1.

9 KEUNTUNGAN, KEKURANGAN, DAN KEKURANGAN SIMULASI

simulasi adalah metode yang banyak digunakan dan semakin populer untuk mempelajari sistem
yang kompleks. Beberapa kemungkinan keuntungan simulasi yang dapat menjelaskan daya tariknya
yang luas adalah sebagai berikut.

• Sistem dunia nyata yang paling kompleks dengan elemen stokastik tidak dapat dijelaskan secara
akurat oleh model matematika yang dapat dievaluasi secara analitis. Dengan demikian, simulasi
seringkali merupakan satu-satunya jenis investigasi yang mungkin dilakukan.

• Simulasi memungkinkan seseorang untuk memperkirakan kinerja sistem yang ada di bawah
beberapa rangkaian kondisi operasi yang diproyeksikan.

• Rancangan sistem alternatif yang diusulkan (atau kebijakan operasi alternatif untuk satu sistem)
dapat dibandingkan melalui simulasi untuk melihat mana yang paling memenuhi persyaratan yang
ditentukan

 Dalam simulasi, kita dapat mempertahankan kontrol yang jauh lebih baik atas kondisi
eksperimental daripada yang biasanya dimungkinkan saat bereksperimen dengan sistem itu
sendiri (lihat Bab 11).

• Simulasi memungkinkan kita untuk mempelajari sistem dengan kerangka waktu yang lama—
misalnya, sistem ekonomi—dalam waktu terkompresi, atau sebagai alternatif untuk mempelajari
cara kerja sistem yang terperinci dalam waktu yang diperluas.

Simulasi bukannya tanpa kekurangan. Beberapa kekurangannya adalah sebagai berikut.

• Setiap lari astokastikmodel simulasi hanya menghasilkanperkiraankarakteristik sejati model untuk

serangkaian parameter input tertentu. Jadi, beberapa model independen mungkin diperlukan untuk
setiap set parameter input yang akan dipelajari (lihat Bab 9). Untuk alasan ini, model simulasi
umumnya tidak sebaik dalam optimasi karena mereka membandingkan sejumlah tetap desain
sistem alternatif yang ditentukan. Di sisi lain, model analitik, jika pantas, seringkali dapat dengan
mudah menghasilkan akurat karakteristik sebenarnya dari model itu untuk berbagai set parameter
input. Jadi, jika model analitik yang "valid" tersedia atau dapat dengan mudah dikembangkan,
umumnya akan lebih baik daripada model simulasi.

• Model simulasi seringkali mahal dan memakan waktu untuk dikembangkan.

• Volume besar angka yang dihasilkan oleh studi simulasi atau dampak persuasif dari animasi
realistis (lihat Bagian 3.4.3) sering menciptakan kecenderungan untuk menempatkan kepercayaan
yang lebih besar dalam hasil studi daripada yang dibenarkan. Jika sebuah model bukan representasi
yang “valid” dari sistem yang sedang dipelajari, hasil simulasi, tidak peduli seberapa mengesankan
tampilannya, akan memberikan sedikit informasi berguna tentang sistem yang sebenarnya.

dalam beberapa penelitian, model simulasi dan analitik mungkin berguna. Secara khusus, simulasi
dapat digunakan untuk memeriksa validitas asumsi yang diperlukan dalam model analitik. Di sisi lain,
model analitik dapat menyarankan alternatif yang masuk akal untuk diselidiki dalam studi simulasi.
Dengan asumsi bahwa keputusan telah dibuat untuk menggunakan simulasi, kami telah menemukan
perangkap berikut untuk berhasil menyelesaikan studi simulasi [lihat juga Law dan McComas
(1989)]:
• Kegagalan untuk memiliki serangkaian tujuan yang terdefinisi dengan baik pada awal studi simulasi
• Kegagalan untuk melibatkan seluruh tim proyek pada awal studi • Tingkat detail model yang tidak
sesuai

• Kegagalan untuk berkomunikasi dengan manajemen selama studi simulasi

• Kesalahpahaman simulasi oleh manajemen

• Memperlakukan studi simulasi seolah-olah itu terutama latihan dalam pemrograman komputer

• Kegagalan untuk memiliki orang yang memiliki pengetahuan tentang metodologi simulasi

• Kegagalan mengumpulkan data sistem yang baik

• Perangkat lunak simulasi yang tidak sesuai

• Secara tidak sadar menggunakan produk perangkat lunak simulasi yang pernyataan makro
kompleksnya mungkin tidak didokumentasikan dengan baik dan mungkin tidak menerapkan logika
pemodelan yang diinginkan 72 pemodelan simulasi dasar

• Keyakinan bahwa paket simulasi yang mudah digunakan, yang memerlukan sedikit atau tanpa
pemrograman, memerlukan tingkat kompetensi teknis yang jauh lebih rendah • Penyalahgunaan
animasi

• Kegagalan untuk memperhitungkan dengan benar sumber keacakan dalam sistem yang
sebenarnya • Menggunakan distribusi arbitrer (misalnya, normal, seragam, atau segitiga) sebagai
input ke simulasi • Menganalisis data keluaran dari satu simulasi (replikasi) menggunakan rumus
yang mengasumsikan independensi

• Membuat replikasi tunggal dari desain sistem tertentu dan memperlakukan statistik keluaran
sebagai “jawaban yang benar”

• Kegagalan untuk memiliki periode pemanasan, jika perilaku kondisi tunak suatu sistem menarik

• Membandingkan desain sistem alternatif berdasarkan satu replikasi untuk setiap desain

• Menggunakan ukuran kinerja yang salah