LANGKAH PEMODELAN

SIMULASI
Simulasi Komputer
Pertemuan 2

Riri Cornellia
cornellia.axl@gmail.com
081398536883
Sistem dan Model
 Sistem adalah sekumpulan unsur dari suatu realitas yang terbatas
yang menjadi objek telaahan.

Sistem bersifat relatif karena tergantung pada tujuan mempelajari

sistem tersebut.

 Model adalah penyederhanaan dari sistem dengan hanya

memperhatikan faktor-faktor yang dianggap penting serta
mengabaikan faktor-faktor yang dianggap tidak penting pada
telaahan yang dilakukan.
Pengambilan Keputusan

 Perencanaan dan Pengendalian Operasi pada dasarnya adalah suatu

proses pengambilan keputusan.
 Pengambilan keputusan adalah proses pemilihan satu dari sejumlah
alternatif yang tersedia.
 Pemilihan itu didasarkan pada suatu kriterium tertentu, biaya terendah,
resiko minimum, dan sebagainya.
 Kita menginginkan untuk memiliki segala informasi yang berkenaan
dengan setiap alternatif yang dapat dipilih.
 Eksperimentasi langsung, secara teknis dan ekonomis pada umumnya
sukar dilakukan.
 Model simulasi akan dapat membantu dalam situasi semacam ini.
Dengan Model Simulasi

 Kita dapat mempelajari suatu proses (sistem) melalui model tiruannya

 Semua ini dapat dilakukan dengan cepat, murah dan tanpa harus
mengganggu sistem yang tengah berjalan.
 Kita dapat mempelajari suatu sistem bahkan sebelum sistem itu ada secara
fisik.
 Misalnya, kita dapat mempelajari efek penempatan suatu fasilitas tertentu
sebelum fasilitas itu dibangun.
 Kita dapat mempelajari setiap alternatif keputusan tanpa harus secara
nyata menerapkan alternatif tersebut.
 Kenyataan ini akan dapat membantu kita dalam usaha memilih alternatif
yang terbaik.
Beberapa Bentuk Solusi

 Solusi Analitik adalah solusi yang diperoleh secara langsung dengan

tersedianya suatu formula atau rumus.
 Solusi Algoritmik adalah solusi yang dapat diperoleh dengan
menggunakan suatu algoritma (prosedur) tertentu.
 Solusi Simulasi adalah solusi yang diperoleh dengan melakukan suatu
eksperimentasi simulasi.
Jenis-Jenis Model

1. Model iconic (scaled physical object)

2. Graphical model.
3. Mathematical dan logical model.
4. Model Deskriptif : Ditentukan sekumpulan kondisi input dan strategi
operasi, model ini akan memprediksi apa yang akan terjadi (model
input-output)
5. Model Preskriptif : Ditentukan sekumpulan kondisi, model ini akan
memberikan anda suatu solusi terbaik untuk suatu kondisi tertentu
Jenis- Jenis Model (2)
 Model Statis Vs. Dinamis
 Model statis menangkap tingkah laku sistem pada sebuah titik waktu tertentu
 Rata-rata tingkat pengembalian tahunan dari suatu investasi
 Total penggunaan bahan bakar pada suatu trip
 Model dinamis menggambarkan tingkah laku sistem sepanjang waktu tertentu
 Tingkat inventori suku cadang dari suatu sistem manufaktur
 Banyaknya orang yang menunggu sepanjang waktu untuk dilayani pada
suatu sistem layanan pelanggan
 Model Deterministik vs. Stokastik
 Model Deterministik mengabaikan keragaman acak (random variation)
 Model Stokastik secara eksplisit memperhatikan adanya keacakan (randomness)
 Contoh-contoh keacakan yang menjadi perhatian dalam suatu model, meliputi
 Lamanya suatu operasi
 Lamanya menunggu
 Frekuensi kegagalan
 Waktu antar kedatangan pelanggan
Simulasi Komputer
 Simulasi komputer adalah suatu proses perancangan model
logika matematika dari suatu sistem nyata dan
bereksperimentasi dengan model ini secara abstrak pada
komputer
 Dengan dimungkinkannya kita melakukan suatu eksperimentasi
secara abstrak tentang suatu sistem, maka dimungkinkan diperoleh
suatu kesimpulan berkenaan dengan sistem tersebut dengan ciri:
1. Tanpa harus membangun sistem, jika kita ingin
mengevaluasi suatu sistem yang belum ada.
2. Tanpa mengganggu sistem, jika kita ingin mempelajari
sistem yang tengah beroperasi dan melakukan suatu
eksperimen pada sistem amatlah mahal ataupun
berbahaya.
3. Tanpa harus menghancurkan sistem, misalnya kita
mempunyai tujuan untuk menentukan limit tekanan pada
suatu sistem.
Langkah-langkah dalam studi simulasi
1. Problem Formulation

 Langkah awal pada saat pemodelan adalah menentukan problem

utama dalam sistem yang akan kita selesaikan
 Adanya suatu permasalahan ditandai dengan munculnya gejala.
 Untuk mengetahui permasalahan yang sebenarnya, maka perlu
mengumpulkan informasi secara aktual sesuai dengan kejadian lapangan
dan semua gejala yang ditimbulkannya.
 Pencarian informasi tersebut bisa dilakukan dengan mencari jawaban dari
pertanyaan : apa , bagaimana, mengapa, dimana, kapan dan siapa .
2. Setting of Objectives

 Setelah pokok permasalahan ditemukan, tentukan tujuan penelitian untuk

membatasi pengembangan ataupun penyelesaian masalah.
 Untuk membuat suatu model, tidak semua kondisi dapat dipastikan
kejadiannya. Untuk kondisi yang sangat sulit diprediksikan dengan pasti,
diberikan asumsi.
 Dengan tujuan yang telah ditetapkan, akan didapat batasan yang pasti
pada saat pengembangan penyelesaian masalah sesuai kebutuhan
metode dan teori yang dijadikan landasannya pengembangannya
3. Develop Problem Solving
 Tahap ini merupakan awal penyelesaian masalah.
 Jika tahap ini tidak sesuai dengan kebutuhan maka seluruh penelitian tidak
dapat digunakan seperti yang di harapkan.
 Dalam tahap ini pendekatan teoritis dilakukan dengan menggunakan metode
tertentu sebagai alternative cara menyelesaikan masalah.
 Ketika data pendukung pengamatan di lapangan dan tujuan telah ditentukan,
tindakan berikutnya adalah menganalisis data tersebut.
 Dari proses analisis akan didapatkan suatu ketentuan yang berupa asumsi,
kendala, sebab akibat dari satu variable dengan variable yang lain, serta
factor lain yang berhubungan dengan pembuatan model.
 Draw a conceptual model if possible
 Select methodology
 Formulate a model
4. Verification

 menentukan program komputer simulasi bekerja sebagaimana mestinya,

yaitu sama dengan men-debug program komputer.
 Verifikasi memeriksa penerjemahan model simulasi konseptual(mis.,
flowchart dan asumsi-asumsi) menjadi program yang berjalan dengan
benar.
 Proses pengujian terhadap model tersebut perlu dilakukan. Jika pengujian
model yang diharapkan dengan pengembangan aplikasi dapat
dipastikan tidak timpang maka proses penyesuaian metode yang
digunakan dalam model akan mampu memberikan alternative tanpa
harus mengubah model.
 ketika verifikasi dilakukan kita memeriksa apakah logika model
diimplementasikan dengan benar atau tidak
5. Validation
 Berkenaan dengan menentukan apakah model konseptual simulasi (bukan
program komputer) merupakan representasi yang akurat dari sistem yang
dipelajari.
 Jika model simulasi dan hasilnya diterima oleh manajer/client sebagai
valid, dan digunakan sebagai alat bantu dalam pengambilan keputusan,
berarti model tersebut credible.
 Proses ini sebagai kendali agar asumsi, batasan dan variable yang
diperlukan saat proses benar-benar langsung dikaitkan dalam suatu proses
di dalam aplikasi yang dibangun.
 Penyajian aplikasi ini diharapkan mampu memberikan alternative
pengambilan keputusan dengan memberikan berbagai startegi pilihan
yang mudah dimengerti oleh mereka yang bertanggung jawab.
 Validasi (dianalisis secara statistic data dapat mewakili) dapat dilakukan
dengan membandingkan model output dengan system yang sebenarnya
 a. Pengujian subyektif, dengan pakar menilai hasil output berdasarkan
kemahiran dalam sisstem dan pengalaman
 b. pengujian obyektif, menggunakan statistikmembandingkan data
sebenarnya dengan hasil simulasi
5. Validation (2)
 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
5. Validation (3)
 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 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
5. Validation (4)
 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.
 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.
5. Validation (4)
5. Validation (5)
 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.
5. Validation (6)
 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.
6. Validation (7)

 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
Turing adalah penyesuaian ukuran kinerja sistem nyata sehingga pengaruh tidak
dimaksudkan sebagai bagian dari model simulasi dihilangkan.
 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.
6. Implementation

 Penyajian dari aplikasi yang disesuaikan dengan model diharapkan

mampu menerjemahkan permasalahan dan fungsi aplikasi yang dibangun
kepada seluruh orang yang berinteraksi dengan aplikasi tersebut. Proses ini
juga mampu menggambarkan prosedur operasional yang mudah
dimengerti dan mudah dilaksanakan oleh orang yang bertanggung jawab
terhadap penyelesaian permasalahan tersebut.
Prinsip Pemodelan Simulasi
 Umumnya tidak diperlukan adanya korespondensi satu-satu antara setiap elemen sistem dengan
elemen model.
 Acuan untuk menentukan tingkat detil model simulasi:
 -Di awal studi, definisikan dengan hati-hati:
1.isu yang akan diteliti
2.pengukuran kinerja untuk evaluasi
3.konfigurasi sistem alternatif
 -Gunakan analisis “pakar” dan analisis sensitifitas untuk membantu menentukan tingkat detil model.
 -Mulailah dengan detil tingkat “menengah”, yang dapat diubah jika perlu.
 -Jangan mulai dengan terlalu banyak detil, tetapi model tersebut juga harus punya tingkat detil yang
cukup agar credible.
 -Tingkat detil model harus konsisten dengan jenis data yang tersedia.
 -Waktu dan biaya merupakan faktor utama dalam menentukan detil model.
 -Jika jumlah faktor (aspek yang diteliti) pada studi cukup besar, gunakan model simulasi “kasar” atau
model analitik untuk mengidentifikasi faktor-faktor yang penting sebelum mengembangkan moel
simulasi yang detil.
 Verifikasi Program Simulasi Komputer
 Teknik 1:Dalam mengembangkan model simulasi, tulis dan debug program komputer dalam
bentuk modul atau subprogram.
 Teknik 2:Disarankan agar lebih dari satu orang membaca program komputer jika model
simulasi yang dikembangkan besar. Penulis program itu sendiri mungkin tidak dapat
memberikan kritik yang baik.
 Teknik 3:Jalankan simulasi dengan beberapa setting parameter input dan lihat apakah
outputnya masuk akal.
 Teknik 4:Lakukan “trace”, di mana status sistem yang disimulasi, yaitu: daftar event, variabel
status, cacahan statistik, dsb., dicetak setelah masing-masing event terjadi dan dibandingkan
dengan perhitungan manual untuk melihat apakah program bekerja sebagaimana mestinya.
 Teknik 5:Jika mungkin, model harus dijalankan dengan asumsi-asumsi yang disederhanakan di
mana karakteristik yang sebenarnya diketahui atau dapat dihitung dengan mudah.
 Teknik 6:Pada beberapa model simulasi, akan sangat menolong jika ada animasi output
simulasi yang dapat diteliti.
 Teknik 7:Tuliskan mean dan varians sampel untuk setiap distribusi probabilitas input simulasi dan
bandingkan dengan mean dan varians yang diinginkan (mis., historikal).
 Langkah ini menentukan apakah nilai-nilai input dibangkitkan dengan benar dari distribusi-
distribusi tsb.
 Teknik 8:Gunakan paket simulasi untuk memperkecil jumlah baris kode yang dibutuhkan
Diskusi :
Buatlah
a. Model jaringan dari sebuah sistem manufaktur ataupun sistem
jasa.
b. Flow Diagram Model tersebut.