Nama : Hafiz Rizal Azmi

NIM : 200402078
Mata Kuliah : Pemodelan dan Simulasi

1.1. (a) Jika cukup kecil dan layak, maka eksperimen fisik mungkin dilakukan. Jika tidak,
simulasikan.
(b) Mungkin model simulasi akan digunakan.
(c) Model matematika (sebagai lawan dari model fisik) harus digunakan. Kompleksitas
situasi mungkin akan mendahului model analitik yang valid yang sedang
dikembangkan, menghasilkan penggunaan model simulasi.
(d) Karena taruhannya mungkin tidak terlalu besar dalam jangka pendek, model fisik
dapat dicoba. Jika operasinya sangat besar, maka model simulasi mungkin harus
digunakan.
(e) Eksperimen fisik mungkin dicoba jika tidak terlalu mengganggu, tetapi sebaliknya
model simulasi.
(f) Jika jaringan komunikasi prototipe tersedia, maka uji lapangan dapat dilakukan untuk
sejumlah skenario terbatas. Hasil dari tes ini dapat digunakan untuk memvalidasi
model simulasi, yang kemudian dapat digunakan untuk menguji skenario lain yang
menarik.

1.2. Semua sistem tampaknya membutuhkan model dinamis. Sebagian besar sistem akan
tampak stokastik, jadi harus dimodelkan seperti itu kecuali jumlah variabilitas sistem
sangat kecil. Dalam kebanyakan kasus, model diskrit akan tampak teratur. Namun, jika
jumlah mobil yang akan dimodelkan dalam (b) sangat besar, maka model Persamaan
diferensial kontinu mungkin merupakan pendekatan yang berguna (dan lebih cepat untuk
dieksekusi).

1.3. (a) Tidak, karena saat sistem kosong dan server tidak aktif, L(t) = Q(t) = 0; selama
server
sibuk, benar bahwa L(t) = Q(t) + 1. Bagaimanapun, selalu benar bahwa
L(t) = Q(t) + B(t).
 (b)

T(6) = 8.6
(c) Membaca luas persegi panjang dari grafik di (b),
l^ ( 6 )=¿
3 ( 3,1−2,4 ) × 2+ ( 3,3−3,1 ) ×1+ ( 3,8−3,1 ) × 0+ ( 4,0−3,8 ) ×
1+ ( 4,9−4,0 ) × 2+ (5,6−4,9 ) × 1+ ( 5,8−5,6 ) ×2+ (7,2−5,8 ) ×
3+(8,6−7,2) × 4 ¿/8,6
¿ 17,6/8,6
¿ 2,05
Yang merupakan perkiraan jumlah rata-rata waktu yang diharapkan dari pelanggan
dalam sistem selama periode waktu yang diperlukan untuk mengamati n = 6
penundaan dalam antrian; ukuran kinerja ini dapat dilambangkan dengan l(6).
(d) Sebuah kotak di area "Penghitung statistik" dari setiap bagian gambar akan
ditambahkan, melacak area akumulasi di bawah L(t); nilainya pada empat belas nilai
jam simulasi adalah :
Jam 0 0,4 1,6 2,1 2,4 3,1 3,3 3,8 4,0 4,9 5,6 5,8 7,2 8,6
Daerah di bawah L(t) 0 0,0 1,2 2,2 3,1 4,5 4,7 4,7 4,9 6,7 7,4 7,8 12,0 17,6

Perhatikan bahwa pada setiap nilai jam, di bawah L(t) sama dengan jumlah area di
bawah Q(t) dan di bawah B(t), seperti yang diharapkan karena L(t) = Q(t) + B(t) untuk
waktu alternatif t. Saat menerapkan ini, penting untuk menghitung luas persegi
panjang pada setiap peristiwa menggunakan nilai lama L(t), yaitu, sebelum variabel
status yang sesuai diperbarui.

1.4. Kami tidak perlu lagi melacak waktu kedatangan pelanggan dalam antrian, karena
satu-satunya hal yang digunakan adalah menghitung keterlambatan pelanggan dalam
 antrian. Dengan demikian kita dapat menghilangkan larik yang menahan waktu
kedatangan ini, dan menghapus kode dalam subprogram untuk acara keberangkatan
untuk memindahkan antrian ke atas satu pelanggan setiap kali seseorang meninggalkan
antrian dan memasuki layanan; kita juga dapat menghapus centang di subprogram acara
kedatangan untuk memeriksa apakah ada cukup ruang dalam antrian untuk menampung
pelanggan yang datang. Kami masih perlu memiliki variabel status untuk menampung
jumlah pelanggan dalam antrian, karena itu digunakan untuk mendapatkan jumlah rata-
rata waktu pelanggan dalam antrian, yang masih kami inginkan.

1.5. Dari sembilan waktu antar kedatangan pertama dan enam waktu layanan pertama
yang diberikan pada awal Sec. 1.4.2 Untuk realisasinya, yang paling bisa kita ketahui
dari segi catatan waktu kedatangan, waktu mulai pelayanan, waktu keberangkatan, dan
waktu di sistem pelanggan adalah ini :
Nomor pelanggan (i) Waktu kedatangan Waktu layanan dimulai Waktu keberangkatan Wi
1 0,4 0,4 2,4 2,0
2 1,6 2,4 3,1 1,5
3 2,1 3,1 3,3 1,2
4 3,8 3,8 4,9 1,1
5 4,0 4,9 8,6 4,6
6 5,6 8,6 9,2 3,6
7 5,8 9,2
8 7,2
9 9,1

Jadi, rata-rata waktu dalam sistem lima pelanggan pertama yang berangkat adalah (2.0 +
1.5 + 1.2 + 1.1 + 4.6)/5 = 2.08. Tetapi kita harus memikirkan bagaimana mengeluarkan
ini dari logika dan kode simulasi.
Dengan aturan penghentian untuk simulasi seperti yang diberikan dalam masalah (m
pelanggan telah keluar dari sistem) daripada awalnya (n pelanggan telah menyelesaikan
penundaan antrian mereka), kita bisa bertahan tanpa variabel status baru, karena semua
pelanggan memasuki layanan selama simulasi akan meninggalkan layanan (dan dengan
demikian sistem) sebelum simulasi berakhir. Waktu dalam sistem untuk pelanggan
dengan demikian dapat dihitung pada saat dia masuk ke layanan, sebagai jumlah dari
penundaan antrian (baru saja dihitung) ditambah waktu layanan (dihasilkan sekarang);
ini akan ditambahkan ke penghitung untuk dibagi dengan m ketika simulasi berakhir.
Kami akan menambahkan kotak di area "Penghitung statistik" dari setiap bagian dari
Gambar 1.7 untuk melacak akumulasi waktu dalam sistem; nilainya bertambah setiap
kali waktu layanan dimulai (ditandai dengan * di bawah), dan pada empat belas nilai jam
simulasi adalah :
Jam 0 0,4* 1,6 2,1 2,4* 3,1* 3,3 3,8* 4,0 4,9* 5,6 5,8 7,2 8,6
Total waktu dalam sistem 0 2,0 2,0 2,0 3,5 4,7 4,7 5,8 5,8 10,4 10,4 10,4 10,4 14,0

(Meskipun kita dapat menentukan bahwa W 6 =3,6, ini tidak digunakan dalam
^ (5), kita
^ ( 5 )=10,4 /5=2,08.) Jika satu-satunya ukuran kinerja adalah w
menghitung w
dapat menghentikan simulasi pada saat 4.9 karena kita mengetahui nilai W 5 pada saat itu
meskipun pelanggan 5 tidak pergi sampai waktu 8.6. Namun, jika kita menginginkan
ukuran kinerja lain (seperti jumlah rata-rata waktu dalam antrian) yang ditentukan untuk
periode yang dibutuhkan 5 pelanggan untuk pergi, kita harus melanjutkan simulasi
sampai 5 pelanggan benar-benar pergi, yaitu hingga waktu 8.6.
Pendekatan alternatif, yang tampaknya lebih alami tetapi melibatkan pengenalan
variable status lain, adalah menunggu sampai pelanggan benar-benar menyelesaikan
layanan dan pergi sebelum menghitung waktunya di sistem, dan menambahkannya ke
akumulator. Di sini, kita memerlukan variabel status yang memberikan waktu
kedatangan ke sistem pelanggan yang saat ini dalam layanan (tidak ditentukan jika server
dalam keadaan idle), yang dikurangi dari jam saat pelanggan pergi. Sementara ini
menghasilkan hasil yang sama untuk aturan penghentian ini, waktu penambahan
akumulator baru berbeda :
Jam 0 0,4 1,6 2,1 2,4* 3,1* 3,3* 3,8 4,0 4,9* 5,6 5,8 7,2 8,6*
Total waktu dalam sistem 0 2,0 2,0 2,0 3,5 4,7 4,7 5,8 5,8 10,4 10,4 10,4 10,4 14,0

^ ( 5 )=10,4 /5=2,08. Tidak seperti pendekatan pertama, kita pasti harus

lagi memberikan w
^ (5), apalagi ukuran
menjalankan simulasi hingga waktu 8,6 untuk menghitung genap w
kinerja lainnya.
Meskipun pendekatan kedua melibatkan variabel keadaan tambahan dan mungkin
memerlukan menjalankan simulasi lebih lama, itu akan memungkinkan kita untuk
mengubah bentuk aturan penghentian, misalnya ke yang asli dalam teks atau aturan
waktu-penghentian yang tetap, dan waktu rata-rata dalam sistem akan tetap dihitung
dengan benar, hanya didasarkan pada pelanggan yang benar-benar meninggalkan sistem
selama simulasi, namun dihentikan. Pendekatan pertama, di sisi lain, bisa memberikan
hasil yang salah. Misalnya, jika aturan penghentian kita dalam realisasi ini adalah
menjalankan simulasi sampai (tepat) waktu t = 9, maka lima pelanggan akan
menyelesaikan waktu mereka dalam sistem, dengan rata-rata 10,4/5 = 2,08; pendekatan
kedua akan menghasilkan hasil ini dengan benar, tetapi pendekatan pertama, karena
pelanggan enam memulai (tetapi tidak menyelesaikan) layanan sebelum simulasi
berakhir, salah akan menghasilkan 14,0/6 = 2,33.