensial dengan sebuah
rata-rata 20 hari, dan ketika sebuah komponen dikirimkan kembali untuk perbaikan,
ia akan membutuhkan tepat 15 hari sampai ia dikembalikan ke pusat radar.
Komponen adalah sangat mahal, dan karenanya it is desirable mempunyai tidak lebih
persediaan dari yang diperlukan.
a) Apakah variabel keputusan dan fungsi objektif untuk sistem ini ?
b) Konstruksikan sebuah diagram kejadian untuk sistem ini !
c) Konstruksikan lojik dari sebuah model simulasi untuk sistem ini yang dapat diguna-
kan untuk menentukan jumlah optimum dari banyaknya suku cadang !
3.5 Perhatikan kembali simulasi dari sistem berbagi waktu dalam Modul 03. Sekarang,
asumsikan bahwa atas kegagalan berhubungan, pengguna ditempatkan dalam sebuah
antrian dan terhubung ke port pertama yang dapat digunakan. Modifikasikan model
simulasi tahapan kejadian untuk mengakomodasi tipe sistem ini.
3.6 Perhatikan masalah estimasi berapa banyaknya ikan dari spesies tertentu dalam sebuah
danau. Sebuah pendekatan yang umum adalah menangkarkan n ikan, menandai mereka
dalam suatu cara penangkaran dan kemudian melepaskan mereka. Akibatnya, jika n
ikan ditangkar lagi dan k didapati bertanda, maka sebuah estimasi banyaknya ikan
dalam danau dapat dibuat menggunakan pendekatan berikut
Untuk membuktikan estimasi ini, semua ikan tak bertanda yang tertangkap ditandai
dan dilepaskan. Dengan mengulangi prosedur ini lagi dan lagi, estimasi yang lebih
baik dari banyaknya ikan dapat diperoleh.
a) Identifikasi variabel-variabel yang perlu dimasukkan dalam sebuah model simulasi
dari proses ini.
b) Konstruksikan sebuah diagram kejadian untuk sistem ini.
c) Konstruksikan diagram lojik untuk sebuah model simulasi dari proses ini.
3.7 Sebuah mesin pengepakan otomatis membutuhkan campur tangan operator secara
periodik untuk tujuan seperti: clearing jams, restocking packing materials, alignment,
dan perawatan secara periodik. Seorang operator dapat mengawasi beberapa operasi
mesin, tetapi jika sebuah mesin membutuhkan attendance ketika operator sedang sibuk
dengan mesin yang lain, ia menjadi berhenti (idle), menyebabkan kehilangan dalam
produksi. Di fihak lain, jika terlalu sedikit mesin yang ditugaskan diawasi seorang
operator, biaya operasi dari mesin-mesin boleh jadi menjadi mahal. Bayangkan sebuah
mesin yang membutuhkan campur tangan operator pada sebuah rata-rata tiga kali per
jam dan rata-rata lama waktu operator harus mengawasi mesin adalah 2.5 menit per
mesin. Asumsikan waktu antara panggilan bantuan operator dan lama bantuan adalah
variabel acak.
a) Rumuskan masalah ini dalam unsur sebuah fungsi objektif dan kendala-kendala !
b) Konstruksikan sebuah diagram kejadian untuk sistem ini !
c) Identifikasi variabel-variabel dalam sistem ini !
d) Konstruksikan sebuah diagram lojik yang dapat digunakan untuk membangun
sebuah model simulasi dari sistem ini.
3.8 Penyebaran sebuah rumor (atau secara serupa sebuah desease atau sebuah joke) lewat
sebuah populasi dari ukuran tertentu adalah sebuah fenomena yang biasa. Sebagai
sebuah penyederhanaan penyebaran rumor, asumsikan bahwa populasi termuat dalam
tiga kelompok yang mempunyai karakteristik sebagai berikut:
Kelompok I tidak pernah mendengarkan rumor,
Kelompok II telah mendengar rumor dan secara aktif menyebarkannya,
Kelompok III telah mendengar rumor dan tidak menyebarkannya.
Ketika anggota kelompok I mendengarkan rumor, mereka menyampaikan ke setiap
orang yang ia temui (menyatu ke kelompok II), sampai mereka menemukan seseorang
yang telah mengetahui rumor itu dan kemudian mereka berhenti menyebarkannya
(menyatu ke kelompok III).
Model simulasi dari proses ini telah digunakan untuk mengukur penyebaran
rumor dan ukuran-ukuran akhir dari tiga kelompok adalah ketika rumor tidak disebar-
kan lagi.
a) Identifikasi variabel-variabel yang akan digunakan untuk mensimulasikan proses
ini.
b) Konstruksikan sebuah diagram kejadian untuk sistem ini.
c) Identifikasi kejadian-kejadian dalam model simulasi.
d) Konstruksikan sebuah diagram alir lojik yang dapat digunakan untuk mensimulasi-
kan proses ini.
3.9 Dalam sebuah manajemen sistem basis data, para pengguna meminta catatan dari
sebuah file disk untuk membaca dan memproses. Dikarenakan ia butuh considerable
time dan effort to retrieve sebuah catatan dari sebuah file disk, sekali sebuah catatan
di-retrieved ia dipelihara dalam sebuah buffer area dari memori dan akan dipelihara
dalam memori sampai ia menjadi catatan paling lama dan ruang memorinya diperlukan
untuk menyimpan sebuah catatan baru.
Para pengguna retrieve catatan-catatan pada laju 1 catatan per menit dan sekali
sebuah catatan di-retrieved probabilitas bahwa ia akan dirujuk lagi adalah 0.50*1/k
dimana k adalah jumlah komulatif catatan-catatan yang telah di-retrieved pengguna
selama suatu sesi. Total banyaknya catatan yang seorang pengguna retrieves dalam
sebarang satu sesi adalah sebuah variabel acak K.
a) Rumuskan masalah ini dalam unsur sebuah fungsi objektif dan kendala-kendala.
b) Konstruksikan sebuah diagram kejadian untuk sistem ini.
c) Identifikasi variabel-variabel keputusan dalam sistem.
e) Gambarkan sebuah diagram alir lojik yang dapat digunakan untuk mengkonstruksi
sebuah model simulasi dari sistem ini.
3.10 Sebuah masalah terkenal dalam teori probabilitas adalah paradoks St. Petersburg.
Paradoks tersebut menitikberatkan sebuah permainan kans yangmana sebuah uang
logam seimbang dilemparkan secara teratur sampai sebuah muka muncul. Jumlah
waktu dimana uang logam harus dilemparkan sampai muncul muka pertama adalah
sebuah variabel acak X berdistribusi sesuai dengan distribusi geometrik. Payoff da-
lam permainan adalah 2 meningkat dengan pangkat x, yaitu
3.11 Di kota Boston, MBTA menyediakan layanan bis diantara Boston dan Cambridge
dengan jadwal bis-bis setiap 20 menit. Jadwal bis adalah sedemikian hingga sebuah
bis tidak pernah tiba di pemberhentian lebih awal, tetapi dapat terjadi dimanapun ter-
lambat dari 0 sampai 10 menit. Di pemberhentian bis di tikungan Massachusetts Ave,
dan Huntington Ave penumpang tiba secara acak pada laju satu penumpang setiap
menit. Ketika bis tiba dimanapun ia boleh jadi mempunyai 20 sampai 45 penumpang
already aboard. Kapasitas dari bis adalah 50 penumpang, yang tidak dapat disentuh
oleh aturan. Ketika kapasitas sebuah bis tercapai, penumpang yang tersisa harus me-
nunggu sampai sebuah bis lain tiba.
a) Identifikasi kejadian-kejadian yang dapat dikaitkan dengan sistem transportasi
diatas.
b) Konstruksikan sebuah diagram kejadian untuk sistem ini.
c) Rumuskan masalah ini dalam unsur sebuah fungsi objektif dan kendala-kendala.
d) Konstruksikan sebuah diagram lojik yang dapat digunakan untuk mensimulasi-
kan sistem ini.
a) Rumuskan masalah ini dalam unsur sebuah fungsi objektif dan kendala-kendala.
b) Konstruksikan sebuah diagram kejadian untuk sistem ini.
c) Identifikasi kejadian-kejadian yang seharusnya tercakup dalam sebuah model
simulasi kejadian diskrit dari masalah ini.
e) Gambarkan sebuah diagram lojik yang dapat digunakan untuk memprogram model
dalam sebuah bahasa tingkat tinggi multi sasaran.
3.13 Sebuah sistem komputer berbagi waktu mempunyai sebuah disk 200M-bite (juta
bytes) tunggal. Rata-rata waktu untuk mengakses sebuah file adalah 40 milidetik.
Disk memuat file-file pengguna yang diminta secara relatif tidak sering dan file-file
sistem seperti compiler-compiler dan editor-editor, yang diakses sangat sering. Sis-
tem yang saat ini disk-I/O terbatas dengan penghampiran 1500 disk I/O per menit.
Sayangnya, 20 persen dari permintaan ini untuk file-file sistem dan sisanya 80 persen
untuk file para pengguna. Sistem operasi dirancang untuk berbagi CPU diantara
sebuah maksimum 25 pengguna. Setiap pengguna diberi sebuah quantum tetap dari
waktu CPU, tetapi jika selama suatu quantum sebuah I/O terjadi, quantum berakhir.
Sistem operasi kemudian memulai job berikutnya pada CPU. Sekitar 30 persen dari
I/O adalah ke disk. Ketika sebuah job sedang menunggu I/O, sistem operasi tidak me-
berinya sebuah quantum waktu. Quantum waktu saat ini adalah 0.01 detik. Selama
suatu quantum terdapat 50 persen kans sebuah I/O akan terjadi, sama seperti itu di-
manapun quantum. Untuk meningkatkan performansi sistem, telah disarankan bahwa
sebuah disk berkecepatan tinggi dengan head tetap digunakan untuk menyimpan
semua file-file sistem. Rata-rata waktu akses untuk tipe disk ini adalah 10 milidetik.
a) Rumuskan masalah ini dalam unsur sebuah fungsi objektif dan kendala-kendala.
b) Konstruksikan sebuah diagram kejadian untuk sistem ini.
c) Identifikasi variabel-variabel dalam sistem.
d) Konstruksikan sebuah diagram lojik yang dapat digunakan untuk mensimulasikan
sistem ini.
1 5 8 10 12 6 7
2 8 5 9 8 7 7
3 10 9 5 15 8 9
4 12 8 15 5 9 13
5 6 7 8 9 5 10
6 7 7 9 13 10 5
Selanjutnya, asumsikan bahwa frekwensi harian dari keadaan hidup atau keadaan
darurat untuk enam daerah rata-rata 2, 4, 6, 3, 5, dan 6. Lokasi stasiun dalam keadaan
hidup saat ini adalah dalam daerah 5.
a) Rumuskan masalah ini dalam unsur sebuah fungsi objektif dan kendala-kendala.
b) Konstruksikan sebuah diagram kejadian untuk sistem ini.
c) Identifikasi variabel-variabel dalam sistem.
d) Konstruksikan sebuah diagram lojik yang dapat digunakan untuk membangun
sebuah model simulasi dari sistem ini.
3.15 Sebuah pertimbangan penting ketika merancang sebuah gedung bertingkat adalah sis-
tem elevator. Jika ia tidak mampu memindahkan secara tepat sejumlah banyak orang
dalam periode waktu yang pendek, dapat dibayangkan antrian dan penundaan boleh
jadi dihasilkan. Dengan kata lain, elevator-elevator sangat mahal dan memakan ruang
dalam gedung yang dapat diperuntukkan bagi pengguna-pengguna yang lain. Semua
sistem elevator dirancang untuk mengatasi beban puncak, biasanya pada waktu pagi
ketika para pekerja dalam gedung sedang tiba (dalam kasus sebuah gedung apartemen
ketika para penghuni pergi untuk bekerja). Beban yang diberikan pada sistem dapat
dijabarkan dalam unsur rata-rata jumlah orang pada lantai-i sedang ingin pindah ke
lantai- j. Kapasitas dari elevator diukur dengan kapasitasnya membawa penumpang
dan waktu yang diperlukan untuk menjelajahi berbagai lantai. Waktu perjalanan
adalah sebuah fungsi tak linier dari lantai yang dijelajahi sebelum berhenti dikarena-
kan percepatan dan perlambatan.
3.16 Bank darah mempunyai sebuah masalah untuk mana model-model simulasi harus di-
buktikan bermanfaat, khususnya sebagai sebuah aid dalam menetapkan level mini-
mum dan level maksimum untuk seluruh darah dengan tipe spesifik. Setelah semua
darah telah dikumpulkan, ia dapat disimpan hanya untuk sejumlah terbatas hari (biasa
nya 21 hari) sebelum ia harus dikurangi untuk serum darah. Ketika level dari semua
darah meningkat diatas level maksimum yang ditetapkan, beberapa darah yang lebih
lama direduksi menjadi serum atau dikirim ke sebuah pusat fasilitas dimana ia dapat
digunakan oleh bank darah lainnya. Jika level berada dibawah level minimum, sejum-
lah tambahan darah akan perlu diperoleh dari pusat fasilitas (yang melayani wilayah
Negara) atau donor-donor tertentu boleh jadi dihubungi untuk segera berdonor darah.
Dalam salah satu kasus, dapat dibayangkan biaya dan dampak akan diperbaiki untuk
meningkatkan level darah diluar minimum.
a) Rumuskan masalah ini dalam unsur sebuah fungsi objektif dan kendala-kendala.
b) Konstruksikan sebuah diagram kejadian untuk sistem ini.
c) Jika sebuah model simulasi kejadian diskrit dari Bank darah dikembangkan,
identifikasi kejadian-kejadian dalam model.
d) Kembangkan sebuah diagram alir lojik yang dapat digunakan untuk mengkonstruk
sikan sebuah model simulasi Bank darah.
e) Sebuah masalah yang serupa ada untuk fasilitas regional. Lakukan lewat tahapan
(a) sampai dengan (c) untuk fasilitas regional.
DAFTAR PUSTAKA