JAWABAN UTS :
Sumber referensi:
A227 Pemodelan dan Simulasi Sistem Industri Manufaktur Menggunakan Metode Simulasi
Hybrid (Studi Kasus: PT. Kelola Mina Laut) oleh Muhammad Alam Pasirulloh dan Erma
Suryani1. Jurnal ini membahas tentang penggunaan simulasi hybrid, yang merupakan
kombinasi dari simulasi dinamis dan diskrit, untuk mengoptimalkan proses produksi produk
berbasis surimi di perusahaan pengolahan ikan.
https://ejurnal.its.ac.id/index.php/teknik/article/download/23141/4087
b. Karakteristik Sistem: Karakteristik sistem dalam simulasi dapat beragam tergantung pada
jenis sistem yang sedang dipelajari. Namun, beberapa karakteristik umum sistem dalam
simulasi meliputi:
2) Dinamika: Sistem dalam simulasi memiliki sifat dinamis, artinya perilakunya berubah
seiring waktu. Perubahan ini dapat dipicu oleh berbagai faktor, seperti input, keadaan
awal, aturan, atau interaksi antara komponen-komponen sistem.
3) Nonlinearitas: Beberapa sistem dapat menunjukkan perilaku nonlinier, di mana
hubungan antara input dan output tidak bersifat proporsional atau terprediksi dengan
mudah. Model simulasi harus dapat menggambarkan nonlinearitas ini dengan akurat.
4) Ketidakpastian: Sistem nyata seringkali terpengaruh oleh faktor-faktor yang tidak pasti
atau acak. Oleh karena itu, simulasi sering melibatkan penggunaan elemen probabilitas
atau stokastik untuk mengatasi ketidakpastian ini.
Sumber referensi:
Pengantar Model dan Simulasi oleh Lala Septem Riza. Jurnal ini memberikan pengenalan
terhadap konsep dan prinsip pemodelan dan simulasi, serta keuntungan dan kerugian
menggunakan simulasi. Jurnal ini juga menjelaskan langkah-langkah membangun model
simulasi serta keterampilan dan pengetahuan yang diperlukan untuk simulasi.
http://file.upi.edu/Direktori/FPMIPA/PRODI._ILMU_KOMPUTER/LALA/
Materi_Kuliah/Model_dan_Simulasi/H1-Pengantar_Model_dan_Simulasi.pdf
c. Tujuan Model dalam Simulasi: Model dalam simulasi memiliki tujuan khusus dalam
membantu memahami dan menganalisis sistem yang sedang dipelajari. Beberapa tujuan
model dalam simulasi meliputi:
Representasi: Model digunakan untuk merepresentasikan sistem nyata dengan cara yang
lebih sederhana dan terstruktur. Model mencerminkan komponen sistem, interaksi, dan
aturan yang mengatur perilaku mereka.
Analisis dan Prediksi: Model membantu dalam menganalisis dan memprediksi perilaku
sistem. Dengan menjalankan model simulasi, kita dapat mengamati dan menganalisis
hasil yang dihasilkan serta memprediksi bagaimana sistem akan bereaksi dalam
berbagai situasi.
Sumber referensi:
Simulasi Komputer untuk Analisis Karakteristik Model Sistem Pegas Massa oleh Iwan
Prasetyo Wibowo. Jurnal ini mengilustrasikan penggunaan simulasi komputer untuk
menganalisis karakteristik model sistem pegas massa. Jurnal ini menunjukkan bagaimana
simulasi dapat membantu perancang untuk memvisualisasikan perilaku sistem dalam
berbagai kondisi operasi.
https://jurnalmesin.petra.ac.id/index.php/mes/article/download/15936/19882/31668
Model Fisik: Model fisik menggunakan benda fisik atau prototipe yang secara langsung
mewakili sistem nyata. Contohnya termasuk model skala, maquette, atau sistem fisik
yang dibangun untuk mengobservasi perilaku sistem secara nyata.
Model Konseptual: Model konseptual adalah model abstrak yang berfokus pada
hubungan konseptual antara komponen sistem. Model ini digunakan untuk memahami
interaksi dan dinamika sistem tanpa memperhatikan detail implementasi fisik atau
matematis.
Model Berbasis Agen: Model berbasis agen menggunakan entitas yang berperilaku
mandiri, disebut agen, untuk mewakili komponen sistem. Model ini bergantung pada
perilaku individu agen dan interaksi antara mereka untuk menggambarkan sistem secara
keseluruhan.
Sumber referensi:
Model Simulasi untuk Sistem Manufaktur Fleksibel oleh Yohanes Gunawan dan Yohanes
Gunawan. Jurnal ini mengilustrasikan penggunaan model simulasi untuk menganalisa
sistem manufaktur fleksibel. Jurnal ini menunjukkan bagaimana simulasi dapat membantu
mengevaluasi kinerja dan efisiensi sistem.
https://journal.ithb.ac.id/telematika/article/download/253/pdf
Eksekusi Simulasi: Simulasi dijalankan dengan memberikan input yang sesuai dan
mengamati hasil yang dihasilkan. Output simulasi digunakan untuk menganalisis
perilaku sistem.
Sumber referensi:
Bab 2 Studi Literatur 2.1. Studi Literatur Simulasi Komputer oleh Verrel Davendra
Praditya. Jurnal ini memberikan tinjauan literatur tentang simulasi komputer, termasuk
definisi, kelebihan, kekurangan, dan langkah-langkahnya. Jurnal ini juga menjelaskan jenis-
jenis model simulasi seperti model fisik, matematis, konseptual, berbasis agen, dan berbasis
jaringan.
https://elibrary.unikom.ac.id/id/eprint/4567/8/UNIKOM_Verrel%20Davendra
%20Praditya_12%20Bab%20II.pdf
c. Verifikasi dan validasi dalam proses simulasi: Verifikasi dan validasi (V&V) adalah dua
tahap penting dalam proses simulasi yang bertujuan untuk memastikan keakuratan dan
keandalan model serta hasil simulasi. Berikut adalah penjelasan singkat tentang kedua tahap
tersebut:
Validasi: Validasi melibatkan pengujian model terhadap data empiris atau observasi
nyata untuk memastikan bahwa model menghasilkan hasil yang memadai dan akurat.
Tujuannya adalah untuk memeriksa apakah model dapat mereproduksi perilaku sistem
yang diamati dalam dunia nyata. Validasi melibatkan perbandingan hasil simulasi
dengan data nyata, analisis statistik, dan penyesuaian parameter model untuk
meningkatkan kecocokan.
Sumber referensi:
Verifikasi dan validasi dalam model simulasi - Andi Hasad oleh Andi Hasad. Jurnal ini
memberikan tinjauan literatur tentang verifikasi dan validasi dalam pemodelan simulasi,
termasuk definisi, tujuan, metode, dan kriterianya. Jurnal ini juga membandingkan dua
pendekatan verifikasi dan validasi: internal dan independen.
https://andihasad.files.wordpress.com/2011/11/verifikasi-dan-validasi-dalam-simulasi-
model.pdf
3. Berikut adalah langkah-langkah umum dalam studi simulasi secara garis besar:
1) Identifikasi Tujuan: Tentukan tujuan yang ingin dicapai dengan menggunakan simulasi.
Apakah itu untuk menganalisis sistem yang kompleks, memprediksi perilaku dalam
berbagai skenario, atau melakukan optimasi sistem.
2) Perumusan Masalah: Definisikan masalah yang ingin diselesaikan dan identifikasi variabel
yang relevan. Perumusan masalah yang jelas dan rinci akan membantu dalam merancang
model simulasi yang tepat.
3) Desain Model: Pilih jenis model yang sesuai dengan sistem yang sedang dipelajari, seperti
model fisik, matematis, konseptual, berbasis agen, atau berbasis jaringan. Bangun model
yang mencerminkan komponen sistem, interaksi, dan aturan yang mengatur perilaku
mereka.
4) Pengumpulan Data: Kumpulkan data yang diperlukan untuk membangun dan menguji
model simulasi. Data ini dapat meliputi parameter sistem, distribusi probabilitas, waktu
antara kedatangan, atau informasi lain yang relevan.
6) Eksperimen dan Analisis: Jalankan simulasi dengan memberikan input yang sesuai dan
amati hasil yang dihasilkan. Analisis hasil simulasi untuk mendapatkan wawasan tentang
perilaku sistem, mengidentifikasi pola atau tren, dan menguji skenario alternatif.
7) Verifikasi dan Validasi: Lakukan verifikasi untuk memastikan bahwa model simulasi telah
diimplementasikan dengan benar, termasuk periksa sintaksis dan kesesuaian dengan
persyaratan desain. Lakukan validasi untuk memastikan bahwa model menghasilkan hasil
yang memadai dan akurat dengan membandingkan hasil simulasi dengan data empiris.
8) Interpretasi dan Kesimpulan: Interpretasikan hasil simulasi dan ambil kesimpulan yang
relevan. Gunakan hasil simulasi untuk pengambilan keputusan, perbaikan sistem, atau
perencanaan strategi yang lebih baik.
Sumber referensi:
BAB III METODE SIMULASI 3.1 Metode Simulasi 3.1.1 Pengertian oleh Ghea Novani.
Jurnal ini memberikan gambaran umum mengenai metode simulasi, termasuk definisi,
kelebihan, kekurangan, dan langkah-langkahnya. Jurnal ini juga menjelaskan jenis-jenis model
simulasi seperti model fisik, matematis, konseptual, berbasis agen, dan berbasis jaringan.
http://repository.upi.edu/12751/6/S_MAT_1002514_Chapter3.pdf
4. Bagan tersebut menggambarkan langkah-langkah dalam penggunaan model matematika dalam
memecahkan masalah dunia nyata. Berikut adalah deskripsi langkah-langkah dalam bagan
tersebut:
Real World Problem: Identifikasi masalah nyata yang ingin diselesaikan atau sistem yang
ingin dipelajari. Misalnya, dapat berupa masalah dalam industri, transportasi, kesehatan,
atau lingkungan.
System/Goal: Definisikan sistem dan tujuan yang ingin dicapai. Identifikasi karakteristik
sistem, komponen, interaksi, dan aturan yang mengatur perilaku mereka.
Mathematical Model (Step 2): Buat model matematika yang mencerminkan hubungan dan
interaksi antara komponen sistem. Model matematika ini menggambarkan sistem secara
matematis dengan menggunakan persamaan, fungsi, atau bentuk matematis lainnya.
Analysis (Step 3): Lakukan analisis terhadap model matematika yang telah dibuat. Analisis
ini melibatkan manipulasi matematika, penggunaan teknik analisis, dan eksplorasi berbagai
aspek sistem yang dapat diturunkan dari model matematika.
Validation (Step 4): Validasi dilakukan untuk memastikan bahwa model matematika
memberikan hasil yang memadai dan akurat. Hasil dari analisis model harus divalidasi
dengan data empiris, observasi nyata, atau eksperimen untuk memastikan konsistensi dan
keandalan model.
Make Changes, Mathematical Formulations: Jika hasil validasi tidak sesuai dengan
harapan atau ada kekurangan dalam model matematika, perubahan atau perbaikan
diperlukan. Kembali ke langkah 2 untuk mengubah atau memperbaiki model matematika
dan kemudian melanjutkan ke langkah-langkah berikutnya.
Solution to Problem: Gunakan model matematika yang valid dan memadai untuk mencari
solusi dari masalah nyata atau mencapai tujuan yang ditetapkan.
Sumber referensi:
https://jurnal.uns.ac.id/SHES/article/download/58329/34232
5. Bilangan acak (random number) adalah sekumpulan nilai yang dihasilkan secara acak dan tidak
dapat diprediksi. Dalam pemodelan dan simulasi sistem, penggunaan bilangan acak sangat
penting untuk menggambarkan ketidakpastian dan variasi dalam sistem. Bilangan acak
digunakan untuk mensimulasikan kejadian acak, variasi dalam input, atau perilaku stokastik
dalam sistem.
Cara umum untuk membangkitkan bilangan acak dalam pemodelan dan simulasi sistem adalah
dengan menggunakan generator bilangan acak. Generator bilangan acak adalah algoritma yang
menghasilkan serangkaian nilai acak berdasarkan suatu seed (benih) atau kondisi awal tertentu.
Dengan menggunakan generator bilangan acak yang baik, kita dapat memperoleh serangkaian
nilai acak yang memenuhi properti statistik dan distribusi yang diinginkan.
Beberapa metode populer untuk membangkitkan bilangan acak adalah sebagai berikut:
Metode Mersenne Twister: Metode ini adalah generator bilangan acak yang sangat populer
dan sering digunakan dalam berbagai aplikasi. Metode Mersenne Twister menggunakan
struktur rekursif yang kompleks dan memiliki periode yang sangat panjang, sehingga
menghasilkan nilai acak yang berkualitas tinggi dan memiliki sifat statistik yang baik.
Metode Metode Monte Carlo: Metode ini menggunakan prinsip probabilitas dan bilangan
acak untuk melakukan simulasi sistem. Metode Monte Carlo sering digunakan untuk
memodelkan sistem yang kompleks, di mana variabel yang tidak pasti atau variasi acak
terlibat. Dalam metode ini, bilangan acak digunakan untuk menghasilkan sampel yang
mewakili variasi acak dalam sistem dan dilakukan analisis statistik terhadap sampel
tersebut.
Sumber referensi:
Bilangan Acak - Direktori File UPI oleh Lala Septem Riza. Jurnal ini menjelaskan tentang
konsep dan pentingnya bilangan acak dalam simulasi dan pemodelan sistem. Jurnal ini juga
menjelaskan beberapa metode untuk membangkitkan bilangan acak, seperti metode
kongruensial linier, metode kuadrat tengah, dan metode Monte Carlo. Jurnal ini juga
membahas kelebihan dan kekurangan dari masing-masing metode.
http://file.upi.edu/Direktori/FPMIPA/PRODI._ILMU_KOMPUTER/LALA/Materi_Kuliah/
Model_dan_Simulasi/H3-Bilangan_Acak.pdf
TTD MAHASISWA Dosen Penguji Tanggal Jam
Acuan Soal (1) RPS (2) Pustaka (3) Pertemuan Kuliah (5) Peraturan dan Perundangan yang berlaku